[发明专利]输电线路的短期覆冰跳闸概率分析方法及系统

说明书

本发明公开了一种输电线路的短期覆冰跳闸概率分析方法及系统，该方法包括：在待分析线路刚出现线路覆冰且未发生线路跳闸时，收集待分析线路的相关的历史覆冰跳闸环境数据和环境预测监测数据；建立环境数据多维数组和多维坐标系；根据每个格点的跳闸情况，为每个格点添加跳闸趋势指数；建立与环境数据的种类对应的启发因子；根据启发因子，跳闸趋势指数，和信息素因子，通过优化蚁群算法，输出覆冰环境发展最优路径，将覆冰环境发展最优路径的输出结果中每一个格点与历史跳闸环境的格点数据进行匹配，统计匹配成功的格点数，计算待分析线路在未来的跳闸概率。本发明利用优化蚁群算法建立线路覆冰环境发展路径，实施历史特征类比，得到跳闸概率。

技术领域

本发明涉及输电线路防护领域，尤其涉及一种输电线路的短期覆冰跳闸概率分析方法及系统。

背景技术

冬季的覆冰环境给输电线路运行安全带来了极大的隐患。电力企业迫切需要了解线路覆冰情况下的事故发生可能性，从而开展针对性的抗冰保电措施。

目前的覆冰预测技术能够提供未来10天内的电网覆冰预测信息，在一定程度上满足了电网运维工作需要。但是，覆冰预测技术仍然无法直接提供定量化线路覆冰跳闸分析产品，并没有全面打通从覆冰预测到故障预测的“最后一公里”。设备状态评价能够分析电力设备的力学电学特性，较为全面的描述设备故障，但其试验周期长，对试验条件控制严格，目前只能应用于事后分析。另外，常规的线路巡视工作受制于现场条件，所收集的设备覆冰信息有限，难以支持复杂模型方法的应用。输电线路覆冰跳闸的预测客观上需要一种能够充分结合电网覆冰预测数据，同时有效挖掘巡线采集数据价值的方法，通过对线路覆冰关键特征的把握，快速提供定量化的线路跳闸概率。蚁群算法是一种人工智能学习算法，它可以通过数据层面的分析对比，形成有限信息条件下的最优发展轨迹规划，逐步预测生成最适用的线路覆冰发展过程中环境特征量化指标。在此基础上，将预测轨迹数据与历史跳闸信息进行类比，最终得到线路覆冰跳闸概率，指导电网防冰工作。

发明内容

本发明提供了一种输电线路的短期覆冰跳闸概率分析方法及系统，用以解决输电线路覆冰条件下，难以根据常规观测数据全面、定量分析线路跳闸风险的技术问题。

为解决上述技术问题，本发明提出的技术方案为：

一种输电线路的短期覆冰跳闸概率分析方法，包括以下步骤：

在待分析线路刚出现线路覆冰且未发生线路跳闸时，收集待分析线路的相关的历史覆冰跳闸环境数据和环境预测监测数据；建立环境数据多维数组和多维坐标系；将当前的环境情况监测数据和未来一段时间的环境情况预测数据，作为此次覆冰过程的起止坐标；

根据历史覆冰跳闸环境数据中环境数据多维数组中每个格点的跳闸情况，为每个格点添加跳闸趋势指数；

根据环境数据的种类，建立与环境数据的种类对应的启发因子；

根据启发因子，跳闸趋势指数，和信息素因子，通过优化蚁群算法，输出覆冰环境发展最优路径，将覆冰环境发展最优路径的输出结果中每一个格点与历史跳闸环境的格点数据进行匹配，统计匹配成功的格点数，匹配成功表示这些格点所对应的线路覆冰环境发展阶段与历史覆冰跳闸环境特征相似，可能引起覆冰跳闸；

根据覆冰环境发展最优路径以及匹配成功的格点数，计算待分析线路在未来一段时间的跳闸概率。

优选地，历史覆冰跳闸环境数据，包括：历史上该线路发生覆冰跳闸时的现场天气情况、气温、风速和\或覆冰厚度的环境数据，现场天气情况包括：晴天、阴天、雾、小雨或小雪或小雨夹雪，以及中雨或中雪或中雨夹雪及以上程度降水或降雪；

环境预测监测数据，包括：当前的环境情况监测数据和72小时后的环境情况预测数据；环境情况监测数据和环境情况预测数据均包括现场天气情况、气温、风速和覆冰厚度的环境数据。