关键词： 绝缘引流线   有限元计算   鸟粪闪络特性   电热特性  

摘要： 随着我国电网技术的快速发展,生态环境的不断改善,鸟类在架空输电线路频繁的活动给线路的稳定运行造成了极大的威胁,其中最主要的原因是:鸟类排便导致输电线路闪络从而引起线路的跳闸。为了减小鸟粪闪络事故的发生,本文以绝缘引流线为对象,采用有限元仿真计算和试验规律探索的研究方法,研究了引流线包覆绝缘护套后的防鸟粪闪络特性以及电热特性。首先,本文对绝缘引流线进行了简要的介绍以及防鸟粪闪络进行了理论研究,对涉及到的电场和温度场理论计算进行推导和总结。其次,建立了绝缘引流线物理场仿真模型,通过COMOSL Multiphysics有限元仿真软件研究了鸟粪和护套参数对绝缘引流线电场分布的影响以及绝缘护套对引流线温度分布的影响。最后,通过铜棒模拟鸟粪对绝缘引流线的鸟粪闪络特性以及绝缘引流线的温升进行了试验研究。具体结论如下:(1)当鸟粪短接横担,鸟粪位于引流线上方时,鸟粪通道底端附近电场发生畸变,而越接近横担;鸟粪离均压环和引流线距离越近,会使鸟粪底部、均压环和引流线表面电场强度增大;包覆绝缘护套后,能极大改善鸟粪底端附近以及均压环处的电场分布,随着绝缘护套厚度增大,均压环和鸟粪的场强先增大后减小;随着半导体层厚度逐渐增大,绝缘引流线表面电场逐渐下降,而均压环和鸟粪通道附近的电场改善不明显;绝缘层的材料主要改善的是绝缘引流线表面电场分布,相对介电常数越大,绝缘引流线表面电场强度越低。(2)随着绝缘层厚度增加,其传热过程变长,绝缘层外界温度逐渐降低,绝缘层内侧和导体线芯温度接近,均表现先减小后增大;绝缘层材料的导热率是影响导体线芯温度变化和分布的重要因素,但对绝缘层外侧影响较小。(3)本文中的绝缘引流线对比目前常用的绝缘电缆和绝缘护套,其绝缘性能大幅提升。对不同绝缘层厚度以及不同半导体层厚度的绝缘引流线进行击穿试验,试验结果表明绝缘层厚度每增大1mm击穿电压增大约10k V;绝缘引流线添加半导体层后增大了击穿电压,且击穿后的击穿点较小,对绝缘引流线的破坏较小。(4)温升试验选取了不同厚度以及不同载流量的绝缘引流线。在自然对流的情况下,随着绝缘层厚度越大,增大了绝缘引流线的散热面积,从而加快了散热;绝缘引流线加装的伞裙有利于绝缘引流线的散热;随着载流量的增大,绝缘引流线温度逐渐增大,且验证了有限元仿真计算的准确性。最后对不同电压等级及结构的绝缘引流线进行了载流量计算,并且通过温度场仿真进行了仿真计算。

