一种配电线路杆塔雷害特征参数分级评估方法技术

本发明专利技术公开了一种配电线路杆塔雷害特征参数分级评估方法，首先收集典型杆塔经纬度数据、雷电流经纬度数据、雷电流幅值数据及线路典型场景因素数据；计算落雷密度，统计分析典型线路场景因素条件下的雷电流幅值分布规律；根据雷电流幅值分布规律及耐雷水平提出雷电流幅值影响系数；最后利用雷电流幅值影响系数与落雷密度相乘得到雷害强度指标，以雷害强度指标为依据，利用改进麻雀搜索算法

【技术实现步骤摘要】
一种配电线路杆塔雷害特征参数分级评估方法


[0001]本专利技术涉及配电网线路防雷
，具体涉及一种配电线路杆塔雷害特征参数分级评估方法。

技术介绍

[0002]近年来，输电主网防雷技术日趋完善，而随着配电网规模的扩大，配电网线路和设备遭受雷击的频率增高，影响变大，对配电线路防雷的要求也在不断提升。而且不同场景下，雷击配电线路的情况是不同的。地形的分布会对雷电地闪和雷电流幅值概率分布产生影响，处于山区的配电线路受地形的影响非常明显。山区的雷云对地闪击的频率比平原地区的地闪多。山顶与跨度较大的山脚平地也更易发生雷击故障。同一线路上地势复杂地区会存在多段高雷暴区域。而在平原地区，这是由于水域附近更容易发生雷击故障，位于河流和湖泊等水域地区的土壤相对潮湿，电阻率低，电荷量充足并且容易聚集，导致该区域附近线路雷击跳闸率增大。如不考虑现场实际情况，全线均采用相同的较低防雷标准设计，会导致线路防雷能力弱，容易造成雷击跳闸。
[0003]雷电定位系统在主网中得到了广泛应用，积累了大量雷电活动数据，同时也结合输电线路的跳闸数据进行了分析，对不同地形地貌情况下的雷害风险开展了大量研究，形成了雷害风险的评估标准。但对于配电线路目前还缺乏相关标准，这是由于现有雷电监测系统定位精度有限，输电主网铁塔间距离较远，利于划分区域，不同杆塔所处的环境差异更大，而且其电压等级高，感应雷不会造成跳闸事故，且直击雷引发雷击故障所需的雷电流幅值很大，故障概率低。而对于配电线路，感应雷和直击雷都会造成跳闸事故，杆塔间距小，某一雷电活动可能对一片多级杆塔都造成影响，在定位精度有限的情况下，很难确定杆塔跳闸与雷电活动的关联性，而且由于电压等级低，感应雷就能引起跳闸，且大部分没有避雷线，引起故障所需的雷电流幅值较小，对于配电线路某一杆塔的雷击故障风险缺乏标准依据，而且因为配电线路杆塔数量多，杆塔所在的场景多样，场景因素数据庞大，利用普通的分类模型进行风险分级，分级效率不高，准确性不够。
[0004]针对上述问题，考虑不从杆塔故障与雷电定位系统中的雷电活动的相关性入手，而是考虑杆塔型号和所处的环境本身特征，通过大量统计数据分析不同典型线路场景因素条件下的落雷密度及雷电流幅值分布规律，然后直接根据配电杆塔所处的场景因素，选取特征参数利用改进麻雀搜索算法
‑
径向基神经网络进行雷害特征分级评估。本专利技术考虑配电情况结合配电杆塔因雷击跳闸的幅值和影响区域进行综合分析，计算不同典型线路场景因素情况下雷电流幅值变化，提出不同线路场景因素条件下雷电流幅值的特征系数，以雷电流幅值影响系数与落雷密度乘积得到的雷害风险强度指标为依据，利用改进麻雀搜索算法
‑
径向基神经网络分类器对线路杆塔进行风险分级，改进后的分类模型提高了分级的效率和准确性，为配电网杆塔的防雷措施配置提供了依据

技术实现思路

[0005]针对上述技术问题，本专利技术提供一种配电线路杆塔雷害特征参数分级评估方法，根据不同典型配电线路场景下的雷电活动统计数据，分析计算不同典型场景因素下的落雷密度，对典型配电线路进行雷击跳闸计算得到线路耐雷水平，计算不同典型线路场景因素情况下雷电流幅值变化，提出雷电流幅值影响系数，利用雷电流幅值影响系数与落雷密度乘积得到雷害风险强度指标，以该特征指标为依据，利用改进麻雀搜索算法
‑
径向基神经网络分类器对杆塔雷电风险进行分类，为线路配电杆塔差异化防雷配置提供了技术支撑。
[0006]本专利技术采取的技术方案如下：一种配电线路杆塔雷害特征参数分级评估方法，包括以下步骤：
[0007]步骤1：收集并提取典型地区杆塔经纬度数据、典型配电线路场景因素数据、雷电流经纬度数据及雷电流幅值数据，根据数据计算落雷密度；
[0008]步骤2：统计分析不同场景因素条件下的雷电流幅值分布规律，计算杆塔直击雷过电压与感应雷过电压大小，得到线路耐雷水平，线路耐雷水平包括直击雷耐雷水平和感应雷耐雷水平；
[0009]步骤3：根据步骤2得到的不同场景因素条件下的雷电流幅值分布规律及线路耐雷水平，确定雷电流幅值影响系数，将确定的雷电流幅值影响系数与落雷密度相乘得到雷害风险强度指标；
[0010]步骤4：依据雷害风险强度指标进行雷害风险分级，并与对应典型配电线路场景因素数据组成数据集；
[0011]步骤5：改进麻雀搜索算法，并利用其对径向基神经网络进行优化，构建改进麻雀搜索算法
‑
径向基神经网络分类器；
[0012]步骤6：利用改进麻雀搜索算法
‑
径向基神经网络对步骤4得到的数据集进行训练和测试，得到风险分级评估模型；利用测试完成的风险分级评估模型对杆塔进行雷害风险分级。
[0013]进一步优选，所述步骤1包括以下步骤：
[0014]步骤1.1、将研究区划分为网格，计算网格内典型配电线路场景因素数据：
[0015]步骤1.2、计算落雷密度：利用统计的雷电流经纬度数据，转化成Excel数据格式文件，扩展名为.xls，利用Arcgis定义X轴和Y轴数据，选择地图投影，导入所选择的雷电流经纬度数据，划分为与步骤1.1一致的网格，然后统计网格面积及网格内落雷数目，利用字段计算器，经过密度函数计算得到落雷密度。
[0016]进一步优选，步骤1.1过程为：
[0017]1)坡度矢量：使用坡度工具，对DEM高程数据提取坡度图层，再次使用坡度工具，对坡度图层二次提取坡度，得到坡度变率数据；
[0018]2)坡向矢量：求取DEM高程数据的最大高程值，利用栅格计算器工具，得到与原来地形相反的DEM数据层，使用坡向工具，对与原来地形相反的DEM数据层提取坡向得到坡向数据Ⅰ，然后对坡向数据Ⅰ使用坡度工具提取坡度，得到反地形的坡向变化率数据Ⅱ，再次使用坡向工具，对原始DEM数据提取坡向得到坡向数据Ⅱ，然后对坡向数据Ⅱ使用坡度工具提取坡度，得到原始DEM数据的坡向变化率数据Ⅰ，再次使用栅格计算器，将原始DEM数据的坡向变化率数据Ⅰ与反地形的坡向变化率数据Ⅱ相加后减去原始DEM数据的坡向变化率Ⅰ与反
地形的坡向变化率数据Ⅱ差的绝对值的一半，得到无误差的DEM坡向变率；
[0019]3)地形起伏度矢量：使用焦点统计工具，统计类型分别选择求取DEM高程数据的最大高程值和求取DEM高程数据的最小高程值，其他参数不变，分别得到数据层A和数据层B，数据层A减去数据层B得到图层内相同邻域范围内的极差；
[0020]4)地表覆盖类型：加载好原始数据后对影像进行拼接，利用工具箱中工具按照数据管理工具、栅格、栅格数据集的顺序镶嵌至新栅格，然后利用空间分析工具进行提取分析最后按掩模提取，得到杆塔地表覆盖分类数据。
[0021]进一步优选，所述步骤2包括以下步骤：
[0022]步骤2.1、利用雷电流经纬度数据，转化成Excel数据格式文件，扩展名为.xls，利用Arcgis定义X轴和Y轴数据，选择地图投影，导入所选择的雷电流经纬度数据，同样确定各栅格图层大小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电线路杆塔雷害特征参数分级评估方法，其特征在于，包括以下步骤：步骤1：收集并提取典型地区杆塔经纬度数据、典型配电线路场景因素数据、雷电流经纬度数据及雷电流幅值数据，根据数据计算落雷密度；步骤2：统计分析不同场景因素条件下的雷电流幅值分布规律，计算杆塔直击雷过电压与感应雷过电压大小，得到线路耐雷水平，线路耐雷水平包括直击雷耐雷水平和感应雷耐雷水平；步骤3：根据步骤2得到的不同场景因素条件下的雷电流幅值分布规律及线路耐雷水平，确定雷电流幅值影响系数，将确定的雷电流幅值影响系数与落雷密度相乘得到雷害风险强度指标；步骤4：依据雷害风险强度指标进行雷害风险分级，并与对应典型配电线路场景因素数据组成数据集；步骤5：改进麻雀搜索算法，并利用其对径向基神经网络进行优化，构建改进麻雀搜索算法
