專利名稱：一種輸電線路覆冰負(fù)荷定量估計及預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明屬架空輸電線路在線監(jiān)測技術(shù)領(lǐng)域，涉及一種輸電線路覆冰負(fù)荷定量估計及預(yù)測方法，具體涉及基于微氣象信息的低緯度高海拔地區(qū)輸電線路覆冰負(fù)荷定量估計及預(yù)測方法。
背景技術(shù)：
在我國的云貴川的低緯度高海拔地區(qū)，由于地形地貌復(fù)雜，氣候環(huán)境多變，架空輸電線路經(jīng)常要?dú)v經(jīng)橫山嶺河流縱橫、海拔高程懸殊的地區(qū)。每年冬季，北方寒流與南方暖濕氣流在上述地區(qū)交匯，并受微地形和微氣候的共同影響形成間歇性的覆冰現(xiàn)象。而嚴(yán)重覆冰過程將導(dǎo)致架空輸變電系統(tǒng)金具損壞、導(dǎo)線斷股、桿塔折損、絕緣子翻轉(zhuǎn)破裂等機(jī)械事故，或是造成絕緣子污閃、舞動閃絡(luò)、脫冰閃絡(luò)等電氣事故，極大的威脅著輸電線網(wǎng)絡(luò)的正常運(yùn)行。近年來，國內(nèi)外學(xué)者們在輸電線覆冰負(fù)荷在線估計、趨勢預(yù)測模型及裝置方面進(jìn)行了大量的研究。在線估計模型及裝置方面，有放置在輸電線附近，間接反映導(dǎo)線覆冰增長趨勢和嚴(yán)重程度覆冰增長測量儀；有利用安裝在桿塔和絕緣子上的拉力、傾角、風(fēng)向、風(fēng)速等傳感器，根據(jù)導(dǎo)線覆冰的力學(xué)模型實(shí)時估算監(jiān)測點(diǎn)處輸電線路覆冰的負(fù)荷和等效覆冰厚度的在線監(jiān)測裝置和方法；有基于圖像處理方法，提取覆冰導(dǎo)線或絕緣子的邊界輪廓，從而對輸電線路的覆冰狀況進(jìn)行估計的在線監(jiān)測裝置和方法；有通過在給定長度的輸電線上傳送微波信號，而導(dǎo)線覆冰的厚度不同會引起Gloubau模型中微波相位和幅值的變化，進(jìn)而定量的確定導(dǎo)線覆冰的厚度和負(fù)荷的在線監(jiān)測裝置和方法。在以上模型中，IRM模型所需監(jiān)測設(shè)備簡單，安裝方便，但由于是間接類比測量導(dǎo)線覆冰增長情況，因此精度不高；圖像模型檢測方法簡單，但精度不高，且在惡劣氣候下或背逆光的時候圖像不夠清晰，容易誤判；Goubau模型及電極電容測量方法的測量精度亦不高，且覆冰所含電解質(zhì)的不同亦會影響測量精度，因此應(yīng)用效果不理想。力學(xué)模型法對導(dǎo)線的覆冰負(fù)荷估計較為精確，且實(shí)時性好，該方法已廣泛應(yīng)用于覆冰監(jiān)測系統(tǒng)中并已取得良好的應(yīng)用效果，但監(jiān)測設(shè)備的購置和安裝費(fèi)用較高，且力學(xué)傳感器在惡劣氣候下容易出現(xiàn)粗大誤差甚至失效。上述在線估計模型只能實(shí)時反映輸電線路的覆冰狀況，而要實(shí)現(xiàn)預(yù)警，則必須提前知曉覆冰的發(fā)展趨勢。即能根據(jù)提前獲得的監(jiān)測點(diǎn)氣象信息，預(yù)測導(dǎo)線的覆冰狀況。因此，研究具有趨勢預(yù)測功能的模型是實(shí)現(xiàn)預(yù)警的關(guān)鍵所在。