一种杆塔力学响应预测方法、装置、设备和介质制造方法及图纸

本发明专利技术公开了一种杆塔力学响应预测方法、装置、设备和介质，方法包括：获取杆塔设备数据和多个风场数据；根据杆塔设备数据，构建杆塔模型；基于多个风场数据，确定杆塔模型在各风场数据下的力学响应数据矩阵；对力学响应数据矩阵进行数据预处理，得到标准力学响应数据矩阵；采用风场数据和标准力学响应数据矩阵分别训练多个预设的神经网络模型，根据训练结果选择目标神经网络模型；当接收到针对杆塔模型的真实风场数据时，采用目标神经网络模型生成杆塔模型对应的应力响应结果。从而高效准确地在实际情况中计算力学响应结果，能够对杆塔线路在台风、大风天气中应力变形情况进行预测，从而为线路运行提供参考，降低损失。降低损失。降低损失。

【技术实现步骤摘要】
一种杆塔力学响应预测方法、装置、设备和介质


[0001]本专利技术涉及响应评估
，尤其涉及一种杆塔力学响应预测方法、装置、设备和介质。

技术介绍

[0002]在日常生活中，由于大风、台风等区域强风灾害影响范围广、突发性强的特性，尤其是下击暴流等强对流大风天气，因此对城市电网的考验非常巨大。
[0003]其中，架空输电线路作为城市电网里的“骨架”，在面对各类极端天气的冲击时需要更高的安全等级，因为输电线路一旦故障，不仅将影响区域供电，且容易引起电网振荡甚至解列，导致大面积停电事故，给城市经济民生造成巨大影响。而在区域强风环境中，输电线路的风险评估和预警系统需要根据杆塔在风场中的力学性质来计算。
[0004]现有的风险评估和预警方案通常是仅由杆塔的设计值结合气象数据来比对得出风险系数，利用有限元仿真对输电线路进行风荷载作用下的力学响应计算。但上述方法在考虑实际情况中气象条件对杆塔响应的影响时计算效率较低，无法高效准确地计算力学响应结果。

技术实现思路

[0005]本专利技术提供了一种杆塔力学响应预测方法、装置、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种杆塔力学响应预测方法，其特征在于，包括：获取杆塔设备数据和多个风场数据；根据所述杆塔设备数据，构建杆塔模型；基于所述多个风场数据，确定所述杆塔模型在各所述风场数据下的力学响应数据矩阵；对所述力学响应数据矩阵进行数据预处理，得到标准力学响应数据矩阵；采用所述风场数据和所述标准力学响应数据矩阵分别训练多个预设的神经网络模型，根据训练结果选择目标神经网络模型；当接收到针对所述杆塔模型的真实风场数据时，采用所述目标神经网络模型生成所述杆塔模型对应的应力响应结果。2.根据权利要求1所述的方法，其特征在于，所述风场数据包括风速、风向和作用时间，所述基于所述多个风场数据，确定所述杆塔模型在各所述风场数据下的力学响应数据矩阵的步骤，包括：按照各个所述风速和所述风向，对所述杆塔模型分别执行风力施加操作；当所述风力施加操作的执行时间等于各个所述作用时间时，分别测量所述杆塔模型在当前时刻对应的力学响应数据；采用全部所述风力数据和对应的所述力学响应数据进行排序，构建力学响应数据矩阵。3.根据权利要求1所述的方法，其特征在于，所述对所述力学响应数据矩阵进行数据预处理，得到标准力学响应数据矩阵的步骤，包括：清除所述力学响应数据矩阵中的无效值，得到中间数据矩阵；对所述中间数据矩阵内的每个中间数据进行数据标准化处理，得到标准力学响应数据矩阵。4.根据权利要求1所述的方法，其特征在于，每个所述神经网络模型均设有不同的模型参数，所述采用所述风场数据和所述标准力学响应数据矩阵分别训练多个预设的神经网络模型，根据训练结果选择目标神经网络模型的步骤，包括：将所述标准力学响应数据矩阵转换为张量数据；将所述张量数据分别输入到多个预设的神经网络模型，采用随机梯度下降法对各个神经网络模型进行优化，并生成对应的损失函数；当所述损失函数满足预设条件时，得到多个中间神经网络模型；将各个风场数据输入到所述多个中间神经网络模型，得到多个预测响应结果；计算所述标准力学响应数据矩阵内的标准响应数据和每个所述预测响应结果之间的预测误差；根据所述预测误差对各个所述中间神经网络模型进行评分，选择评分最高的所述中间神经网络模型作为目标神经网络模型。5.一种杆塔力学响应预测装置，其特征在于，包括：数据获取模块，用于获取杆塔设备数据和多个风场数据；模型构建模块，用于根据所述杆塔设备数据，构建杆塔模型；矩阵数据确定模块，用于基于所述多个风场数据，确定所述杆塔模型在各所述风场数
据下的力学响应数据矩阵；矩阵数据预处理模块，用于对所述力...

【专利技术属性】
技术研发人员：范伟男，莫文雄，刘俊翔，栾乐，王勇，许中，王海靖，周凯，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：