基于地面電場(chǎng)變化的輸電線路弧垂監(jiān)測(cè)技術(shù)

本文設(shè)計(jì)了一種基于地面電場(chǎng)變化的輸電線路弧垂監(jiān)測(cè)技術(shù)，該技術(shù)通過(guò)輸電線路下地面場(chǎng)強(qiáng)的計(jì)算可以反演出線路的弧垂大小。技術(shù)首先考慮電場(chǎng)測(cè)量數(shù)據(jù)受外界環(huán)境因素和測(cè)量條件的影響，采用RBF神經(jīng)網(wǎng)絡(luò)與一般神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式建立導(dǎo)線原始測(cè)量數(shù)據(jù)的測(cè)量數(shù)據(jù)修正模型，使修正后的測(cè)量數(shù)據(jù)逼近理想條件下的數(shù)據(jù)。其次采用本文提出的測(cè)量數(shù)據(jù)修正技術(shù)，對(duì)場(chǎng)強(qiáng)測(cè)量數(shù)據(jù)進(jìn)行修正，從而得到輸電線路下地面場(chǎng)強(qiáng)的精確值。再次，基于三維輸電導(dǎo)線電場(chǎng)計(jì)算模型的建立，根據(jù)導(dǎo)線下方電場(chǎng)的實(shí)時(shí)測(cè)量數(shù)據(jù)，在三維電場(chǎng)模型下利用本文設(shè)計(jì)的基于電場(chǎng)信息的輸電線路弧垂反演計(jì)算方法得到弧垂值。從次，通過(guò)設(shè)計(jì)基于場(chǎng)強(qiáng)變化的輸電線路弧垂監(jiān)測(cè)系統(tǒng)，對(duì)弧垂進(jìn)行監(jiān)測(cè)和報(bào)警，保證了輸電線路的安全可靠運(yùn)行。最后，對(duì)比某條典型輸電導(dǎo)線的測(cè)量數(shù)據(jù)，驗(yàn)證了該算法的有效性。

【關(guān)鍵詞】輸電線路 弧垂 電場(chǎng) 神經(jīng)網(wǎng)絡(luò)

1 引言

隨著我國(guó)電力事業(yè)的迅速發(fā)展，對(duì)電力系統(tǒng)的安全性與可靠性也提出了更高的要求。輸電線路是電力系統(tǒng)的重要組成部分，弧垂是輸電線路運(yùn)行維護(hù)的重要指標(biāo)之一，其大小直接關(guān)系到線路的安全性與可靠性，必須控制在一定的范圍內(nèi)。而輸電線路長(zhǎng)時(shí)間經(jīng)受自然界中覆冰、溫升和風(fēng)吹等氣象的影響，使得線路的弧垂發(fā)生較大變化?；〈惯^(guò)小使得桿塔荷載增大，會(huì)產(chǎn)生斷線、倒塔和掉串等事故；弧垂過(guò)大會(huì)使導(dǎo)線與地面的樹(shù)木、建筑物等發(fā)生接觸并放電，從而導(dǎo)致線路跳閘。

因此，為了有效監(jiān)測(cè)輸電線路導(dǎo)線的弧垂變化大小、準(zhǔn)確判斷線路狀態(tài)，采用弧垂監(jiān)測(cè)技術(shù)能很好的解決這一問(wèn)題。目要弧垂監(jiān)測(cè)主要采取人工巡檢法、圖像監(jiān)測(cè)法、直升機(jī)巡檢法、GPS定位測(cè)距法等，但這些方法在實(shí)際中仍存在很多問(wèn)題，如實(shí)時(shí)性差、易受外界及天氣影響、效率較低等。因此，需要研究一種新的監(jiān)測(cè)輸電線路弧垂的方法，克服上述方法的缺點(diǎn)。輸電線路弧垂的變化最終都表現(xiàn)在其離地高度的變化上，隨著弧垂離地高度的變化，地面場(chǎng)強(qiáng)會(huì)隨之變化，因此可利用地面場(chǎng)強(qiáng)測(cè)量技術(shù)得到場(chǎng)強(qiáng)信息，再利用反演算法反演出弧垂，通過(guò)較少的場(chǎng)強(qiáng)參數(shù)，無(wú)需改動(dòng)線路即可得到比較精確的弧垂值，且不易受到周?chē)h(huán)境、氣象等條件的影響。而該弧垂監(jiān)測(cè)技術(shù)的研究還未見(jiàn)公開(kāi)報(bào)道。

