TWI461686B - 輸電線路熱容量預測方法 - Google Patents
輸電線路熱容量預測方法 Download PDFInfo
- Publication number
- TWI461686B TWI461686B TW102138630A TW102138630A TWI461686B TW I461686 B TWI461686 B TW I461686B TW 102138630 A TW102138630 A TW 102138630A TW 102138630 A TW102138630 A TW 102138630A TW I461686 B TWI461686 B TW I461686B
- Authority
- TW
- Taiwan
- Prior art keywords
- transmission line
- heat capacity
- line
- temperature values
- time point
- Prior art date
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本案係有關一種輸電線路熱容量預測方法,尤指一種能預測未來輸電線路溫度變化之輸電線路熱容量預測方法。
隨著科技的進步及工商業蓬勃的發展,人們對於電力的需求日以遽增,而電力確實為工商業發展不可或缺的動力之一。若有發生停電或輸電不穩的情形時,人民日常生活的一般用電或是具有高用電量需求的商業廠房均會受到嚴重的影響,維護輸電線路的安全性與載流量不可謂不重要。
然而輸電線路的安全性與載流量的維護,與輸電線路之線路溫度有著密不可分的關係。輸電線路長期承載著高電流量,會導致輸電線路上的大量熱能不斷累積,在輸電線路長期受到熱脹冷縮效應的影響下,輸電線路將有老化或弛張現象,而會有輸電線路垂降之問題。輸電線路之垂降除了為一不可逆之現象且會日趨嚴重外,對於輸電線路的輸電能力亦會造成嚴重影響。若輸電線路之垂降程度過
於嚴重時,會有導致輸電線路之間接觸短路,或接觸到電塔下方之異物時會有發生接地短路而造成故障之可能。一旦發生上述狀況,除了對人民生活造成影響外,工業廠房因無電力而陷入停擺所造成的經濟損失更是難以估計。
現階段對於輸電線路之載流量的操作方式,僅透過線路材料之規格來得知最高容許之載流量為何,再輔以經驗法則和供電需求進行電力調度,並無針對輸電線路之熱容量進行預測,使得輸電安全毫無一定標準規範且危險重重。是以,如何提供一種輸電線路熱容量預測方法,以有效估算輸電線路上熱容量的安全裕度,以有效提昇輸電效率與兼顧輸電安全性,並能預測未來輸電線路狀況以提供作為電力調度之參考,為目前亟待解決課題之一。
有鑑於上述問題,本發明係提供一種輸電線路熱容量預測方法,能夠提供輸電線路上熱容量的安全裕度的預測,以作為電力調度之參考,有效提昇輸電效率、安全性,並達危險預警功能,且有效避免輸電線路熱超載所導致之老化或弛張的現象。
為達上述目的或其他目的,本發明主要在於提供一種輸電線路熱容量預測方法,其步驟包含:(1)量測複數個電塔之間輸電線路之溫度,以獲得複數個第一線溫值;(2)藉由一第一統計分析法處理該些電塔於一第一時間點範圍內之複數個第二線溫值,以建立一判別模式;(3)藉由一第二統計分析法處理該判別模式及該些第一線溫值,以取
得一預測模型;以及(4)藉由該預測模型處理該些電塔於一第二時間點範圍內之複數個第三線溫值,以取得一輸電線路熱容量之預測結果。
於一實施型態中,該些第二線溫值的取得步驟係包含(2-1)取得該些電塔所在區域於該第一時間點範圍內之複數個第一參數;以及(2-2)藉由一演算法處理該些第一參數以取得對應該第一時間點範圍內之該些電塔之該些第二線溫值。
於一實施型態中,該些第一參數係包含環境溫度、相對濕度、雨量、風速、風向或太陽照射強度,且該些第一參數為歷史氣象資訊。
於一實施型態中,該些第三線溫值係藉由一演算法處理該些電塔所在區域於該第二時間點範圍內之複數個第二參數後所得者。
於一實施型態中,取得該些電塔所在區域之該些第一參數或該些第二參數之方法為最接近鄰居法。
於一實施型態中,該些第二參數係包含環境溫度、相對濕度、雨量、風速、風向或太陽照射強度,且該些第二參數為氣象預報資訊。
於一實施型態中,該演算法為依據IEEE std 738-2006標準規範之動態額定熱容量估算法。
於一實施型態中,該些第二線溫值為該些電塔之歷史線溫資訊。
於一實施型態中,該第一時間點範圍係為獲得該些第
一線溫值之時間點往前延伸的N小時範圍內,該第二時間點範圍係為獲得該些第一線溫值之時間點往後延伸的N小時範圍內,N為正整數。
於一實施型態中,該第一統計分析法係為主成份分析法,該第二統計分析法係為線性回歸分析法,且該判別模式係包含該些第二線溫值之前三主成份。
本發明之輸電線路熱容量預測方法能將歷史氣象資訊進行計算或以過往實際量測取得的線溫值以主成分分析法予以分析,並將即時量測取得的線溫值與主成份分析法之分析結果經線性回歸分析後取得預測模型。如此一來即可利用該預測模型及氣象預報資訊有效進行輸電線路熱容量的安全裕度之預測,而能作為電力調度之參考,有效提昇輸電效率、安全性,並達危險預警功能,更能避免輸電線路熱超載所導致之老化或弛張的現象。
S11~S14、S21~S26‧‧‧步驟
第1圖係為本發明於一實施例中之輸電線路熱容量預測方法之流程圖;以及第2圖係為本發明於另一實施例中之輸電線路熱容量預測方法之流程圖。
以下藉由特定之具體實施例加以說明本發明之實施方式,而熟悉此技術之人士可由本說明書所揭示之內容輕易地瞭解本發明之其他優點和功效,亦可藉由其他不同的具體實施例加以施行或應用。因此,以下本發明涵蓋本文
揭示的任何特定實施例之任何部件或方法,可與本文揭示的任何其他實施例之任何部件或方法相結合。
請參閱第1圖,係為本發明輸電線路熱容量預測方法之流程圖。本發明之輸電線路熱容量預測方法,係以輸電線路上的各式線路參數及輸電線路所在區域之氣象參數來加以估算輸電容量與熱容量,因此可將估算出的輸電容量及熱容量提供給電力公司作為參考,讓電力公司可根據這些數據來進行更有效率的輸電作業,可確保整體輸電網路的安全性,並可避免輸電線路熱超載所導致線路老化或弛張的情況。要進行本發明之輸電線路熱容量預測方法時必須先取得輸電線路之溫度的數據。於步驟S11中,即時地量測複數個電塔之間輸電線路之溫度,以獲得每一電塔對應該第一時間點之複數個第一線溫值。量測的方法可透過裝設於輸電線路上的感測器,以紅外線溫度監測之方法,間接量測輸電線路的表面溫度,因此,該些複數個第一線溫值即是複數個輸電線路的表面溫度。
於步驟S12中,在獲得該些第一線溫值之時間點時,提供該些電塔於一第一時間點範圍內之複數個第二線溫值,其中,該第一時間點範圍係為獲得複數個第一線溫值之時間點往前延伸的N小時範圍內,N為正整數。例如獲得該些第一線溫值之時間點係為正午12點,則可以該正午12點為基準點往前延伸4小時,即為上午8點,第一時間點範圍就是上午8點到正午12點此4小時之區間。當然N可以為其他數據,例如6、8、12等,本發明並不以此為限。
在此所述之該些第二線溫值,係指該些電塔過去透過裝設於輸電線路上的感測器,量測所得的歷史線溫資訊。歷史線溫資訊的時間解析度為每小時,亦可為10分鐘、30分鐘等,本發明並不以此為限。換言之,過去感測器所取得的線溫資訊,可儲存在電腦之資料庫中,以供往後之分析使用。
接著將經動態額定熱容量估算法所計算出的複數個第二線溫值,藉由一第一統計分析法進行處理,以建立一判別模式,其中,該第一統計分析法係為主成份分析法,且該判別模式係包含該些第二線溫值之前三主成份。所謂主成份分析法(Principal components analysis,PCA),係透過轉化數據群座標的方式,以獲得降低數據群維度的效果,進而能找到主要成份的元素。因此,經主成份分析法所得到的整體數據,能藉由線性組合的方式表示,同時保有原始數據的變異量。在主成份分析法的分析過程中,係以線性轉換為基礎,將數據群座標轉換到新的座標系統中,使所有數據投影於此座標上具有數個變異量,而最大的變異量即為此數據群中的第一主成份,且第一主成份保有原始變數最多的資訊;次大的變異量即為此數據群中的第二主成份,以此類推。因此,藉由主成份分析法可以找出代表此數據群的特徵值,而這些特徵值分別代表著各變量的變異度關係,即主成份分析法係藉由變異量的篩選過程,能挑選出代表整體數據群的主成份為何,涉及的變量減少卻又同時保有原始數據的特性。而主成份分析法於本發明之
