CN110428108A - 绝缘子积污预测方法、系统、电子装置及存储介质 - Google Patents

绝缘子积污预测方法、系统、电子装置及存储介质 Download PDF

Info

Publication number
CN110428108A
CN110428108A CN201910727560.XA CN201910727560A CN110428108A CN 110428108 A CN110428108 A CN 110428108A CN 201910727560 A CN201910727560 A CN 201910727560A CN 110428108 A CN110428108 A CN 110428108A
Authority
CN
China
Prior art keywords
insulator
contamination
time quantum
filthy
amount
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
CN201910727560.XA
Other languages
English (en)
Inventor
梅红伟
杨佳欣
王黎明
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.)
Shenzhen Graduate School Tsinghua University
Original Assignee
Shenzhen Graduate School Tsinghua 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 Shenzhen Graduate School Tsinghua University filed Critical Shenzhen Graduate School Tsinghua University
Priority to CN201910727560.XA priority Critical patent/CN110428108A/zh
Publication of CN110428108A publication Critical patent/CN110428108A/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
    • G06Q10/20—Administration of product repair or maintenance
    • 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

Landscapes

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

Abstract

本发明提供一种绝缘子积污预测方法，包括：获取被监测绝缘子的结构参数以及预设时间长度内所述绝缘子所处环境的环境参数；将所述预设时间长度离散为多个时间单元，根据所述获取到的绝缘子结构参数以及每个时间单元对应的环境参数计算每个时间单元内绝缘子表面整体积污量；根据所述每个时间单元内绝缘子表面整体积污量，计算在所述预设时间长度内绝缘子表面的积污总量。本发明还提供一种绝缘子积污预测系统、电子装置及存储介质。本发明基于时间历程进行绝缘子积污预测，灵活性强、预测结果更贴近实际情况。

Description

绝缘子积污预测方法、系统、电子装置及存储介质
技术领域
本发明涉及电力输送技术领域，具体涉及一种基于时间历程算法的绝缘子积污预测方法、绝缘子积污预测系统、电子装置及计算机可读存储介质。
背景技术
外绝缘污秽问题是影响高压直流输电工程建设和运维的重要技术问题。直流设备表面的积污可能引起设备表面污闪放电乃至闪络，严重影响直流系统运行的可靠性和电网运行的安全性。直流设备的积污水平直接影响设备外绝缘参数的选择，对直流高压设备制造和价格均产生重要的影响。现有国内外的电力研究机构和高等院校针对高压直流设外绝缘开展了大量的研究工作，但是由于直流工程数量和运行条件的限制，对高压直流设备在不同环境条件下积污特性的详细研究还比较少，未能实现对绝缘子积污进行预测计算。目前，国内外主要通过自然污秽试和人工污秽试验研究绝缘子积污特性。然而，自然污秽试验试验周期长、结果分散性大，难以为绝缘子积污预测提供大量有效数据；人工污秽试验成本高、控制变量难度大，同样难以获得大量有效数据。因此，需要一种新的手段对绝缘子积污进行预测，以为各类直流工程的建设和运维提供全面的参考。
发明内容
鉴于以上问题，本发明提出一种绝缘子积污预测方法、系统、电子装置及计算机可读存储介质，提供了不同环境下的绝缘子积污预测方法，提高了绝缘子积污预测的准确率，辅助电力传输系统提供有效的污秽解决方案。
本申请的第一方面提供一种绝缘子积污预测方法，所述方法包括：
获取被监测绝缘子的结构参数以及预设时间长度内所述绝缘子所处环境的环境参数，其中，所述环境参数包括但所述绝缘子所处输变电设备的直流电压等级值、所述绝缘子所处环境中污染物浓度值、风速、降雨量，所述绝缘子的结构参数包括绝缘子的型号参数；
将所述预设时间长度离散为多个时间单元，根据所述获取到的绝缘子结构参数以及每个时间单元对应的环境参数计算每个时间单元内绝缘子表面整体积污量；
根据所述每个时间单元内绝缘子表面整体积污量，计算在所述预设时间长度内绝缘子表面的积污总量。
进一步，所述“将所述预设时间长度离散为多个时间单元，根据所述获取到的绝缘子结构参数以及每个时间单元对应的环境参数计算每个时间单元内绝缘子表面整体积污量”的方法为：
将预设时间长度划分为1、2…i…n共n个时间单元，第i个时间单元的截止时间点称为第i时刻；
i时刻绝缘子表面的积污量通过如下计算公式得到：
ψi＝Δψi+ψi-1，
其中ψi为i时刻绝缘子表面的积污量，ψi-1为i-1时刻对应的积污量，Δψi为第i个时间单元内的积污增量。
进一步，所述第i个时间单元内的积污增量Δψi通过第i个时间单元内的污秽沉积量减去污秽流失量得到，所述第i个时间单元内的积污增量的计算公式为：
其中为第i个时间单元内的污秽沉积量，对应污秽的动态沉积过程；ηi为第i个时段内的降水引起的污秽流失率。
进一步，所述绝缘子表面整体积污量等于绝缘子各表面的污秽积累量之和。
可选地，所述绝缘子上表面的污秽沉积量通过如下公式计算得出：
所述绝缘子下表面的污秽沉积量通过如下公式计算得出：
其中，vi为第i个时间单元内的平均风速，单位为m/s；ci为第i个时间单元内的污染物浓度值，单位为μg/m3；为单位间内的污秽沉积量，单位为kg/s，Kd、Ke分别对应绝缘子形状型号、直流电压等级的折算系数。
可选地，所述绝缘子上表面的污秽沉积量通过如下公式计算得出：
所述绝缘子下表面的污秽沉积量通过如下公式计算得出：
其中，vi为第i个时间单元内的平均风速，单位为m/s；ci为第i个时间单元内的污染物浓度值，单位为μg/m3；为单位间内的污秽沉积量，单位为kg/s，Kd、Ke分别对应绝缘子形状型号、直流电压等级的折算系数，Ka、Ks分别对应伞裙倾角以及伞间距对积污量的折算系数。
进一步，污秽流失率通过如下方式计算得出：
对于双伞型绝缘子，当降雨量为x毫米时，绝缘子上表面盐分流失率η1S、下表面盐分流失率η1X、上表面不溶物流失率η2S、下表面不溶物流失率η2X分别为：h1S＝0.8577(1-e-0.0718x)、h1X＝0.8436(1-e-0.0147x)、h2S＝0.8841(1-e-0.0603x)、h2X＝0.8819(1-e-0.0140x)；
对钟罩型绝缘子，上表面盐分流失率η1S、下表面盐分流失率η1X、上表面不溶物流失率η2S、下表面不溶物流失率η2X分别为：h1S＝0.7724(1-e-0.0505x)、h1X＝0.0010956x、h2S＝0.7848(1-e-0.0520x)、h2X＝0.001236x。
本申请的第二方面提供一种绝缘子积污预测系统，所述系统包括：
数据采集模块，用于获取被监测绝缘子的结构参数以及预设时间长度内所述绝缘子所处环境的环境参数，其中，所述环境参数包括但所述绝缘子所处输变电设备的直流电压等级值、所述绝缘子所处环境中污染物浓度值、风速、降雨量，所述绝缘子的结构参数包括绝缘子的型号参数；
计算模块，用于将所述预设时间长度离散为多个时间单元，根据所述获取到的绝缘子结构参数以及每个时间单元对应的环境参数计算每个时间单元内绝缘子表面整体积污量；
所述计算模块还根据所述每个时间单元内绝缘子表面整体积污量，计算在所述预设时间长度内绝缘子表面的积污总量。
本发明第三方面提供一种电子装置，所述电子装置包括：处理器；以及存储器，所述存储器中存储有多个程序模块，所述多个程序模块由所述处理器加载并执行如前所述的绝缘子积污预测方法。
本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的绝缘子积污预测方法。
本发明中绝缘子积污预测方法、系统计算机装置及计算机可读存储介质，基于高压输电设备的积污特性，根据现场直流污秽测量结果，结合计算机模拟分析直流设备污秽的分布规律，综合考虑直流电压极性、场强、绝缘设备等效直径、伞裙形状、风速以及降水等因素对绝缘子积污的影响；对积污影响因素进行定义和动态计算分析其对积污的影响，通过信息化的手段来对绝缘子污秽进行预测分析，提高污秽预测准确率，从而能够为绝缘子防污运维工作提供有效合理的解决方案。
附图说明
图1是本发明一实施方式提供的绝缘子积污预测方法流程图。
图2是本发明一实施方式提供的绝缘子积污预测系统示意图。
图3是本发明一实施方式提供的电子装置架构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
请参阅图1，为本发明一个实施方式提供的基于绝缘子积污预测方法流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本发明实施例相关的部分。
如图1所示，所述绝缘子积污预测方法包括以下步骤。
步骤S1、获取被监测绝缘子的结构参数以及预设时间长度内所述绝缘子所处环境的环境参数。其中，所述环境参数包括但不限于所述绝缘子所处输变电设备的直流电压等级值、所述绝缘子所处环境中污染物浓度值、风速、降雨量等。所述绝缘子的结构参数包括但不限于绝缘子的型号参数，每种型号参数中包括了所述型号绝缘子的伞形、支柱平均直径、伞裙倾角、伞间距等结构参数。
在本发明一个实施方式中，所述环境参数可以是通过设置于绝缘子所处环境中的传感器实时获取的，例如，通过安装于被监测绝缘子所处环境中的污染物浓度传感器实时获取污染物浓度值、通过风速传感器实时获取风速值、通过雨量传感器实时获取降雨量、通过电压感测器实时获取电压等级等。
所述绝缘子的结构参数可以是用户通过电子装置的输入装置人工输入的，还可以是通过扫描仪等信息采集装置采集绝缘子上的信息获取的。例如，在一种实施方式中，每个绝缘子在出厂时都配置有二维码信息，所述二维码信息中包括了绝缘子的型号、伞形、伞裙倾角、伞间距等各种结构参数。当通过具有二维码扫描功能的终端装置(例如用户的智能手机)扫描所述绝缘子上的二维码信息时，即可获得所述绝缘子的结构参数。
在本发明另一个实施方式中，所述环境参数和绝缘子是从预设存储位置获取的预设时间段内的历史数据，例如，所述环境参数可以是从本地数据库中获取的历史数据，也可以是从云服务器中获取的，还可以是从气象局数据库等网络资源中获取的。
在本发明又一实时方式中，所述环境参数和绝缘子结构参数也可以是通过电子装置的接收装置接收的用户输入的数值。例如，用户可以通过触摸输入装置、鼠标和/或键盘等输入装置直接导入存储有绝缘子所处环境的环境参数以及绝缘子结构参数的文件(例如excel表格文件、word文件、txt格式的文本文件、或pdf格式的文件等)，还可以通过鼠标、键盘、触摸输入装置和/或语音识别装置等输入装置直接输入的数值。
因为绝缘子上污秽的累积是一个长时间的动态过程，因此，在本发明实施方式中，所述预设时间长度可以是一个较长的时间段，可以根据需要进行设置，例如半年、一年等。
在本发明实施方式中，支持多通道的数据输入，可以结合通过传感器现场实时采集、从气象局数据库等数据库导入、人工输入等多种方式进行绝缘子结构和环境参数的获取。相较于现有技术中单一采集历史数据的方式，数据采集方式更灵活、准确，有利于提升计算结果的准确性。
步骤S2、将所述预设时间长度离散为多个时间单元，根据所述获取到的绝缘子结构参数以及每个时间单元对应的环境参数计算每个时间单元内绝缘子表面整体积污量。
本实施方式中，将预设时间长度划分为1、2…i…n共n个时间单元为例进行说明。第1个时间单元的截止时间点称为第1时刻，第2个时间单元的截止时间点称为第2时刻，第i个时间单元的截止时间点称为第i时刻。
在本实施方式中，当前i时刻绝缘子表面的积污量等于前一时刻(i-1时刻)的积污量加上第i个时间单元内的积污增量，即，i时刻绝缘子表面的积污量的计算公式为：
ψi＝Δψi+ψi-1，
其中ψi为i时刻绝缘子表面的积污量，ψi-1为i-1时刻(即i时刻的前一时刻)对应的积污量，Δψi为第i个时间单元内的积污增量。
污秽的沉积是一个动态的过程，一个时间单元内增加的污秽量由该时间单元内沉积的污秽量和因雨水冲刷等因素导致的污秽流失量共同决定的。
在本实施方式中，所述第i个时间单元内的积污增量Δψi是通过第i个时间单元内的污秽沉积量减去污秽流失量得到的。即，所述第i个时间单元内的积污增量的计算公式为：
其中为第i个时间单元内的污秽沉积量，对应污秽的动态沉积过程；ηi为第i个时段内的降水引起的污流失率，上述公式第二项对应污秽的动态清洁过程。
一般来说，在重力影响下污秽颗粒的沉积方向是自上而下的，因此绝缘子的各个表面的污秽沉积情况会有所不同，而降水对绝缘子各个表面的冲刷情况也有所不同，因此，本实施方式中，首先针对绝缘子各表面的污秽积累情况分别计算，再将各个表面的污秽积累情况进行加总得到绝缘子表面的整体积污总量。下面分别详述污秽沉积量和污秽流失率ηi的计算方法。
对于绝缘子表面污秽沉积量分为上表面污秽沉积量和下表面污秽沉积量。
在本发明第一实施方式中，所述上表面的污秽沉积量通过如下公式计算得出：
在所述第一实施方式中，所述绝缘子下表面的污秽沉积量通过如下公式计算得出：
其中，vi为第i个时间单元内的平均风速，单位为m/s；ci为第i个时间单元内的污染物浓度值，单位为μg/m3；为单位间内的污秽沉积量，单位为kg/s，Kd、Ke分别对应绝缘子形状型号、直流电压等级的折算系数。所述折算系数Kd、Ke的确定方法在下面进行详述。
本实施方式中，Kd为绝缘子平均直径修正系数，是不同平均直径下绝缘子等值盐密与参考平均直径对应等值盐密的比值。针对不同伞形的绝缘子，由于绝缘子自身的几何参数会影响其周围的流场分布。由CIGRE C4.303Outdoor Insulation in PollutedConditions:Guidelines for Selection and Dimensioning Part 2:The DC Case可知，平均直径修正系数Kd的表示式为：Kd＝(D/D0)-0.32，其中，D0为参考平均直径；D为绝缘子支柱平均直径，单位mm。
本实施方式中，Ke为直流电压等级的折算系数。对绝缘子施加不同运行电压时其周围平均电场强度值不同，而绝缘子在带电时表面积污量与绝缘子不带电时的积污量不同。例如，对绝缘子施加不同电压使得其周围平均电场强度分别为0.4kV/cm、0.8kV/cm、1.2kV/cm以及1.6kV/cm时，绝缘子表面积污量与不带电时表面积污量的比值分别为1.0、1.2、1.9和1.2。因此，在本实施方式中，根据所述步骤S1中获取到的直流电压等级后，利用预设的直流电压等级与折算系数Ke的对应关系确定所述获取到的直流电压等级对应的折算系数Ke。
本发明一个实施方式中，可以利用插值法确定所述折算系数Ke利用MATLAB插值函数拟合平均电场强度与折算系数Ke的函数关系。在获取到所述直流电压等级后，首先计算绝缘子周围的平均场强，再代入所述函数关系中确定相应的折算系数Ke。
在本发明第二实施方式中，在计算绝缘子表面污秽沉积量的时候，除了考虑风速、污染物浓度值、绝缘子直径、直流电压等级等因素之外，绝缘子的伞裙倾角、伞间距也会对污秽积累量产生影响。例如，对于复合绝缘子，伞裙上倾角为8°～9°，下倾角为0°时积污较小。另外，随着伞间距的增大积污量有减小趋势。对于不同伞形的绝缘子，其表面积污量的实测值与预测值之间会存在一定程度的偏差。
因此，在本发明第二实施方式中，所述绝缘子上表面的污秽沉积量通过如下公式计算得出：
所述绝缘子下表面的污秽沉积量通过如下公式计算得出：
其中，vi为第i个时间单元内的平均风速，单位为m/s；ci为第i个时间单元内的污染物浓度值，单位为μg/m3；为单位间内的污秽沉积量，单位为kg/s，Kd、Ke分别对应绝缘子形状型号、直流电压等级的折算系数，计算方法如前所述。所述折算系数Ka、Ks分别对应伞裙倾角以及伞间距对积污量的影响。本实施方式中，利用预设的伞裙倾角与折算系数Ka的对应关系确定所述步骤S1中获取到的绝缘子伞裙倾角对应的折算系数Ka。同理，利用预设的伞间距与折算系数Ks的对应关系确定所述步骤S1中获取到的绝缘子伞间距对应的折算系数Ks。
下面说明在降雨的冲洗下污秽流失率ηi的计算方法。不同伞形的绝缘子在降雨的冲洗下污秽的流失率有显著差异。例如，开放伞型绝缘子和带下棱伞型绝缘子的降雨清洗特性有显著的不同。另一方面，可溶污秽和不溶污秽的在降雨清洗下污秽的流失率也具有差异，因此，在本实施方式中，以双伞型绝缘子和钟罩型绝缘子的自然降雨清洗结果为例说明开放伞型绝缘子和钟罩型型绝缘子污秽流失率的计算方法，同时也针对污秽是否可溶分别进行说明。
在本实施方式中，将污秽流失率分为盐分流失率η1和不溶物流失率η2。对于双伞型绝缘子，当降雨量为x毫米时，绝缘子上表面盐分流失率η1S、下表面盐分流失率η1X、上表面不溶物流失率η2S、下表面不溶物流失率η2X分别为：h1S＝0.8577(1-e-0.0718x)、h1X＝0.8436(1-e-0.0147x)、h2S＝0.8841(1-e-0.0603x)、h2X＝0.8819(1-e-0.0140x)。对钟罩型绝缘子，上表面盐分流失率η1S、下表面盐分流失率η1X、上表面不溶物流失率η2S、下表面不溶物流失率η2X分别为：h1S＝0.7724(1-e-0.0505x)、h1X＝0.0010956x、h2S＝0.7848(1-e-0.0520x)、h2X＝0.001236x。
本实施方式中，计算第i个时间单元中绝缘子各表面的积污增量时，先分别利用上述公司计算各个细分表面的污秽沉积量再代入降雨量计算对应表面的污秽流失率ηi，将前述结果代入计算公式得到各表面的积污增量，最后做加和计算即可得到绝缘子整体的积污增量值。
步骤S3、根据所述每个时间单元内绝缘子表面整体积污量，计算在所述预设时间长度内绝缘子表面的积污总量。
具体地，将n各时间单元计算出的绝缘子表面整体积污量进行加总，得到所述预设时间长度内的绝缘子表面积污总量。在一个实施方式中，当所述获取的环境参数和绝缘子结构参数是实时获取的，则根据实时获取的参数实时计算每个时间单元内绝缘子的积污量，并将每个时间单元内的绝缘子积污量进行存储，进而计算预设时间段内的绝缘子积污总量。
另一个实施方式中，当所述获取的环境参数和绝缘子结构参数是导入的历史数据时，则根据所述导入的历史数据离线计算绝缘子的积污总量。
本发明提供的绝缘子积污量计算方法基于时间历程，将长时间的动态积污过程离散成多个短时间积污过程，分别计算每个时间单元内新产生的污秽积聚量，再结合该时间单元内的降雨情况确定污秽流失率，计算得到经历新的时间单元后的积污量数据。与现有技术中固定参数条件的计算方法相比，基于时间历程的绝缘子积污预测算法更好地体现了积污过程的“动态性”，并能够对绝缘设备运行条件的变化及时作出反应，得到更加准确的预测结果。
本发明中的绝缘子积污预测方法综合考虑了包括污秽颗粒浓度、风速、直流电压等级以及绝缘子自身结构参数在内的各种对绝缘子表面积污量产生影响的因素。相比于单变量的绝缘子表面积污计算方法，本发明的计算方法更好地体现不同类型绝缘子在不同运行环境下积污的差异性。在实际应用中，尤其对于极端气候条件下的绝缘子积污预测计算，本发明的预测结果与实际情况更加接近，具有更高的参考价值。
进一步地，在本发明一些实施方式中，所述方法还可以包括如下步骤：
实时测量所述绝缘子的实际积污量，并根据所述实际积污量对如前所述的计算公式进行校正。
具体地，对所述计算公式进行校正的方法可以包括：选取预设步长对现有的计算公式进行离散化处理，然后将现场实测得到实际积污量插入预测数据矩阵，替换对应时间点的积污量预测数据，调用MATLAB的lsqcurvefit函数对替换后的离散点重新拟合得到与实际积污增长趋势更相符的计算公式，用于后续的预测计算。通过对计算公式的不断校正和完善，逐步提高预测的准确性。
图2为本发明一实施方式提供的绝缘子积污预测系统的结构图。
在一些实施方式中，所述绝缘子积污预测系统200可以包括多个由程序代码段所组成的功能模块。所述绝缘子积污预测系统200中的各个程序段的程序代码可以存储于计算机装置的存储器中，并由计算机装置中的至少一个处理器所执行，以实现绝缘子积污预测的功能。
参考图2，本实施方式中，绝缘子积污预测系统200根据其所执行的功能，可以被划分为多个功能模块，所述各个功能模块用于执行图1对应实施方式中的各个步骤，以实现绝缘子表面积污预测功能。本实施方式中，所述绝缘子积污预测系统200的功能模块包括：数据采集模块201、计算模块202、以及校正模块203。各个功能模块的功能将在下面的实施例中进行详述。
所述数据采集模块201用于获取被监测绝缘子的结构参数以及预设时间长度内所述绝缘子所处环境的环境参数。其中，所述环境参数包括但不限于所述绝缘子所处输变电设备的直流电压等级值、所述绝缘子所处环境中污染物浓度值、风速、降雨量等。所述绝缘子的结构参数包括但不限于绝缘子的型号，每种型号参数中包括了所述型号绝缘子的伞形、平均直径、伞裙倾角、伞间距等结构参数。
所述计算模块202用于将所述预设时间长度离散为多个时间单元，根据所述获取到的绝缘子结构参数以及每个时间单元对应的环境参数计算每个时间单元内绝缘子表面整体积污量，并根据所述每个时间单元内绝缘子表面整体积污量，计算在所述预设时间长度内绝缘子表面的积污总量。
本实施方式中，将预设时间长度划分为1、2…i…n共n个时间单元为例进行说明。第1个时间单元的截止时间点称为第1时刻，第2个时间单元的截止时间点称为第2时刻，第i个时间单元的截止时间点称为第i时刻。
在本实施方式中，当前i时刻绝缘子表面的积污量等于前一时刻的积污量加上第i个时间单元内的积污增量，即，i时刻绝缘子表面的积污量的计算公式为：
ψi＝Δψi+ψi-1，
其中ψi为i时刻绝缘子表面的积污量，ψi-1为i-1时刻(即i时刻的前一时刻)对应的积污量，Δψi为第i个时间单元内的积污增量。
在本实施方式中，所述第i个时间单元内的积污增量Δψi是通过第i个时间单元内的污秽沉积量减去污秽流失量得到的。即，所述第i个时间单元内的积污增量的计算公式为：
其中为第i个时间单元内的污秽沉积量，对应污秽的动态沉积过程；ηi为第i个时段内的由于降水引起的污秽流失率，上述公式第二项对应污秽的动态清洁过程。
对于绝缘子表面污秽沉积量分为上表面污秽沉积量和下表面污秽沉积量。
在本发明第一实施方式中，所述上表面的污秽沉积量通过如下公式计算得出：
在所述第一实施方式中，所述绝缘子下表面的污秽沉积量通过如下公式计算得出：
其中，vi为第i个时间单元内的平均风速，单位为m/s；ci为第i个时间单元内的污染物浓度值，单位为μg/m3；为单位间内的污秽沉积量，单位为kg/s，Kd、Ke分别对应绝缘子形状型号、直流电压等级的折算系数。
在本发明第二实施方式中，所述绝缘子上表面的污秽沉积量通过如下公式计算得出：
所述绝缘子下表面的污秽沉积量通过如下公式计算得出：
其中，vi为第i个时间单元内的平均风速，单位为m/s；ci为第i个时间单元内的污染物浓度值，单位为μg/m3；为单位间内的污秽沉积量，单位为kg/s，Kd、Ke分别对应绝缘子形状型号、直流电压等级的折算系数，计算方法如前所述。所述折算系数Ka、Ks分别对应伞裙倾角以及伞间距对积污量的影响。
在本实施方式中，将污秽流失率分为盐分流失率η1和不溶物流失率η2。对于双伞型绝缘子，当降雨量为x毫米时，绝缘子上表面盐分流失率η1S、下表面盐分流失率η1X、上表面不溶物流失率η2S、下表面不溶物流失率η2X分别为：h1S＝0.8577(1-e-0.0718x)、h1X＝0.8436(1-e-0.0147x)、h2S＝0.8841(1-e-0.0603x)、h2X＝0.8819(1-e-0.0140x)。对钟罩型绝缘子，上表面盐分流失率η1S、下表面盐分流失率η1X、上表面不溶物流失率η2S、下表面不溶物流失率η2X分别为：h1S＝0.7724(1-e-0.0505x)、h1X＝0.0010956x、h2S＝0.7848(1-e-0.0520x)、h2X＝0.001236x。
所述校正模块203用于实时测量所述绝缘子的实际积污量，并根据所述实际积污量对如前所述的计算公式进行校正。
图3为本发明一实施方式提供的电子装置的功能模块示意图。所述电子装置10包括通信单元11、存储器12、处理器13以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序14，例如绝缘子积污预测程序。所述处理器13执行所述计算机程序14时实现上述方法实施例中绝缘子积污预测方法的步骤。或者，所述处理器13执行所述计算机程序14实现上述系统实施例中各模块/单元的功能。
示例性的，所述计算机程序14可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序14在所述电子装置10中的执行过程。例如，所述计算机程序14可以被分割成图2中的模块201-203。
本领域技术人员可以理解，所述示意图3仅仅是电子装置10的示例，并不构成对电子装置10的限定，电子装置10可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子装置10还可以包括输入输出设备等。
所述通信单元11用于与绝缘子周围环境中的各种传感器和/或互联网中的其他终端设备(例如云服务器、气象局服务器的等)通过网络建立通信连接，并进行数据交换。所述网络可以是有线网络也可以是无线网络，例如可以是WIFI、蓝牙等。
所称处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以包括其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述绝缘子积污预测装置10的控制中心，利用各种接口和线路连接整个绝缘子积污预测装置10的各个部分。
所述存储器12可用于存储所述计算机程序14和/或模块/单元，所述处理器13通过运行或执行存储在所述存储器12内的计算机程序和/或模块/单元，以及调用存储在存储器12内的数据，实现所述绝缘子积污预测装置10的各种功能。存储器12可以包括外部存储介质，也可以包括内存。此外，存储器12可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述绝缘子积污预测装置10集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。计算机装置权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种绝缘子积污预测方法，其特征在于，所述方法包括：
获取被监测绝缘子的结构参数以及预设时间长度内所述绝缘子所处环境的环境参数，其中，所述环境参数包括但所述绝缘子所处输变电设备的直流电压等级值、所述绝缘子所处环境中污染物浓度值、风速、降雨量，所述绝缘子的结构参数包括绝缘子的型号参数；
将所述预设时间长度离散为多个时间单元，根据所述获取到的绝缘子结构参数以及每个时间单元对应的环境参数计算每个时间单元内绝缘子表面整体积污量；
根据所述每个时间单元内绝缘子表面整体积污量，计算在所述预设时间长度内绝缘子表面的积污总量。
2.如权利要求1所述的绝缘子积污预测方法，其特征在于，所述“将所述预设时间长度离散为多个时间单元，根据所述获取到的绝缘子结构参数以及每个时间单元对应的环境参数计算每个时间单元内绝缘子表面整体积污量”的方法为：
将预设时间长度划分为1、2…i…n共n个时间单元，第i个时间单元的截止时间点称为第i时刻；
i时刻绝缘子表面的积污量通过如下计算公式得到：
ψi＝Δψi+ψi-1，
其中ψi为i时刻绝缘子表面的积污量，ψi-1为i-1时刻对应的积污量，Δψi为第i个时间单元内的积污增量。
3.如权利要求2所述的绝缘子积污预测方法，其特征在于，所述第i个时间单元内的积污增量Δψi通过第i个时间单元内的污秽沉积量减去污秽流失量得到，所述第i个时间单元内的积污增量的计算公式为：
其中为第i个时间单元内的污秽沉积量，对应污秽的动态沉积过程；ηi为第i个时段内的降水引起的污秽流失率。
4.如权利要求3所述的绝缘子积污预测方法，其特征在于，所述绝缘子表面整体积污量等于绝缘子各表面的污秽积累量之和。
5.如权利要求4所述的绝缘子积污预测方法，其特征在于，所述绝缘子上表面的污秽沉积量通过如下公式计算得出：
所述绝缘子下表面的污秽沉积量通过如下公式计算得出：
其中，vi为第i个时间单元内的平均风速，单位为m/s；ci为第i个时间单元内的污染物浓度值，单位为μg/m3；为单位间内的污秽沉积量，单位为kg/s，Kd、Ke分别对应绝缘子形状型号、直流电压等级的折算系数。
6.如权利要求4所述的绝缘子积污预测方法，其特征在于，所述绝缘子上表面的污秽沉积量通过如下公式计算得出：
所述绝缘子下表面的污秽沉积量通过如下公式计算得出：
其中，vi为第i个时间单元内的平均风速，单位为m/s；ci为第i个时间单元内的污染物浓度值，单位为μg/m3；为单位间内的污秽沉积量，单位为kg/s，Kd、Ke分别对应绝缘子形状型号、直流电压等级的折算系数，Ka、Ks分别对应伞裙倾角以及伞间距对积污量的折算系数。
7.如权利要求5或6所述的绝缘子积污预测方法，其特征在于，污秽流失率通过如下方式计算得出：
对于双伞型绝缘子，当降雨量为x毫米时，绝缘子上表面盐分流失率η1S、下表面盐分流失率η1X、上表面不溶物流失率η2S、下表面不溶物流失率η2X分别为：h1S＝0.8577(1-e-0.0718x)、h1X＝0.8436(1-e-0.0147x)、h2S＝0.8841(1-e-0.0603x)、h2X＝0.8819(1-e-0.0140x)；
对钟罩型绝缘子，上表面盐分流失率η1S、下表面盐分流失率η1X、上表面不溶物流失率η2S、下表面不溶物流失率η2X分别为：h1S＝0.7724(1-e-0.0505x)、h1X＝0.0010956x、h2S＝0.7848(1-e-0.0520x)、h2X＝0.001236x。
8.一种绝缘子积污预测系统，其特征在于，所述系统包括：
数据采集模块，用于获取被监测绝缘子的结构参数以及预设时间长度内所述绝缘子所处环境的环境参数，其中，所述环境参数包括但所述绝缘子所处输变电设备的直流电压等级值、所述绝缘子所处环境中污染物浓度值、风速、降雨量，所述绝缘子的结构参数包括绝缘子的型号参数；
计算模块，用于将所述预设时间长度离散为多个时间单元，根据所述获取到的绝缘子结构参数以及每个时间单元对应的环境参数计算每个时间单元内绝缘子表面整体积污量；
所述计算模块还根据所述每个时间单元内绝缘子表面整体积污量，计算在所述预设时间长度内绝缘子表面的积污总量。
9.一种电子装置，其特征在于，所述电子装置包括：
处理器；以及
存储器，所述存储器中存储有多个程序模块，所述多个程序模块由所述处理器加载并执行如权利要求1-7中任意一项所述的绝缘子积污预测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的绝缘子积污预测方法。
CN201910727560.XA 2019-08-07 2019-08-07 绝缘子积污预测方法、系统、电子装置及存储介质 Pending CN110428108A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910727560.XA CN110428108A (zh) 2019-08-07 2019-08-07 绝缘子积污预测方法、系统、电子装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910727560.XA CN110428108A (zh) 2019-08-07 2019-08-07 绝缘子积污预测方法、系统、电子装置及存储介质

Publications (1)

Publication Number Publication Date
CN110428108A true CN110428108A (zh) 2019-11-08

Family

ID=68414833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910727560.XA Pending CN110428108A (zh) 2019-08-07 2019-08-07 绝缘子积污预测方法、系统、电子装置及存储介质

Country Status (1)

Country Link
CN (1) CN110428108A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364520A (zh) * 2020-11-19 2021-02-12 国家电网有限公司 绝缘子积污量预测方法
CN112924326A (zh) * 2021-02-08 2021-06-08 国网江苏省电力有限公司电力科学研究院 一种基于可溶污秽成分的污秽等级划分改进方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060083861A1 (en) * 2004-04-24 2006-04-20 Gedeon Anthony A Method of reducing loss in power transmission systems, electrical systems and electronics
CN108022011A (zh) * 2017-11-30 2018-05-11 国家电网公司 自然环境中绝缘子积污动态预测方法
CN108376194A (zh) * 2018-02-12 2018-08-07 重庆大学 基于大气环境参数的绝缘子积污预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060083861A1 (en) * 2004-04-24 2006-04-20 Gedeon Anthony A Method of reducing loss in power transmission systems, electrical systems and electronics
CN108022011A (zh) * 2017-11-30 2018-05-11 国家电网公司 自然环境中绝缘子积污动态预测方法
CN108376194A (zh) * 2018-02-12 2018-08-07 重庆大学 基于大气环境参数的绝缘子积污预测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364520A (zh) * 2020-11-19 2021-02-12 国家电网有限公司 绝缘子积污量预测方法
CN112364520B (zh) * 2020-11-19 2023-12-22 国家电网有限公司 绝缘子积污量预测方法
CN112924326A (zh) * 2021-02-08 2021-06-08 国网江苏省电力有限公司电力科学研究院 一种基于可溶污秽成分的污秽等级划分改进方法
CN112924326B (zh) * 2021-02-08 2023-02-28 国网江苏省电力有限公司电力科学研究院 一种基于可溶污秽成分的污秽等级划分改进方法

Similar Documents

Publication Publication Date Title
CN111695800B (zh) 一种云边协同逐级分析定位异常用电行为用户的方法
CN110059356A (zh) 一种基于大数据和人工智能的大电网智能调控系统和方法
CN106651100A (zh) 基于车联网优选车载监测点的空气质量评估系统及方法
CN110428108A (zh) 绝缘子积污预测方法、系统、电子装置及存储介质
Vaisakh et al. Genetic evolving ant direction particle swarm optimization algorithm for optimal power flow with non-smooth cost functions and statistical analysis
AU2013201595A1 (en) Method and apparatus for harmonic state estimation in power system
CN112286063A (zh) 一种基于非侵入量测的区域能耗监测系统及方法
CN111309836B (zh) 一种10kV配电线路单线图自动成图方法及系统
CN106022530A (zh) 一种电力需求侧柔性负荷有功功率预测方法
CN107796972A (zh) 一种基于非侵入式负荷分解技术的粮仓能耗监测方法
CN116937575A (zh) 一种网格系统用的能源监控管理系统
CN115528817A (zh) 一种用户端智能配用电系统、方法、介质、设备及终端
CN105205547A (zh) 一种基于多种不确定因素相似度匹配的母线负荷预测算法
CN114140024A (zh) 一种基于用电模型的发电厂损耗分析系统
Miraftabzadeh et al. K-means and alternative clustering methods in modern power systems
CN113988398A (zh) 一种风电机组功率预测方法、装置、电子设备和存储介质
CN104299043A (zh) 极限学习机超短期负荷预测方法
CN105046349A (zh) 一种计及尾流效应的风电功率预测方法
Ni et al. A review of line loss analysis of the low-voltage distribution system
CN105914735A (zh) 一种配电网经济负荷潮流计算方法
Chang et al. An accurate hybrid intelligent approach for forecasting flicker severity caused by electric arc furnaces
CN109636276A (zh) 评估配送资源能力、订单分配、配送资源调度方法及装置
Yang et al. Household power consumption pattern modeling through a single power sensor
JP2003090887A (ja) 落雷による瞬時電圧低下予測システムおよび予測方法
CN106340874A (zh) 电力负荷分解的辨识决策方法和系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191108