鑒于此，本文設(shè)計(jì)了一種基于地面電場(chǎng)變化的輸電線路弧垂監(jiān)測(cè)技術(shù)，通過(guò)輸電線路下地面場(chǎng)強(qiáng)的計(jì)算可以反演出線路的弧垂大小。該技術(shù)通過(guò)采用本文提出的基于神經(jīng)網(wǎng)絡(luò)的輸電線路下地面測(cè)量技術(shù)，對(duì)場(chǎng)強(qiáng)測(cè)量數(shù)據(jù)進(jìn)行修正，從而得到輸電線路下地面場(chǎng)強(qiáng)的精確值，再利用本文設(shè)計(jì)的基于電場(chǎng)信息的輸電線路弧垂反演計(jì)算方法得到弧垂值，最后通過(guò)基于場(chǎng)強(qiáng)變化的輸電線路弧垂監(jiān)測(cè)系統(tǒng)對(duì)弧垂進(jìn)行監(jiān)測(cè)和報(bào)警，保證了輸電線路的安全可靠運(yùn)行。

2 基于神經(jīng)網(wǎng)絡(luò)的輸電線路下地面場(chǎng)強(qiáng)測(cè)量技術(shù)

基于神經(jīng)網(wǎng)絡(luò)的輸電線路下地面場(chǎng)強(qiáng)測(cè)量技術(shù)，主要由測(cè)量數(shù)據(jù)修正模型構(gòu)建技術(shù)和測(cè)量數(shù)據(jù)修正技術(shù)組成。測(cè)量數(shù)據(jù)修正模型構(gòu)建技術(shù)將RBF神經(jīng)網(wǎng)絡(luò)與一般神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)建測(cè)量數(shù)據(jù)修正模型，該模型能夠精確擬合測(cè)量數(shù)據(jù)與理想數(shù)據(jù)之間的非線性關(guān)系，在保證收斂速度快于一般的BP神經(jīng)網(wǎng)絡(luò)的前提下具有更強(qiáng)的泛化能力；測(cè)量數(shù)據(jù)修正技術(shù)利用構(gòu)建的修正模型，可實(shí)現(xiàn)對(duì)測(cè)量數(shù)據(jù)的修正，有效減少外界環(huán)境對(duì)測(cè)量工作的影響，使其更接近理想值，增加數(shù)據(jù)可靠性。

2.1 測(cè)量數(shù)據(jù)修正模型構(gòu)建技術(shù)

測(cè)量數(shù)據(jù)修正模型構(gòu)建技術(shù)基于一種測(cè)量數(shù)據(jù)修正模型，該修正模型利用神經(jīng)網(wǎng)絡(luò)可任意精度逼近非線性函數(shù)的優(yōu)點(diǎn)，將RBF神經(jīng)網(wǎng)絡(luò)與一般神經(jīng)網(wǎng)絡(luò)相結(jié)合，擬合輸電線路下地面的場(chǎng)強(qiáng)測(cè)量數(shù)據(jù)與場(chǎng)強(qiáng)理想數(shù)據(jù)之間的非線性關(guān)系，可實(shí)現(xiàn)對(duì)實(shí)測(cè)數(shù)據(jù)的精確修正，獲得輸電線路下地面的真實(shí)場(chǎng)強(qiáng)值。

因此，本文測(cè)量數(shù)據(jù)修正模型構(gòu)建技術(shù)的實(shí)現(xiàn)主要分為兩個(gè)步驟：第一步是神經(jīng)網(wǎng)絡(luò)初始模型的構(gòu)建，第二步是測(cè)量數(shù)據(jù)修正模型的構(gòu)建。通過(guò)設(shè)置神經(jīng)網(wǎng)絡(luò)參數(shù)，對(duì)第一步的網(wǎng)絡(luò)初始模型進(jìn)行訓(xùn)練，最終得到測(cè)量數(shù)據(jù)的修正模型。

2.1.1 神經(jīng)網(wǎng)絡(luò)初始模型的構(gòu)建

本文所提出的神經(jīng)網(wǎng)絡(luò)模型將RBF神經(jīng)網(wǎng)絡(luò)與一般神經(jīng)網(wǎng)絡(luò)相結(jié)合，網(wǎng)絡(luò)結(jié)構(gòu)分為四層：輸入層、第一隱層、第二隱層和輸出層。其中網(wǎng)絡(luò)的輸入層與第一隱層、第一隱層與第二隱層之間采用RBF神經(jīng)網(wǎng)絡(luò)隱層模式，第二隱層與輸出層之間采用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)隱層模式。網(wǎng)絡(luò)的初始模型圖如圖1 所示。

如圖1所示，網(wǎng)絡(luò)的輸入和輸出均采用二維向量，第一隱層節(jié)點(diǎn)數(shù)設(shè)為m1=2m+1，其中m為輸入的個(gè)數(shù)，第二隱層的神經(jīng)元節(jié)點(diǎn)初始為m2個(gè)。其中，第一隱層每個(gè)神經(jīng)元節(jié)點(diǎn)的基函數(shù)采用歐式距離、激勵(lì)函數(shù)采用高斯徑向基函數(shù)，第二隱層每個(gè)神經(jīng)元節(jié)點(diǎn)的激勵(lì)函數(shù)采用非對(duì)稱型sigmoid函數(shù)，輸出層每個(gè)神經(jīng)元節(jié)點(diǎn)的激勵(lì)函數(shù)采用Purelin型線性函數(shù)。

2.1.2 測(cè)量數(shù)據(jù)修正模型的構(gòu)建

構(gòu)建測(cè)量數(shù)據(jù)修正模型，需要對(duì)網(wǎng)絡(luò)初始模型的參數(shù)進(jìn)行設(shè)置，并基于這些參數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最終得到測(cè)量數(shù)據(jù)的修正模型。本文采用Levenberg-Marquardt算法對(duì)網(wǎng)絡(luò)初始模型的各個(gè)參數(shù)進(jìn)行設(shè)置，并在訓(xùn)練的過(guò)程中對(duì)神經(jīng)網(wǎng)絡(luò)第二隱層的節(jié)點(diǎn)數(shù)進(jìn)行優(yōu)化，訓(xùn)練的具體步驟如下：

第一步，樣本庫(kù)的構(gòu)建。樣本庫(kù)由理想場(chǎng)強(qiáng)數(shù)據(jù)和實(shí)測(cè)場(chǎng)強(qiáng)數(shù)據(jù)構(gòu)成。理想場(chǎng)強(qiáng)數(shù)據(jù)通過(guò)基于模擬電荷法的線路電場(chǎng)三維計(jì)算模型求得，實(shí)測(cè)場(chǎng)強(qiáng)數(shù)據(jù)通過(guò)實(shí)地測(cè)量得到，最終獲取到K（K≥Kmin，Kmin為最小的樣本集大小）組樣本數(shù)據(jù)，并將其作為本模型的樣本庫(kù)。

其中，理想場(chǎng)強(qiáng)數(shù)據(jù)的計(jì)算是通過(guò)將線路劃分為多個(gè)線單元，利用有限長(zhǎng)模擬線電荷法來(lái)計(jì)算每個(gè)線單元周?chē)娜S電場(chǎng)分布。具體過(guò)程為：首先通過(guò)電位系數(shù)矩陣和導(dǎo)線上電位的單列矩陣計(jì)算出到線上的電荷單列矩陣，即輸電線路單位長(zhǎng)度所帶的電荷；隨后根據(jù)單位長(zhǎng)度導(dǎo)線上的等效電荷即可計(jì)算出三維空間直角坐標(biāo)系下場(chǎng)強(qiáng)的各個(gè)分量。

第二步，初始化網(wǎng)絡(luò)節(jié)點(diǎn)。在網(wǎng)絡(luò)的初始化過(guò)程中，從樣本庫(kù)中選取p組數(shù)據(jù)作為初始訓(xùn)練樣本，將樣本中的實(shí)測(cè)場(chǎng)強(qiáng)數(shù)據(jù)作為輸入層的輸入，將理想場(chǎng)強(qiáng)數(shù)據(jù)作為輸出層的輸出，第一隱層初始為m1個(gè)神經(jīng)元節(jié)點(diǎn)，第二隱層的神經(jīng)元節(jié)點(diǎn)初始為m2。

第三步，對(duì)網(wǎng)絡(luò)中的所有參數(shù)（包含高斯基函數(shù)的中心矢量C、基寬向量B和網(wǎng)絡(luò)權(quán)重系數(shù)）進(jìn)行隨機(jī)初始化，設(shè)定合適的Levenberg-Marquardt算法參數(shù)μ、β、最大訓(xùn)練步數(shù)、網(wǎng)絡(luò)訓(xùn)練誤差及樣本測(cè)試誤差，并利用LM算法訓(xùn)練各參數(shù)。具體訓(xùn)練過(guò)程結(jié)合表1來(lái)詳細(xì)闡述：

