输电线路的短期覆冰跳闸概率分析方法及系统

摘要

本发明公开了一种输电线路的短期覆冰跳闸概率分析方法及系统，该方法包括：在待分析线路刚出现线路覆冰且未发生线路跳闸时，收集待分析线路的相关的历史覆冰跳闸环境数据和环境预测监测数据；建立环境数据多维数组和多维坐标系；根据每个格点的跳闸情况，为每个格点添加跳闸趋势指数；建立与环境数据的种类对应的启发因子；根据启发因子，跳闸趋势指数，和信息素因子，通过优化蚁群算法，输出覆冰环境发展最优路径，将覆冰环境发展最优路径的输出结果中每一个格点与历史跳闸环境的格点数据进行匹配，统计匹配成功的格点数，计算待分析线路在未来的跳闸概率。本发明利用优化蚁群算法建立线路覆冰环境发展路径，实施历史特征类比，得到跳闸概率。

说明书

技术领域

本发明涉及输电线路防护领域，尤其涉及一种输电线路的短期覆冰跳闸概率分析方法及系统。

背景技术

冬季的覆冰环境给输电线路运行安全带来了极大的隐患。电力企业迫切需要了解线路覆冰情况下的事故发生可能性，从而开展针对性的抗冰保电措施。

目前的覆冰预测技术能够提供未来10天内的电网覆冰预测信息，在一定程度上满足了电网运维工作需要。但是，覆冰预测技术仍然无法直接提供定量化线路覆冰跳闸分析产品，并没有全面打通从覆冰预测到故障预测的“最后一公里”。设备状态评价能够分析电力设备的力学电学特性，较为全面的描述设备故障，但其试验周期长，对试验条件控制严格，目前只能应用于事后分析。另外，常规的线路巡视工作受制于现场条件，所收集的设备覆冰信息有限，难以支持复杂模型方法的应用。输电线路覆冰跳闸的预测客观上需要一种能够充分结合电网覆冰预测数据，同时有效挖掘巡线采集数据价值的方法，通过对线路覆冰关键特征的把握，快速提供定量化的线路跳闸概率。蚁群算法是一种人工智能学习算法，它可以通过数据层面的分析对比，形成有限信息条件下的最优发展轨迹规划，逐步预测生成最适用的线路覆冰发展过程中环境特征量化指标。在此基础上，将预测轨迹数据与历史跳闸信息进行类比，最终得到线路覆冰跳闸概率，指导电网防冰工作。

发明内容

本发明提供了一种输电线路的短期覆冰跳闸概率分析方法及系统，用以解决输电线路覆冰条件下，难以根据常规观测数据全面、定量分析线路跳闸风险的技术问题。

为解决上述技术问题，本发明提出的技术方案为：

一种输电线路的短期覆冰跳闸概率分析方法，包括以下步骤：

在待分析线路刚出现线路覆冰且未发生线路跳闸时，收集待分析线路的相关的历史覆冰跳闸环境数据和环境预测监测数据；建立环境数据多维数组和多维坐标系；将当前的环境情况监测数据和未来一段时间的环境情况预测数据，作为此次覆冰过程的起止坐标；

根据历史覆冰跳闸环境数据中环境数据多维数组中每个格点的跳闸情况，为每个格点添加跳闸趋势指数；

根据环境数据的种类，建立与环境数据的种类对应的启发因子；

根据启发因子，跳闸趋势指数，和信息素因子，通过优化蚁群算法，输出覆冰环境发展最优路径，将覆冰环境发展最优路径的输出结果中每一个格点与历史跳闸环境的格点数据进行匹配，统计匹配成功的格点数，匹配成功表示这些格点所对应的线路覆冰环境发展阶段与历史覆冰跳闸环境特征相似，可能引起覆冰跳闸；

根据覆冰环境发展最优路径以及匹配成功的格点数，计算待分析线路在未来一段时间的跳闸概率。

优选地，历史覆冰跳闸环境数据，包括：历史上该线路发生覆冰跳闸时的现场天气情况、气温、风速和\或覆冰厚度的环境数据，现场天气情况包括：晴天、阴天、雾、小雨或小雪或小雨夹雪，以及中雨或中雪或中雨夹雪及以上程度降水或降雪；

环境预测监测数据，包括：当前的环境情况监测数据和72小时后的环境情况预测数据；环境情况监测数据和环境情况预测数据均包括现场天气情况、气温、风速和覆冰厚度的环境数据。

优选地，环境数据多维数组，为环境数据四维数组，数据结构为(s，t，w，d)，其中包括s为天气指数、t为气温、w为风速、d为覆冰厚度。

优选地，建立环境数据多维数组和多维坐标系，包括：

将历史覆冰跳闸环境数据和环境预测监测数据中的非量化数据，进行量化处理，建立天气情况指数；

为不同种类的环境数据设定对应的离散步长，将历史覆冰跳闸环境数据和环境预测监测数据中不同种类的环境数据按步长归入对应的就近离散节点，获得不同种类的离散化的环境数据；

根据环境数据的种类，将离散化的环境数据建立对应维度的环境数据多维数组，建立多维坐标系。

优选地，启发因子，包括：天气启发因子S、气温启发因子T、风速启发因子W、冰厚启发因子D，如下：

式中，i为当前点位，j为下一步意向点位，S

优选地，优化蚁群算法的求解转移概率公式如下：

信息素计算因子，计算式如下：

τ

τ

其中，

优选地，跳闸概率包括最大跳闸概率和最小跳闸概率：

最大跳闸概率为：根据覆冰环境发展最优路径中的环境数据四维数组和匹配成功的格点数，计算匹配成功的格点数与覆冰发展路径中格点总数的比值；

最小跳闸概率为：考虑融除冰的人工干预因素时，重新计算得到的匹配成功的格点数与覆冰发展路径中格点总数的比值。

本发明还提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。

本发明具有以下有益效果：

1、本发明的输电线路的短期覆冰跳闸概率分析方法及系统，通过蚁群算法的离散化路径规划方式，从环境特征类比的角度构建了覆冰跳闸概率分析模型，能够快速给出量化数据，实现了覆冰跳闸从定性到定量的分析方法改进。能考虑气象环境条件和线路覆冰情况，充分利用优化蚁群算法的信息整合和离散化分析优势，建立线路覆冰环境条件发展路径，实施历史特征类比，得到跳闸概率结果。条理清晰、操作性强、实用性高。

2、在优选方案中，本发明输电线路的短期覆冰跳闸概率分析方法及系统，实用性强，通用性好，计算数据均来自于电力运维常见观测数据，有效规避了复杂的物理建模问题，能够更好的挖掘可用数据信息，对维护电网的安全稳定及防灾减灾有重要作用，对交通、建筑等行业开展调度管理也有一定的启发意义。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例的输电线路的短期覆冰跳闸概率分析方法的流程示意图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

参见图1，本发明的输电线路的短期覆冰跳闸概率分析方法，包括以下步骤：

在待分析线路刚出现线路覆冰且未发生线路跳闸时，收集待分析线路的相关的历史覆冰跳闸环境数据和环境预测监测数据；建立环境数据多维数组和多维坐标系；将当前的环境情况监测数据和未来一段时间的环境情况预测数据，作为此次覆冰过程的起止坐标；

根据历史覆冰跳闸环境数据中环境数据多维数组中每个格点的跳闸情况，为每个格点添加跳闸趋势指数；

根据环境数据的种类，建立与环境数据的种类对应的启发因子；

根据启发因子，跳闸趋势指数，和信息素因子，通过优化蚁群算法，输出覆冰环境发展最优路径，将覆冰环境发展最优路径的输出结果中每一个格点与历史跳闸环境的格点数据进行匹配，统计匹配成功的格点数，匹配成功表示这些格点所对应的线路覆冰环境发展阶段与历史覆冰跳闸环境特征相似，可能引起覆冰跳闸；

根据覆冰环境发展最优路径以及匹配成功的格点数，计算待分析线路在未来一段时间的跳闸概率。

通过上述步骤，考虑气象环境条件和线路覆冰情况，充分利用优化蚁群算法的信息整合和离散化分析优势，建立线路覆冰环境条件发展路径，实施历史特征类比，得到跳闸概率结果。条理清晰、操作性强、实用性高。

在实际应用中，本发明还可进行优化，以下示例说明：

实施例1：

本实施例的输电线路的短期覆冰跳闸概率分析方法，包括以下步骤：

(1)、线路跳闸环境数据收集。选取某一条待分析线路，在其刚出现线路覆冰且未发生线路跳闸时，收集该线路的相关历史覆冰跳闸环境数据和环境预测监测数据。其中历史覆冰跳闸环境数据包括历史上该线路发生覆冰跳闸时的现场天气情况(包括晴天、阴天、雾、小雨(雪或雨夹雪)、中雨(雪或雨夹雪)及以上程度降水)、气温、风速、覆冰厚度等数据。收集该线路的环境预测监测数据，包括当前的环境情况(现场天气情况、气温、风速、覆冰厚度)监测数据和72小时后的环境情况预测数据。

(2.1)、建立天气情况指数。选取步骤(1)得到的环境数据中的天气情况等非量化数据，进行量化处理，建立天气情况指数。方法为：当预测或实际天气情况为“晴天”时，天气情况指数取1；当预测或实际天气情况为“阴天”时，天气情况指数取2；当预测或实际天气情况为“雾”时，天气情况指数取3；当预测或实际天气情况为“小雨(雪或雨夹雪)”时，天气情况指数取4；当预测或实际天气情况为“中雨(雪或雨夹雪)及以上”时，天气情况指数取5。

(2.2)、气象数据离散化处理。选取步骤(1)～(2.1)得到的量化环境数据中，进行离散化处理。方法为：对于气温预测或实况数据，离散节点步长为1℃，当某一数据值位于两个离散节点之间时，根据四舍五入原则将该数据归入就近节点，如将2.3℃归入2℃；对于风速数据，离散节点步长为1m/s；对于覆冰厚度数据，离散节点步长为2mm；对于天气情况指数，离散节点步长为1。

(3.1)、建立环境信息数组。以步骤(2.1)得到的离散化数据，建立四维坐标系，形成环境数据四维数组，数据结构为(s，t，w，d)，其中包括s为天气指数、t为气温、w为风速、d为覆冰厚度(实施时，如还需计算其他环境数据，则可通过增加数组维度实现)。选取步骤(1)得到的当前的环境情况监测数据和72小时后(实施时，也可以选用未来其他的时间长度，例如24小时，一周等)的环境情况预测数据，作为此次覆冰过程的起止坐标。

(3.2)、添加跳闸趋势数据。选取步骤(3.1)得到的环境数据四维数组，根据数组中每个格点数据的跳闸情况，添加跳闸趋势指数。方法为：根据步骤(1)得到的历史覆冰跳闸数据，对应到环境数据四维数组中，凡发生了覆冰跳闸的数据格点，认为其跳闸趋势指数为5，且四维空间中与该格点相邻的3

(4.1)、建立启发因子。为实现信息的充分应用，根据环境数据的四维数组特征，需要建立四项启发因子，分别为天气启发因子S、气温启发因子T、风速启发因子W、冰厚启发因子D：

式中，i为当前点位，j为下一步意向点位，S

(4.2)、建立算法。根据步骤(4.1)建立的启发因子、步骤(3.2)建立的跳闸趋势指数和信息素因子，建立优化蚁群算法，核心是求解转移概率公式：

τ

τ

公式(5)为转移概率计算式，公式(6)～(9)为信息素计算式。其中，i为蚂蚁k当前所在节点，j为下一步计划节点，allowed

(5)、结果匹配分析。用步骤(3.1)建立的环境信息的结构数据代入步骤(4.1)～(4.2)形成的优化蚁群算法程序，自动计算并输出覆冰环境发展最优路径。该路径以格点数组形式表示。将路径结果中每一个格点与历史跳闸环境的格点数据进行匹配，统计匹配成功的格点数，认为这些格点所对应的线路覆冰环境发展阶段与历史覆冰跳闸环境特征相似，可能引起覆冰跳闸。

(6)、计算最大跳闸概率。根据步骤(5)得到的路径数组和匹配格点数统计，计算匹配格点数与覆冰发展路径格点总数的比值。由于步骤(3.2)中，跳闸环境下跳闸趋势指数>近似跳闸环境下跳闸趋势指数>非跳闸环境下跳闸趋势指数，因此所计算出的转移概率和最终发展路线总是倾向于向跳闸条件发展，步骤(6)计算的比值为线路在未来72小时的最大跳闸概率。

(7)、计算最小跳闸概率。当考虑融除冰等人工干预因素时，需要重新计算跳闸概率。将步骤(3.2)中跳闸趋势指数的赋值方式调整为：凡发生了覆冰跳闸的数据格点，认为其跳闸趋势指数为0.5，且四维空间中与该格点相邻的3

实施例2：

本实施例的输电线路的短期覆冰跳闸概率分析方法，包括以下步骤：

(1)、线路跳闸环境数据收集。选定某110kV风电送出线路，在2020年1月13日，该线路第一次监测到线路覆冰。收集当日覆冰实况监测数据和预测的72小时后环境数据，同时收集该线路的相关历史覆冰跳闸环境数据，数据内容包括现场天气情况、气温、风速、覆冰厚度等。

(2.1)、建立天气情况指数。选取步骤(1)得到的环境数据中的天气情况数据，进行量化处理，建立天气情况指数。

(2.2)、气象数据离散化处理。选取步骤(1)～(2.1)得到的量化环境数据中，进行离散化处理。

(3.1)、建立环境信息数组。以步骤(2.1)得到的离散化数据，建立四维坐标系，形成环境数据四维数组。根据步骤(1)得到的当前的环境情况监测数据和72小时后的环境情况预测数据，确立起止坐标。

(3.2)、添加跳闸趋势数据。选取步骤(3.1)得到的环境数据四维数组，根据数组中每个格点数据的跳闸情况，添加跳闸趋势指数，首先按照最大跳闸概率的跳闸趋势指数设置。

(4.1)、建立启发因子。建立天气启发因子、气温启发因子、风速启发因子、冰厚启发因子等四项启发因子。

(4.2)、建立算法。根据四项启发因子、跳闸趋势指数和信息素因子，建立优化蚁群算法，编写计算机程序并将初始场数据带入计算。

(5)、结果匹配分析。用步骤(3.1)建立的环境信息的结构数据代入步骤(4.1)～(4.2)形成的优化蚁群算法程序，自动计算并输出覆冰环境发展最优路径。将路径结果中每一个格点与历史跳闸环境的格点数据进行匹配，共有4个格点匹配成功。

(6)、计算最大跳闸概率。步骤(5)得到的路径数组共有9个格点，其中有5个与历史跳闸环境类似，由于步骤(3.2)是按照最大跳闸概率设置的跳闸趋势指数，因此在未来72小时的最大跳闸概率为55％。

(7)、计算最小跳闸概率。按照最小跳闸概率要求设置跳闸趋势指数，重复步骤(3.2)～(6)，则覆冰环境发展最优路径共13个格点，其中2个与历史跳闸环境的格点匹配成功，因此未来72小时的最小跳闸概率为15％。

实施例3：

本实施例提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一实施例中的步骤。

综上可知，本发明计算数据均来自于电力运维常见观测数据，有效规避了复杂的物理建模问题，能够更好的挖掘可用数据信息，对维护电网的安全稳定及防灾减灾有重要作用，对交通、建筑等行业开展调度管理也有一定的启发意义。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。