关键词:
输电线路
覆冰监测
覆冰预测
融冰决策
融冰刀闸
摘要:
电网输电线路覆冰对电力供应的稳定性和安全性构成了严重威胁,可能会对民生和社会经济造成冲击。目前,输电线路的覆冰监测和融冰方案的制定大多依赖人工完成,容易受环境条件的制约,并且工作效率低。然而随着电网智能化水平的不断提高,对电网防冰减灾能力的要求也越来越高,这使得对覆冰输电线路进行自动监测以及对融冰方案进行辅助决策的需求变得日益迫切。故本文针对电网覆冰监测及融冰方案辅助决策技术展开研究。
首先,在覆冰监测技术方面,通过改进Deep Lab V3+分割网络,引入轻量级的Ghost Net作为主干网络,并在编码器中加入自注意力机制,显著增强了模型的全局特征理解和整合能力。此外,通过集成Mobile One Block到空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块,实现了模型计算效率与分割精准度的双重提升。相比于改进前的模型,实验结果显示,本文所提模型的平均交并比(Mean Intersection over Union,MIo U)的值达到了90.91%,平均像素精度(Mean Pixel Accuracy,MPA)值达到了93.71%,明显优于原有的语义分割网络,为覆冰厚度预测提供更为准确的数据基础。其次,针对覆冰厚度预测,本研究设计的基于PCA-PSOEM-LSSVM的短期预测模型,在处理小样本数据集时表现出色。该模型通过主成分分析降低了输入数据的复杂性,并利用扩展记忆粒子群算法优化了关键参数,实现了对覆冰厚度的高效预测。相较于传统预测方法,本模型在均方根误差(Root Mean Squared Error,RMSE)指标和平均绝对误差(Mean Absolute Error,MAE)指标上分别得到了显著降低,为融冰方案的决策提供了强有力的数据支持。
然后,针对融冰方案辅助决策模型,本研究综合考虑了电力系统的运行可靠性、电能不足期望值及发电费用,并利用应力-强度干涉模型来计算输电线路的停运概率,通过采用多目标人工免疫优化算法求得最优解集,最后通过分步筛选法优化了融冰方案。在IEEE RST-79可靠性测试系统(IEEE Reliability Test System-79)上的仿真分析证明了在保持融冰方案经济性的同时,该模型能有效降低系统运行的风险,证实了其有效性和优越性。
最后,本研究通过改进YOLOv7模型,提出了一种输电线路融冰刀闸状态的自动图像识别方法。该方法通过引入自注意力机制和改进的空间金字塔池化结构,提高了对复杂场景的理解力,并通过添加损失函数约束项精准识别刀闸位置和大小。实验结果表明,该方法的平均精度相较于改进前提高了2.5%,有效提升了融冰操作的效率。