,,
(四川大學電氣信息學院,四川 成都 610065)
當氣溫處于-10 ℃~0 ℃時,如果下雨或空氣中含大量液態(tài)水滴,液態(tài)水滴將可能與架空高壓輸電線路碰撞致冰,附著在輸電導線上形成輸電線路覆冰。若輸電電路覆冰不能及時去除,將導致輸電塔線承重超出設計載荷而損壞。歷史上,有許多輸電線路冰雪災害的典型案例,北美、北歐、俄羅斯、英國、日本等國家和地區(qū)都有大量報道[1-2]。中國近年來大面積冰暴災害事故時有發(fā)生,并導致電網(wǎng)發(fā)生倒塔、斷線、舞動、覆冰閃絡等多種災害[3-4],由此造成的損失難以估量。輸電線路融冰技術研究吸引了大量業(yè)內研究者[5-6],斷電離線融冰取得了豐碩成果,但是由于需要斷電操作,故需謹慎決策,難以真正消除冰雪天氣導致的輸電線路冰暴災害。
在線實時融冰技術,將可以有效防止輸電線路覆冰災害,減少輸電線路覆冰承載參數(shù),降低輸電線路設計成本。文獻[7]提出一種自融冰導線設計方法,并設計了自融冰設備,為實現(xiàn)輸電線路實時在線融冰提供了新思路和新方法。
輸電線路覆冰超短期精準預測技術是實施高效優(yōu)化的在線實時融冰的前提和基礎。業(yè)內學者采用相關系數(shù)與置信度、支持向量機(support vector machine,SVM)、神經(jīng)網(wǎng)絡、模糊隸屬度、重現(xiàn)期計算方法等技術,對長期、中期、短期輸電線路融冰技術開展了廣泛研究[8-10],但尚未檢索到對未來10 min左右的超短期輸電線路覆冰狀態(tài)的精準預測方法。造成輸電線路冰災受損的最主要因素是凍雨積冰,2008年南方出現(xiàn)歷史上罕見的冰暴災害,造成輸電線路的巨大損失,也是因為長期連續(xù)的凍雨所致[11-13]。因此,研究超短期凍雨致冰精準預測方法,為在線實時融冰提供可靠數(shù)據(jù),對于防止輸電線路覆冰災害具有重要意義。
通過現(xiàn)場模擬導線數(shù)據(jù)采集系統(tǒng),可以采集近期輸電線路覆冰數(shù)據(jù);應用凍雨覆冰計算方法,可以計算空氣中的液態(tài)水含量;根據(jù)測量及計算數(shù)據(jù),應用灰色系統(tǒng)的GM(1,1)模型,預測幾分鐘內液態(tài)水含量的發(fā)展趨勢,并根據(jù)液態(tài)水含量計算覆冰增長趨勢,為輸電線路在線實時融冰提供依據(jù)。
業(yè)內有多種凍雨積冰數(shù)學模型,其中認可度最高的是Jones模型[14],諸多學者都對Jones模型進行了實驗驗證[15-16]。這里也基于Jones提出的凍雨積冰數(shù)學模型來進行研究,如式(1)所示。
(1)
式中:Req為導線覆冰等效厚度;n為凍雨持續(xù)時間,min;Pj是對應時刻的降雨強度,mm/h;Wj為對應時刻液態(tài)水含量,g/m;ρi為冰密度;ρw為水密度;Vj為風速。ρi和ρw為已知的,Pj、Wj和Vj則需要在線測量。液態(tài)水含量Wj不便于直接量測,可通過拉力傳感器測量積冰重量,利用式(1)來計算。
模擬導線數(shù)據(jù)采集系統(tǒng)包括微氣象數(shù)據(jù)采集模塊和在線模擬導線數(shù)據(jù)采集模塊??紤]工程應用經(jīng)濟性和實際需求,微氣象數(shù)據(jù)采集模塊測量參數(shù)包括空氣溫度、空氣濕度、降雨量、大氣壓、風速、風向,設計框圖如圖1所示。
圖1 微氣象數(shù)據(jù)采集模塊結構
在線模擬導線數(shù)據(jù)采集模塊如圖2所示。圖2中,模擬導線是輸電導線上截取的一小段,在輸電導線相同環(huán)境下,可以精確模擬輸電導線的覆冰過程。模擬導線的整體重量為模擬導線重量和覆冰重量之和,通過拉力傳感器采集連接桿的受力,將受力減去模擬導線和連接桿的重量,可以算出輸電導線覆冰重量。
圖2 在線模擬數(shù)據(jù)采集模塊
1981年,鄧聚龍教授首次提出了“灰色系統(tǒng)”這一概念。1982年,鄧聚龍教授發(fā)表的論文“The Control Problems of Grey Systems”和《灰色控制系統(tǒng)》,標志著灰色系統(tǒng)理論的誕生?;疑到y(tǒng)理論通過從已知信息中產(chǎn)生、開發(fā)和挖掘有用信息,探索研究對象的客觀規(guī)律[17-22]。
