关键词： 输电线路覆冰   双目视觉   相机标定   立体匹配   覆冰厚度识别  

摘要： 输电线路作为电力系统中电能传输的重要组成部分,覆冰会引起导线舞动和杆塔倒塌等危害电力系统安全运行的事故,对各行业生产工作造成负面影响。因此,及时对线路覆冰状态进行检测、覆冰厚度进行测量,成为保障输电线路安全运行的一项重要手段。传统输电线路覆冰检测方法多为人工观测、模拟导线法或称重法实现覆冰状态检测,针对传统方法存在的劳动强度大、结果准确度不高、不能及时获取覆冰数据等问题,本文提出一种基于双目视觉的方法对输电线路覆冰状态进行识别,即通过安装在高压杆塔上的双目相机在线采集输电线路的覆冰图像,运用图像处理技术计算输电线的覆冰厚度和覆冰区域的三维坐标数据,该方法具有精度高、成本低、符合智能电网发展方向等优点。本文主要工作如下:(1)分析了双目立体视觉的原理和模型。采用平行双目视觉模型对输电线路覆冰识别方法进行研究,研究的关键步骤包括双目视觉标定、覆冰图像立体匹配、覆冰厚度测量以及覆冰区域三维坐标获取。(2)对双目视觉标定方法进行了研究。针对传统张氏标定法对相机模型参数初值敏感和标定结果不稳定等问题,提出一种基于正弦余弦算法的标定参数优化方法。利用正弦余弦算法对张氏标定法得到的初值领域形成初始种群,进行迭代优化,标定实验结果显示本文提出的双目视觉标定方法平均重投影误差仅为0.0462像素,在原有标定方法基础上能得到更稳定、更准确的标定结果。(3)对覆冰图像立体匹配算法展开研究。针对传统Census变换窗口中心点易受外界噪声干扰和易出现误匹配的问题,提出一种多特征融合代价计算和多步骤视差优化的匹配算法。将Census变换、颜色信息及梯度信息三种特征相融合,联合构建匹配代价计算的相似性测度函数,并采用多步骤优化的策略对覆冰图像的视差图进行优化处理,通过Middlebury测试平台标准测试图进行对比实验,验证了本文所提出的匹配算法相较于其他算法匹配精度更高。(4)通过搭建的双目立体视觉系统和覆冰输电线模型,实现了输电线路覆冰厚度测量和覆冰区域三维坐标的获取。实验结果显示,测量的覆冰厚度和覆冰区域三维坐标的相对误差分别在5%、2%以内,验证了本文提出的覆冰识别方法的准确性。此外,本文还开发了输电线路覆冰监测系统界面,其具备覆冰检测、覆冰厚度测量、覆冰三维坐标数据获取和存储等功能,为输电线路覆冰检测提供了有效的解决方法。

关键词： 输电线路覆冰   压缩感知   Canny算子   萤火虫算法   覆冰厚度  

摘要： 随着我国高压输电线路的发展以及西电东送、北电南送战略的推进,无人机巡检得到了广泛的应用。在此背景下,通过图像处理技术进行输电线路航拍图像的检测技术运营而生。本文针对输电线路覆冰图像边缘检测仍存在的问题进一步研究了图像去噪技术、边缘检测技术,并进行实验分析。在图像去噪方面,针对去噪后边缘不清晰的问题,研究了一种新的基于压缩感知的图像去噪方法。首先分析了基于压缩感知理论的去噪重构数学模型,之后用极大值熵函数改善去噪模型,最后构造光滑范数不断逼近原函数寻找最优解来实现原始信号的重构,完成图像的去噪。比较改进算法与中值滤波、均值滤波、小波硬阈值去噪方法的效果和峰值信噪比指标,同时加入不同方差的高斯噪声和椒盐噪声验证改进算法的有效性。在边缘检测方面,研究了一种新的基于改进Canny算子的边缘检测方法实现规则形覆冰和不规则形覆冰的边缘检测。首先,分析和比较了不同传统边缘检测算子处理效果,选择受噪声影响小的Canny算子进一步改进。其次,针对Canny算子阈值选取不当导致边缘断续、粘连的问题,用改进萤火虫算法求取最优阈值使其准确分离前景和背景。最后,在得到阈值分割后的二值图像的基础上进行Canny算子边缘检测。采用实验室模拟输电线路覆冰图像和晋中某线路实际拍摄的图像进行实验分析,验证本文所提算法的有效性和优越性。在输电线路覆冰检测系统的设计方面,在对覆冰图像进行预处理和边缘检测的基础上,根据输电线路覆冰前后的像素数计算覆冰的厚度,同时设置四级覆冰严重等级。该系统集成本文所提出的图像预处理、覆冰边缘检测、厚度测量以及覆冰严重等级判断的功能,在实验室模拟覆冰环境时覆冰厚度误差在1.2%以内,应用在晋中某输电线路图像上时误差在2%左右,计算误差相比当前工作有所优化,证明该系统的有效性和可行性。