首次訓(xùn)練，經(jīng)過(guò)n1次的迭代，網(wǎng)絡(luò)收斂（滿足訓(xùn)練誤差）。隨后從樣本庫(kù)中選取獨(dú)立于訓(xùn)練樣本的p組測(cè)試樣本，輸入第1步訓(xùn)練得到的網(wǎng)絡(luò)，計(jì)算平均測(cè)試誤差，平均測(cè)試誤差用e表示，定義為：

其中，M1表示測(cè)試樣本的數(shù)量，E（n）表示理想場(chǎng)強(qiáng)值，Eout（n）表示網(wǎng)絡(luò)輸出的修正數(shù)據(jù)。

若滿足精度要求，則訓(xùn)練結(jié)束；若不滿足精度要求，則將訓(xùn)練樣本和測(cè)試樣本合并組成新的訓(xùn)練樣本（表1中第2步，訓(xùn)練樣本數(shù)更新為2p），并將第二層的隱層節(jié)點(diǎn)數(shù)加2，執(zhí)行第四步。

第四步，重復(fù)LM訓(xùn)練過(guò)程，直到平均測(cè)試誤差滿足精度要求，否則每次訓(xùn)練第二隱層節(jié)點(diǎn)數(shù)就加2。表1中在第N次更新中平均測(cè)試誤差首次小于設(shè)定的閾值，此時(shí)網(wǎng)絡(luò)中第二隱層的節(jié)點(diǎn)數(shù)增加至d2。

第五步，網(wǎng)絡(luò)訓(xùn)練結(jié)束，固定網(wǎng)絡(luò)參數(shù)。

神經(jīng)網(wǎng)絡(luò)初始模型的具體訓(xùn)練流程圖如圖2所示。

2.2 測(cè)量數(shù)據(jù)修正技術(shù)

本文的測(cè)量數(shù)據(jù)修正技術(shù)基于2.1.2節(jié)構(gòu)建的數(shù)據(jù)修正模型，測(cè)量數(shù)據(jù)修正模型構(gòu)建技術(shù)在足夠數(shù)量的訓(xùn)練樣本的條件下，采用LM算法對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行訓(xùn)練，最終得到訓(xùn)練后的數(shù)據(jù)修正模型圖如3所示。

如圖3所示，網(wǎng)絡(luò)模型的各網(wǎng)絡(luò)參數(shù)均已固定，經(jīng)過(guò)優(yōu)化的第二隱層節(jié)點(diǎn)數(shù)更新為d2。

測(cè)量數(shù)據(jù)修正技術(shù)結(jié)合了RBF神經(jīng)網(wǎng)絡(luò)，使得收斂速度快于一般BP神經(jīng)網(wǎng)絡(luò)。通過(guò)對(duì)第二隱層節(jié)點(diǎn)的優(yōu)化更新，使網(wǎng)絡(luò)在盡可能簡(jiǎn)單的情況下具有更強(qiáng)的泛化能力。在訓(xùn)練過(guò)程中無(wú)需預(yù)先確定其他參數(shù)，避免了支持向量機(jī)算法需要預(yù)先選擇合適的核函數(shù)的缺陷。

測(cè)量數(shù)據(jù)修正技術(shù)的實(shí)現(xiàn)是將現(xiàn)場(chǎng)測(cè)量得到的場(chǎng)強(qiáng)作為該數(shù)據(jù)修正模型模型的輸入，通過(guò)模型內(nèi)部對(duì)數(shù)據(jù)進(jìn)行修正，最終得到修正后的場(chǎng)強(qiáng)值，如圖3所示。該技術(shù)可實(shí)現(xiàn)對(duì)實(shí)測(cè)場(chǎng)強(qiáng)數(shù)據(jù)的修正，有效降低了環(huán)境等因素對(duì)場(chǎng)強(qiáng)測(cè)量的影響，還原出最真實(shí)的輸電線下地面場(chǎng)強(qiáng)值。

