1.本发明涉及输电线路动态增容技术领域，具体涉及一种输电线路载流量计算模型构建方法、装置及存储介质。
背景技术：
2.输电线路的载流量是电缆运行中受环境条件和负荷影响的重要动态参数，其重要性涉及到输电线路的可靠安全可靠、经济合理的运行以及电缆寿命问题。若载流量偏大，则线芯温度超标造成绝缘寿命缩短，甚至直接带来停电事故；而载流量偏小，则线芯金属材料得不到充分的利用，不能充分发挥输电线路的传输能力。
3.输电线路载流量目前普遍采用稳态计算结果，且载流量是在线路投运阶段确定。动态增容技术是根据数学模型计算出导线允许的实时安全限值，更加充分发挥导线的输电能力，但由于架空线路导线热平衡环境的复杂性和不确定性，大多计算模型并未考虑径向温差的存在及各环境因素等对径向温度场的影响，有一定的局限性。
技术实现要素：
4.有鉴于此，本发明实施例提供了涉及一种输电线路载流量计算模型构建方法、装置及存储介质，以解决现有技术中采用的输电线路载流量计算模型准确性较低的技术问题。
5.本发明提出的技术方案如下：
6.本发明实施例第一方面提供一种输电线路载流量计算模型构建方法，包括：基于温度影响因素构建架空导线径向温度场有限元分析模型；计算所述温度影响因素对架空导线载流量的影响敏感性指数；采用所述有限元分析模型的仿真数据作为训练集，对基于所述温度影响因素和所述影响敏感性指数构建的神经网络模型进行训练，得到输电线路载流量计算模型。
7.可选地，采用所述有限元分析模型的仿真数据作为训练集，对基于所述温度影响因素和所述影响敏感性指数构建的神经网络模型进行训练，得到输电线路载流量计算模型，包括：基于所述影响敏感性指数对所述温度影响因素进行加权计算，将加权的聚类中心作为权值向量；根据所述权值向量、模型的输入层、模型的输出层构建神经网络模型的核心函数；采用所述有限元分析模型的仿真数据作为训练集，对确定核心函数的神经网络模型进行训练，得到输电线路载流量计算模型。
8.可选地，该输电线路载流量计算模型构建方法还包括：根据多岛遗传算法对所述权值向量进行寻优，得到优化后的权值向量；根据优化后的权值向量对所述输电线路载流量计算模型进行优化。
9.可选地，基于温度影响因素构建架空导线径向温度场有限元分析模型，包括：根据架空导线的几何参数进行建模；采用三角形网格单元对导线实体进行网格剖分，形成有限元模型；设置不同温度影响因素，得到架空导线的径向温差分布规律，所述温度影响因素包
括环境温度、日照强度以及风速；确定由温度影响因素变化时引起的导线径向温差变化对载流量计算的影响。
10.可选地，所述影响敏感性指数采用如下公式计算：
[0011][0012]
式中，sk表示影响敏感性指数，xk为温度影响因素的感知参量；y为载流量；e(y|xk)为y的条件期望值；var(e(y|xk))为e(y|xk)的无条件方差；var(y)为y的无条件方差，k表示温度影响因素。
[0013]
可选地，所述核心函数采用如下公式表示：
[0014][0015][0016]
式中，sk表示影响敏感性指数，yi为输出层，即载流量计算结果；x为输入层，即温度影响因素的输入向量；ci为权值向量；σi为第i个隐藏层节点变量；||x-ci||是向量x-ci的欧几里德范数。
[0017]
可选地，所述多岛遗传算法的约束函数采用如下公式表示：
[0018][0019]
式中，rmse为均方根误差值；y
obs，h
为模型计算的预测值；y
model，h
为试验实测值；n为预测次数。
[0020]
本发明实施例第二方面提供一种输电线路载流量计算模型构建装置，包括：有限元构建模块，用于基于温度影响因素构建架空导线径向温度场有限元分析模型；计算模块，用于计算所述温度影响因素对架空导线载流量的影响敏感性指数；计算模型构建模块，用于采用所述有限元分析模型的仿真数据作为训练集，对基于所述温度影响因素和所述影响敏感性指数构建的神经网络模型进行训练，得到输电线路载流量计算模型。
[0021]
可选地，所述计算模型构建模块具体用于基于所述影响敏感性指数对所述温度影响因素进行加权计算，将加权的聚类中心作为权值向量；根据所述权值向量、模型的输入层、模型的输出层构建神经网络模型的核心函数；采用所述有限元分析模型的仿真数据作为训练集，对确定核心函数的神经网络模型进行训练，得到输电线路载流量计算模型。
[0022]
可选地，该输电线路载流量计算模型构建装置还包括：寻优模块，用于根据多岛遗传算法对所述权值向量进行寻优，得到优化后的权值向量；优化模块，用于根据优化后的权值向量对所述输电线路载流量计算模型进行优化。
[0023]
可选地，所述有限元构建模块具体用于根据架空导线的几何参数进行建模；采用三角形网格单元对导线实体进行网格剖分，形成有限元模型；设置不同温度影响因素，得到架空导线的径向温差分布规律，所述温度影响因素包括环境温度、日照强度以及风速；确定
由温度影响因素变化时引起的导线径向温差变化对载流量计算的影响。
[0024]
本发明实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的输电线路载流量计算模型构建方法。
[0025]
本发明实施例第四方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面及第一方面任一项所述的输电线路载流量计算模型构建方法。
[0026]
本发明提供的技术方案，具有如下效果：
[0027]
本发明实施例提供的输电线路载流量计算模型构建方法、装置及存储介质，通过基于温度影响因素构建架空导线径向温度场有限元分析模型；计算所述温度影响因素对架空导线载流量的影响敏感性指数；采用所述有限元分析模型的仿真数据作为训练集，对基于所述温度影响因素和所述影响敏感性指数构建的神经网络模型进行训练，得到输电线路载流量计算模型。由此，构建的输电线路载流量计算模型能够考虑到温度影响因素对载流量的影响，使得采用该模型计算的载流量更加准确。
[0028]
本发明实施例提供的输电线路载流量计算模型构建方法，通过对架空导线径向温度场的有限元分析，考虑计算载流量相对环境温度、日照强度、风速因素的影响，对仿真结果进行灵敏度分析确定强相关因素，然后通过多岛遗传算法实现多参数优化，使得输电导线载流量的计算结果相比静态计算而言更准确，有效提升输电线路动态增容能力。
附图说明
[0029]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]
图1是根据本发明实施例的输电线路载流量计算模型构建方法的流程图；
[0031]
图2是根据本发明实施例的架空导线有限元仿真示意图；
[0032]
图3是本发明实施例的多岛遗传算法优化流程图；
[0033]
图4是根据本发明另一实施例的输电线路载流量计算模型构建方法的流程图；
[0034]
图5是根据本发明实施例的输电线路载流量计算模型构建装置的结构框图；
[0035]
图6是根据本发明实施例提供的计算机可读存储介质的结构示意图；
[0036]
图7是根据本发明实施例提供的电子设备的结构示意图。
具体实施方式
[0037]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0038]
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0039]
正如在背景技术中所述，由于架空线路导线热平衡环境的复杂性和不确定性，大多计算模型并未考虑径向温差的存在；或者是仅考虑了导线表面温度，有一定的局限性。因此建立一种考虑径向温差架空输电线路动态增容载流量计算模型，考虑风速、环境温度、光照强度等参数的影响十分有必要，在确定其相关因素影响程度的基础上优化导线载流量计算模型，对准确地计算输电导线载流量，提升输电线路动态增容能力具有重要意义。
[0040]
有鉴于此，本发明实施例提供一种输电线路载流量计算模型构建方法，通过在载流量计算模型构建的过程中考虑径向温差。使得输电导线载流量的计算结果相比静态计算而言更准确，提升输电线路动态增容能力。
[0041]
根据本发明实施例，提供了一种输电线路载流量计算模型构建方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0042]
在本实施例中提供了一种输电线路载流量计算模型构建方法，可用于电子设备，如电脑、手机、平板电脑等，图1是根据本发明实施例输电线路载流量计算模型构建方法的流程图，如图1所示，该方法包括如下步骤：
[0043]
步骤s101：基于温度影响因素构建架空导线径向温度场有限元分析模型；在该实施例中，可以采用风速、环境温度以及光照强度作为温度影响因素，然后通过温度影响因素发生变化时对径向温度分布的影响以及径向温度分布变化时对载流量的影响构建有限元分析模型。其中，在构建有限元分析模型时可以采用现有的ansys等软件实现模型的构建。此外，在其他实施例中，还可以选择其他参数作为温度影响因素如风向角等等，本发明实施例对于温度影响因素的具体选择不作限定。
[0044]
步骤s102：计算所述温度影响因素对架空导线载流量的影响敏感性指数。其中，当确定温度影响因素后，可以通过实际获取的各个温度影响因素以及相应的载流量值计算温度影响因素变化时载流量的变化情况，从而确定相应的影响敏感性指数。
[0045]
对于计算得到的影响敏感性指数，当其数值越大，则说明相应的温度影响因素对载流量的影响越大。另外，当影响敏感性指数为正时，则说明载流量随温度影响因素的增加而增加；当影响敏感性指数为负时，则说明载流量随温度影响因素的增加而减小。
[0046]
步骤s103：采用所述有限元分析模型的仿真数据作为训练集，对基于所述温度影响因素和所述影响敏感性指数构建的神经网络模型进行训练，得到输电线路载流量计算模型。具体地，由于有限元分析模型是基于温度影响因素发生变化时对径向温度分布的影响以及径向温度分布变化时对载流量的影响构建的，因此，通过有限元分析模型的仿真数据，可以得到温度影响因素变化时载流量的变化数据。由此采用有限元分析模型中的温度影响
因素数据和相应的载流量数据作为模型的训练数据对神经网络模型进行训练。
[0047]
另外，为了在构建的载流量计算模型中体现不同温度影响因素的影响，提高载流量计算的准确性，采用温度影响因素和影响敏感性指数作为神经网络模型的参数，由此使得构建得到的载流量计算模型能够考虑温度影响因素对载流量的影响。
[0048]
本发明实施例提供的输电线路载流量计算模型构建方法，通过基于温度影响因素构建架空导线径向温度场有限元分析模型；计算所述温度影响因素对架空导线载流量的影响敏感性指数；采用所述有限元分析模型的仿真数据作为训练集，对基于所述温度影响因素和所述影响敏感性指数构建的神经网络模型进行训练，得到输电线路载流量计算模型。由此，构建的输电线路载流量计算模型能够考虑到温度影响因素对载流量的影响，使得采用该模型计算的载流量更加准确。
[0049]
在一实施方式中，基于温度影响因素构建架空导线径向温度场有限元分析模型，包括：根据架空导线的几何参数进行建模；采用三角形网格单元对导线实体进行网格剖分，形成有限元模型；设置不同温度影响因素，得到架空导线的径向温差分布规律，所述温度影响因素包括环境温度、日照强度以及风速；确定由温度影响因素变化时引起的导线径向温差变化对载流量计算的影响。其中，如图2所示，在建模的过程中还需要预先设置架空导线的基本材料参数。而架空导线的载流量是由输电线导体温度确定的，当当导体温度达到70℃时对应的电流值即为在该敷设条件下此种型号架空输电线的允许载流量。
[0050]
在一实施方式中，采用灵敏度分析技术计算各温度影响因素对架空导线载流量的影响敏感性指数；所述影响敏感性指数采用如下公式计算：
[0051][0052]
e(y|xk)＝∫y*f(y|x)dy
[0053]
式中，sk表示影响敏感性指数，xk为温度影响因素的感知参量；y为载流量；e(y|xk)为y的条件期望值；var(e(y|xk))为e(y|xk)的无条件方差；var(y)为y的无条件方差，k表示温度影响因素。其中，感知参量为实时检测的温度影响因素。例如当温度影响因素包括环境温度、日照强度以及风速时，感知参量即为环境温度。日照强度以及风速的实时检测的数据。并且，当温度影响因素包括环境温度、日照强度以及风速时，k取值为k＝1，2，3。即k＝1时，xk为环境温度的感知参量，k＝2时，xk为日照强度的感知参量，k＝3时，xk为风速的感知参量。
[0054]
在一实施方式中，采用所述有限元分析模型的仿真数据作为训练集，对基于所述温度影响因素和所述影响敏感性指数构建的神经网络模型进行训练，得到输电线路载流量计算模型，包括如下步骤：
[0055]
步骤s201：基于所述影响敏感性指数对所述温度影响因素进行加权计算，将加权的聚类中心作为权值向量；具体地，当温度影响因素包括多个时，通过对温度影响因素的加权计算，能够实现多个温度影响因素的归一化处理。由此，权值向量通过如下公式计算：
[0056][0057]
式中，x表示模型的输入层，即输入模型的温度影响因素，例如温度影响因素包括环境温度、日照强度以及风速时，x为三维输入向量，j表示样本集个数。
[0058]
步骤s202：根据所述权值向量、模型的输入层、模型的输出层构建神经网络模型的核心函数。具体地，该神经网络模型具体包括输入层、中间层以及输出层。其中，中间层包括多个隐含层。由此，该神经网络模型的核心函数可形式化表达为：
[0059][0060]
式中，yi为输出层，即载流量计算结果；x为输入层，即温度影响因素的输入向量，如温度影响因素包括三种时，输入层为环境温度、日照强度以及风速的三维输入向量；ci为权值向量；σi为第i个隐藏层节点变量；||x-ci||是向量x-ci的欧几里德范数，m为隐含层节点个数。
[0061]
步骤s203：采用所述有限元分析模型的仿真数据作为训练集，对确定核心函数的神经网络模型进行训练，得到输电线路载流量计算模型。具体地，在模型训练时，采用仿真数据中的温度影响因素如环境温度、日照强度以及风速的不同取值作为输入层，其对应的载流量作为输出层，对神经网络模型进行训练，从而得到输电线路载流量计算模型。
[0062]
在一实施方式中，该输电线路载流量计算模型构建方法还包括：根据多岛遗传算法对所述权值向量进行寻优，得到优化后的权值向量；根据优化后的权值向量对所述输电线路载流量计算模型进行优化。
[0063]
所述多岛遗传算法的约束函数采用如下公式表示：
[0064][0065]
式中，rmse为均方根误差值；y
obs，h
为模型计算的预测值；y
model，h
为试验实测值；n为预测次数。其中，均方根误差值越接近于0，说明模型的拟合精度越高。
[0066]
具体地，多岛遗传算法是对并行分布遗传算法的改进，利用多岛遗传算法对权值向量进行寻优，以迁移等操作增加整体交叉和变异概率的优势，实现多目标优化并且计算过程具有更加优良的全局求解能力和计算效率。多岛遗传算法的计算过程如下，首先，随机生成一个初始种群，将该初始种群分成若干个子种群，这些子种群称之为“岛”。其次，在每个岛上进行传统遗传算法中的选择、交叉和变异等操作，若满足迁移条件，则可从一个子种群迁移到另一个子种群，继续进行遗传算法进化。多岛遗传算法的周期性迁移操作保持了优化解的多样性，提高了优化速度，在一定程度上可以解决传统遗传算法过早收敛，易陷入局部最优的问题。最后，通过不断的迭代收敛于最优参数。
[0067]
如图3所示，当采用多岛遗传算法对优化变量即权值向量进行优化时，其具体流程如下：对于采用参数灵敏度分析和仿真数据对神经网络模型进行训练，得到载流量计算模型，然后采用多岛遗传算法对模型的参数进行优化，具体为对多个温度影响因素进行优化，
在优化过程判断拟合度是否满足要求，当满足要求时，则得到模型参数的最优解。
[0068]
在一实施方式中，如图4所示，该输电线路载流量计算模型构建方法采用如下流程实现：首先，构建有限元分析模型，对架空导线径向温度场进行仿真，确定导线径向温差对载流量计算的影响；然后利用灵敏度分析计算各温度影响因素对架空导线载流量的影响敏感性指数。并采用有限元分析模型的仿真数据以及影响敏感性指数对神经网络模型训练，得到载流量计算模型，最后采用多岛遗传算法对模型进行优化，最终得到的优化后的载流量计算模型可以用于架空导线载流量的计算。
[0069]
本发明实施例提供的输电线路载流量计算模型构建方法，通过对架空导线径向温度场的有限元分析，考虑计算载流量相对环境温度、日照强度、风速因素的影响，对仿真结果进行灵敏度分析确定强相关因素，然后通过多岛遗传算法实现多参数优化，使得输电导线载流量的计算结果相比静态计算而言更准确，有效提升输电线路动态增容能力。
[0070]
本发明实施例还提供一种输电线路载流量计算模型构建装置，如图5所示，该装置包括：
[0071]
有限元构建模块，用于基于温度影响因素构建架空导线径向温度场有限元分析模型；具体内容参见上述方法实施例对应部分，在此不再赘述。
[0072]
计算模块，用于计算所述温度影响因素对架空导线载流量的影响敏感性指数；具体内容参见上述方法实施例对应部分，在此不再赘述。
[0073]
计算模型构建模块，用于采用所述有限元分析模型的仿真数据作为训练集，对基于所述温度影响因素和所述影响敏感性指数构建的神经网络模型进行训练，得到输电线路载流量计算模型。具体内容参见上述方法实施例对应部分，在此不再赘述。
[0074]
本发明实施例提供的输电线路载流量计算模型构建装置，通过基于温度影响因素构建架空导线径向温度场有限元分析模型；计算所述温度影响因素对架空导线载流量的影响敏感性指数；采用所述有限元分析模型的仿真数据作为训练集，对基于所述温度影响因素和所述影响敏感性指数构建的神经网络模型进行训练，得到输电线路载流量计算模型。由此，构建的输电线路载流量计算模型能够考虑到温度影响因素对载流量的影响，使得采用该模型计算的载流量更加准确。
[0075]
本发明实施例提供的输电线路载流量计算模型构建装置的功能描述详细参见上述实施例中输电线路载流量计算模型构建方法描述。
[0076]
可选地，所述计算模型构建模块具体用于基于所述影响敏感性指数对所述温度影响因素进行加权计算，将加权的聚类中心作为权值向量；根据所述权值向量、模型的输入层、模型的输出层构建神经网络模型的核心函数；采用所述有限元分析模型的仿真数据作为训练集，对确定核心函数的神经网络模型进行训练，得到输电线路载流量计算模型。
[0077]
可选地，该输电线路载流量计算模型构建装置还包括：寻优模块，用于根据多岛遗传算法对所述权值向量进行寻优，得到优化后的权值向量；优化模块，用于根据优化后的权值向量对所述输电线路载流量计算模型进行优化。
[0078]
可选地，所述有限元构建模块具体用于根据架空导线的几何参数进行建模；采用三角形网格单元对导线实体进行网格剖分，形成有限元模型；设置不同温度影响因素，得到架空导线的径向温差分布规律，所述温度影响因素包括环境温度、日照强度以及风速；确定由温度影响因素变化时引起的导线径向温差变化对载流量计算的影响。
[0079]
本发明实施例还提供一种存储介质，如图6所示，其上存储有计算机程序601，该指令被处理器执行时实现上述实施例中输电线路载流量计算模型构建方法的步骤。该存储介质上还存储有音视频流数据，特征帧数据、交互请求信令、加密数据以及预设数据大小等。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0080]
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0081]
本发明实施例还提供了一种电子设备，如图7所示，该电子设备可以包括处理器51和存储器52，其中处理器51和存储器52可以通过总线或者其他方式连接，图7中以通过总线连接为例。
[0082]
处理器51可以为中央处理器(central processing unit，cpu)。处理器51还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
[0083]
存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的输电线路载流量计算模型构建方法。
[0084]
存储器52可以包括存储程序区和存储数据区，其中，存储程序区可存储操作装置、至少一个功能所需要的应用程序；存储数据区可存储处理器51所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0085]
所述一个或者多个模块存储在所述存储器52中，当被所述处理器51执行时，执行如图1-2所示实施例中的输电线路载流量计算模型构建方法。
[0086]
上述电子设备具体细节可以对应参阅图1至图2所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
[0087]
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。