关键词： 覆冰厚度   关联分析   Stacking   覆冰预测  

摘要： 输电线路覆冰是输配电网中一种与自然气候紧密相关的且较为普遍的灾害,输电线严重覆冰会导致电网无法正常工作,危害电力系统的稳定运营。我国对西电东送项目不断加大投资,该输电工程对我国发展也越来越重要,其中云南电网作为西电东送的中坚力量,向电力紧缺的东部地区累计送电量达到了一万亿瓦时以上。然而云南省地形环境复杂,高原山地、盆地河谷和丘陵相间分布。其中,云南全省总面积的87.92%为山地、高原区域。云南电网62%以上的输电线路途经地质环境复杂、气象条件多变的中、重冰区,这些区域的输电塔线体系将受山地近地强风、冻雨冰雪等外力影响,严重时会造成杆塔结构的变形、受损,甚至导致导线的断裂、杆塔的倾倒等一系列重大电网安全事故。因此,对输电塔线覆冰进行分析预测,提前危险预警,为融冰操作提供指导,是减少覆冰期断线、倒塔等灾害发生的重要手段。本文的主要研究工作如下:(1)基于机理模型的气象与覆冰之间的关联关系,通过关联分析温度、湿度、风速等气象特征中对覆冰增长影响较大的气象特征作为主要特征。将环境温度X、环境湿度X、风速X等气象特征作为输入特征序列X(X,X,X),覆冰厚度作为参照序列Y,建立灰色关联模型。通过灰色关联模型得到环境温度、环境湿度、风速分别与覆冰厚度的综合关联度,将提取的环境温度、环境湿度、风速等气象特征作为覆冰的敏感参数组成的特征向量输入覆冰厚度预测模型。(2)基于数据驱动的方式构建由初级层与次级层组成的两层结构的集成覆冰预测模型。考虑到各算法的差异性,本文初级层选用随机森林、最小二乘支持向量机、XGBoost、LSTM和多元线性回归模型五种差异性较大算法作为基学习器,建立Stacking覆冰预测模型。将温度、湿度、风速等气象特征与覆冰厚度的历史覆冰监测数据划分成训练集和测试集,对基学习器进行训练预测。通过平均绝对误差、均方误差、可决系数等性能指标分析对比各个基学习器的预测性能,最终选取预测性能较好的随机森林模型、LS-SVM模型、XGBoost模型、LSTM模型作为Stacking集成模型的初级层学习器。(3)用采用高原某山地电力输电线路覆冰在线监测系统收集到的覆冰数据对Stacking覆冰模型进行实验验证模型,构建Stacking覆冰模型。并构建Bagging集成模型与Stacking集成模型进行对比。其中,随机森林、最小二乘支持向量机、XGBoost、LSTM等单覆冰预测模型的均方误差MSE分别为1.0462 mm、1.5536mm、1.1381 mm、1.3209 mm,R值分别为0.9648、0.9478、0.9618、0.9502。通过性能评估指标对Stacking覆冰模型进行性能评价,Stacking覆冰预测模型的均方误差MSE为0.3901 mm,平均绝对误差MAE为0.28951 mm,可决系数R为0.9894,其R值相较于基学习器中效果最佳的随机森林提高了2.55%。Bagging集成模型预测性能相比基学习器有略微提高,MAE、MSE、R分别为0.3898 mm、0.6783 mm、0.9772。在该数据集上,Stacking模型预测的覆冰厚度与实际观冰数据吻合度较高,在各区间的误差样本数量均小于其他基学习器,超过3 mm的大误差样本减少为1个,超过0.5 mm的小误差样本数减少为14个,Stacking模型能对比Bagging模型能更好的结合不同基学习器的特点,较好的拟合实际的覆冰情况。