3 基于電場(chǎng)信息的輸電線路弧垂反演算法

基于電場(chǎng)信息的輸電線路弧垂反演算法，通過(guò)三個(gè)步驟完成對(duì)輸電線路弧垂的反演監(jiān)測(cè)。首先基于三維輸電導(dǎo)線電場(chǎng)計(jì)算模型，選取輸電線路正常情況下的弧垂作為算法的初始可行解；其次，利用禁忌搜索算法，在該初始解的左右領(lǐng)域內(nèi)進(jìn)行局部最優(yōu)搜索，選取其中的最優(yōu)解作為新的當(dāng)前解，并對(duì)局部最優(yōu)解的歷史信息進(jìn)行記錄，最終形成一個(gè)禁忌表；最后，通過(guò)將禁忌表中的最優(yōu)解對(duì)應(yīng)的場(chǎng)強(qiáng)數(shù)據(jù)與基于神經(jīng)網(wǎng)絡(luò)輸電線路下地面場(chǎng)強(qiáng)測(cè)量技術(shù)測(cè)得的實(shí)時(shí)線路下地面場(chǎng)強(qiáng)數(shù)據(jù)進(jìn)行比較，當(dāng)最優(yōu)解對(duì)應(yīng)的場(chǎng)強(qiáng)數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)近似相等時(shí)，則將該最優(yōu)解作為最終反演計(jì)算的弧垂值。

3.1 三維輸電導(dǎo)線電場(chǎng)計(jì)算模型

三維輸電導(dǎo)線電場(chǎng)計(jì)算模型基于線路三相輸電的原理，將交流電線路下的場(chǎng)強(qiáng)依據(jù)每一單項(xiàng)交流電的方向進(jìn)行分解。將實(shí)測(cè)的場(chǎng)強(qiáng)數(shù)據(jù)分為xyz三個(gè)方向上的分量進(jìn)行存儲(chǔ)和計(jì)算。該模型圖在實(shí)際操作中，選取線路實(shí)測(cè)電場(chǎng)x坐標(biāo)下橫向分布的N個(gè)值作為電場(chǎng)實(shí)測(cè)值。三維輸電導(dǎo)線電場(chǎng)計(jì)算模型模型圖如圖4所示。

對(duì)于三維輸電導(dǎo)線電場(chǎng)計(jì)算模型下的N個(gè)測(cè)量點(diǎn)，記和分別為第m（m=1，2，...，N）個(gè)測(cè)量點(diǎn)的電場(chǎng)測(cè)量修正值和計(jì)算值，則對(duì)應(yīng)算法的目標(biāo)函數(shù)為：

3.2 禁忌搜索算法

禁忌搜索（Taboo Search，TS）算法是一種亞啟發(fā)式（meta-heuristic）隨機(jī)搜索算法，通過(guò)引入一個(gè)內(nèi)容可變的存儲(chǔ)結(jié)構(gòu)及與該結(jié)構(gòu)相對(duì)應(yīng)的禁忌準(zhǔn)則，來(lái)避免迂回搜索，最終實(shí)現(xiàn)全局尋優(yōu)。相對(duì)于模擬退火和遺傳算法，TS算法更適合于求解導(dǎo)線下方電場(chǎng)與弧垂間的非線性問(wèn)題。

本文提出的基于電場(chǎng)信息的輸電線路弧垂反演算法，選取輸電線路正常情況下的弧垂作為算法的初始可行解，并利用禁忌搜索算法以尋找弧垂的最優(yōu)解?；〈狗囱菟惴▽⒊跏伎尚薪庾鳛樗阉髌瘘c(diǎn)，利用移動(dòng)函數(shù)確定該初始解的左右搜索領(lǐng)域，通過(guò)計(jì)算各領(lǐng)域內(nèi)解的目標(biāo)函數(shù)來(lái)確定局部最優(yōu)解，并將該局部最優(yōu)解作為新的當(dāng)前解。本文反演算法設(shè)計(jì)禁忌搜索算法的移動(dòng)函數(shù)為：

xnew=x+k*△x（k=±1，±2...） （3）

其中，xnew為解x的鄰域解；△x為移動(dòng)操作的移動(dòng)單位，單位為m?！鱴是迭代次數(shù)n的函數(shù)，n增加會(huì)使△x減小、搜索精度提高。

