专利名称：一种输电线路动态容量的在线预测方法
技术领域：
本发明涉及输电线路动态增容技术，尤其涉及一种输电线路动态容量的在线预测方法。
背景技术：
近年来，随着社会经济持续快速增长，用电负荷增长迅速，一些线路受到输送容量热稳定限额的制约，远远不能满足电网实际的需要，而建设新的线路走廊投资巨大、建设周期长。因此，在确保系统稳定、设备安全的前提下，对线路运行环境进行实时监测和分析，及时对输电线路的热稳定限额进行调整，可最大限度地发挥输电线路的负载能力，减少输电设备的投资，对满足社会经济快速增长有着积极的作用。
输电线路动态增容技术是目前最经济、最环保的提高线路输送容量方案，也是实现输电智能化核心价值和目标的关键技术之一。简单来说，输电线路的输电容量主要受导线和金具在高温下的变形和疲劳限制，但是，各线路运行环境不同，其允许的温升是不同的。在线路设计中，一般都考虑在最苛刻条件下校核线路的最大输送容量，与实际条件相比，设计过程中采用的数据都有一定的裕度，因而，线路一般都存在潜在的输送容量。当前， 输电线路动态增容系统在国家电网和南方电网都有试点的应用，但实际应用于调度时还有不少问题待解决，其中线路动态容量的在线学习和短期预测是实现基于动态增容的实时调度运行以及制定调度计划的关键功能和重要依据。发明内容
针对现有技术中的输电线路动态增容技术在设计时所存在的上述缺陷，本发明提供了一种输电线路动态容量的在线预测方法。
依据本发明的一个方面，提供了一种输电线路动态容量的在线预测方法，包括以下步骤
建立第一RBF (Radial Basis Function,径向基函数)神经网络，从而对第一输入参数进行在线预测，以得到第一预测数值；
建立第二 RBF神经网络，从而对第二输入参数进行在线预测，以得到第二预测数值；
获取导线温度数据和实时电流；以及
依据IEEE738标准，利用所述第一预测数值、所述第二预测数值、导线温度数据以及电流，在线预测所述输电线路的动态容量。
在其中的一实施例中，第一输入参数为风速，第二输入参数为日照辐射温度。
在其中的一实施例中，第一预测数值为{vt+lh，vt+2h, vt+4h}，以及所述第二预测数值为iTst+lh，Tst+2h, Tst+4h}，其中，{vt+lh, vt+2h, vt+4h}分别为t时刻之后3个预定时刻的风速预测值，{Tst+lh, Tst+2h, Tst+4h}分别为t时刻之后3个预定时刻的日照辐射温度预测值。
在其中的一实施例中，第一 RBF神经网络的输入层由4个神经元组成{vt，V t+lh, V t+2h, V t+4h}，它们分别表示t时刻的风速测量值、t时刻之后3个预定时刻的风速预报值；所述第一 RBF神经网络的输出层由3个神经元组成伐，它们分别表示t时刻之后3个预定时刻的风速预测值。
在其中的一实施例中，第二RBF神经网络的输入层由5个神经元组成{Tst，Tat, T' a t+lh, T' at+2h, T' at+4h}，它们分别表示t时刻的日照辐射温度测量值、t时刻环境温度测量值、 t时刻之后3个预定时刻的环境温度预报值；所述第二 RBF神经网络的输出层由3个神经元组成^^之仏尤+^，它们分别表示t时刻之后3个预定时刻的日照辐射温度预测值。
在其中的一实施例中，根据实时测得的导线张力数据以及导线张力和导线温度的关系拟合曲线来获得所述导线温度数据。
在其中的一实施例中，利用数据采集与监测控制(Supervisory Control And Data Acquisition, SCADA)系统来采集所述实时电流。
采用本发明的输电线路动态容量的在线预测方法，无需更改原有的配置参数就能适用于不同的季节容量的在线学习和预测。此外，该在线预测方法能为调度人员提供非常宝贵的未来短期的线路容量预测信息，为电力紧张地区、负荷高峰时期、事故短时超负荷运行、风电接入等情况下电网的智能调度提供有效控制手段，对提高电力系统的安全性和经济性具有积极作用。
在参照附图阅读了本发明的具体实施方式
以后，将会更清楚地了解本发明的各个方面。其中，
图1示出RBF神经网络的原理示意图2示出基于RBF神经网络对输电线路动态容量进行在线预测的原理图3示出将风速采集数据作为训练数据集时，I小时、2小时和4小时内的风速预测曲线图4示出将日照辐射温度作为训练数据集时，I小时、2小时和4小时内的日照辐射温度预测曲线图5示出输电线路中的导线温度和张力的关系曲线；
图6示出选取实际测量的典型夏季数据，并根据IEEE738标准对I小时、2小时和 4小时内的输电线路动态容量模拟在线预测的曲线图7示出选取实际测量的典型冬季数据，并根据IEEE738标准对I小时、2小时和 4小时的输电线路动态容量模拟在线预测的曲线图。
具体实施方式
为了使本申请所揭示的技术内容更加详尽与完备，可参照附图以及本发明的下述各种具体实施例，附图中相同的标记代表相同或相似的组件。然而，本领域的普通技术人员应当理解，下文中所提供的实施例并非用来限制本发明所涵盖的范围。此外，附图仅仅用于示意性地加以说明，并未依照其原尺寸进行绘制。
在对本发明的具体实施方式
进行详细描述之前，首先对RBF (Radial BasisFunctions，径向基函数)神经网络原理予以简要说明。如图1所示，RBF神经网络包括三层结构，即，输入层、隐藏层和输出层，每层的神经元与其他层的神经元之间全连接。输入变量无权重的直接分配给输入层的神经元，隐藏层神经元的传递函数被称为RBF。RBF与BP网络中广泛应用的sigmoid函数类似。假设输入层、隐藏层和输出层神经元数量分别为Ii1, nh 和n。，隐藏层的传递函数选择被最广泛应用的高斯函数，第j个隐藏层神经元在输入变量xk 时的输出为
权利要求
1.一种输电线路动态容量的在线预测方法，其特征在于，所述在线预测方法包括以下步骤 建立第一 RBF神经网络，从而对第一输入参数进行在线预测，以得到第一预测数值； 建立第二 RBF神经网络，从而对第二输入参数进行在线预测，以得到第二预测数值； 获取导线温度数据和实时电流；以及 利用所述第一预测数值、所述第二预测数值、导线温度数据以及电流，在线预测所述输电线路的动态容量。
2.根据权利要求I所述的输电线路动态容量的在线预测方法，其特征在于，所述第一输入参数为风速，所述第二输入参数为日照辐射温度。
3.根据权利要求2所述的输电线路动态容量的在线预测方法，其特征在于，所述第一预测数值为{Vt+lh，vt+2h, vt+4h}，以及所述第二预测数值为{Tst+lh，Tst+2h, Tst+4h}，其中，{vt+lh, vt+2h, vt+4h}分别为t时刻之后3个预定时刻的风速预测值，{Tst+lh, Tst+2h, Tst+4h}分别为t时刻之后3个预定时刻的日照辐射温度预测值。
4.根据权利要求3所述的输电线路动态容量的在线预测方法，其特征在于，所述第一RBF神经网络的输入层由4个神经元组成{vt，v' t+lh，v' t+2h，v' t+4h}，它们分别表示t时刻的风速测量值、t时刻之后3个预定时刻的风速预报值；所述第一 RBF神经网络的输出层由3个神经元组成代+]f!，bA，U，它们分别表示t时刻之后3个预定时刻的风速预测值。
5.根据权利要求3所述的输电线路动态容量的在线预测方法，其特征在于，所述第二RBF神经网络的输入层由5个神经元组成{Tst，Tat, T/ at+lh, T/ at+2h, T/ at+4h}，它们分别表示t时刻的日照辐射温度测量值、t时刻环境温度测量值、t时刻之后3个预定时刻的环境温度预报值；所述第二 RBF神经网络的输出层由3个神经元组成|t+iA，t+2A，t4，它们分别表示t时刻之后3个预定时刻的日照辐射温度预测值。
6.根据权利要求I所述的输电线路动态容量的在线预测方法，其特征在于，根据实时测得的导线张力数据以及导线张力和导线温度的关系拟合曲线来获得所述导线温度数据。
7.根据权利要求I所述的输电线路动态容量的在线预测方法，其特征在于，利用数据采集与监测控制系统来采集所述实时电流。
全文摘要
本发明提供一种输电线路动态容量的在线预测方法，包括建立第一RBF神经网络，对第一输入参数进行在线预测得到第一预测数值；建立第二RBF神经网络，对第二输入参数进行在线预测得到第二预测数值；获取导线温度数据和实时电流；依据IEEE738标准，利用第一和第二预测数值、导线温度数据以及电流，在线预测输电线路的动态容量。采用本发明，无需更改原有的配置参数就能适用于不同的季节容量的在线学习和预测。此外，该方法能为调度人员提供非常宝贵的未来短期的线路容量预测信息，为电力紧张地区、负荷高峰时期、事故短时超负荷运行、风电接入等情况下电网的智能调度提供有效控制手段，对提高电力系统的安全性和经济性具有积极作用。
文档编号G06N3/02GK102982393SQ20121045224
公开日2013年3月20日 申请日期2012年11月9日 优先权日2012年11月9日
发明者孙旭日, 盛戈皞, 李启昌, 刘亚东, 张洪伟, 孟昭利, 孙岳, 江秀臣 申请人:山东电力集团公司聊城供电公司, 上海交通大学, 国家电网公司