CN105160599A - 基于滤波和支持向量机的电力线路覆冰评估方法 - Google Patents

Abstract

一种基于滤波和支持向量机的电力线路覆冰评估方法，涉及电力系统技术领域，所解决的是评估输电线路的技术问题。该方法先检测输电线路在覆冰评估时间段内的线路拉力、线路倾角、线路环境风速、线路环境大气压强；再对检测到的数据依次进行卡尔曼滤波、中值滤波、均值滤波；再根据滤波数据计算出输电线路在覆冰评估时间段内的环境温度差、覆冰持续时间、等效覆冰厚度；然后再利用SVM对环境温度差、覆冰持续时间、等效覆冰厚度进行最优超平面训练，从而得出输电线路的线路覆冰概率，再根据得出的线路覆冰概率进行判断线路覆冰状态。本发明提供的方法，适用于评估输电线路覆冰状态。

Description

基于滤波和支持向量机的电力线路覆冰评估方法

技术领域

本发明涉及电力系统技术，特别是涉及一种基于滤波和支持向量机的电力线路覆冰评估方法的技术。

背景技术

冰雪灾害严重威胁着电力系统的安全运行，轻则会导致绝缘子串冰闪跳闸、相间闪络跳闸等可恢复供电周期较短的事故，重则会导致杆塔倾斜甚至倒塌、线路金具严重损坏等可恢复供电周期较长的事故。冰雪灾害在给电网安全运行带来危难的同时，也给人民生活带来了不便，给国家经济带来了损失。

目前，国内外已开展关于冰雪气象条件下架空线路受力特性和电网稳定性等方面的研究，

国内外已展开此类研究，比如Brostrom等人根据气象参数信息建立了线路的脆弱模型以及相应的临界荷载曲线；又如Tom等人建立了电力系统覆冰风险评估模型，以架空线路的覆冰参数为输入量，评估了线路断线、杆塔倒塌与电网输电系统风险的情况；又如西安交大、长沙理工大学等中国高校也有在故障预测的基础上识别极度寒冷的冰雪气候条件下电网覆冰闪络以及跳闸的故障状态的方法；又如日本KoichiNara等人建立了高电压架空线路的防覆冰信息融合专家系统，对架空线路状态作出判断。

但是，由于输电线路覆冰受气象因素影响较大，尤其是环境温度和相对湿度对覆冰形成有决定性的影响，因此线路覆冰状态既具有不确定性，又有多因素影响的特点，而目前对于线路覆冰状态的在线监测方法存在着评估准确性低的缺陷。

发明内容

针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种评估准确性高的基于滤波和支持向量机的电力线路覆冰评估方法。

为了解决上述技术问题，本发明所提供的一种基于滤波和支持向量机的电力线路覆冰评估方法，其特征在于，具体步骤如下：

1)设定一个覆冰评估时间段，利用传感器检测输电线路在覆冰评估时间段内的线路拉力K，线路倾角θ，线路环境风速v，线路环境大气压强P；

2)对步骤1所获取的数据进行卡尔曼滤波；

3)对卡尔曼滤波后的数据分组进行中值滤波；

4)对中值滤波后的数据进行均值滤波；

5)根据步骤4的滤波数据，计算出输电线路在覆冰评估时间段内的环境温度差ΔT、覆冰持续时间F、等效覆冰厚度H；

6)利用SVM对环境温度差ΔT、覆冰持续时间F、等效覆冰厚度H进行最优超平面训练，从而得出输电线路的线路覆冰概率，再根据得出的线路覆冰概率进行判断；

如果线路覆冰概率为0，则判定输电线路无覆冰，如果线路覆冰概率为1，则判定输电线路有覆冰。

进一步的，所述步骤6中，SVM采用的最优超平面训练的判断函数是Sgn函数。

本发明提供的基于滤波和支持向量机的电力线路覆冰评估方法，综合考虑等效覆冰厚度、微气象参数、覆冰持续时间等多个因素，采用卡尔曼滤波、中值滤波、均值滤波及SVM融合线路覆冰特征值来判断输出线路是否有覆冰状态，能够准确评估线路的覆冰状态，从而获得对发生事件更加客观而准确的描述与评估，并对未来态势的发展方向做出准确的预测。

附图说明

图1是本发明实施例的基于滤波和支持向量机的电力线路覆冰评估方法中所采用的SVM的原理图；

图2是本发明实施例的基于滤波和支持向量机的电力线路覆冰评估方法中所采用的SVM的最优超平面训练原理图。

具体实施方式

以下结合附图说明对本发明的实施例作进一步详细描述，但本实施例并不用于限制本发明，凡是采用本发明的相似结构及其相似变化，均应列入本发明的保护范围，本发明中的顿号均表示和的关系。

本发明实施例所提供的一种基于滤波和支持向量机的电力线路覆冰评估方法，其特征在于，具体步骤如下：

1)设定一个覆冰评估时间段，利用传感器检测输电线路在覆冰评估时间段内的线路拉力K，线路倾角θ，线路环境风速v，线路环境大气压强P；

2)对步骤1所获取的数据进行卡尔曼滤波(卡尔曼滤波方法为现有技术)；

3)对卡尔曼滤波后的数据分组进行中值滤波(中值滤波方法为现有技术)；

4)对中值滤波后的数据进行均值滤波(均值滤波方法为现有技术)；

5)根据步骤4的滤波数据，计算出输电线路在覆冰评估时间段内的环境温度差ΔT、覆冰持续时间F、等效覆冰厚度H；

环境温度差ΔT是指覆冰评估时间段内的最高温度与最低温度的差值；

6)利用SVM(支持向量机)对环境温度差ΔT、覆冰持续时间F、等效覆冰厚度H进行最优超平面训练，从而得出输电线路的线路覆冰概率，再根据得出的线路覆冰概率进行判断；

如果线路覆冰概率为0，则判定输电线路无覆冰，如果线路覆冰概率为1，则判定输电线路有覆冰；

其中，SVM采用的最优超平面训练的判断函数是Sgn函数；

如图1所示，SVM以环境温度差ΔT、覆冰持续时间F、等效覆冰厚度H为输入信号，经SVM训练后的输出信号为y，当y为0时表示线路无覆冰，当y为1时表示线路有覆冰状态；

图2是本发明实施例的输电线路覆冰状态评估方法中所采用的SVM的训练图，图2中的虚线部分为最优超平面，实线部分为支持向量最大间隔。

Claims (2)

1.一种基于滤波和支持向量机的电力线路覆冰评估方法，其特征在于，具体步骤如下：

1)设定一个覆冰评估时间段，利用传感器检测输电线路在覆冰评估时间段内的线路拉力K，线路倾角θ，线路环境风速v，线路环境大气压强P；

2)对步骤1所获取的数据进行卡尔曼滤波；

3)对卡尔曼滤波后的数据分组进行中值滤波；

4)对中值滤波后的数据进行均值滤波；

5)根据步骤4的滤波数据，计算出输电线路在覆冰评估时间段内的环境温度差ΔT、覆冰持续时间F、等效覆冰厚度H；

6)利用SVM对环境温度差ΔT、覆冰持续时间F、等效覆冰厚度H进行最优超平面训练，从而得出输电线路的线路覆冰概率，再根据得出的线路覆冰概率进行判断；

如果线路覆冰概率为0，则判定输电线路无覆冰，如果线路覆冰概率为1，则判定输电线路有覆冰。

2.根据权利要求1所述的基于滤波和支持向量机的电力线路覆冰评估方法，其特征在于：所述步骤6中，SVM采用的最优超平面训练的判断函数是Sgn函数。