神农架地区输电线路覆冰厚度分区研究

在中重覆冰区的线路设计中,覆冰厚度的取值直接影响线路的安全性和经济性.以神农架某110 k V输电线路设计为例,分析附近已有线路的覆冰情况,探讨影响覆冰厚度的因素,主要包括气象条件的差异、海拔高程的影响、地形条件、导线悬挂高度、导线的截面和直径等.根据不同的海拔高度对设计线路进行冰区划分,并对覆冰过载能力进行计算,所得结果满足覆冰厚度要求.     

基于多历史覆冰过程的输电线路覆冰增长预测

应用粒子群优化(PSO)和最小二乘支持向量机(LS-SVM)算法对各历史覆冰过程建立预测模型,利用皮尔逊相关系数法对历史覆冰过程进行相似性筛选,采用径向基神经网络(RBF)建立多历史覆冰过程的覆冰增长率预测模型.实例计算表明,与传统的单历史覆冰过程预测方法相比,基于多历史覆冰过程的输电线路覆冰增长预测具有更好的精度.     

基于高差系数的输电线路标准覆冰厚度模型及参数敏感性

目前现有覆冰监测系统覆冰厚度计算模型与实际情况相差较大,不能满足电网防冰抗冰实际需求的现状。基于现有拉力值反算覆冰厚度计算模型,提出拉力值质量控制方法,建立综合考虑线路设计冰厚、垂直档距、垂直荷载、水平应力等随覆冰厚度变化因素,同时提出杆塔高差系数对模型进行优化,减小模型参数过多造成计算结果不准确,并定量研究模型参数对计算结果的影响。研究表明:所建模型标准覆冰厚度结果与人工观冰之间的平均相对误差为14.09%,使原有模型计算准确度提高61%,更加接近于真实水平。同时,垂直档距随覆冰厚度呈非线性变化特征,在覆冰厚度为0～10 mm时垂直档距与覆冰厚度为二次函数关系,在10～40 mm时垂直档距与覆冰厚度为一次函数关系,覆冰厚度每增加1 mm,导致垂直档距减小约0.04 m。所得结论能够提升电力部门监测系统覆冰厚度计算准确性,同时能够为电力部门线路防冰、抗冰工作提供重要的科学指导意义。     

一种电容式输电线路覆冰厚度检测装置的研究

针对电线路覆冰厚度在线检测在电路线路安全运行中这难题,提出了利用电容感应的方法进行模拟输电导线的覆冰厚度检测的监测方法;对模拟导线覆冰厚度传感器及其控制系统进行了设计研究,并对整套系统进行了低温覆冰检测实验,实验证明,利用该方法能很好的实现输电线路导线的模拟监测。     

输电线路覆冰舞动研究综述

线路舞动是输电线路覆冰后常见的事故类型,对电力系统的安全稳定运行产生严重的影响;因此输电线路舞动的研究一直以来是研究的热点。舞动是覆冰导线在风激励下产生的一种自激振动,会引起输电线路跳闸,严重时引起断线、金具破坏甚至倒塔等严重设备故障,造成长时间停运。对输电线路舞动的影响因素、机理研究及防治方法等方面进行介绍和综述;并对现有研究进行总结,指出今后可能的研究方向。     

输电线路覆冰故障分析及对策

输电线路是电力系统的命脉,保证输电线路的安全运行是电力系统各部门的重要任务。文章详细地阐述了覆冰对输电线路的危害,并结合历年来的线路故障进行分析,提出相应的应对及预防措施。     

基于时空图卷积网络的输电线路覆冰预测

针对已有的输电线路覆冰预测模型鲜有考虑覆冰过程中的空间特征信息,从而导致预测精度欠佳的问题,本文从时空序列预测的角度建立输电线路覆冰方面的预测体系,采用图卷积网络(Graph Convolutional Network, GCN)构建输电线路覆冰预测模型,基于图神经网络设计对输电线路覆冰拉力的图数据进行深度特征学习与图特征向量表示,以更好地提取电网塔杆覆冰拉力值的时空分布特征,从而准确预测未来的拉力值。基于南方电网的真实实验数据,设计一套可靠的数据预处理流程,将电网覆冰拉力数据转化为可以深度学习的时空序列大数据进行训练和验证。实验结果表明,本文提出的模型较已有的主流覆冰预测模型具有更加优异和稳定的预测结果,能够为输电线路及时除冰工作提供决策参考。     

