关键词： 高压   直流输电线路   继电保护  

摘要： 高压直流输电线路在远距离大规模输电中呈现突出价值,在我国电力资源输送体系中发挥了显著作用。继电保护技术是抑制高压直流输电线路故障高频、大面积发生的重要手段。本文从基于解析法的高压直流输电线路故障分析出发,论述了线路的继电保护关键技术,并以辅助决策系统开发的方式,对高压直流输电线路的继电保护精度进行了优化,希望为继电保护技术在高压直流输电线路中的有效应用提供一些参考。

关键词： 准分布式光纤光栅   复合绝缘子   绝缘子覆冰   架空输电线路导线覆冰   覆冰荷载定位检测   覆冰荷载定量检测  

摘要： 冬季持续低温雨雪凝冻会导致架空输电线路表面覆冰,严重威胁电网运行安全。近年我国电网大面积冰灾事故频发,不仅造成了巨大的经济损失和社会影响,还阻碍了超、特高压输电的布局发展。目前检测绝缘子和导线覆冰的手段存在1)在恶劣天气中无法使用,2)监测设备电源长时间供电受到限制,3)载重大难以兼容现场条件等问题,不能满足工业需求。光纤传感是实现定量定位检测绝缘子和导线覆冰的关键技术,本文在110k V复合绝缘子中植入6根各级联13个准分布式布拉格光栅(FBG)的光纤,研制出能检测覆冰的光纤复合绝缘子,在此基础上研究了绝缘子伞裙覆冰的定位、定量检测方法、运行绝缘子和运行导线覆冰区分检测方法、模拟绝缘子和模拟导线覆冰区分检测方法。具体研究内容如下:1.研究了光纤复合绝缘子用于测量架空输电线路覆冰的三种方式,包括区分测量运行绝缘子和导线覆冰、区分测量模拟绝缘子和模拟导线覆冰,以及单独测量模拟绝缘子覆冰。利用界面准分布式布拉格光栅研究定位检测复合绝缘子雨凇覆冰,对伞裙上有雨凇荷载时的情况进行了仿真计算,建立了“单伞单雨凇三FBG”力学杠杆模型,发现了深“M”型周向雨凇的FBG传感规律和“上负下正”轴向雨凇的FBG传感规律。基于该模型和FBG的轴向/周向传感规律,提出了多伞裙多雨凇定位检测方法。2.研究了模拟绝缘子定量检测复合绝缘子覆冰的方法。对光纤复合绝缘子进行了温度标定,进行了实验室覆冰验证,并在中国贵州某观冰站进行现场自然覆冰检测试验,研究了覆冰类型,探讨了覆冰机理。实验室覆冰定量平均绝对误差为12.4 g,平均相对误差为26.08%。贵州观冰站现场自然覆冰定量检测试验,绝缘子每个伞裙平均186.2 g的混合淞检测平均绝对误差为24.6 g,相对误差13.2%。检测每个伞裙42.5 g～60.4 g的雨凇平均绝对误差为9.7 g,平均相对误差20.6%。3.研究了运行绝缘子区分测量伞裙雨凇荷载和导线覆冰荷载的方法。建立了复合绝缘子带运行导线和伞檐单雨凇的有限元仿真模型。研究了模拟导线的最小长度,对绝缘子进行了拉力标定试验,用竖直拉力机模拟导线覆冰,砝码模拟伞裙覆冰。研究了光纤根数对测量准确性的影响。无导线的模拟绝缘子伞裙雨凇覆冰测量相对误差范围为-7.3%～-2.7%。200 m档距导线时伞裙雨凇荷载测量相对误差范围为-11.5%～-3.8%,导线覆冰测量相对误差范围为-16.5%～9.0%,绝对误差范围为-0.83～1.5 mm。4.研究了模拟绝缘子区分测量绝缘子和模拟导线上覆冰的方法。建立了光纤复合绝缘子作为模拟绝缘子带模拟导线和伞檐单雨凇的有限元仿真模型。进行了模拟导线覆冰荷载阈值以及各FBG的下端垂直荷载系数标定试验、实验室模拟覆冰试验和自然覆冰现场试验。现场自然覆冰检测试验中,对于伞裙覆冰重量测量,每个伞裙的测量绝对误差为13.2 g～16.6 g,相对误差为10.86%～13.66%。对于模拟导线覆冰厚度测量,绝对误差为0.1～0.7 mm,相对误差为5.88%～27.27%。

