CN113191535A - 一种大风灾害预警中设计风速修正方法 - Google Patents
一种大风灾害预警中设计风速修正方法 Download PDFInfo
- Publication number
- CN113191535A CN113191535A CN202110402061.0A CN202110402061A CN113191535A CN 113191535 A CN113191535 A CN 113191535A CN 202110402061 A CN202110402061 A CN 202110402061A CN 113191535 A CN113191535 A CN 113191535A
- Authority
- CN
- China
- Prior art keywords
- parameters
- power transmission
- transmission line
- wind speed
- clustering
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012937 correction Methods 0.000 title claims abstract description 24
- 238000013461 design Methods 0.000 title claims description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 116
- 230000002265 prevention Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 239000002184 metal Substances 0.000 description 8
- 239000002904 solvent Substances 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种大风灾害预警中设计风速修正方法,对大风灾害预警区域进行网格划分;并采集目标输电线路所在网格内杆塔编号;按照杆塔编号顺序采集目标输电线路的结构参数、运行参数和电网拓扑参数;基于K‑MEANS算法,分别对结构参数、运行参数和电网拓扑参数进行聚类,还对结构参数、运行参数和电网拓扑参数设置权重系数,根据聚类结果以及权重系数,对目标输电线路的设计风速进行修正,并作为目标输电线路的判断风速存入大风灾害预警数据库中。综合考虑输电线路的结构参数、运行参数和电网拓扑参数,实现对输电线路设计风速的修正,输电线路判断风速作为大风灾害预警的基础数据,该基础数据无需二次修正,更加符合实际工况、准确度更高。
Description
技术领域
本发明涉及电网安全运行技术领域,更具体地,涉及一种大风灾害预警中设计风速修正方法。
背景技术
随着电力快速发展,电网规模迅速扩大,台风、暴雨、雷电等气象因素对电网安全运行,尤其是对输电线路的影响越来越大,建立电网安全预警机制刻不容缓。其中,大风灾害是影响电网安全性的首要因素之一。目前,由于成本因素以及专业跨度等问题,输电线路不同程度地缺乏强风风灾实时监测能力,由于缺乏有效的强风监测手段与关键数据源,导致风灾应对能力以及事故应急响应能力存在一定瓶颈。
现有技术中,我国电力行业国家标准《110kV~750kV架空输电线路设计规范》(GB50545-2010)中对基本风速的定义为:按当地空旷平坦地面上10m高度处、10min时距,平均的年最大风速观测数据,经概率统计得出50年(适用于500kV、750kV输电线路)或30年(适用于110kV、220kV、330kV输电线路)一遇最大值后确定的风速。由于工程造价对基本风速较为敏感,输电线路通用设计将基本风速进行了细分,得到输电线路通用设计风速有23.5、25、27、29、31、33、35m/s等,其中,500kV线路至少为27m/s,平均2m/s一档。
此外,中国发明专利(CN104573363B)提出“一种沿海地区架空输电线路设计风速的空间取值方法”,引入自动气象站数据提供更多的设计风速空间插值点,解决由于长期气象台站分布稀疏导致的设计风速空间分布代表性不足的问题;中国发明专利申请(CN111610579A)提出“一种用于典型微地形的输电线路预警方法”,根据5种典型微地形的特征对预测风速进行修正;中国发明专利申请(CN110632680A)提出“一种输电线路微区域风速估算方法及系统”,获取天气雷达监测数据和微气象监测系统历史监测数据构建三维风场,使用测风数据对天气雷达监测数据进行修正,得到输电线路微区域被测点任意高程的风速信息。
各项研究提高了预测风速的准确性和可靠性,但值得注意的是,包括设计风速在内的各类预测风速及修正方法,均是以气象上的监测风速为基础数据,然后引入气象、地形等相关经验公式和统计数据进行修正,并未考虑输电线路运行参数、结构参数以及电网拓扑等因素对线路预测风速的影响。
发明内容
为解决现有技术中存在的不足,本发明的目的在于,提供一种大风灾害预警中设计风速修正方法,计及输电线路结构参数、线路运行参数以及电网拓扑,对风速预警模型中预测得到的风速进行修正,有效补充现有风速预测模型的不足,提高风速预测值的准确性。
本发明采用如下的技术方案。
一种大风灾害预警中设计风速修正方法的步骤如下:
步骤1,对大风灾害预警区域进行网格划分;其中,单个网格中至少包括一条输电线路,单条输电线路中包含多座杆塔;对于任一网格,网格长度和网格路径由输电线路的实际长度和实际路径决定,网格宽度由输电电路走廊宽度决定;
步骤2,采集目标输电线路所在网格内的杆塔编号,并存入大风灾害预警数据库中;
步骤3,按照杆塔编号顺序,逐个采集目标输电线路的结构参数、运行参数和电网拓扑参数;
步骤4,基于K-MEANS算法,分别对目标输电线路的结构参数、运行参数和电网拓扑参数进行聚类;包括:
步骤4.1,对于n个参数,设置k个聚类中心初始值,其中k≥2且n>k,
步骤4.2,计算n个参数数据值与任一聚类中心值的距离,利用最小距离算法将n个参数分别划分入k个聚类中,
步骤4.3,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2;
步骤5,对结构参数、运行参数和电网拓扑参数设置权重系数,根据聚类结果以及权重系数,对目标输电线路的设计风速进行修正;
步骤6,以修正后的设计风速作为目标输电线路的判断风速,并存入大风灾害预警数据库中。
优选地,
步骤3中,结构参数包括:水平档距;运行参数包括:大风跳闸次数、防风装置;电网拓扑参数包括:同塔回路数、负荷级别、设备关键性。
优选地,
基于K-MEANS算法对目标输电线路的水平档距进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.1,对于n个水平档距参数,设置3个聚类中心初始值,分别为大水平档距、中水平档距和小水平档距;大水平档距的范围为800~1500米,中水平档距的范围为400~800米,小水平档距的范围为100~400米;
步骤4.2.1,计算n个水平档距数据值与任一聚类中心值的距离,利用最小距离算法将n个水平档距参数分别划分入这三个聚类中;
步骤4.3.1,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.1。
优选地,
基于K-MEANS算法对目标输电线路的防风装置进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.2,对于n个防风装置参数,设置2个聚类中心初始值,分别为有防风装置、无防风装置;
步骤4.2.2,计算n个防风装置数据值与任一聚类中心值的距离,利用最小距离算法将n个防风装置参数分别划分入这两个聚类中;
步骤4.3.2,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.2。
优选地,
基于K-MEANS算法对目标输电线路的大风跳闸次数进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.3,对于n个大风跳闸次数参数,设置3个聚类中心初始值,分别为大风跳闸次数≥3、1≤大风跳闸次数≤2和大风跳闸次数=0;
步骤4.2.3,计算n个大风跳闸次数数据值与任一聚类中心值的距离,利用最小距离算法将n个大风跳闸次数参数分别划分入这三个聚类中;
步骤4.3.3,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.3。
优选地,
基于K-MEANS算法对目标输电线路的同塔回路数进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.4,对于n个同塔回路数参数,设置2个聚类中心初始值,分别为同塔回路数≥2、同塔回路数=1;
步骤4.2.4,计算n个同塔回路数数据值与任一聚类中心值的距离,利用最小距离算法将n个同塔回路数参数分别划分入这两个聚类中;
步骤4.3.4,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.4。
优选地,
基于K-MEANS算法对目标输电线路的负荷级别进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.5,对于n个负荷级别参数,设置3个聚类中心初始值,分别为一级负荷、二级负荷和三级负荷;
步骤4.2.5,计算n个负荷级别数据值与任一聚类中心值的距离,利用最小距离算法将n个负荷级别次数参数分别划分入这三个聚类中;
步骤4.3.5,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.5。
优选地,
基于K-MEANS算法对目标输电线路的设备关键性进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.6,对于n个设备关键性参数,设置2个聚类中心初始值,分别为关键设备、非关键设备;
步骤4.2.6,计算n个设备关键性数据值与任一聚类中心值的距离,利用最小距离算法将n个设备关键性参数分别划分入这两个聚类中;
步骤4.3.6,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.6。
优选地,
步骤5包括:
步骤5.1,对结构参数、运行参数和电网拓扑参数的聚类结果进行归一化处理;
步骤5.2,对结构参数、运行参数和电网拓扑参数设置权重系数;
步骤5.3,利用聚类结果归一化数据及其对应的权重系数,得到设计风速修正指标;
步骤5.4,当该修正指标落入第一类指标范围内,则对目标输电线路的设计风速进行减小δ%的修正;当该修正指标落入第二类指标范围内,则保持目标输电线路的设计风速不变;当该修正指标落入第三类指标范围内,则对目标输电线路的设计风速进行增大δ%的修正。
优选地,第一类指标范围包括:大水平档距、大风跳闸3次及以上、无防风装置、同塔回路2回及以上、一级负荷以及关键设备;第二类指标范围包括:中水平档距、大风跳闸1~2次,无防风装置、同塔回路1回、二级负荷以及非关键设备;第三类指标范围包括:小水平档距、大风跳闸0次、有防风装置、同塔回路1回、三级负荷以及非关键设备。
本发明的有益效果在于,与现有技术相比,综合考虑了输电线路的结构参数、运行参数和电网拓扑参数,实现对输电线路设计风速的修正,所得到的输电线路判断风速作为大风灾害预警的基础数据,该基础数据无需二次修正,更加符合实际工况、准确度更高。
附图说明
图1为本发明一种大风灾害预警中设计风速修正方法的流程框图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
如图1,一种大风灾害预警中设计风速修正方法的步骤如下:
步骤1,对大风灾害预警区域进行网格划分;其中,单个网格中至少包括一条输电线路,单条输电线路中包含多座杆塔;对于任一网格,网格长度和网格路径由输电线路的实际长度和实际路径决定,网格宽度由输电电路走廊宽度决定。
步骤2,采集目标输电线路所在网格内的杆塔编号,并存入大风灾害预警数据库中。
步骤3,按照杆塔编号顺序,逐个采集目标输电线路的结构参数、运行参数和电网拓扑参数。
具体地,
步骤3中,结构参数包括:水平档距;运行参数包括:大风跳闸次数、防风装置;电网拓扑参数包括:同塔回路数、负荷级别、设备关键性。
对于水平档距,当计算杆塔结构所承受的电线横向(风)荷载时,其荷载通常近似认为是电线单位长度上的风压与杆塔两侧档距平均值之乘积,该档距平均值即为水平档距,因此线路的水平档距越大,其可能受的风荷载越大,也即越危险。本优选实施例中,不同的水平档距采用不同的距离范围,其中,大水平档距的范围为800~1500米,多出现在山区输电线路在跨越山谷、深沟时;1000米以上称之为大跨越,多见于线路跨越通航的大河流、湖泊、海洋等(杆塔高多在100米以上);中水平档距的范围为400~800米;小水平档距的范围为100~400米。
对于负荷级别,电力负荷应根据对供电可靠性的要求和中断供电对政治、经济所造成损失或影响的程度进行分级,可划分为一级负荷、二级负荷和三级负荷;而输电线路的负荷级别,是根据输电线路的持续容许负荷达到设计负荷的比例来分级划分,其中,一级负荷是指输电线路的持续容许负荷达到设计负荷的80%,二级负荷是指输电线路的持续容许负荷达到设计负荷的60%,三级负荷是指输电线路的持续容许负荷达到设计负荷的40%。
对于设备关键性,是指根据输电电路的电压等级、系统潮流、拓扑分支等多种指标而确定输电线路是否为关键输电通道。
步骤4,基于K-MEANS算法,分别对目标输电线路的结构参数、运行参数和电网拓扑参数进行聚类;包括:
步骤4.1,对于n个参数,设置k个聚类中心初始值,其中k≥2且n>k,
步骤4.2,计算n个参数数据值与任一聚类中心值的距离,利用最小距离算法将n个参数分别划分入k个聚类中,
步骤4.3,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2。
具体地,
基于K-MEANS算法对目标输电线路的水平档距进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.1,对于n个水平档距参数,设置3个聚类中心初始值,分别为大水平档距、中水平档距和小水平档距;大水平档距的范围为800~1500米,中水平档距的范围为400~800米,小水平档距的范围为100~400米;
步骤4.2.1,计算n个水平档距数据值与任一聚类中心值的距离,利用最小距离算法将n个水平档距参数分别划分入这三个聚类中;
步骤4.3.1,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.1。
具体地,
基于K-MEANS算法对目标输电线路的防风装置进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.2,对于n个防风装置参数,设置2个聚类中心初始值,分别为有防风装置、无防风装置;
步骤4.2.2,计算n个防风装置数据值与任一聚类中心值的距离,利用最小距离算法将n个防风装置参数分别划分入这两个聚类中;
步骤4.3.2,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.2。
具体地,
基于K-MEANS算法对目标输电线路的大风跳闸次数进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.3,对于n个大风跳闸次数参数,设置3个聚类中心初始值,分别为大风跳闸次数≥3、1≤大风跳闸次数≤2和大风跳闸次数=0;
步骤4.2.3,计算n个大风跳闸次数数据值与任一聚类中心值的距离,利用最小距离算法将n个大风跳闸次数参数分别划分入这三个聚类中;
步骤4.3.3,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.3。
具体地,
基于K-MEANS算法对目标输电线路的同塔回路数进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.4,对于n个同塔回路数参数,设置2个聚类中心初始值,分别为同塔回路数≥2、同塔回路数=1;
步骤4.2.4,计算n个同塔回路数数据值与任一聚类中心值的距离,利用最小距离算法将n个同塔回路数参数分别划分入这两个聚类中;
步骤4.3.4,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.4。
具体地,
基于K-MEANS算法对目标输电线路的负荷级别进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.5,对于n个负荷级别参数,设置3个聚类中心初始值,分别为一级负荷、二级负荷和三级负荷;
步骤4.2.5,计算n个负荷级别数据值与任一聚类中心值的距离,利用最小距离算法将n个负荷级别次数参数分别划分入这三个聚类中;
步骤4.3.5,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.5。
具体地,
基于K-MEANS算法对目标输电线路的设备关键性进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.6,对于n个设备关键性参数,设置2个聚类中心初始值,分别为关键设备、非关键设备;
步骤4.2.6,计算n个设备关键性数据值与任一聚类中心值的距离,利用最小距离算法将n个设备关键性参数分别划分入这两个聚类中;
步骤4.3.6,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.6。
步骤5,对结构参数、运行参数和电网拓扑参数设置权重系数,根据聚类结果以及权重系数,对目标输电线路的设计风速进行修正。
具体地,
步骤5包括:
步骤5.1,对结构参数、运行参数和电网拓扑参数的聚类结果进行归一化处理;
步骤5.2,对结构参数、运行参数和电网拓扑参数设置权重系数;
步骤5.3,利用聚类结果归一化数据及其对应的权重系数,得到设计风速修正指标;
步骤5.4,当该修正指标落入第一类指标范围内,则对目标输电线路的设计风速进行减小δ%的修正;当该修正指标落入第二类指标范围内,则保持目标输电线路的设计风速不变;当该修正指标落入第三类指标范围内,则对目标输电线路的设计风速进行增大δ%的修正。
值得注意的是,δ可按照实际情况进行相应的整定,本优选实施例中δ取值为5,是一种非限制性的较优选择。
具体地,第一类指标范围包括:大水平档距、大风跳闸3次及以上、无防风装置、同塔回路2回及以上、一级负荷以及关键设备;第二类指标范围包括:中水平档距、大风跳闸1~2次,无防风装置、同塔回路1回、二级负荷以及非关键设备;第三类指标范围包括:小水平档距、大风跳闸0次、有防风装置、同塔回路1回、三级负荷以及非关键设备。
由于线路的水平档距越大,其可能受的风荷载越大,也即越危险,因此对于第一类指标范围,考虑大水平档距的杆塔两侧的线路的设计风速应减少5%作为判断风速,即增加同等风速下大档距线路的大风风险;反之,即对于第三类指标范围,考虑小水平档距的杆塔两侧的线路的设计风速应增加5%;而对于中水平档距,由于档距适中,则可考虑保持设计风速不变,即第二指标范围。
对大风跳闸次数和防风装置,显然应该减小同等风速下未发生大风故障或防风水平较好线路的大风风险,因此,提出第三类指标,即大风跳闸0次、有防风装置的输电线路的设计风速应增加5%作为判断风速。
对电网拓扑参数方面,显然应该增加同等风速下关键线路的大风风险,即考虑同塔回数多、带一级重要负荷、且为关键输电设备的输电线路设计风速应减少5%作为判断风速,即第一类指标。
步骤6,以修正后的设计风速作为目标输电线路的判断风速,并存入大风灾害预警数据库中。
本优选实施例中,将所得到的输电线路判断风速值也应存入大风预警数据库,并且与杆塔编号对应,作为系统大风预警模块的基础数据,供后续大风预警直接调用。
本发明的有益效果在于,与现有技术相比,综合考虑了输电线路的结构参数、运行参数和电网拓扑参数,实现对输电线路设计风速的修正,所得到的输电线路判断风速作为大风灾害预警的基础数据,该基础数据无需二次修正,更加符合实际工况、准确度更高。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (10)
1.一种大风灾害预警中设计风速修正方法,其特征在于,
所述方法的步骤如下:
步骤1,对大风灾害预警区域进行网格划分;其中,单个网格中至少包括一条输电线路,单条输电线路中包含多座杆塔;对于任一网格,网格长度和网格路径由输电线路的实际长度和实际路径决定,网格宽度由输电电路走廊宽度决定;
步骤2,采集目标输电线路所在网格内的杆塔编号,并存入大风灾害预警数据库中;
步骤3,按照杆塔编号顺序,逐个采集目标输电线路的结构参数、运行参数和电网拓扑参数;
步骤4,基于K-MEANS算法,分别对目标输电线路的结构参数、运行参数和电网拓扑参数进行聚类;包括:
步骤4.1,对于n个参数,设置k个聚类中心初始值,其中k≥2且n>k,
步骤4.2,计算n个参数数据值与任一聚类中心值的距离,利用最小距离算法将n个参数分别划分入k个聚类中,
步骤4.3,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2;
步骤5,对结构参数、运行参数和电网拓扑参数设置权重系数,根据聚类结果以及权重系数,对目标输电线路的设计风速进行修正;
步骤6,以修正后的设计风速作为目标输电线路的判断风速,并存入大风灾害预警数据库中。
2.根据权利要求1中所述的一种大风灾害预警中设计风速修正方法,其特征在于,
步骤3中,结构参数包括:水平档距;运行参数包括:大风跳闸次数、防风装置;电网拓扑参数包括:同塔回路数、负荷级别、设备关键性。
3.根据权利要求1中所述的一种大风灾害预警中设计风速修正方法,其特征在于,
基于K-MEANS算法对目标输电线路的水平档距进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.1,对于n个水平档距参数,设置3个聚类中心初始值,分别为大水平档距、中水平档距和小水平档距;所述大水平档距的范围为800~1500米,中水平档距的范围为400~800米,小水平档距的范围为100~400米;
步骤4.2.1,计算n个水平档距数据值与任一聚类中心值的距离,利用最小距离算法将n个水平档距参数分别划分入这三个聚类中;
步骤4.3.1,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.1。
4.根据权利要求1中所述的一种大风灾害预警中设计风速修正方法,其特征在于,
基于K-MEANS算法对目标输电线路的防风装置进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.2,对于n个防风装置参数,设置2个聚类中心初始值,分别为有防风装置、无防风装置;
步骤4.2.2,计算n个防风装置数据值与任一聚类中心值的距离,利用最小距离算法将n个防风装置参数分别划分入这两个聚类中;
步骤4.3.2,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.2。
5.根据权利要求1中所述的一种大风灾害预警中设计风速修正方法,其特征在于,
基于K-MEANS算法对目标输电线路的大风跳闸次数进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.3,对于n个大风跳闸次数参数,设置3个聚类中心初始值,分别为大风跳闸次数≥3、1≤大风跳闸次数≤2和大风跳闸次数=0;
步骤4.2.3,计算n个大风跳闸次数数据值与任一聚类中心值的距离,利用最小距离算法将n个大风跳闸次数参数分别划分入这三个聚类中;
步骤4.3.3,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.3。
6.根据权利要求1中所述的一种大风灾害预警中设计风速修正方法,其特征在于,
基于K-MEANS算法对目标输电线路的同塔回路数进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.4,对于n个同塔回路数参数,设置2个聚类中心初始值,分别为同塔回路数≥2、同塔回路数=1;
步骤4.2.4,计算n个同塔回路数数据值与任一聚类中心值的距离,利用最小距离算法将n个同塔回路数参数分别划分入这两个聚类中;
步骤4.3.4,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.4。
7.根据权利要求1中所述的一种大风灾害预警中设计风速修正方法,其特征在于,
基于K-MEANS算法对目标输电线路的负荷级别进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.5,对于n个负荷级别参数,设置3个聚类中心初始值,分别为一级负荷、二级负荷和三级负荷;
步骤4.2.5,计算n个负荷级别数据值与任一聚类中心值的距离,利用最小距离算法将n个负荷级别次数参数分别划分入这三个聚类中;
步骤4.3.5,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.5。
8.根据权利要求1中所述的一种大风灾害预警中设计风速修正方法,其特征在于,
基于K-MEANS算法对目标输电线路的设备关键性进行聚类、并对目标输电线路的设计风速进行修正的步骤如下:
步骤4.1.6,对于n个设备关键性参数,设置2个聚类中心初始值,分别为关键设备、非关键设备;
步骤4.2.6,计算n个设备关键性数据值与任一聚类中心值的距离,利用最小距离算法将n个设备关键性参数分别划分入这两个聚类中;
步骤4.3.6,计算均方差作为标准测度函数;当标准测度函数收敛,则完成聚类;当标准测度函数不收敛,则以当前聚类下数据均值作为聚类中心值,并返回步骤4.2.6。
9.根据权利要求1中所述的一种大风灾害预警中设计风速修正方法,其特征在于,
步骤5包括:
步骤5.1,对结构参数、运行参数和电网拓扑参数的聚类结果进行归一化处理;
步骤5.2,对结构参数、运行参数和电网拓扑参数设置权重系数;
步骤5.3,利用聚类结果归一化数据及其对应的权重系数,得到设计风速修正指标;
步骤5.4,当该修正指标落入第一类指标范围内,则对目标输电线路的设计风速进行减小δ%的修正;当该修正指标落入第二类指标范围内,则保持目标输电线路的设计风速不变;当该修正指标落入第三类指标范围内,则对目标输电线路的设计风速进行增大δ%的修正。
10.根据权利要求9中所述的一种大风灾害预警中设计风速修正方法,其特征在于,
所述第一类指标范围包括:大水平档距、大风跳闸3次及以上、无防风装置、同塔回路2回及以上、一级负荷以及关键设备;
所述第二类指标范围包括:中水平档距、大风跳闸1~2次,无防风装置、同塔回路1回、二级负荷以及非关键设备;
所述第三类指标范围包括:小水平档距、大风跳闸0次、有防风装置、同塔回路1回、三级负荷以及非关键设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402061.0A CN113191535A (zh) | 2021-04-14 | 2021-04-14 | 一种大风灾害预警中设计风速修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402061.0A CN113191535A (zh) | 2021-04-14 | 2021-04-14 | 一种大风灾害预警中设计风速修正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191535A true CN113191535A (zh) | 2021-07-30 |
Family
ID=76973993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110402061.0A Pending CN113191535A (zh) | 2021-04-14 | 2021-04-14 | 一种大风灾害预警中设计风速修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191535A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116560219A (zh) * | 2023-07-12 | 2023-08-08 | 国网甘肃省电力公司经济技术研究院 | 基于输电杆塔风速联合分析的自适应监测控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246936A (zh) * | 2013-04-24 | 2013-08-14 | 广东电网公司中山供电局 | 电网架空输电线路台风风险预警的系统及方法 |
CN103279893A (zh) * | 2013-04-19 | 2013-09-04 | 华北电力大学 | 一种架空输电线路常见灾害区划图谱绘制方法 |
CN106408008A (zh) * | 2016-09-08 | 2017-02-15 | 国网江西省电力公司赣州供电分公司 | 一种基于负荷曲线距离和形状的负荷分类方法 |
CN106842367A (zh) * | 2017-01-04 | 2017-06-13 | 广西电网有限责任公司电力科学研究院 | 一种电网台风风险预警方法 |
CN107578169A (zh) * | 2017-09-04 | 2018-01-12 | 广东电网有限责任公司惠州供电局 | 一种台风灾害条件下的电网关键线路识别方法及装置 |
CN108009689A (zh) * | 2017-12-22 | 2018-05-08 | 北京金风慧能技术有限公司 | 风速修正模型训练、风速修正方法、装置及风力发电机组 |
-
2021
- 2021-04-14 CN CN202110402061.0A patent/CN113191535A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279893A (zh) * | 2013-04-19 | 2013-09-04 | 华北电力大学 | 一种架空输电线路常见灾害区划图谱绘制方法 |
CN103246936A (zh) * | 2013-04-24 | 2013-08-14 | 广东电网公司中山供电局 | 电网架空输电线路台风风险预警的系统及方法 |
CN106408008A (zh) * | 2016-09-08 | 2017-02-15 | 国网江西省电力公司赣州供电分公司 | 一种基于负荷曲线距离和形状的负荷分类方法 |
CN106842367A (zh) * | 2017-01-04 | 2017-06-13 | 广西电网有限责任公司电力科学研究院 | 一种电网台风风险预警方法 |
CN107578169A (zh) * | 2017-09-04 | 2018-01-12 | 广东电网有限责任公司惠州供电局 | 一种台风灾害条件下的电网关键线路识别方法及装置 |
CN108009689A (zh) * | 2017-12-22 | 2018-05-08 | 北京金风慧能技术有限公司 | 风速修正模型训练、风速修正方法、装置及风力发电机组 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116560219A (zh) * | 2023-07-12 | 2023-08-08 | 国网甘肃省电力公司经济技术研究院 | 基于输电杆塔风速联合分析的自适应监测控制方法及系统 |
CN116560219B (zh) * | 2023-07-12 | 2023-09-08 | 国网甘肃省电力公司经济技术研究院 | 基于输电杆塔风速联合分析的自适应监测控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102629294B (zh) | 台风引发输电线路故障的概率评估方法 | |
CN101272040B (zh) | 利用电网雷害分布进行输电线路防雷配置的方法 | |
CN103336860B (zh) | 一种电网风速分布图生成方法 | |
CN107578169B (zh) | 一种台风灾害条件下的电网关键线路识别方法及装置 | |
CN107292478B (zh) | 一种灾害对配电网影响态势的获取方法 | |
CN109118035B (zh) | 基于网格化预警信息的台风风涝灾害配电网风险评估方法 | |
CN108595872B (zh) | 一种电网在线安全稳定分析方法 | |
CN111612315A (zh) | 一种新型电网灾害性大风预警方法 | |
CN109522599A (zh) | 一种台风导致的输电线路突发故障预警方法 | |
CN105279612A (zh) | 一种基于泊松分布的输电线路跳闸风险评估方法 | |
CN112886923B (zh) | 一种雷电天气的光伏电站运维方法及设备 | |
CN108389002A (zh) | 一种基于n-1严重故障集的多重故障生成方法 | |
Liu et al. | Design of wind turbine dynamic trip-off risk alarming mechanism for large-scale wind farms | |
CN111126672A (zh) | 一种基于分类决策树的高压架空输电线路台风灾害预测方法 | |
CN114021858B (zh) | 一种输电线路的精细化风速预测方法 | |
CN116050599A (zh) | 一种线路覆冰故障预测方法、系统、存储介质及设备 | |
CN114936450A (zh) | 面向风电送出线路动态增容的数字孪生评估方法和系统 | |
CN107066689A (zh) | 一种输电线路风偏故障的气象风险预警方法 | |
CN113191535A (zh) | 一种大风灾害预警中设计风速修正方法 | |
CN111257686A (zh) | 一种基于数据共享分析的智能跳闸分析系统 | |
Wu et al. | Extension of power system early-warning defense schemes by integrating typhoon information | |
CN107749623B (zh) | 双母线接线方式下单母线跳闸失负荷事故等级判定方法 | |
CN105678460B (zh) | 雷电灾害与设备过载及断面越限的关联度分析方法 | |
Geping et al. | Assessment method for wind-resistance resilience of power grid based on extension analytic hierarchy process | |
CN114545097A (zh) | 一种基于多要素动态权重算法的雷电预警研判方法 |
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: 20210730 |
|
RJ01 | Rejection of invention patent application after publication |