CN115143916A - 一种输电线路覆冰状态监测方法、设备及介质 - Google Patents
一种输电线路覆冰状态监测方法、设备及介质 Download PDFInfo
- Publication number
- CN115143916A CN115143916A CN202210665611.2A CN202210665611A CN115143916A CN 115143916 A CN115143916 A CN 115143916A CN 202210665611 A CN202210665611 A CN 202210665611A CN 115143916 A CN115143916 A CN 115143916A
- Authority
- CN
- China
- Prior art keywords
- icing
- data
- transmission line
- sampling unit
- power transmission
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 131
- 238000012360 testing method Methods 0.000 claims abstract description 48
- 239000011248 coating agent Substances 0.000 claims abstract description 47
- 238000000576 coating method Methods 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims abstract description 41
- 238000005303 weighing Methods 0.000 claims abstract description 26
- 230000008859 change Effects 0.000 claims description 48
- 238000003860 storage Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 239000004020 conductor Substances 0.000 description 4
- 239000012212 insulator Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
- G01B21/08—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness for measuring thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
Landscapes
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种输电线路覆冰状态监测方法、设备及介质，方法包括：主控模块接收覆冰采样单元与目标输电线路的覆冰测试数据，覆冰测试数据包括不同气象数据下覆冰采样单元的覆冰厚度数据以及目标输电线路的覆冰厚度数据；根据覆冰测试数据，确定覆冰采样单元与目标输电线路的第一修正系数以及折算系数；通过称重传感单元获取覆冰采样单元的当前质量数据，并通过气象传感单元获取覆冰采样单元的当前气象数据；根据当前质量数据以及当前气象数据，以及第一修正系数以及折算系数，确定目标输电线路的当前覆冰厚度预估值。本申请提供的技术方案能够保证覆冰厚度计算的精确度，具有较大的实用价值。
Description
技术领域
本申请涉及输电线路监测领域，具体涉及一种输电线路覆冰状态监测方法、设备及介质。
背景技术
输电线路表面覆冰/雪是一种特殊气象造成的后果，随着国家电力系统的高速发展，电力系统的输电线路在各地区覆盖分布愈加密集，输电线路的覆冰/雪直接给输电网带来了极大的危害与损失，影响其正常运行。因此，如何有效对输电线路进行覆冰监测、预防和提供可靠的除冰解决方案尤为重要。
近年来，随着传感器技术和通讯技术的快速发展，现有技术通过测量线路导线的悬挂点倾角、导线温度和悬垂绝缘子串的偏移角以实现覆冰导线综合荷载计算，将计算结果直接与输电线路设计参数进行比较，给出报警信号。这种基于拉力传感器的方案需要将拉力传感器与输电线路导线结合到一起，安装复杂，而且电力部门不易接受重新定制的导线挂环。基于拉力监测覆冰厚度需要根据工况构建复杂的力学模型，计算复杂而且等效值不准确，难以计算覆冰厚度值，误差较大。
另一种现有技术则通过高压铁塔上的工业摄像机在线采集输电线路覆冰前后的图象，然后通过GPRS网络和Internet网络传送到电力系统控制中心，控制中心计算机系统对图像进行处理，提取其边界轮廓，最后通过将导线和绝缘子覆冰状态与非覆冰状态时的边界进行比较，并通过一定的标定计算方法得出其当时的覆冰厚度。但由于受多种因素和实时环境的影响，这种数学模型很难确定，导致该覆冰监测系统存在监测不够准确的情况。同时，基于图像传感器方案的监测设备易受天气影响，图像设备被包裹覆冰，影响图像对覆冰的判断。当图像设备镜头被覆冰遮盖后需要依靠加热除冰才能正常采集图像视频，这就需要对设备的供电系统增加较多的冗余。再者图像设备在雨雪天气不能保证图像效果，无法真正起到覆冰监测的作用。
发明内容
为了解决上述问题，本申请提出了一种输电线路覆冰状态监测方法、设备及介质，应用于输电线路覆冰状态监测系统，所述系统包括：覆冰采样单元、称重传感单元、气象传感单元、主控模块，所述覆冰采样单元设置于目标输电线路预设范围内；所述方法包括：
主控模块接收所述覆冰采样单元与所述目标输电线路的覆冰测试数据，所述覆冰测试数据包括不同气象数据下所述覆冰采样单元的覆冰厚度数据以及所述目标输电线路的覆冰厚度数据；根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数；通过所述称重传感单元获取所述覆冰采样单元的当前质量数据，并通过所述气象传感单元获取所述覆冰采样单元的当前气象数据；根据所述当前质量数据以及所述当前气象数据，以及所述第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值。
在一个示例中，所述根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数，具体包括：获取所述覆冰采样单元的单元参数，以及所述目标输电线路的线路参数；根据所述单元参数以及所述线路参数，确定所述覆冰采样单元对应的初始修正系数以及初始折算系数；根据所述覆冰测试数据，确定所述覆冰采样单元以及所述目标输电线路覆冰厚度之间的对应关系；根据所述对应关系，调整所述初始修正系数以及所述初始折算系数，以得到所述第一修正系数以及所述折算系数。
在一个示例中，所述根据所述当前质量数据以及所述当前气象数据，以及所述训练后的第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值，具体包括：根据所述质量变化值，确定所述覆冰采样单元的覆冰体积变化值；根据所述覆冰体积变化值，确定所述覆冰采样单元外的覆冰厚度；通过如下公式，根据所述覆冰采样单元外的所述覆冰厚度，确定所述目标输电线路的所述当前覆冰厚度预估值：C＝KC0+D1；其中，C为所述目标输电线路的所述当前覆冰厚度预估值，K为所述折算系数，C0为所述覆冰采样单元外的所述覆冰厚度，D1为第一修正系数。
在一个示例中，所述根据所述质量变化值，确定所述覆冰采样单元的覆冰体积变化值之前，所述方法还包括：根据所述当前质量数据，以及所述覆冰采样单元的初始质量数据，确定质量变化值；确定预设的质量变化阈值以及所述气象数据阈值；若所述质量变化值超出所述质量变化阈值，且所述气象数据超出所述气象数据阈值，则确定所述目标输电线路存在覆冰条件。
在一个示例中，所述确定所述目标输电线路的当前覆冰厚度预估值之后，所述方法还包括：获取所述覆冰采样单元多个未来时间点的预测气象数据，并根据所述预测气象数据以及所述当前气象数据，确定气象数据变化区间；根据所述气象数据变化区间以及所述覆冰厚度预估值，确定所述目标输电线路在所述未来时间点的覆冰风险值。
在一个示例中，所述根据所述气象数据变化区间以及所述覆冰厚度预估值，确定所述目标输电线路在所述未来时间点的覆冰风险值，具体包括：根据所述气象数据变化区间以及所述当前气象数据，确定所述覆冰采样单元的气象数据变化趋势；根据所述气象数据变化趋势以及所述气象数据变化区间，确定所述预测气象数据超出预设气象数据阈值的所述目标时间点；获取所述目标时间点预设时间范围内的预测气象数据集；确定所述预测气象数据集中超出所述预设气象数据阈值的风险时长以及风险极值；通过如下公式，根据所述风险时长、所述风险极值以及所述当前覆冰厚度预估值，确定所述目标输电线路在所述未来时间点的覆冰风险值：F＝GC+TQ+D2；其中，F为所述覆冰风险值，G为覆冰修正系数，由预测时长以及预测时长内的预测气象数据集决定，C为所述当前覆冰厚度预估值，T为所述风险时长，Q为所述风险极值，D2为第二修正系数。
在一个示例中，所述系统还包括示警模块、除冰模块、通信模块，所述示警模块、所述除冰模块分别与所述主控模块相连；所述覆冰采样单元、所述称重传感单元、所述气象传感单元与所述主控模块相连，所述称重模块与所述覆冰采样单元相连；所述确定所述目标输电线路的当前覆冰厚度预估值之后，所述方法还包括：确定所述当前覆冰厚度预估值超出预警阈值，则通过所述示警模块发出示警，并通过所述除冰模块除去所述目标输电线路表面的覆冰。
在一个示例中，所述气象数据至少包括温度数据、湿度数据、风向数据、风速数据、气压数据。
本申请还提供了一种输电线路覆冰状态监测设备，应用于输电线路覆冰状态监测系统，所述系统包括：覆冰采样单元、称重传感单元、气象传感单元、主控模块，所述覆冰采样单元设置于目标输电线路预设范围内；所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：主控模块接收所述覆冰采样单元与所述目标输电线路的覆冰测试数据，所述覆冰测试数据包括不同气象数据下所述覆冰采样单元的覆冰厚度数据以及所述目标输电线路的覆冰厚度数据；根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数；通过所述称重传感单元获取所述覆冰采样单元的当前质量数据，并通过所述气象传感单元获取所述覆冰采样单元的当前气象数据；根据所述当前质量数据以及所述当前气象数据，以及所述第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值。
本申请还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：主控模块接收所述覆冰采样单元与所述目标输电线路的覆冰测试数据，所述覆冰测试数据包括不同气象数据下所述覆冰采样单元的覆冰厚度数据以及所述目标输电线路的覆冰厚度数据；根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数；通过所述称重传感单元获取所述覆冰采样单元的当前质量数据，并通过所述气象传感单元获取所述覆冰采样单元的当前气象数据；根据所述当前质量数据以及所述当前气象数据，以及所述第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值。
通过本申请提出的方法不需要将装置与输电线路导线结合起来，布置方式较为简便，同时在计算覆冰厚度时，构建的物理模型以及计算量相比于拉力传感器方式更为简单。同时，设备不会受到天气影响，能够保证覆冰厚度计算的精确度，具有较大的实用价值。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种输电线路覆冰状态监测方法流程示意图；
图2为本申请实施例中一种输电线路覆冰状态监测设备结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本说明书一个或多个实施例提供的一种输电线路覆冰状态监测方法的流程示意图。该方法可以应用于不同种类的输电线路。该流程可以由系统内的计算设备(本申请中为系统内的主控设备)执行，流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。
如图1所示，本申请实施例提供一种输电线路覆冰状态监测方法，应用于输电线路覆冰状态监测系统，这里的系统包括：覆冰采样单元、称重传感单元、气象传感单元、主控模块，需要说明的是，覆冰采样单元为结合输电导线的材质和形态设置的模拟导线，同时，本方案设计中的模拟导线可更换，可以适配不同的电压等级及导线类型，其结构为圆柱形壳体，根据壳体外形尺寸可预先知道覆冰采样单元的壳体体积为V0，同时，覆冰采样单元设置于目标输电线路预设范围内，即设置于目标输电线路一旁或是附近，以使覆冰采样单元与目标输电线路能够处于同一气象条件。输电线路覆冰状态监测方法方法包括：
S101：主控模块接收所述覆冰采样单元与所述目标输电线路的覆冰测试数据，所述覆冰测试数据包括不同气象数据下所述覆冰采样单元的覆冰厚度数据以及所述目标输电线路的覆冰厚度数据。
由于覆冰采样单元与目标输电线路处于同一气象条件，因此，当目标输电线路外壳覆冰时，结合目标输电线路的材质和形态设置的覆冰采样单元表面也会覆冰，因此在计算目标输电想线路的覆冰厚度时，可以通过覆冰采样单元的覆冰厚度进行计算。但是，由于覆冰采样单元的材质或壳体初始厚度与目标输电线路不同，因此，即使在相同气象条件下，覆冰采样单元与目标输电线路的壳外覆冰厚度也不会相同。此时首先需要获取覆冰采样单元的测试数据，这里的测试数据为于不同气象数据下覆冰采样单元的覆冰厚度数据以及目标输电线路的覆冰厚度数据。简单来说，就是获取很多组的对比数据，这里每组对比数据为相同气象条件下覆冰采样单元的覆冰厚度数据以及目标输电线路的覆冰厚度数据，且每组对比数据之间的气象条件不同。
需要说明的是，上述测试数据可以预先存储在计算机设备的存储装置中，当需要时，计算设备可以从存储装置中选取测试数据。当然，计算设备还可以从其它外部设备中获取该测试数据。比如，将测试数据存储在云端，当需要时，计算设备可以从云端获取测试数据，本实施例对测试数据的获取方式不做限定。
S102：根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数。
获取了覆冰采样单元的测试数据之后，确定预设的初始覆冰厚度计算模型，这里的初始覆冰厚度计算模型为在覆冰采样单元壳体外覆冰厚度已知的情况下，计算出目标输电线路壳体外覆冰厚度的计算模型。由于实际导线和覆冰采样单元之间存在差异，这个差异跟风速、环境温度、导线电流有关系，因此要根据实际测试在初始覆冰厚度计算模型中加入修正系数和折算系数，保障覆冰厚度数据的准确性。通过使用测试数据，调整第一修正系数以及折算系数，从而得到训练后的覆冰厚度计算模型。
需要说明的是，覆冰厚度计算模型为基于机器学习算法构建的数学模型，通过训练数据集预先对构建的初始覆冰厚度计算模型进行训练，当达到设定的训练精度、准确度时，确定当前次训练的覆冰厚度计算模型完成训练，以便用于预测处理。
S103：通过所述称重传感单元获取所述覆冰采样单元的当前质量数据，并通过所述气象传感单元获取所述覆冰采样单元的当前气象数据。
在将覆冰厚度计算模型训练完成之后，若已知覆冰采样单元壳体外的覆冰厚度，则可以直接求得目标输电线路外的覆冰厚度，此时需要通过称重传感单元获取覆冰采样单元的当前质量数据，并通过气象传感单元获取覆冰采样单元的当前气象数据。需要说明的是，称重传感单元核心组件为压式称重传感器，用于记录覆冰采样单元的质量，且覆冰采样单元的初始质量已知。
S104：根据所述当前质量数据以及所述当前气象数据，以及所述第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值。
在得到覆冰采样单元的当前质量数据以及当前气象数据之后，即可求得覆冰采样单元的壳外覆冰厚度，进而根据训练后的覆冰厚度计算模型，确定目标输电线路的当前覆冰厚度预估值。
在一个实施例中，根据测试数据，训练第一修正系数以及折算系数时，首先需要获取获取覆冰采样单元的单元参数，以及目标输电线路的线路参数，简单来讲，即获取覆冰采样单元以及目标输电线路的参数差异，再根据参数差异确定覆冰采样单元对应的初始修正系数以及初始折算系数。然后通过测试数据，确定覆冰采样单元以及目标输电线路覆冰厚度之间的对应关系。根据对应关系，对初始修正系数以及初始折算系数进行调整，以得到第一修正系数以及折算系数。这个过程可以看做是一个回归过程，通过大量的测试数据，对初始修正系数以及折算系数进行调整，从而得到更加满足测试数据的修正系数以及折算系数。
在一个实施例中，根据当前质量数据以及当前气象数据，以及训练后的覆冰厚度计算模型，确定目标输电线路的当前覆冰厚度时，首先需要根据质量变化值，确定覆冰采样单元的覆冰体积变化值，该过程可通过冰的密度进行计算。然后根据覆冰体积变化值，确定覆冰采样单元外的覆冰厚度。理想情况下，目标输电线路以及覆冰采样单元壳体外覆冰后仍然是规则圆形。通俗来讲，假定覆冰采样单元的的初始重量为M0，覆冰采样单元产生覆冰后质量发生变化，此时覆冰采样单元重量为M1，此时ΔM＝M0-M1，覆冰的体积ΔV＝ΔM/ρ。假定覆冰采样单元的半径为r，长度为h，则初始体积为V0＝πr2h，覆冰后体积为V＝ΔV+V0＝πR2h，此时R为覆冰后的半径，可通过如下公式，根据覆冰采样单元外的覆冰厚度，确定目标输电线路的当前覆冰厚度预估值：
C＝KC0+D1
其中，C为所述目标输电线路的当前覆冰厚度预估值，K为折算系数，C0为覆冰采样单元外的覆冰厚度，D1为第一修正系数。
在一个实施例中，由于称重传感单元为通过拉力或压力等方式确定覆冰采样单元的质量，但是覆冰采样单元的质量还可能由于风吹、异物等外界因素影响而发生改变。因此，可以在根据质量变化值，确定覆冰采样单元的覆冰体积变化值之前，根据当前质量数据，以及覆冰采样单元的初始质量数据，确定质量变化值，再确定预设的质量变化阈值以及气象数据阈值，若质量变化值超出质量变化阈值，且气象数据超出气象数据阈值，则确定目标输电线路存在覆冰条件。通过增加气象数据，能够排除预测误判的情况。
在一个实施例中，确定目标输电线路的当前覆冰厚度预估值之后，还能够获取覆冰采样单元多个未来时间点的预测气象数据，并根据预测气象数据以及当前气象数据，确定气象数据变化区间，然后再根据气象数据变化区间以及覆冰厚度，确定目标输电线路在所述未来时间点的覆冰风险值。
进一步地，根据气象数据变化区间以及覆冰厚度预估值，确定目标输电线路在未来时间点的覆冰风险值，具体包括：根据气象数据变化区间以及当前气象数据，确定覆冰采样单元的气象数据变化趋势，根据气象数据变化趋势以及气象数据变化区间，确定预测气象数据超出预设气象数据阈值的目标时间点。再获取目标时间点预设时间范围内的预测气象数据集，并确定预测气象数据集中超出预设气象数据阈值的风险时长以及风险极值。再通过如下公式，根据风险时长、风险极值以及当前覆冰厚度预估值，确定目标输电线路在未来时间点的覆冰风险值：
F＝GC+TQ+D2
其中，F为覆冰风险值，G为覆冰修正系数，由预测时长以及预测时长内的预测气象数据集决定，C为当前覆冰厚度预估值，T为风险时长，Q为风险极值，D2为第二修正系数。当风险值较高时，我们认为在该未来时间点，目标输电线路可能会出现覆冰的情况。
在一个实施例中，系统还包括示警模块、除冰模块、通信模块；这里示警模块、除冰模块分别与主控模块相连。且覆冰采样单元、称重传感单元、气象传感单元与主控模块相连，称重模块与覆冰采样单元相连。并在确定目标输电线路的当前覆冰厚度预估值之后，若当前覆冰厚度预估值超出预警阈值，则通过示警模块发出示警，并通过除冰模块除去目标输电线路表面的覆冰。
在一个实施例中，本方案的实施装置采用太阳能光伏取电，锂电池储能。且实施装置具有低功耗控制技术，具有定期和主动遥测功能，定期采集时间可设定，系统级芯片包含了AP+BP(Application Processor、Baseband Processor)，集成了射频功能，能够进行远程无线通信，具有4G功能。同时，实施例采用集成的5要素微气象传感器，能够采集温度、湿度、风向、风速、气压。系统级芯片与微气象传感器之间采用RS-485通信，实时采集气象数据，判断是否符合产生覆冰的条件。同时，本实施例中称重传感单元是一种数字式传感器，能够输出0～5V信号。
如图2所示，本申请实施例还提供了.一种输电线路覆冰状态监测，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
主控模块接收所述覆冰采样单元与所述目标输电线路的覆冰测试数据，所述覆冰测试数据包括不同气象数据下所述覆冰采样单元的覆冰厚度数据以及所述目标输电线路的覆冰厚度数据；根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数；通过所述称重传感单元获取所述覆冰采样单元的当前质量数据，并通过所述气象传感单元获取所述覆冰采样单元的当前气象数据；根据所述当前质量数据以及所述当前气象数据，以及所述第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值。
本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
主控模块接收所述覆冰采样单元与所述目标输电线路的覆冰测试数据，所述覆冰测试数据包括不同气象数据下所述覆冰采样单元的覆冰厚度数据以及所述目标输电线路的覆冰厚度数据；根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数；通过所述称重传感单元获取所述覆冰采样单元的当前质量数据，并通过所述气象传感单元获取所述覆冰采样单元的当前气象数据；根据所述当前质量数据以及所述当前气象数据，以及所述第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种输电线路覆冰状态监测方法，其特征在于，应用于输电线路覆冰状态监测系统，所述系统包括：覆冰采样单元、称重传感单元、气象传感单元、主控模块，所述覆冰采样单元设置于目标输电线路预设范围内；所述方法包括：
主控模块接收所述覆冰采样单元与所述目标输电线路的覆冰测试数据，所述覆冰测试数据包括不同气象数据下所述覆冰采样单元的覆冰厚度数据以及所述目标输电线路的覆冰厚度数据；
根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数；
通过所述称重传感单元获取所述覆冰采样单元的当前质量数据，并通过所述气象传感单元获取所述覆冰采样单元的当前气象数据；
根据所述当前质量数据以及所述当前气象数据，以及所述第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值。
2.根据权利要求1所述的方法，其特征在于，所述根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数，具体包括：
获取所述覆冰采样单元的单元参数，以及所述目标输电线路的线路参数；
根据所述单元参数以及所述线路参数，确定所述覆冰采样单元对应的初始修正系数以及初始折算系数；
根据所述覆冰测试数据，确定所述覆冰采样单元以及所述目标输电线路覆冰厚度之间的对应关系；
根据所述对应关系，调整所述初始修正系数以及所述初始折算系数，以得到所述第一修正系数以及所述折算系数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述当前质量数据以及所述当前气象数据，以及所述训练后的第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值，具体包括：
根据所述质量变化值，确定所述覆冰采样单元的覆冰体积变化值；
根据所述覆冰体积变化值，确定所述覆冰采样单元外的覆冰厚度；
通过如下公式，根据所述覆冰采样单元外的所述覆冰厚度，确定所述目标输电线路的所述当前覆冰厚度预估值：
C＝KC0+D1
其中，C为所述目标输电线路的所述当前覆冰厚度预估值，K为所述折算系数，C0为所述覆冰采样单元外的所述覆冰厚度，D1为第一修正系数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述质量变化值，确定所述覆冰采样单元的覆冰体积变化值之前，所述方法还包括：
根据所述当前质量数据，以及所述覆冰采样单元的初始质量数据，确定质量变化值；
确定预设的质量变化阈值以及所述气象数据阈值；
若所述质量变化值超出所述质量变化阈值，且所述气象数据超出所述气象数据阈值，则确定所述目标输电线路存在覆冰条件。
5.根据权利要求1所述的方法，其特征在于，所述确定所述目标输电线路的当前覆冰厚度预估值之后，所述方法还包括：
获取所述覆冰采样单元多个未来时间点的预测气象数据，并根据所述预测气象数据以及所述当前气象数据，确定气象数据变化区间；
根据所述气象数据变化区间以及所述覆冰厚度预估值，确定所述目标输电线路在所述未来时间点的覆冰风险值。
6.根据权利要求5所述的方法，其特征在于，所述根据所述气象数据变化区间以及所述覆冰厚度预估值，确定所述目标输电线路在所述未来时间点的覆冰风险值，具体包括：
根据所述气象数据变化区间以及所述当前气象数据，确定所述覆冰采样单元的气象数据变化趋势；
根据所述气象数据变化趋势以及所述气象数据变化区间，确定所述预测气象数据超出预设气象数据阈值的所述目标时间点；
获取所述目标时间点预设时间范围内的预测气象数据集；
确定所述预测气象数据集中超出所述预设气象数据阈值的风险时长以及风险极值；
通过如下公式，根据所述风险时长、所述风险极值以及所述当前覆冰厚度预估值，确定所述目标输电线路在所述未来时间点的覆冰风险值：
F＝GC+TQ+D2
其中，F为所述覆冰风险值，G为覆冰修正系数，由预测时长以及预测时长内的预测气象数据集决定，C为所述当前覆冰厚度预估值，T为所述风险时长，Q为所述风险极值，D2为第二修正系数。
7.根据权利要求1所述的方法，其特征在于，所述系统还包括示警模块、除冰模块、通信模块，所述示警模块、所述除冰模块分别与所述主控模块相连；所述覆冰采样单元、所述称重传感单元、所述气象传感单元与所述主控模块相连，所述称重模块与所述覆冰采样单元相连；
所述确定所述目标输电线路的当前覆冰厚度预估值之后，所述方法还包括：
确定所述当前覆冰厚度预估值超出预警阈值，则通过所述示警模块发出示警，并通过所述除冰模块除去所述目标输电线路表面的覆冰。
8.根据权利要求1所述的方法，其特征在于，所述气象数据至少包括温度数据、湿度数据、风向数据、风速数据、气压数据。
9.一种输电线路覆冰状态监测设备，其特征在于，应用于输电线路覆冰状态监测系统，所述系统包括：覆冰采样单元、称重传感单元、气象传感单元、主控模块，所述覆冰采样单元设置于目标输电线路预设范围内；所述设备包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：
主控模块接收所述覆冰采样单元与所述目标输电线路的覆冰测试数据，所述覆冰测试数据包括不同气象数据下所述覆冰采样单元的覆冰厚度数据以及所述目标输电线路的覆冰厚度数据；
根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数；
通过所述称重传感单元获取所述覆冰采样单元的当前质量数据，并通过所述气象传感单元获取所述覆冰采样单元的当前气象数据；
根据所述当前质量数据以及所述当前气象数据，以及所述第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值。
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
主控模块接收所述覆冰采样单元与所述目标输电线路的覆冰测试数据，所述覆冰测试数据包括不同气象数据下所述覆冰采样单元的覆冰厚度数据以及所述目标输电线路的覆冰厚度数据；
根据所述覆冰测试数据，确定所述覆冰采样单元与所述目标输电线路的第一修正系数以及折算系数；
通过所述称重传感单元获取所述覆冰采样单元的当前质量数据，并通过所述气象传感单元获取所述覆冰采样单元的当前气象数据；
根据所述当前质量数据以及所述当前气象数据，以及所述第一修正系数以及折算系数，确定所述目标输电线路的当前覆冰厚度预估值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210665611.2A CN115143916A (zh) | 2022-06-14 | 2022-06-14 | 一种输电线路覆冰状态监测方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210665611.2A CN115143916A (zh) | 2022-06-14 | 2022-06-14 | 一种输电线路覆冰状态监测方法、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115143916A true CN115143916A (zh) | 2022-10-04 |
Family
ID=83408067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210665611.2A Pending CN115143916A (zh) | 2022-06-14 | 2022-06-14 | 一种输电线路覆冰状态监测方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115143916A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115508806A (zh) * | 2022-11-04 | 2022-12-23 | 广东安恒电力科技有限公司 | 基于激光雷达的输电线覆冰在线监测方法、介质及设备 |
| CN117450942A (zh) * | 2023-12-26 | 2024-01-26 | 云南远信科技有限公司 | 一种线路覆冰成像监测系统及方法 |
| CN117932914A (zh) * | 2024-01-16 | 2024-04-26 | 重庆大学 | 一种基于覆冰厚度动态匹配的输电线路导体覆冰预测方法 |
-
2022
- 2022-06-14 CN CN202210665611.2A patent/CN115143916A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115508806A (zh) * | 2022-11-04 | 2022-12-23 | 广东安恒电力科技有限公司 | 基于激光雷达的输电线覆冰在线监测方法、介质及设备 |
| CN115508806B (zh) * | 2022-11-04 | 2023-03-14 | 广东安恒电力科技有限公司 | 基于激光雷达的输电线覆冰在线监测方法、介质及设备 |
| CN117450942A (zh) * | 2023-12-26 | 2024-01-26 | 云南远信科技有限公司 | 一种线路覆冰成像监测系统及方法 |
| CN117450942B (zh) * | 2023-12-26 | 2024-03-26 | 云南远信科技有限公司 | 一种线路覆冰成像监测系统及方法 |
| CN117932914A (zh) * | 2024-01-16 | 2024-04-26 | 重庆大学 | 一种基于覆冰厚度动态匹配的输电线路导体覆冰预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115143916A (zh) | 一种输电线路覆冰状态监测方法、设备及介质 | |
| CN104021424B (zh) | 用于预测风场中的风机的输出功率的方法和装置 | |
| CN110146008B (zh) | 基于叉指电容传感器的覆冰参量和状态的监测方法 | |
| CN101858311B (zh) | 获得风电设备功率曲线以及风电设备控制的方法和装置 | |
| CN113847216B (zh) | 风机叶片的状态预测方法、装置、设备及存储介质 | |
| CN117117819A (zh) | 一种光伏发电短期功率预测方法、系统、设备和介质 | |
| CN114154353B (zh) | 一种光纤结冰探测传感器数据重构方法、系统及存储介质 | |
| CN108520170A (zh) | 一种断线倒塔概率模型的计算方法及装置 | |
| KR102164293B1 (ko) | 풍력 발전 장치에 연결된 ESS(energy storage system)의 충전 또는 방전을 스케줄링하는 방법 및 장치 | |
| CN104217247B (zh) | 用于预测风场中的风机的输出功率的方法和装置 | |
| CN115546657A (zh) | 基于云团运动轨迹的区域地表辐射强度的预测方法 | |
| CN113836730A (zh) | 一种覆冰监测用旋转多圆导体直径计算方法 | |
| CN204903698U (zh) | 一种基于气象和神经网络的绝缘子污闪预警装置 | |
| JP6010485B2 (ja) | 風力発電制御装置及び風力発電制御方法 | |
| CN110649505B (zh) | 输电线路覆冰的立体式监测方法及装置 | |
| CN111443400B (zh) | 一种风力预测方法、预测装置、预测系统和存储介质 | |
| CN110188939B (zh) | 风电场的风功率的预测方法、系统、设备和存储介质 | |
| CN102967400B (zh) | 一种复杂地形下的风电机组功率特性曲线测试方法 | |
| CN110601193B (zh) | 一种基于环境变量感知及滞后的电力负荷预测系统及方法 | |
| CN114708718A (zh) | 风力发电机组温度集群管控方法、装置、设备及介质 | |
| CN116681156A (zh) | 基于邻近风电场数据的新建风电场风功率的确定方法 | |
| CN102494732A (zh) | 一种料仓收支偏差检测方法及系统 | |
| CN104571096A (zh) | 一种燃煤电厂给煤机故障在线诊断方法及系统 | |
| CN109506675A (zh) | 一种用于光电吊舱的温度漂移自动补偿方法 | |
| CN115248022B (zh) | 一种输电线路的结冰厚度检测方法 |
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 |