[发明专利]基于大数据和神经网络的架空线路雷击跳闸率计算方法

摘要

一种基于大数据和神经网络的架空线路雷击跳闸率计算方法，神经网络均使用三层BP神经网络，包括一个输入层、一个隐含层和一个输出层；将雷击跳闸率分为反击跳闸率和绕击跳闸率两部分进行计算；根据规程法计算建弧率，利用建弧率和所得到的输出层节点计算绕击跳闸率和反击跳闸率；计算所得的绕击跳闸率和反击跳闸率之和即为雷击跳闸率。这种方法对提高输电线路运维水平，减少雷电活动对电网的破坏，具有至关重要的作用。

主权项

1.一种基于大数据和神经网络的架空线路雷击跳闸率计算方法，其特征在于：所述计算方法基于大数据和神经网络，所述神经网络均使用三层BP神经网络，包括一个输入层、一个隐含层和一个输出层；将雷击跳闸率分为反击跳闸率和绕击跳闸率两部分进行计算：A、计算反击跳闸率输入层所包含节点：杆塔高度、横担高度、避雷线高度、导线高度、杆塔分流系数、导线和避雷线耦合系数、杆塔接地电阻、U50%放电电压；隐含层根据计算，根据公式，选取较小的训练值为4开始试验，根据训练结果得出节点数量；训练前，首先利用规程法计算反击闪络率，计算雷击塔顶反击的耐雷水平，如公式（1）式中：为杆塔高度，m；为横担对地高度，m；为避雷线对地平均高度，m；为导线平均高度，m；为杆塔分流系数；为导线和避雷线间的耦合系数；为导线和避雷线间的几何耦合系数；为杆塔冲击接地电阻，Ω；为雷电波形的波头时间，μS；为绝缘子串正极性50%冲击放电电压；然后根据耐雷水平，计算雷击概率：最后计算雷击跳闸率如公式（2）：根据计算结果，确定权值并对神经网络阈值进行约束，通过电力系统大数据的存储系统，选用近10年雷击反击闪络率数据、使用至少20组样本数据对神经网络进行训练；输出层只有一个节点，即反击闪络率；B、计算绕击跳闸率输入层所包含节点：避雷线高度、导线高度、保护角、杆塔所在地的海拔高度、杆塔所在地面倾角、U50%放电电压；隐含层根据计算，得出节点数量；训练前利用改进的Eriksson电气几何模型算法，计算绕击闪络率，从而确定神经网络的阈值和权值；Eriksson提出的计算方法如公式（3）所示：式中：h 为导线平均高，m；I 为雷电流幅值，kA；雷电先导发展到架空导线侧边时，会受到地面形状的影响，导线和地面被雷击的可能性都存在，雷电先导对地击距同对导线击距的比值(击距系数)随着导线高度的增加而减小，IEEE工作组提出的导线平均高度在<40 m的对地击距如公式（4）所示：对于超特高压线路，由于杆塔高度较高，先导对大地的击距与其对避雷线和导线的击距是不相等的，因此当导线高度>40m时，对地击距如公式（5）所示：随着雷电流增加，雷击导线的区域减小，当雷电流达到一定程度几时，或击中避雷线，或击中大地，不再发生绕击，则称为最大绕击电流，相应的击距称为最大击距；与杆塔的尺寸、地形及地貌有关，通用的计算式为（6）式中：为避雷线和导线平均高度；为避雷线平均保护角；为杆塔处的地面倾角；为击距系数，通过最大击距计算最大绕击电流；根据电气几何模型，绕击率计算还需要的公式如下：根据计算结果，确定权值并对神经网络阈值进行约束，通过电力系统大数据的存储系统，选用近10年雷击反击闪络率数据、使用至少20组样本数据对神经网络进行训练；输出层只有一个节点，即绕击闪络率；C、根据规程法计算建弧率，利用建弧率和所得到的输出层节点计算绕击跳闸率和反击跳闸率；D、计算所得的绕击跳闸率和反击跳闸率之和即为雷击跳闸率。