关键词： 输电线路覆冰   输电系统韧性   双控门循环单元   向量加权平均算法   功率变化熵  

摘要： 输电线路作为电力系统发输变配用中一个关键环节,其重要性不言而喻。我国地域辽阔、地理纬度跨度大且涵盖多种气候环境,输电线路常受到因气候变化导致的自然灾害的影响,其中输电线路覆冰是最为常见的一种。覆冰区域以南北地理环境和气候条件划分为常规冰灾区和非冰灾区,当非冰灾区发生极端冰灾时,输电线路上的覆冰载荷往往会超过其覆冰设计规范阈值,给电力系统的正常运行带来极大的隐患。本文针对非冰灾区的偶发性覆冰灾害,对输电线路覆冰预测和输电系统的韧性增强策略进行研究。本文主要研究工作如下: 1)搭建基于双控门循环单元（Bidirectional Gated Recurrent Units,BIGRU）的覆冰预测模型,并利用向量加权平均算法（Weighted mean of vectors algorithm,INFO）优化基于BIGRU的覆冰预测模型,有效捕捉覆冰时间序列数据中的时序关系和微气象变量之间的关系。采用自定义损失函数f和线路覆冰时的综合载荷,对覆冰预测过程进行物理修正（Physical Correction,PC）,使预测模型更符合线路覆冰的物理机理;根据输电线路覆冰增长量的变化,在预测过程中引入时间累计效应（Time-Cumulative Effect,TCE）,减小覆冰随时间变化导致的厚度累计误差,提高预测模型精度和泛化能力。实验证明,计及双作用效应的INFO-BIGRU覆冰厚度预测模型和其它小样本模型在覆冰的增长阶段、平稳阶段和融化阶段的预测结果相比,具有更高的精度和物理可靠性。 2)建立输电系统在冰灾下的故障率模型和输电系统的甩负荷模型;利用输电系统在冰灾时的韧性曲线,建立覆冰前期、覆冰中期、覆冰恢复自持期、覆冰恢复后期四个阶段的评估指标;利用蒙特卡洛方法模拟偶发性输电线路覆冰受灾范围,通过输电系统故障率模型建立关键覆冰线路合集Lice,采用所提覆冰厚度预测模型对覆冰合集Lice进行预测,计算覆冰线路负荷的变化熵,并计算关键线路进行直流除冰时的系统负荷变化。建立基于功率变化熵的线路韧性增强策略增强输电系统在覆冰时的韧性。实验结果证明,基于功率变化熵的线路韧性增强策略在IEEE-30节点系统和IEEE-118节点系统中,其韧性分别提升了11.54%和10.49%,有效地增强了输电系统在发生冰灾时的抵抗力。

关键词： 无人机爆破除冰   输电线路巡检   覆冰分析   电力金具检测   图像处理  

摘要： 受气象、温度、地形等因素的综合影响,架空输电线路容易产生导线覆冰现象。导线覆冰会导致杆塔及导线载荷增大,严重时引起倒塔、断线等线路损伤,从而影响电力线路的正常运行。为减少覆冰灾害的发生,本文提出了一种基于无人机的爆破除冰方法,并对导线覆冰分析及定位技术进行了研究,主要研究内容如下: (1)设计了一种架空输电线路覆冰分析方法。首先,使无人机在多个视角下对覆冰输电线进行数据采集;然后,在图像处理阶段引入了输电线点云对图像上的目标进行粗提取,提高边缘检测的准确率;接着,设计了一种多边形拟合方法对覆冰输电线的截面形状进行拟合,同时准确定位输电线在覆冰截面中的位置;最后,通过实验验证了覆冰输电线边缘检测的精度和覆冰输电线截面形状拟合的可行性与有效性,为爆破药量的选择提供了依据。 (2)对YOLOv8进行改进,实现了覆冰架空输电线路上关键电力金具的识别与定位,便于选择合适的爆破点,从而减少对线路的损伤。使用CG Block模块代替YOLOv8算法中的下采样卷积模块,以保留图像细节,减少目标漏检和误检;引入EMA模块,调整图像特征权重,抑制背景干扰,提高模型的鲁棒性和可扩展性。为了验证改进算法的有效性,使用自制电力金具数据集进行了实验,该数据集中包含部分通过图像合成技术得到的覆冰场景下电力金具图像,以确保改进算法对覆冰场景检测的有效性。最终实验结果表明,改进的YOLOv8算法在自制数据集上对覆冰场景下电力金具的检测精度有了显著提升。引入了无人机位姿信息,对图像上电力金具像素坐标进行变换,得到电力金具在架空输电线路的实际分布情况。 (3)无人机爆破除冰平台搭建及实验验证。首先介绍了无人机爆破除冰系统的关键软硬件组成,包括无人机平台、地面监管系统以及两个关键的机载设备。然后针对覆冰检测及金具识别进行测试,包括无人机平台的传感器标定,无人机在巡检过程中的定位、建图以及输电线点云处理等重要功能。最后,结合改进的YOLOv8算法在图像上对电力金具检测的结果,确定出架空高压输电线路中电力金具的位置分布。通过设计无人机巡检实验,验证了无人机爆破除冰在架空输电线路覆冰分析及定位方面的可行性。

关键词： 输电线路覆冰   主成分分析法   天气学特征   随机森林  

摘要： 本文利用ERA5再分析数据以及南方电网超高压输电线路覆冰观测系统提供的监测数据,基于T-mode主成分分析法,对2014年至2021年期间我国南方冬季天气形势进行客观天气分型,确定了主导我国南方输电线路覆冰的典型天气形势及冷空气、水汽输送路径,并从大气环流形势、高空大气层结状况等角度对2022年2月广东肇庆输电线路覆冰事件进行个例分析,探究了此次输电线路覆冰事件的天气学特征。然后,结合气象站观测数据,利用四种机器学习方法,即多层感知机(MLP)、支持向量机(SVM)、随机森林和XGBoost对输电线路覆冰进行分类预报,并对四种机器学习方法进行评估和优化,建立了基于随机森林的我国南方输电线路覆冰的预报模型。本文得到以下结论:首先,客观天气分型结果表明我国南方冬季的天气形势主要分为四类,主导输电线路覆冰的典型天气形势为,我国南方受一中心位于内蒙古西部的850h Pa高度上的一个高压系统控制,这一天气形势有利于来自北方的冷空气和来自西南的水汽在我国南方上空汇聚,形成有利于输电线路覆冰的天气条件。其次,在2022年2月广东肇庆的一次输电线路连续覆冰事件中,覆冰区域上空大气表现出独特的“冷-暖-冷”垂直结构,大气层结逆温明显,这是冻雨天气出现时的典型垂直结构,为输电线路覆冰的发生提供必要条件。此次覆冰事件期间的大气环流形势与主导输电线路覆冰的典型天气形势呈现出高度的一致性,西北气流将来自中西伯利亚的冷空气,从我国东北地区向南方输送,水汽输送路径主要有两条:一条是经由孟加拉湾进入我国大陆的西南低空急流,另一条则是来自南海的水汽输送。最后,利用m RMR算法对覆冰数据集进行特征因素筛选,得到影响覆冰最为重要的因素是日平均温度、天气类型、日最低气温;对四种机器学习算法的预报性能进行评估,并对精确度较高的随机森林和XGBoost算法进行随机过采样优化,最终建立基于随机森林的输电线路覆冰的预报模型。这些结论为了解我国南方输电线路覆冰事件的天气学特征和成因以及预报提供了有价值的见解,对电力部门进行线路保障和其他防冰减灾工作具有重要意义。

关键词： 架空输电线路   迁移改造   电缆线路  

摘要： 本文针对110 kV架空输电线路迁移改造电缆线路施工的关键技术进行了探究。通过对相关重点和难点进行分析，从防雷施工、防虫施工、防火施工三个方面，明确了施工过程中的关键技术。随后详细探讨了迁移改造过程中的质量控制方法，包括合理选择设施、完善敷设施工、做好施工验收等。通过本文的论述，旨在为相关领域从业人员的研究和实践提供有益的参考。

关键词： Electric power transmission networks  

摘要： In the "two micro" environment, the transmission lines in the power system are threatened by serious ice, which poses a potential risk to the stability of the power grid operation. In order to improve the efficiency of pre-warning operation and maintenance, an innovative long short-term memory-multilayer perceptron (LSTM-MLP) model based on the monitoring time series of ice cover thickness of classical transmission lines was proposed. A reasonable and reliable ice thickness prediction method was established to better capture the wide range fluctuation of ice monitoring data of transmission lines. For this reason, the LSTM-MLP model was used to predict and compare the wire operation and maintenance data of different data capacities. The time series data of the ice-covering amount of the conductor was used to predict the ice-covering thickness. Various ice-controlling factors such as temperature, humidity and wind power were introduced to improve the prediction ability of the model on the fluctuation data. In order to further improve the performance of the model, grey wolf algorithm was utilized to optimize the model hyperparameters. The results demonstrate that the optimized multivariable LSTM-MLP model has lower root mean square error (RMSE), mean absolute error (MAE) and higher coefficient of determination (R2 ) for predicting ground ice thickness of 12 test datasets, which war 1. 076 5, 0. 745 5 and 0. 889 3 respectively. For the predicted results of 30 test datasets, RMSE, MAE and R2 are 0. 881 4, 0. 523 8 and 0. 931 5, respectively. These results indicated closer proximity to the actual monitoring values than the univariate LSTM-MLP model, thus verifying the high accuracy and reliability of the multivariable LSTM-MLP model. In summary, the multivariable LSTM-MLP model effectively capture the fluctuation of transmission line ice cover data, and provides an innovative solution for accurately predicting non-stationary ice cover thickness. © 2024 Beijing Kexue Jishu