关键词： 神经网络   支持向量机   粒子群优化算法   导线舞动  

摘要： 架空输电线路在不均匀覆冰和随机风作用下会发生振幅约为5～300倍导线直径,频率约为0.1～3Hz的振动,即驰振,也叫舞动。相对于微风振动和尾流诱发的振荡,舞动具有更强的破坏力,往往会导致金具磨损、闪络、断线等电力事故,进而引起大范围的停电事故,对居民以及社会各行各业都有着极大影响。在平原、江河湖泊、山谷等一些多风地带更容易满足舞动的气象条件,进入冬天后就会成为易舞地区,输电线路满足特定气象条件后就会发生舞动,对电力系统的安全具有很大的负面影响。为使电力系统免受舞动的影响,各国都对此进行了大量研究。鉴于舞动数据的保密性,难以获得大量的真实数据对舞动进行预测,因此考虑有限元仿真模拟真实舞动,在尽量多的因素下对舞动进行仿真获取足够多的数据构成数据集,然后进行舞动预测。本文以覆冰四分裂导线为对象,开展了以下几方面的研究:(1)利用GAMBIT软件建立覆冰四分裂导线二维模型,然后导入CFD软件FLUENT中进行绕流模拟,进而得到其气动力系数,以此为基础对覆冰四分裂导线所受的气动载荷进行计算,为舞动模拟提供依据;(2)利用有限元软件ANSYS建立覆冰四分裂导线三维模型,并将采用MATLAB生成的风速时程转换为风荷载后施加在导线模型上,进而利用ANSYS软件模拟不同档距、风速等状态下覆冰四分裂导线在平均风与脉动风作用下的动态响应,为输电线路覆冰舞动预测提供数据支撑;(3)根据模拟获得的数据集和改进PSO-SVM算法构建了四分裂导线覆冰舞动预测模型,将档距、风速、初始风攻角等作为模型的输入,覆冰导线是否舞动作为输出。同时,为验证该预测模型的实用性及有效性,将改进PSO-SVM模型与其他智能算法如BP、SVM、GA-SVM、PSO-SVM模型的预测结果进行比较,结果表明改进PSO-SVM模型的预测结果精度更高。输电线路是在自然环境中建造的,其结构安全和稳定性受到各种因素的影响,而我国地形地势多变,气候复杂,很容易出现舞动事件,对电力系统的安全具有很大的负面影响,严重威胁了国民用电安全,在这种情况下本文的研究成果对输电线路防舞、抑舞具有一定的参考意义。

关键词： 覆冰预测   气象订正   深度学习   灰色关联分析  

摘要： 近年来,随着社会经济的迅速发展,各企业生产以及居民的日常生活对电能的需求量不断增加。而众多电力企业在运行过程中,都要面临着线路覆冰的问题。尤其是复杂的山地地区,当气温、湿度等气象要素满足一定条件时,凝固的冰晶会附着在电线上,造成电线受力不均,严重时会造成电线断线,造成电塔倒伏。这不仅会影响到电力系统的正常运转,也给周边环境带来安全隐患。本文以提高输电线路覆冰厚度的准确率为目的,通过研究输电线路覆冰厚度的机理,包括覆冰的形成条件及増长过程、影响覆冰的环境参数等方面,深入剖析影响覆冰厚度变化的原因,归纳出当前亟待解决的关键科学问题,最终结合深度学习方法从多要素、多维度、保精度三个方面建立了输电线路覆冰厚度预测模型。本文的主要工作包括以下三个部分:(1)不同地形下气象要素与覆冰厚度关联分析。由于覆冰现象的成因复杂,且对气象要素变化要求严苛,而气象要素又会受到周边地理环境的影响。本文首先阐述了气象要素预报结果的准确度对输电线路覆冰厚度重要性,并根据不同地理环境,使用实际气象数据,通过灰色关联分析方法,得到各个要素同覆冰的灰色关联系数,并根据实际情况选取高相关度的气象要素,尽量避免无关要素干扰。(2)与覆冰的存在生成高度相关性的气象要素数据订正。本文提出了一种基于多特征气象要素预报订正(MCWFC)模型,该模型融合了气象及地理信息,使用改进的UNet算法展开气象预报数据的订正,从覆冰厚度预报的气象数据源方面提升准确度。在模型的试验中,为进一步验证模型的订正效果,本文对比了其他传统气象预报订正模型在相同时间与地点的平均绝对误差,证实其能够有效提高气象要素预报的订正准确率。(3)输电线路覆冰厚度等级预测。本文提出了一种基于多特征要素覆冰预报模型(MCIF)。该方法其将预测点延周边范围扩展成二维平面,充分考虑了输电线路周边范围性的地形地貌特征和气象要素对覆冰的影响,最终以分类的方式进行输电线路的覆冰厚度等级预测。此外,本文将该模型同其它算法进行效果对比试验,验证了模型的有效性,并展开消融分析,验证了引入某些特征或相关网络结构的必要性。