灰色預測模型是灰色系統(tǒng)理論最重要的內容之一,在社會學領域、自然科學領域、工程領域等方面,灰色預測模型都有許多應用案例。用于數(shù)據(jù)預測的灰色預測模型主要有:GM(1, 1)模型、GM(2, 1)模型、GM(0, N)模型、GM(1, N)模型、M GM(1, N)模型、GM(1, 1)冪模型等等。其中,GM(1, 1)模型只需要一個參數(shù)且只計算一階微分方程,因參數(shù)少、計算簡單得到廣泛應用。這里選擇GM(1, 1)模型進行預測。
灰色系統(tǒng)理論的基本思想是:客觀系統(tǒng)是有整體功能的,無論其現(xiàn)象多么復雜,數(shù)據(jù)多么亂,必然蘊涵某種內在規(guī)律??梢姡疑到y(tǒng)理論是一種從數(shù)據(jù)中挖掘數(shù)據(jù)規(guī)律的理論體系。式(1)揭示了輸電線路的覆冰規(guī)律,通過對式(1)未知參數(shù)的預測,可以預測未來輸電線路覆冰增長規(guī)律。
通過前30 min的測量數(shù)據(jù),應用灰色預測模型預測后十多分鐘的覆冰增長狀態(tài),符合灰色系統(tǒng)理論的基本思想,因此用灰色預測模型預測未來十多分鐘內的導線覆冰增長規(guī)律具有可行性。由于未來十多分鐘的氣候與前30 min內的氣候有類似的客觀規(guī)律,利用灰色預測模型進行超短期預測,不會有太大誤差。
通過微氣象站數(shù)據(jù)采集模塊和在線模擬數(shù)據(jù)采集模塊,每3 min采集1組數(shù)據(jù),總共采集10組數(shù)據(jù),根據(jù)所采集的10組數(shù)據(jù)建立GM(1,1)模型。根據(jù)GM(1,1)模型預測未來12 min內的風速、降雨量、液態(tài)水含量,通過所預測的風速、降雨量、液態(tài)水含量預測未來9 min內的覆冰增長狀態(tài)。具體方法如下。
在式(1)中,需要預測的量有降雨強度Pj、液態(tài)水含量Wj和風速Vj。其中降雨強度和風速可以通過微氣象站前30 min采集的數(shù)據(jù)預測,液態(tài)水含量可以通過圖2的測量方法,應用式(1)計算。
每隔3 min采集一次降雨強度、風速、覆冰重量,按時間先后順序,分別記為P=(p(1),p(2),p(3), ……,p(10));W=(w(1),w(2),w(3), ……,
w(10));G=(g(1) ,g(2),g(3), ……,g(10))。對應的等效覆冰厚度分別為R=(r(1),r(2),r(3), ……,r(10)), 根據(jù)式(1), 有
(2)
,有r(i+1)=r(i)+Δ,Δ表示覆冰厚度增長。
設模擬導線長度為單位長度1 m, 導線的半徑為Rd,則,
g(i+1)=π(Rd+r(i)+Δ)2ρi+g0
(3)
g(i)=π(Rd+r(i))2ρi+g0
(4)
式(3)與式(4)中,g0為模擬導線重量減去與模擬導線等體積的冰的重量。式(3)減去式(4),忽略Δ2項,得到:
g(i+1)-g(i)=ρiπ(2(Rd+r(i))Δ
(5)
根據(jù)式(5),可以得到:
(6)
根據(jù)式(4),可以算出:
(7)
由此,根據(jù)上述參數(shù)可以預測3 min、6 min、9 min、12 min的降雨強度、液態(tài)水含量和風速。
2.2.1 極比檢查
(8)
根據(jù)式(8)構建極比序列:σ=(σ(2),σ(3),
σ(4),……,σ(n)),根據(jù)序列數(shù)目確定可容覆蓋范圍,并判斷極比序列數(shù)據(jù)范圍。當極比序列都落在可容覆蓋范圍時,可以進行GM(1, 1)建模。
2.2.2 GM(1,1)建模
GM(1, 1)建模計算過程如下:
1)序列初始數(shù)據(jù)為第2.1節(jié)測量的降雨強度、風速或液態(tài)水含量。
X(0)=(x(0)(1),x(0)(2),…,x(0)(n)) =X
(9)
2) 根據(jù)式(10)計算累加序列X(1)。
(10)
X(1)=(x(1)(1),x(1)(2),……,x(1)(n))
3)根據(jù)式(11)計算緊鄰均值序列Z(1)。
(11)
Z(1)=(z(1)(2),z(1)(3),z(1)(4), ……,z(1)(n))
4)根據(jù)式(12)至式(14)計算發(fā)展系數(shù)a和灰色作用系數(shù)b。
(12)
(13)
(14)
2.2.3 預測
令x(1)(0)=x(0)(1), 根據(jù)式(15)、式(16)進行模型值計算。
(15)
(16)
當k≤10時,計算值為模型值,用于檢驗模型是否正確。當檢驗模型正確時,取k>10,就可對未來進行預測。
2.2.4 預測檢驗
根據(jù)對實際值的計算結果進行預測檢驗。預測檢驗采用殘差檢驗方法:
殘差=(實際值-模型值)/實際值
(17)
當所有殘差絕對值小于0.2時,可以判斷預測結果正確。
將第2.1節(jié)的數(shù)據(jù)序列用于第2.2節(jié)的預測方法,可以預測未來3 min、6 min、9 min的降雨強度、液水含量和風速,然后根據(jù)式(1)計算覆冰厚度。
綜合已發(fā)表論文中的測量數(shù)據(jù),建立風速、降雨量、液態(tài)水含量的仿真數(shù)據(jù)模型,根據(jù)液態(tài)水含量計算覆冰狀態(tài)仿真數(shù)據(jù)模型??偣卜抡?2 min的數(shù)據(jù)模型,根據(jù)前30 min的數(shù)據(jù)預測后12 min的結果,并將預測結果跟仿真模型的后12 min數(shù)據(jù)對比,驗證仿真模型的正確性。
文獻 [14]對輸電線路覆冰做了長時間的現(xiàn)場實驗,取得了大量的數(shù)據(jù)。由于其數(shù)據(jù)沒有針對超短期預測,因此,可以根據(jù)其數(shù)據(jù)結果來設計超短期仿真數(shù)據(jù)模型。
仿真數(shù)據(jù)模型通過3次多項式來模擬,仿真模擬多項式為
(18)
式中:B、C、D為最大值為1的隨機函數(shù)的絕對值;ki=(i/10),i=1, 2, 3, ……, 14;A按式(19)取值。
A=Min+|rand|(Max-Min)
(19)
式中:rand為幅值為1的隨機函數(shù);Min、 Max的取值根據(jù)文獻[16]實際測量數(shù)據(jù)來決定,根據(jù)文獻[16]中圖5.1、圖5.4、圖5.5的測量結果,Max和Min的取值如表1所示。
表1 Max 和Min 取值
仿真使用的導線型號為LGJ-210/50,導線直徑為20.38 mm,導線密度為2811 kg/m3,冰的密度取值0.6×103kg/m3。
仿真過程如下:
1)根據(jù)式(18)設計模擬仿真數(shù)據(jù);
2)根據(jù)式(1)計算等效覆冰厚度;
3)根據(jù)式(2)和式(4)計算拉力傳感器的值;
4)根據(jù)式(6)計算液態(tài)水含量;
5)取前10個值作為GM(1,1)模型的輸入值,根據(jù)式(14)計算a、b;
6)根據(jù)式(16)計算前10個時刻的模型值,并計算殘差;
7)計算第11至第14個時刻的預算值,并計算偏差;
8)根據(jù)式(2)和式(4)計算第1至第14個時刻的重量,計算模型值的殘差和預測值的偏差。
根據(jù)上面的仿真過程,計算20次數(shù)據(jù),并列出重量殘值平方和最小值與最大值結果,殘值平方和最小值如表2所示,殘值平方和最大值如表3所示。
從上述仿真結果可以看出,超短期預測結果與實際值相吻合,驗證了所提方法的有效性。
對即將工程應用的實時在線融冰技術,探究了超短期精準預測方法,以對實時在線融冰過程進行最優(yōu)控制,取得了如下結果:
1)設計了模擬導線監(jiān)控系統(tǒng),為精準預測提供實時數(shù)據(jù);
2)針對難以測量的液態(tài)水含量,根據(jù)模擬導線監(jiān)控系統(tǒng)測量參數(shù),推導液水含量計算公式;
表2 殘值平方和最小值
表3 殘值平方和最大值
3)提出了風速、降雨量、液態(tài)水含量超短期預測方法,并以風速、降雨量、液態(tài)水含量預測值為基礎提出了超短期覆冰趨勢預測方法;
4)提出了仿真數(shù)據(jù)模型,并根據(jù)仿真數(shù)據(jù)模型對所提出的超短期覆冰趨勢預測方法進行了驗證。
上面的研究僅僅基于仿真方法,尚缺乏實測數(shù)據(jù),希望今后能開展實驗室數(shù)據(jù)測試和現(xiàn)場數(shù)據(jù)測試,以檢驗預測的有效性。此外,由于實際導線中流經(jīng)電流,更精確的分析需在模擬導線模型中考慮實際導線電流產(chǎn)生的熱量。