基于电场特征量的电极起晕电压预测方法
【专利摘要】本发明公开了一种基于电场特征量的电极起晕电压预测方法，首先，测量不同结构的典型电极的起晕电压数据，并定义非起晕电压区间和起晕电压区间；然后，对不同结构的典型电极间隙进行电场计算并提取电场特征量，构建训练样本集；接着，基于训练样本集构建起晕电压预测模型，该起晕电压预测模型以电场特征量为输入、以非起晕电压和起晕电压区间为输出；最后，采用起晕电压预测模型预测电极起晕电压。本发明操作简单，预测准确度高，适用于预测任意结构电极的起晕电压，预测结果可为输电线路、金具和静电除尘装置等的结构设计和结构优化提供参考。
【专利说明】 基于电场特征量的电极起晕电压预测方法
【技术领域】
[0001]本发明涉及输变电工程和静电除尘电晕放电领域，尤其涉及一种基于电场特征量的电极起晕电压预测方法。
【背景技术】
[0002]电晕是极不均匀电场所特有的自持放电现象，它与所施电压、电极形状、极间距离、气体性质和密度等诸多因素有关。随着电压等级的提高，输电线路电晕产生的无线电干扰、可听噪声、电晕损失等效应越来越引起重视，电晕效应是超、特高压输电线路导线选型的决定性因素。高压输变电工程中，均压环、防振锤、间隔棒等金具由于曲率半径小，表面可以产生很高场强，当表面电场强度足够高时，形成电晕放电，脉冲电流能量可以通过电磁波形式直接辐射，对周围环境造成高频干扰，带来可听噪声，这些由金具电晕放电带来的电磁环境问题也越来越受到关注。此外，电晕放电在静电除尘装置中得到了广泛应用。因此，准确计算或预测起晕电压对输电线路、金具和静电除尘装置的结构设计和优化具有重大意义。
[0003]目前电极起晕电压的计算方法主要包括经验公式(如Peek公式)、半经验公式(如二次电子发射判据)和纯数值计算方法。经验公式和半经验公式中部分参数难以精确获取，计算精度和适用范围均有限；纯数值计算方法相对复杂，且准确性不高。
【发明内容】
[0004]针对现有技术存在的不足，本发明基于计算起晕电压时可不考虑放电过程影响，提出了一种简单且精度高的、基于电场特征量的电极起晕电压预测方法。
[0005]为解决上述技术问题，本发明采用如下的技术方案:
[0006]基于电场特征量的电极起晕电压预测方法，包括步骤:
[0007]步骤I，测量不同结构典型电极的起晕电压数据，并根据测量的起晕电压数据定义各典型电极对应的非起晕电压区间和起晕电压区间；
[0008]步骤2，对不同结构的典型电极分别加载其对应的非起晕电压区间和起晕电压区间，对电极间隙进行电场计算获得各加载电压对应的电场特征量集，并构建训练样本集；
[0009]步骤3，基于训练样本集，采用人工智能数学方法构建起晕电压预测模型，该起晕电压预测模型以待预测电极的电场特征量集为输入、以代表非起晕电压区间和起晕电压区间的数值A和B为输出；
[0010]步骤4，采用起晕电压预测模型预测待预测电极的起晕电压，该步骤进一步包括子步骤:
[0011]4.1对待预测电极加载电压，对电极间隙进行电场计算获取电场特征量集并输入起晕电压预测模型，加载电压初始值自行设定；
[0012]4.2若起晕电压预测模型输出A，升高加载电压，重复执行步骤4.1，直至起晕电压预测模型输出B，此时的加载电压即为待预测电极的起晕电压；[0013]4.3若起晕电压预测模型输出B，降低加载电压，重复执行步骤4.1，直至起晕电压预测模型输出A，此时输出为B的起晕电压区间下限对应的加载电压即为待预测电极的起晕电压。
[0014]上述非起晕电压区间和起晕电压区间分别为[(100%-a) V, 100%V)、[100%V,(100%+a) V]，a根据经验人为设定；V为测量的起晕电压。
[0015]步骤2中采用有限元计算工具ANSYS对电极间隙进行电场计算。
[0016]对步骤2中获得的电场特征量集进行降维处理，并进行归一化。
[0017]所述的降维处理方法为:
[0018]将电场特征量集中的电场特征量分为M类，根据实际需要仅选择其中N类电场特征量，N〈M;或，采用相关性分析法对电场特征量集中的电场特征量进行降维处理；或，采用主成分分析法对电场特征量集中的电场特征量进行降维处理。
[0019]步骤3中所构建的起晕电压预测模型为支持向量机模型或神经网络模型。
[0020]所述的支持向量机模型为SVC、LIBSVM或LSSVM工具箱。
[0021]对支持向量机模型的惩罚因子c和核函数参数g进行优化，具体为:
[0022]采用粗-细网格搜索法或遗传算法或粒子群算法取不同的惩罚因子c和核函数参数g，采用k-折交叉验证法得到不同的预测结果，取预测效果最好的惩罚因子c和核函数参数g作为最优参数，从而获得优化后的支持向量机模型。
[0023]步骤2所述的训练样本集基于电场特征量和环境特征量构建。
[0024]与现有技术相比，本发明具有以下优点和有益效果:
[0025]1、基于可描述的物理量预测电极起晕电压，稳健性更好。
[0026]2、避开了复杂的电极间隙放电物理过程，仅需要少量起晕电压实测数据进行模型训练，操作简单、成本低、周期短、准确性高，适用于任意结构的电极。
[0027]3、具有可扩展性，可考虑环境因素对电极起晕电压的影响，将环境特征量加入起晕电压预测模型，进一步提高预测准确性，方便工程应用。
[0028]4、本发明获得的预测结果可为输电线路、金具和静电除尘装置等的结构设计和结构优化提供参考。
【专利附图】
【附图说明】
[0029]图1是本发明方法的一种具体流程图；
[0030]图2是本发明方法的原理示意图；
[0031]图3是实施例中起晕电压预测值与试验值的对比图，图(a)为D为IOmm和20mm的起晕电压预测值与试验值的对比；图(10为d为4cm的起晕电压预测值与试验值的对比图。
【具体实施方式】
[0032]本发明通过测量不同结构的典型电极的起晕电压数据，根据起晕电压数据定义非起晕电压区间和起晕电压区间；加载非起晕电压区间和起晕电压区间，获取不同结构典型电极间隙的电场特征量，以电场特征量为训练样本；采用训练样本训练起晕电压预测模型，并基于起晕电压预测模型预测电极的起晕电压。
[0033]下面通过实施例，并结合附图，对本发明技术方案作进一步说明。[0034]参见图1，本发明方法包括步骤:
[0035]步骤1，分别测量不同结构典型电极的起晕电压数据，并根据测量的起晕电压数据分别定义各电极对应的非起晕电压区间和起晕电压区间。
[0036]采用电晕试验分别对不同结构典型电极的起晕电压进行试验测量，获得不同结构典型电极对应的起晕电压数据。也可根据研究需要，测量不同结构典型电极在不同环境参数下的起晕电压。
[0037]定义非起晕电压区间和起晕电压区间，分别记为-1和1，作为起晕电压预测模型的输出。本实施例中，定义[(100%-a)V，100%V)为非起晕电压区间，记为-1 ;定义[100%V,(100%+a) V]为起晕电压区间，记为I。a根据经验取值，本具体实施中，a取10% ;V为测量的起晕电压。
[0038]步骤2，对不同结构的典型电极分别加载其对应的非起晕电压区间和起晕电压区间，对电极间隙进行电场计算获得各加载电压对应的电场特征量集，作为训练样本集。
[0039]加载定义的非起晕电压区间和起晕电压区间，对电极间隙进行电场计算，并提取电场特征量获得电场特征量集，见表1，以电场特征量集作为训练样本集。具体可采用有限元计算工具ANSYS对电极间隙进行电场计算。
[0040]表1电场特征量集
[0041]
【权利要求】
1.基于电场特征量的电极起晕电压预测方法，其特征在于，包括步骤: 步骤I，测量不同结构典型电极的起晕电压数据，并根据测量的起晕电压数据定义各典型电极对应的非起晕电压区间和起晕电压区间； 步骤2，对不同结构的典型电极分别加载其对应的非起晕电压区间和起晕电压区间，对电极间隙进行电场计算获得各加载电压对应的电场特征量集，并构建训练样本集； 步骤3，基于训练样本集，采用人工智能数学方法构建起晕电压预测模型，该起晕电压预测模型以待预测电极的电场特征量集为输入、以代表非起晕电压区间和起晕电压区间的数值A和B为输出； 步骤4，采用起晕电压预测模型预测待预测电极的起晕电压，该步骤进一步包括子步骤: 4.1对待预测电极加载电压，对电极间隙进行电场计算获取电场特征量集并输入起晕电压预测模型，加载电压初始值自行设定； 4.2若起晕电压预测模型输出A，升高加载电压，重复执行步骤4.1，直至起晕电压预测模型输出B，此时的加载电压即为待预测电极的起晕电压； 4.3若起晕电压预测模型输出B，降低加载电压，重复执行步骤4.1，直至起晕电压预测模型输出A，此时输出为B的起晕电压区间下限对应的加载电压即为待预测电极的起晕电压。
2.如权利要求1所述的基于电场特征量的电极起晕电压预测方法，其特征在于:` 所述的非起晕电压区间和起晕电压区间分别为[(100%-a)V, 100%V)、[100%V, (100%+a)V]，a根据经验人为设定；V为测量的起晕电压。
3.如权利要求1所述的基于电场特征量的电极起晕电压预测方法，其特征在于: 步骤2中采用有限元计算工具ANSYS对电极间隙进行电场计算。
4.如权利要求1所述的基于电场特征量的电极起晕电压预测方法，其特征在于: 对步骤2中获得的电场特征量集进行降维处理，并进行归一化。
5.如权利要求4所述的基于电场特征量的电极起晕电压预测方法，其特征在于: 所述的降维处理方法为: 将电场特征量集中的电场特征量分为M类，根据实际需要仅选择其中N类电场特征量，N〈M;或，采用相关性分析法对电场特征量集中的电场特征量进行降维处理；或，采用主成分分析法对电场特征量集中的电场特征量进行降维处理。
6.如权利要求1所述的基于电场特征量的电极起晕电压预测方法，其特征在于: 步骤3中所构建的起晕电压预测模型为支持向量机模型或神经网络模型。
7.如权利要求6所述的基于电场特征量的电极起晕电压预测方法，其特征在于: 所述的支持向量机模型为SVC、LIBSVM或LSSVM工具箱。
8.如权利要求6所述的基于电场特征量的电极起晕电压预测方法，其特征在于: 对支持向量机模型的惩罚因子c和核函数参数g进行优化，具体为: 采用粗-细网格搜索法或遗传算法或粒子群算法取不同的惩罚因子c和核函数参数g，采用k-折交叉验证法得到不同的预测结果，取预测效果最好的惩罚因子c和核函数参数g作为最优参数，从而获得优化后的支持向量机模型。
9.如权利要求1所述的基于电场特征量的电极起晕电压预测方法，其特征在于:步骤2所述的训练样本集基于电场特征量和环境特征量构建。`
【文档编号】G06F19/00GK103675629SQ201310753819
【公开日】2014年3月26日 申请日期:2013年12月31日 优先权日:2013年12月31日
【发明者】阮江军, 舒胜文, 黄道春, 普子恒 申请人:武汉大学