关键词： 输电线路   覆冰微地形   分布特征   地理信息技术   信息熵  

摘要： 覆冰微地形是指那些有利于输电线路覆冰生成、发展和加重的局部地形，在该局部范围内极易发生由输电线路覆冰引起的倒杆、断线和绝缘子闪络等事故。由于覆冰微地形通常范围不大，为几平方公里或十几平方公里，在冰区分布图上难以识别。而目前针对输电线路覆冰微地形的识别和划分方法主要是人工判别和实地考察等方法，人工成本高，并不适用于大范围覆冰微地形的划分。因此，以实现大范围输电线路覆冰微地形的提取为主线，开展输电线路覆冰微地形分布特征的研究，对于丰富我国输电线路覆冰微地形的研究内容，提高冰区分布图的可靠性等具有较大的理论意义和实践工程意义。　　基于上述研究背景，本文以地形气候学、数字地形分析为理论基础，利用输电线路覆冰案例，开展了输电线路覆冰与地形因子的相关性研究，提出了输电线路中覆冰微地形的地形因子约束条件，从而对覆冰微地形进行了分类和提取，并利用统计分析方法阐述了输电线路中覆冰微地形的空间分布特征。本文的主要研究内容和结论如下:　　(1)输电线路覆冰与地形因子的相关性研究。本文利用收集到的输电线路覆冰案例，基于地理信息技术和信息熵算法，计算了在覆冰微地形区域内，输电线路覆冰与7种地形因子的空间相关性。结果表明:输电线路覆冰与高程显著相关，与地形起伏度和高程变异系数相关性较为显著，与坡度、坡向、坡度变率和坡向变率的相关性很低。并对相关性较大的地形因子进行统计分析，得到了输电线路中覆冰微地形的地形因子约束条件为:在高程上≥600m,在地形起伏度上≥75m,在高程变异系数上≥0.009。　　(2)覆冰微地形的分类研究。本文在相关性分析的基础上，通过对收集到输电线路覆冰案例进行整合，依据覆冰微地形的形状特征，将输电线路中覆冰微地形分为了三类:点状覆冰微地形、面状覆冰微地形和线状覆冰微地形，并进一步细化为山顶、垭口、山脊、峡谷、迎风坡上坡、迎风坡中坡、背风坡上坡以及水汽增大覆冰微地形。　　(3)覆冰微地形的提取及其分布特征研究。本文利用地形位置指数和坡度因子，针对不同种类的输电线路覆冰微地形提出了对应的提取流程方法，实现了覆冰微地形的划分提取。并采用变异系数、分布指数对研究区域内的覆冰微地形分布特征进行了探究。结果表明:覆冰微地形各类地形因子的变异系数较大，离散趋势较大，说明云贵高原地区的输电线路覆冰微地形具有分布复杂，波动程度大的特点。在分布指数上，研究区域内输电线路覆冰微地形分布最广泛的分级梯度依次为高程[600m,1000m）,坡度[15°，25°）,坡向为东南方向，坡度变率为[20°，25°），坡向变率为[45°，60°），地形起伏度[225m,300m）,高程变异系数为[0.009,0.109）。

