本发明专利技术提供一种引入空气质量指数的绝缘子等值盐密度预测模型，其特征在于，包括以下步骤：利用积分方程对经典预测模型进行参数动态化处理；引入空气质量指数(空气质量指数：Air Quality Index)作为驱动因子对积污速率τ进行动态估算，突出积污速率与空气污染程度的动态关系；采用模拟退火算法对模型参数进行全局最优估计，建立高精度的等值盐密度预测模型，实现对等值盐密进行更精准、更稳定的预测。考虑到空气质量指数数据的易获取性和大广覆盖性，所提模型有望大幅降低区域污秽评估的成本。
【技术实现步骤摘要】
本专利技术涉及电力绝缘子污秽预测领域，尤其涉及一种引入空气质量指数的绝缘子 等值盐密度预测模型。
技术介绍
绝缘子在高压电的电磁场作用下强烈放电即污闪现象，对高压输电线路复合绝缘 子的安全稳定运行造成了影响。随着我国工业的发展，大气污染物逐年增多，加剧了绝缘子 表面污秽物的堆积，使得污闪的风险日益增大。空气污染对复合绝缘子的影响体现在其表 面积污量的增加和湿沉降会增加绝缘子的泄漏电流、降低闪络电压两个方面。随着污染的 加重，污闪事故仅次于雷害事故占电网事故总数的第二位，但其所造成的损失却是雷害事 故的十倍，从而造成了极大的经济损失，也对社会造成了不良的影响。因此，预测甚至预防 污闪事故对于电力系统的稳定运行是极具价值的。而研究绝缘子污秽累积规律、建立动态 预测模型对预防污闪事故具有重要意义。 针对绝缘子污秽的累积情况，国内外学者探索不同的绝缘子类型、气象条件、大气 污染等因素与等值盐密度（ESDD:equivalent salt deposit density)之间的定性关系。经 典的等值盐密度累计规律公式如下： ESDD = AX (1-KXexp (-t/τ )) (1) 其中，A为饱和等值盐密度（mg/cm2)，与绝缘子的结构型号和运行环境有关；K为 常数；t为积污时间；τ为表征积污速率的常数。该模型能准确地预测外界环境不发生变化 的情况下，绝缘子污秽的累积量。但忽略了空气污染程度对等值盐密累积的动态影响，而现 有研究表明污秽累积速度与空气污染存在正相关关系，同时空气污染情况能在较短时间内 出现较大变化，因此经典模型中的积污速率τ应该动态的进行变化。
技术实现思路
本专利技术针对现有技术的不足，提供一种引入空气质量指数的绝缘子等值盐密度预 测模型，基于数据同化理论通过引入以AQI (空气质量指数）来动态定量地表征积污速率模 型。 本专利技术的技术方案：一种引入空气质量指数的绝缘子等值盐密度预测模型，其特 征在于，包括以下步骤： 步骤一，利用积分方程对经典预测模型进行参数动态化处理； 步骤二，引入空气质量指数作为驱动因子对积污速率τ进行动态估算，突出积污 速率与空气污染程度的动态关系； 步骤三，采用模拟退火算法对模型参数进行全局最优估计，建立高精度的等值盐 密度预测模型； 所述步骤一的经典预测模型为： ESDD = AX (1-KXexp (-t/τ )) (1) 其中，ESDD为等值盐密度，A为饱和等值盐密度，A与绝缘子的结构型号和运行环 境有关；K为常数；t为积污时间；τ为表征积污速率的常数；公式（1)忽略了空气污染程度 对等值盐密累积的动态影响， 需要对经典模型进行切线型离散化处理，将ESDD累积量为时间的函数S(t)，且假 设零时刻时，累计盐密为〇,将经验公式（1)改为式（2)，如下： Sk= A (1-exp (-k/ τ )) (2) 忽略污染程度变化对积污速率的影响，并假定积污速率为积污时间的函数，将公 式（2)化为积分方程可得：〇：) 且 S(O)=O (4) 当降水等气象要素和大气污染程度发生变化时，积污速率τ是和气象要素、大气 污染程度有着较为复杂的关系，将任意时刻的ESDD的增长速率表示为该时刻ESDD的函数， 对式（3)进行前向差分可得k+Ι时刻ESDD，表示为： P (6) 通过对连续模型的积分离散化，使得相邻时间段ESDD的增量为参数A和τ的函 数，根据式（6)对下一天的ESDD进行预测。 采用空气质量指数作为大气污染程度的指标量， τ为随时间变化的大气环境污染指数有关的函数，则公式（6)可写作： (T) 式中，AQI为当地第k天的空气质量指数，m、η为模型参数，且为常数。 根据已测得的数据和每日当地空气质量指数的监测数据选择模拟退火算法拟合 出饱和等值盐密A (mg/cm2)，常数m和η三个参数的全局最优估计值。 本专利技术具有以下优点和积极效果： (1)消除了经典等值盐密度累计规律公式认为积污速率是与时间无关常数的错 误，避免了新误差的带入； (2)模型离散化后，就可以根据天气因素对模型参数进行动态地调整； (3)发展了积污速率随时间变化的大气环境污染指数有关的函数； (4)采用AQI (空气质量指数）作为大气污染程度的指标量； (5)空气质量指数的监测值不仅易于获取，而且空气质量指数能代表首要污染物 的特性也增强了模型的鲁棒性。【附图说明】 图1为本专利技术一种引入空气质量指数的绝缘子等值盐密度预测模型的流程图； 图2为2012年6月阳滩线001号、053号、069号、热乳线018号、热和线003号在 线监测数据拟合和本专利技术模型预测结果； 图3为2013年1月阳滩线001号、053号、069号、热乳线018号、热和线003号在 线监测数据拟合和本专利技术模型预测结果； 图4为分别利用本专利技术模型与经典模型，对等值盐密的预测值与实测值的平均绝 对误差对比； 图5为分别利用本专利技术模型与经典模型，对等值盐密的预测值与实测值的均方根 误差对比。【具体实施方式】 下面结合附图对本专利技术进一步说明： 1、绝缘子等值盐密度的经典预测模型为： ESDD = AX (1-KXexp (-t/τ )) (1) 其中，ESDD 为等值盐密度（equivalent salt deposit density)，Α 为饱和等值盐 密度（mg/cm2)，与绝缘子的结构型号和运行环境有关；K为常数；t为积污时间；τ为表征积 污速率的常数；但公式（1)忽略了空气污染程度对等值盐密累积的动态影响。现有研究表 明污秽累积速度与空气污染存在正相关，而空气污染情况能在较短时间内出现较大变化， 因此经典模型中的积污速率τ应该动态的进行变化。 2、模型参数的动态化 虽然经典模型能在一定程度上反映绝缘子等值盐密随时间的累积规律，但其仅仅 在已有的数据上进行反演，并没有引入实时更新的数据对模型进行调整。随着时间变化而 变化的大气污染、降水等因素会使得积污速率不再是常量，进而推导出的累积规律也不再 是一条积污时间的负指数函数。数据同化作为一种连接数据与模型模拟预测的关键思想， 表明累积规律应该是以天为单位的分段函数。 因此，需要对经典模型进行切线型离散化处理，将ESDD累积量为时间的函数 S (t)，且假设零时刻时，累计盐密为0。将经验公式（1)改为式（2)，如下： Sk= A (1-exp (-k/ τ )) (2) 忽略污染程度变化对积污速率的影响，并假定积污速率为积污时间的函数，将公 式（2)化为积分方程可得：_ 且...
【技术保护点】
一种引入空气质量指数的绝缘子等值盐密度预测模型，其特征在于，包括以下步骤：步骤一，利用积分方程对经典预测模型进行参数动态化处理；步骤二，引入空气质量指数作为驱动因子对积污速率τ进行动态估算，突出积污速率与空气污染程度的动态关系；步骤三，采用模拟退火算法对模型参数进行全局最优估计，建立高精度的等值盐密度预测模型；所述步骤一的经典预测模型为：ESDD＝A×(1‑K×exp(‑t/τ)) (1)其中，ESDD为等值盐密度，A为饱和等值盐密度，A与绝缘子的结构型号和运行环境有关；K为常数；t为积污时间；τ为表征积污速率的常数；公式(1)忽略了空气污染程度对等值盐密累积的动态影响，需要对经典模型进行切线型离散化处理，将ESDD累积量为时间的函数S(t)，且假设零时刻时，累计盐密为0，将经验公式(1)改为式(2)，如下：Sk＝A(1‑exp(‑k/τ)) (2)忽略污染程度变化对积污速率的影响，并假定积污速率为积污时间的函数，将公式(2)化为积分方程可得：S(t)=∫0tAτexp(-xτ)dx---(3)]]>且S(0)＝0 (4)当降水等气象要素和大气污染程度发生变化时，积污速率τ是和气象要素、大气污染程度有着较为复杂的关系，将任意时刻的ESDD的增长速率表示为该时刻ESDD的函数，对式(3)进行前向差分可得k+1时刻ESDD，表示为：Sk+1-Sk=Aτ·exp(-kτ)---(5)]]>则Sk+1=Sk+1τ(A-Sk)---(6)]]>通过对连续模型的积分离散化，使得相邻时间段ESDD的增量为参数A和τ的函数，根据式(6)对下一天的ESDD进行预测。...
【技术特征摘要】
【专利技术属性】
技术研发人员：熊宇，阮羚，黄俊杰，陈孝明，马昕，李晨，张天浩，
申请(专利权)人：国家电网公司，国网湖北省电力公司电力科学研究院，武汉大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。