考虑高差覆冰输电线路链式脱冰振动

输电线路是电网中重要的生命线工程,覆冰荷载是输电线路最大威胁之一.以国网新疆电力科学研究院某工程为研究对象,采用商业软件ANSYS进行输电线路的有限元数值仿真,通过冰单元生死技术实现对覆冰输电线链式和同时脱冰振动的有限元分析,得到等高差和有高差下单跨输电线脱冰跳跃高度的规律,由此与缩尺模型实验结果进行对比分析.研究表明:链式和同时覆冰导线脱冰模拟结果与实验吻合很好,相差在5%以内,证明了模拟方式的准确性;在等高差链式脱冰下,随着脱冰速度的增大,最大脱冰跳跃高度会增大逼近到一个定值,而最大轴力不随脱冰速度变化而变化.有高差链式脱冰情况下,保持初张力不变时,随着高差的增大,跨中最大脱冰跳跃高度近似指数增大,链式脱冰的最大跳跃高度逐渐逼近同时脱冰的跳跃高度值;高差的存在会加剧输电线的上翻情况,也即是脱冰跳跃最大高度大于覆冰后的垂度,可以通过降低输电线的初张力或者覆冰厚度来减少上翻情况的发生,降低危险隐患.     

基于BP神经网络的输电线路覆冰增长模型研究

分析了现有输电线路覆冰增长模型在预测中的不足以及神经网络对非线性映射变量表达的优越性,提出了一种基于Levenberg-Marquardt学习算法的BP神经网络的覆冰增长预测模型。通过实验获取的覆冰增长数据样本训练BP网络,利用收敛的网络进行输电线路覆冰增长的预测,仿真实验误差1mm以下的有7组数据,远高于对比模型makkonoe模型的3组,验证了模型有效性,对输电线路的覆冰研究和预防有重要意义。     

对输电线路覆冰问题的技术探讨

1993年-2003年期间定西电网管辖的110kV陇渭线多次发生线路覆冰跳闸故障，对定西电网的安全运行造成了不良影响。通过具体线路覆冰实例，找出这些事故发生的原因并提出了预防措施。     

高压输电线路防止覆冰灾害的预防

根据南阳市西部近几年冬春季高压输电因线路导线覆冰导致输电线路倒塔(杆)、断线的实际情况,就高山地区在冬季防止输电线路倒塔(杆)、导线断线的预防措施进行探讨。     

架空输电线路覆冰和融冰仿真研究

为了辅助运行人员在冬季不同气象条件下对输电线路的覆冰危害进行定量分析,以及合理选择直流融冰电流和融冰时间,对架空线路的覆冰和融冰仿真软件进行了研究,提出了一种便于使用的考虑导线所处微地形环境和风向等综合因素的覆冰增长计算方法,并分析了覆冰仿真软件程序框图;利用载流导线的热平衡方程,选择导线最高允许运行温度为70℃,计算了导线的最大融冰电流并对计算误差进行了分析;利用覆冰导线表面冰融化时的热平衡方程,分析了覆冰导线融冰时间的计算方法,并分析了融冰仿真软件的程序框图。     

输电线路铁塔覆冰破坏分析与对策

输电线路覆冰造成铁塔受损或饲塌，主要是导地线覆冰严重超过设计条件，因此查清工程沿线的覆冰厚度．准确把握导地线覆冰荷载对铁塔的作用，对减少事故发生的范围和事故率具有十分重要的意义。     

110kV输电线路覆冰受损原因分析

该文对输电线路在较大覆冰情况下出现断线的原因进行了总结和分析。结合某地区覆冰实际情况分析110千伏线路断线的原因，并提出了一些建设性措施，为今后电力线路设计提供了一定的参考价值。     

塞北地区500kV输电线路覆冰研究

对因覆冰造成的500kV输电线路故障进行了分析,从地理位置、气候、线路路径等方面探讨了覆冰形成原因,提出了防止冰害的对策。     

基于微气象的输电线路覆冰过程综合辨识方法

输电线路覆冰会引发导线断股、杆塔折损等事故,严重威胁电网的安全运行,因此能否准确预测输电线路覆冰情况对电力系统的安全稳定运行具有重要意义.针对输电线路覆冰过程模型不易建立的问题提出了一种基于微气象的覆冰过程综合辨识方法.该方法涵盖了多项式回归模型、时间序列模型和机器学习模型,利用Matlab中的系统辨识工具箱和libsvm工具箱较为便捷和全面的对覆冰过程进行辨识与建模.首先对获取的数据进行预处理,然后选择合适的模型结构进行参数辨识得到初始模型,最后对初始模型进行验证得到最终辨识模型.实验表明,综合辨识方法能够实现对不同模型特点的输电线路覆冰过程进行精确预测,并且提高了输电线路覆冰预测模型建立的便捷性和全面性.     

一种输电线路覆冰监测系统的设计

本文针对输电线路的覆冰问题,提出了一种输电线路导线覆冰在线监测系统的设计方案,并对该系统结构及主要子系统的构成和功能进行了阐述。     

输电线路覆冰形状自动识别与参数描述方法

为实现输电线路覆冰形状分类识别和参数化描述的全自动过程,针对现有研究中冰形定义不准确、描述不统一的不足,提出一种基于偏心椭圆方程的常见冰形统一参数描述方法,该方法考虑了覆冰表面不对称性和导线扭转的影响.对于不规则的真实覆冰,建立了冰形自动化识别系统,通过内点法计算最优冰形参数,并采用预先学习的支持向量机模型对识别结果进...     

自然条件下输电线路导线覆冰增长特性

输电线路导线覆冰严重威胁着电网安全运行.导线覆冰过程复杂,影响因素众多,对其覆冰增长规律的准确掌握是建立并优化导线覆冰数值计算模型的基础.从自然覆冰试验出发,依托雪峰山自然覆冰试验基地对不同种类的导线进行了自然覆冰观测试验,研究了导线直径、导线表面处理情况、覆冰类型及导线扭转对导线覆冰增长过程的影响.通过导线表面水滴碰撞系数的计算分析了不同直径导线覆冰的差异性.研究结果表明:自然环境条件下,风速对导线雾凇覆冰冰形起决定性作用,覆冰主要在导线迎风面(横向迎风侧)累积,而背风侧和纵向覆冰较少.覆冰厚度随时间非线性增长,导线直径越小,覆冰厚度增长越快.导线扭转使得导线背风侧向迎风侧转变,覆冰厚度增长速率加快.雨凇覆冰时,除迎风侧翼型覆冰外,导线下方易冻结形成冰棱,使得冰形结构更为复杂.     

气象过程信息挖掘与输电线路覆冰预测

针对现有覆冰预测回归模型以采样点气象参量预报覆冰值的局限性,提出了一种改进的基于气象过程信息挖掘的覆冰预测方法。按线路覆冰增量将气象参量样本分为覆冰增长、维持、消融3个模糊模式类别,定义了以气象参量样本与模式类别中心的马氏距离为变量的隶属度函数,并在计算马氏距离时采用灰色斜率关联度确定各气象参量的权重。基于此,将隶属度与采样点气象参量结合,形成包含覆冰气象过程信息的高维历史数据样本,采用支持向量机进行覆冰回归模型的训练与预测。算例比较了现有的神经网络、支持向量机预测方法与提出的改进预测方法,结果表明,前两者预测的相对误差均值分别为24.50%和22.66%,而改进的预测方法相对误差均值为6.62%。考虑气象过程信息挖掘的覆冰预测模型具有更高的预测精度。