关键词： 输电线路覆冰   自适应模型   元学习   时间序列预测   循环神经网络  

摘要： 电力行业在现代生产生活中不可或缺,电力安全的保障研究具有重要的意义。由于输电线路大部分处于室外自然环境中,易受到极端恶劣天气的影响,输电线路覆冰就是常见的电力自然灾害之一。目前,有不少基于深度学习的输电线路覆冰预测研究模型,但是,覆冰厚度数据和线路周围微气象数据的采集难度大,对相关传感器的性能要求较高,传感器布置数量较少导致覆冰相关数据集少,且覆冰的形成受地形地貌影响,导致覆冰预测模型泛化性弱,此外数据驱动下的覆冰预测模型简单,导致模型预测精度不高。基于此,本文提出基于小样本学习的输电线路覆冰预测模型,研究覆冰数据时序特性,结合深度学习的非线性拟合能力和时序模型的线性拟合能力解决覆冰厚度预测问题。本文的研究内容概括如下:利用长短期记忆网络（Long Short-Term Memory,LSTM）搭建覆冰预测模型,利用模型无关的元学习算法（Model-Agnostic Meta Learning,MAML）优化基于LSTM的覆冰厚度预测模型,学习微气象因子对覆冰生长过程的复杂非线性作用。MAML优化的LSTM模型得到一个具备自适应能力的覆冰厚度预测模型,实现特定环境下覆冰预测模型的快速学习,提高模型在不同环境下覆冰预测的泛化能力,同时实现小样本情景下的覆冰厚度预测。实验结果证明MAML-LSTM覆冰厚度预测模型对小样本数据集的有效性,且可以快速训练得到特定环境下的最优覆冰预测模型。搭建基于CNN-LSTM-AR的输电线路覆冰厚度预测模型,结合一维卷积和元学习优化的LSTM模型分别挖掘微气象序列数据的局部空间特征和长期时序特征,做非线性拟合,通过自回归模型（Autoregressive Model,AR）拟合覆冰厚度数据的线性特性,将线性预测和非线性预测加权求和,提高覆冰预测模型预测精度。考虑到时序预测模型的误差随时间累积,认为不同阶段产生的预测误差对评估结果的权重需有所差别,创新性提出覆冰误差累积度量方法,从覆冰厚度和累积时长两个方面开展评估,比较时序预测模型的误差随时间累积的程度。实验验证CNN-LSTM-AR模型的预测有效性和优越性。本文研究有效提升基于深度学习的输电线路厚度预测模型自适应能力和预测精度,促进人工智能和电力自然灾害领域的融合发展。

ISBN: (纸本)9787030711243

关键词： 输电线路   有限元分析   覆冰特性   BP神经网络   覆冰预测   预测准确率  

摘要： 我国云南省滇东北地区的输电线路在冬季极易发生覆冰,输电线路覆冰后会造成严重的线路灾害。因此,研究输电线路的覆冰特性和提前预测输电线路覆冰对指导电网防冰抗冰工作具有重要的意义。本文以云南滇东北地区的实际运行输电线路为工程背景,对500kV输电线路的覆冰特性和预测方法进行分析研究。（1）使用Ansys软件建立气液两相有限元分析模型,仿真分析了输电线不带电工况下过冷水滴碰撞系数变化规律,研究了风速、过冷水滴直径等因素对过冷水滴碰撞系数的影响,分析了过冷水滴的运动轨迹,结果表明:在无电场作用下,过冷水滴碰撞系数与风速、过冷水滴直径成正相关,碰撞系数最大值接近于1,过冷水滴运动轨迹受重力影响发生了位移偏转。（2）利用Fluent软件的MHD模型建立输电线带电工况下的有限元分析模型,研究了电场作用下风速、过冷水滴直径等因素对过冷水滴碰撞过程的影响,对比分析了有无电场作用下过冷水滴碰撞系数变化规律,分析了输电线带电工况下过冷水滴的轨迹云图,结果表明:电场作用弱化了过冷水滴碰撞过程,但对水滴运动轨迹影响较小。（3）利用云南电网公司昭通、曲靖地区输电线路覆冰在线监测装置的历史数据、气象要素数据和输电线路地形数据,分析了云南省滇东北地区的输电线路覆冰成因,形成了影响输电线路覆冰的7个关键因子,建立了基于BP神经网络的输电线路覆冰有无预测模型,为后期开展仿真分析奠定理论基础。（4）首先开展了基于历史覆冰数据库的覆冰预测模型仿真分析,研究了不同样本比例下预测模型的准确率;其次,将建立的预测模型应用在云南电网公司2020年冬季的线路覆冰预测工作中,实际应用准确率在80%以上;然后,对云南电网公司实际运行线路分别开展了基于预测气象数据和实测格点气象数据的实际线路覆冰预测分析;最后,以500kV输电线路A#172和输电线路B#69杆塔为例,分析了线路的实际覆冰厚度变化规律。

关键词： 覆冰厚度检测   图像分割   覆冰分类   深度学习   逆透视变换  

摘要： 严重覆冰会引起线路舞动、绝缘子闪络、杆塔倾斜甚至坍塌等事故灾害,威胁输电线路系统安全运行时,可能会对生产生活造成巨大冲击。据此,基于覆冰厚度检测准确获得厚度信息,并结合其它算法获得覆冰类别信息,为电力人员判断覆冰状态提供可靠依据,保障电力系统安全运行。目前,覆冰厚度检测及类别研究大多依赖人工巡检或传感器装置,受环境因素影响较大且损耗率高。根据调研,我国南方电网与国家电网管辖地区均设置了覆冰监测系统,以监测系统获得的覆冰图像为研究对象,针对传统图像处理算法泛化能力及鲁棒性欠佳等问题,本文提出基于深度学习实现覆冰分割与分类,在分割基础上实现覆冰等效厚度计算并完成软件功能开发,对实现电网智能化具有重要意义。本文围绕覆冰厚度检测与分类研究目标,分别提出了覆冰分割网络模型与分类网络模型,并提出了在分割基础上的覆冰等效厚度计算方案。首先收集原始覆冰图像,对其进行预处理操作后搭建覆冰图像数据集。针对覆冰分割模型,基于U-Net编码解码结构,从主干网络选取、卷积结构轻量化、注意力机制、迁移学习及辅助损失等方面进行改进,提出覆冰分割网络S＿UNet。通过实验分析,S＿UNet误检、漏检现象仍有待改进;将生成对抗网络(Generative Adversarial Networks,GAN)与S＿UNet融合提出覆冰分割优化网络SGAN＿UNet,利用真实标签图对覆冰图像分割结果进行比对校正,提升了覆冰分割结果精细程度。针对覆冰分类,基于Efficient Net B3网络,结合数据增强及标签平滑技术搭建输电线路覆冰分类网络,完成对雨凇、混合淞、雾凇、裸线路与无线路五种类别的分类。针对覆冰等效厚度计算,以同一角度拍摄的覆冰前后分割图像为研究对象,建立了覆冰厚度计算模型,考虑覆冰图像或存在透视畸变,提出基于逆透视变换(Inverse Perspective Mapping,IPM)对畸变进行校正,并从原理及分割误差角度对覆冰厚度计算进行了实验验证。最后开发了具有覆冰厚度检测与分类功能的软件系统。

