CN116896167B - 一种基于人工智能的输电线路动态增容监测及预警方法 - Google Patents
一种基于人工智能的输电线路动态增容监测及预警方法 Download PDFInfo
- Publication number
- CN116896167B CN116896167B CN202311159395.5A CN202311159395A CN116896167B CN 116896167 B CN116896167 B CN 116896167B CN 202311159395 A CN202311159395 A CN 202311159395A CN 116896167 B CN116896167 B CN 116896167B
- Authority
- CN
- China
- Prior art keywords
- line
- attribute data
- current
- data
- environment
- 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 183
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 39
- 238000005286 illumination Methods 0.000 claims description 27
- 230000007613 environmental effect Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 230000017525 heat dissipation Effects 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 5
- 239000004020 conductor Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002421 anti-septic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种基于人工智能的输电线路动态增容监测及预警方法,涉及输电线路监测技术领域,用于提高输电线路动态增容的安全性。该方法主要包括:通过数据获取装置获取当前时间段输电线路各个线路传输段分别对应的线路属性数据及环境属性数据;计算节点中存储有对应线路传输段的在所当前时间段之前的多个时间段的历史数据;计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据;基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量;根据所有线路传输段分别对应的动态线路载流量确定输电线的最大线路载流量。
Description
技术领域
本申请涉及输电线路监测技术领域,尤其涉及一种基于人工智能的输电线路动态增容监测及预警方法。
背景技术
随着我国用电需求增大,架空线路增建输电线路绵延交错,线路所处的环境各不相同,在受地形、环境等的影响下,输电线路故障事故也时有发生,因此,对输电线路导线一体化监测显得十分必要。
输电线路动态增容是通过对导线温度以及线路局部环境温度进行在线监测,依据现场所采集的数据及影响输电线路安全运行的各类判据,实时计算并确定当前线路的稳态输送容量限额,提高线路输送容量。
导线温度信息是输电线路增容过程安全性的重要评估指标,其准确可信是动态增容执行的前提和安全保障。由于产品缺乏统一标准、外部环境多变、通讯干扰等原因,目前的输电线路在线监测数据的实时型、准确性和稳定性方面都相对存在不足,以目前的监测信息作为动态增容的基础存在较大的安全隐患。
发明内容
本申请提供一种基于大数据处理的财务预测模型的构建方法及***,用于提高输电线路动态增容的实时性、准确性以及安全性。
本发明提供一种基于人工智能的输电线路动态增容监测及预警方法,所述方法应用于数据处理装置,包括:
通过数据获取装置获取当前时间段输电线路各个线路传输段分别对应的线路属性数据及环境属性数据;每个线路传输段对应设置至少一个所述数据获取装置;
基于所述数据处理装置中各个计算节点获取每个线路传输段分别对应的历史数据,所述计算节点中存储有对应线路传输段的在所当前时间段之前的多个时间段的历史数据;所述历史数据包括线路属性数据及环境属性数据;
所述计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据;
基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量;
根据所有线路传输段分别对应的动态线路载流量确定所述输电线的最大线路载流量。
更进一步地,所述计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据,包括:
所述计算节点将当前时间段以及在当前时间段之前的多个时间段的线路属性数据及环境属性数据组成的数据特征矩阵,输入到基于所述历史数据构建的线路属性数据预测模型中,预测得到下一时间段对应的线路属性数据;
