基于GABP神經(jīng)網(wǎng)絡(luò)技術(shù)的雷擊跳閘實時預(yù)警

　　摘要:由于輸電線路運行環(huán)境復雜、影響線路雷擊跳閘因素多，故很難實現(xiàn)對輸電線路的雷擊跳閘實時預(yù)警。提出一種根據(jù)雷電定位系統(tǒng)、輸電線路數(shù)據(jù)與GA-BP神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的雷擊跳閘實時預(yù)警的新方法。首先，確定影響線路跳閘的因素，并預(yù)處理輸入數(shù)據(jù);然后，建立以線路檔距段為基礎(chǔ)的GA-BP神經(jīng)網(wǎng)絡(luò)雷擊跳閘預(yù)測模型，將待預(yù)警線路的所有檔距段進行預(yù)測，并對結(jié)果累加求和，從而獲得線路整體預(yù)測雷擊跳閘次數(shù);最后，根據(jù)預(yù)警分級標準，實現(xiàn)整條線路的雷擊跳閘預(yù)警。實例表明，該預(yù)警模型對算例中30條輸電線路的雷擊跳閘預(yù)警正確分類率為80%，預(yù)警準確率為86.67%，虛警率和漏警率分別為23.53%和13.33%，其性能指標都較為理想，故該模型對輸電線路的雷擊跳閘實時預(yù)警有著良好的預(yù)判效果。

　　關(guān)鍵詞:雷擊跳閘預(yù)警;雷電流參數(shù);遺傳算法;BP神經(jīng)網(wǎng)絡(luò)

　　0引言

　　隨著電網(wǎng)建設(shè)規(guī)模的日益擴大，輸電線路跨度、電壓等級的相應(yīng)提高，線路遭受雷擊風險也越來越大，雷電災(zāi)害造成地區(qū)電網(wǎng)經(jīng)濟損失和安全隱患愈加嚴重[1-5]。以廣東某地區(qū)電網(wǎng)為例，在2011～ 2016年110kV及以上輸電線路的跳閘統(tǒng)計中，雷擊導致的輸電線路跳閘占總跳閘原因的68.77%;漂浮物放電占總原因的23.47%;人為因素占總原因的5.78%;而其他外界災(zāi)害僅占總原因的0.72%。由此可見，雷擊是導致輸電線路故障的最主要原因，雷擊跳閘已成為影響電網(wǎng)安全穩(wěn)定運行的最大威脅[6]。

　　電網(wǎng)建設(shè)論文范例：電網(wǎng)建設(shè)工程施工現(xiàn)場管理研究

　　因此，若能實現(xiàn)對輸電線路雷擊風險狀態(tài)的追蹤，便可實時預(yù)警評估線路雷擊跳閘情況，這將有助于電網(wǎng)運行和調(diào)度部門提前做好針對性的避險措施。現(xiàn)有文獻大多都是對輸電線路雷電災(zāi)害風險評估展開的研究，而對輸電線路雷擊跳閘實時預(yù)警方面的研究卻鮮有報道。文獻[7]提出一種基于大氣電場儀和雷電定位系統(tǒng)數(shù)據(jù)的雷擊預(yù)警系統(tǒng)，該系統(tǒng)以電場強度雷擊及雷電距離為等級劃分依據(jù)，對廣州電網(wǎng)實施了分級雷擊預(yù)警，但該方法僅考慮了輸電線路周邊的雷電活動或大氣分布情況，而未考慮外界地形環(huán)境及自身參數(shù)的影響，在對實際線路跳閘預(yù)警時，會存在虛報率高、預(yù)測準確率低等現(xiàn)象。文獻[8]提出一種基于輸電線路數(shù)據(jù)與雷電氣象因素的輸電線路實時故障概率的評估方法，但該方法需要通過專家經(jīng)驗來確定權(quán)重系數(shù)，主觀因素影響大，使得評估結(jié)果不理想。

　　文獻[9]提出一種基于三時次相關(guān)雷區(qū)信息的線路雷擊跳閘概率計算新方法，該方法先對雷電的活動軌跡進行預(yù)測，根據(jù)預(yù)測雷電數(shù)據(jù)與雷擊跳閘公式對輸電線路雷擊跳閘進行了動態(tài)預(yù)測，但該方主要是通過經(jīng)驗公式計算跳閘概率，從而間接完成跳閘預(yù)警，相比直接預(yù)測線路跳閘情況，間接方法在預(yù)警閾值的劃分上存在很大誤差，會影響預(yù)警性能。針對現(xiàn)有研究的不足，筆者提出了一種基于GA-BP神經(jīng)網(wǎng)絡(luò)技術(shù)的輸電線路雷擊跳閘實時預(yù)警新方法，該方法將雷電發(fā)生點位置、落雷密度、雷電流大小、輸電線路桿塔數(shù)據(jù)與GA-BP神經(jīng)網(wǎng)絡(luò)技術(shù)充分融合在一起，高效、快速的實現(xiàn)了輸電線路的雷擊跳閘預(yù)警。

　　1基于GA-BP神經(jīng)網(wǎng)絡(luò)技術(shù)的雷擊

　　跳閘實時預(yù)警模型誤差反向傳播(ErrorBackPropagation，BP)神經(jīng)網(wǎng)絡(luò)有著非線性處理能力好、自適應(yīng)學習能力強、容錯能力強等優(yōu)點，現(xiàn)已成為應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)[10]。但它的收斂速度慢，且受網(wǎng)絡(luò)初始連接權(quán)值的影響，該網(wǎng)絡(luò)在訓練過程中極可能收斂于局部極小點。為克服BP神經(jīng)網(wǎng)絡(luò)的自身缺陷，本文采用遺傳算法(GeneticAlgorithm)對初始連接權(quán)值進行優(yōu)化[11]，使網(wǎng)絡(luò)輸出結(jié)果更加接近實際值�；�于GA-BP神經(jīng)網(wǎng)絡(luò)技術(shù)的輸電線路雷擊跳閘實時預(yù)警模型，其建模主要步驟為1)根據(jù)雷電定位系統(tǒng)與輸電線路數(shù)據(jù)建立一個輸電線路雷擊跳閘預(yù)警的數(shù)據(jù)庫。

　　2)根據(jù)雷擊跳閘原理確定影響線路跳閘的參數(shù)，并預(yù)處理網(wǎng)絡(luò)輸入數(shù)據(jù)，進而確定GA-BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。3)通過遺傳算法優(yōu)化網(wǎng)絡(luò)的權(quán)值和閾值，使其獲得最優(yōu)值，然后將訓練樣本數(shù)據(jù)置于網(wǎng)絡(luò)中進行學習訓練。4)在多次訓練取得最優(yōu)解后，為驗證其雷擊跳閘計算的準確性，需對模型進行樣本測試，最后確定輸電線路雷擊跳閘計算模型。6)根據(jù)GA-BP神經(jīng)網(wǎng)絡(luò)計算的整條線路雷擊跳閘情況和跳閘預(yù)警分級標準，最終實現(xiàn)對輸電線路的雷擊跳閘分級預(yù)警。

　　2影響輸電線路跳閘參數(shù)預(yù)處理

　　輸電線路雷擊故障主要是由雷云放電引起的線路過電壓導致絕緣子閃絡(luò)而發(fā)生的線路跳閘現(xiàn)象[12]。由于輸電線路運行環(huán)境復雜、雷電活動隨機性大，故影響線路雷擊跳閘的因素較多[13-16]，其中，包括雷電參數(shù)(雷電流幅值、落雷距離、落雷密度等)、地形地貌參數(shù)(海拔高度相、地形特征等)、線路自身參數(shù)(導線平均高度、避雷線平均高度、桿塔高度、檔距、保護角、接地電阻、絕緣子材質(zhì)損耗等)。

　　如果將所有影響因子都作為GA-BP神經(jīng)網(wǎng)絡(luò)的輸入，這在實際工程中將很難實現(xiàn)，因為實際統(tǒng)計數(shù)據(jù)或多或少會有部分參數(shù)不詳，且參數(shù)過多會使網(wǎng)絡(luò)模型的建立變得復雜，難以實現(xiàn)工程應(yīng)用。因此，考慮到線路雷擊跳閘機理與特征參數(shù)在數(shù)據(jù)上的完整性，筆者主要選取導線平均高度、檔距、線路所處地形地貌、避雷線平均高度、接地電阻、雷電流幅值、臨近落雷距離、落雷密度，八個特征量作為神經(jīng)網(wǎng)絡(luò)特征量輸入。

　　2.1臨近落雷密度計算

　　前人的研究經(jīng)驗表明，雷擊跳閘與地閃密度呈正相關(guān)性[17]。故為準確預(yù)測線路雷擊跳閘，地閃密度不可或缺。但地閃密度一般以年進行統(tǒng)計，考慮的時間跨度過長，這在目前的雷擊跳閘預(yù)測中行不通，因此，筆者將統(tǒng)計時間縮短至當前預(yù)警時間點前15min內(nèi)，以臨近落雷密度取代地閃密度作為雷擊跳閘的影響因子。為充分統(tǒng)計臨近落雷密度中的落雷個數(shù)，以3km作為線路走廊的總受雷寬度，以兩相鄰桿塔間的檔距為受雷長度，來統(tǒng)計預(yù)警時間點前15min內(nèi)的落雷個數(shù)。然后按下式進行臨近落雷密度的計算。3GA-BP神經(jīng)網(wǎng)絡(luò)模型的設(shè)計典型的BP神經(jīng)網(wǎng)絡(luò)為一種具有3層結(jié)構(gòu)的無反饋、層內(nèi)無互連的前向網(wǎng)絡(luò)，其3層結(jié)構(gòu)分別是輸入層、隱含層和輸出層[19]。

　　4預(yù)警分級標準與評估指標

　　雷擊跳閘預(yù)測是基于相鄰桿塔檔距段的，但要想實現(xiàn)整條輸電線路的雷擊跳閘實時預(yù)警，就需要將檔距段雷擊跳閘次數(shù)整合到線路上來。筆者根據(jù)線路各段的預(yù)測值進行累加求和，獲得整條線路的雷擊跳閘次數(shù)(Nline)。

　　5算例驗證

　　基于GA-BP神經(jīng)網(wǎng)絡(luò)技術(shù)的雷擊跳閘實時預(yù)警模型，首先確定了GA-BP神經(jīng)網(wǎng)絡(luò)雷擊跳閘預(yù)測模型，再根據(jù)訓練好的網(wǎng)絡(luò)預(yù)測輸電線路所有檔距段的當前預(yù)警時間點前15min內(nèi)的雷擊跳閘情況，并將跳閘次數(shù)進行累加求和獲得待預(yù)警線路的總跳閘次數(shù)，根據(jù)制定好的預(yù)警分級標準，最終完成輸電線路的分級預(yù)警工作。

　　6結(jié)語

　　由于輸電線路運行環(huán)境復雜、雷電活動隨機性大、影響線路雷擊跳閘因素多，故很難對輸電線路雷擊跳閘進行實時預(yù)警評估。提出了一種基于GA-BP神經(jīng)網(wǎng)絡(luò)技術(shù)的輸電線路雷擊跳閘實時預(yù)警新方法，該方法將八類影響線路跳閘的因素(導線平均高度、檔距、線路所處地形地貌、避雷線平均高度、接地電阻、雷電流幅值、臨近落雷距離、落雷密度)與GA-BP神經(jīng)網(wǎng)絡(luò)技術(shù)充分融合在一起，高效、快速的實現(xiàn)了輸電線路的雷擊跳閘預(yù)警。本文通過算例驗證了該實時預(yù)警模型的有效性，以此為依據(jù)，便可實時預(yù)警評估線路雷擊跳閘情況，這將有利于電網(wǎng)運行和調(diào)度部門提前做好針對性的避險措施，以確保輸電網(wǎng)的安全穩(wěn)定運行。

　　參考文獻:

　　[1]李斌，郭慧娟，王心妍，楊海晶，翟慧強.輸電線路雷擊跳閘安全風險分析[J].電瓷避雷器，2016(1):123-128.LIBin，GUOHuijuan，WANGXinyan，YANGHaijing，ZHAIHuiqiang.Safetyriskanalysisoflightningtripoftransmissionline[J].InsulatorsandSurgeArresters，2016(1):123-128.

　　[2]郭志民，王偉，李哲，熊小伏，梁允，王建.強對流天氣下輸電線路多因素風險動態(tài)評估方法[J].電網(wǎng)技術(shù)，2017，41(11):3598-3608.GUOZhimin，WANGWei，LIZhe，XIONGXiaofu，LIANGYun，WANGJian.Multi-factordynamicriskassessmentmethodfortransmissionlinesundersevereconvectiveweather[J].PowerSystemTechnology，2017，41(11):3598-3608.

　　[3]HUMing，HUANGXuwei.Lightingactivityanalysisandriskevaluationoftransmissionline[C].Proceedingsof2011InternationalConferenceonQuality，Reliability，Risk，Maintenance，andSafetyEngineering，Xi'an:[s.n].2011

　　[4]鄧紅雷，戴棟，李述文.基于層次分析-熵權(quán)組合法的架空輸電線路綜合運行風險評估[J].電力系統(tǒng)保護與控制，2017，45(01):28-34.

　　作者：鄧紅雷，唐崇旺，劉剛，張莉彬

轉(zhuǎn)載請注明來自發(fā)表學術(shù)論文網(wǎng)：http:///dzlw/25959.html