关键词： 输电线路   覆冰预测   灰色关联分析   量子粒子群算法   支持向量机  

摘要： 冰雪灾害使得输电线路以及杆塔受到损害,造成部分地区中断供电,严重影响电网安全稳定运行,因此,对输电线路覆冰厚度进行预测可以有效地指导电网防冰工作。本文在分析线路覆冰机理的基础上,利用机器学习智能算法建立预测模型,通过灰色关联法分析不同因素对线路覆冰的影响,提出一种基于改进量子粒子群算法优化支持向量机(IQPSO-SVM)的线路覆冰厚度预测模型。本文的主要研究内容如下:1)阐述了覆冰形成的气象条件和生长过程,总结了线路覆冰的三种典型形态和危害,综合考虑了影响线路覆冰的气象、地形和线路自身等因素,并介绍了两类经典的覆冰模型。2)利用多层感知器(Multilayer Perceptron,MLP)神经网络和支持向量机(Support Vector Machines,SVM)建立了输电线路覆冰厚度预测模型;通过仿真实验对比分析得出:SVM建立的回归预测模型比MLP神经网络预测方法结果更易收敛且误差较小,更适合输电线路覆冰厚度预测。针对预测过程中SVM的惩罚参数和核函数对结果精度存在较大影响,采用粒子群算法(Particle Swarm Optimization,PSO)对SVM参数进行优化来减小预测相对误差。3)针对气象因素对输电线路覆冰厚度模型预测精度存在较大影响,利用灰色关联分析法对影响覆冰等效厚度因素进行关联分析,得到影响线路覆冰的强相关因素。针对粒子群算法在迭代过程中易限于局部最优的问题,提出了IQPSO-SVM线路覆冰厚度预测模型,通过实际线路覆冰历史数据对模型进行预测,利用对比实验验证模型的有效性。实验结果表明:与同类型方法相比,本文提出的IQPSO-SVM覆冰厚度预测模型预测精度较高,其平均绝对误差百分比为1.946%,均方根误差0.107mm,具有一定工程价值。

关键词： 覆冰类型   覆冰过程   微气象   架空输电线路   数据集  

摘要： 近年来,全球气候逐渐变暖,飓风、洪涝、冰冻等自然灾害频发,给电网安全运行带来了极大的威胁,特别是因架空输电线路覆冰导致的电网危害愈发严重。不同的覆冰类型对电网的危害不同,相应的除冰措施也不同,完整的覆冰过程则可以反映整个覆冰发展的趋势。若能准确评估架空输电线路覆冰类型和提前预知整个覆冰过程趋势,从而及时采取有效的防冰除冰决策,对电网防冰减灾和安全运行具有重要意义。当前架空输电线路覆冰监测系统支持在线监测覆冰厚度,多年来积累了大量的覆冰微气象、拉力(等值冰厚)和图像数据,但仍然无法直接监测架空输电线路的覆冰类型、也无法自动获取完整的覆冰过程。随着大数据分析与人工智能技术的兴起,应用人工智能方法对覆冰数据进行大数据挖掘和大数据分析,已经成为一种趋势。针对覆冰数据利用率低、覆冰系统无法直接监测覆冰类型和自动获取覆冰过程等问题,本文充分利用南方电网覆冰监测系统10多年积累的海量覆冰数据,应用人工智能算法研究架空输电线路覆冰类型和覆冰过程的识别,并提出相应的预测方法。首先,利用架空输电线路覆冰监测系统的微气象和图像数据,提出覆冰类型标注方法,构建了覆冰类型数据集,共包含6344个覆冰类型样本;利用微气象和冰厚数据,提出完整覆冰过程提取方法,构建了覆冰过程数据集,共包含73个覆冰过程样本。然后,基于构建的覆冰类型数据集,统计分析不同覆冰类型的微气象和时空分布特征,提出连续三天微气象数据识别与预测覆冰类型的方法;结果表明,雨凇、雾凇、混合凇和湿雪的识别准确性均达80%以上,精确率、召回率和准确率分别达86.7%、86.6%和92.2%,大大提高了覆冰数据的利用率和分析效率,且无需图像即可实现未来72小时的覆冰类型预测,为利用未来天气预报预测覆冰类型提供了可能。最后,基于构建的覆冰过程数据集,提出完整覆冰过程的表征参数并进行提取,利用K-means多层加权聚类方法识别覆冰过程,将覆冰过程分为尖峰型、饱和型、多峰型和人工融冰型4类,并提出覆冰过程分段预测方法;总结归纳了其冰厚和温度变化特征,不同覆冰过程的特征相互印证,统计分析了其最大冰厚、监测终端等参数的影响,结果表明,最大冰厚>30mm时主要为人工融冰型,人工融冰多存在于覆冰较严重时,因此该结果符合实际运维情况,相同终端的覆冰过程类型不固定,其地理位置影响较小,主要还是由微气象决定,为架空输电线路覆冰过程分段预测奠定了基础。

关键词： 架空输电线路   覆冰监测   三维测量   边缘提取   旋转目标检测   多模态融合   线状目标  

摘要： 对架空输电线路进行周期性覆冰监测,有助于降低冬季电网系统中覆冰灾害发生的概率。目前,三维测量被视为一种有效的覆冰监测策略,其借助三维立体视觉技术测量导线上的冰层厚度。然而,现有三维测量方法大多采用手工提取特征的传统算法获取导线的覆冰边缘,在复杂场景下的鲁棒性较差。一个直接的优化方案是在边缘提取阶段采用基于深度学习的实例分割算法,但是导线覆冰后的不规则形状使得像素级掩码标注的成本巨大。为了解决上述问题,本文构建了一个多模态融合边缘提取管道。该管道仅基于图像级注释训练目标检测网络定位旋转边界框,然后将边界框对应的感兴趣区域映射到三维空间以进一步提取实例的边缘信息。考虑到架空输电导线属于特殊的线状目标,且领域内缺少面向此类目标的专项研究,本文着重于改进现有方法和设计针对性的模块,以实现高性能、高鲁棒的边缘提取管道,并将其嵌入到实际应用场景下的三维测量模型中。本文的主要工作和创新点如下: 1)提出了一种线状目标检测网络LOD-Net。针对现有旋转目标检测网络在具有极端长宽比例的线状目标上性能退化的问题,本文以无锚框网络Center Net-O作为研究基线,通过分析得出造成该问题的主要原因在于通用卷积核的感受野受限及角度预测器的粒度不匹配。根据这一发现,本文设计了一个线性核与方形核堆叠的线性增强模块LEM以强化网络在线状目标上的感知能力,以及一个基于“分而治之”思想的组合式角度模块CAM以细粒度地预测目标的旋转角度。为了减少模块引入的模型复杂度,本文还在基线中更换了轻量级的骨干网络Hourglass-54。上述内容最终形成了线状目标检测网络LOD-Net。实验结果证明,LOD-Net对线状目标的检测性能提升达到4.31%m AP和8.87%m Io U,且在推理速度方面也具有竞争优势。 2)提出了一个多模态融合边缘检测器MME-Det。针对仅依赖于二维图像的像素特征难以提取细粒度边缘信息的问题,MME-Det将二维图像和三维点云的互补特性以多模态前融合的形式引入到三维测量的边缘提取任务中。具体而言,MME-Det首先利用四目矩阵相机生成的五元坐标矩阵在两种模态之间建立了点对点的映射关系,然后通过这种映射关系将LOD-Net检测到的旋转边界框投影到三维点云空间中,进而基于三维点云前景点和背景点离散式分布的特点使用密度空间聚类算法细化分割边缘。实验结果表明,以MME-Det为基础构建的多模态融合管道在架空输电导线数据集上的边缘提取精度达到了87.33%m Io U,能够满足三维测量模型的检测需求。 3)设计了一个三维测量模型并将其部署到四目无人机平台上。在LOD-Net和MME-Det的基础上,本文设计了一个基于多模态融合边缘提取管道的三维测量模型。为确保项目在真实应用场景中顺利落地,本文还将该模型部署到北京清影机器视觉公司提供的四目无人机硬件平台上,最终形成了一个四目无人机覆冰监测系统Ice-Watcher。实验结果证明,Ice-Watcher测量到的覆冰厚度测量误差可以控制在测量值的2%以内,符合电网维护任务的实施标准。 4)构建了一个架空输电导线覆冰监测数据集DTL。本文构建了首个与旋转目标检测相关的架空输电导线数据集DTL,该数据集的所有数据附带纯手工标注的旋转边界框注释,可用于训练和测试目标检测网络。此外,DTL的验证集还包含了点云数据和像素级掩码注释,也可用于评估边缘提取和三维测量的误差。