其中,所述线路属性数据预测模型根据第1至第N个时间段线路属性数据及环境属性数据组成的样本数据,以及第N+1个时间段线路属性数据组成的样本标签训练得到。
更进一步地,所述根据所有线路传输段分别对应的线路载流量确定所述输电线的最大线路载流量,包括:
从所有线路传输段分别对应的线路载流量中确定最小的线路载流量,将所述最小的线路载流量确定在所述下一时间段所述输电线的最大线路载流量。
更进一步地,所述线路属性数据至少包括:实测线路载流量、线路外径、线路表面的辐射散热系数、线路温度、线路表面的吸热系数、线路弧垂;所述环境属性数据至少包括:环境温度、环境风速、环境风向、环境光照强度。
更进一步地,所述基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量,包括:
通过下述公式计算每个线路传输段分别对应的动态线路载流量:
;
其中,为动态线路载流量,/>为预测的下一时间段的线路温度,/>为所述环境预测数据中的环境温度,/>为所述环境预测数据中的环境风速,/>为所述线路外径,/>为线路表面的辐射散热系数,/>为线路表面的吸热系数,/>为环境光照强度,/>为在温度为/>时的线路交流电阻,/>为常数。
更进一步地,所述基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量,包括:
从所述下一时间段的线路属性数据中获取预测的测量线路载流量,以及从所述环境预测数据中确定环境温度、环境风速以及环境光照强度;
将获取的预测的测量线路载流量以及所述环境预测数据中确定环境温度、环境风速以及环境光照强度,输入到载流量概率拟合模型得到所述动态线路载流量。
更进一步地,所述方法还包括:
从每个线路传输段分别对应的历史数据中确定不同时间段分别对应的环境温度、环境风速、环境光照强度以及实测线路载流量、动态线路载流量;
基于不同时间段分别对应的环境温度、环境风速、环境光照强度以及实测线路载流量、动态线路载流量进行线性拟合得到所述载流量概率拟合模型。
更进一步地,所述基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量之后,所述方法还包括:
基于多个线路传输段之间的地理位置关系,确定计算的动态线路载流量存在异常的线路传输段;
重新获取异常的线路传输段对应的线路属性数据及环境属性数据,并计算对应的动态线路载流量。
更进一步地,所述根据所有线路传输段分别对应的动态线路载流量确定所述输电线的最大线路载流量之后,所述方法还包括:
计算所述最大线路载流量与各个线路传输段的实测线路载流量的流量差值;
根据所述流量差值对所述线路传输路段进行增容。
本发明实施例提供一种基于人工智能的输电线路动态增容监测及预警***;所述***包括数据处理装置及多个数据获取装置;
所述数据获取装置,用于获取当前时间段输电线路对应线路传输段的线路属性数据及环境属性数据,并将所述线路属性数据及环境属性数据传输给所述数据处理装置;每个线路传输段对应设置至少一个所述数据获取装置;
所述数据处理装置,用于基于所述数据处理装置中各个计算节点获取每个线路传输段分别对应的历史数据,所述计算节点中存储有对应线路传输段的在所当前时间段之前的多个时间段的历史数据;所述历史数据包括线路属性数据及环境属性数据;
所述数据处理装置,用于基于计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据;
所述数据处理装置,用于基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量;
所述数据处理装置,用于根据所有线路传输段分别对应的动态线路载流量确定所述输电线的最大线路载流量。
本发明提供一种基于人工智能的输电线路动态增容监测及预警方法,数据处理装置通过数据获取装置获取当前时间段输电线路各个线路传输段分别对应的线路属性数据及环境属性数据,然后基于数据处理装置中的各个计算节点获取每个线路传输段分别对应的历史数据,该计算节点中存储有对应线路传输段的在所当前时间段之前的多个时间段的历史数据;所述历史数据包括线路属性数据及环境属性数据;之后计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据;基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量;最后根据所有线路传输段分别对应的动态线路载流量确定输电线的最大线路载流量。相对于现有技术中基于当前获取的数据预测下一时刻的动态线路载流量,本申请基于预测的下一个时间段的线路属性数据以及环境预测数据确定下一时刻的动态线路载流量,由于下一个时间段的线路属性数据以及环境预测数据相对于当前时刻获取的数据更能体现下一个时间段的数据真实性,从而通过本申请可以提高输电线路动态增容的实时性、准确性以及安全性。
附图说明
图1为本申请提供的一种基于人工智能的输电线路动态增容监测及预警方法流程图;
