CN114048624A - 一种基于高斯驱动的绝缘子污秽预警方法及系统 - Google Patents

一种基于高斯驱动的绝缘子污秽预警方法及系统 Download PDF

Info

Publication number
CN114048624A
CN114048624A CN202111398936.0A CN202111398936A CN114048624A CN 114048624 A CN114048624 A CN 114048624A CN 202111398936 A CN202111398936 A CN 202111398936A CN 114048624 A CN114048624 A CN 114048624A
Authority
CN
China
Prior art keywords
insulator
salt
gaussian
value
model
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
CN202111398936.0A
Other languages
English (en)
Inventor
周仿荣
蔡晓斌
马御棠
马宏明
马仪
曹俊
孙董军
孟见岗
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.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid Co Ltd
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 Electric Power Research Institute of Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202111398936.0A priority Critical patent/CN114048624A/zh
Publication of CN114048624A publication Critical patent/CN114048624A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Insulators (AREA)

Abstract

本申请提供了一种基于高斯驱动的绝缘子污秽预警方法及系统，包括获取待测区域的空气污染物排放数据和气象数据；采用高斯函数对空气污染物排放数据和气象数据进行核驱动，获得污染气体的浓度模型；根据污染气体的浓度模型建立盐密累计模型；获取盐密累计模型输出的待预警时间段内待测绝缘子表面附着污秽的盐密累计值；比较盐密累计值与预设警戒值的大小，若盐密累计值超过预设警戒值，则发出绝缘子闪络警报。在实际应用过程中，采用空气污染物排放数据和气象数据作为主要变量的预测数据，并根据预测的绝缘子等值附盐密度值判断预测期间内是否达到预警值，大大提高了对大范围研究区域绝缘子的预测精度以及预测效率，减少我国电力事故的发生概率。

Description

一种基于高斯驱动的绝缘子污秽预警方法及系统
技术领域
本申请涉及电力技术领域，特别涉及一种基于高斯驱动的绝缘子污秽预警方法及系统。
背景技术
绝缘子污秽由沉积在绝缘子表面的污秽物质在潮湿条件下吸潮形成，绝缘子污秽中的可溶物质会逐渐溶于水中，在绝缘子表面形成一层导电水膜，污秽物中不溶物质会起吸附水分的作用。
这些导电水膜和吸附的水分使绝缘子表面电阻下降，并构成沿绝缘子表面的导电通路，使泄漏电流沿绝缘子表面渡过。泄漏电流的大小不仅取决于绝缘子表面脏污的程度及污秽物的成分，而且与污秽的受潮湿润程度有关，当泄漏电流增大，局部放电产生、发展，最终将导致绝缘子污秽闪络的发生，输变电设备发生大面积污秽闪络停电事故会严重危及电力生产的安全，对电力企业造成损失，国民经济带来重大危害。
目前，为了防止绝缘子污秽闪络的产生，人们采用对绝缘子进行在线监测的方法进行预警，但是在线监测依赖于人工，工作量较大且存在明显的主观性，使得绝缘子污秽预警存在不及时、不准确及不全面的情况。
发明内容
为了解决常见的预警方法对绝缘子污秽预警存在不及时、不准确及不全面的问题。本申请实施例提供一种基于高斯驱动的绝缘子污秽预警方法及系统，包括获取待测区域的空气污染物排放数据和气象数据；
采用高斯函数对所述空气污染物排放数据和所述气象数据进行核驱动，获得污染气体的浓度模型；
根据所述污染气体的浓度模型建立盐密累计模型；
获取所述盐密累计模型输出的待预警时间段内待测绝缘子表面附着污秽的盐密累计值；
比较所述盐密累计值与预设警戒值的大小，若所述盐密累计值超过预设警戒值，则发出绝缘子闪络警报。
进一步的，所述气象数据包括气压、平均风速、平均风向、降水量、相对湿度、温度和水汽压。
进一步的，所述污染气体的浓度模型，具体为：
Figure BDA0003364836090000011
Figure BDA0003364836090000012
其中，Q为高斯核驱动获得的污染物气体浓度值，U为平均风速，M为研究点的气体浓度，x为下风速，y为垂直于下风速的风速；a为非线性拟合最优估计值,x0为1000米。
进一步的，所述盐密累计模型，具体为：
Figure BDA0003364836090000013
其中，S为盐密累计值，A为饱和等值盐密，k为常数，b、c、e和d为拟合常量，Mgas分别为PM2.5、PM10、SO2和NO2的浓度,Pk为降水量。
进一步的，一种基于高斯驱动的绝缘子污秽预警系统，其特征在于，包括：
获取模块，用于获取待测区域的空气污染物排放数据和气象数据；
浓度模型模块，用于采用高斯函数对所述空气污染物排放数据和所述气象数据进行核驱动，获得污染气体的浓度模型；
盐密累计模型模块，用于根据所述污染气体的浓度模型建立盐密累计模型；
预警模块，用于获取所述盐密累计模型输出的待预警时间段内，待测绝缘子表面附着污秽的盐密累计值；比较所述盐密累计值与预设警戒值，若所述盐密累计值超过预设警戒值，则发出绝缘子闪络警报。
进一步的，所述气象数据包括气压、平均风速、平均风向、降水量、相对湿度、温度和水汽压。
进一步的，所述污染气体的浓度模型具体为：
Figure BDA0003364836090000021
Figure BDA0003364836090000022
其中，Q为高斯核驱动获得的污染物气体浓度值，U为平均风速，M为研究点的气体浓度，x为下风速，y为垂直于下风速的风速；a为非线性拟合最优估计值,x0为1000米。
进一步的，所述盐密累计模型具体为：
Figure BDA0003364836090000023
其中，S为盐密累计值，A为饱和等值盐密，k为常数，b、c、e和d为拟合常量，Mgas分别为PM2.5、PM10、SO2和NO2的浓度,Pk为降水量。
由以上技术方案可知，一种基于高斯驱动的绝缘子污秽预警方法及系统，获取待测区域的空气污染物排放数据和气象数据；采用高斯函数对所述空气污染物排放数据和所述气象数据进行核驱动，获得污染气体的浓度模型；根据所述污染气体的浓度模型建立盐密累计模型；获取所述盐密累计模型输出的待预警时间段内待测绝缘子表面附着污秽的盐密累计值；比较所述盐密累计值与预设警戒值的大小，若所述盐密累计值超过预设警戒值，则发出绝缘子闪络警报。
在实际应用过程中，采用空气污染物排放数据和气象数据作为影响绝缘子等值附盐密度值的主要变量的预测数据，以及采用高斯函数进行核驱动，对未来的绝缘子等值附盐密度值进行预测，并根据预测的绝缘子等值附盐密度值判断预测期间内是否达到预警值，大大提高了对大范围研究区域绝缘子的预测精度以及预测效率，减少我国电力事故的发生概率。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种基于高斯驱动的绝缘子污秽预警方法流程示意图；
图2为本申请实施例的一种基于高斯驱动的绝缘子污秽预警系统流程图。
具体实施方式
为了解决常见的预警方法对绝缘子污秽预警存在不及时、不准确及不全面的问题。本申请实施例提供一种基于高斯驱动的绝缘子污秽预警方法及系统，可根据盐密累计值预警值，提前对高危绝缘子进行清洗以及更换处理，极大减少了我国电力事故发生概率，降低国有财产损失。
参见图1为本申请实施例的一种基于高斯驱动的绝缘子污秽预警方法流程示意图，本申请实施例第一方面提供一种基于高斯驱动的绝缘子污秽预警方法，包括：
步骤S101：获取待测区域的空气污染物排放数据和气象数。
在步骤S101中，为了考虑不同地区与受到不同气象环境因素的影响，需要综合考虑气象环境以及待测区域的空气污染物排放值的影响，选取所需的气象数据和空气污染物排放数据；在本申请部分实施例中，所述气象数据包括：气压、平均风速、平均风向、降水量、相对湿度、温度和水汽压；所述空气污染物排放数据包括：大气PM10值、大气NO2值、大气SO2浓度值、风速值、降雨值、CO2排放值、NOX排放值和SO2排放值，当实际测试中选择采集其中的部分数据，用于建立获得污染气体的浓度模型。
步骤S102：采用高斯函数对所述空气污染物排放数据和所述气象数据进行核驱动，获得污染气体的浓度模型；根据所述污染气体的浓度模型建立盐密累计模型。
在步骤S102中，具体的，所述一种基于高斯驱动的绝缘子污秽预警方法采用高斯核驱动待测区域空气污染物排放数据和待测区域气象数据，从而获得下风向研究点上的各项污染气体的浓度，建立下风向研究点各项污染气体的浓度和污秽盐密度的模型关系，从而达到一个全面准确的绝缘子污秽预警作用。
步骤S103：获取所述盐密累计模型输出的待预警时间段内，待测绝缘子表面附着污秽的盐密累计值；比较所述盐密累计值与预设警戒值，若所述盐密累计值超过预设警戒值，则发出绝缘子闪络警报。
在步骤S103中，确定待测区域后获取待测区域所需研究的所述气象数据和所述空气污染物排放数据，将风速信息带入到高斯核分布的公式，然后所确定待测区域的气体浓度扩散的信息，再用所述污染气体的浓度模型表示待测区域的下风速方向各项气体浓度值。所述污染气体的浓度模型，具体为：
Figure BDA0003364836090000031
Figure BDA0003364836090000032
其中，Q为高斯核驱动获得的污染物气体浓度值，U为平均风速，M为研究点的气体浓度，x为下风速，y为垂直于下风速的风速；a为非线性拟合最优估计值,x0为1000米。
步骤S104：获取所述盐密累计模型输出的待预警时间段内待测绝缘子表面附着污秽的盐密累计值；
在步骤S104中，根据所述污染气体的浓度模型建立盐密累计模型，获得所述盐密累计模型中的盐密累计值，所述盐密累计值具体为等值附盐密度值，其含意是一定剂量的污秽液的电导用相同剂中产生相同电导的氯化钠来等效。
所述盐密累计模型，具体为：
Figure BDA0003364836090000033
其中，S为盐密累计值，A为饱和等值盐密，k为常数，b、c、e和d为拟合常量，Mgas分别为PM2.5、PM10、SO2和NO2的浓度,Pk为降水量。
步骤S105：获取所述盐密累计模型输出的待预警时间段内待测绝缘子表面附着污秽的盐密累计值的大小，若所述盐密累计值超过预设警戒值，则发出绝缘子闪络警报。
本申请实施例中方法所提供基于绝缘子表面等值附盐密度的绝缘子污秽预警方法，将盐密累计值有关的所有因子放入，并且提取了空气污染物排放数据和气象数据作为预测系统的主要条件，大大提高了对大范围研究区域绝缘子的预测精度以及预测效率，减少我国电力事故的发生概率。
为了实现上述方法的实际应用，本申请实施例第二方面还提供一种基于高斯驱动的绝缘子污秽预警系统，所述一种基于高斯驱动的绝缘子污秽预警系统用于执行本申请实施例第一方面所述的一种基于高斯驱动的绝缘子污秽预警方法，对于本申请实施例第二方面未公开的细节，请参见本申请实施例第一方面的提供的技术方案。
参见图2为本申请实施例的一种基于高斯驱动的绝缘子污秽预警系统流程图。
本申请实施例第二方面提供一种基于高斯驱动的绝缘子污秽预警系统包括：
获取模块，用于获取待测区域的空气污染物排放数据和气象数据。
浓度模型模块，用于采用高斯函数对所述空气污染物排放数据和所述气象数据进行核驱动，获得污染气体的浓度模型。
盐密累计模型模块，用于根据所述污染气体的浓度模型建立盐密累计模型。
预警模块，用于获取所述盐密累计模型输出的待预警时间段内，待测绝缘子表面附着污秽的盐密累计值；比较所述盐密累计值与预设警戒值，若所述盐密累计值超过预设警戒值，则发出绝缘子闪络警报。
在申请部分实施例中，所述气象数据包括气压、平均风速、平均风向、降水量、相对湿度、温度和水汽压。
在申请部分实施例中，所述污染气体的浓度模型具体为：
Figure BDA0003364836090000041
Figure BDA0003364836090000042
其中，Q为高斯核驱动获得的污染物气体浓度值，U为平均风速，M为研究点的气体浓度，x为下风速，y为垂直于下风速的风速；a为非线性拟合最优估计值,x0为1000米。
在申请部分实施例中，所述盐密累计模型具体为：
Figure BDA0003364836090000043
其中，S为盐密累计值，A为饱和等值盐密，k为常数，b、c、e和d为拟合常量，Mgas分别为PM2.5、PM10、SO2和NO2的浓度,Pk为降水量。
由以上技术方案可知，本申请提供的一种基于高斯驱动的绝缘子污秽预警方法及系统，所述一种基于高斯驱动的绝缘子污秽预警方法包括：获取待测区域的空气污染物排放数据和气象数据；采用高斯函数对所述空气污染物排放数据和所述气象数据进行核驱动，获得污染气体的浓度模型；根据所述污染气体的浓度模型建立盐密累计模型；获取所述盐密累计模型输出的待预警时间段内，待测绝缘子表面附着污秽的盐密累计值；比较所述盐密累计值与预设警戒值，若所述盐密累计值超过预设警戒值，则发出绝缘子闪络警报。
在实际应用过程中，采用空气污染物排放数据和气象数据作为影响绝缘子等值附盐密度值的主要变量的预测数据，以及采用高斯函数进行核驱动，对未来的绝缘子等值附盐密度值进行预测，并根据预测的绝缘子等值附盐密度值判断预测期间内是否达到预警值，大大提高了对大范围研究区域绝缘子的预测精度以及预测效率，减少我国电力事故的发生概率。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。

Claims (8)

1.一种基于高斯驱动的绝缘子污秽预警方法，其特征在于，所述基于高斯驱动的绝缘子污秽预警方法包括：
获取待测区域的空气污染物排放数据和气象数据；
采用高斯函数对所述空气污染物排放数据和所述气象数据进行核驱动，获得污染气体的浓度模型；
根据所述污染气体的浓度模型建立盐密累计模型；
获取所述盐密累计模型输出的待预警时间段内待测绝缘子表面附着污秽的盐密累计值；
比较所述盐密累计值与预设警戒值的大小，若所述盐密累计值超过预设警戒值，则发出绝缘子闪络警报。
2.根据权利要求1所述的一种基于高斯驱动的绝缘子污秽预警方法，其特征在于，所述气象数据包括气压、平均风速、平均风向、降水量、相对湿度、温度和水汽压。
3.根据权利要求1所述的一种基于高斯驱动的绝缘子污秽预警方法，其特征在于，所述污染气体的浓度模型，具体为：
Figure FDA0003364836080000011
Figure FDA0003364836080000012
其中，Q为高斯核驱动获得的污染物气体浓度值，U为平均风速，M为研究点的气体浓度，x为下风速，y为垂直于下风速的风速；a为非线性拟合最优估计值,x0为1000米。
4.根据权利要求1所述的一种基于高斯驱动的绝缘子污秽预警方法，其特征在于，所述盐密累计模型，具体为：
Figure FDA0003364836080000013
其中，S为盐密累计值，A为饱和等值盐密，k为常数，b、c、e和d为拟合常量，Mgas分别为PM2.5、PM10、SO2和NO2的浓度,Pk为降水量。
5.一种基于高斯驱动的绝缘子污秽预警系统，其特征在于，包括：
获取模块，用于获取待测区域的空气污染物排放数据和气象数据；
浓度模型模块，用于采用高斯函数对所述空气污染物排放数据和所述气象数据进行核驱动，获得污染气体的浓度模型；
盐密累计模型模块，用于根据所述污染气体的浓度模型建立盐密累计模型；
预警模块，用于获取所述盐密累计模型输出的待预警时间段内，待测绝缘子表面附着污秽的盐密累计值；比较所述盐密累计值与预设警戒值，若所述盐密累计值超过预设警戒值，则发出绝缘子闪络警报。
6.根据权利要求5所述的一种基于高斯驱动的绝缘子污秽预警系统，其特征在于，所述气象数据包括气压、平均风速、平均风向、降水量、相对湿度、温度和水汽压。
7.根据权利要求5所述的一种基于高斯驱动的绝缘子污秽预警系统，其特征在于，所述污染气体的浓度模型具体为：
Figure FDA0003364836080000021
Figure FDA0003364836080000022
其中，Q为高斯核驱动获得的污染物气体浓度值，U为平均风速，M为研究点的气体浓度，x为下风速，y为垂直于下风速的风速；a为非线性拟合最优估计值,x0为1000米。
8.根据权利要求5所述的一种基于高斯驱动的绝缘子污秽预警系统，其特征在于，所述盐密累计模型具体为：
Figure FDA0003364836080000023
其中，S为盐密累计值，A为饱和等值盐密，k为常数，b、c、e和d为拟合常量，Mgas分别为PM2.5、PM10、SO2和NO2的浓度,Pk为降水量。
CN202111398936.0A 2021-11-19 2021-11-19 一种基于高斯驱动的绝缘子污秽预警方法及系统 Pending CN114048624A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111398936.0A CN114048624A (zh) 2021-11-19 2021-11-19 一种基于高斯驱动的绝缘子污秽预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111398936.0A CN114048624A (zh) 2021-11-19 2021-11-19 一种基于高斯驱动的绝缘子污秽预警方法及系统

Publications (1)

Publication Number Publication Date
CN114048624A true CN114048624A (zh) 2022-02-15

Family

ID=80210805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111398936.0A Pending CN114048624A (zh) 2021-11-19 2021-11-19 一种基于高斯驱动的绝缘子污秽预警方法及系统

Country Status (1)

Country Link
CN (1) CN114048624A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114609372A (zh) * 2022-02-18 2022-06-10 江苏徐工工程机械研究院有限公司 基于最大熵的工程机械油液监测系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114609372A (zh) * 2022-02-18 2022-06-10 江苏徐工工程机械研究院有限公司 基于最大熵的工程机械油液监测系统及方法
CN114609372B (zh) * 2022-02-18 2023-10-03 江苏徐工工程机械研究院有限公司 基于最大熵的工程机械油液监测系统及方法

Similar Documents

Publication Publication Date Title
CN111537023B (zh) 一种工业园区大气污染物扩散模拟与溯源方法
Xie et al. Temporal characterization and regional contribution to O3 and NOx at an urban and a suburban site in Nanjing, China
CN108022011B (zh) 自然环境中绝缘子积污动态预测方法
CN111125641B (zh) 一种大气污染异常识别与成因分析方法、装置及存储介质
CN103258116A (zh) 一种大气污染物扩散模型的构建方法
CN113538861A (zh) 基于矿产地质勘查的地质灾害信息管理系统
CN114048624A (zh) 一种基于高斯驱动的绝缘子污秽预警方法及系统
Zheleva et al. Analysis and modeling of daily air pollutants in the city of Ruse, Bulgaria
Ting et al. Quantifying the impacts of PM2. 5 constituents and relative humidity on visibility impairment in a suburban area of eastern Asia using long-term in-situ measurements
CN104408578A (zh) 基于轨迹点的机械化作业的量化考核系统及其方法
CN115166180A (zh) 一种垃圾渗滤液水质分析系统及方法
CN114295778A (zh) 一种基于火电厂烟气排放质量评价方法及评价系统
CN108229092B (zh) 增加液相化学和湿沉降过程的大气污染模拟预测算法
CN117035564B (zh) 一种适用于工程监理的施工质量监管系统
CN112881611B (zh) 一种污染源溯源方法
CN110907318A (zh) 一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法
CN114023043A (zh) 一种泄露气体安全预警方法
Low et al. Atmospheric deposition of fluoride in the lower Tamar Valley, Tasmania
Seyfioglu et al. Investigation of air–water exchange of formaldehyde using the water surface sampler: Flux enhancement due to chemical reaction
CN104992055A (zh) 沙尘环境下架空线路污闪跳闸概率计算方法
CN109166282B (zh) 一种石油泄漏污染环境的报警终端及其实现方法
CN117540229B (zh) 一种基于聚类算法的大气环境监测方法
CN114266404B (zh) 一种化工园区场地污染预警系统
Soeda et al. Real-time control of emissions in Japanese cities
CN115859787A (zh) 一种沿海输电线路绝缘子盐密预测方法及系统

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