一种输电线路覆冰负荷定量估计及预测方法技术

本发明专利技术涉及一种输电线路覆冰负荷定量估计及预测方法，属架空输电线路在线监测技术领域。该方法利用监测点的覆冰过程历史数据，基于相空间重构理论，建立输电线覆冰过程混沌时间序列模型；基于SVM的机器学习方法，建立输电线覆冰负荷定量估计及预测模型。本发明专利技术依据该模型，对基于力学模型的覆冰在线估计结果进行修正，或是在力学传感装置失效时替换在线估计值；基于提前知晓的微气象信息对输电线覆冰过程进行趋势预测。本发明专利技术的优点在于：能对输电线覆冰负荷在线估计结果进行修正；能在力学传感器失效的条件下，具有基于微气象数据估算输电线路覆冰负荷的能力；能够根据提前知晓的监测点微气象信息对输电线路覆冰负荷趋势进行预测。

【技术实现步骤摘要】

本专利技术属架空输电线路在线监测
，涉及，具体涉及基于微气象信息的低纬度高海拔地区输电线路覆冰负荷定量估计及预测方法。
技术介绍
在我国的云贵川的低纬度高海拔地区，由于地形地貌复杂，气候环境多变，架空输电线路经常要历经横山岭河流纵横、海拔高程悬殊的地区。每年冬季，北方寒流与南方暖湿气流在上述地区交汇，并受微地形和微气候的共同影响形成间歇性的覆冰现象。而严重覆冰过程将导致架空输变电系统金具损坏、导线断股、杆塔折损、绝缘子翻转破裂等机械事故，或是造成绝缘子污闪、舞动闪络、脱冰闪络等电气事故，极大的威胁着输电线网络的正常运行。近年来，国内外学者们在输电线覆冰负荷在线估计、趋势预测模型及装置方面进行了大量的研究。在线估计模型及装置方面，有放置在输电线附近，间接反映导线覆冰增长趋势和严重程度覆冰增长测量仪；有利用安装在杆塔和绝缘子上的拉力、倾角、风向、风速等传感器，根据导线覆冰的力学模型实时估算监测点处输电线路覆冰的负荷和等效覆冰厚度的在线监测装置和方法；有基于图像处理方法，提取覆冰导线或绝缘子的边界轮廓，从而对输电线路的覆冰状况进行估计的在线监测装置和方法；有通过在给定长度的输电线上传送微波信号，而导线覆冰的厚度不同会引起Gloubau模型中微波相位和幅值的变化，进而定量的确定导线覆冰的厚度和负荷的在线监测装置和方法。在以上模型中，IRM模型所需监测设备简单，安装方便，但由于是间接类比测量导线覆冰增长情况，因此精度不高；图像模型检测方法简单，但精度不高，且在恶劣气候下或背逆光的时候图像不够清晰，容易误判；Goubau模型及电极电容测量方法的测量精度亦不高，且覆冰所含电解质的不同亦会影响测量精度，因此应用效果不理想。力学模型法对导线的覆冰负荷估计较为精确，且实时性好，该方法已广泛应用于覆冰监测系统中并已取得良好的应用效果，但监测设备的购置和安装费用较高，且力学传感器在恶劣气候下容易出现粗大误差甚至失效。上述在线估计模型只能实时反映输电线路的覆冰状况，而要实现预警，则必须提前知晓覆冰的发展趋势。即能根据提前获得的监测点气象信息，预测导线的覆冰状况。因此，研究具有趋势预测功能的模型是实现预警的关键所在。在线趋势预测模型及装置方面，有著名的Makkonen模型，根据覆冰形成的气象机理、流体力学以及热力学相关原理，把导线半径、气温、风速、降水率、风吹角度及覆冰时间等作为输入量，用数值计算方法建立覆冰的增长模型，从而对导线覆冰负荷进行估计或预测；有基于风洞试验的覆冰负荷预测模型，通过测量单位时间内通过导线的降雪量、风速、温度以及下雨或下雪的临界温度，以统计学的方法建立预测覆冰负荷模型；有基于多层神经网络的覆冰预测模型，把气象数据作为神经网络的输入进行训练，从而得到历史覆冰监测数据与气象因素之间的映射模型；有基于模糊逻辑理论，通过建立气象要素与覆冰负荷的模糊隶属度函数，提出了覆冰厚度或负荷预测模型。但是由于云贵高原的低纬度高海拔地区地形地貌复杂、气候异常多变，通常在一个月内多次出现覆冰及融冰、脱冰过程。因此其输电线路覆冰过程是一个高维的、非线性的时间序列过程，具有很强的动态性、不确定性、间歇性及突变等特性。Makkonen模型、风洞试验模型是基于解析表达式的覆冰预测方法要求解析模型的精确化，对于脱冰过程的突变性无法预测。 另一方面无法满足不同监测点的地理和气候特性，其模型的鲁棒性显然存在问题。基于神经网络的智能计算模型泛化能力不强，受数据的约束性较大；基于模糊推理的只能预测模型只能对覆冰过程进行定性估计及预测，而无法做到定量估计及预测，因此对于力学模型的覆冰估计结果中存在的粗大误差无法进行识别和替换。
技术实现思路
本专利技术的目的在于克服上述现有技术之不足，而提供，具体为基于微气象信息的低纬度高海拔地区输电线路覆冰负荷定量估计及预测方法。本专利技术所采用的技术方案是利用监测点的覆冰过程历史数据，基于Token相空间重构理论，建立输电线覆冰过程混沌时间序列模型；利用已建立的输电线覆冰过程混沌时间序列模型，基于SVM的机器学习方法，建立输电线覆冰负荷定量估计及预测模型；依据该模型，对基于力学模型的覆冰在线估计结果进行异常值分析、剔点及修补，或是在力学传感装置失效的时候对输电线覆冰过程进行在线估计；依据该模型，基于提前知晓的监测点微气象信息对输电线覆冰过程进行趋势预测。具体实现步骤如下步骤I :根据Takens定理，加以延迟和嵌入维数，构造一个混沌时间序列相空间，描述微气象参数与覆冰负荷最大的相关性；步骤2 :基于SVM的机器学习方法，利用历史的微气象数据和对应的覆冰负荷数据，建立微气象参数与覆冰负荷的映射模型；步骤3 :基于已建立的微气象参数与覆冰负荷的映射模型，根据系统采集的实时微气象数据对覆冰负荷进行估计；步骤4 :依据前步覆冰负荷估计值，对力学模型的估计信息进行异常值识别、剔除及修补；步骤5 :基于已建立的微气象参数与覆冰负荷的映射模型，并依据提前知晓的微气象数据对覆冰负荷进行趋势预测。步骤I应包括以下实现过程步骤I. I :确定时间序列的嵌入维数，优选饱和维数关联算法G-P ；步骤I. 2 :确定延迟时间，优选非线性的自相关的方法。步骤2应包括以下实现过程步骤2. I :对所有待训练的微气象输入数据，如温度、湿度、风向、气压、日照，以及覆冰负荷进行滤波处理；步骤2. 2 :所有待训练的输入数据进行归一化；步骤2. 3 :选择构建SVM神经网络的核函数，优选Guass核函；步骤2. 4 :初始化参数惩罚因子和核函参数；步骤2. 5 :模型训练并求最优。步骤4应包括以下实现过程步骤4. I :对力学模型的估计值进行异常值识别，优选莱因达准则法对孤立型野点进行识别，优选残差分析法对连续型野点进行识别；步骤4. 2 :对异常值进行踢出并修补，优选插值法对孤立型野点进行修补；利用步骤3的覆冰负荷估计值对连续型野点进行修补。·与现有技术相比，本专利技术的有益效果是I、能对输电线覆冰在线监测装置力学传感器的覆冰负荷估计结果进行修正，剔除并修补力学传感器粗大误差导致的孤立型或连续型异常值。2、能在力学传感器失效的条件下，具有基于微气象数据定量估算输电线路覆冰负荷的能力。3、能根据提前知晓的监测点微气象信息对输电线路覆冰负荷趋势进行定量预测。4、与现有的输电线覆冰负荷定量预测模型相比，本方法通过相空间重构理论，确定了时间序列模型的维数和延迟时间，建模过程根据标准化；基于SVM的机器学习方法泛化能力和稳定性较神经网络强。由于我国低纬度高海拔地区地形地貌复杂，覆冰在线监测装置力学传感器在恶劣气候下容易失效或出现异常值，而要进行及时的在线装置检修十分困难，因此上述1、2点即为解决此问题的有效技术方法；由于我国低纬度高海拔地区的输电线覆冰过程具有较强的间歇性，即通常在一个月之内连续出现数次覆冰、脱冰过程，因此必须定量的分析和预测含脱冰阶段的输电线覆冰过程；另一方面，上述地区的覆冰过程受微地形微气象的共同影响，不同监测点的覆冰过程差异较大，因此要求基于机器学习的预测模型具有较好的泛化能力和稳定性。前述3、4点即为解决此问题的有效技术方法。附图说明图I为本专利技术的覆冰负荷定量估计与预测装置系统硬件结构示意图。图2为本专利技术的覆冰负荷定量估计与预测装本文档来自技高网...

【技术保护点】
一种输电线路覆冰负荷定量估计及预测方法，其特征在于：该方法利用监测点的覆冰过程的气象数据及对应的覆冰数据，基于Token相空间重构理论，建立输电线覆冰过程混沌时间序列模型；用已建立的输电线覆冰过程混沌时间序列模型，基于SVM的机器学习方法，建立输电线覆冰负荷定量估计及预测模型；依据该模型，对基于力学模型的覆冰在线估计结果进行异常值分析、剔点及修补，或是在力学传感装置失效的时候对输电线覆冰过程进行在线估计；依据该模型，基于提前知晓的监测点微气象信息对输电线覆冰过程进行趋势预测；具体的特征步骤如下：步骤1：根据Takens定理，确定延迟和嵌入维数，构造一个混沌时间序列相空间，描述微气象参数与覆冰负荷最大的相关性；步骤2：基于SVM的机器学习方法，利用历史的微气象数据和对应的覆冰负荷数据，建立微气象参数与覆冰负荷的映射模型；步骤3：基于已建立的微气象参数与覆冰负荷的映射模型，根据系统采集的实时微气象数据对覆冰负荷进行估计；步骤4：依据前步覆冰负荷估计值，对力学模型的估计信息进行异常值识别、剔除及修补；步骤5：基于已建立的微气象参数与覆冰负荷的映射模型，并依据提前知晓的微气象数据对覆冰负荷进行趋势预测。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李鹏，曹敏，施心陵，付玉，谢文靖，张志生，高尚飞，李奇茂，昌明，
申请(专利权)人：云南大学，云南电力试验研究院集团有限公司电力研究院，
类型：发明
国别省市：