图2为本申请提供的另一种基于人工智能的输电线路动态增容监测及预警方法流程图;
图3为本申请提供的一种基于人工智能的输电线路动态增容监测及预警***图;
图4为本申请提供的一种数据处理装置的结构示意图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请实施例的技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请实施例技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1所示,为本发明实施例提供的一种基于人工智能的输电线路动态增容监测及预警方法,该方法应用于数据处理装置,所述方法包括:
S101,通过数据获取装置获取当前时间段输电线路各个线路传输段分别对应的线路属性数据及环境属性数据。
在本实施例中,每个线路传输段对应设置至少一个所述数据获取装置,该数据获取装置安装在输电线路导线上,可实时采集、存储和传输线路运行电流、导线表面温度、环境温度以及日照强度等信息。具体的,数据获取装置中设置有多种类型的传感器,通过该传感器获取线路属性数据以及环境属性数据。
其中,本实施例中的线路属性数据至少包括:实测线路载流量、线路外径、线路表面的辐射散热系数、线路温度、线路表面的吸热系数、线路弧垂;所述环境属性数据至少包括:环境温度、环境风速、环境风向、环境光照强度。
S102,基于数据处理装置中的各个计算节点获取每个线路传输段分别对应的历史数据。
在本实施例中,数据获取装置获取当前时间段输电线路各个线路传输段分别对应的线路属性数据及环境属性数据之后,将获取的线路属性数据及环境属性数据传输给数据处理装置,数据处理装置基于线路传输段对应的标识信息为其分配对应的计算节点,使得对应的计算节点执行相应的计算任务。具体的,本实施例中的数据处理装置包括多个计算节点,每个计算节点用于预测至少一个线路传输段的下一时间段对应的线路属性数据。其中,计算节点中存储有对应线路传输段的在所当前时间段之前的多个时间段的历史数据;所述历史数据包括线路属性数据及环境属性数据。
需要说明的是,本实施例中的当前时间段可以为当前时间,或以当前时间为中心的一定时长的时间段,如当前为2:10其对应的当前时间段为2:00-2:20,即一个时间段可以定义为20分钟。在所当前时间段之前的多个时间段具体可以为在时间段之前的最近的3个时间段、4个时间段或是5个时间段,本实施例对此不做具体限定。
S103,计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据。
具体的,本实施例可以基于训练好的时间预测模型确定下一时间段对应的线路属性数据,还可以基于历史数据进行统计分析确定下一时间段对应的线路属性数据,或者基于历史数据确定的线性拟合模型确定下一时间段对应的线路属性数据,本实施例对此不做具体限定。
在本申请提供的一个可选实施例中,所述计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据,包括:所述计算节点将当前时间段以及在当前时间段之前的多个时间段的线路属性数据及环境属性数据组成的数据特征矩阵,输入到基于所述历史数据构建的线路属性数据预测模型中,预测得到下一时间段对应的线路属性数据;其中,所述线路属性数据预测模型根据第1至第N个时间段线路属性数据及环境属性数据组成的样本数据,以及第N+1个时间段线路属性数据组成的样本标签训练得到。
数据特征矩阵中的每行为每个时间段对应的线路属性数据及环境属性数据,该数据特征矩阵可以为5行特征数据,即包括当前时间段对应的线路属性数据及环境属性数据,以及在当前时间段之前的4个时间段的线路属性数据及环境属性数据,之后将数据特征矩阵输入到线路属性数据预测模型中,预测得到下一时间段对应的线路属性数据。
需要说明的是,本实施例在对线路属性数据预测模型进行训练过程,若根据第1至第N个时间段线路属性数据及环境属性数据组成的样本数据进行训练,则在其在使用过程中也需要使用N个时间段(包括当前时间段,以N-1个历史时间段)的线路属性数据及环境属性数据组成的数据特征矩阵。
S104,基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量。
在发明提供的一个可选实施例中,所述基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量,包括:
通过下述公式计算每个线路传输段分别对应的动态线路载流量:
;
其中,为动态线路载流量,/>为预测的下一时间段的线路温度,/>为所述环境预测数据中的环境温度,/>为所述环境预测数据中的环境风速(单位/>),/>为所述线路外径(单位/>),/>为线路表面的辐射散热系数(光亮的新线0.23-0.43,旧线或黑色防腐剂的线为0.9-0.98),/>为线路表面的吸热系数(0.35-0.46),/>为环境光照强度,/>为在温度为/>时的线路交流电阻,/>为常数(斯特凡-包尔茨曼常数为/>)。
在发明提供的另一个可选实施例中,所述基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量,包括:
S1041,从下一时间段的线路属性数据中获取预测的测量线路载流量,以及从所述环境预测数据中确定环境温度、环境风速以及环境光照强度。
其中,下一时间段的线路属性数据包括预测的各项线路数据,预测的测量线路载流量为基于历史数据预测的下一个时间段的实测线路载流量。其中,下一时间段的线路属性数据可通过上述线路属性数据预测模型预测得到,也可以通过统计历史数据分析得到。
本实施例中的环境预测数据可为现有的天气预报数据。
S1042,将获取的预测的测量线路载流量以及环境预测数据中确定环境温度、环境风速以及环境光照强度,输入到载流量概率拟合模型得到动态线路载流量。
在本实施例中,载流量概率拟合模型是根据历史数据进行线性拟合得到,即根据历史数据中实测线路载流量、环境温度、环境风速以及环境光照强度与动态线路载流量的对应关系进行线性拟合得到。在得到载流量概率拟合模型后,将预测的测量线路载流量以及环境预测数据中确定环境温度、环境风速以及环境光照强度输入到载流量概率拟合模型,便可以得到下一时间段的动态线路载流量。
需要说明的是,本实施例中的载流量概率拟合模型通过下述方式确定:从每个线路传输段分别对应的历史数据中确定不同时间点分别对应的环境温度、环境风速、环境光照强度以及实测的线路载流量、动态线路载流量;基于不同时间段分别对应的环境温度、环境风速、环境光照强度以及实测线路载流量、动态线路载流量进行线性拟合得到所述载流量概率拟合模型。
S105,根据所有线路传输段分别对应的动态线路载流量确定输电线的最大线路载流量。
具体的,本实施例根据所有线路传输段分别对应的线路载流量确定所述输电线的最大线路载流量,包括:从所有线路传输段分别对应的线路载流量中确定最小的线路载流量,将所述最小的线路载流量确定在所述下一时间段所述输电线的最大线路载流量。
本发明实施例提供一种基于人工智能的输电线路动态增容监测及预警方法,数据处理装置通过数据获取装置获取当前时间段输电线路各个线路传输段分别对应的线路属性数据及环境属性数据,然后基于数据处理装置中的各个计算节点获取每个线路传输段分别对应的历史数据,该计算节点中存储有对应线路传输段的在所当前时间段之前的多个时间段的历史数据;所述历史数据包括线路属性数据及环境属性数据;之后计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据;基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量;最后根据所有线路传输段分别对应的动态线路载流量确定输电线的最大线路载流量。相对于现有技术中基于当前获取的数据预测下一时刻的动态线路载流量,本申请基于预测的下一个时间段的线路属性数据以及环境预测数据确定下一时刻的动态线路载流量,由于下一个时间段的线路属性数据以及环境预测数据相对于当前时刻获取的数据更能体现下一个时间段的数据真实性,从而通过本申请可以提高输电线路动态增容的实时性、准确性以及安全性。
如图2所示,更进一步地,所述基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量之后,所述方法还包括:
S106,基于多个线路传输段之间的地理位置关系,确定计算的动态线路载流量存在异常的线路传输段。
需要说明的是,在一定区域范围内各个线路传输段对应的线路属性数据及环境属性数据基本相同,因此本实施例基于线路传输段之间的地理位置关系确定异常的线路传输段。
具体的,本实施例可以获取预置区域范围内各个线路传输段分别对应的动态线路载流量,然后对该区域内的动态线路载流量进行求平均值,将动态线路载流量与平均值之间的差值绝对值大于一定数值的线路传输段确定为异常的线路传输段。
S107,重新获取异常的线路传输段对应的线路属性数据及环境属性数据,并计算对应的动态线路载流量。
在本实施例中,在确定异常的线路传输段之后,需要重新获取异常的线路传输段对应的线路属性数据及环境属性数据,然后基于重新获取的线路属性数据及环境属性数据计算动态线路载流量,之后根据重新计算的动态线路载流量重新确认该线路传输段是否仍然存在异常,如果仍然存在异常则上报给后台工作人员,以便于后台工作人员对该线路传输段进行及时的处理,提高线路传输的安全性。
S108,对仍然存在异常的线路传输段进行预警。
进一步的,所述根据所有线路传输段分别对应的动态线路载流量确定所述输电线的最大线路载流量之后,所述方法还包括:计算所述最大线路载流量与各个线路传输段的实测线路载流量的流量差值;根据所述流量差值对所述线路传输路段进行增容。
请参阅图3所示,为本发明实施例提供的一种基于人工智能的输电线路动态增容监测及预警***,该***包括数据处理装置及多个数据获取装置;
所述数据获取装置,用于获取当前时间段输电线路对应线路传输段的线路属性数据及环境属性数据,并将所述线路属性数据及环境属性数据传输给所述数据处理装置;每个线路传输段对应设置至少一个所述数据获取装置;
所述数据处理装置,用于基于所述数据处理装置中各个计算节点获取每个线路传输段分别对应的历史数据,所述计算节点中存储有对应线路传输段的在所当前时间段之前的多个时间段的历史数据;所述历史数据包括线路属性数据及环境属性数据;
所述数据处理装置,用于基于计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据;
所述数据处理装置,用于基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量;
所述数据处理装置,用于根据所有线路传输段分别对应的动态线路载流量确定所述输电线的最大线路载流量。
在一实施例中,提供一种数据处理装置,该数据处理装置与上述基于人工智能的输电线路动态增容监测及预警方法一一对应。如图4所示,所述装置各功能模块详细说明如下:
获取模块41,用于通过数据获取装置获取当前时间段输电线路各个线路传输段分别对应的线路属性数据及环境属性数据;每个线路传输段对应设置至少一个所述数据获取装置;
所述获取模块41,还用于基于所述数据处理装置中各个计算节点获取每个线路传输段分别对应的历史数据,所述计算节点中存储有对应线路传输段的在所当前时间段之前的多个时间段的历史数据;所述历史数据包括线路属性数据及环境属性数据;
确定模块42,用于所述计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据;
计算模块43,用于基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量;
所述确定模块42,还用于根据所有线路传输段分别对应的动态线路载流量确定所述输电线的最大线路载流量。
更进一步地,确定模块42,具体用于:
所述计算节点将当前时间段以及在当前时间段之前的多个时间段的线路属性数据及环境属性数据组成的数据特征矩阵,输入到基于所述历史数据构建的线路属性数据预测模型中,预测得到下一时间段对应的线路属性数据;
其中,所述线路属性数据预测模型根据第1至第N个时间段线路属性数据及环境属性数据组成的样本数据,以及第N+1个时间段线路属性数据组成的样本标签训练得到。
更进一步地,确定模块42,具体用于:
从所有线路传输段分别对应的线路载流量中确定最小的线路载流量,将所述最小的线路载流量确定在所述下一时间段所述输电线的最大线路载流量。
更进一步地,所述线路属性数据至少包括:实测线路载流量、线路外径、线路表面的辐射散热系数、线路温度、线路表面的吸热系数、线路弧垂;所述环境属性数据至少包括:环境温度、环境风速、环境风向、环境光照强度。
更进一步地,计算模块43,具体用于:
通过下述公式计算每个线路传输段分别对应的动态线路载流量:
;
其中,为动态线路载流量,/>为预测的下一时间段的线路温度,/>为所述环境预测数据中的环境温度,/>为所述环境预测数据中的环境风速,/>为所述线路外径,/>为线路表面的辐射散热系数,/>为线路表面的吸热系数,/>为环境光照强度,/>为在温度为/>时的线路交流电阻,/>为常数。
更进一步地,计算模块43,具体用于:
从所述下一时间段的线路属性数据中获取预测的测量线路载流量,以及从所述环境预测数据中确定环境温度、环境风速以及环境光照强度;
将获取的预测的测量线路载流量以及所述环境预测数据中确定环境温度、环境风速以及环境光照强度,输入到载流量概率拟合模型得到所述动态线路载流量。
更进一步地,从每个线路传输段分别对应的历史数据中确定不同时间段分别对应的环境温度、环境风速、环境光照强度以及实测线路载流量、动态线路载流量;基于不同时间段分别对应的环境温度、环境风速、环境光照强度以及实测线路载流量、动态线路载流量进行线性拟合得到所述载流量概率拟合模型。
更进一步地,计算模块43,还用于:
基于多个线路传输段之间的地理位置关系,确定计算的动态线路载流量存在异常的线路传输段;
重新获取异常的线路传输段对应的线路属性数据及环境属性数据,并计算对应的动态线路载流量。
更进一步地,计算模块43,还用于:
计算所述最大线路载流量与各个线路传输段的实测线路载流量的流量差值;
根据所述流量差值对所述线路传输路段进行增容。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于人工智能的输电线路动态增容监测及预警方法,其特征在于,所述方法应用于数据处理装置;所述方法包括:
通过数据获取装置获取当前时间段输电线路各个线路传输段分别对应的线路属性数据及环境属性数据;每个线路传输段对应设置至少一个所述数据获取装置;
基于所述数据处理装置中各个计算节点获取每个线路传输段分别对应的历史数据,所述计算节点中存储有对应线路传输段的在所述当前时间段之前的多个时间段的历史数据;所述历史数据包括线路属性数据及环境属性数据;
所述计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据;
基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量;
根据所有线路传输段分别对应的动态线路载流量确定所述输电线的最大线路载流量;
所述线路属性数据至少包括:实测线路载流量、线路外径、线路表面的辐射散热系数、线路温度、线路表面的吸热系数以及线路弧垂;所述环境属性数据包括:环境温度、环境风速、环境风向以及环境光照强度;
所述基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量,包括:
从所述下一时间段的线路属性数据中获取预测的测量线路载流量,以及从所述环境预测数据中确定环境温度、环境风速以及环境光照强度;
将获取的预测的测量线路载流量以及所述环境预测数据中确定环境温度、环境风速以及环境光照强度,输入到载流量概率拟合模型得到所述动态线路载流量;
从每个线路传输段分别对应的历史数据中确定不同时间段分别对应的环境温度、环境风速、环境光照强度以及实测线路载流量、动态线路载流量;
基于不同时间段分别对应的环境温度、环境风速、环境光照强度以及实测线路载流量、动态线路载流量进行线性拟合得到所述载流量概率拟合模型。
2.根据权利要求1所述的方法,其特征在于,所述计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据,包括:
所述计算节点将当前时间段以及在当前时间段之前的多个时间段的线路属性数据及环境属性数据组成的数据特征矩阵,输入到基于所述历史数据构建的线路属性数据预测模型中,预测得到下一时间段对应的线路属性数据;
其中,所述线路属性数据预测模型根据第1至第N个时间段线路属性数据及环境属性数据组成的样本数据,以及第N+1个时间段线路属性数据组成的样本标签训练得到。
3.根据权利要求1所述的方法,其特征在于,所述根据所有线路传输段分别对应的线路载流量确定所述输电线的最大线路载流量,包括:
从所有线路传输段分别对应的线路载流量中确定最小的线路载流量,将所述最小的线路载流量确定在所述下一时间段所述输电线的最大线路载流量。
4.根据权利要求3所述的方法,其特征在于,所述基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量之后,所述方法还包括:
基于多个线路传输段之间的地理位置关系,确定计算的动态线路载流量存在异常的线路传输段;
重新获取异常的线路传输段对应的线路属性数据及环境属性数据,并计算对应的动态线路载流量。
5.根据权利要求1所述的方法,其特征在于,所述根据所有线路传输段分别对应的动态线路载流量确定所述输电线的最大线路载流量之后,所述方法还包括:
计算所述最大线路载流量与各个线路传输段的实测线路载流量的流量差值;
根据所述流量差值对所述线路传输段进行增容。
6.一种基于人工智能的输电线路动态增容监测及预警***,其特征在于,所述***包括数据处理装置及多个数据获取装置;
所述数据获取装置,用于获取当前时间段输电线路对应线路传输段的线路属性数据及环境属性数据,并将所述线路属性数据及环境属性数据传输给所述数据处理装置;每个线路传输段对应设置至少一个所述数据获取装置;
所述数据处理装置,用于基于所述数据处理装置中各个计算节点获取每个线路传输段分别对应的历史数据,所述计算节点中存储有对应线路传输段的在所述当前时间段之前的多个时间段的历史数据;所述历史数据包括线路属性数据及环境属性数据;
所述数据处理装置,用于基于计算节点将当前时间段的线路属性数据及环境属性数据以及历史数据中的线路属性数据及环境属性数据确定下一时间段对应的线路属性数据;
所述数据处理装置,用于基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量;
所述数据处理装置,用于根据所有线路传输段分别对应的动态线路载流量确定所述输电线的最大线路载流量;
所述线路属性数据至少包括:实测线路载流量、线路外径、线路表面的辐射散热系数、线路温度、线路表面的吸热系数以及线路弧垂;所述环境属性数据至少包括:环境温度、环境风速、环境风向以及环境光照强度;
所述基于预测的下一时间段的线路属性数据以及环境预测数据,计算每个线路传输段分别对应的动态线路载流量,包括:
从所述下一时间段的线路属性数据中获取预测的测量线路载流量,以及从所述环境预测数据中确定环境温度、环境风速以及环境光照强度;
将获取的预测的测量线路载流量以及所述环境预测数据中确定环境温度、环境风速以及环境光照强度,输入到载流量概率拟合模型得到所述动态线路载流量;
从每个线路传输段分别对应的历史数据中确定不同时间段分别对应的环境温度、环境风速、环境光照强度以及实测线路载流量、动态线路载流量;
基于不同时间段分别对应的环境温度、环境风速、环境光照强度以及实测线路载流量、动态线路载流量进行线性拟合得到所述载流量概率拟合模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311159395.5A CN116896167B (zh) | 2023-09-11 | 2023-09-11 | 一种基于人工智能的输电线路动态增容监测及预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311159395.5A CN116896167B (zh) | 2023-09-11 | 2023-09-11 | 一种基于人工智能的输电线路动态增容监测及预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116896167A CN116896167A (zh) | 2023-10-17 |
CN116896167B true CN116896167B (zh) | 2023-12-15 |
Family
ID=88313802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311159395.5A Active CN116896167B (zh) | 2023-09-11 | 2023-09-11 | 一种基于人工智能的输电线路动态增容监测及预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116896167B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5933355A (en) * | 1995-05-04 | 1999-08-03 | Deb; Anjan Kumar | Object oriented expert power line ampacity system |
CN102982393A (zh) * | 2012-11-09 | 2013-03-20 | 山东电力集团公司聊城供电公司 | 一种输电线路动态容量的在线预测方法 |
TWI461686B (zh) * | 2013-10-25 | 2014-11-21 | Univ Nat Taiwan | 輸電線路熱容量預測方法 |
CN110321601A (zh) * | 2019-06-14 | 2019-10-11 | 山东大学 | 一种架空线路动态载流能力超前预测方法及*** |
CN114707426A (zh) * | 2022-04-29 | 2022-07-05 | 广西电网有限责任公司南宁供电局 | 一种基于多源数据融合的线路动态增容方法 |
CN115575737A (zh) * | 2022-09-06 | 2023-01-06 | 江苏达蓝能源服务有限公司 | 一种载流量检测方法及*** |
CN116154772A (zh) * | 2023-04-23 | 2023-05-23 | 广东电网有限责任公司佛山供电局 | 一种配网线路载流量合理性自动分析方法、装置及设备 |
CN116167514A (zh) * | 2023-02-08 | 2023-05-26 | 清华四川能源互联网研究院 | 一种输电导线的电能传输容量的预测方法和*** |
CN116317104A (zh) * | 2023-01-04 | 2023-06-23 | 北京国网富达科技发展有限责任公司 | 一种基于数据中台的输电线路动态增容预测***及方法 |
-
2023
- 2023-09-11 CN CN202311159395.5A patent/CN116896167B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5933355A (en) * | 1995-05-04 | 1999-08-03 | Deb; Anjan Kumar | Object oriented expert power line ampacity system |
CN102982393A (zh) * | 2012-11-09 | 2013-03-20 | 山东电力集团公司聊城供电公司 | 一种输电线路动态容量的在线预测方法 |
TWI461686B (zh) * | 2013-10-25 | 2014-11-21 | Univ Nat Taiwan | 輸電線路熱容量預測方法 |
CN110321601A (zh) * | 2019-06-14 | 2019-10-11 | 山东大学 | 一种架空线路动态载流能力超前预测方法及*** |
CN114707426A (zh) * | 2022-04-29 | 2022-07-05 | 广西电网有限责任公司南宁供电局 | 一种基于多源数据融合的线路动态增容方法 |
CN115575737A (zh) * | 2022-09-06 | 2023-01-06 | 江苏达蓝能源服务有限公司 | 一种载流量检测方法及*** |
CN116317104A (zh) * | 2023-01-04 | 2023-06-23 | 北京国网富达科技发展有限责任公司 | 一种基于数据中台的输电线路动态增容预测***及方法 |
CN116167514A (zh) * | 2023-02-08 | 2023-05-26 | 清华四川能源互联网研究院 | 一种输电导线的电能传输容量的预测方法和*** |
CN116154772A (zh) * | 2023-04-23 | 2023-05-23 | 广东电网有限责任公司佛山供电局 | 一种配网线路载流量合理性自动分析方法、装置及设备 |
Non-Patent Citations (2)
Title |
---|
Sanna Uski et al..Dynamic line rating forecastability for conservative day-ahead line rating values.《IECON 2015 - 41st Annual Conference of the IEEE Industrial Electronics Society》.2016,第3738-3742页. * |
严伯伦等.微气象分析与载流量预测结合的动态线路增容方法.《电力***及其自动化学报》.2022,第34卷(第12期),第137-144页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116896167A (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11188691B2 (en) | Scalable system and method for forecasting wind turbine failure using SCADA alarm and event logs | |
AU2019413696B2 (en) | System and method for evaluating models for predictive failure of renewable energy assets | |
AU2020417285B2 (en) | Scalable systems and methods for assessing healthy condition scores in renewable asset management | |
US20200210824A1 (en) | Scalable system and method for forecasting wind turbine failure with varying lead time windows | |
US20230252307A1 (en) | System and method for predicting failure of components using temporal scoping of sensor data | |
CN104200288A (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
CN115796434A (zh) | 一种用于配电网的管控方法、装置、电子设备及存储介质 | |
CN116614177B (zh) | 一种光纤状态多维度参量监测*** | |
CN111680712B (zh) | 基于日内相似时刻的变压器油温预测方法、装置及*** | |
CN116839656A (zh) | 一种用于工业互联网的工业现场监测***及检测方法 | |
CN116896167B (zh) | 一种基于人工智能的输电线路动态增容监测及预警方法 | |
CN105958474B (zh) | 一种电网调控***用输电线路动态增容方法和*** | |
CN116756505A (zh) | 一种基于大数据的光伏设备智能管理***及方法 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及*** | |
Smerdin et al. | Use of sensor networking technology to build a power transformer monitoring system | |
Sun et al. | A data-driven framework for tunnel infrastructure maintenance | |
CN115392372A (zh) | 一种电力数据处理方法、装置、介质以及电子设备 | |
Abaas et al. | Long short-term memory customer-centric power outage prediction models for weather-related power outages | |
CN114545102A (zh) | 一种在线监控*** | |
JP2021170169A (ja) | 処理装置、処理方法、処理プログラムおよび情報処理システム | |
CN117978628B (zh) | 一种基于智慧园区通信控制方法及*** | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测*** | |
CN117369392B (zh) | 一种基于多参数逻辑关系的设备故障智能预警方法 | |
CN117405261A (zh) | 水电厂机电设备温度多维度监测方法及装置 | |
CN116131444A (zh) | 光伏电站智能分析*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |