[發(fā)明專利]一種利用卡爾曼濾波的輸電線路覆冰實時估計與預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201810955377.0
• 申請日: 2018-08-21
• 公開（公告）號: CN109146175B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設(shè)計）人: 王晶晶;王義廂
• 申請（專利權(quán)）人: 濰坊科技學(xué)院;安徽省特種設(shè)備檢測院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F17/18
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 魯力

本發(fā)明涉及一種利用卡爾曼濾波的輸電線路覆冰實時估計與預(yù)測方法，本發(fā)明利用K時刻的覆冰與微氣象歷史數(shù)據(jù)，建立基于等值覆冰厚度增量與微氣象因子的多元非線性回歸模型，結(jié)合預(yù)報的微氣象數(shù)據(jù)，預(yù)測K+1時刻的等值覆冰厚度增量。基于卡爾曼濾波，結(jié)合K時刻的等值覆冰厚度最優(yōu)估計值與K+1時刻的等值覆冰厚度增量預(yù)測值建立卡爾曼濾波預(yù)測方程，計算K+1時刻的等值覆冰厚度預(yù)測值，當(dāng)獲取K+1時刻的等值覆冰厚度觀測值后建立卡爾曼濾波觀測方程，進而獲取K+1時刻的等值覆冰厚度最優(yōu)估計值。本發(fā)明可消除覆冰觀測序列中的噪聲與粗差，通過覆冰模型預(yù)測值與覆冰觀測值的相互校正，實現(xiàn)覆冰觀測序列的實時估計與優(yōu)化預(yù)測。

技術(shù)領(lǐng)域

本發(fā)明屬于架空輸電線路在線監(jiān)測技術(shù)領(lǐng)域，尤指一種利用卡爾曼濾波的輸電線路覆冰實時估計與預(yù)測方法。

背景技術(shù)

國民經(jīng)濟增長對電力具有高度的依賴性，同時，經(jīng)濟增長也會促進用電量需求的增大。隨著電網(wǎng)大規(guī)模的建設(shè)與發(fā)展，遠(yuǎn)距離、大容量的輸電線路不可避免的要經(jīng)過高寒、高海拔、高濕度、強降水地區(qū)或盆地、分水嶺等特殊微地形造成的微氣象地區(qū)，極易引發(fā)輸電線路覆冰災(zāi)害，且全球氣候變暖導(dǎo)致的極端異常氣候頻發(fā)，更加重了輸電線路覆冰災(zāi)害，人們對輸電線路覆冰問題的關(guān)注也越來越多。為了保證電力系統(tǒng)的安全運行，預(yù)防與減小覆冰災(zāi)害對輸電線路造成的影響，研究輸電線路覆冰實時估計與預(yù)測方法，并讓管理人員實時了解線路覆冰現(xiàn)場狀況與覆冰發(fā)展趨勢顯得尤其重要。

目前，國內(nèi)外已開展了輸電線路覆冰實時估計與預(yù)測方法的相關(guān)研究，由于覆冰預(yù)測模型易受覆冰觀測值的影響，而覆冰觀測值易受觀測環(huán)境與觀測噪聲的干擾，使覆冰的實時估計與預(yù)測精度低，主要體現(xiàn)在以下幾個方面：

(1)遠(yuǎn)距離、大容量的輸電線路不可避免的要穿過山地、高原、盆地等特殊復(fù)雜地貌造成的微地形、微氣象區(qū)域與高濕、高寒、高海拔、強降雨降雪地區(qū)，因此，覆冰在線監(jiān)測裝置的觀測環(huán)境極其惡劣，進而影響其觀測精度。

(2)覆冰實時估計值是線路管理人員實時了解覆冰現(xiàn)場狀況的依據(jù)，而目前此方面的研究是直接將覆冰觀測值作為覆冰實時估計值來評價當(dāng)前時刻的覆冰狀態(tài)，受觀測噪聲等因素的影響，覆冰觀測值并不能準(zhǔn)確的表達(dá)當(dāng)前的覆冰狀態(tài)。

(3)覆冰預(yù)測方法通常是建立覆冰預(yù)測模型，然后通過觀測的覆冰與微氣象歷史數(shù)據(jù)的最小二乘回歸擬合得到模型系數(shù)，進而計算覆冰預(yù)測值，而覆冰觀測值不可避免的存在誤差，必將影響覆冰預(yù)測精度。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明提供了一種利用卡爾曼濾波的輸電線路覆冰實時估計與預(yù)測方法。

本發(fā)明所采用的技術(shù)方案是：

一種利用卡爾曼濾波的輸電線路覆冰實時估計與預(yù)測方法，其特征在于，包括以下步驟：

步驟1：利用K時刻的覆冰與微氣象歷史數(shù)據(jù)，建立基于等值覆冰厚度增量與微氣象因子的多元非線性回歸模型，基于

ΔR＝a₂T²+b₂V_n²+c₂P²+a₁T+b₁V_n+c₁P+d₁H_r+e₀

其中，ΔR為等值覆冰厚度增量，T為溫度，P為降水，V_n為有效風(fēng)速，Hr為相對濕度；a_i、b_i、c_i、d_i與e₀均為模型系數(shù)，可通過覆冰與微氣象歷史數(shù)據(jù)的最小二乘回歸求得；

步驟2:結(jié)合多元非線性回歸模型與預(yù)報的微氣象數(shù)據(jù)，預(yù)測K+1時刻的等值覆冰厚度增量，具體是將量化的預(yù)報微氣象數(shù)據(jù)代入步驟1中的多元非線性回歸模型，計算K+1時刻的等值覆冰厚度增量；