‑
径向基神经网络分类器；步骤6：利用改进麻雀搜索算法
‑
径向基神经网络对步骤4得到的数据集进行训练和测试，得到风险分级评估模型；利用测试完成的风险分级评估模型对杆塔进行雷害风险分级。2.根据权利要求1所述的配电线路杆塔雷害特征参数分级评估方法，其特征在于，所述步骤1包括以下步骤：步骤.1.1、利用Arcgis将研究区划分为网格，计算网格内典型配电线路场景因素矢量数据，典型配电线路场景因素矢量数据包括坡度矢量、坡向矢量、地形起伏度矢量、地表覆盖类型；坡度矢量：使用坡度工具，对DEM高程数据提取坡度图层，再次使用坡度工具，对坡度图层二次提取坡度，得到坡度变率数据；坡向矢量：求取DEM高程数据的最大高程值，利用栅格计算器工具，得到与原来地形相反的DEM数据层，使用坡向工具，对与原来地形相反的DEM数据层提取坡向得到坡向数据Ⅰ，然后对坡向数据Ⅰ使用坡度工具提取坡度，得到反地形的坡向变化率数据Ⅱ，再次使用坡向工具，对原始DEM数据提取坡向得到坡向数据Ⅱ，然后对坡向数据Ⅱ使用坡度工具提取坡度，得到原始DEM数据的坡向变化率数据Ⅰ，再次使用栅格计算器，将原始DEM数据的坡向变化率数据Ⅰ与反地形的坡向变化率数据Ⅱ相加后减去原始DEM数据的坡向变化率Ⅰ与反地形的坡向变化率数据Ⅱ差的绝对值的一半，得到无误差的DEM坡向变率；地形起伏度矢量：使用焦点统计工具，统计类型分别选择求取DEM高程数据的最大高程值和求取DEM高程数据的最小高程值，其他参数不变，分别得到数据层A和数据层B，数据层A减去数据层B得到图层内相同邻域范围内的极差；地表覆盖类型：加载好原始数据后对影像进行拼接，利用工具箱中工具按照数据管理工具、栅格、栅格数据集的顺序镶嵌至新栅格，然后利用空间分析工具进行提取分析最后按掩模提取，得到杆塔地表覆盖分类数据；步骤1.2、计算落雷密度：利用步骤1统计的雷电流经纬度数据，转化成Excel数据格式文件，扩展名为.xls，利用Arcgis定义X轴和Y轴数据，选择地图投影，导入所选择的雷电流经纬度数据，划分为与步骤2.1一致的网格，然后统计网格面积及网格内落雷数目，利用字段计算器，经过密度函数计算得到落雷密度。
3.根据权利要求1所述的配电线路杆塔雷害特征参数分级评估方法，其特征在于，所述步骤2包括以下步骤：步骤2.1、利用步骤1统计的雷电流经纬度数据，转化成Excel数据格式文件，扩展名为.xls，利用Arcgis定义X轴和Y轴数据，选择地图投影，导入所选择的雷电流经纬度数据，同样确定各栅格图层大小，将其划分为网格，然后统计网格内落雷数目，利用字段计算器经过密度函数计算处理得到落雷密度网格矢量图；采用多值提取至点工具，提取各落雷点的雷电流幅值大小；步骤.2.2、分析不同配电线路场景因素条件下的雷电流幅值规律：选取典型场景因素条件上的雷电流进行分析，提取对应的雷电流幅值大小，将雷电流幅值进行参数拟合；步骤2.3、对典型架空配电线路进行耐雷水平计算：直击雷耐雷水平包括雷击导线耐雷水平和雷击杆塔耐雷水平，利用雷击导线耐雷水平公式(3)和雷击杆塔耐雷水平公式(4)进行计算：行计算：式中，I
G
为雷击导线耐雷水平；I
D
为雷击杆塔耐雷水平；U
50％
为绝缘子50％闪络电压；R
ch
为杆塔接地电阻；L
gt
为杆塔等值电感；h
d
为线路平均高度；感应雷耐受电流大小与地闪点与被保护线路之间的垂直距离，利用公式(5)计算得到感应雷耐雷水平：式中，I
g
为配电线路感应雷耐雷水平；S为雷击点至导线最近点距离。4.根据权利要求1所述的配电线路杆塔雷害特征参数分级评估方法，其特征在于，步骤3包括如下过程：步骤3.1：计算典型配电线路跳闸情况得到直击雷耐雷水平，线路直接跳闸，将统计结果为直击雷的杆塔的风险等级在此模型评定的基础上上调一级；将步骤2计算得到的感应雷耐雷水平与步骤3中雷电流幅值拟合出来的雷电流幅值中值数和雷电流幅值变化的速率进行分析比较，以此确定雷电流幅值系数；步骤3.2：将步骤3.1所得到的雷电流幅值影响系数与落雷密度相乘得到雷害风险强度指标，以雷害风险强度指标大小为依据将典型线路场景进行风险...

【专利技术属性】
技术研发人员：万子扬，付理祥，杜振川，朱毅，夏阳，蔡礼，胡超，张祥罗，敖蕾蕾，蔡芸，周召平，汪娟华，肖李明，周海萍，杜超超，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：