[发明专利]一种输电线路下地面场强测量方法

说明书

本发明公开了一种输电线路下地面场强测量方法，包括以下步骤：1)构建神经网络模型，其中，所述神经网络模型包括输入层、第一隐层、第二隐层及输出层，其中，输入层与第一隐层之间及第一隐层与第二隐层之间采用RBF神经网络隐层模式，第二隐层与输出层之间采用BP神经网络隐层模式，第一隐层中各神经元节点的激励函数均采用高斯径向基函数，第二隐层中各神经元节点的激励函数均采用非对称型sigmoid函数，输出层中各神经元节点的激励函数均采用Purelin型线性函数；2)构建测量数据修正模型；3)输电线路下地面场强的实地测量数据通过步骤2)构建的测量数据修正模型进行修正，该方法能够实现对输电线路下地面场强的测量及修正。

技术领域

本发明属于输电线路检测技术领域，涉及一种输电线路下地面场强测量方法。

背景技术

输电线路是电力系统的重要组成部分，弧垂是输电线路运行维护的重要指标之一，其大小直接关系到线路的安全性与可靠性，必须控制在一定的范围内。而输电线路长时间经受自然界中覆冰、温升和风吹等气象的影响，使得线路的弧垂发生较大变化。弧垂过小使得杆塔荷载增大，会产生断线、倒塔和掉串等事故；弧垂过大会使导线与地面的树木、建筑物等发生接触并放电，从而导致线路跳闸。

通过输电线路下地面场强的计算可以反演出线路的弧垂大小，因此若要计算出线路实际的弧垂大小，首先需要得到输电线路下地面场强的精确值。而实际测量中环境因素会影响导线下方的电磁场，使测量的场强数据与真实数据有所偏差，所以应尽可能排除环境因素对场强测量的影响。因此，测量数据修正技术应运而生。现有的测量技术主要基于最小二乘支持向量机修正算法，该技术能较好还原没有受外界环境干扰的真实场强值，可以实现对输电线路地面场强的测量与数据修正。但该技术需要准确的场强值作为数据支撑，当核函数选择不恰当时，难以达到理想的效果。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种输电线路下地面场强测量方法，该方法能够实现对输电线路下地面场强的测量及修正。

为达到上述目的，本发明所述的输电线路下地面场强测量方法包括以下步骤：

1)构建神经网络模型，其中，所述神经网络模型包括输入层、第一隐层、第二隐层及输出层，其中，输入层与第一隐层之间及第一隐层与第二隐层之间均采用RBF神经网络隐层模式，第二隐层与输出层之间采用BP神经网络隐层模式，第一隐层中各神经元节点的激励函数均采用高斯径向基函数，第二隐层中各神经元节点的激励函数均采用非对称型sigmoid函数，输出层中各神经元节点的激励函数均采用Purelin型线性函数；

2)对步骤1)构建的神经网络模型通过Levenberg-Marquardt算法进行训练，然后根据训练后的神经网络模型构建测量数据修正模型；

3)获取输电线路下地面场强的实地测量数据，所述输电线路下地面场强的实地测量数据通过步骤2)构建的测量数据修正模型进行修正，得输电线路下的地面场强。

对步骤1)构建的神经网络模型通过用Levenberg-Marquardt算法进行训练的具体操作为：

1a)构建样本库，其中，所述样本库由若干输电线路下地面场强的实测数据及若干输电线路下地面场强的理想数据构成；

2a)从样本库中选取p组数据，再将p组数据中输电线路下地面场强的实测数据作为输入层的输入，将p组数据中输电线路下地面场强的理想数据作为输出层的输出；

3a)对神经网络模型中的所有参数进行初始化，然后通过Levenberg-Marquardt算法对神经网络模型中的所有参数进行连续训练，并根据训练的结果对样本库进行更新，直至样本库中各输电线路下地面场强的实测数据与与其对应的输电线路下地面场强的理想数据之间误差的平均值小于等于预设值为止。

基于模拟电荷法的线路电场三维计算模型计算输电线路下地面场强的理想数据。