分析步驟與模型如下:
先假設有n
個電塔數及p
小時內的每一小時之線溫值之數據,因此數據群Y n
中,Y 11
、Y 12
…Y 1p
係指一號電塔於p
小時內的每一小時之線溫值,Y 21
、Y 22
…Y 2p
係指二號電塔於p
小時內的每一小時之線溫值,以此類推。而數據群Y n
在進行主成份分析之前,必須將樣本的平均值轉換為零,使得每一變量的比較基礎相同,而轉換的公式如,其中,。
因此,標準化後的數據顯示如下:
接著即可將標準化後的數據進行主成份分析法的相關係數的運算,相關係數矩陣為R,表示如下:,其中,
接續求解特徵值λ i
與特徵向量ai
以獲取主成分資訊,可得到p
個特徵值,其求解公式如下,其中,I
為單位矩陣:|R
-λI
|=0
因此,對應每個特徵值λ i
與特徵向量ai
可表示如下:λ
=(λ 1
,λ 2
,…,λ i
,…,λ p
)A
=(a 1
,a 2
,…,a i
,…,a p
)
而每一個特徵值λ i
皆與其對應的特徵向量呈現正交關係,將計算結果代入:
即可得到每一特徵向量a 1
=(a 1i
,a 2i
,a 3i
,…,a pi
),且求得的特徵向量將滿足各分量平方和為一,即。根據所求得的p
個特徵向量,原始數據群的p
個主要成份則可透過標準化後的各成份分量與特徵向量所組成的主成份方程式,其表示如下:Z
=XA
Z
矩陣係為以特徵向量改寫成的矩陣,X
矩陣則為原始數據中的主要成份,而A
矩陣則為特徵向量組合而成的投射矩陣(projection matrix)。因此,原始數據之X
矩陣
便可透過各主成份的特徵向量的投射結果,改以Z
矩陣表示。而轉化後的X
矩陣能保持變異量與原始數據變異量相同,通常前三項即可代表整個原始數據的80%~90%的數據解釋量。於本發明中,Z
矩陣即為該判別模式,而判別模式包含該些第二線溫值之前三主成份係指Z 1
、Z 2
…Z p
中前三大者。
在經主成份分析法計算後,即可於步驟S13中,藉由一第二統計分析法處理該些第二線溫值之前三主成份之判別模式及前述所取得之複數個第一線溫值,以取得一預測模型,其中,該第二統計分析法係為線性回歸分析法,例如為多重線性回歸分析法(Multiple regression analysis),本發明並不以此為限。於該實施例中,即是將各主成份組成的特徵向量以矩陣表示,並與當下輸電線路之導體溫度(即第一線溫值)進行多重線性回歸分析,如此一來,便可找出各主成份與當下輸電線路之導體溫度兩者之間的線性關係,建立起一套有效的預測模型。
於步驟S14中,提供該些電塔於一第二時間點範圍內之複數個第三線溫值,並藉由該預測模型處理該些第三線溫值,以取得一輸電線路熱容量之預測結果。其中,該些第三線溫值係取得該些電塔所在區域於該第二時間點範圍內之複數個第二參數後,將該些第二參數經一演算法所計算出。其中,該第二時間點範圍係為獲得複數個第一線溫值之時間點往後延伸的N小時範圍內,N為正整數,且該些第二參數係包含環境溫度、相對濕度、雨量、風速、風
向或太陽照射強度,且該些第二參數為氣象預報資訊。詳言之,第二時間點範圍的該些第二參數,即是我國中央氣象局所發布的氣象預報資訊,每日發布四次氣象預報資訊,即每隔6小時就會發布乙次未來12小時內的氣象預報資訊,包含氣溫、風速、雨量、相對濕度、風向或太陽照射強度等第二參數,氣象預報資訊的時間解析度為每小時。因此,獲得複數個第一線溫值之時間點可對應至中央氣象局發布氣象預報資訊之時間點,而該第二時間點範圍即可為該發布時間點的未來12小時內,但本發明並不此以為限,獲得複數個第一線溫值之時間點亦可為其他時間點,且N小時範圍亦可自行設定,只要該N小時範圍內具有中央氣象局所發布氣象預報資訊之參數即可。最後,將所取得的該些第二參數經一演算法所計算出該些第三線溫值後,即可將該些第三線溫值以該預測模型進行計算,取得一輸電線路熱容量之預測結果,而該輸電線路熱容量之預測結果,即為未來輸電線路之線溫變化趨勢之預測,可提供電力操作人員作為電力調度之參考,以顧及輸電安全。其中,該演算法為依據IEEE std 738-2006標準規範之動態額定熱容量估算法,其詳細的計算步驟將於下個段落予以揭示。此外,系統亦可設定一溫度之警告閥值,當該輸電線路熱容量之預測結果有超過該溫度之警告閥值時,則可通知電力操作人員或是直接不再續行通以電流,以防止因溫度過高而輸電線路會發生老化與弛張現象。
