CN115730516A - 基于数字孪生体仿真模型的接触网舞动监测方法及*** - Google Patents
基于数字孪生体仿真模型的接触网舞动监测方法及*** Download PDFInfo
- Publication number
- CN115730516A CN115730516A CN202211423680.9A CN202211423680A CN115730516A CN 115730516 A CN115730516 A CN 115730516A CN 202211423680 A CN202211423680 A CN 202211423680A CN 115730516 A CN115730516 A CN 115730516A
- Authority
- CN
- China
- Prior art keywords
- galloping
- simulation model
- digital twin
- amplitude
- twin simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于数字孪生体仿真模型的接触网舞动监测方法,该方法包括:在接触网上布置若干个传感器与图像采集装置,采集环境数据与导线的视频数据;获取导线中心轮廓的位置,计算导线舞动的实际主频和幅值;构建数字孪生体仿真模型,仿真得到导线舞动的理论主频和幅值,基于主频和幅值的实际值对数字孪生体仿真模型的参数设置进行校正;将幅值输入数字孪生体仿真模型中,得到防舞动装置的布置方案,并在接触网上安装。本申请还公开了一种基于数字孪生体仿真模型的接触网舞动监测***。本发明能够实时监测舞动状态,根据气象预报,预测接触网舞动状态,若监测数据及预测结果超过警戒值,给出报警信息,提前做好处理措施,避免造成严重影响。
Description
技术领域
本申请涉及电气化铁路接触网舞动监测技术领域,更具体地,涉及一种基于数字孪生体仿真模型的接触网舞动监测方法及***。
背景技术
接触网由接触线、吊弦、承力索、弹性吊索、支柱、受电弓、绝缘子、腕臂支持装置及附加导线组成。舞动是指在风的作用下非对称覆冰输电导线产生一种低频、大振幅的自激振动。架空输电线路导线发生偏心覆冰后,在风的激励下产生的一种低频率、大振幅自激振动现象。通俗讲就是当风吹到因覆冰而变为非圆截面的导线上时,产生一定的空气动力,由此会诱发导线产生一种低频率(约0.1~3Hz)、大振幅的自激振荡,由于其形态上下翻飞,形如龙舞,称舞动。接触网舞动会导致线材振动幅度加大而加剧接触网设备的机械损坏,给人员维修带来了极大的困难;并且常常引发弓网故障,导致电力机车受电弓不能正常取流,甚至造成断线短路跳闸而中断供电,严重威胁着电力机车的安全运行,从而造成巨大的经济损失和社会影响。
目前,接触网舞动的主要监测方法包括人工定期进行巡检和在铁路沿线搭建观察站等。这些方法存在投资成本高,劳动强度大,事故隐患无法及时发现,监测结果与现场实际数据相差较大等问题。
研究和应用接触网舞动在线监测***,实时监测舞动状态并及时发出预警信息,可防止接触网舞动带来的灾害,对提高电气化铁路的安全运行可靠性具有重要意义。图像法是常见的在线监测技术,其在接触网支柱上安装在线监测视频装置,拍摄采集接触线、承力索、正馈线、PW线或回流线图片,通过有线或无线数据传输方式将现场采集的图片传输到在线监测平台,通过一定处理得到导线舞动的运动幅值和频谱图,最后根据舞动限界值发出告警信息。但由于摄像头很难全线布设,且只能观察近处导线状况,因此采集信息量有限。
发明内容
针对现有技术的至少一个缺陷或改进需求,本发明提供了一种基于数字孪生体仿真模型的接触网舞动监测方法及***,能够实时监测舞动状态并及时发出预警信息,可防止接触网舞动带来的灾害,对提高电气化铁路的安全运行可靠性具有重要意义。
为实现上述目的,按照本发明的第一个方面,提供了一种基于数字孪生体仿真模型的接触网舞动监测方法,该方法包括:
在接触网上布置若干个传感器与若干个图像采集装置,采集环境数据与导线的视频数据,并对所述视频数据进行预处理;
根据预处理后的视频数据获取导线中心轮廓的位置,根据导线中心轮廓的位置计算导线舞动的实际主频和幅值;
构建数字孪生体仿真模型,将所述环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行校正;
在校正后的数字孪生体仿真模型中添加防舞动装置,将导线舞动的幅值输入数字孪生体仿真模型中,得到防舞动装置的布置方案,并在接触网上安装防舞动装置。
进一步地,上述基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述对所述视频数据进行预处理,具体包括:
从所述视频数据中捕获每一帧图像,将每一帧图像进行灰度处理得到灰度图像;
对所述灰度图像进行平滑处理,并通过边缘检测算法提取所述灰度图像中的导线中心轮廓,得到导线中心轮廓图像。
进一步地,上述基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述根据预处理后的视频数据获取导线中心轮廓的位置,根据导线中心轮廓的位置计算导线实际舞动的主频和幅值,具体包括:
在所述导线中心轮廓图像中搜索并定位导线中心轮廓的位置,得到每一帧图像中的导线中心位置;
将每一帧图像中的导线中心位置集合处理,生成导线中心瞬时位移与瞬时偏移的时间序列;
对导线中心垂直方向上的瞬时位移与瞬时偏移进行频谱分析,得到时间序列的频率和幅值,计算出实际的导线实际舞动的主频和幅值。
进一步地,上述基于数字孪生体仿真模型的接触网舞动监测方法,其中,还包括:
将导线舞动的主频和幅值的实际值与理论值进行对比,当导线舞动的主频和幅值的实际值与理论值之间的误差超过预设的误差阈值时,对数字孪生体仿真模型进行校正。
进一步地,上述基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述构建数字孪生体仿真模型,将所述环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行校正,具体包括:
设置导线随环境变化下在各个方向的刚度kl与阻尼bl,以及,在运动时间T内,导线随风向与风力变化的载荷矢量f(t,a1,a2,…,an),其中,t∈[0,T],a1,a2,…,an为用于描述载荷矢量的曲线方程的参数;
在一定的天气状态下根据上述参数构成参数向量x=(kl,bl,f),根据数字孪生体仿真模型的仿真结果设定各参数搜索范围V={x},并将其离散化V={x1,x2,…,xm}。
进一步地,上述基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述构建数字孪生体仿真模型,将所述环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行校正,还包括:
将所述环境数据根据天气状态进行聚类,将聚类后的环境数据输入数字孪生体仿真模型,对数字孪生体仿真模型进行训练以校正误差;
认定数字孪生体仿真模型不存在马尔可夫性质,在所述参数搜索范围V中搜索,当第j+1次搜索时,在一定的天气状态下,选取所述参数向量中的其中一组参数向量xi进行仿真计算,根据在时间T内数字孪生体仿真模型输出结果与实际测量结果之间的均方根误差ermse计算第j+1次搜索时给当前参数向量xi的奖励ri j+1;
进一步地,上述基于数字孪生体仿真模型的接触网舞动监测方法,其中,还包括:
设定贪心因子ε∈[0,1],在每一步搜索时生成一个0至1之间的随机数rand,若rand大于贪心因子ε则根据各个所述参数向量的值函数qi的大小来选取本轮的参数向量xi,若rand小于贪心因子ε则随机选取参数向量。
进一步地,上述基于数字孪生体仿真模型的接触网舞动监测方法,其中,还包括:
进一步地,上述基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述在校正后的数字孪生体仿真模型中添加防舞动装置,将导线舞动的幅值输入数字孪生体仿真模型中,得到防舞动装置的布置方案,具体包括:
将防舞装置安装位置p与个数k作为强化学习的目标参数x'=(p,k),根据经验设定各参数搜索范围V'={x'},并将其离散化V'={x'1,x'2,…,x'm};
按照本发明的第二个方面,还提供了一种基于数字孪生体仿真模型的接触网舞动监测***,该***包括依次连接的物理层、感知层、计算层与应用层;
所述物理层包括布置于接触网上的若干个传感器与若干个图像采集装置,用于采集环境数据与导线的视频数据;
所述感知层用于接收所述视频数据,并对所述视频数据进行预处理;根据预处理后的视频数据获取导线中心轮廓的位置,根据导线中心轮廓的位置计算导线舞动的实际主频和幅值;
所述计算层包括数字孪生体仿真模型,用于将所述环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行校正;
所述应用层用于在校正后的数字孪生体仿真模型中添加防舞动装置,将导线舞动的幅值输入数字孪生体仿真模型中,得到防舞动装置的布置方案。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)本发明提供的基于数字孪生体仿真模型的接触网舞动监测方法及***,构建数字孪生体仿真模型,得到导线舞动的理论主频和理论幅值,并通过强化学习对数字孪生体仿真模型进行训练,对数字孪生体仿真模型的参数设置进行矫正,使仿真得到的理论值无限接近于实际值,提升了模型精度,能够实时监测舞动状态并及时发出预警信息,可防止接触网舞动带来的灾害,对提高电气化铁路的安全运行可靠性具有重要意义。并且能够实时监测舞动状态,根据气象预报,预测推演接触网舞动状态,若监测数据及预测结果超过警戒值,给出报警信息,提前做好处理措施,避免造成严重影响。
(2)采用本发明提供的基于数字孪生体仿真模型的接触网舞动监测方法及***,采用基于强化学习的数字孪生技术,解决了图像法采集信息有限和可能失效的问题,可对接触网舞动全段进行可视化监测。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例中所需使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于数字孪生体仿真模型的接触网舞动监测方法的流程示意图;
图2为本申请实施例提供的一种基于数字孪生体仿真模型的接触网舞动监测***的结构原理示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
一方面,本申请提供了一种基于强化学习的接触网舞动检测方法,图1为本申请实施例提供的一种基于数字孪生体仿真模型的接触网舞动监测方法的流程示意图。请参阅图1,该方法包括以下步骤:
(1)在接触网上布置若干个传感器与若干个图像采集装置,采集环境数据与导线的视频数据,并对所述视频数据进行预处理;
接触网包括:接触线、吊弦、承力索、弹性吊索、支柱、受电弓、绝缘子、腕臂支持装置及附加导线。其中,传感器包括:风速风向传感器、温度传感器、湿度传感器、张力传感器等,图像采集装置可以为摄像头等。环境数据至少包括风速、风向、温度、湿度以及导线受到的张力等。
从视频数据中捕获每一帧图像,将每一帧图像(原本为彩色)进行灰度处理得到灰度图像;对灰度图像进行平滑处理,并通过边缘检测算法提取灰度图像中的导线中心轮廓,得到导线中心轮廓图像。
(2)根据预处理后的视频数据获取导线中心轮廓的位置,根据导线中心轮廓的位置计算导线舞动的实际主频和幅值;
具体地,在导线中心轮廓图像中搜索并定位导线中心轮廓的位置,得到每一帧图像中的导线中心位置;将每一帧图像中的导线中心位置集合处理,生成导线中心瞬时位移与瞬时偏移的时间序列;对导线中心垂直方向上的瞬时位移与瞬时偏移进行频谱分析,将时域信号变换至频域,得到时间序列的频率和幅值,计算出实际的导线实际舞动的主频和幅值。
(3)构建数字孪生体仿真模型,将所述环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行校正;
具体地,在ANSYS平台创建3D数字孪生体仿真模型。其中,导电线缆使用Euler梁单元进行模拟,导电线缆需要设置六个自由度,其中,释放2个弯曲自由度,即不约束2个弯曲自由度,保留3个平动自由度,即3个平动自由度分别对应三维坐标系中的x、y与z的方向,以及1个扭转自由度;导电线缆的结构尺寸根据设计图纸确定。根据环境数据:风速、风向、温度、湿度、是否覆冰、覆冰类型、覆冰厚度与导线受到的张力等设置数字孪生体仿真模型的边界条件,进行仿真得到导线舞动的理论主频和理论幅值。
将导线舞动的主频和幅值的实际值与理论值进行对比,当导线舞动的主频和幅值的实际值与理论值之间的误差超过预设的误差阈值时,对数字孪生体仿真模型进行校正。
具体地,设置导线随环境变化(温度高低、是否覆冰、覆冰类型和覆冰厚度等)下在各个方向的刚度kl与阻尼bl,以及,在一段能够表征线缆运动状态的时间T内(T可以通过对线缆位移或载荷数据进行傅里叶变换求得),导线随风向与风力变化的载荷矢量f(t,a1,a2,…,an),其中,t∈[0,T],a1,a2,…,an为用于描述载荷矢量的曲线方程的参数;
在一定的天气状态下根据上述参数构成参数向量x=(kl,bl,f),根据数字孪生体仿真模型的仿真结果设定各参数搜索范围V={x},并将其离散化V={x1,x2,…,xm};
由于传感器数据量大,在制作强化学习的数据集时首先将环境数据根据天气状态进行聚类,然后在各个类中随机采样相同数量的数据用于模型训练,对数字孪生体仿真模型进行训练以校正误差,可以提高数据使用率(使用K-means聚类,聚类个数用贝叶斯信息准则BIC确定)。
其中,数字孪生体仿真模型进行训练过程具体包括:
计假设数字孪生体仿真模型不存在马尔可夫性质,仅考虑单步搜索的奖励。在所述参数搜索范围V中搜索,当第j+1次搜索时,在一定的天气状态下,选取所述参数向量中的其中一组参数向量xi进行仿真计算,根据在时间T内数字孪生体仿真模型输出结果与实际测量结果之间的均方根误差ermse决定第j+1次搜索时给当前参数向量xi的奖励ri j+1;
根据奖励ri j+1更新数字孪生体仿真模型的值函数qi,对于第j+1次搜索时的值函数其中α为学习速率,反映了值函数从当前轮次搜索中积累经验的快慢;值函数qi反映了当前参数与模型真实参数的符合程度。经过若干次训练后,值函数qi收敛,拥有最大值函数的参数向量即为最符合实际情况的有限元模型参数。
其中,参数向量xi的选取方法如下:
值函数qi能够反映当前参数与数字孪生体仿真模型真实参数的符合程度。然而在训练前期仅依靠值函数qi来选取参数向量xi有可能陷入局部最优。因此,在选取参数向量时既要参考值函数qi也要有一定的随机性来防止陷入局部最优。设定贪心因子ε∈[0,1],在每一步搜索时生成一个0至1之间的随机数rand,若rand大于贪心因子ε则根据各个参数向量的值函数qi的大小来选取本轮的参数向量xi,反之则随机选取参数向量。
其中,奖励ri j+1的计算方法如下:当某参数xi较过去搜索过的所有参数都有更好的表现时,即当某参数xi对应的均方根误差为搜索过的所有参数中的均方根误差最小时,给其正向奖励,否则给予惩罚。式中,xbest指同一环境下的历史最优解。
(4)在校正后的数字孪生体仿真模型中添加防舞动装置,将导线舞动的幅值输入数字孪生体仿真模型中,得到防舞动装置的布置方案,并在接触网上安装防舞动装置。
其中,防舞装置包括:间隔棒、扰流器、防舞鞭、整体式偏心重锤以及双摆防舞器等,其形式有单一的线路防舞装置、特定线路的防舞装置以及多种防舞装置的混合使用。
选定某种类型的防舞装置,如压重防舞器、扰流防舞器、双摆防舞器等。
将防舞装置安装位置p与个数k作为强化学习的目标参数x'=(p,k),根据经验设定各参数搜索范围V'={x'},并将其离散化V'={x'1,x'2,…,x'm};
假设模型不存在马尔科夫性质,仅考虑单步搜索的奖励。在参数搜索范围V'中搜索,当第j+1次搜索时,在一定的天气状态下,选取参数向量x'i进行仿真计算,根据得到线缆的舞动幅度h计算给当前参数向量x'i的奖励
根据奖励更新其值函数q'i,对于第j+1次搜索时的值函数其中,α'为学习速率,反映了值函数从当前轮次搜索中积累经验的快慢;值函数q'i反映了当前参数与模型真实参数的符合程度。经过若干次训练后,值函数q'i收敛,拥有最大值函数的参数向量即为最佳的防舞装置布置方案,根据防舞装置布置方案在接触网上安装防舞动装置。
(5)根据气象预报,预测推演接触网舞动状态。设置导线舞动的主频警戒值和幅值警戒值,若监测数据及预测结果超过警戒值,给出报警信息,提示工作人员提前做好处理措施,避免造成严重影响。
另一方面,本申请提供了一种基于数字孪生体仿真模型的接触网舞动监测***,图2为本申请实施例提供的一种基于数字孪生体仿真模型的接触网舞动监测***的结构原理示意图,该***包括依次连接的物理层、感知层、传输层、数据层、计算层与应用层。
物理层是数字孪生建模的物理对象,即真实的接触网***,包括接触网实际的组成、安装在其中的各种传感采集装置、图像采集装置、以及防舞装置。接触网实际的组成包括:接触线、吊弦、承力索、弹性吊索、支柱、受电弓、绝缘子、腕臂支持装置及附加导线。传感采集装置包括:风速风向传感器、温度传感器、湿度传感器、张力传感器、摄像头等。为了防止输电线路舞动,采用对线路舞动有抑制作用的防舞装置包括:间隔棒、扰流器、防舞鞭、整体式偏心重锤以及双摆防舞器等,其形式有单一的线路防舞装置、特定线路的防舞装置以及多种防舞装置的混合使用。
感知层基于传感和数据采集技术,通过若干个传感器与若干个图像采集装置,采集环境数据与导线的视频数据。环境数据包括:接触网***中的风速、风向、温度、湿度、导线受到的张力、导线的覆冰类型和覆冰厚度。感知层用于接收视频数据,并对视频数据进行预处理;根据预处理后的视频数据获取导线中心轮廓的位置,根据导线中心轮廓的位置计算导线舞动的实际主频和幅值。
传输层为基于交换机和光纤形成的以太网,用于将感知层采集的数据高速上传至数据层。
数据层将采集数据存储到服务器,并通过数据处理中心实现多源数据和信息的集成、融合和存储,并将集成和融合后的多源数据和信息分发给计算层和应用层。多源数据和信息包括:经感知层采集的物理层实时状态数据,计算层的仿真模型结果,以及应用层的预测推演结果、状态分析结果和决策运行信息。
计算层集成数字孪生体仿真模型与强化学习算法、仿真计算等核心内容,采用“数据驱动+模型驱动”的混合驱动方式。数字孪生体仿真模型将环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行自主校正。计算层既具备实时感知***的能力,保留了模型的物理特性,又提升了模型精度。
应用层根据计算层的仿真结果和实测数据进行预测推演、状态分析和决策运行,预测推演结果、状态分析结果和决策运行信息存储到数据层,并可以直接作用于物理层进行决策指导。
预测推演根据仿真模型和气象预报,完成未来一段时间的导线状态预测。所述状态分析包括:导线舞动振幅和模态分析、覆冰厚度发展趋势分析、导线张力分析。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后,将容易想到本公开的其实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的范围和精神由权利要求限定。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于数字孪生体仿真模型的接触网舞动监测方法,其特征在于,包括:
在接触网上布置若干个传感器与若干个图像采集装置,采集环境数据与导线的视频数据,并对所述视频数据进行预处理;
根据预处理后的视频数据获取导线中心轮廓的位置,根据导线中心轮廓的位置计算导线舞动的实际主频和幅值;
构建数字孪生体仿真模型,将所述环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行校正;
在校正后的数字孪生体仿真模型中添加防舞动装置,将导线舞动的幅值输入数字孪生体仿真模型中,得到防舞动装置的布置方案,并在接触网上安装防舞动装置。
2.如权利要求1所述的基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述对所述视频数据进行预处理,具体包括:
从所述视频数据中捕获每一帧图像,将每一帧图像进行灰度处理得到灰度图像;
对所述灰度图像进行平滑处理,并通过边缘检测算法提取所述灰度图像中的导线中心轮廓,得到导线中心轮廓图像。
3.如权利要求2所述的基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述根据预处理后的视频数据获取导线中心轮廓的位置,根据导线中心轮廓的位置计算导线实际舞动的主频和幅值,具体包括:
在所述导线中心轮廓图像中搜索并定位导线中心轮廓的位置,得到每一帧图像中的导线中心位置;
将每一帧图像中的导线中心位置集合处理,生成导线中心瞬时位移与瞬时偏移的时间序列;
对导线中心垂直方向上的瞬时位移与瞬时偏移进行频谱分析,得到时间序列的频率和幅值,计算出实际的导线实际舞动的主频和幅值。
4.如权利要求1所述的基于数字孪生体仿真模型的接触网舞动监测方法,其中,还包括:
将导线舞动的主频和幅值的实际值与理论值进行对比,当导线舞动的主频和幅值的实际值与理论值之间的误差超过预设的误差阈值时,对数字孪生体仿真模型进行校正。
5.如权利要求4所述的基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述构建数字孪生体仿真模型,将所述环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行校正,具体包括:
设置导线随环境变化下在各个方向的刚度kl与阻尼bl,以及,在运动时间T内,导线随风向与风力变化的载荷矢量f(t,a1,a2,…,an),其中,t∈[0,T],a1,a2,…,an为用于描述载荷矢量的曲线方程的参数;
在一定的天气状态下根据上述参数构成参数向量x=(kl,bl,f),根据数字孪生体仿真模型的仿真结果设定各参数搜索范围V={x},并将其离散化V={x1,x2,…,xm}。
6.如权利要求5所述的基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述构建数字孪生体仿真模型,将所述环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行校正,还包括:
将所述环境数据根据天气状态进行聚类,将聚类后的环境数据输入数字孪生体仿真模型,对数字孪生体仿真模型进行训练以校正误差;
认定数字孪生体仿真模型不存在马尔可夫性质,在所述参数搜索范围V中搜索,当第j+1次搜索时,在一定的天气状态下,选取所述参数向量中的其中一组参数向量xi进行仿真计算,根据在时间T内数字孪生体仿真模型输出结果与实际测量结果之间的均方根误差ermse计算第j+1次搜索时给当前参数向量xi的奖励ri j+1;
7.如权利要求6所述的基于数字孪生体仿真模型的接触网舞动监测方法,其中,还包括:
设定贪心因子ε∈[0,1],在每一步搜索时生成一个0至1之间的随机数rand,若rand大于贪心因子ε则根据各个所述参数向量的值函数qi的大小来选取本轮的参数向量xi,若rand小于贪心因子ε则随机选取参数向量。
9.如权利要求8所述的基于数字孪生体仿真模型的接触网舞动监测方法,其中,所述在校正后的数字孪生体仿真模型中添加防舞动装置,将导线舞动的幅值输入数字孪生体仿真模型中,得到防舞动装置的布置方案,具体包括:
将防舞装置安装位置p与个数k作为强化学习的目标参数x'=(p,k),根据经验设定各参数搜索范围V'={x'},并将其离散化V'={x'1,x'2,…,x'm};
10.一种基于数字孪生体仿真模型的接触网舞动监测***,其特征在于,包括依次连接的物理层、感知层、计算层与应用层;
所述物理层包括布置于接触网上的若干个传感器与若干个图像采集装置,用于采集环境数据与导线的视频数据;
所述感知层用于接收所述视频数据,并对所述视频数据进行预处理;根据预处理后的视频数据获取导线中心轮廓的位置,根据导线中心轮廓的位置计算导线舞动的实际主频和幅值;
所述计算层包括数字孪生体仿真模型,用于将所述环境数据设置为数字孪生体仿真模型的边界条件,仿真得到导线舞动的理论主频和理论幅值,将导线舞动的主频和幅值的实际值与理论值进行对比,根据对比结果基于强化学习算法对数字孪生体仿真模型的参数设置进行校正;
所述应用层用于在校正后的数字孪生体仿真模型中添加防舞动装置,将导线舞动的幅值输入数字孪生体仿真模型中,得到防舞动装置的布置方案,并在接触网上安装实施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211423680.9A CN115730516A (zh) | 2022-11-15 | 2022-11-15 | 基于数字孪生体仿真模型的接触网舞动监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211423680.9A CN115730516A (zh) | 2022-11-15 | 2022-11-15 | 基于数字孪生体仿真模型的接触网舞动监测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115730516A true CN115730516A (zh) | 2023-03-03 |
Family
ID=85296523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211423680.9A Pending CN115730516A (zh) | 2022-11-15 | 2022-11-15 | 基于数字孪生体仿真模型的接触网舞动监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115730516A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116244975A (zh) * | 2023-05-11 | 2023-06-09 | 众芯汉创(北京)科技有限公司 | 一种基于数字孪生技术的输电线路导线状态模拟*** |
CN118157324A (zh) * | 2024-05-08 | 2024-06-07 | 江苏濠汉信息技术有限公司 | 基于孪生网络的输电线路风偏舞动预警方法及*** |
-
2022
- 2022-11-15 CN CN202211423680.9A patent/CN115730516A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116244975A (zh) * | 2023-05-11 | 2023-06-09 | 众芯汉创(北京)科技有限公司 | 一种基于数字孪生技术的输电线路导线状态模拟*** |
CN116244975B (zh) * | 2023-05-11 | 2023-07-25 | 众芯汉创(北京)科技有限公司 | 一种基于数字孪生技术的输电线路导线状态模拟*** |
CN118157324A (zh) * | 2024-05-08 | 2024-06-07 | 江苏濠汉信息技术有限公司 | 基于孪生网络的输电线路风偏舞动预警方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115730516A (zh) | 基于数字孪生体仿真模型的接触网舞动监测方法及*** | |
CN112362274B (zh) | 运营期大跨桥梁涡激振动监测、预警、评价方法及*** | |
Balluff et al. | Short term wind and energy prediction for offshore wind farms using neural networks | |
CN110009037B (zh) | 一种基于物理信息耦合的工程风速短时预测方法及*** | |
CN109902948A (zh) | 一种基于大数据的输电线路监测***及方法 | |
CN105139274A (zh) | 基于量子粒子群与小波神经网络的输电线路覆冰预测方法 | |
KR20210033262A (ko) | 송전선로의 환경침해 진단장치 | |
CN112398230B (zh) | 一种输电线路舞动监测***及方法 | |
CN112598883B (zh) | 基于贝叶斯网络的输电线路落雷概率预警方法及预警*** | |
CN108320052A (zh) | 气象灾害下的输电线路状态预测方法及装置 | |
CN109102101A (zh) | 风电场风速的预测方法和*** | |
CN116324639A (zh) | 轨道交通的牵引供电***的监控和预测方法及装置 | |
CN107817423B (zh) | 一种输电线路运动预警方法 | |
CN113320445B (zh) | 一种接触网在线监测及隐患、故障智能判别预警*** | |
CN105117538A (zh) | 一种输电通道舞动预警方法 | |
CN109100703A (zh) | 一种输电线路危险点检测方法及装置 | |
CN114912355A (zh) | 输电线路短期覆冰预测方法、装置和存储介质 | |
CN117313537B (zh) | 数据驱动的覆冰预测方法及*** | |
CN113674512A (zh) | 一种带电交叉跨越施工现场在线监测预警***及方法 | |
CN110645939A (zh) | 一种两条导线之间的相对垂直距离的动态预测***及方法 | |
CN116128307A (zh) | 基于多元数据传导网络输电线路舞动预警预警*** | |
CN116046076A (zh) | 一种基于机器视觉技术的输电线路舞动在线检测*** | |
CN109508808A (zh) | 一种基于pso-bp神经网络的弧垂预测方法 | |
CN114034339A (zh) | 一种基于多传感器融合的输电线路舞动监测方法及*** | |
US20230026286A1 (en) | Method for computer-implemented monitoring of a wind turbine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |