CN204903698U - 一种基于气象和神经网络的绝缘子污闪预警装置 - Google Patents
一种基于气象和神经网络的绝缘子污闪预警装置 Download PDFInfo
- Publication number
- CN204903698U CN204903698U CN201520267174.4U CN201520267174U CN204903698U CN 204903698 U CN204903698 U CN 204903698U CN 201520267174 U CN201520267174 U CN 201520267174U CN 204903698 U CN204903698 U CN 204903698U
- Authority
- CN
- China
- Prior art keywords
- warning device
- insulator
- early warning
- rear end
- pollution flashover
- 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.)
- Active
Links
- 239000012212 insulator Substances 0.000 title claims abstract description 40
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000012806 monitoring device Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000011109 contamination Methods 0.000 claims description 11
- 150000003839 salts Chemical class 0.000 abstract description 19
- 230000005540 biological transmission Effects 0.000 abstract description 7
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 abstract 1
- 238000000034 method Methods 0.000 description 7
- 238000003916 acid precipitation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 230000003373 anti-fouling effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000005202 decontamination Methods 0.000 description 1
- 230000003588 decontaminative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
一种基于气象和神经网络的绝缘子污闪预警装置,所述装置包括前端微气象监测装置(1)和后端污闪预警装置(2)。所述前端微气象监测装置包含温湿度传感器、雨量传感器、风速传感器、信号处理单元、单片机、无线传感器、电源装置和GPS北斗定位系统;所述后端污闪预警装置包括预警信号发生器、计算机监控平台、第二单片机和无线接收器;所述前端微气象监测装置架设于输电线路杆塔上绝缘子附近,所述后端污闪预警装置安装于电网运行中心;所述前端微气象监测装置通过无线通信与所述后端污闪预警装置连接。本实用新型装置结合实时WRF气象数据通过人工神经网络来计算绝缘子的盐密,最终实现绝缘子污闪预警,保障了电力系统的稳定运行。
Description
技术领域
本实用新型涉及一种基于气象和神经网络的绝缘子污闪预警装置,属于电力系统在线监测技术领域。
背景技术
输电线路污闪事故一直是影响电力系统稳定运行的一大隐患。近年来,由于我国生态环境的不断恶化,雾霾、酸雨等极端天气频发,使输电线路绝缘子受污闪络的风险大大增加。因而目前污闪问题引起了各电网公司的高度关注。
等值附盐密度(盐密)是恒量绝缘子污秽度的重要标准。目前,我国预防污闪事故主要通过对绝缘子盐密的测量来划分污区图,以及对绝缘子的定期清扫。然而,此方法存在一定的局限性,一是现有的污区图都是基于往年的测量数据以及运行经验,不能反应当前的积污情况,具有一定的滞后性;二是大规模的清扫会耗费大量的人力物力,具有一定的盲目性,且无法保证质量,导致污闪事故仍然无法避免。因而及时监测到绝缘子的污秽状况,对电力系统的安全运行显得尤为重要。
目前,国内外已有不少对绝缘子污秽在线监测的研究,主要通过于对泄漏电流特征量的实时监测来判断绝缘子的污秽状况。此方法主要的缺陷在于泄漏电流是电压、污秽、气象等要素的综合反应,泄漏电流特征量的巨大波动往往伴随着污闪的即将发生,以致电网管理人员来不及做出相应的反应。此外,对泄漏电流的监测依赖于精确的信息采集处理设备,目前普及率较低,还做不到大规模的应用。
因此,一种能实时监测绝缘子的盐密值,并实现污闪预警的装置,成为电力系统防污领取亟待解决的问题。
发明内容
本实用新型的目的是,针对目前绝缘子盐密监测存在的不足之处,以提高输电线路运行安全性为目标,提出一种基于气象和神经网络的污闪预警装置,用于输电线路在复杂气象条件下的绝缘子盐密预警,以实现线路的污闪风险评估。
本实用新型的目的是通过以下技术方案实现的:一种基于气象和神经网络的绝缘子污闪预警装置包括前端微气象监测装置和后端污闪预警装置。前端微气象监测装置架设于输电线路杆塔上绝缘子附近,后端污闪预警装置安装于电网运行中心;前端微气象监测装置通过无线通信与后端污闪预警装置连接。
所述前段微气象监测装置包含温湿度传感器、雨量传感器、风速传感器、信号处理单元、第一单片机、电源装置、无线传送器和GPS北斗定位系统。湿度传感器、雨量传感器和风速传感器连接信号处理单元的输入端,信号处理单元输出端连接单片机,并通过单片机与无线传送器连接;GPS北斗定位系统连接无线传送器的输入端;无线传送器的输出端通过无线连接后端污闪预警装置的无线接收器;前端微气象监测装置的电源装置通过太阳能电池供电或者直接通过高压线路供电。
后端污闪预警装置包括预警信号发生器、计算机监控平台、第二单片机和无线接收器。无线接收器输出端连接第二单片机输入端,第二单片机的输出端连接计算机监控平台,同时,计算机监控平台接收WRF气象数据的输入;计算机监控平台输出端连接预警信号发生器,发出预警信号。
所述后端污闪预警装置中的计算机监测平台采用BP神经网络来建立气象数据到绝缘子盐密的映射。
所述后端污闪预警装置所需的WRF气象数据包括酸雨和大气质量指数。
本实用新型的工作原理是,本实用新型通过无线接收器接受来自前端微气象监测装置的微气象数据以及绝缘子坐标信息,经第二单片机送往计算机监控平台。除了温湿度、降雨、风速数据外,计算机监控平台通过坐标信息从气象监测平台下载WRF局部气象数据中的大气质量指数和酸雨PH值,用以绝缘子盐密计算。根据最终盐密计算结果,分析绝缘子的污闪风险,从而发出相应的污闪预警信息。
上述前段微气象监测装置均匀的分布在高压输电线路上,每隔200-300米设置一个用于测量该监测点周围的微气象,所有监测装置与后端污闪预警平台实现24小时不间断通信。
采用一种基于气象和神经网络的绝缘子污闪预警装置,具有这些显著优点和有益效果是:(1)相比于传统防污方法,本实用新型采用神经网络来预测绝缘子的盐密大小,可以实时获取绝缘子的污秽程度,不需要停电和爬杆,减少了人力物力,测量更加准确。(2)相比于传统防污方法,本实用新型实时计算线路污闪风险,并实现了绝缘子污闪风险定位,填补了以往定期大规模清扫所造成的盲区,提高线路安全运行水平。
附图说明
图1所示为本实用新型提供的基于气象和神经网络的绝缘子污闪预警装置原理图;
图2所示为BP神经网络的结构图;
图中,1是前端微气象监测装置;2是后端污闪预警装置。
具体实施方式
下面结合符图和具体实施方式对本实用新型的基于气象和神经网络的污闪预警装置做进一步的说明。
如附图所示,一种基于气象和神经网络的输电线路污闪预警装置,包括架设于输电线路杆塔上绝缘子附近的前端微气象监测装置1,和处于电网运行中心的后端的污闪预警装置2。其中前段微气象监测装置1主要是通过三个传感器来测量绝缘子所在地区的微气象数据,因为不同位置的微气象数据差异会导致绝缘子盐密间较大的差异。而大气质量指数和酸雨的PH一定区域内差别不大,故这两个量通过后端预警装置中的监控平台直接从气象中心下载使用。
计算机监控平台通过气象数据来计算绝缘子的盐密值,计算采用BP人工神经网络。BP神经网络是一种单向传播的多层前向网络,其基本算法为由输出层向输入层逐步反推的误差反向传播算法。本实用新型采用最常见的三层BP神经网络模型,如图2所示,输出层输入的是气象数据,输出层输出神经元的盐密,中间层神经元的个数采用12,输入层-中间层的传递函数选为线性函数purelin,中间层-输出之间的传递函数均选为S型函数logsig,神经网络的训练函数选择采用Levenberg-Marquardt算法的函数trainlm。神经网络计算的实质是建立盐密到气象数据的函数关系:ESDD=f(r,s,p,m,......),r,s,p,m,......分别为降雨量、酸雨ph、大气质量指数、湿度等气象量。在用神经网络计算绝缘子盐密之前,需要对神经网络进行训练。收集以往的历史盐密数据和对应的气象数据作为训练样本,带入神经网络进行学习训练,神经网络达到收敛状态时即可用于计算。考虑到绝缘子盐密有一个累积过程,本实用新型的计算区间以天计。
该污闪预警装置2的过程:温湿度、雨量、风速三个传感器分别测量对应的气象数据,送至信号处理单元将信号进行放大、A/D转换,处理后的信号发送至单片机,单片机对微气象数字信号进行打包,打包后的数据和GPS/北斗定位系统坐标一起由无线传送器送出。后端污闪预警装置中的无线接受器接受前端传来的气象数据和坐标信息,并送至单片机进行解压,解压后的数据传至计算机监控平台。监控平台根据坐标信息,从气象监控中心的WRF局部气象数值预报下载大气质量指数和酸雨PH等气象数据,和之前传感器测得的微气象数据一起输入BP神经网络,计算绝缘子的盐密值。监控平台每隔一小时数据更新一次,气象数据采样24小时的平均值。根据历史运行经验和人工污秽实验设置不同的预警级别阈值,最终由预警信号发生器向监控人员发出对于的预警信号。
由于前端污闪装置每隔一定区间设置一个,并且考虑到一定范围内的气象状况差别不大,故收到预警信息后除了对装置所在绝缘子开展防污措施外,还要对该装置周边的绝缘子采取防污闪措施。
以上为所述一种基于气象和神经网络的绝缘子污闪预警装置基本工作步骤。其它未经详细说明的部分均为现有技术。
Claims (2)
1.一种基于气象和神经网络的绝缘子污闪预警装置,其特征是,所述装置包括前端微气象监测装置和后端污闪预警装置;所述前端微气象监测装置架设于输电线路杆塔上绝缘子附近,所述后端污闪预警装置安装于电网运行中心;所述前端微气象监测装置通过无线通信与所述后端污闪预警装置连接;
所述前端微气象监测装置包含温湿度传感器、雨量传感器、风速传感器、信号处理单元、单片机、无线传感器、电源装置和GPS北斗定位系统;湿度传感器、雨量传感器和风速传感器连接信号处理单元的输入端,信号处理单元输出端连接单片机,并通过单片机与无线传送器连接;GPS北斗定位系统连接无线传送器的输入端;无线传送器的输出端通过无线连接后端污闪预警装置的无线接收器;前端微气象监测装置的电源装置通过太阳能电池供电或者直接通过高压线路供电。
2.根据权利要求1所述的一种基于气象和神经网络的绝缘子污闪预警装置,其特征是,所述后端污闪预警装置包括预警信号发生器、计算机监控平台、第二单片机和无线接收器;无线接收器输出端连接第二单片机输入端,第二单片机的输出端连接计算机监控平台,同时,计算机监控平台接收WRF气象数据的输入;计算机监控平台输出端连接预警信号发生器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520267174.4U CN204903698U (zh) | 2015-04-29 | 2015-04-29 | 一种基于气象和神经网络的绝缘子污闪预警装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520267174.4U CN204903698U (zh) | 2015-04-29 | 2015-04-29 | 一种基于气象和神经网络的绝缘子污闪预警装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN204903698U true CN204903698U (zh) | 2015-12-23 |
Family
ID=54925865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201520267174.4U Active CN204903698U (zh) | 2015-04-29 | 2015-04-29 | 一种基于气象和神经网络的绝缘子污闪预警装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN204903698U (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105652164A (zh) * | 2016-01-08 | 2016-06-08 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种绝缘子污秽闪络事故风险等级评估方法 |
CN106597240A (zh) * | 2017-01-24 | 2017-04-26 | 桂林师范高等专科学校 | 绝缘子污秽监测系统 |
CN108957253A (zh) * | 2018-05-29 | 2018-12-07 | 长春工程学院 | 一种非规律性高粉尘导致绝缘子污闪的预警方法 |
CN109799442A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 基于机载高光谱的绝缘子污闪预测方法及系统 |
CN112116176A (zh) * | 2019-06-19 | 2020-12-22 | 云南电网有限责任公司玉溪供电局 | 基于气象因素的地区绝缘子群污闪风险评估方法和系统 |
-
2015
- 2015-04-29 CN CN201520267174.4U patent/CN204903698U/zh active Active
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105652164A (zh) * | 2016-01-08 | 2016-06-08 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种绝缘子污秽闪络事故风险等级评估方法 |
CN105652164B (zh) * | 2016-01-08 | 2019-03-12 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种绝缘子污秽闪络事故风险等级分析方法 |
CN106597240A (zh) * | 2017-01-24 | 2017-04-26 | 桂林师范高等专科学校 | 绝缘子污秽监测系统 |
CN108957253A (zh) * | 2018-05-29 | 2018-12-07 | 长春工程学院 | 一种非规律性高粉尘导致绝缘子污闪的预警方法 |
CN108957253B (zh) * | 2018-05-29 | 2020-08-21 | 长春工程学院 | 一种非规律性高粉尘导致绝缘子污闪的预警方法 |
CN109799442A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 基于机载高光谱的绝缘子污闪预测方法及系统 |
CN109799442B (zh) * | 2019-03-29 | 2021-11-19 | 云南电网有限责任公司电力科学研究院 | 基于机载高光谱的绝缘子污闪预测方法及系统 |
CN112116176A (zh) * | 2019-06-19 | 2020-12-22 | 云南电网有限责任公司玉溪供电局 | 基于气象因素的地区绝缘子群污闪风险评估方法和系统 |
CN112116176B (zh) * | 2019-06-19 | 2022-11-04 | 云南电网有限责任公司玉溪供电局 | 基于气象因素的地区绝缘子群污闪风险评估方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN204903698U (zh) | 一种基于气象和神经网络的绝缘子污闪预警装置 | |
CN108154651A (zh) | 一种用于滑坡灾害实时监测预警的装置和方法 | |
CN105571644B (zh) | 一种绝缘子金属粉尘污秽在线监测装置及其监测方法 | |
CN102735966A (zh) | 一种输电线路评估诊断系统和方法 | |
CN204881917U (zh) | 基于雾计算技术的电缆中间接头温度在线监测系统 | |
CN102680135B (zh) | 一种基于电缆温度测量的电缆隧道环境监测方法及其系统 | |
CN103728511A (zh) | 高压直流输电接地网状态在线监测系统及监测方法 | |
CN108039774A (zh) | 一种光伏供电低功耗接触网及供电设备监测系统及方法 | |
CN104779568A (zh) | 一种用于gis母线筒体的在线监测系统 | |
CN105305428B (zh) | 用双冗余方式提高风预测系统可靠性的方法及系统 | |
CN104820166A (zh) | 电力电缆多状态综合在线监测系统及电缆线芯温度的计算方法 | |
CN104897304A (zh) | 一种用于输电线路动态增容的线路温度辨识方法 | |
CN204730878U (zh) | 电力设备在线监测装置 | |
CN103914737A (zh) | 一种输变电线路全线路现地气象信息计算方法 | |
CN210534355U (zh) | 一种地面气象环境监测及预警设备 | |
CN111879275A (zh) | 一种输电线路覆冰在线监测装置及方法 | |
CN202485714U (zh) | 输电线路覆冰在线监测系统 | |
CN202304898U (zh) | 输电线路在线监测装置 | |
RU2580610C2 (ru) | Аппаратно-программный комплекс мониторинга коррозионной защиты подземных сооружений | |
CN116780758A (zh) | 一种输电线路多传感器数据融合的在线监测系统及方法 | |
CN111404274A (zh) | 一种输电系统位移在线监控及预警系统 | |
CN203840056U (zh) | 一种变电站防覆冰监测系统 | |
CN205450178U (zh) | 一种输电线路故障定位在线监测装置 | |
CN105092469B (zh) | 基于在线监测技术获得绝缘子盐密饱和系数的方法及系统 | |
CN110782081B (zh) | 一种天地联合覆冰的预测预警系统及预测预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |