非均匀覆冰连续档导线的脱冰跳跃风险评估方法与流程

1.本发明属于机器学习技术领域，具体涉及一种非均匀覆冰连续档导线的脱冰跳跃风险评估方法。


背景技术：

2.输电线路覆冰是一种常见的自然现象，尤其是在湿冷气候条件下，过冷却水滴或水汽碰到温度低于冰点的输电导线时，导线表面就会凝结成覆冰。特别是我国领域辽阔、地势复杂、气候多变，在冬季暖湿气流时极易产生覆冰。输电导线上的覆冰脱落会造成导线振荡，导致导线地线间绝缘隔减小，严重时会诱发闪络、短路等电气事故；导线脱冰振动严重时还会因导线过荷载及不平衡张力而导致断线倒塔等机械事故。
3.现有研究中，多假定导线覆冰均匀，但在微地形、微气象复杂区域，档内导线上的覆冰厚度存在差异，多为非均匀覆冰。非均匀覆冰的输电线路工况复杂，现有技术中，对于导线非均匀覆冰下的脱冰跳跃动力响应研究较少，特别是非均匀覆冰下连续档多分裂导线因脱冰跳跃而引发风险缺乏有效的评估手段。


技术实现要素：

4.本发明所要解决的技术问题是，针对现有技术的不足，提供一种非均匀覆冰连续档导线的脱冰跳跃风险评估方法。
5.为解决上述技术问题，本发明所采用的技术方案是：一种非均匀覆冰连续档导线的脱冰跳跃风险评估方法，包括：构建非均匀覆冰的连续档多分裂导线基于有限元的物理模型；构建导线参数及工况参数的数据集；获取不同参数下导线脱冰跳跃风险等级；构建导线脱冰跳跃风险评估模型；利用所述风险评估模型进行导线脱冰跳跃风险等级评估。
6.进一步的，所述风险评估模型利用机器学习算法构建，在构建时以所述数据集为输入，以对应参数下的所述风险等级为输出。
7.进一步的，所述风险等级的获取方法包括：以所述数据集作为有限元软件的输入集，以导线的脱冰跳跃风险等级为输出集。
8.进一步的，导线的所述风险等级包括：等级0：最大脱冰跳跃幅度小于该处设计绝缘间隙，且最大不平衡张力小于对应承载能力，且最大张力小于导线设计载荷；等级1：最大脱冰跳跃幅度大于该处设计绝缘间隙，且最大不平衡张力小于对应承载能力，且最大张力小于导线设计载荷；等级2：最大脱冰跳跃幅度大于该处设计绝缘间隙，且最大不平衡张力大于对应承载能力或最大张力大于导线设计载荷；
等级3：最大脱冰跳跃幅度大于该处设计绝缘间隙，且最大不平衡张力大于对应承载能力，且最大张力大于导线设计载荷。
9.进一步的，导线的最大脱冰跳跃幅度包括最大脱冰跳跃高度和最大横向摆幅。
10.进一步的，所述风险等级的获取方法还包括：从有限元软件中提取不同参数下导线的最大脱冰跳跃高度、最大脱冰跳跃高度位置、最大横向摆幅、最大横向摆幅位置、最大不平衡张力、最大张力等数据，判断对应的脱冰跳跃风险等级。
11.进一步的，所述导线参数包括型号、档数、分裂数、档距、高差和初应力，所述工况参数包括覆冰厚度、脱冰率和风速。
12.进一步的，所述物理模型的构建方法包括：将每根导线均匀分成多段，每段导线上均施加与覆冰重量对应的荷载。
13.进一步的，覆冰的重量利用每段导线上覆冰厚度、冰的密度、该段导线外径及长度等参数计算。
14.进一步的，所述风险评估模型利用随机森林算法构建。
15.导线上的覆冰会在气温升高、自然风力作用或是振动敲击下产生的同期或不同期的脱落，而覆冰脱落则是冰区常见且危害最大的现象。导线在覆冰脱落产生的垂直冲击载荷及风力作用下会发生上下振动及横向偏摆，称为“脱冰跳跃”。由于脱冰跳跃的发生，输电线路各相导线以及导线与地线之间的距离减小，若小于绝缘间隙就会导致闪络、跳闸或是电线烧断等危险电气事故的发生；同时，导线振动过程中其张力也在不停变化，导致导线的支持点或连接挂点处承受不平衡张力，不平衡张力过大时会导致杆塔失稳、塔头折断、导线掉落甚至是倒塔事故。因此，就很有必要开展针对导线因覆冰脱落而引发风险的评估方法。
16.但输电线路脱冰是一个复杂的非线性过程，利用常规模型分析其风险的准确性较低，而机器学习方法则由于能够挖掘数据间的非线性关系，是目前进行预测的首选手段。机器学习使用统计学和计算机科学的方法，通过对大量数据进行学习和模式识别来构建模型，这些模型可以通过输入新数据来做出预测或做出决策。机器学习需要大量的数据支持，如何获得训练所用数据集非常关键。数据集中的数据必须充足，这样才能提供全面广泛的样本分布，能够帮助模型更好的学习数据中的模式和规律；数据的质量必须可靠，必须包含准确的样本，如果数据中存在错误或误差，模型可能会学习到不正确或不准确的规律，从而影响准确率。
17.结合到覆冰导线的脱冰跳跃风险预测或评估中，必须收集影响脱冰跳跃风险的关联因素，并获得这些因素的准确数据来构建数据集，才可能构建比较准确的预测模型。脱冰跳跃风险的关联因素的研究，集中在对导线覆冰脱冰跳跃动力响应的相关研究中。
18.针对导线覆冰脱冰跳跃动力响应的研究，常见的主要有现场实测、实验模拟和数值仿真这三种研究方法。而输电线路上的覆冰脱落是一个瞬态过程，很难在真实线路上进行试验研究，大跨度多分裂线路的建设更是增加了实验模拟的难度，所以输电线路脱冰的研究方法集中于实验模拟和数值仿真这两种方法。实验模拟方法中，由于实验条件和人工成本的限制，输电线路脱冰实验研究多采用缩尺模型，利用质量块的施加和卸载等方法来模拟导线的覆冰和脱冰，得出实验数据。实验的方法虽然更直观，但是实验条件有限，参数变化困难，因而实验结果十分有限，且为了重现自然中的覆冰脱落过程进行了大量的简化，不能真实反映脱冰过程。实验模拟方法无法全面兼顾脱冰跳跃风险的关联因素，不能够收
集到足够的、有代表性的样本，无法构建有效的数据集。
19.随着有限元方法和软件的发展，数值仿真方法则是当前脱冰跳跃动力响应研究的首选。数值仿真方法利用有限元软件对导线脱冰进行数值模拟，研究各种参数对导线脱冰响应的影响。数值仿真方法可以实现复杂的实验过程和试验工况，具有计算效率高、计算结果准确等特点。因此，利用有限元的方法，能够获取涉及导线脱冰的大量模拟数据，同时，现有技术也证明，正确的数值模拟结果同样能够用于数据集的收集。
20.导线因覆冰脱落而引发的风险主要有绝缘隔减小、不平衡张力及过荷载等，这些风险涉及导线自身参数以及环境相关的工况参数。已有的研究中大都针对覆冰厚度、脱冰量、线路档距、脱冰方式和脱冰速度等参数进行分析，主要分析相关因素对导线脱冰跳跃高度的影响，并且假定导线覆冰均匀，涉及连续档导线非均匀覆冰的研究较少。但在微地形、微气象复杂区域，档内导线上的覆冰厚度存在差异，多为非均匀覆冰；并且导线因覆冰脱落而引发的风险中，除了与跳跃高度相关的绝缘间隔减小风险外，不平衡张力及过荷载等可能会引起机械事故的风险更加严重。
21.针对上述情况，本技术根据导线的跳跃高度、横向摆幅、不平衡张力、最大张力等参数与安全值的对比，确定导线脱冰跳跃风险的等级，并确定影响风险等级的导线参数和工况参数。在有限元软件中，根据不同的导线参数构建非均匀覆冰的连续档多分裂导线基于有限元的物理模型，并将不同的工况参数加载到有限元模型中，计算不同参数下的输电导线脱冰动力响应。提取导线的最大脱冰跳跃高度、最大脱冰跳跃高度位置、最大横向摆幅、最大横向摆幅位置、最大不平衡张力、最大张力等数据，判断对应的脱冰跳跃风险等级。随后以这些导线参数、工况参数和对应的脱冰跳跃风险等级构建数据集，以数据集完成基于机器学习的导线脱冰跳跃风险评估模型的构建，最终实现对导线脱冰跳跃风险的准确评估或预测。
22.本技术建立了基于有限元和机器学习方法的非均匀覆冰连续档导线脱冰跳跃风险评估方法，能够快速准确预测输电导线脱冰跳跃发生风险的等级，能够为冰区输电线路设计提供依据，还能够为后期的高效运维提供帮助。
23.本技术还特别提出利用随机森林算法构建导线脱冰跳跃风险评估模型，随机森林算法在进行脱冰跳跃风险评估时更有优势。随机森林算法通过构建多个决策树并对它们的预测结果进行平均或投票来减少过拟合的风险，因此在许多情况下具有较高的预测准确性；随机森林算法每个决策树可以独立并行地构建，这种并行性使得随机森林在处理大型数据集时更有效率；随机森林也可以有效处理有噪声和不平衡类别的数据。随机森林可以为每个特征计算相对重要性的指标，通过对多个决策树中特征的使用情况进行统计，可以确定哪些特征在整体预测中起到关键作用，因此，通过随机森林的运算能够获取影响导线脱冰跳跃风险的关键因素，能够为输电线路的设计和运维提供针对性的帮助。
附图说明
24.下面结合附图对本发明做进一步的详细说明。
25.图1：本发明的流程图；图2：本发明导线形态示意图；图3：本发明随机森林算法原理示意图；
图4：本发明随机森林算法评估模型示意图。
具体实施方式
26.为了更好地理解本发明，下面结合实施例和附图进一步清楚阐述本发明的内容，但本发明的保护内容不仅仅局限于下面的实施例。在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员来说显而易见的是，本发明可以无需一个或多个这些细节而得以实施。
27.实施例1：参阅图1-图4，本实施例的目的是提供一种非均匀覆冰连续档导线的脱冰跳跃风险评估方法。所述方法包括：s1、构建非均匀覆冰的连续档多分裂导线物理模型。
28.本步骤所构建物理模型中，保持导线的密度和线径等参数不变，通过施加在导线上的荷载来模拟导线覆冰，以荷载脱落来模拟脱冰。如图2所示，将每根导线均匀分成多段，通过设置每段导线上覆冰厚度实现输电线路的非均匀覆冰模拟，根据各段导线覆冰厚度的差异设置不同的非均匀覆冰形式。结合到物理模型中，利用每段导线上覆冰厚度、冰的密度、该段导线外径长度等参数计算出该段导线所施加荷载的重量。图2所示为重力作用下非均匀覆冰导线的形态示意。
29.随后利用adina、ansys、abaqus等有限元软件，构建非均匀覆冰的连续档多分裂导线基于有限元的物物理模型，其中还可以包括与导线相关的输电塔模型、导地线模型、绝缘子串模型、金具模型和间隔棒模型等。
30.s2、构建导线参数及工况参数的数据集。
31.输电线路脱冰动力响应受结构参数、覆冰、风和脱冰等因素的影响，这些参数主要包括：型号、档数、分裂数、档距、高差、初应力等导线参数，以及覆冰厚度、脱冰率、风速等工况参数。
32.本步骤基于上述参数，根据常用导线类型构建导线集，根据常见的工况参数构建工况集。
33.s3、获取不同参数下导线脱冰跳跃风险等级。
34.导线脱冰跳跃风险主要受导线的跳跃高度、横向摆幅、不平衡张力、最大张力等影响，本步骤确定导线的四个脱冰跳跃风险等级，等级越小则风险越小，等级0表示无风险。具体为：等级0：最大脱冰跳跃幅度小于该处设计绝缘间隙，且最大不平衡张力小于对应承载能力，且最大张力小于导线设计载荷；等级1：最大脱冰跳跃幅度大于该处设计绝缘间隙，且最大不平衡张力小于对应承载能力，且最大张力小于导线设计载荷；等级2：最大脱冰跳跃幅度大于该处设计绝缘间隙，且最大不平衡张力大于对应承载能力或最大张力大于导线设计载荷；等级3：最大脱冰跳跃幅度大于该处设计绝缘间隙，且最大不平衡张力大于对应承载能力，且最大张力大于导线设计载荷。
35.导线的最大脱冰跳跃幅度包括最大脱冰跳跃高度和最大横向摆幅，导线上不同位置处的设计绝缘间隙不同，因此最大脱冰跳跃幅度与设计绝缘间隙的对比需要考虑最大脱
冰跳跃幅度所发生位置处的设计绝缘间隙。导线的承载能力为导线对应的支持点（如横担、杆塔等）的承载能力。
36.上述风险等级中，如果导线的最大脱冰跳跃高度大于该处设计绝缘间隙，则可能会由于绝缘隔减小而诱发闪络、短路等事故；如果导线的最大不平衡张力大于对应承载能力，则支持点可能会因为承载能力超限而引发严重受损、折弯甚至是倒塌等事故；如果导线的最大张力大于导线设计载荷，则导线可能会发生断线或金具损坏等事故。
37.本步骤以导线集和工况集作为有限元软件的输入集，以导线的脱冰跳跃风险等级为输出集。具体的，有限元软件中，根据导线集，按照步骤s1构建不同导线参数的有限元模型，然后分别将不同的工况集加载到不同的有限元模型，计算不同参数下的输电导线脱冰动力响应。提取导线的最大脱冰跳跃高度、最大脱冰跳跃高度位置、最大横向摆幅、最大横向摆幅位置、最大不平衡张力、最大张力等数据，判断对应的脱冰跳跃风险等级。
38.s4、构建导线脱冰跳跃风险评估模型。
39.本步骤可以利用神经网络、随机森林等机器学习算法，以步骤s3中的输入集（导线集＋工况集）为输入，以步骤s3中的输出集（脱冰跳跃风险等级）为输出构建导线脱冰跳跃风险评估模型，并通过训练和调参获得快速高效的评估模型。
40.本技术优选随机森林算法，具体过程如下：随机森林属于集成学习中的bagging算法。bagging算法的是指从原始样本中随机抽取r个训练样本，共进行k轮产生k个相互独立的训练集，但数据可以有重复，训练k个训练集得到k个模型，分类问题由投票得到分类结果，回归问题则是求得k个模型预测的平均值作为最终输出。原理如图3所示。
41.首先使用bagging算法得到k个训练集；对于每个训练集，选择最佳分割属性作为节点建立决策树，最终形成具有k个决策树的随机森林；将模型用于测试集，对测试每个样本都会有k个预测值，对分类任务使用投票法确定最终的分类，对回归任务使用简单平均法确定该样本的最终预测值。
42.评估模型如图4所示，模型所涉及的数据集由步骤s2构建，以导线型号、导线档数、导线分裂数、导线档距、导线高差、导线初应力、覆冰厚度、脱冰率、风速等变量作为输入变量，以脱冰跳跃风险等级为输出变量。利用上述数据集对评估模型进行训练，完成模型的构建。
43.s5、开展导线脱冰跳跃风险等级评估。
44.基于连续档多分裂导线的参数，以及当前的工况参数，带入脱冰跳跃风险评估模型对导线的脱冰跳跃风险等级进行预测和评估。
45.最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：包括：构建非均匀覆冰的连续档多分裂导线基于有限元的物理模型；构建导线参数及工况参数的数据集；获取不同参数下导线脱冰跳跃风险等级；构建导线脱冰跳跃风险评估模型；利用所述风险评估模型进行导线脱冰跳跃风险等级评估。2.根据权利要求1所述的非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：所述风险评估模型利用机器学习算法构建，在构建时以所述数据集为输入，以对应参数下的所述风险等级为输出。3.根据权利要求1所述的非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：所述风险等级的获取方法包括：以所述数据集作为有限元软件的输入集，以导线的脱冰跳跃风险等级为输出集。4.根据权利要求3所述的非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：导线的所述风险等级包括：等级0：最大脱冰跳跃幅度小于该处设计绝缘间隙，且最大不平衡张力小于对应承载能力，且最大张力小于导线设计载荷；等级1：最大脱冰跳跃幅度大于该处设计绝缘间隙，且最大不平衡张力小于对应承载能力，且最大张力小于导线设计载荷；等级2：最大脱冰跳跃幅度大于该处设计绝缘间隙，且最大不平衡张力大于对应承载能力或最大张力大于导线设计载荷；等级3：最大脱冰跳跃幅度大于该处设计绝缘间隙，且最大不平衡张力大于对应承载能力，且最大张力大于导线设计载荷。5.根据权利要求4所述的非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：导线的最大脱冰跳跃幅度包括最大脱冰跳跃高度和最大横向摆幅。6.根据权利要求5所述的非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：所述风险等级的获取方法还包括：从有限元软件中提取不同参数下导线的最大脱冰跳跃高度、最大脱冰跳跃高度位置、最大横向摆幅、最大横向摆幅位置、最大不平衡张力、最大张力等数据，划分对应的脱冰跳跃风险等级。7.根据权利要求1所述的非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：所述导线参数包括型号、档数、分裂数、档距、高差和初应力，所述工况参数包括覆冰厚度、脱冰率和风速。8.根据权利要求1所述的非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：所述物理模型的构建方法包括：将每根导线均匀分成多段，每段导线上均施加与覆冰重量对应的荷载。9.根据权利要求8所述的非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：覆冰的重量利用每段导线上覆冰厚度、冰的密度、该段导线外径及长度等参数计算。10.根据权利要求1所述的非均匀覆冰连续档导线的脱冰跳跃风险评估方法，其特征在于：所述风险评估模型利用随机森林算法构建。

技术总结
本发明提供了一种非均匀覆冰连续档导线的脱冰跳跃风险评估方法，属于机器学习技术领域。包括：构建非均匀覆冰的连续档多分裂导线基于有限元的物理模型；构建导线参数及工况参数的数据集；获取不同参数下导线脱冰跳跃风险等级；构建导线脱冰跳跃风险评估模型；利用所述风险评估模型进行导线脱冰跳跃风险等级评估。本发明建立了基于有限元和机器学习方法的非均匀覆冰连续档导线脱冰跳跃风险评估方法，能够快速准确预测输电导线脱冰跳跃发生风险的等级，便于输电线路在设计阶段的校验和后期的高效运维。的高效运维。的高效运维。


技术研发人员：刘光辉 吕中宾 张博 黄桂灶 刘泽辉 卢明 冯光 叶中飞 伍川 张世尧 高超 谢凯 高林翔 炊晓毅 薛艳艳 李梦丽 宋高丽 张帅 陈钊
受保护的技术使用者：国网河南省电力公司电力科学研究院
技术研发日：2023.07.17
技术公布日：2023/10/8