CN117034208A - 配电网线路故障预测方法、装置、设备和存储介质 - Google Patents
配电网线路故障预测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117034208A CN117034208A CN202311001380.6A CN202311001380A CN117034208A CN 117034208 A CN117034208 A CN 117034208A CN 202311001380 A CN202311001380 A CN 202311001380A CN 117034208 A CN117034208 A CN 117034208A
- Authority
- CN
- China
- Prior art keywords
- target
- length
- line
- sag
- historical
- 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 57
- 230000004888 barrier function Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 238000011835 investigation Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 description 83
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 241000894007 species Species 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 239000004020 conductor Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000209128 Bambusa Species 0.000 description 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网线路故障预测方法、装置、设备和存储介质。该方法包括:获取目标线路下的树障对应的目标种类、目标线路对应的各个历史状态信息和目标杆塔高度;将目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得目标树木高度;基于历史状态信息确定目标线路对应的每个第一弧垂长度,并将各个第一弧垂长度进行均值处理,获得第二弧垂长度;将第二弧垂长度、每个第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得目标弧垂长度;基于目标杆塔高度、目标树木高度和目标弧垂长度,确定目标线路对应的故障预测结果,从而自动快速且准确地实现线路故障预测,保证配电线路的正常运行,提高配电网的供电可靠性。
Description
技术领域
本发明涉及配电网技术领域,尤其涉及一种配电网线路故障预测方法、装置、设备和存储介质。
背景技术
随着配电网的快速建设,配电网中架空线路不断增长,配电线路会经过经济林带或树木密集的林区。配电线路下方的树木或竹子等植物如果生长过高,会造成植物与配电线路之间的距离过近、植物穿过配电线路或植物搭在配电线路上等情况。出现上述情况会导致配线线路出现故障,无法正常运行,造成大面积停电。需要抢修人员排查故障点,并针对故障点进行抢修。
目前,通常采用人工巡查的方式,预防配电线路下方植物过高,影响配电线路正常工作的情况。然而,这种人工巡查的方式,费时费力,还存在错检的情况,并且由于配电线路分布广泛,容易出现漏检的情况。
发明内容
本发明提供了一种配电网线路故障预测方法、装置、设备和存储介质,以在配电线路发生故障前,自动快速且准确地确定出树障是否会对配电线路造成影响,导致配电线路故障,并且可以更全面的检测每条配电线路,保证配电线路的正常运行,提高配电网的供电可靠性,从而提升配电网稳定性。
根据本发明的一方面,提供了一种配电网线路故障预测方法,该方法包括:
获取配电网中目标线路下的树障对应的目标种类、历史时长内所述目标线路对应的各个历史状态信息和目标杆塔高度;
将所述目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得所述预测时长内的目标树木高度;
基于所述历史状态信息确定所述目标线路对应的每个第一弧垂长度,并将各个所述第一弧垂长度进行均值处理,获得所述目标线路对应的第二弧垂长度;
将所述第二弧垂长度、每个所述第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得所述预测时长内的目标弧垂长度;
基于所述目标杆塔高度、所述目标树木高度和所述目标弧垂长度,确定所述目标线路对应的故障预测结果。
根据本发明的另一方面,提供了一种配电网线路故障预测装置,该装置包括:
信息获取模块,用于获取配电网中目标线路下的树障对应的目标种类、历史时长内所述目标线路对应的各个历史状态信息和目标杆塔高度;
目标树木高度预测模块,用于将所述目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得所述预测时长内的目标树木高度;
第二弧垂长度确定模块,用于基于所述历史状态信息确定所述目标线路对应的每个第一弧垂长度,并将各个所述第一弧垂长度进行均值处理,获得所述目标线路对应的第二弧垂长度;
目标弧垂长度预测模块,用于将所述第二弧垂长度、每个所述第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得所述预测时长内的目标弧垂长度;
故障预测结果确定模块,用于基于所述目标杆塔高度、所述目标树木高度和所述目标弧垂长度,确定所述目标线路对应的故障预测结果。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的配电网线路故障预测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的配电网线路故障预测方法。
本发明实施例的技术方案,通过获取配电网中目标线路下的树障对应的目标种类、历史时长内所述目标线路对应的各个历史状态信息和目标杆塔高度;将所述目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得所述预测时长内的目标树木高度;基于所述历史状态信息确定所述目标线路对应的每个第一弧垂长度,并将各个所述第一弧垂长度进行均值处理,获得所述目标线路对应的第二弧垂长度;将所述第二弧垂长度、每个所述第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得所述预测时长内的目标弧垂长度;基于所述目标杆塔高度、所述目标树木高度和所述目标弧垂长度,确定所述目标线路对应的故障预测结果,从而可以在配电线路发生故障前,自动快速且准确地确定出树障是否会对配电线路造成影响,导致配电线路故障,并且可以更全面的检测每条配电线路,保证配电线路的正常运行,提高配电网的供电可靠性,进而提升配电网稳定性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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是根据本发明实施例一提供的一种配电网线路故障预测方法的流程图;
图2是根据本发明实施例二提供的一种配电网线路故障预测方法的流程图;
图3是根据本发明实施例三提供的一种配电网线路故障预测装置的结构示意图;
图4是实现本发明实施例的配电网线路故障预测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种配电网线路故障预测方法的流程图,本实施例可适用于预先对树障可能导致的配电线路故障进行自动诊断的情况,该方法可以由配电网线路故障预测装置来执行,该配电网线路故障预测装置可以采用硬件和/或软件的形式实现,该配电网线路故障预测装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取配电网中目标线路下的树障对应的目标种类、历史时长内目标线路对应的各个历史状态信息和目标杆塔高度。
其中,配电网可以是指电力系统的末端网络。配电网可以用于向末端用户输送电能。目标线路可以是指配电网中任意相邻杆塔之间的架空线路。树障可以是指在配电线路下方可能对配电线路造成影响的树木所形成的障碍。例如,树障可以是但不限于经济林带或树木密集的林区。不同种类的树木生长的速率不同。历史时长可以是巡查人员根据当地需求设置的当前时刻之前的一段时长。历史状态信息可以是指在历史时长内对配电线路的弧垂长度影响较大的状态信息。例如,状态信息可以包括但不限于线路温度和线路负荷。目标杆塔高度可以是指目标线路两侧相邻的杆塔高度、例如,杆塔高度可以是指目标线路两侧相邻杆塔中较低杆塔对应的杆塔高度。
具体地,获取配电网中目标线路下的树障对应的目标种类、历史时长内目标线路对应的各个历史状态信息和目标杆塔高度。
例如,通过林木规划图和配电线路规划图可以进行坐标重合操作,并从重合后的规划图中识别出配电网中目标线路下的树障对应的目标种类。还可以通过预先记载的配电线路与下方树障之间的对应关系,确定出配电网中目标线路下的树障对应的目标种类。根据预先设定的历史时长,从存储的历史数据中,获取目标线路对应的各个历史状态信息和目标杆塔高度。
S120、将目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得预测时长内的目标树木高度。
其中,预测时长可以是指根据业务需求设置的当前时刻之后未来的一段时长。目标树高生长模型可以是指预设树高生长模型通过大量样本数据完成训练后获得的模型。目标树高生长模型可以反映树种在温度、水分、土壤等各种生长调查因子的影响下,树高随树龄的变化趋势及规律。也就是说,可以通过目标树高生长模型预测每个种类的树木随时间变化而对应变化的树木高度。目标树木高度可以包含预测时长内多个预设时刻对应的树木高度。也就是说,可以通过获得的预测时长内的目标树木高度,确定出一条在预设时长内,随时间变化而变化反映对应树木高度的曲线。
具体地,将目标种类和预测时长输入至目标树高生长模型中,根据预测时长内树种对应的温度、水分、土壤等各种生长调查因子,进行树木高度预测,并基于目标树高生长模型输出的结果,获得预测时长内的目标树木高度。
S130、基于历史状态信息确定目标线路对应的每个第一弧垂长度,并将各个第一弧垂长度进行均值处理,获得目标线路对应的第二弧垂长度。
其中,弧垂可以是指配电网中两个相邻杆塔之间配电线路的最低点。弧垂长度又名弧垂值,可以是指上述配电线路的最低点与较低杆塔之间的垂直距离。第一弧垂长度可以是指在理想状态下,预测出的理想弧垂长度。第二弧垂长度可以是指在历史时长内理想弧垂长度对应的平均值。
具体地,基于历史状态信息,确定每个历史时刻的目标线路对应的第一弧垂长度;将全部第一弧垂长度进行均值处理,获得目标线路对应的第二弧垂长度。
S140、将第二弧垂长度、每个第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得预测时长内的目标弧垂长度。
其中,长度预测模型是用于预测目标线路对应的弧垂长度的模型。例如,长度预测模型可以是但不限于二次指数平滑预测模型。目标弧垂长度可以是指在理想弧垂长度的基础上,预测出更接近真实的弧垂长度。
具体地,将第二弧垂长度、每个第一弧垂长度和预测时长输入至长度预测模型中进行指数平滑处理,并基于平滑处理后的数据确定出长度预测所需的各个预测参数。基于各个预测参数和预测时长进行长度预测,并确定目标弧垂长度。基于长度预测模型的输出结果,获取预测时长内的目标弧垂长度。
S150、基于目标杆塔高度、目标树木高度和目标弧垂长度,确定目标线路对应的故障预测结果。
其中,故障预测结果可以是指在预测时长内每个预测时刻下,目标线路下的树障是否会对配电线路的正常运行造成影响,导致配电线路出现故障。或者故障预测结果还可以是指在未来的某个时刻,目标线路下的树障会对配电线路的正常运行造成影响,导致配电线路出现故障。
具体地,基于目标树木高度和目标弧垂长度确定目标线路对应能正常运行的最小距离,并基于目标杆塔高度和最小距离进行判断,确定出目标线路对应的故障预测结果。例如,若目标杆塔高度大于最小距离,则在预测时长内,目标线路下方的树障不会影响到目标线路的正常运行。若目标杆塔高度小于或等于最小距离,则在预测时长内,目标线路下方的树障会影响到目标线路的正常运行,甚至造成配电线路故障。
本发明实施例的技术方案,通过获取配电网中目标线路下的树障对应的目标种类、历史时长内目标线路对应的各个历史状态信息和目标杆塔高度;将目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得预测时长内的目标树木高度;基于历史状态信息确定目标线路对应的每个第一弧垂长度,并将各个第一弧垂长度进行均值处理,获得目标线路对应的第二弧垂长度;将第二弧垂长度、每个第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得预测时长内的目标弧垂长度;基于目标杆塔高度、目标树木高度和目标弧垂长度,确定目标线路对应的故障预测结果,从而可以在配电线路发生故障前,自动快速且准确地确定出树障是否会对配电线路造成影响,导致配电线路故障,并且可以更全面的检测每条配电线路,保证配电线路的正常运行,提高配电网的供电可靠性,进而提升配电网稳定性。
在上述技术方案的基础上,S120中“目标树高生长模型”具体用于:基于输入的目标种类确定树木高度预测所需的生长调查因子;基于生长调查因子和输入的预测时长,确定预测时长内的目标树木高度。
其中,在训练目标树高生长模型时,可以通过不同地区树木种类的统计,选取不同立地条件的树高观测值为调查数据,通过拟合得到回归方程。目标树高生长模型可以反映树种在温度、水分、土壤等各种生长调查因子的影响下,树高随树龄的变化趋势及规律。其中,反映树木生长周期的方程是一个“S”型曲线方程。并且,理查德方程是典型的非线性回归模型,因此,以树种的不同调查因子为基础,通过理查德方程对树高生长量随时间变化规律进行描述。例如,理查德方程计算如下所示:
h=a(1-e-kT)c
其中,h为树木高度;T为树木生长年龄;参数a、k、c为生长调查因子;并且a与树木高度相关,代表树高的最大值;k与树木生长速度相关,代表树木的生长速率;c与方程的曲线形状相关,决定拐点的位置,拐点精度越高,则方程模拟精度越高。
具体地,沿用上例,基于输入的目标种类确定树木高度预测所需的生长调查因子(a、k、c);基于生长调查因子(a、k、c)和输入的预测时长(T),确定预测时长内的目标树木高度(h)。
在上述技术方案的基础上,S140中“长度预测模型”具体用于:基于输入的第二弧垂长度和输入的每个第一弧垂长度进行第一次指数平滑处理,确定每个历史时刻对应的第三弧垂长度;基于输入的第二弧垂长度和每个第三弧垂长度进行第二次指数平滑处理,确定每个历史时刻对应的第四弧垂长度;基于第三弧垂长度和第四弧垂长度,确定目标弧垂长度预测对应的预测参数;基于预测参数和输入的预测时长,确定预测时长内的目标弧垂长度。
其中,历史时长包含多个历史时刻。历史时刻是预先设定好的。第二弧垂长度可以用和/>表示。第一弧垂长度可以由xn表示。n为正整数。α为目标线路导线的膨胀系数。第一次指数平滑处理的公式如下:
第三弧垂长度可以用表示。第四弧垂长度可以用/>表示。第二次指数平滑处理的公式如下:
预测参数可以用于an和bn表示。基于第三弧垂长度和第四弧垂长度,确定目标弧垂长度预测对应的预测参数。沿用上例,预测参数的确定过程如下:
在确定出全部预测参数时,可以基于预测参数和输入的预测时长,确定预测时长内的目标弧垂长度。目标弧垂长度可以用Yn+T表示。沿用上例,Yn+T=an+bnT。
在上述技术方案的基础上,S150可以包括:将同一时刻对应的目标树木高度和目标弧垂长度进行相加,获得树木总高度;将目标杆塔高度与树木总高度进行相减,获得净空距离;若检测到在预测时长内净空距离小于或等于最小安全距离,则获取目标线路对应的目标线路位置信息;基于目标线路位置信息生成告警信息,并将告警信息进行展示。
其中,沿用上例,树木总高度可以由(h+Y)表示。目标杆塔高度可以由M表示。净空距离可以由H表示。净空距离的确定公式为:H=M-(h+Y)。若检测到在预测时长内净空距离大于最小安全距离,表明在预测时长内目标线路下方树障不会影响目标线路的正常运行,则可以不对该树障进行修剪。若检测到在预测时长内净空距离小于或等于最小安全距离,表明在预测时长内目标线路下方树障会影响目标线路的正常运行,则获取目标线路对应的目标线路位置信息;基于目标线路位置信息生成告警信息,并将告警信息进行展示。
实施例二
图2为本发明实施例二提供的另一种配电网线路故障预测方法的流程图,本实施例在上述实施例的基础上,对第一弧垂长度的确定过程进行详细描述。其中与上述各实施例相同或相应的术语的解释在此不再赘述。如图2所示,该方法包括:
S210、获取配电网中目标线路下的树障对应的目标种类、历史时长内目标线路对应的各个历史状态信息和目标杆塔高度。
S220、将目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得预测时长内的目标树木高度。
S230、在历史时长内确定至少一个历史时刻,并确定每个历史时刻对应的历史状态信息中的历史线路温度和历史线路负荷。
其中,可以基于预先设定的历史时刻获取方式,在历史时长内确定出全部所需的历史时刻。历史时刻对应的历史状态信息可以相同,也可以不同。线路温度可以是指配电线路中导线温度。线路负荷可以是指配电线路中导线上的负荷强度。历史时刻选取的越多,相对的可以确定出更准确的第二弧垂长度。
S240、基于历史线路温度、历史线路负荷和预先标定的弧垂长度,确定目标线路对应的每个第一弧垂长度。
其中,弧垂长度是在每个线路温度和每个线路负荷下确定的。预先对确定出的弧垂长度和每个线路温度与每个线路负荷进行标定。可以理解为预先标定的弧垂长度与线路温度、线路负荷存在对应关系。可以基于该对应关系确定出历史线路温度和历史线路负荷对应的第一弧垂长度。在全部历史线路温度和全部历史线路负载都确定出对应的第一弧垂长度后,就确定出了目标线路在每个历史时刻对应的第一弧垂长度。
S250、将各个第一弧垂长度进行均值处理,获得目标线路对应的第二弧垂长度。
S260、将第二弧垂长度、每个第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得预测时长内的目标弧垂长度。
S270、基于目标杆塔高度、目标树木高度和目标弧垂长度,确定目标线路对应的故障预测结果。
本发明实施例的技术方案,通过在历史时长内确定至少一个历史时刻,并确定每个历史时刻对应的历史状态信息中的历史线路温度和历史线路负荷;基于历史线路温度、历史线路负荷和预先标定的弧垂长度,确定目标线路对应的每个第一弧垂长度,从而利用更全面的第一弧垂长度确定更准确的第二弧垂长度,进而确定更准确的目标弧垂长度和故障预测结果,进一步保证在配电线路发生故障前,自动快速且准确地确定出树障是否会对配电线路造成影响,并且可以更全面的检测每条配电线路,保证配电线路的正常运行,提高配电网的供电可靠性。
在上述技术方案的基础上,S240中“预先标定的弧垂长度”的确定过程,可以包括:获取目标线路对应的初始线路信息、历史线路信息和目标线路两侧相邻杆塔之间的高度差;基于历史线路信息和初始线路信息,确定历史水平应力;基于历史水平应力、历史线路信息和高度差,确定预先标定的弧垂长度。
其中,初始线路信息可以是指初始状态下的线路信息。初始状态可以是指配电线路刚装在杆塔上时配电线路所处的状态。初始状态可以是包括初始温度为28℃,且配电线路不带负荷的状态。例如,初始线路信息可以包括σ0、g0、α、l和T0。其中,σ0为目标线路初始状态下的水平应力;g0为目标线路初始比载;α为目标线路导线的膨胀系数;l为目标线路两侧相邻杆塔之间的档距;T0为目标线路导线初始状态下的导线温度。历史线路信息可以是指在在当前时刻之前,与初始状态不同的历史状态所对应的线路信息。每个不同的历史状态对应的各自的历史线路信息。以某一个历史状态为例,历史状态信息可以包括g、E和Tw。其中,g为历史状态下的比载;E为历史状态下目标线路对应导线的弹性模量;Tw为目标线路导线历史状态下的导线温度。历史水平应力可以用σ表示。
具体地,沿用上例,历史水平应力的确定公式如下:
将目标线路对应的初始线路信息、历史线路信息和目标线路两侧相邻杆塔之间的高度差代入上述历史水平应力的确定公式中进行计算,确定出历史水平应力。
在上述技术方案的基础上,“基于历史水平应力、历史线路信息和高度差,确定预先标定的弧垂长度”,可以包括:基于历史水平应力和历史线路信息,确定第五弧垂长度;基于历史水平应力、历史线路信息和高度差,确定第六弧垂长度;将第五弧垂长度和第六弧垂长度进行加权求和,获得相加结果,并将相加结果作为预先标定的弧垂长度。
其中,第五弧垂长度可以用f1表示。第六弧垂长度可以用f2表示。预先标定的弧垂长度可以用F表示。沿用上例,第五弧垂长度的确定公式如下:
其中,目标线路两侧相邻杆塔之间的高度差可以用G表示。弧垂点距离小号杆塔的水平距离可以用x表示。x的取值可以是(0,l)。将历史水平应力和历史线路信息代入上述第五弧垂长度的确定公式,确定出第五弧垂长度f1。
第六弧垂长度的确定公式如下:
其中,D为导线单位长度负荷。将历史水平应力、历史线路信息和高度差代入上述第六弧垂长度的确定公式,确定出第六弧垂长度f2。将第五弧垂长度和第六弧垂长度进行加权求和,获得相加结果,并将相加结果作为预先标定的弧垂长度。即预先标定的弧垂长度为F=w1f1+w2f2。w1和w2为权重。w1和w2的和为1。可以根据实际需求取值。例如,可以取w1=0.5;且w2=0.5。
需要说明的是,影响配电线路弧垂的最主要的因素为输电导线的温度,也就是说,配电线路弧垂随着线路中导线温度的增大而增大。除此之外,影响配电线路弧垂的因素还有负荷,且负荷越大,会使导线弧垂相比于正常情况存在大幅增大。因此,上述针对温度和负荷对配电线路弧垂长度进行预测。
以下是本发明实施例提供的配电网线路故障预测装置的实施例,该装置与上述各实施例的配电网线路故障预测方法属于同一个发明构思,在配电网线路故障预测装置的实施例中未详尽描述的细节内容,可以参考上述配电网线路故障预测方法的实施例。
实施例三
图3为本发明实施例三提供的一种配电网线路故障预测装置的结构示意图。如图3所示,该装置包括:信息获取模块310、目标树木高度预测模块320、第二弧垂长度确定模块330、目标弧垂长度预测模块340和故障预测结果确定模块350。
其中,信息获取模块310,用于获取配电网中目标线路下的树障对应的目标种类、历史时长内目标线路对应的各个历史状态信息和目标杆塔高度;目标树木高度预测模块320,用于将目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得预测时长内的目标树木高度;第二弧垂长度确定模块330,用于基于历史状态信息确定目标线路对应的每个第一弧垂长度,并将各个第一弧垂长度进行均值处理,获得目标线路对应的第二弧垂长度;目标弧垂长度预测模块340,用于将第二弧垂长度、每个第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得预测时长内的目标弧垂长度;故障预测结果确定模块350,用于基于目标杆塔高度、目标树木高度和目标弧垂长度,确定目标线路对应的故障预测结果。
本发明实施例的技术方案,通过获取配电网中目标线路下的树障对应的目标种类、历史时长内目标线路对应的各个历史状态信息和目标杆塔高度;将目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得预测时长内的目标树木高度;基于历史状态信息确定目标线路对应的每个第一弧垂长度,并将各个第一弧垂长度进行均值处理,获得目标线路对应的第二弧垂长度;将第二弧垂长度、每个第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得预测时长内的目标弧垂长度;基于目标杆塔高度、目标树木高度和目标弧垂长度,确定目标线路对应的故障预测结果,从而可以在配电线路发生故障前,自动快速且准确地确定出树障是否会对配电线路造成影响,导致配电线路故障,并且可以更全面的检测每条配电线路,保证配电线路的正常运行,提高配电网的供电可靠性,进而提升配电网稳定性。
可选地,目标树木高度预测模块320中“目标树高生长模型”具体用于:基于输入的目标种类确定树木高度预测所需的生长调查因子;基于生长调查因子和输入的预测时长,确定预测时长内的目标树木高度。
可选地,目标弧垂长度预测模块340中“长度预测模型”具体用于:基于输入的第二弧垂长度和输入的每个第一弧垂长度进行第一次指数平滑处理,确定每个历史时刻对应的第三弧垂长度;基于输入的第二弧垂长度和每个第三弧垂长度进行第二次指数平滑处理,确定每个历史时刻对应的第四弧垂长度;基于第三弧垂长度和第四弧垂长度,确定目标弧垂长度预测对应的预测参数;基于预测参数和输入的预测时长,确定预测时长内的目标弧垂长度。
可选地,第二弧垂长度确定模块330可以包括:
历史时刻确定子模块,用于在历史时长内确定至少一个历史时刻,并确定每个历史时刻对应的历史状态信息中的历史线路温度和历史线路负荷;
第一弧垂长度确定子模块,用于基于历史线路温度、历史线路负荷和预先标定的弧垂长度,确定目标线路对应的每个第一弧垂长度。
可选地,第一弧垂长度确定子模块中“预先标定的弧垂长度”的确定过程,可以包括:
信息获取单元,用于获取目标线路对应的初始线路信息、历史线路信息和目标线路两侧相邻杆塔之间的高度差;
历史水平应力确定单元,用于基于历史线路信息和初始线路信息,确定历史水平应力;
预先标定的弧垂长度确定单元,用于基于历史水平应力、历史线路信息和高度差,确定预先标定的弧垂长度。
可选地,预先标定的弧垂长度确定单元具体用于:基于历史水平应力和历史线路信息,确定第五弧垂长度;基于历史水平应力、历史线路信息和高度差,确定第六弧垂长度;将第五弧垂长度和第六弧垂长度进行加权求和,获得相加结果,并将相加结果作为预先标定的弧垂长度。
可选地,故障预测结果确定模块具体用于:将同一时刻对应的目标树木高度和目标弧垂长度进行相加,获得树木总高度;将目标杆塔高度与树木总高度进行相减,获得净空距离;若检测到在预测时长内净空距离小于或等于最小安全距离,则获取目标线路对应的目标线路位置信息;基于目标线路位置信息生成告警信息,并将告警信息进行展示。
本发明实施例所提供的配电网线路故障预测装置可执行本发明任意实施例所提供的配电网线路故障预测方法,具备执行配电网线路故障预测方法相应的功能模块和有益效果。
值得注意的是,上述配电网线路故障预测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如配电网线路故障预测方法。
在一些实施例中,配电网线路故障预测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的配电网线路故障预测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行配电网线路故障预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种配电网线路故障预测方法,其特征在于,包括:
获取配电网中目标线路下的树障对应的目标种类、历史时长内所述目标线路对应的各个历史状态信息和目标杆塔高度;
将所述目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得所述预测时长内的目标树木高度;
基于所述历史状态信息确定所述目标线路对应的每个第一弧垂长度,并将各个所述第一弧垂长度进行均值处理,获得所述目标线路对应的第二弧垂长度;
将所述第二弧垂长度、每个所述第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得所述预测时长内的目标弧垂长度;
基于所述目标杆塔高度、所述目标树木高度和所述目标弧垂长度,确定所述目标线路对应的故障预测结果。
2.根据权利要求1所述的方法,其特征在于,所述目标树高生长模型具体用于:
基于输入的目标种类确定树木高度预测所需的生长调查因子;
基于所述生长调查因子和输入的预测时长,确定所述预测时长内的目标树木高度。
3.根据权利要求1所述的方法,其特征在于,所述长度预测模型具体用于:
基于输入的第二弧垂长度和输入的每个第一弧垂长度进行第一次指数平滑处理,确定每个历史时刻对应的第三弧垂长度;
基于输入的第二弧垂长度和每个所述第三弧垂长度进行第二次指数平滑处理,确定每个历史时刻对应的第四弧垂长度;
基于所述第三弧垂长度和所述第四弧垂长度,确定目标弧垂长度预测对应的预测参数;
基于所述预测参数和输入的预测时长,确定预测时长内的目标弧垂长度。
4.根据权利要求1所述的方法,其特征在于,所述基于所述历史状态信息确定所述目标线路对应的每个第一弧垂长度,包括:
在历史时长内确定至少一个历史时刻,并确定每个所述历史时刻对应的历史状态信息中的历史线路温度和历史线路负荷;
基于所述历史线路温度、所述历史线路负荷和预先标定的弧垂长度,确定目标线路对应的每个第一弧垂长度。
5.根据权利要求4所述的方法,其特征在于,预先标定的弧垂长度的确定过程包括:
获取所述目标线路对应的初始线路信息、历史线路信息和目标线路两侧相邻杆塔之间的高度差;
基于所述历史线路信息和所述初始线路信息,确定历史水平应力;
基于所述历史水平应力、所述历史线路信息和所述高度差,确定预先标定的弧垂长度。
6.根据权利要求5所述的方法,其特征在于,所述基于所述历史水平应力、所述历史线路信息和所述高度差,确定预先标定的弧垂长度,包括:
基于所述历史水平应力和所述历史线路信息,确定第五弧垂长度;
基于所述历史水平应力、所述历史线路信息和所述高度差,确定第六弧垂长度;
将所述第五弧垂长度和所述第六弧垂长度进行加权求和,获得相加结果,并将所述相加结果作为预先标定的弧垂长度。
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标杆塔高度、所述目标树木高度和所述目标弧垂长度,确定所述目标线路对应的故障预测结果,包括:
将同一时刻对应的目标树木高度和目标弧垂长度进行相加,获得树木总高度;
将所述目标杆塔高度与所述树木总高度进行相减,获得净空距离;
若检测到在预测时长内所述净空距离小于或等于最小安全距离,则获取所述目标线路对应的目标线路位置信息;
基于所述目标线路位置信息生成告警信息,并将所述告警信息进行展示。
8.一种配电网线路故障预测装置,其特征在于,包括:
信息获取模块,用于获取配电网中目标线路下的树障对应的目标种类、历史时长内所述目标线路对应的各个历史状态信息和目标杆塔高度;
目标树木高度预测模块,用于将所述目标种类和预测时长输入至目标树高生长模型中进行树木高度预测,获得所述预测时长内的目标树木高度;
第二弧垂长度确定模块,用于基于所述历史状态信息确定所述目标线路对应的每个第一弧垂长度,并将各个所述第一弧垂长度进行均值处理,获得所述目标线路对应的第二弧垂长度;
目标弧垂长度预测模块,用于将所述第二弧垂长度、每个所述第一弧垂长度和预测时长输入至长度预测模型中进行长度预测,获得所述预测时长内的目标弧垂长度;
故障预测结果确定模块,用于基于所述目标杆塔高度、所述目标树木高度和所述目标弧垂长度,确定所述目标线路对应的故障预测结果。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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权利要求1-7中任一项所述的配电网线路故障预测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的配电网线路故障预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311001380.6A CN117034208A (zh) | 2023-08-09 | 2023-08-09 | 配电网线路故障预测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311001380.6A CN117034208A (zh) | 2023-08-09 | 2023-08-09 | 配电网线路故障预测方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117034208A true CN117034208A (zh) | 2023-11-10 |
Family
ID=88601753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311001380.6A Pending CN117034208A (zh) | 2023-08-09 | 2023-08-09 | 配电网线路故障预测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117034208A (zh) |
-
2023
- 2023-08-09 CN CN202311001380.6A patent/CN117034208A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116090605A (zh) | 一种管网预警方法、装置、电子设备及存储介质 | |
CN116050599A (zh) | 一种线路覆冰故障预测方法、系统、存储介质及设备 | |
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN116957539A (zh) | 电缆状态评价方法、装置、电子设备及存储介质 | |
CN117473384A (zh) | 一种电网线路安全约束辨识方法、装置、设备及存储介质 | |
CN117034208A (zh) | 配电网线路故障预测方法、装置、设备和存储介质 | |
CN117538643A (zh) | 电梯部件检测方法、装置、电子设备和存储介质 | |
CN117932914B (zh) | 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 | |
CN114841609A (zh) | 一种防雷措施选择方法、装置、设备及介质 | |
CN116822740A (zh) | 配电网运维方案确定方法、装置、电子设备及存储介质 | |
CN113760992A (zh) | 电气设备运行状态的预测方法、装置、设备及存储介质 | |
CN117217599A (zh) | 配电网设备的评价方法、装置、电子设备及存储介质 | |
CN118112355A (zh) | 光伏场区逆变器低效诊断方法、装置、系统及存储介质 | |
CN116840624A (zh) | 一种故障线路的确定方法、装置、设备及介质 | |
CN118014018A (zh) | 一种楼宇能源消耗预测方法、装置、设备及存储介质 | |
CN116911466A (zh) | 园区建设程度的确定方法、装置、设备及介质 | |
CN116415446A (zh) | 避雷器测试参数的确定方法、装置、设备以及存储介质 | |
CN117610927A (zh) | 设备风险评估方法、装置、电子设备和存储介质 | |
CN116482565A (zh) | 一种电源异常检测方法、装置、设备和存储介质 | |
CN117787705A (zh) | 一种电力台区山林防火预警方法、装置、设备及介质 | |
CN117332426A (zh) | 漏洞修复优先级的智能确定方法、装置、设备以及存储介质 | |
CN117131990A (zh) | 电网基建信息管理方法、装置、电子设备及存储介质 | |
CN117610930A (zh) | 设备风险评估函数生成、使用方法、装置、设备以及介质 | |
CN116415786A (zh) | 设备维保信息处理方法、装置、电子设备和存储介质 | |
CN118278284A (zh) | 一种继电保护装置的可靠性评估方法、装置、设备及介质 |
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 |