CN102679935A - 一种计算输电线路覆冰厚度的系统及其方法 - Google Patents

Abstract

本发明公开了一种计算输电线路覆冰厚度的系统，包括设置于输电线路处的监测设备，设置于监控室的服务器、和同时设置于输电线路处和监控室的相互配合使用的无线收发装置，所述服务器包括数据粗糙处理模块和人工神经网络模块，数据粗糙处理模块，包括信息完备性处理单元、数据离散化处理单元和属性约简处理单元；人工神经网络模块，包括应用模型单元和模型算法优化单元。同时，本发明还公开了一种计算输电线路覆冰厚度的方法。本发明采用气象分析法和图像分析法相结合（图像分析法起验证气象分析法计算结果的功能），并引进人工智能原理进行学习和推理，实现计算模型不断优化，从而准确计算覆冰厚度。

Description

一种计算输电线路覆冰厚度的系统及其方法

技术领域

本发明涉及一种输电线路覆冰厚度的计算方法，更具体的说，涉及一种基于人工神经网络计算输电线路覆冰厚度的方法。

背景技术

输电线路的导线覆冰是影响电力系统安全运行的主要自然灾害之一，覆冰引起的导线过载和导线舞动可能导致相间闪络、金具损坏、跳闸停电、倒杆(塔)、导线折断等严重事故，给电网、社会生产及人民生活带来极大的影响。

影响导线覆冰的因素很多，但以气象条件、地形因素和线路自身特点三者的综合影响为主。较高海拔地区的线路形成覆冰的概率较大，而同一地点的覆冰厚度还与架空线路的高度、线径、方向、导线扭转性能、档距及当地的地形等有关；此外，风速、风向、水滴直径、电场强度及负荷电流等也对导线覆冰有影响；跨越河流、山谷口或风道等处的导线也容易形成覆冰。

导线覆冰的提早发现十分重要，实时覆冰厚度计算能了解当前的状况，在可能发生的灾害前做出预警。

目前国内外计算覆冰厚度的方法基本上有两种：一种是基于气象的分析方法，一种是基于图像的分析方法。

基于气象的分析方法，国内外开发了很多复杂的覆冰雪预测模型，如Lozowski 模型、Ackley模型、Poots模型、Jones模型、Chaine模型以及Makkonen 模型等，但这些模型都具有一定的适用范围，在特定的条件下使用，而实际的覆冰雪情况是千变万化的，单纯地采用某种模型计算得到的覆冰厚度往往和实际有很大的差异。

基于图像的分析方法，国内外一些高校和研究所也展开了很多研究，并提出了使用小波变换法、最优阈值法和数学形态学变换法来提取覆冰边缘，通过与导线直径的比较得到覆冰的实际厚度；基于图像平滑处理、阈值变换和轮廓跟踪等算法实现绝缘子覆冰及覆冰厚度的计算；使用粗糙集方法实现覆冰厚度的计算；利用3D方法，通过从两个不同角度拍摄的覆冰图像搜寻关联点实现厚度的计算等多种方法。但这种方法本身就是计算机视觉与高层次图像处理的结合体，恶劣天气和噪声干扰都会影响拍摄效果，从而极大影响对覆冰边缘特征的提取。

发明内容

本发明所要解决的技术问题是，克服现有技术的缺点，提供一种气象分析法和图像分析法相结合，并引进人工智能原理进行学习和推理，实现计算模型不断优化，从而准确计算覆冰厚度的计算输电线路覆冰厚度的系统。

同时，本发明还公开了一种计算输电线路覆冰厚度的方法。

为了解决以上技术问题，本发明提供一种计算输电线路覆冰厚度的系统，包括设置于输电线路处的监测设备，设置于监控室的服务器、和同时设置于输电线路处和监控室的相互配合使用的无线收发装置，所述服务器包括数据粗糙处理模块和人工神经网络模块，所述数据粗糙处理模块与所述人工神经网络模块之间进行数据通信，其中：

数据粗糙处理模块，包括信息完备性处理单元：用于利用组合填入法补充缺失的数据；

数据离散化处理单元：用于利用等频离散法对数据进行处理，使得数据符合计算的需要；

属性约简处理单元：用于利用直接删除法去除冗余的信息；

人工神经网络模块，包括应用模型单元：用于利用人工神经网络的原理，建立覆冰厚度计算的模型库，并且针对覆冰种类的不同，确立计算所采用的应用模型；所述应用模型单元包括的模块有雨淞计算的Imail模型、Chaine和Castonquay模型、Goodwin模型、Makkonen模型、简单模型 ；以及雾淞计算的水滴撞击导线模型、气流积分模型。

模型算法优化单元：用于利用人工神经网络的原理，对选择的应用模型的各项参数和系数进行调整优化，学习存储在知识库中的计算过程，并计算得出覆冰的厚度值。参数和系数优化的时候，分析搜寻和本次覆冰各种因子（微气象、拉力、污秽、地形地貌）最接近而且计算结果准确的计算过程，利用这些计算过程的各种参数和系数来优化本次计算的模型参数和系数，以达到模型的参数和系数最拟合本次计算的目的

本发明进一步限定的技术方案是：所述监测设备包括气象监测设备、污秽监测设备、拉力监测设备和视频监测设备。

进一步的：所述系统还包括设置于输电线路处的规约智能接入模块，用于智能接入各种监测设备，使得监测设备所获取数据能够被识别。

所述的规约智能接入模块包含多套数据结构，多套数据结构的定义参照MODBUS、CDT、IEC60870-5-103及IEC61850标准规约规定的帧结构和数据格式。

所述的规约智能接入模块使用的规约转换器基于IEC61850通信标准，支持如下的传统规约转换：IEC60870-5系列规约、CDT规约、MODBUS规约、DNP规约、RP570规约、问答式规约及循环式规约。

进一步的：所述人工神经网络模块还包括结果图像验证单元，用于利用三维图像多项分割的变分水平集算法处理监测设备上传的图片获得覆冰的厚度，验证模型算法优化单元的计算结果。验证的依据是视频在线监测设备上传到中心的图像，提取覆冰图像的边缘轮廓，通过比较前后两幅覆冰图像的边缘轮廓，计算出覆冰的增长面积,通过和导线固有几何尺寸的对比，换算到等效的覆冰厚度。并利用这个厚度值和模型计算出来的厚度值进行对比，以达到验证模型计算结果的目的。

进一步的：所述人工神经网络模块还包括人工学习推理单元，所述人工学习推理单元包括数据库、学习机、推理机、知识库，其中数据库用于存放系统覆冰过程所产生的所有信息，以及所需要的原始数据；知识库用于存储覆冰所需要的领域知识；推理机用于根据知识的语义按一定策略找到知识，进行解释执行，并把结果记录到动态库的空间中；学习机用于负责建立、修改和扩充知识库。

一种计算输电线路覆冰厚度的方法，包括数据采集步骤，数据传输步骤，数据处理步骤，其特征在于，所述数据处理步骤包括：

数据粗糙处理步骤，包括信息完备性处理，即利用组合填入法补充缺失的数据；数据离散化处理，即利用等频离散法对数据进行处理，使得数据符合计算的需要；属性约简处理，即利用直接删除法去除冗余的信息；

人工神经网络处理步骤，包括应用模型选择：利用人工神经网络的原理，建立覆冰厚度计算的模型库，并且针对覆冰种类的不同，确立计算所采用的应用模型；模型算法优化处理：利用人工神经网络的原理，对选择的应用模型的各项参数和系数进行调整优化，并计算得出覆冰的厚度值。

本发明进一步限定的技术方案是：所述数据粗糙处理步骤中约简处理的方法为：

（1）创建初始群体，群体数量G=0；

（2）判断群体是否满足已经设置的阀值，如果没满足阀值，则执行步骤（3），如果满足阀值则结束；

（3）根据群体中个体的数量和质量计算个体的适应度，将不符合条件的个体删除，比较群体数量和个体数量，如果群体数量等于个体数量，则结束，如果群体数量不等于个体数量，则执行步骤（4）；

（4）概率的选择遗传操作，并将选择的新个体加入到群体，重复执行步骤（2）。

进一步的，所述数据粗糙处理步骤前还包括规约智能接入步骤，即智能接入各种监测设备，使得监测设备所获取数据能够被识别。

进一步的：所述人工神经网络处理步骤中还包括结果图像验证步骤，即利用三维图像多项分割的变分水平集算法处理监测设备上传的图片获得覆冰的厚度，验证模型算法优化单元的计算结果。

进一步的：所述人工神经网络处理步骤还包括人工学习推理步骤，即把历次覆冰厚度的计算过程纳入数据库，供后续的计算使用。

本发明的有益效果是：本发明利用气象分析法和图像分析法相结合，建立计算覆冰厚度的模型库，把监测设备监测得到的数据与知识库中的以往历次计算进行对比，决定采用的计算模型以及模型的参数系数，并引进人工智能原理进行学习和推理，使得计算模型不断优化，计算出覆冰厚度也越来越准确。利用本方法计算出来的覆冰厚度与实际覆冰厚度相差很小，大大改善了以往计算方法的计算误差，且模型库的建立使得这种方法在任何地域和地形地貌条件下都可以使用，摆脱了以往一种模型只能在特定区域特定条件下使用的缺陷，具有相当高的推广价值。

附图说明

图1为本发明的计算输电线路覆冰厚度的系统的结构示意图。

图2为数据粗糙处理的原理过程图。

具体实施方式

    实施例1

本实施例提供的一种计算输电线路覆冰厚度的系统，系统结构图如图1所示，包括设置于输电线路处的监测设备，设置于监控室的服务器、和同时设置于输电线路处和监控室的相互配合使用的无线收发装置。

所述监测设备包括气象监测设备、污秽监测设备、拉力监测设备和视频监测设备。

所述无线收发装置，用于将监测设备获取的监测数据上传至后台计算机，也把后台计算机对设备的操作指令下发至设备。采用GPRS无线传输通道，后台设有专门的GPRS数据收发服务，用于获取监测设备传递回来的监测数据，并把对设备的指令下发。

所述服务器包括数据粗糙处理模块和人工神经网络模块，其中：

数据粗糙处理模块，用于对接收到的监测数据进行基于粗糙集的处理，以提取对计算真正有效的数据。数据粗糙处理模块包括信息完备性处理单元：用于利用组合填入法补充缺失的数据；数据离散化处理单元：用于利用等频离散法对数据进行处理，使得数据符合计算的需要；属性约简处理单元：用于利用直接删除法去除冗余的信息；

人工神经网络模块，包括应用模型单元、模型算法优化单元、图像验证单元和人工学习推理单元。

应用模型单元用于利用人工神经网络的原理，建立覆冰厚度计算的模型库，并且针对覆冰种类的不同，确立计算所采用的应用模型；所述应用模型单元包括的模块有雨淞计算的Imail模型、Chaine和Castonquay模型、Goodwin模型、Makkonen模型、简单模型 ；以及雾淞计算的水滴撞击导线模型、气流积分模型。

模型算法优化单元用于利用人工神经网络的原理，对选择的应用模型的各项参数和系数进行调整优化，学习存储在知识库中的计算过程，并计算得出覆冰的厚度值。参数和系数优化的时候，分析搜寻和本次覆冰各种因子（微气象、拉力、污秽、地形地貌）最接近而且计算结果准确的计算过程，利用这些计算过程的各种参数和系数来优化本次计算的模型参数和系数，以达到模型的参数和系数最拟合本次计算的目的。

图像验证单元用于利用三维图像多项分割的变分水平集算法处理监测设备上传的图片获得覆冰的厚度，验证模型算法优化单元的计算结果。验证的依据是视频在线监测设备上传到中心的图像，提取覆冰图像的边缘轮廓，通过比较前后两幅覆冰图像的边缘轮廓，采用微积分的方法计算覆冰的增长面积,通过和导线固有几何尺寸的对比并应用数学方法对导线覆冰冰柱进行处理，最终换算到等效的覆冰厚度。并利用这个厚度值和模型计算出来的厚度值进行对比，以达到验证模型计算结果的目的。

人工学习推理单元，所述人工学习推理单元包括数据库、学习机、推理机、知识库，其中数据库用于存放系统覆冰过程所产生的所有信息，以及所需要的原始数据；知识库用于存储覆冰所需要的领域知识；推理机用于根据知识的语义按一定策略找到知识，进行解释执行，并把结果记录到动态库的空间中；学习机用于负责建立、修改和扩充知识库。

另外，所述系统还包括设置于输电线路处的规约智能接入模块，用于智能接入各种监测设备，使得监测设备所获取数据能够被识别。所述的规约智能接入模块包含多套数据结构，多套数据结构的定义参照MODBUS、CDT、IEC60870-5-103及IEC61850标准规约规定的帧结构和数据格式。所述的规约智能接入模块使用的规约转换器基于IEC61850通信标准，支持如下的传统规约转换：IEC60870-5系列规约、CDT规约、MODBUS规约、DNP规约、RP570规约、问答式规约及循环式规约。

一种计算输电线路覆冰厚度的系统的工作方法包括数据采集步骤，数据传输步骤，数据处理步骤，所述数据处理步骤包括：

规约智能接入步骤，即智能接入各种监测设备，使得监测设备所获取数据能够被识别。

数据粗糙处理步骤，包括信息完备性处理，即利用组合填入法补充缺失的数据；数据离散化处理，即利用等频离散法对数据进行处理，使得数据符合计算的需要；属性约简处理，即利用直接删除法去除冗余的信息。

所述约简处理方法的流程图如图2所示，具体步骤为：

（1）创建初始群体，群体数量G=0；

（2）判断群体是否满足已经设置的阀值，如果没满足阀值，则执行步骤（3），如果满足阀值则结束；

（3）根据群体中个体的数量和质量计算个体的适应度，将不符合条件的个体删除，比较群体数量G和个体数量M，如果群体数量等于个体数量，则结束，如果群体数量不等于个体数量，则执行步骤（4）；

（4）概率的选择遗传操作，并将选择的新个体加入到群体，重复执行步骤（2）。

人工神经网络处理步骤，包括应用模型选择：利用人工神经网络的原理，建立覆冰厚度计算的模型库，并且针对覆冰种类的不同，确立计算所采用的应用模型；模型算法优化处理：利用人工神经网络的原理，对选择的应用模型的各项参数和系数进行调整优化，并计算得出覆冰的厚度值。

图像验证步骤，即利用三维图像多项分割的变分水平集算法处理监测设备上传的图片获得覆冰的厚度，验证模型算法优化单元的计算结果。

人工学习推理步骤，即把历次覆冰厚度的计算过程纳入数据库，供后续的计算使用。

本实施例提供具体的操作方法及数据： 

（1）、规约智能接入模块将各种因子的监测设备自动接入系统，监测设备包括包括气象监测设备、拉力监测设备、污秽监测设备、视频监测设备和地形地貌监测设备等，使得系统能够识别这些监测设备的监测数据，本实施例中提取的监测数据包括风向、风力、温度、湿度、拉力、电流泄漏值、大气硫化物含量等。

（2）、无线收发装置利用GPRS无线通道把监测设备的监测数据传入系统。

（3）、数据粗糙处理模块对数据进行完备性处理、离散化处理和约简处理，得到实际有用的信息，处理的方法主要是粗糙集算法和等频离散法。

（4）、应用模型确立模块根据接收到的有效数据，结合地形地貌，分析覆冰的特征，确认是雨凇还是雾凇，并从模型库中提取适合于本次计算的模型。

（5）、模型算法优化模块根据存储在知识库中的以往计算过程，分析搜寻和本次覆冰各种因子最接近的以往计算过程，得到最适合本次计算的各模型系数，并计算出实际的覆冰厚度。

（6）、利用三维图像多项分割的变分水平集算法处理监测设备上传的图片获得覆冰的厚度，把两者计算的厚度结果进行比对，验证模型算法优化单元的计算结果。

（7）、人工学习推理模块对计算的结果进行学习，抽取值得借鉴的内容存储于知识库中。学习的过程为：把计算出的结果与实际观测的结果进行对比，如果误差在非常小的范围内，说明计算结果是优秀的；如果误差比较大，说明计算结果比较差。系统把计算比较好的过程与计算比较差的过程都存于数据库，供后续计算使用。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (10)

1.一种计算输电线路覆冰厚度的系统，包括设置于输电线路处的监测设备，设置于监控室的服务器、和同时设置于输电线路处和监控室的相互配合使用的无线收发装置，其特征在于，所述服务器包括数据粗糙处理模块和人工神经网络模块，所述数据粗糙处理模块与所述人工神经网络模块之间进行数据通信，其中：

数据粗糙处理模块，包括信息完备性处理单元：用于利用组合填入法补充缺失的数据；

数据离散化处理单元：用于利用等频离散法对数据进行处理，使得数据符合计算的需要；

属性约简处理单元：用于利用直接删除法去除冗余的信息；

人工神经网络模块，包括应用模型单元：用于利用人工神经网络的原理，建立覆冰厚度计算的模型库，并且针对覆冰种类的不同，确立计算所采用的应用模型；

模型算法优化单元：用于利用人工神经网络的原理，对选择的应用模型的各项参数和系数进行调整优化，并计算得出覆冰的厚度值。

2.根据权利要求1所述的一种计算输电线路覆冰厚度的系统，其特征在于，所述监测设备包括气象监测设备、污秽监测设备、拉力监测设备和视频监测设备。

3.根据权利要求1所述的一种计算输电线路覆冰厚度的系统，其特征在于，所述系统还包括设置于输电线路处的规约智能接入模块，用于智能接入各种监测设备，使得监测设备所获取的数据能够被识别。

4.根据权利要求1所述的一种计算输电线路覆冰厚度的系统，其特征在于，所述人工神经网络模块还包括结果图像验证单元，用于利用三维图像多项分割的变分水平集算法处理监测设备上传的图片获得覆冰的厚度，验证模型算法优化单元的计算结果。

5.根据权利要求1所述的一种计算输电线路覆冰厚度的系统，其特征在于，所述人工神经网络模块还包括人工学习推理单元，所述人工学习推理单元包括数据库、学习机、推理机、知识库，其中数据库用于存放系统覆冰过程所产生的所有信息，以及所需要的原始数据；知识库用于存储覆冰所需要的领域知识；推理机用于根据知识的语义按一定策略找到知识，进行解释执行，并把结果记录到动态库的空间中；学习机用于负责建立、修改和扩充知识库。

6.一种计算输电线路覆冰厚度的方法，包括数据采集步骤，数据传输步骤，数据处理步骤，其特征在于，所述数据处理步骤包括：

数据粗糙处理步骤，包括信息完备性处理，即利用组合填入法补充缺失的数据；数据离散化处理，即利用等频离散法对数据进行处理，使得数据符合计算的需要；属性约简处理，即利用直接删除的方法去除冗余的信息；

人工神经网络处理步骤，包括应用模型选择：利用人工神经网络的原理，建立覆冰厚度计算的模型库，并且针对覆冰种类的不同，确立计算所采用的应用模型；模型算法优化处理：利用人工神经网络的原理，对选择的应用模型的各项参数和系数进行调整优化，并计算得出覆冰的厚度值。

7.根据权利要求6所述的一种计算输电线路覆冰厚度的方法，其特征在于，所述数据粗糙处理步骤中约简处理的方法为：

（1）创建初始群体，群体数量G=0；

（2）判断群体是否满足已经设置的阀值，如果没满足阀值，则执行步骤（3），如果满足阀值则结束；

（3）根据群体中个体的数量和质量计算个体的适应度，将不符合条件的个体删除，比较群体数量和个体数量，如果群体数量等于个体数量，则结束，如果群体数量不等于个体数量，则执行步骤（4）；

（4）概率的选择遗传操作，并将选择的新个体加入到群体，重复执行步骤（2）。

8.根据权利要求6所述的一种计算输电线路覆冰厚度的方法，其特征在于，所述数据粗糙处理步骤前还包括规约智能接入步骤，即智能接入各种监测设备，使得监测设备所获取的数据能够被识别。

9.根据权利要求6所述的一种计算输电线路覆冰厚度的方法，其特征在于，所述人工神经网络处理步骤中还包括结果图像验证步骤，即利用三维图像多项分割的变分水平集算法处理监测设备上传的图片获得覆冰的厚度，验证模型算法优化单元的计算结果。

10.根据权利要求6所述的一种计算输电线路覆冰厚度的方法，其特征在于，所述人工神经网络处理步骤还包括人工学习推理步骤，即把历次覆冰厚度的计算过程纳入数据库，供后续的计算使用。

Images