基于输电线路最小空气间隙在线量测的风偏故障预警方法与流程

本发明涉及基于输电线路最小空气间隙在线量测的风偏故障预警方法，特别涉及一种服务于输电线路防风偏闪络中最小空气间隙在线量测与风偏故障预警方法，属于输电线路安全运行与管理技术领域。

背景技术

风偏闪络事故是电网正常运行的重大安全隐患，随着我国电网加快建设，各电压等级的输电线路快速发展，特别是超、特高压线路输电距离长，沿途气象、地理环境复杂，在极端气候条件一旦发生风偏闪络事故，将造成大面积停电，严重影响电力系统的安全稳定运行，给电力系统造成巨大的经济损失。造成风偏放电的原因很多，其中恶劣气象条件下因风偏角变化而引起的导线间、导线－杆塔、导线－相临物件如树木的空气间隙电气强度变化是造成输电线路发生风偏闪络故障和事故最根本的原因。

定期核查线塔最小空气间隙、导线对地距离及临近异物距离是电力部门风偏防治的主要措施。现有的核查方法1)经验估算，2)获取风偏角，根据已有模型推算最小空气间隙。影响风偏角的因素很多如风向、风速等，因此风偏角的获取值具有一定近似性，加上最小空气间隙推算模型通常需要根据实际情况进行修正，实际工作中最小空气间隙的精确值很难获得。一些在线最小空气间隙监测系统，需要在恶劣气候及带电环境下布设数据采集硬件，导致实施过程中困难重重。总体上来说，目前还没有一种能够精确量测输电线路最小空气间隙的实用方法。

技术实现要素：

本发明的目的在于针对现有技术存在的不足，提供基于输电线路防风偏闪络中最小空气间隙在线量测的风偏故障预警方法，解决了输电线路安全运行与管理过程中所面临的输电线路最小空气间隙量测与风偏故障预警问题。

本发明技术方案提供一种基于输电线路最小空气间隙在线量测的风偏故障预警方法，包括以下步骤：

步骤1，进行电力设施精细化三维建模，并在三维模型上量测输电线路的最小空气间隙；

步骤2，分析影响输电线路最小空气间隙的气象因素，建立输电线路最小空气间隙与相关气象因素的非线性回归模型，并解算模型参数；

步骤3，根据建立的模型预测不同气象条件下的输电线路最小空气间隙值，结合阈值分类，进行风偏故障预警等级评估。

而且，步骤1中，采用倾斜摄影方式获取输变电线路杆塔及周围环境的影像数据，结合已有的设计数据和控制点数据进行空中三角测量，建立输变电线路杆塔及周围环境的三维模型。

而且，步骤2中，根据灰色系统理论gm(1,n)模型建立最小空气间隙与相关气象因素的非线性回归模型，采用最小二乘法拟合回归模型参数。

而且，步骤3中，根据建立的模型，预测不同气象条件下输电线路最小空气间隙的大小，并在此基础上与规范的基准数据对比，设置阈值，评估部件最小空气间隙的安全性。

与现有技术相比，本发明的优点在于：实现了非接触方式下输电线路部件间及与线路环境的最小空气间隙量测，且通过建立最小空气间隙和气象因素的关联模型，解决了风偏故障预警问题，为制定合理的风偏防范措施，科学优化输电线路风偏设计参数，提高线路的安全运行水平提供重要技术保证。

附图说明

图1为本发明实施例的流程图。

具体实施方式

以下结合附图和本发明实施例，详细描述本发明技术方案。

本发明提出一种输电线路空气间隙在线量测与风偏故障预警系统。通过高分辨率影像传感器以非接触方式采集输电线路杆塔、悬线、线路环境影像，实现基于摄影测量方法的输电线路模型构建，并精确量测输电线路部件间及与线路环境的最小空气间隙；根据灰色系统理论gm(1,n)模型建立最小空气间隙和气象因素的非线性回归模型，实现不同气象条件下最小空气间隙预测及风偏故障预警等级评估。本发明将为风偏故障定位,制定合理的风偏防范措施,科学优化输电线路风偏设计参数，提高线路的安全运行水平提供重要技术保证。

参见图1，本发明实施例提供的一种基于输电线路最小空气间隙在线量测的风偏故障预警方法，包括如下具体步骤：

步骤1，利用设计数据、控制点数据、多视角影像实现电力设施(电力杆塔、电线、绝缘子等及线路环境)精细化三维建模，并在三维模型上量测输电线路的最小空气间隙。

进一步地，采用倾斜摄影方式获取输变电线路杆塔及周围环境的影像数据，结合已有的设计数据和控制点数据进行空中三角测量，建立输变电线路杆塔及周围环境的三维模型。

本步骤对步骤1获取的多视角影像数据，利用多源控制信息(控制点、设计数据等)作为定向控制参数，进行空三解算影像的定向参数。根据空中三角测量结果，经过提取影像特征点，生成高密度点云、半自动精细建模，生成输电线路场景三维模型。通过实现电力杆塔、电线及线路场景的高精度、精细化三维模型重建，为输电线路最小空气间隙在线量测与动态监测提供基础数据。通过最近距离搜索，可在三维重建的模型上量测杆塔、悬线、绝缘子、线路场景(树木)等最小空气间隙。

实施例中，采用电动多旋翼无人机的倾斜摄影方式，在空中以倾斜姿态对地摄影，获取输变电线路杆塔及周围环境的影像数据；利用多源控制信息(控制点、设计数据等)作为定向控制参数，进行空三解算影像的定向参数；根据空中三角测量结果，经过提取影像特征点，生成高密度点云等步骤，生成电力设施(电力杆塔、电线、绝缘子等)精细化三维模型，为支持量测，建议精度可以达到0.05米；通过空间距离最小值搜索方式，即在模型上搜索两条线间的最小距离，确定输电线路杆塔、悬线及邻近物间最小空气间隙。

步骤2，分析影响输电线路最小空气间隙的气象因素，建立输电线路最小空气间隙与相关气象因素的非线性回归模型，并解算模型参数。

进一步地，根据灰色系统理论gm(1,n)模型建立最小空气间隙与相关气象因素的非线性回归模型，采用最小二乘法拟合回归模型参数。

实施例中，考虑最小空气间隙与相关气象要素可能存在的非线性关系，分析并确定影响输电线路最小空气间隙的气象因素，通过定点、周期性采集输电线路影像数据，构建模型数据及量测最小空气间隙数据，选择灰色系统理论gm(1,n)模型建立最小空气间隙和相关气象因素的非线性回归模型，采用最小二乘曲线拟合回归模型参数。

根据灰色系统理论，

设y⁽⁰⁾＝{y⁽⁰⁾(1),y⁽⁰⁾(2),…,y⁽⁰⁾(n)}为最小空气间隙数据序列，

其中，y⁽⁰⁾(1),y⁽⁰⁾(2),…,y⁽⁰⁾(n)分别表示第1次最小空气间隙量测值、第2次最小空气间隙量测值…第n次最小空气间隙量测值；

设xi⁽⁰⁾＝{xi⁽⁰⁾(1),xi⁽⁰⁾(2),…,xi⁽⁰⁾(n)}(i＝1,2,…,m)为相关气象要素数据序列，

其中，xi⁽⁰⁾(1),xi⁽⁰⁾(2),…,xi⁽⁰⁾(n)分别表示第1次量测相应的气象要素数据i、第2次量测相应的气象要素数据i…第n次量测相应的气象要素数据i，m是相关气象要素总个数，如相关气象要素有风向、风速、湿度等。

y⁽¹⁾＝{y⁽¹⁾(1),y⁽¹⁾(2),…,y⁽¹⁾(n)}和xi⁽¹⁾＝{xi⁽¹⁾(1),xi⁽¹⁾(2),…,xi⁽¹⁾(n)}分别为y⁽⁰⁾和xi⁽⁰⁾的一次累加生成序列，

其中：k＝1，2,3,…,n。

即累加生成序列中，第k个y⁽¹⁾(k)、xi⁽¹⁾(k)分别为相应累加之和，例如：数据项y⁽¹⁾(2)为y⁽⁰⁾数据序列前2项之和，数据项y⁽¹⁾(n)为y⁽⁰⁾数据序列前n项之和。数据项xi⁽¹⁾(2)为xi⁽⁰⁾数据序列前2项之和，数据项xi⁽¹⁾(n)为xi⁽⁰⁾数据序列前n项之和。

则最小空气间隙与相关气象要素的gm(1,n)模型为

y⁽⁰⁾(k)+az⁽¹⁾(k)＝b1x1⁽¹⁾(k)+b2x2⁽¹⁾(k)+…+bmxm⁽¹⁾(k)(1)

其中：参数z⁽¹⁾(k)＝(y⁽¹⁾(k)+y⁽¹⁾(k-1))/2；k＝2,3,…,n，是y⁽¹⁾中相邻两项平均值，a、b1、b2…bm为gm(1,n)模型参数。

当k＝2,3,…,n时，可采用最小二乘法求得模型参数(为a、b1、b2…bm的最佳估计值)为

式中，

其中，矩阵l由最小空气间隙观测值序列项构成，矩阵b由参数z⁽¹⁾(k)和气象因素一次累加序列项构成。

在求得模型参数值后，进一步求得一次累加序列的近似时间相应式

其中，为e指数，e是底数，为指数。

对作一次累减还原处理，得到原始序列的预测式为

为便于实施参考期间，提供gm(1,n)模型的具体算例如下：

表1为算例的数据，分别为输电线路最小空气间隙值、气象因素(风向、风速和相对湿度)5次观测数据。

表1gm(1,n)模型算例数据

第一步

根据表1，最小空气间隙数据序列y⁽⁰⁾＝{y⁽⁰⁾(1),y⁽⁰⁾(2),y⁽⁰⁾(3),y⁽⁰⁾(4),y⁽⁰⁾(5)}＝{265.74,309.59,347.98，389.55,456.25}

气象因素xi⁽⁰⁾＝{xi⁽⁰⁾(1),xi⁽⁰⁾(2),xi⁽⁰⁾(3),xi⁽⁰⁾(4),xi⁽⁰⁾(5)}(i＝1,2,3)

x1⁽⁰⁾＝{x1⁽⁰⁾(1),x1⁽⁰⁾(2),x1⁽⁰⁾(3),x1⁽⁰⁾(4),x1⁽⁰⁾(5)}＝{36.6,44.9,52.4，62.4,74.7}

x2⁽⁰⁾＝{x2⁽⁰⁾(1),x2⁽⁰⁾(2),x2⁽⁰⁾(3),x2⁽⁰⁾(4),x2⁽⁰⁾(5)}＝{0.91,1.11,1.32，1.42,1.66}

x3⁽⁰⁾＝{x3⁽⁰⁾(1),x3⁽⁰⁾(2),x3⁽⁰⁾(3),x3⁽⁰⁾(4),x3⁽⁰⁾(5)}＝{24.7,30.3,38.9，49.6,70.4}

对y⁽⁰⁾做一次累加，得到y⁽¹⁾＝{y⁽¹⁾(1),y⁽¹⁾(2),y⁽¹⁾(3),y⁽¹⁾(4)，y⁽¹⁾(5)}＝{265.74,575.33,923.31，1312.86,1769.11}

对xi⁽⁰⁾做一次累加，得到

x1⁽¹⁾＝{x1⁽¹⁾(1),x1⁽¹⁾(2),x1⁽¹⁾(3),x1⁽¹⁾(4),x1⁽¹⁾(5)}＝{36.6,81.5,133.9，196.3,271.0}

x2⁽¹⁾＝{x2⁽¹⁾(1),x2⁽¹⁾(2),x2⁽¹⁾(3),x2⁽¹⁾(4),x2⁽¹⁾(5)}＝{0.91,2.02,3.34，4.76,6.42}

x3⁽¹⁾＝{x3⁽¹⁾(1),x3⁽¹⁾(2),x3⁽¹⁾(3),x3⁽¹⁾(4),x3⁽¹⁾(5)}＝{24.7,55.0,93.9，143.5,213.9}

第二步

由可计算出

从而可算出

求得一次累加序列的近似时间相应式

对作一次累减还原处理，得到原始序列的预测式为

步骤3，根据建立的模型预测不同气象条件下的输电线路最小空气间隙值，结合阈值分类，进行风偏故障预警等级评估。

进一步地，根据建立的模型，预测不同气象条件下输电线路最小空气间隙的大小，并在此基础上与规范的基准数据对比，设置合理的阈值，评估部件最小空气间隙的安全性。

通过模型预测值与规范的基准数据对比，设置裕度合适的阈值，通过模糊等级分类，预测输电线路风偏故障等级，可以确保输电线路在极端气候条件下的安全运行。

实施例中，根据建立的模型预测不同气象条件下的最小空气间隙值，与规范的基准数据对比，结合设置的预警等级，通过模糊分类，得到相应的预警级别，评估的结果将为防风偏预防措施提供决策数据。

设规范允许的最小空气间隙值为l，在一定气象条件下模型预测的最小空气间隙值为d，当：(1)d小于l，为1级预警；(2)d大于l，小于1.2l，为2级预警；(3)d大于1.2l，无预警。

该方法有效实现了精确的基于模型的输电线路最小空气间隙值量测，改变了传统方法通过间接推算得到输电线路最小空气间隙近似值的局面。具体实施时，可采用计算机软件方式实现以上流程的自动运行。

进一步的讲，本发明通过建立输电线路最小空气间隙和相关气象因素的非线性模型解决了输电线路运行中面临的风偏故障预警问题，从而提高了输电线路运行的安全性。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。