关键词:
输电线路
弧垂
算法预测
容积卡尔曼滤波
动态估计
摘要:
输电线路弧垂是线路安全运行的重要指标。近年来随极端天气的频发,无人机采集困难导致数据缺失,而现有研究中主要基于遗传算法、循环单元和支持向量机等机器学习算法对线路弧垂进行预测,缺少实现动态、在线实时估计线路状态的方法。又因线路模型结构复杂造成预测精度进一步降低,进而导致对地安全距离不足,影响电网的稳定性。因此,本文根据实际的气象条件和线路状态方程,快速估计线路的真实状态。本文主要研究内容如下:
结合导线机械特性和运维要求,选择计算简便且适用性广的抛物线模型作为本文线路弧垂计算机理模型,并分析该模型下导线状态方程。以钢芯铝绞线为主要研究对象,由状态方程分析弧垂影响因素及成因,并分别模拟不同温度、覆冰和风力因素下导线应力变化规律。进一步地,针对导线存在塑性伸长等问题,经对比采用恒定降温15℃对数据进行预处理,提高在高温、大风、厚冰等异常天气下弧垂精度。
为实现快速评估线路状态,研究卡尔曼滤波原理并将其作为预测算法基础,以此提高对线路实际状态的跟踪效果。考虑到卡尔曼滤波在处理非线性系统的局限性,基于线路模型对比扩展卡尔曼滤波、无迹卡尔曼滤波及容积卡尔曼滤波三种衍生算法并进行仿真模拟,结果表明容积卡尔曼滤波算法估算误差最小,与本文模型最为适配,提高了弧垂的预测精度。同时,为提高线路模型动态性,采用牛顿迭代法对其进行优化,实现了算法与模型的融合。在此基础上,提出一种基于强跟踪高阶容积卡尔曼滤波算法的弧垂预测方法,通过推导高阶容积卡尔曼滤波并引入强跟踪滤波器,提高预测算法的精度,改善状态突变时系统失真或发散等情况。以含有突变量的数据为例,经算例仿真验证了本文提出的方法兼具鲁棒性强和精度高的优点。
最后,以北京电网某型号06B5-SJ4-21,电压等级66k V杆塔上采集数据为例,模拟在数据缺失情况下导线的应力和弧垂,经与观测值对比验证了本文提出的算法可在恶劣天气数据采集困难情况下有效评估线路状态,为预防故障发生提供预警作用。通过模拟几组气象条件下线路状态并进行误差分析,验证了算法的有效性和准确性,实现了动态预测线路的实时状态。