通過(guò)對(duì)局部最優(yōu)解的歷史信息進(jìn)行記錄，將每一局部最優(yōu)解記為一禁忌對(duì)象，最終形成一個(gè)禁忌表。禁忌表內(nèi)記錄每一次搜索得到的禁忌對(duì)象，并將該禁忌對(duì)象在禁忌表內(nèi)生存時(shí)間初始為|T|。其中，|T|作為該表內(nèi)的禁忌長(zhǎng)度，在每一次迭代中，將上一次迭代得到的局部最優(yōu)解作為該次迭代的初始解，并對(duì)表內(nèi)每一禁忌對(duì)象的禁忌長(zhǎng)度減1，當(dāng)某一禁忌對(duì)象的禁忌長(zhǎng)度變?yōu)?時(shí)，將其從禁忌表中刪除。

禁忌表是一個(gè)循環(huán)表，在搜索過(guò)程中被循環(huán)的修改，可以有效避免搜索結(jié)果陷入局部最優(yōu)，但仍可能出現(xiàn)循環(huán)。因此，必須給定停止準(zhǔn)則以避免出現(xiàn)死循環(huán)，當(dāng)最優(yōu)解滿足精度要求或經(jīng)過(guò)n次迭代最優(yōu)解無(wú)法改進(jìn)時(shí)（其中，n的數(shù)值根據(jù)搜索精度確認(rèn)），則停止算法停止。

3.3 基于電場(chǎng)信息的輸電線路弧垂反演的算法流程

基于電場(chǎng)信息的輸電線路弧垂反演的算法流程如圖5所示。

由圖5可知，基于電場(chǎng)信息的輸電線路弧垂反演算法的具體實(shí)現(xiàn)步驟如下：

第一步，選取輸電線路正常情況下的弧垂作為算法的初始可行解，將禁忌表中所有元素清零。

第二步，對(duì)停止準(zhǔn)則進(jìn)行判斷，如果當(dāng)前解滿足停止準(zhǔn)則，則輸出所搜索到的最優(yōu)解，即輸電導(dǎo)線的最大弧垂，算法終止，否則進(jìn)行第三步。

第三步，將第一步的初始可行解，根據(jù)移動(dòng)函數(shù)進(jìn)行變化，產(chǎn)生出一些領(lǐng)域解，并從中選出特定數(shù)量的解作為候選解。

第四步，對(duì)候選解根據(jù)藐視準(zhǔn)則進(jìn)行判斷，如果滿足藐視準(zhǔn)則，就用滿足藐視準(zhǔn)則的解替代當(dāng)前解，使其成為新的當(dāng)前解，而且將禁忌表以前的禁忌對(duì)象刪除，添加當(dāng)前最佳狀態(tài)所對(duì)應(yīng)的對(duì)象作為新的禁忌對(duì)象，同時(shí)將當(dāng)前最佳狀態(tài)替換“best so far”狀態(tài)，最后進(jìn)行第六步，否則，就進(jìn)行下一步。

第五步，判斷候選解所對(duì)應(yīng)的對(duì)象的禁忌屬性，將候選解集里禁忌表之外的對(duì)象所對(duì)應(yīng)的最佳狀態(tài)作為新的當(dāng)前解，并且將禁忌表里原有的禁忌對(duì)象，用這種對(duì)象所對(duì)應(yīng)的禁忌對(duì)象替換。

第六步，跳轉(zhuǎn)到第二步，進(jìn)行循環(huán)操作，直到輸出最優(yōu)解，即輸電導(dǎo)線的最大弧垂。

4 基于場(chǎng)強(qiáng)變化的輸電線路弧垂監(jiān)測(cè)系統(tǒng)

基于場(chǎng)強(qiáng)變化的輸電線路弧垂監(jiān)測(cè)系統(tǒng)由輸電線路場(chǎng)強(qiáng)測(cè)量、場(chǎng)強(qiáng)修正、弧垂反演、弧垂監(jiān)測(cè)四個(gè)模塊組成，系統(tǒng)組成結(jié)構(gòu)如圖6所示。

如圖所示，輸電線路場(chǎng)強(qiáng)測(cè)量模塊由信息采集模塊、數(shù)字通信模塊、數(shù)據(jù)存儲(chǔ)模塊組成，可以實(shí)現(xiàn)輸電線路電場(chǎng)信息的測(cè)量；場(chǎng)強(qiáng)修正模塊采用基于神經(jīng)網(wǎng)絡(luò)的輸電線路下地面場(chǎng)強(qiáng)測(cè)量技術(shù)，通過(guò)接收輸電線路場(chǎng)強(qiáng)測(cè)量模塊的原始實(shí)測(cè)場(chǎng)強(qiáng)信息，可以實(shí)現(xiàn)對(duì)原始場(chǎng)強(qiáng)測(cè)量數(shù)據(jù)的修正；弧垂反演模塊利用基于電場(chǎng)信息的輸電線路弧垂反演算法，通過(guò)接收?qǐng)鰪?qiáng)修正模塊的修正場(chǎng)強(qiáng)信息，可以實(shí)現(xiàn)由電場(chǎng)信息到弧垂信息的反演；弧垂監(jiān)測(cè)模塊由軟件模塊、監(jiān)控模塊、報(bào)警模塊和話務(wù)模塊組成，通過(guò)接收弧垂反演模塊的信息，對(duì)弧垂長(zhǎng)度進(jìn)行監(jiān)測(cè)、判斷及報(bào)警。當(dāng)線路弧垂超過(guò)預(yù)警值時(shí)，系統(tǒng)馬上發(fā)出直觀醒目的告警。

5 測(cè)試結(jié)果

為了驗(yàn)證本文技術(shù)，對(duì)某三相輸電線路進(jìn)行了現(xiàn)場(chǎng)實(shí)測(cè)，計(jì)算并測(cè)量了該線路的最大弧垂，以及最大弧垂下地面上方1.5 m的電場(chǎng)有效值橫向分布。圖7 所示為導(dǎo)線下方電場(chǎng)測(cè)量值、理想值以及修正后的測(cè)量值。在該散點(diǎn)圖中，橫坐標(biāo)表示測(cè)量點(diǎn)與輸電導(dǎo)線中心線的距離，縱坐標(biāo)表示該測(cè)量點(diǎn)出的場(chǎng)強(qiáng)值。圖中紅色方框表示的點(diǎn)是測(cè)量得到的場(chǎng)強(qiáng)值，綠色加號(hào)表示的點(diǎn)是經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)后修正了的場(chǎng)強(qiáng)值，藍(lán)色圓點(diǎn)表示的是由基于模擬電荷法的三維場(chǎng)強(qiáng)模型計(jì)算而來(lái)的理想場(chǎng)強(qiáng)值。

由圖7可以看出，由于環(huán)境等其他外界因素的干擾使得實(shí)際測(cè)量得到的場(chǎng)強(qiáng)數(shù)據(jù)與理想數(shù)據(jù)之間存在較大偏差，而經(jīng)過(guò)網(wǎng)絡(luò)修正以后，測(cè)量得到的場(chǎng)強(qiáng)數(shù)據(jù)與理想數(shù)據(jù)之間能夠較好地?cái)M合，進(jìn)而實(shí)現(xiàn)了數(shù)據(jù)的修正。

其中，hcd為最大弧垂直接反演值；hcm為排除天氣因素后最大弧垂反演值；hcs為最大弧垂實(shí)測(cè)值；eds為hcd與hcs的誤差；ems為hcm與hcs的誤差。

表1 所示為排除天氣因素和不排除天氣因素時(shí)導(dǎo)線最大弧垂計(jì)算值與實(shí)測(cè)值的對(duì)比。由表1 計(jì)算結(jié)果可知，無(wú)雨雪天氣（晴天、陰天、霧天）下，無(wú)論是否排除天氣因素影響，導(dǎo)線弧垂反演結(jié)果均接近實(shí)測(cè)值，這是因?yàn)闊o(wú)雨雪天氣下電場(chǎng)測(cè)量值接近理想值。雨雪天氣下，由于測(cè)量值與理想值相差較大，直接根據(jù)電場(chǎng)測(cè)量值反演弧垂誤差達(dá)到12.91-13.23%，而排除氣候因素影響后的弧垂反演結(jié)果誤差僅為2.18-2.25%?？梢?jiàn)，排除氣候因素的電場(chǎng)測(cè)量值修正模型能很好地提高計(jì)算精度。

6 結(jié)論

本文設(shè)計(jì)了一種基于地面電場(chǎng)變化的輸電線路弧垂監(jiān)測(cè)技術(shù)。文章首先闡述了研究背景及技術(shù)基于的基本原理，提出了一種基于神經(jīng)網(wǎng)絡(luò)的輸電線路下地面場(chǎng)強(qiáng)測(cè)量技術(shù)，該技術(shù)主要由測(cè)量數(shù)據(jù)修正模型構(gòu)建技術(shù)和測(cè)量數(shù)據(jù)修正技術(shù)組成。技術(shù)首先考慮電場(chǎng)測(cè)量數(shù)據(jù)受外界環(huán)境因素和測(cè)量條件的影響，采用RBF神經(jīng)網(wǎng)絡(luò)與一般神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式建立導(dǎo)線原始測(cè)量數(shù)據(jù)的測(cè)量數(shù)據(jù)修正模型，使修正后的測(cè)量數(shù)據(jù)逼近理想條件下的數(shù)據(jù)；其次采用本文提出的測(cè)量數(shù)據(jù)修正技術(shù)，對(duì)場(chǎng)強(qiáng)測(cè)量數(shù)據(jù)進(jìn)行修正，從而得到輸電線路下地面場(chǎng)強(qiáng)的精確值。提出了一種基于電場(chǎng)信息的輸電線路弧垂反演計(jì)算方法，該方法基于三維輸電導(dǎo)線電場(chǎng)計(jì)算模型的建立，根據(jù)導(dǎo)線下方電場(chǎng)的實(shí)時(shí)測(cè)量數(shù)據(jù)，在三維電場(chǎng)模型下反演計(jì)算得到實(shí)際弧垂值。設(shè)計(jì)了一種基于場(chǎng)強(qiáng)變化的輸電線路弧垂監(jiān)測(cè)系統(tǒng)，該系統(tǒng)可對(duì)弧垂進(jìn)行監(jiān)測(cè)和報(bào)警，保證了輸電線路的安全可靠運(yùn)行。最后，驗(yàn)證了本文弧垂反演技術(shù)的有效性，并證明了該技術(shù)可以應(yīng)對(duì)于各類天氣狀況。本文提出的基于地面電場(chǎng)變化的輸電線路弧垂監(jiān)測(cè)技術(shù)簡(jiǎn)單有效，為導(dǎo)線弧垂的實(shí)時(shí)監(jiān)測(cè)提供了一條新的思路，能夠?qū)〈惯M(jìn)行有效的監(jiān)測(cè)，具有行業(yè)推廣和示范效益。

參考文獻(xiàn)

[1]盧鐵兵，肖刊，張波，等.超高壓輸電線路鐵塔附近的三維工頻電場(chǎng)計(jì)算[J].高電壓技術(shù)，2001，27（03）：24-26.

[2]李敏強(qiáng)，寇紀(jì)凇，林丹，等.遺傳算法的基本理論與應(yīng)用[M].北京：科學(xué)出版社，2002：28-60.

[3]葛紹巖，那鴻悅.熱輻射性質(zhì)及其測(cè)量[M].北京：科學(xué)出版社，1989：89-95.

[4]彭一琦.考慮氣象條件的輸電導(dǎo)線工頻電場(chǎng)計(jì)算新方法[J].高電壓技術(shù)，2010，36（10）：2507-2512.

[5]Gomollon J A，PalauR.Steady state 3-D-field calculations inthree-phase systems with surface charge method[J].IEEETransactions on Power Delivery，2005，20（02）：919-924.

[6]曾慶禹.特高壓輸電線路地面最大工頻電場(chǎng)強(qiáng)度和導(dǎo)線最大弧垂特性[J].電網(wǎng)技術(shù)，2008，32（06）：1-8.

[7]徐青松，季洪獻(xiàn)，王孟龍.輸電線路弧垂的實(shí)時(shí)監(jiān)測(cè)[J].高電壓技術(shù)，2007，33（07）：206-209.

[8]Chen S L，Black W Z，F(xiàn)ancher M L.High-temperature sag model foroverhead conduc-tors[J].IEEE Transactions on Power Delivery，2003，18（01）：183-188.

作者簡(jiǎn)介

王洋（1976-），男，陜西省西安市人。學(xué)士學(xué)位?，F(xiàn)為國(guó)網(wǎng)陜西省電力公司西安供電公司工程師。

許陽(yáng)（1978-），男，陜西省西安市人。學(xué)士學(xué)位。現(xiàn)為國(guó)網(wǎng)陜西省電力公司西安供電公司工程師。

王琨（1975-），男，陜西省西安市人。碩士學(xué)位?，F(xiàn)為國(guó)網(wǎng)陜西省電力公司西安供電公司高級(jí)工程師。

王紀(jì)紅（1970-），男，陜西省西安市人?，F(xiàn)為國(guó)網(wǎng)陜西省電力公司西安供電公司高級(jí)技師。

作者單位

國(guó)網(wǎng)陜西省電力公司西安供電公司 陜西省西安市 710032