於本發明之另一實施例中,請參閱第2圖,該些第二
線溫值除了如前述實施例中感測器量測輸電線路所得的歷史線溫資訊外,亦可透過實際歷史氣象資訊進行計算所得。於本實施例中,除了該些第二線溫值的來源與前述實施例不同外,其餘步驟均相同於前述實施例,而相同的內容於此不再贅述,以下僅說明不同之處。
於步驟S22中,要獲得複數個第二線溫值之前,必須先取得該些電塔所在區域於一第一時間點範圍內之複數個第一參數,該些第一參數係包含環境溫度、相對濕度、雨量、風速、風向或太陽照射強度,且該些第一參數為實際歷史氣象資訊。換言之,該些第一參數實際為中央氣象局於全台建置之數百個氣象觀測站所得的氣象參數,且該些氣象參數的時間解析度為每小時。在取得該些第一參數後,先將這些資訊收集到一資料庫中。在運用該些第一參數前,為了避免所蒐集到的氣象參數有錯誤或不正確而影響本發明之輸電線路熱容量預測方法的運作,可先將該些第一參數進行初步篩選。例如進行高低溫門檻、時間合理性及空間合理性等檢驗步驟來篩選氣象參數。高低溫門檻的篩選,即是將落在-20℃~50℃之外的溫度先行濾除,當然本發明對於此高低溫門檻之上下限並不作任何限制。而時間合理性則是將各個氣象觀測站逐站各自分析,檢驗條件為同時連續時間的溫差值必須小於溫差門檻值;另空間合理性之檢驗步驟則是利用鄰近氣象觀測站之觀測值來推估觀測站之溫度,檢驗條件為同時氣象觀測站之觀測值與估計值的差值必須小於估計誤差的門檻值。門檻值的建立
依據月份而有所不同,例如可分為12~2月、3~4月、5~6月、7~9月、10~11月等等,本發明並不以此為限。而前述各檢驗步驟之門檻值的計算如下:以近5年的歷史溫度記錄為基底,取各觀測站於分季期間前後10日內的紀錄,進行兩連續時間的溫差計算。算出溫差後取絕對值並計算其累積機率,而累積機率小於0.14%的溫差即為此季節之門檻值。
在進行高低溫門檻、時間合理性及空間合理性等檢驗步驟來篩選氣象參數後,於步驟S23中,則可利用電腦藉由一演算法處理該些第一參數以取得對應該第一時間點範圍內之該些電塔之複數個第二線溫值,其中,該演算法為依據IEEE std 738-2006標準規範之動態額定熱容量估算法。動態額定熱容量估算法是以實際的氣象資料作為計算參數,因此相對於靜態額定熱容量估算法來說,變得較為即時且準確。動態額定熱容量估算法係以基本熱力學之熱平衡為基礎,運用在輸電線路上的熱平衡公式即為:q s
+I 2
.R
(T c
)=q c
+q r
,q s
為日照照射在輸電線路生成的熱,單位為W/m;I
為輸電線路當下所乘載的電流容量,單位為A;R(T c )
則代表隨著線溫變化的導體阻抗,單位為Ω,故I 2 R(T c )
則代表輸電容量對整體線路生成的熱功率,單位為W/m;q c
為環境中因對流因素所散失的熱功率,單位為W/m;q r
則代表環境中因熱輻射所散失的熱功率,單位為W/m。以下針對各參數作進一步的說明。
q s
此一參數係表示日照照射在輸電線路生成的熱,其
計算公式可表示如:q s
=α
.K solar
.Q s
.sinθ
.A
,α
為太陽吸收率,其值介於0.23~0.91之間,最佳為0.5;K solar
為太陽高度的相關因子,其值與海拔高度H e
(單位:公尺)有關,其計算式為:K solar
=1+1.148.10-4
.H e
+(-1.108).10-8
.H e 2
;Q s
則是太陽與天空輻射所生成的熱能,其與太陽高度角H c
(單位:degrees)有關,Q s
及H c
之計算式分別如下:Q s
=53.1281+14.211.H c
+6.6138.10-1
.H c 2
+(-3.1658).10-2
.H c 3
+5.4654.10-4
.H c 4
+(-4.3446).10-6
.H c 5
+1.3236.10-8
.H c 6 H c
=sin-1
[cos(Lat
)cos(δ
)cos(ω
)+sin(Lat
)sin(δ
)]
而θ
此一參數代表著輸電線路與太陽輻射的有效夾角,A
為單位長度輸電線路所投影的面積(單位:m2
/m)。太陽高度角H c
主要與輸電線路所在緯度Lat
、太陽傾角δ
、時間角ω
有關,其中計算太陽傾角δ
之公式為:。N此一參數所代表的係為一年中的第N天(若為1月11日,其值為11;若為2月12日,其值為43,以此類推);時間角ω
則是從+180°至-180°,由正午12點開始每小時增加15°,並以正午時間作為一分割點,正午前其值為負值,正午後其值則為正值。
θ
與太陽高度角H c
、太陽相位角Z c
以及導體相位角Z 1
(單位:degrees)有關,其計算式為:θ
=cos-1
[cos(H c
)cos(Z c
-Z 1
)]。太陽相位角Z c
之計算公式為Z c
=C
+tan-1
(χ
),其中χ
為太陽相位角的變數,計算式為:;C值代表太陽方位常數,當-180<ω
<0且χ
≧0,該C值為0;當-180<ω
<0且χ
<0,該C值為180;當0≦ω
≦180且χ
≧0,該C值為180;當0≦ω
≦180且χ
<0,該C值為360。
I 2 R(T c )
為輸電線路上通以高電流I
,而因輸電線路之導體本身的阻抗所產生的熱功率消耗,其本身之阻抗與溫度亦有關係,關係式為:,其中,T c
為導體溫度,單位為℃。T high
與T low
則是導體分別為通以交流電的情形下,其線路溫度的最大值與最小值。R(T high )
與R(T low )
則分別為線路最高溫及最低溫時,整體線路的阻抗值。
q c
為環境中因對流因素所散失的熱功率,依據氣候因素可分為三種情形:自然對流、微風吹拂及強風吹拂。自然對流表示風速為零時,其熱功率損耗q cn
之計算式可表示為:q cn
=0.0205ρ f D 0.75
(T c
-T a
)1.25
。而微風吹拂時之熱功率損耗q c
1
之計算式則可表示為:,強風吹拂時之熱功率損耗q c
2
之計算式則可表示為:。不論是自然對流、微風吹拂或強風吹拂之情形,對流所散失的熱功率都與輸電線路之導體直徑D
(單位:mm)、導體溫度T c
及環境溫度T a
(單位:
℃)、空氣密度ρ f
(單位:kg/m3
)、空氣動態黏性μ f
(單位:Pa-s)、空氣熱導率K f
(單位:W/m-℃)以及風向因子K β
有關。此些參數之計算式分別如下: K f
=2.424×10-2
+7.477×10-5
×T film
-4.407×10-9
×T film 2 K β
=1.194-sinβ
-0.194cos(2β
)+0.368sin(2β
)
風向因子K β
與風向有關,而β
則代表風向與導線的法線所夾角度。然而為進行後續動態額定熱容量之估算,q c
的取決係將上述參數代入q cn
、q c
1
、q c
2
中,取其大者作為q c
之值。
q r
係代表環境中因熱輻射所散失的熱功率,其公式可表示為:,其中D
為輸電線路之導線直徑、ε
為輻射發射率,且ε
為常數值,介於0.23~0.91之間,最佳為0.5。
將上述各公式的計算,能夠計算出輸電線路的動態額定熱容量與其所能承載的輸電容量,進而取得輸電線路之最大容忍溫度值。而於本發明之一實施例中,係主要考量第一參數中的環境溫度及風速此二參數,再經由上述公式
的計算,即可得到如前述之複數個第二線溫值。
而上述動態額定熱容量估算法,除了採第一參數計算出第二線溫值外,亦可採第二參數來計算出第三線溫值,即第1圖中步驟S14及第2圖中步驟S26之第三線溫值係以上述動態額定熱容量估算法所計算出,且第二參數亦主要考量環境溫度及風速此二參數。然第二參數之計算步驟相同於前述之第一參數之計算步驟,於此不再贅述。
不管是前述的該些第一參數或該些第二參數,其資料來源皆為中央氣象局所發布之資訊。然而輸電線路之分佈範圍通常非常廣泛且跨越各種地形,氣象預報資訊、歷史氣象資訊所在的地區無法準確的對應到每個電塔,即氣象預報資訊、歷史氣象資訊的解析度(地形解析度為2.5km見方)遠低於電塔分佈之狀況。因此,該些第一參數與該些第二參數的取得,係將各電塔參考的氣象預報資訊、歷史氣象資訊以距離其最近的格點資訊替代,即使用最接近鄰居法來取得該些第一參數及該些第二參數。
綜上所述,本發明之輸電線路熱容量預測方法,可藉由歷史氣象資訊進行計算或以過往實際量測取得的線溫值,以主成分分析法予以分析,並將即時量測取得的線溫值與經主成份分析法分析後的結果經線性回歸分析後,取得預測模型。爾後能透過該預測模型,針對以動態額定熱容量估算法將依據氣象預報資訊所計算出的線溫值進行預測,而能有一預測結果,此一預測結果即是輸電線路上熱容量的安全裕度,能提供電力調度之參考,有效提昇輸電
效率與兼顧輸電安全性,並達危險預警之功能,更能有效避免輸電線路熱超載所導致之老化或弛張的現象。
上述實施形態僅為例示性說明本發明之技術原理、特點及其功效,並非用以限制本發明之可實施範疇,任何熟習此技術之人士均可在不違背本發明之精神與範疇下,對上述實施形態進行修飾與改變。然任何運用本發明所教示內容而完成之等效修飾及改變,均仍應為下述之申請專利範圍所涵蓋。而本發明之權利保護範圍,應如下述之申請專利範圍所列。
S11~S14‧‧‧步驟
Claims (10)
- 一種輸電線路熱容量預測方法,其步驟包含:(1)量測複數個電塔之間輸電線路之溫度,以獲得複數個第一線溫值;(2)藉由一第一統計分析法處理該些電塔於一第一時間點範圍內之複數個第二線溫值,以建立一判別模式;(3)藉由一第二統計分析法處理該判別模式及該些第一線溫值,以取得一預測模型;以及(4)藉由該預測模型處理該些電塔於一第二時間點範圍內之複數個第三線溫值,以取得一輸電線路熱容量之預測結果。
- 如申請專利範圍第1項所述之輸電線路熱容量預測方法,其中,於步驟(2)中,該些第二線溫值的取得步驟係包含:(2-1)取得該些電塔所在區域於該第一時間點範圍內之複數個第一參數;以及(2-2)藉由一演算法處理該些第一參數以取得對應該第一時間點範圍內之該些電塔之該些第二線溫值。
- 如申請專利範圍第2項所述之輸電線路熱容量預測方法,其中,該些第一參數係包含環境溫度、相對濕度、雨量、風速、風向或太陽照射強度,且該些第一參數為歷史氣象資訊。
- 如申請專利範圍第1項所述之輸電線路熱容量預測方法,其中,於步驟(4)中,該些第三線溫值係藉由一演算法處理該些電塔所在區域於該第二時間點範圍內之複數個第二參數後所得者。
- 如申請專利範圍第2、3或4項所述之輸電線路熱容量預測方法,其中,取得該些電塔所在區域之該些第一參數或該些第二參數之方法為最接近鄰居法。
- 如申請專利範圍第4項所述之輸電線路熱容量預測方法,其中,該些第二參數係包含環境溫度、相對濕度、雨量、風速、風向或太陽照射強度,且該些第二參數為氣象預報資訊。
- 如申請專利範圍第2、3、4或6項所述之輸電線路熱容量預測方法,其中,該演算法為依據IEEE std 738-2006標準規範之動態額定熱容量估算法。
- 如申請專利範圍第1項所述之輸電線路熱容量預測方法,其中,該些第二線溫值為該些電塔之歷史線溫資訊。
- 如申請專利範圍第1項所述之輸電線路熱容量預測方法,其中,該第一時間點範圍係為獲得該些第一線溫值之時間點往前延伸的N小時範圍內,該第二時間點範圍係為獲得該些第一線溫值之時間點往後延伸的N小時範圍內,N為正整數。
- 如申請專利範圍第1項所述之輸電線路熱容量預測方法,其中,該第一統計分析法係為主成份分析法,該 第二統計分析法係為線性回歸分析法,且該判別模式係包含該些第二線溫值之前三主成份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102138630A TWI461686B (zh) | 2013-10-25 | 2013-10-25 | 輸電線路熱容量預測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102138630A TWI461686B (zh) | 2013-10-25 | 2013-10-25 | 輸電線路熱容量預測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI461686B true TWI461686B (zh) | 2014-11-21 |
TW201516399A TW201516399A (zh) | 2015-05-01 |
Family
ID=52388397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102138630A TWI461686B (zh) | 2013-10-25 | 2013-10-25 | 輸電線路熱容量預測方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI461686B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116896167A (zh) * | 2023-09-11 | 2023-10-17 | 山东和兑智能科技有限公司 | 一种基于人工智能的输电线路动态增容监测及预警方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200623156A (en) * | 2004-10-14 | 2006-07-01 | Sumitomo Electric Industries | Connection structure of superconductive cable |
CN102141591A (zh) * | 2011-01-06 | 2011-08-03 | 上海交通大学 | 输电线路暂态载流能力监测装置及监测方法 |
CN202305052U (zh) * | 2011-09-21 | 2012-07-04 | 广东电网公司电力科学研究院 | 输电线路的在线温度监测装置 |
-
2013
- 2013-10-25 TW TW102138630A patent/TWI461686B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200623156A (en) * | 2004-10-14 | 2006-07-01 | Sumitomo Electric Industries | Connection structure of superconductive cable |
CN102141591A (zh) * | 2011-01-06 | 2011-08-03 | 上海交通大学 | 输电线路暂态载流能力监测装置及监测方法 |
CN202305052U (zh) * | 2011-09-21 | 2012-07-04 | 广东电网公司电力科学研究院 | 输电线路的在线温度监测装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116896167A (zh) * | 2023-09-11 | 2023-10-17 | 山东和兑智能科技有限公司 | 一种基于人工智能的输电线路动态增容监测及预警方法 |
CN116896167B (zh) * | 2023-09-11 | 2023-12-15 | 山东和兑智能科技有限公司 | 一种基于人工智能的输电线路动态增容监测及预警方法 |
Also Published As
Publication number | Publication date |
---|---|
TW201516399A (zh) | 2015-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Belaid et al. | Prediction of daily and mean monthly global solar radiation using support vector machine in an arid climate | |
CN104123682B (zh) | 一种基于气象影响因素的配网故障风险评估方法 | |
Couto et al. | Impact of weather regimes on the wind power ramp forecast in Portugal | |
Jiang et al. | On dispatching line ampacities of power grids using weather-based conductor temperature forecasts | |
Pytlak et al. | Modelling precipitation cooling of overhead conductors | |
JP5746098B2 (ja) | 自然エネルギーを利用した発電システムの劣化診断装置 | |
US20240056027A1 (en) | Systems and methods for distributed-solar power forecasting using parameter regularization | |
Babs | Weather-based and conductor state measurement methods applied for dynamic line rating forecasting | |
JP2016067098A (ja) | 電力系統監視装置および電力系統監視システム | |
Klein et al. | Real-time ampacity and ground clearance software for integration into smart grid technology | |
CN108734342A (zh) | 区域天气预报用于地区电网架空线路热定值概率预测方法 | |
Di Piazza et al. | Environmental data processing by clustering methods for energy forecast and planning | |
Tomaszewski et al. | The study of weather conditions favourable to the accretion of icing that pose a threat to transmission power lines | |
Fernandez et al. | Dynamic line rating forecasting based on numerical weather prediction | |
TWI461686B (zh) | 輸電線路熱容量預測方法 | |
CN117477558A (zh) | 一种基于电网负荷的预测方法及其系统 | |
Liu et al. | The field experience of a dynamic rating system on overhead power transmission lines | |
Alvarez et al. | Validation of a thermal model for overhead transmission lines at high conductor temperature | |
Buerhop et al. | Analysis of inhomogeneous local distribution of potential induced degradation at a rooftop photovoltaic installation | |
Hong et al. | Internet of things-based monitoring for hv transmission lines: Dynamic thermal rating analysis with microclimate variables | |
CN108828414A (zh) | 一种配电网架空绝缘导线动态载流能力评估方法及系统 | |
Fernandez et al. | Power line monitoring for the analysis of overhead line rating forecasting methods | |
CN114397041A (zh) | 一种耐张线夹温度异常监测方法及系统 | |
Oh et al. | Predicting the damage of distribution system by strong wind | |
Wan et al. | Determination of critical span in real time using proper orthogonal decomposition |