关键词： 深度学习   输电通道   危物辨识   目标检测   数据处理  

摘要： 输电线路是电力系统的生命线,其正常运行是电网安全的基础。输电线路发生故障的原因有40%左右是由异物,外破等隐患引起的,影响电能质量的稳定,电力系统的安全运行。线路跳闸会造成负荷损失,影响对用户的供电稳定性。因此,需采取措施对于输电线路危物进行识别并及时介入,降低线路因输电隐患造成的线路跳闸等情况。该项工作在国内外相关的研究发展有一段时间,但相关的研究仍存在着诸多不足之处。例如目前的传统输电线路图像识别算法在森林、山川等复杂背景下及多干扰因素下的巡检图像精确性低。因为基于深度学习的危物辨识算法的精度与样本数据的质量有着强相关性,为解决识别复杂环境下的巡检图像和提升精度的问题,我们针对性开展基于深度学习的输电通道危物辨识关键技术研究,建立质量合格的样本数据集,深入分析输电通道图像特点,精准辨识输电通道异物隐患,有效减少因异物,外破等隐患引起的线路跳闸次数。本论文基于PyTorch框架,系统研究了基于深度学习的目标识别算法的各个种类,包括一阶,二阶目标识别算法,通过实验检测其性能;其次,对数据集图像的预处理技术进行介绍与设计,从收集图像数据集、图像预处理、图像数量筛选以及改进目标识别框架等方面开展数据集的构建,形成质量可靠的图像数据集;最后,对基于YOLOv5目标识别算法的输电隐患检测模型及其改进方式进行研究,有效提高输电隐患识别效率和准确率。本文工作主要包含以下三个方面:第一,分析了基于深度学习算法的危物辨识技术的必要性以及传统危物辨识技术的弊端,介绍深度学习的基本原理和卷积神经网络,并对一阶目标检测算法和二阶目标检测算法的优缺点进行对比分析,并根据不同算法的检测精度和速度,确定YOLOv5作为本课题基础的算法模型。第二,对输电通道危物图像预处理技术进行研究,为后续的危物识别作铺垫,主要包括图像采集、筛选、增强、扩增以及标注。首先,使用输电可视化监拍装置采集输电危物图像。然后,为提高人工筛选图像的效率,利用哈希算法辅助筛选出初步可用的输电危物图像。其次为提高图像质量,通过直方图拉伸、边缘小波处理等技术对图像进行增强。接着为保证训练样本的数量和多样性,利用随机裁剪、反转、旋转、缩放等手段进行样本扩增。最后对扩增后的部分样本通过Labellmg进行图像标注,并使用半自动标注技术对其余图像进行批量标注,从而减轻人工负担,提升标注工作的效率。第三,由于容易受森林、山川等复杂背景的遮挡,导致通用的目标检测模型难以较好的获取特征。即使获取特征数值,但模型参数量大,影响了检测精度和速度。针对上述问题,提出基于改进YOLOv5的输电通道危物目标识别算法。首先为了提高模型的特征提取能力,将YOLOv5的原始检测头替换为Swin-Transformer结构。然后利用卷积注意力模块CBAM对局部特征进行挖掘,提高模型识别输电危物的精度。最后在模型的后处理阶段采用Soft-NMS代替原先的硬性抑制方式,降低候选框置信度,从而减少因遮挡造成的漏检率。实验结果表明,相比于Faster R-CNN等典型的四个目标检测模型,本文所提出的算法具有更高的检测精度和速度。

关键词： 微地形   互连接地网   分支式外延接地网   降阻效率   散流特性  

摘要： 随着科技与经济的蓬勃发展,各行各业对于电量的需求正逐年上涨,电网规模也随之不断扩大,特别是位于城市工业区,大量输电线路并行搭建运行。此外,由于输电线路跨越范围广,部分杆塔架设于山脊、山腰、山脚等土壤类型差异较大的高山地区,或者架设在耕地、公路、建筑物附近乃至山谷茂林之中。上述地形环境易产生杆塔接地施工面积有限、难以敷设长距离外延接地极等降阻问题。本文针对考虑微地形特征的杆塔接地网降阻技术进行研究,主要研究内容如下:(1)针对平原地形下杆塔互连接地网的降阻研究。仿真对比互连接地网和方框带射线型接地网的降阻差异,优化互连接地网的结构,并进一步分析分块土壤环境下互连接地网的接地特性,研究结果发现:在工频电流作用下,相同土壤环境互连接地网的降阻效率高出方框带射线型接地网27%;随着互连接地极长度的延伸,互连接地网的降阻效率也在逐渐提高,当互连接地极长度为80m时,雷击互连接地网的降阻效率高于方框带射线型接地网11.61%。当敷设互连接地极的数量由1根添加到5根时,接地网的降阻效率最高可以提升22.53%。同时,在分块土壤环境下,通过与低土壤电阻率区域的接地网互连,能够明显改善高电阻率环境下杆塔接地网的散流特性。(2)考虑复杂山体地形下杆塔互连接地网的接地特性。构建山体土壤结构模型,利用CDEGS软件分析山体杆塔接地网互连时的降阻效果,研究结果表明:在雷电流作用下,山脊杆塔互连接地网的降阻效率可达到50%以上;山腰杆塔接地网互连时,高海拔接地网宜采取下延互连方式,而低海拔接地网可采取侧延互连方式;在山脊杆塔与山腰杆塔接地网互连或山腰杆塔与山脚杆塔接地网互连的情况下,雷击高处杆塔时互连接地网的降阻效率明显高于低处杆塔遭受雷击的情况。(3)针对杆塔分支式外延接地网的接地特性研究。仿真计算单分支式与多分支式外延接地网的降阻特性;分析不平衡分支式外延接地网和不同土壤环境的多向分支式外延接地网的接地特性;并以实际工程验证了分支式外延降阻结构的降阻优势,研究结果指出:同等外延接地极长度下,分支接地极比例为1/3的单分支式外延接地网的降阻效果略优,在多分支式外延接地网中,三分支式外延接地网具备高降阻效率和占地面积小的特点。当杆塔遭受雷击时,不平衡分支式外延接地网的分流系数超过60%,这极大地缓解了主接地网的散流压力。平原地形下,四向分支式外延接地网的降阻特性更佳,其中近水源侧分支接地极的散流作用显著;山体环境下,双向分支式外延接地网在增加入地电流泄放通道和散流区域的方面表现更优。

关键词： 山火检测   亮温预测   机器学习   Himawari-8   输电线路  

摘要： 云南省森林资源丰富,地形、气象条件复杂,每年冬、春季节,降雨量少,气候干燥,都会发生大量的山火事件。云南省内有大量的输电线路,山火严重威胁输电线路的安全运行。目前云南电网公司卫星山火检测算法仅使用简单的固定阈值法,该算法存在山火检测精度不高的问题,故需开展进一步的山火检测算法相关研究,提高山火检测的精度。因此,开展高精度的输电线路卫星山火检测有着重要的研究意义和实用价值。本论文利用Himawari-8卫星数据,基于机器学习在云南省开展输电线路山火检测研究,主要研究内容和研究结果如下:（1）针对目前基于固定阈值的山火检测算法精度不高的问题,本论文利用Ostu算法求取最佳阈值,从而改进固定阈值的云检测算法,同时增加了植被检测、太阳耀斑检测和土地覆盖类型检测等处理,减少了相关干扰因素带来的火点错检问题。通过设置背景窗口,根据窗口内有效像元占比,调整窗口大小,计算像元亮温均值、标准差对火点进行识别,提高了山火检测的精度。实验研究结果表明:本论文改进的阈值方法Precision为0.57,Omission为0.65,F1-Score为0.43。对比传统的阈值（Xu）方法,Precision提高了0.10,Omission降低了0.02,F1-Score提高了0.04,在一定程度上减少了火点的漏检,提高了山火检测的准确性。（2）针对Himawari-8数据高时间分辨率特性未被有效利用的问题,本论文选择与火点检测相关的7波段、13波段、14波段,开展基于历史时序数据的亮温预测研究。本论文构建了五种不同的深度学习时序亮温预测模型,以单波段输入和多波段联合输入分别开展亮温预测研究。实验研究结果表明:1)单波段输入亮温预测研究中,7波段和13波段亮温预测效果最优的是序列到序列（Sequence to Sequence,Seq2Seq）模型,其平均绝对误差（Mean Absolute Error,MAE）分别为0.30 K、0.26 K,均方误差（Mean Square Error,MSE）分别为0.22 K2、0.34K2,平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）分别为0.10%、0.09%。14波段亮温预测效果最优的是长短期记忆（Long Short Term Memory,LSTM）模型,其MAE为0.30 K,MSE为0.42 K2,MAPE为0.10%。2)多波段联合输入亮温预测效果最优的是时域卷积网络（Temporal Convolutional Network,TCN）模型,7波段、13波段、14波段亮温预测的MAE分别为0.29K、0.26 K、0.28 K,MSE分别为0.24 K2、0.32 K2、0.39 K2,MAPE分别为0.10%、0.09%、0.09%。对比单波段输入的实验结果,多波段联合输入的亮温预测结果中,7波段MAE降低了0.01 K,但MSE增加了0.02 K2;13波段MAE没有变化,MSE降低了0.02 K2;14波段MAE降低了0.02 K,MSE降低了0.03 K2。因此,多波段联合输入整体亮温预测效果更优。在少云污染的情况下,TCN模型能够很好地利用历史时序亮温数据对未来时刻的亮温进行预测,亮温预测值可与同时间点的亮温观测值、以及其它光谱特征结合,用于山火检测。（3）针对目前基于机器学习的卫星山火检测输入特征较简单,造成山火检测精度不高的问题,本论文从Himawari-8数据的光谱、空间、时间等方面构建了四种不同的特征输入策略。选择经典的机器学习模型,利用四种不同的特征输入策略,开展山火检测对比研究。实验研究结果表明:1)融合了光谱、空间、时间信息的特征输入策略四与随机森林模型组合的山火检测效果最优,其Precision为0.62,Omission为0.34,F1-Score为0.64,相较于本论文改进的阈值方法,Precision提高了0.05,Omission降低了0.31,F1-Score提高了0.21,且该方法程序运行平均用时为35.08 s。2)将该方法应用于云南电网输电线路附近的山火检测中,在云南电网电力科学研究院提供的真实的295个火点中,成功检测到的火点有253个,Recall达0.86。其中,本论文检测到的火点中,有90个火点检测到的时间比云南电网发现的时间至少提前10 min,最早的提前达2 h;163个火点检测到的时间和云南电网发现的时间一致,证明了本论文提出的山火检测方法的有效性。

关键词： 特高压输电线路   无源干扰   粗糙土壤地面   电磁散射   防护间距  

摘要： 随着我国特高压输电线路的架设密度不断增加,输电线路对临近各类无线电台站和设备的无源干扰问题日益显著。目前对输电线路的无源干扰研究中,忽略了粗糙土壤地面对输电线路无源干扰的影响,即把大地当作完纯导体处理,运用这种简化处理方式所得的结果往往与实测值偏差较大,对实际工程的指导意义较小。为此,本文考虑了特高压输电线路架设所处的粗糙土壤地面环境,建立了更贴近实际的特高压输电线路无源干扰模型,研究输电线路在不同粗糙土壤地面下的电磁散射特性。本文的主要内容如下: 首先,对输电线路无源干扰及随机粗糙面电磁散射问题开展调查研究,明确本文的重点在于研究特高压输电线路在不同粗糙土壤地面下的电磁散射特性,同时确立本文采用矩量法对输电线路的无源干扰问题进行分析,并详细阐述了随机粗糙地面与输电线路无源干扰的研究方法。 其次,基于蒙特卡洛法对粗糙面进行建模,研究随机粗糙地面的电磁散射特性。详述了粗糙土壤地面的介电特性和几何特性,分析了地面的介电常数、地面的均方根高度和相关长度、入射波极化方式等因素对其电磁散射的影响特性。在单层粗糙地面的基础上,建立了分层粗糙土壤地面模型,研究分层粗糙土壤地面的电磁散射特性。 然后,探究了考虑粗糙土壤地面后的特高压输电线路无源干扰特性,通过对铁塔做近似处理,研究简易铁塔的圆柱体模型在粗糙土壤地面下的无源干扰特性,包括地面相关统计参量、圆柱体个数、圆柱体尺寸变化对无源干扰的影响。提出了单基铁塔下的粗糙土壤地面尺寸选取方法,将圆柱体变为实际特高压工程中的铁塔,对铁塔进行建模,对比了有无粗糙土壤地面对输电线路无源干扰的影响。分析了均方根高度、相关长度、土壤湿度和土壤温度等地面参数变化对输电线路无源干扰的影响特性,并通过仿真分析得到铁塔基数、输电线路排列方式、铁塔之间的高度差变化对其无源干扰的影响规律。 最后,总结并分析上述研究成果,结合不同参数对输电线路无源干扰的影响程度,提出了降低输电线路无源干扰水平的方法。此外,在传统无源干扰防护间距求解方法的基础上,通过扩大入射角范围并采用函数拟合法进行求解,提出了一种特高压输电线路无源干扰防护间距的优化求解方法。

关键词： 语义分割   IN归一化   联合损失函数   高度信息   输电线路规划  

摘要： 在输电线路工程设计中,城乡规划区分布广泛造价高,是选线设计中优先考虑的约束信息。准确的房屋分布、用途信息获取对于输电线路的建设成本和全寿命周期的可靠运行有重要影响。传统人工目视标绘耗时耗力,随着电网领域数字化建设的推进以及遥感技术的成熟,从遥感影像中自动提取选线的房屋约束信息成为输电线路设计的研究热点。 本文基于高分辨率的数字正射遥感影像,通过语义分割方法实现房屋信息的高精度分割提取,为输电线路路径规划提供重要的数据支撑。首先,针对遥感影像地貌复杂以及房屋类别分布不均衡的问题,提出一种基于IBNRes＿Deep Lab的语义分割方法。然后,为了进一步提高在复杂影像中的房屋提取效果,利用激光雷达数据获取房屋高度信息,对数字正射影像中的形状、颜色特征进行补充。最后,在制作的遥感影像数据集和实际输电线路规划区上分别进行了测试,验证了方法的房屋分割精度满足输电线路规划的要求。本文核心内容如下: (1)提出了基于IBNRes＿Deep Lab的遥感影像房屋语义分割方法。该方法基于Deep Labv3+网络,通过空洞卷积和注意力机制减少特征信息损失,在网络的归一化处理上利用实例规范化(Instance Normalization,IN)增强模型的域泛化能力。并设计了Dice+Focal联合损失函数缓解类别分布不均衡导致对小目标房屋提取困难的问题。在遥感影像数据集和实际输电线路规划区上开展了方法的应用实验。结果表明,该方法与FCN、UNet、Seg Net以及Deep Labv3+网络相比,具有更优秀的分割精度和更接近真实房屋标签的提取效果,并且在实际规划区上达到了80%的房屋分割精度。 (2)提出了融合高度信息的遥感影像房屋语义分割方法。针对网络IBNRes＿Deep Lab在遥感影像房屋识别时存在的不足,提取点云数据中的高度信息进行特征补充,构建了融合高度信息的HIBNRes＿Deep Lab语义分割网络。在选线规划区遥感影像上开展了实验对比,融合高度信息的HIBNRes＿Deep Lab网络在IBNRes＿Deep Lab网络的基础上进一步减少了房屋误识,房屋分割精度达到90%,满足输电线路规划对房屋要素高精度分割提取的要求。

关键词： 输电线路   检修   分析  

摘要： 目前，人们对电力资源的需求越来越高，输电线路的压力比较大，而且很容易受到自然环境因素的影响，因此在日常工作中需要电力工作人员做好对输电线路的检修和优化。基于此，对输电线路检修进行技术分析，并针对以往输电线路检修中存在的问题提出针对性的解决对策，最终使输电线路能够达到安全、系统化的管控运行，满足人们对电力资源的使用需求。

关键词： 输电线路   共振舞动机理   耦合抑舞机理   相间间隔棒   耦合拓扑构型   耦合强度  

摘要： 电能作为人类社会不可或缺的能源,在推动社会发展和保障人民生活方面发挥着举足轻重的作用。大跨越输电线路是一种空间柔性结构,在强风、冰冻等极端自然条件下易发生大幅舞动,甚至引发倒塔、断线等严重电力事故。本文拟以三相输电塔-线体系为对象,通过模型试验研究,深入分析塔-线体系的非线性耦合振动特性、共振舞动机理以及相间间隔棒的耦合抑舞机理,研究结论可为输电线路的抑舞防舞设计提供理论指导。具体的研究工作如下: (1)基于动力相似原理,设计制作了两塔单跨三相输电线路试验模型。根据试验要求,自主研发了一套非接触式电磁激励系统,该系统为三相输电线路舞动及耦合减振研究提供了技术支撑。 (2)采用面内或面外电磁激励模拟输电线路的气动升力和气动阻力,通过扫频试验和共振试验,对输电线路的强迫振动响应特性进行了测试和分析,揭示了输电塔-线体系的非线性耦合振动特性、幅频响应特性以及共振舞动机理。 (3)针对六类不同的相间间隔棒拓扑构型,对三相输电线路的耦合抑舞减振机理进行了模型试验研究,基于加权综合减振率评价指标,确定了最优的间隔棒耦合拓扑构型,该构型对各种面内、面外危险激励工况都具有良好的抑舞减振效果。 (4)基于最优的耦合拓扑构型,采用变刚度相间间隔棒,依次对三相输电线路的耦合抑舞减振机理进行了模型试验研究,确定了最合理的无量纲耦合强度参数区间,该参数区间具有普适性,便于工程应用。

关键词： 雷击过电压   深度学习   迁移学习   残差网络   ResNet-50网络  

摘要： 在电力系统当中,高压输电系统是最重要的结构之一。然而由于架空输电线路途径路线十分险峻,线路常常遭受雷击等自然灾害的侵袭,进而导致的线路故障成为除操作故障之外对高压输电线路的最主要的威胁因素,相关统计表明,近年来由于雷击引起的跳闸事故占比除操作故障之外的输电线路故障的48%以上,由此可见因为雷电导致的线路故障已经严重地威胁了电力系统的安全运行,所以,及时准确地识别输电线路雷击过电压类型,能有效降低故障导致的时间和经济的损失,对于保障供电系统的安全以及其平稳运行有着重大的作用。为了探索准确而快速的输电线路雷击过电压识别方法,本文使用PSCAD/EMTDC软件,仿真搭建了架空输电线路雷击模型。其中包括双指数函数模型、分段波阻抗模型、氧化锌避雷器模型以及断路器模型等。通过改变雷电流的模型种类、初始相位角、雷电流幅值等参数,仿真出了感应雷击、反击雷击以及绕击雷击3种故障波形;通过改变短路过渡电阻、短路类型以及故障点位置仿真出了短路故障波形。再通过图像识别技术对以上4种波形进行识别分类。具体的识别方法为:使用较深层的卷积神经网络—VGG-16网络模型,并根据雷击过电压的特征对其进行优化和改进,其主要改进如下:减少了卷积组数目将靠后的卷积组中的卷积核更改为2×2卷积核;去除了传统网络结构中的全连接层。实验结果表明通过第四章方法改进后的VGG-16网络拥有最高的识别速率,进一步说明了本文方法的有效性,相较于传统的VGG-16模型能够取得更好的效果,不论是准确率和召回率都得到了1%以上的提升,能够用于输电线路雷击过电压的识别研究。为了进一步提升网络的分类识别效率及准确率,第五章提出了一种改进残差网络(Residual Network,ResNet)的输电线路雷击过电压识别方法。对传统的ResNet-50网络的改进包含以下三个方面:首先,将首层原有的一个7×7大卷积核替换为3个3×3小卷积核,以提高网络的特征提取能力;其次,将传统ResNet-50网络的Re LU激活函数替换为Re LU-Softplus激活函数,在提升网络收敛速率的同时保留了小于0的数据;然后,调整ResNet-50网络结构,以强化批标准化的作用。最后,结合迁移学习和改进残差网络构建输电线路雷击过电压识别模型。实验结果表明,改进残差网络在第70步收敛,识别精度为97.25%,识别准确率优于其他模型。