关键词： 输电线路   覆冰   直线塔   耐张塔   有限元方法  

摘要： 输电线路覆冰是冬季里一种常见的自然现象,可引起输电线路倒塔、断线等安全事故,严重危害输电线路安全稳定运行。自2008年特大冰灾以来,我国电网公司迅速建立输电线路覆冰监测与预警系统,为电网防灾减灾工作提供关键技术支持。经过多年运行以及功能完善,系统变得更加实用可靠。然而,仍有一些关键性问题亟待解决,在系统核心计算方面,对于直线塔输电线路等值覆冰厚度计算模型,未考虑大高差等特殊工况对等值覆冰厚度计算结果的影响;而耐张塔输电线路等值覆冰厚度计算模型缺乏理论依据,未考虑覆冰时导线水平张力变化对覆冰计算结果的影响,从而无法准确反映输电线路覆冰的真实情况,容易引起系统误判,说明原有等值覆冰厚度计算模型具有局限性。为了选取档距数量恰当的输电线路模型作为研究对象,本文建立输电线路力学仿真模型。从称重法原理出发,基于有限元方法,主要对导线和绝缘子串建模,忽略输电线路其他次要部分,建立导线-绝缘子串耦合模型,接着对比分析“三塔两档”和“五塔四档”输电线路主杆塔垂直档距、悬垂串拉力和悬垂串偏斜角。结果表明:“三塔两档”和“五塔四档”输电线路主杆塔垂直档距、悬垂串拉力和悬垂串偏斜角基本一致,说明距离主杆塔越远的杆塔和档距,对主杆塔受力特性的影响越小。当研究输电线路直线塔受力特性时,可以建立“三塔两档”输电线路力学仿真模型。针对直线塔输电线路等值覆冰厚度计算模型存在的问题,首先基于有限元方法分析直线塔输电线路等值覆冰厚度计算模型对输电线路过谷模型、翻山模型和连续上(下)山模型的有效性,提出考虑等效长度变化的直线塔输电线路等值覆冰厚度计算模型。结果表明:该直线塔输电线路等值覆冰厚度计算模型在翻山模型与连续上(下)山模型下具有良好的有效性,可以正确反映输电线路覆冰状态;对输电线路过谷模型大高差工况,直线塔输电线路等值覆冰厚度计算模型的计算结果与假设值的相对误差较大。将直线塔输电线路等值覆冰厚度计算模型改进后,计算结果误差减小,而且覆冰厚度越大,误差越小。针对原耐张塔输电线路等值覆冰厚度计算模型不考虑覆冰前后导线水平张力变化对覆冰计算结果的影响,本文基于输电线路状态方程提出耐张塔输电线路等值覆冰厚度计算模型,分析输电线路覆冰前后的张力变化关系,由线路基础参数获得覆冰时导线水平张力,结合耐张串轴向张力,运用迭代法进一步计算输电线路等值覆冰厚度,并以实际案例进行验证。运用全尺寸模拟方法建立输电线路力学仿真模型,分析本文模型计算结果与仿真结果的差异,并与原模型计算结果对比分析。结果表明:本文模型计算结果与人工观冰值的相对误差均小于原模型计算结果与人工观冰值的相对误差;等值覆冰厚度计算结果增量与耐张串轴向张力增量趋势一致;与仿真结果对比,随着覆冰厚度增大,本文模型计算结果与覆冰假设值相对误差减小,而原模型计算结果与覆冰假设值相对误差增大;当覆冰厚度较大时,本文模型计算结果与仿真结果的相对误差小于原模型计算结果与仿真结果的相对误差。

关键词： 输电线路   雨凇   表面水膜   覆冰质量   覆冰轮廓  

摘要： 在输电线路雨凇覆冰过程中,导线表面冰层的生长方式为湿增长,输电线冰层表面存在未冻结的液态水,这是输电线路雨凇覆冰过程最典型的特征。分析输电线路雨凇覆冰过程的影响因素,能够提高输电线路雨凇覆冰增长模型精确性,对于保障输电线路正常运行,具有重要的理论意义与实际的工程价值。针对目前输电线雨凇覆冰增长模型存在的不足,本文基于改进的论输电线雨凇覆冰增长模型,结合导线表面水膜的运动,对影响输电线雨凇覆冰的因素进行了分析,论文主要工作与结论如下:1)在无风工况下,导线表面水膜主要受到重力、表面张力与分子间作用力作用。在重力、表面张力与分子间作用力的共同作用下,导线左右两部分表面水膜呈现对称分布的形态;当考虑导线表面粗糙度时,不平整的表面阻碍了水膜的流动,部分破裂的水膜逐渐收缩形成分散的液滴,水膜分布呈现分片不连续形态,导线下半部分水膜厚度相对均匀并呈现圆弧状;2)在风载荷作用下,根据导线的运动情况定义了导线固定和导线振动2种工况,并分析了导线表面水膜厚度峰值位置、水膜厚度峰值分布范围、水膜厚度峰值出现时间等参数在不同工况下的变化。在导线固定工况下,风速对导线表面水膜厚度初始峰值的位置和分布宽度影响较小,而导线表面水膜出现明显凸起时对应的时间随风速的增加而缩短;在导线振动工况下,表面水膜运动具有明显周期性,其主频与导线一阶振动频率接近;3)基于输电线表面水膜初始形态,综合环境温度、风速、空气中液态水含量、导线直径和导线内部传输电流,分析了这些因素对输电线雨凇覆冰质量、密度与轮廓的影响。当环境温度低于-10℃并逐渐降低时,输电线表面覆冰类型将从雨凇逐渐过渡至混合凇,最终将转变雾凇;随着风速、过冷水含量与导线直径的增加,单位时间内导线表面覆冰质量增长速度提高;当导线电流从100A增加至500A时,由于焦耳热效应,覆冰初期输电线表面温度较高,导线表面存在较多未冻结的过冷水滴,过冷水滴汇聚形成水膜,并在风载荷作用下沿导线迎风面铺展,导线覆冰外形变得扁平,形成典型的D型覆冰截面。

