关键词:
光纤传感技术
机器学习
覆冰预测
摘要:
2019年国家电网提出了建设泛在电力物联网的战略目标,保障电力系统的运行安全更是‘两网’计划的基本目标和永恒主题。电力系统的运行安全涉及数据监测采集、安全性分析、自动化控制等多个方面,尤其在电网能源结构日益复杂化,用电量更具规模化的今天,电力系统安全运行面临更大挑战。如何基于泛在物联网构建稳定可靠的智能电网是一项十分复杂的工程。输电线路作为输送电能的纽带,是电力系统的大动脉,起着输送分配和交换功率的作用,但是当前的输电线路状态监测还存在着很多问题,无法保障线路的安全运行。在监测终端层面上,目前输电线路布设的传感器绝大多数为电子式传感器,在强磁场的环境下传感器的工作状态不稳定;在某些气候环境恶劣多变的区域,采用太阳能电池板供电的方式难以维持实时的工作状态,亟需研究高可靠的输电线路监测方案;同时电网公司虽然收集到了多参量的监测数据,却缺少有效的分析模型能够为准确监测输电线路安全提供可靠支撑,亟需一种能够对输电线路多参量监测数据进行处理分析的系统模型。针对上述问题,本文开展了面向输电线路状态监测的光纤传感器及覆冰智能预测关键技术的研究,着眼于“线路监测-信息收集-智能评估”一体化的输电线路状态监测系统的构建,从底层传感器设计、雨凇预测模型、雾凇预测模型,综合预测模型这四个环节逐次展开,进行了光纤式输电线路状态监测、覆冰预测方面的研究探索。主要研究和创新工作如下:1、针对传统输电线路状态监测传感器可靠性差,传输效率低的问题,本论文研究并设计了基于光纤光栅的输电线路气象传感器和基于光纤准直器的风速风向传感器。利用光栅对温度和应变敏感的特性制作了多类基于光纤光栅气象感知单元,各类传感器的测量范围及精度均符合GB/T 35697-2017《架空输电线路在线监测装置通用技术规范》中对于“气象监测装置”的相应规定;利用光纤准直器在不同风速风向状态下光功率耦合情况的差异,研制了能够准确有效进行实时监测的风速风向传感单元,同时由于准直器使用1310nm的光源而光纤光栅传感器使用C波段光源,可以利用波分复用技术进行共纤监测,提高了单根纤芯的监测范围,节省了线缆资源。光纤式传感器已安装在多条高压输电线路上验证其准确性及稳定性。2、针对目前输电线路覆冰条件不明晰,理论模型不完善的问题,本论文研究分析了线路覆冰的形成机理,在此基础上提出一种利用机器学习算法对覆冰模型进行仿真模拟从而达到准确监测的方案。针对电力系统对多参量监测数据缺少准确有效覆冰预测手段的问题,本论文提出并验证了一种基于高斯回归过程(GPR)算法的输电线路雨凇预测模型。研究分析了 GPR参数对模型预测的影响并确定了模型优化的方案。模型利用江西220kV琴五线光纤光栅式气象传感器采集到的数据进行学习训练后,能够实现利用微气象数据对同一地区不同杆塔覆冰厚度的准确预测。均方误差(MSE)和平均绝对百分比误差(MAPE)均小于1%。3、针对当前覆冰模型在不同微地形环境下预测精度下降、空间泛化能力较差的问题,本论文重新研究了覆冰的形成条件,引入了历史覆冰数据作为新的输入参数,提出并验证了两种基于GPR算法的输电线路雨凇、雾凇预测模型。为了突破模型在空间不确定性条件下泛用性差的瓶颈,对历史覆冰数据的选用条件进行了研究验证,最终选用了 1min历史数据作为新的输入参数实现对雨凇、雾凇的预测。在九个完整覆冰周期(三个省份四条线路安装光栅式气象传感器采集到的历史数据)上进行的实验验证结果表明所提出的模型可以有效地分别预测雨凇和雾凇,且相关系数R大于0.99,MSE 和 MAPE 均小于 2%。4、针对运用单一覆冰模型预测及时性,灵活性差,缺少对多种类型覆冰进行综合预测方案的问题。本论文研究了能够提高模型的鲁棒性的训练集选取及制作方法并对现有的数据集进行重新拼接组合形成新的训练集。通过让模型在多类训练集上进行特征提取训练,选取其中预测精度较高,且空间敏感性较低的模型进行后续优化预测。重新研究了各类机器学习算法的优势及适用条件。深入学习了主流的机器学习算法的适用条件和调参手段,对分别属于回归算法、分类算法,集成学习算法的GPR、支持向量机(SVM)、随机森林(RF)、神经网络模型进行参数优化训练,确定了完整的复合预测模型优化训练方案,最终得出了一个能够对雨凇,雾凇进行综合预测的机器学习模型。该模型能够有效地预测多种类型的覆冰,在九个覆冰周期数据进行验证的结果显示R大于0.99,MSE,MAPE均小于4%。本论文仅利用光纤光栅气象传感器的数据即可实现覆冰预测,也可以与天气预报相结合在无需硬件传感设备的情况下进行广域的覆冰预测。