CN108921348A - 一种基于气象预测的输电线路最大载流量概率密度分布评估方法 - Google Patents

一种基于气象预测的输电线路最大载流量概率密度分布评估方法 Download PDF

Info

Publication number
CN108921348A
CN108921348A CN201810710620.2A CN201810710620A CN108921348A CN 108921348 A CN108921348 A CN 108921348A CN 201810710620 A CN201810710620 A CN 201810710620A CN 108921348 A CN108921348 A CN 108921348A
Authority
CN
China
Prior art keywords
transmission line
electricity
carrying capacity
sunshine
probability density
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810710620.2A
Other languages
English (en)
Inventor
江岳文
王怀远
温步瀛
林建新
张斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN201810710620.2A priority Critical patent/CN108921348A/zh
Publication of CN108921348A publication Critical patent/CN108921348A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于气象预测的输电线路最大载流量概率密度分布评估方法，首先获取选定地区输电线路附近的历史气象数据；接着将历时气象数据分成训练样本和测试样本，所述测试样本用来比较预测精度，所述训练样本用来分析数据规律；采用EMD‑PSO‑KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测，得到多个预测的温度、风速、日照强度；最后将多个预测的温度、风速、日照强度代入到热平衡方程，得到一系列的输电线路最大载流量数据，并计算出输电线路载流量的概率密度，拟合概率密度分布曲线。本发明通过对输电线路周围的历史气象数据的分析和预测，结合热平衡方程建立输电线路载流量概率密度分布，为评估线路动态载流能力提供参考。

Description

一种基于气象预测的输电线路最大载流量概率密度分布评估 方法
技术领域
本发明涉及输电线路输送载流领域，特别是一种基于气象预测的输电线路最大载流量概率密度分布评估方法。
背景技术
当电力工业蓬勃发展时，人们对电力需求的增长速度远高于输电基础设施发展的速度，当前的许多输电线路已经从稳定限制转变为热限制。传统上，输电线路的传输容量定义是根据设计要求，即在严酷环境条件下计算出来的最大恒定载流量，以满足电网的安全可靠运行，但未能充分挖掘输电线路的输电潜力。
导线处于最高允许温度工作状态下，若其电流能使线路吸热与散热达到平衡，此时的电流值即为最大允许载流量。最大允许载流量主要受气象因素和线路本身因素影响。气象因素主要包括了环境温度、风速和日照强度等，上述因素对热平衡方程有重要影响，从而对导线的载流量产生直接的影响，因此，在对输电线路的载流量进行计算时，不同的国家都采用一定的气候边界条件来评估最大允许载流量。在中国对输电线路的载流量进行验算时，主要的参考规范是《110～500kV架空送电线路设计技术规范》，对于材质为钢芯铝合金与钢芯铝绞的导线，它们的最高允许温度值规定为70℃；对于环境温度的取值，一般是选取在全年温度最高的月份中的最高平均气温值；0.5m/s是风速取值；日照强度取值为1000W/m2。这个条件过于苛刻，实际气象条件可能并不如上述严峻，从而使得导线最大载流量过于保守，不利于电力系统的经济运行，不利于合理评估导线的动态载流能力。
发明内容
有鉴于此，本发明的目的是提出一种基于气象预测的输电线路最大载流量概率密度分布评估方法，通过对输电线路周围的历史气象数据的分析和预测，结合热平衡方程建立输电线路载流量概率密度分布，为评估线路动态载流能力提供参考，有利于合理评估导线的动态载流能力。
本发明采用以下方案实现：一种基于气象预测的输电线路最大载流量概率密度分布评估方法，具体包括以下步骤：
步骤S1：获取选定地区输电线路附近的历史气象数据；所述历史气象数据包括环境温度、风速和日照强度；
步骤S2：将历时气象数据分成训练样本和测试样本，所述测试样本用来比较预测精度，所述训练样本用来分析数据规律；采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测，得到多个预测的温度、风速、日照强度；
步骤S3：将多个预测的温度、风速、日照强度代入到热平衡方程，得到一系列的输电线路最大载流量数据，并计算出输电线路载流量的概率密度，拟合概率密度分布曲线。
进一步地，步骤S2中，采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测具体包括以下步骤：
步骤S21：将训练样本经过经验模态分解方法EMD(Empirical ModeDecomposition)分解成5个固有模态函数IMF(Intrinsic Mode Function)分量的叠加，其中，IMF1-IMF5分量的频率依次递减；
步骤S22：用核极限学习机KELM(Kernel Extreme Learning Machine)分别对步骤S21得到的各个分量进行预测与重构；
步骤S23：采用粒子群优化算法PSO(Particle Swarm Optimization)优化核极限学习机KELM中的惩罚因子和核参数，并将惩罚因子和核参数作为粒子群的优化变量，以核极限学习机KELM输出的误差最小的预测均方根作为粒子群的适应度；
步骤S24：交替重复步骤S22和步骤S23，输出多个环境温度、日照、风速的预测结果，并输出最优参数；其中，最优参数为惩罚因子与核参数。
较佳的，计算最大载流量的公式有很多，目前常用的有IEEE2006-738标准、《110kV-750kV架空输电线路设计规范》、摩尔根公式。其基本原理都来自热平衡方程，即当导线处于热平衡状态时，其吸热功率与放热功率相等，由此，所述热平衡方程为：
I2R(TC)+WS＝WR+WF；
式中，WS为日照吸热功率；WR为辐射散热功率；WF为对流散热功率；TC为导线温度；R(TC)为温度时导线交流电阻；I为导线载流量。
其中，辐射散热公式WR为：
式中，D为导线直径；ε为导线辐射散热系数，取值区间为[0.9,0.95]；θa、θp分别为导线环境温度和最大允许温度。
其中，对流散热功率WF为：
式中，vw为风速；ρ为空气密度；μ为空气动态粘度；kf为空气热传导率；ka为风向因子。
其中，日照吸热功率WS为：
WS＝αJD；
式中，α为导线表面吸热系数，光亮新线取0.35-0.46，旧线或涂黑色防腐剂线取0.9-0.92；J为日光对导线的日照强度。
其中，交流电阻值为：
式中，R(Thigh)是温度为Thigh时的导线交流电阻；R(Tlow)是温度为Tlow时的导线交流电阻。由经验值可得，当选取Thigh为75℃，Tlow为25℃温度下导线的电阻值与实际的电阻值之间的误差是可以忽略的。
与现有技术相比，本发明有以下有益效果：本发明基于优化组合核极限学习机对输电线路的历史气象数据进行学习并预测，并结合温度、风速、日照预测数据与热平衡方程，对输电线路载流量进行概率分析，有利于合理评估输电线路的动态载流能力。
附图说明
图1为本发明实施例的EMD-PSO-KELM温度预测结果示意图。
图2为本发明实施例的最大载流量概率密度分布示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供了一种基于气象预测的输电线路最大载流量概率密度分布评估方法，具体包括以下步骤：
步骤S1：获取选定地区输电线路附近的历史气象数据；所述历史气象数据包括环境温度、风速和日照强度；
步骤S2：将历时气象数据分成训练样本和测试样本，所述测试样本用来比较预测精度，所述训练样本用来分析数据规律；采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测，得到多个预测的温度、风速、日照强度；其中，以温度为例，图1为EMD-PSO-KELM温度预测结果示意图。
步骤S3：将多个预测的温度、风速、日照强度代入到热平衡方程，得到一系列的输电线路最大载流量数据，并计算出输电线路载流量的概率密度，拟合概率密度分布曲线，如图2所示。
在本实施例中，步骤S2中，采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测具体包括以下步骤：
步骤S21：将训练样本经过经验模态分解方法EMD(Empirical ModeDecomposition)分解成5个固有模态函数IMF(Intrinsic Mode Function)分量的叠加，其中，IMF1-IMF5分量的频率依次递减；
步骤S22：用核极限学习机KELM(Kernel Extreme Learning Machine)分别对步骤S21得到的各个分量进行预测与重构；
步骤S23：采用粒子群优化算法PSO(Particle Swarm Optimization)优化核极限学习机KELM中的惩罚因子和核参数，并将惩罚因子和核参数作为粒子群的优化变量，以核极限学习机KELM输出的误差最小的预测均方根作为粒子群的适应度；
步骤S24：交替重复步骤S22和步骤S23，输出多个环境温度、日照、风速的预测结果，并输出最优参数；其中，最优参数为惩罚因子与核参数。
较佳的，在本实施例中，计算最大载流量的公式有很多，目前常用的有IEEE 2006-738标准、《110kV-750kV架空输电线路设计规范》、摩尔根公式。其基本原理都来自热平衡方程，即当导线处于热平衡状态时，其吸热功率与放热功率相等，由此，所述热平衡方程为：
I2R(TC)+WS＝WR+WF；
式中，WS为日照吸热功率；WR为辐射散热功率；WF为对流散热功率；TC为导线温度；R(TC)为温度时导线交流电阻；I为导线载流量。
其中，辐射散热公式WR为：
式中，D为导线直径；ε为导线辐射散热系数，取值区间为[0.9,0.95]；θa、θp分别为导线环境温度和最大允许温度。
其中，对流散热功率WF为：
式中，vw为风速；ρ为空气密度；μ为空气动态粘度；kf为空气热传导率；ka为风向因子。
其中，日照吸热功率WS为：
WS＝αJD；
式中，α为导线表面吸热系数，光亮新线取0.35-0.46，旧线或涂黑色防腐剂线取0.9-0.92；J为日光对导线的日照强度。
其中，交流电阻值为：
式中，R(Thigh)是温度为Thigh时的导线交流电阻；R(Tlow)是温度为Tlow时的导线交流电阻。由经验值可得，当选取Thigh为75℃，Tlow为25℃温度下导线的电阻值与实际的电阻值之间的误差是可以忽略的。
较佳的，本实施例对福州地区输电线路附近的2017年9月到12月4个月的温度、风速以及日照强度进行预测和比较，得到以下结果：
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (2)

1.一种基于气象预测的输电线路最大载流量概率密度分布评估方法，其特征在于：包括以下步骤：
步骤S1：获取选定地区输电线路附近的历史气象数据；所述历史气象数据包括环境温度、风速和日照强度；
步骤S2：将历时气象数据分成训练样本和测试样本，所述测试样本用来比较预测精度，所述训练样本用来分析数据规律；采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测，得到多个预测的温度、风速、日照强度；
步骤S3：将多个预测的温度、风速、日照强度代入到热平衡方程，得到一系列的输电线路最大载流量数据，并计算出输电线路载流量的概率密度，拟合概率密度分布曲线。
2.根据权利要求1所述的一种基于气象预测的输电线路最大载流量概率密度分布评估方法，其特征在于：步骤S2中，采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测具体包括以下步骤：
步骤S21：将训练样本经过经验模态分解方法EMD分解成5个固有模态函数IMF分量的叠加，其中，IMF1-IMF5分量的频率依次递减；
步骤S22：用核极限学习机KELM分别对步骤S21得到的各个分量进行预测与重构；
步骤S23：采用粒子群优化算法PSO优化核极限学习机KELM中的惩罚因子和核参数，并将惩罚因子和核参数作为粒子群的优化变量，以核极限学习机KELM输出的误差最小的预测均方根作为粒子群的适应度；
步骤S24：交替重复步骤S22和步骤S23，输出多个环境温度、日照、风速的预测结果，并输出最优参数；其中，最优参数为惩罚因子与核参数。
CN201810710620.2A 2018-07-03 2018-07-03 一种基于气象预测的输电线路最大载流量概率密度分布评估方法 Pending CN108921348A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810710620.2A CN108921348A (zh) 2018-07-03 2018-07-03 一种基于气象预测的输电线路最大载流量概率密度分布评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810710620.2A CN108921348A (zh) 2018-07-03 2018-07-03 一种基于气象预测的输电线路最大载流量概率密度分布评估方法

Publications (1)

Publication Number Publication Date
CN108921348A true CN108921348A (zh) 2018-11-30

Family

ID=64423757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810710620.2A Pending CN108921348A (zh) 2018-07-03 2018-07-03 一种基于气象预测的输电线路最大载流量概率密度分布评估方法

Country Status (1)

Country Link
CN (1) CN108921348A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110321601A (zh) * 2019-06-14 2019-10-11 山东大学 一种架空线路动态载流能力超前预测方法及系统
CN112132325A (zh) * 2020-08-27 2020-12-25 国电南瑞科技股份有限公司 考虑天气置信度的输电线路载流量限额评估方法及装置
CN113239946A (zh) * 2021-02-02 2021-08-10 广东工业大学 一种输电线路载流量的校核方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104008432A (zh) * 2014-06-03 2014-08-27 华北电力大学 基于emd-kelm-ekf的微网短期负荷预测方法
CN105354363A (zh) * 2015-10-09 2016-02-24 上海大学 基于核极限学习机的脉动风速预测方法
CN106600460A (zh) * 2016-12-13 2017-04-26 国网福建省电力有限公司 一种基于环境变化概率模型的输电线路动态增容方法
CN108110795A (zh) * 2018-01-08 2018-06-01 福州大学 风电场群外送输电容量及储能配置联合优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104008432A (zh) * 2014-06-03 2014-08-27 华北电力大学 基于emd-kelm-ekf的微网短期负荷预测方法
CN105354363A (zh) * 2015-10-09 2016-02-24 上海大学 基于核极限学习机的脉动风速预测方法
CN106600460A (zh) * 2016-12-13 2017-04-26 国网福建省电力有限公司 一种基于环境变化概率模型的输电线路动态增容方法
CN108110795A (zh) * 2018-01-08 2018-06-01 福州大学 风电场群外送输电容量及储能配置联合优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘悦等: "基于优化组合核极限学习机的网络流量预测", 《计算机技术与发展》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110321601A (zh) * 2019-06-14 2019-10-11 山东大学 一种架空线路动态载流能力超前预测方法及系统
CN112132325A (zh) * 2020-08-27 2020-12-25 国电南瑞科技股份有限公司 考虑天气置信度的输电线路载流量限额评估方法及装置
CN112132325B (zh) * 2020-08-27 2022-11-04 国电南瑞科技股份有限公司 考虑天气置信度的输电线路载流量限额评估方法及装置
CN113239946A (zh) * 2021-02-02 2021-08-10 广东工业大学 一种输电线路载流量的校核方法
CN113239946B (zh) * 2021-02-02 2023-10-27 广东工业大学 一种输电线路载流量的校核方法

Similar Documents

Publication Publication Date Title
CN101266274B (zh) 架空输电线路动态载流量的监测方法及其装置
Davis A new thermal rating approach: The real time thermal rating system for strategic overhead conductor transmission lines--Part I: General description and justification of the real time thermal rating system
Engelhardt et al. Design, installation, and field experience with an overhead transmission dynamic line rating system
Heckenbergerova et al. Assessment of seasonal static thermal ratings of overhead transmission conductors
CN108921348A (zh) 一种基于气象预测的输电线路最大载流量概率密度分布评估方法
CN102982393B (zh) 一种输电线路动态容量的在线预测方法
CN102768029A (zh) 通过弧垂监测进行工业控制的方法及其装置
CN110321601A (zh) 一种架空线路动态载流能力超前预测方法及系统
CN103234659A (zh) 一种架空线路在线测温方法
CN108955609A (zh) 架空电缆弧垂计算方法及装置
Beryozkina et al. Climate conditions impact on the permissible load current of the transmission line
CN105676015B (zh) 一种输电线路载流量计算方法
Zhong et al. Ageing analysis of solar farm inverter transformers
Van Staden et al. The practical comparison of conductor operating temperatures against IEEE and CIGRE ampacity calculations
Liu et al. The field experience of a dynamic rating system on overhead power transmission lines
CN111666690B (zh) 输电线路导线的弧垂分析方法、装置、设备和介质
CN117674137A (zh) 一种基于弧垂与电流反演模型的输电线路动态增容方法
Maksić et al. Dynamic thermal rating of power lines in raining conditions-model and measurements
CN108828414B (zh) 一种配电网架空绝缘导线动态载流能力评估方法及系统
Šnajdr et al. Application of a line ampacity model and its use in transmission lines operations
CN115622247A (zh) 一种架空配电线路动态增容系统
CN106408210B (zh) 基于输电线路动态增容的等效风速测量方法及其测量装置
CN113295961A (zh) 一种架空输电线路线夹发热预警和动态增容边缘计算方法
Gonzalez et al. Operational aspects of dynamic line rating. Application to a real case of grid integration of wind farms
Su et al. Dynamic rating method of traction network based on wind speed prediction

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181130

RJ01 Rejection of invention patent application after publication