在線趨勢預(yù)測模型及裝置方面，有著名的Makkonen模型，根據(jù)覆冰形成的氣象機(jī)理、流體力學(xué)以及熱力學(xué)相關(guān)原理，把導(dǎo)線半徑、氣溫、風(fēng)速、降水率、風(fēng)吹角度及覆冰時間等作為輸入量，用數(shù)值計算方法建立覆冰的增長模型，從而對導(dǎo)線覆冰負(fù)荷進(jìn)行估計或預(yù)測；有基于風(fēng)洞試驗(yàn)的覆冰負(fù)荷預(yù)測模型，通過測量單位時間內(nèi)通過導(dǎo)線的降雪量、風(fēng)速、溫度以及下雨或下雪的臨界溫度，以統(tǒng)計學(xué)的方法建立預(yù)測覆冰負(fù)荷模型；有基于多層神經(jīng)網(wǎng)絡(luò)的覆冰預(yù)測模型，把氣象數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行訓(xùn)練，從而得到歷史覆冰監(jiān)測數(shù)據(jù)與氣象因素之間的映射模型；有基于模糊邏輯理論，通過建立氣象要素與覆冰負(fù)荷的模糊隸屬度函數(shù)，提出了覆冰厚度或負(fù)荷預(yù)測模型。但是由于云貴高原的低緯度高海拔地區(qū)地形地貌復(fù)雜、氣候異常多變，通常在一個月內(nèi)多次出現(xiàn)覆冰及融冰、脫冰過程。因此其輸電線路覆冰過程是一個高維的、非線性的時間序列過程，具有很強(qiáng)的動態(tài)性、不確定性、間歇性及突變等特性。Makkonen模型、風(fēng)洞試驗(yàn)?zāi)Ｐ褪腔诮馕霰磉_(dá)式的覆冰預(yù)測方法要求解析模型的精確化，對于脫冰過程的突變性無法預(yù)測。 另一方面無法滿足不同監(jiān)測點(diǎn)的地理和氣候特性，其模型的魯棒性顯然存在問題?；谏窠?jīng)網(wǎng)絡(luò)的智能計算模型泛化能力不強(qiáng)，受數(shù)據(jù)的約束性較大；基于模糊推理的只能預(yù)測模型只能對覆冰過程進(jìn)行定性估計及預(yù)測，而無法做到定量估計及預(yù)測，因此對于力學(xué)模型的覆冰估計結(jié)果中存在的粗大誤差無法進(jìn)行識別和替換。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)之不足，而提供一種輸電線路覆冰負(fù)荷定量估計及預(yù)測方法，具體為基于微氣象信息的低緯度高海拔地區(qū)輸電線路覆冰負(fù)荷定量估計及預(yù)測方法。本發(fā)明所采用的技術(shù)方案是利用監(jiān)測點(diǎn)的覆冰過程歷史數(shù)據(jù)，基于Token相空間重構(gòu)理論，建立輸電線覆冰過程混沌時間序列模型；利用已建立的輸電線覆冰過程混沌時間序列模型，基于SVM的機(jī)器學(xué)習(xí)方法，建立輸電線覆冰負(fù)荷定量估計及預(yù)測模型；依據(jù)該模型，對基于力學(xué)模型的覆冰在線估計結(jié)果進(jìn)行異常值分析、剔點(diǎn)及修補(bǔ)，或是在力學(xué)傳感裝置失效的時候?qū)旊娋€覆冰過程進(jìn)行在線估計；依據(jù)該模型，基于提前知曉的監(jiān)測點(diǎn)微氣象信息對輸電線覆冰過程進(jìn)行趨勢預(yù)測。具體實(shí)現(xiàn)步驟如下步驟I :根據(jù)Takens定理，加以延遲和嵌入維數(shù)，構(gòu)造一個混沌時間序列相空間，描述微氣象參數(shù)與覆冰負(fù)荷最大的相關(guān)性；步驟2 :基于SVM的機(jī)器學(xué)習(xí)方法，利用歷史的微氣象數(shù)據(jù)和對應(yīng)的覆冰負(fù)荷數(shù)據(jù)，建立微氣象參數(shù)與覆冰負(fù)荷的映射模型；步驟3 :基于已建立的微氣象參數(shù)與覆冰負(fù)荷的映射模型，根據(jù)系統(tǒng)采集的實(shí)時微氣象數(shù)據(jù)對覆冰負(fù)荷進(jìn)行估計；步驟4 :依據(jù)前步覆冰負(fù)荷估計值，對力學(xué)模型的估計信息進(jìn)行異常值識別、剔除及修補(bǔ)；步驟5 :基于已建立的微氣象參數(shù)與覆冰負(fù)荷的映射模型，并依據(jù)提前知曉的微氣象數(shù)據(jù)對覆冰負(fù)荷進(jìn)行趨勢預(yù)測。步驟I應(yīng)包括以下實(shí)現(xiàn)過程步驟I. I :確定時間序列的嵌入維數(shù)，優(yōu)選飽和維數(shù)關(guān)聯(lián)算法G-P ；步驟I. 2 :確定延遲時間，優(yōu)選非線性的自相關(guān)的方法。步驟2應(yīng)包括以下實(shí)現(xiàn)過程步驟2. I :對所有待訓(xùn)練的微氣象輸入數(shù)據(jù)，如溫度、濕度、風(fēng)向、氣壓、日照，以及覆冰負(fù)荷進(jìn)行濾波處理；
步驟2. 2 :所有待訓(xùn)練的輸入數(shù)據(jù)進(jìn)行歸一化；步驟2. 3 :選擇構(gòu)建SVM神經(jīng)網(wǎng)絡(luò)的核函數(shù)，優(yōu)選Guass核函；步驟2. 4 :初始化參數(shù)懲罰因子和核函參數(shù)；步驟2. 5 :模型訓(xùn)練并求最優(yōu)。步驟4應(yīng)包括以下實(shí)現(xiàn)過程步驟4. I :對力學(xué)模型的估計值進(jìn)行異常值識別，優(yōu)選萊因達(dá)準(zhǔn)則法對孤立型野點(diǎn)進(jìn)行識別，優(yōu)選殘差分析法對連續(xù)型野點(diǎn)進(jìn)行識別；步驟4. 2 :對異常值進(jìn)行踢出并修補(bǔ)，優(yōu)選插值法對孤立型野點(diǎn)進(jìn)行修補(bǔ)；利用步驟3的覆冰負(fù)荷估計值對連續(xù)型野點(diǎn)進(jìn)行修補(bǔ)?！?br> 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是I、能對輸電線覆冰在線監(jiān)測裝置力學(xué)傳感器的覆冰負(fù)荷估計結(jié)果進(jìn)行修正，剔除并修補(bǔ)力學(xué)傳感器粗大誤差導(dǎo)致的孤立型或連續(xù)型異常值。2、能在力學(xué)傳感器失效的條件下，具有基于微氣象數(shù)據(jù)定量估算輸電線路覆冰負(fù)荷的能力。3、能根據(jù)提前知曉的監(jiān)測點(diǎn)微氣象信息對輸電線路覆冰負(fù)荷趨勢進(jìn)行定量預(yù)測。4、與現(xiàn)有的輸電線覆冰負(fù)荷定量預(yù)測模型相比，本方法通過相空間重構(gòu)理論，確定了時間序列模型的維數(shù)和延遲時間，建模過程根據(jù)標(biāo)準(zhǔn)化；基于SVM的機(jī)器學(xué)習(xí)方法泛化能力和穩(wěn)定性較神經(jīng)網(wǎng)絡(luò)強(qiáng)。由于我國低緯度高海拔地區(qū)地形地貌復(fù)雜，覆冰在線監(jiān)測裝置力學(xué)傳感器在惡劣氣候下容易失效或出現(xiàn)異常值，而要進(jìn)行及時的在線裝置檢修十分困難，因此上述1、2點(diǎn)即為解決此問題的有效技術(shù)方法；由于我國低緯度高海拔地區(qū)的輸電線覆冰過程具有較強(qiáng)的間歇性，即通常在一個月之內(nèi)連續(xù)出現(xiàn)數(shù)次覆冰、脫冰過程，因此必須定量的分析和預(yù)測含脫冰階段的輸電線覆冰過程；另一方面，上述地區(qū)的覆冰過程受微地形微氣象的共同影響，不同監(jiān)測點(diǎn)的覆冰過程差異較大，因此要求基于機(jī)器學(xué)習(xí)的預(yù)測模型具有較好的泛化能力和穩(wěn)定性。前述3、4點(diǎn)即為解決此問題的有效技術(shù)方法。


圖I為本發(fā)明的覆冰負(fù)荷定量估計與預(yù)測裝置系統(tǒng)硬件結(jié)構(gòu)示意圖。圖2為本發(fā)明的覆冰負(fù)荷定量估計與預(yù)測裝置系統(tǒng)數(shù)據(jù)處理流程圖。圖3為本發(fā)明的基于SVM的覆冰負(fù)荷估計模型建模流程圖。圖4為本發(fā)明的覆冰負(fù)荷修正模型數(shù)據(jù)處理流程圖。
具體實(shí)施例方式下面結(jié)合附圖對本發(fā)明作進(jìn)一步的詳細(xì)說明。本發(fā)明所用的預(yù)測裝置系統(tǒng)硬件均為市場購買。依據(jù)圖I所示的覆冰負(fù)荷定量估計與預(yù)測裝置系統(tǒng)，實(shí)現(xiàn)對覆冰監(jiān)測數(shù)據(jù)的采集、處理、分析與決策。主要功能如下所述輸電線覆冰狀況監(jiān)測終端為安裝在現(xiàn)場的傳感器及數(shù)據(jù)采集、通信裝置，主要實(shí)現(xiàn)對絕緣子張力、風(fēng)偏角、傾斜角的力學(xué)傳感信息的采集，以及對溫度、濕度、風(fēng)速、風(fēng)向、日照強(qiáng)度、及氣壓微氣象信息的采集；力學(xué)信息和微氣象信息通過GPRS的無線通信模式傳送至數(shù)據(jù)監(jiān)督中心。數(shù)據(jù)監(jiān)督中心對力學(xué)信息和微氣象信息進(jìn)行存儲備份、預(yù)處理、建模分析及決策。氣象解析服務(wù)器用于對微氣象數(shù)據(jù)進(jìn)行預(yù)處理、解析，并通過互聯(lián)網(wǎng)接收來自氣象局的宏觀氣象信息以及十公里網(wǎng)格的微氣象預(yù)報數(shù)據(jù)；工況簡版GIS服務(wù)器用于對監(jiān)測點(diǎn)的地理信息進(jìn)行解析，并與監(jiān)測終端的力學(xué)信息和微氣象信息進(jìn)行空間配準(zhǔn)后，在覆冰態(tài)勢監(jiān)控圖中作為地理定位信息加以顯示。覆冰在線估計與預(yù)測服務(wù)器是本發(fā)明的主要硬件載體，基于覆冰估計的力學(xué)模型，能對力學(xué)信息進(jìn)行處理分析，并得出輸電線覆冰初步估計值；基于覆冰估計的微氣象模型，能對覆冰初步估計值進(jìn)行修正，并預(yù)測未來的覆冰發(fā)展趨勢。依據(jù)圖2所示的覆冰負(fù)荷定量估計與預(yù)測裝置系統(tǒng)數(shù)據(jù)處理流程圖，實(shí)現(xiàn)對覆冰在線估計與預(yù)測。主要過程如下所述依據(jù)現(xiàn)有的輸電線覆冰負(fù)荷力學(xué)估計模型以及絕緣子拉力(張力)、風(fēng)偏角、傾斜角等力學(xué)傳感信息，對覆冰負(fù)荷進(jìn)行初步估計，其值為Xtl ；根據(jù)Takens定理，構(gòu)造監(jiān)測點(diǎn)的覆冰過程混沌時間序列相空間模型。用x表示覆冰負(fù)荷的時間序列，則X(t)為觀察到的時間序列，t=l，2，3，…，N ;設(shè)嵌入的維數(shù)為m，固定·的時間延遲為嵌入延遲τ ;則相空間構(gòu)建的模型為尤(/) = (x(/)，x(/-r),"%x(i-(m-l)r)；T其中，t=l,…，Np, Np=N-(m-Ι) τ ；本發(fā)明優(yōu)選飽和維數(shù)關(guān)聯(lián)算法G-P來確定時間序列的嵌入維數(shù)m，其中微氣象參數(shù)溫度的嵌入維數(shù)m=l，濕度的嵌入維數(shù)m=l，風(fēng)向的嵌入維數(shù)m=l，氣壓的嵌入維數(shù)m=0，日照的嵌入維數(shù)m=l，覆冰重量的嵌入維數(shù)m=5。本發(fā)明優(yōu)選非線性的自相關(guān)方法來確定來確定延遲時間τ，仿真結(jié)果表明，τ取5或者6比較好。依據(jù)上述建立的覆冰過程時間序列模型以及圖3所示的示意圖，建立基于SVM的覆冰負(fù)荷微氣象估計模型。主要步驟如下對所有的輸入數(shù)據(jù)，如溫度、濕度、風(fēng)向、日照和覆冰負(fù)荷進(jìn)行濾波處理，并統(tǒng)一歸一化到[-1，I]之間；選擇構(gòu)建SVM神經(jīng)網(wǎng)絡(luò)的核函數(shù)，Guass核
函K(X,Xp) = exp(-^X^XJ廣);初始化參數(shù)懲罰因子C和核函參數(shù)σ ;對核函參數(shù)σ和
懲罰因子C進(jìn)行調(diào)節(jié)，尋找最優(yōu)的結(jié)構(gòu)風(fēng)險最小函數(shù)。依據(jù)圖4所示的覆冰負(fù)荷修正模型數(shù)據(jù)處理流程圖對力學(xué)模型的估計信息進(jìn)行異常值識別、剔除及修補(bǔ)。依據(jù)圖2所示的覆冰負(fù)荷定量估計與預(yù)測裝置系統(tǒng)數(shù)據(jù)處理流程，基于氣象部門提供的微氣象預(yù)告信息對輸電線覆冰負(fù)荷進(jìn)行預(yù)測。
權(quán)利要求
1.一種輸電線路覆冰負(fù)荷定量估計及預(yù)測方法，其特征在于該方法利用監(jiān)測點(diǎn)的覆冰過程的氣象數(shù)據(jù)及對應(yīng)的覆冰數(shù)據(jù)，基于Token相空間重構(gòu)理論，建立輸電線覆冰過程混沌時間序列模型；用已建立的輸電線覆冰過程混沌時間序列模型，基于SVM的機(jī)器學(xué)習(xí)方法，建立輸電線覆冰負(fù)荷定量估計及預(yù)測模型；依據(jù)該模型，對基于力學(xué)模型的覆冰在線估計結(jié)果進(jìn)行異常值分析、剔點(diǎn)及修補(bǔ)，或是在力學(xué)傳感裝置失效的時候?qū)旊娋€覆冰過程進(jìn)行在線估計；依據(jù)該模型，基于提前知曉的監(jiān)測點(diǎn)微氣象信息對輸電線覆冰過程進(jìn)行趨勢預(yù)測；具體的特征步驟如下 步驟I :根據(jù)Takens定理，確定延遲和嵌入維數(shù)，構(gòu)造一個混沌時間序列相空間，描述微氣象參數(shù)與覆冰負(fù)荷最大的相關(guān)性； 步驟2 :基于SVM的機(jī)器學(xué)習(xí)方法，利用歷史的微氣象數(shù)據(jù)和對應(yīng)的覆冰負(fù)荷數(shù)據(jù)，建立微氣象參數(shù)與覆冰負(fù)荷的映射模型； 步驟3:基于已建立的微氣象參數(shù)與覆冰負(fù)荷的映射模型，根據(jù)系統(tǒng)采集的實(shí)時微氣象數(shù)據(jù)對覆冰負(fù)荷進(jìn)行估計； 步驟4 :依據(jù)前步覆冰負(fù)荷估計值，對力學(xué)模型的估計信息進(jìn)行異常值識別、剔除及修補(bǔ)； 步驟5 :基于已建立的微氣象參數(shù)與覆冰負(fù)荷的映射模型，并依據(jù)提前知曉的微氣象數(shù)據(jù)對覆冰負(fù)荷進(jìn)行趨勢預(yù)測。
2.根據(jù)權(quán)利要求I所述的一種輸電線路覆冰負(fù)荷定量估計及預(yù)測方法，其特征在于，所述步驟I應(yīng)包括以下實(shí)現(xiàn)過程 步驟I. I :確定時間序列的嵌入維數(shù)，優(yōu)選飽和維數(shù)關(guān)聯(lián)算法G-P ； 步驟I. 2 :確定延遲時間，優(yōu)選非線性的自相關(guān)的方法。
3.根據(jù)權(quán)利要求I所述的一種輸電線路覆冰負(fù)荷定量估計及預(yù)測方法，其特征在于，步驟2應(yīng)包括以下實(shí)現(xiàn)過程 步驟2. I :對所有待訓(xùn)練的微氣象輸入數(shù)據(jù)，如溫度、濕度、風(fēng)向、氣壓、日照，以及覆冰負(fù)荷進(jìn)行濾波處理； 步驟2. 2 :所有待訓(xùn)練的輸入數(shù)據(jù)進(jìn)行歸一化； 步驟2. 3 :選擇構(gòu)建SVM神經(jīng)網(wǎng)絡(luò)的核函數(shù)，優(yōu)選Guass核函； 步驟2. 4 :初始化參數(shù)懲罰因子和核函參數(shù)； 步驟2. 5:模型訓(xùn)練并求最優(yōu)。
4.根據(jù)權(quán)利要求I所述的一種輸電線路覆冰負(fù)荷定量估計及預(yù)測方法，其特征在于，步驟4應(yīng)包括以下實(shí)現(xiàn)過程 步驟4. I :對力學(xué)模型的估計值進(jìn)行異常值識別，優(yōu)選萊因達(dá)準(zhǔn)則法對孤立型野點(diǎn)進(jìn)行識別，優(yōu)選殘差分析法對連續(xù)型野點(diǎn)進(jìn)行識別； 步驟4. 2 :對異常值進(jìn)行踢出并修補(bǔ)，優(yōu)選插值法對孤立型野點(diǎn)進(jìn)行修補(bǔ)；利用步驟3的覆冰負(fù)荷估計值對連續(xù)型野點(diǎn)進(jìn)行修補(bǔ)。
全文摘要
本發(fā)明涉及一種輸電線路覆冰負(fù)荷定量估計及預(yù)測方法，屬架空輸電線路在線監(jiān)測技術(shù)領(lǐng)域。該方法利用監(jiān)測點(diǎn)的覆冰過程歷史數(shù)據(jù)，基于相空間重構(gòu)理論，建立輸電線覆冰過程混沌時間序列模型；基于SVM的機(jī)器學(xué)習(xí)方法，建立輸電線覆冰負(fù)荷定量估計及預(yù)測模型。本發(fā)明依據(jù)該模型，對基于力學(xué)模型的覆冰在線估計結(jié)果進(jìn)行修正，或是在力學(xué)傳感裝置失效時替換在線估計值；基于提前知曉的微氣象信息對輸電線覆冰過程進(jìn)行趨勢預(yù)測。本發(fā)明的優(yōu)點(diǎn)在于能對輸電線覆冰負(fù)荷在線估計結(jié)果進(jìn)行修正；能在力學(xué)傳感器失效的條件下，具有基于微氣象數(shù)據(jù)估算輸電線路覆冰負(fù)荷的能力；能夠根據(jù)提前知曉的監(jiān)測點(diǎn)微氣象信息對輸電線路覆冰負(fù)荷趨勢進(jìn)行預(yù)測。
文檔編號G06F19/00GK102938021SQ201210431448
公開日2013年2月20日 申請日期2012年11月2日 優(yōu)先權(quán)日2012年11月2日
發(fā)明者李鵬, 曹敏, 施心陵, 付玉, 謝文靖, 張志生, 高尚飛, 李奇茂, 昌明 申請人:云南大學(xué), 云南電力試驗(yàn)研究院(集團(tuán))有限公司電力研究院