基于神经网络的高压架空输电线路径向温升模型研究

摘要

高压架空输电线路的温升模型常用于线路设计和线路载流量评估。近年来，随着输电线路温度对电力系统运行影响的研究逐渐成为热点，线路温升模型还可以应用于线路等值参数修正、线路运行安全风险评估、电热协调调度等理论研究中，对传统电力系统分析及调度理论的进一步发展带来重大影响，具有重要的理论意义和工程实用价值。 工程中常用IEEE标准模型和热路模型计算线路温升，这两类模型通常将输电线路视为等温体。然而，架空导线由多股铝线和钢芯互绞而成，线束间存在空气间隙，并非热的良导体。因此在实际运行中，导线存在轴向或径向温度分布。此时，传统温升模型难以准确描述线路温度。尽管近些年相继提出了用于求解导线温度分布的有限元模型以及分布参数热路模型，但两种模型都存在各自的不足。有限元模型能够通过网格离散计算线路温度分布，具有精度较高的优点，但因计算量巨大，工程实用性较低;现有分布参数热路模型主要用于描述线路的轴向温度，而非径向温度。在此背景下，本文将基于神经网络方法，提出架空输电线路径向温升模型。该模型可较为准确地描述输电线路径向温升过程，提高线路温升计算的准确性，为高压输电网运行和维护提供指导依据与参考价值。 本文首先讨论了计算架空线路温升的常用模型，主要包括IEEE标准模型、集总参数热路模型以及分布参数热路模型，分析了上述模型特点及相关参数计算方法，为后文研究提供理论基础。 随后，以导线型号为LGJ-400/35为实验对象，搭建了架空输电线路径向温升实验平台。利用实验数据，分析了风力、风向角、环境温度及线路电流等因素对导线径向温升的影响。在此基础上，以风速、风向角、环境温度、线路电流及表面稳态温度等参数作为输入量，以线芯稳态温度及其热时间常数作为输出量，结合RBF神经网络和BP神经网络，提出了两类描述架空线路径向温升的神经网络模型。最后，通过模型计算结果与实验结果的对比表明，对于在稳态气象条件下的线路径向温升计算而言，神经网络方法能够较为准确描述输电线路的径向温升过程，其中RBF神经网络模型的计算精度要高于BP神经网络模型。

目录

声明

摘要

1绪论

1．1选题背景及意义

1．2国内外研究现状

1．2．1架空线路温升模型研究现状

1．2．2人工神经网络建模方法发展现状

1．3主要研究内容

2高压架空输电线路温升模型

2．1 IEEE标准模型

2．1．1IEEE标准模型原理

2．1．2热平衡方程参数的具体计算

2．2．热路模型

2．2．1热电类比理论

2．2．2集总参数热路模型原理

2．2．3模型参数辨识方法

2．2．4分布参数热路模型简介

2．2．5模型参数辨识方法

2．3本章小结

3人工神经网络原理

3．1神经网络特性

3．1．1神经元模型

3．1．2神经网络的结构

3．1．3神经网络模型的分类

3．2 BP神经网络模型

3．2．1 BP神经网络模型结构

3．2．2 BP神经网络的前向传播过程

3．2．3 BP神经网络的反向传播过程

3．3．4 BP神经网络学习的具体步骤

3．3．5 BP网络算法的改进

3．3RBF神经网络模型

3．3．1 RBF神经网络结构

3．3．2 RBF神经网络的输出

3．3．2 RBF神经网络的学习过程

3．4本章小结

4基于神经网络的线路径向温升模型研究

4．1架空线路径向温升实验平台设计

4．2实验数据获取与分析

4．2．1实验数据获取

4．2．2实验数据分析

4．3基于神经网络的径向温升模型及验证

4．3．1数据的选取及神经网络的拓扑结构

4．3．2基于BP神经网络的径向温升估计

4．3．3基于RBF神经网络的径向温升估计

4．3．4模型优势验证

4．4本章小结

5结论与展望

5．1研究结论

5．2研究展望

致谢

参考文献

附录