关键词： 串联电容补偿线路   纵联保护   参数辨识   故障测距   极性校验   空充暂态电流  

摘要： 随着我国新型电力系统的建设和大容量远距离输电的发展,串联电容补偿技术得到了广泛应用,串联电容补偿技术可以有效补偿线路电感从而大大提升线路输送容量。但串联补偿电容的接入可能引起电流反向、电压反向、低频暂态分量等区别于普通线路的故障特征,给串补线路的应用和保护带来了不利的影响;另一方面串补线路保护需要在线路投运启动过程中对电流极性进行校验,然而存在无负荷极性校验的难题。上述问题均严重影响保护的灵敏度和可靠性。本文基于串联电容补偿装置的工频等值模型和集总参数的线路模型。通过理论分析和仿真测试对串补线路故障时电压电流特征和传统保护的适应性进行了研究,分析了串补度、过渡电阻等因素对保护的影响,指出分相电流差动保护和零序差动保护均存在高阻故障下电流反向时灵敏度不足的问题;传统单端保护测距算法存在精度降低的问题。针对串补带来的差动保护灵敏度降低的问题,提出了一种基于模型参数辨识的串补线路纵联保护原理:将串补等值阻抗作为辨识参数(称为辨识阻抗),采用线路两端电压电流基于串补设备工频等值模型和分布参数线路模型构造参数辨识方程,利用辨识阻抗在区外故障时与串补等值阻抗相等、区内故障时与串补等值阻抗有显著差异的特征实现高灵敏度串补线路纵联保护。该保护原理不受串补本体保护的影响,对系统运行方式变化的适应能力强,有效解决了差动保护因高阻故障下电流反向而灵敏度不足的问题。新型纵联保护与传统电流差动保护相配合,可构成完善的串补线路主保护方案。针对串补使得传统单端保护测距算法精度降低的问题,提出了一种基于故障暂态量的串补线路单端保护精确测距算法:以故障分量网络为基础,线路采用贝瑞龙模型,将线路末端的串补和系统等值为电容、电阻和电感的串联,以故障位置、过渡电阻以及对侧系统阻抗作为待求变量,考虑了对侧系统注入电流,并利用非故障相电气量避免MOV非线性的影响,基于暂态电流丰富的频率量可准确求解故障距离。该测距算法不受过渡电阻、系统运行方式、串补的影响,有效解决了串补线路的测距问题。基于芯片化保护高性能优势,该算法有望作为测距元件应用于距离保护中。为防止电流互感器极性接线错误,针对串补线路投运启动过程中电流极性校验困难的问题,首先分析了有负荷和无负荷下利用线路稳态电流进行极性校验的边界限制条件;进而针对不满足限制条件下无负荷极性校验困难的问题,提出了一种基于线路空充暂态电流的保护极性校验方法。该方法先利用幅值较大的本端暂态电流对保护极性相序的正确性进行初判,再通过线路本端暂态电流和测量电压基于线路结构计算对端暂态电流来实现本端保护电流极性错误相识别。保护极性正确时对端计算电流理论上为零,保护极性错误时会呈现较大的幅值。该方法有效解决了传统极性校验方法在负荷不足时无法校验的问题。仿真和录波验证了该方法的有效性,并已纳入工程应用方案。