双分裂线路悬垂绝缘子串风偏角预测模型的构建方法与流程

：
1.本发明涉及输电线路杆塔设计技术领域，特别涉及双分裂线路悬垂绝缘子串风偏角预测模型的构建方法。


背景技术：

2.输电线路在风荷载作用下导地线会偏摆，从而导致悬垂绝缘子串的摆动，绝缘子串的偏摆角度称为风偏角；如果风偏角太大，会导致导线与杆塔的电气绝缘间隙过小而发生闪络甚至跳闸事故，严重威胁线路的安全运行。
3.传统上对导线与杆塔塔头绝缘间隙设计的方法是：将悬垂绝缘子串简化为刚性直杆，根据风荷载作用下导线和悬垂绝缘子串所受风载和自重载荷，利用绝缘子串的静力平衡条件计算风偏角，从而根据几何关系计算导线与杆塔之间的间隙；进而能够根据电压等级和悬垂绝缘子串的风偏角以及电气绝缘间隙的要求，进一步确定杆塔设计时横担和挂点位置的设计；但是，这种传统的设计方法存在以下缺点：一方面，没有考虑脉动风的动态效应，计算得到的风偏角偏小，导致风偏闪络事故频繁发生；另一方面，传统方法计算风偏角的过程繁琐，使用不便。
4.目前计算风偏角的方法通常还使用有限元数值模拟法，该方法在模拟计算过程中，考虑了随机风的脉动性影响，计算结果更贴切实际，但是，采用有限元数值模拟法，每次均需要进行有限元建模及求解计算，而有限元模型建模复杂耗时，且计算风偏角过程中，随机风时程模拟的时间及有限元隐式动力学求解计算时间长，效率低。


技术实现要素：

5.本发明的目的在于提供一种双分裂线路悬垂绝缘子串风偏角预测模型的构建方法，解决传统设计方法计算风偏角过程繁琐及因没有考虑脉动风的动态效应而存在误差，导致风偏闪络事故频繁发生的问题。
6.本发明由如下技术方案实施：双分裂线路悬垂绝缘子串风偏角预测模型的构建方法，其包括如下步骤：
7.s1：建立模拟对象
8.s11设定参数：在有限元软件中，设定若干组输电线路的结构参数和基本设计风速，其中，结构参数包括档距、高差、导线型号、初始张力；
9.s12建立输电线路几何模型：在有限元软件中，利用步骤s11设定的参数，建立连续档档数大于等于4档的输电线路几何模型，包括导线、悬垂绝缘子串、耐张绝缘子串；
10.s2：构建数据集
11.s21计算随机风载荷：利用谐波合成法采用kaimal风速谱和 davenport相干函数生成对应基本设计风速的随机风速时程，根据随机风速时程按照导线风荷载计算公式得到随机风载荷；
12.s22施加随机风载荷：沿步骤s12建立的几何模型的导线方向每隔10米模拟一个风
速点，每个风速点对应一段导线段，在各风速点上施加随机风载荷；
13.s23：利用有限元软件数值模拟输电线路在随机风载荷下的风偏时程响应，从风偏时程响应中提取线路悬垂绝缘子串风偏角的均值和均方根值，根据均值和均方根值计算风偏角的统计值；构建数据集，并采用随机抽样方法将数据集划分为训练数据集和测试数据集；
14.s3：构建风偏角预测模型
15.基于随机森林算法，利用步骤s23划分的训练数据集，训练获得预测模型。
16.进一步地，对风偏角预测模型进行测试，即利用步骤s23的测试数据集对步骤s3训练完成的风偏角预测模型的泛化能力进行测试。
17.进一步地，步骤s23中，风偏角的统计值按下式计算：其中，是风偏角，是随机风载荷作用下风偏角的均值，δ为均方根值，μ为保证系数，我国规范规定的保证系数μ取值为2.2。
18.进一步地，在步骤s3中，构建的随机森林包含200棵决策树，决策树最大分裂特征数为8，即输入向量特征维数，而最小分裂样本数设置为2；采用bootstrap有放回的抽样方法得到200个训练子集，将每个训练子集分别用于决策树的生长；在预测时，每棵决策树给出一个预测结果，而最后随机森林输出的预测值取所有决策树结果的均值。
19.进一步地，对风偏角预测模型泛化能力的测试方法为，横坐标为利用数值模拟结果确定的测试数据集样本点的风偏角统计值，即模拟风偏角；纵坐标为预测模型在测试数据集对应样本点上的预测值，即预测风偏角；采用确定系数r2评价预测模型的预测表现；其中，系数 r2的取值范围区间为[0,1]。
[0020]
本发明的优点：本发明利用abaqus有限元软件数值模拟输电线路在随机风载荷下的风偏时程响应，从风偏时程响应中提取线路悬垂绝缘子串风偏角的均值和均方根值，根据均值和均方根值计算风偏角的统计值；构建数据集，并采用随机抽样方法将数据集划分为训练数据集和测试数据集；然后采用随机森林算法，利用训练数据集的数据训练构建悬垂绝缘子串风偏角预测模型，再利用测试数据集的数据测试预测模型；通过该预测模型，以线路的档距、高差、初始张力、导线型号、基本风速、保证率等作为输入参数，就能快速得到悬垂绝缘子串风偏角，不需要再进行有限元数值模拟计算。
[0021]
相比于传统的风偏角计算方法，本发明给出的基于随机森林算法的悬垂绝缘子串风偏角预测模型，考虑了随机风载荷作用，且充分学习了不同参数组合下的复杂非线性关系，能够准确预测悬垂绝缘子串的风偏角，预测精度高，泛化能力强，使用便捷、高效，精度满足工程设计要求，有效用于杆塔绝缘间隙设计。
附图说明：
[0022]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]
图1为输电线路几何模型示意图；
[0024]
图2为基于随机森林算法构建风偏角预测模型的流程框图；
[0025]
图3为测试风偏角预测模型的结果图；
[0026]
图4为双分裂线路悬垂绝缘子串风偏角预测模型软件界面。
[0027]
图5为杆塔的结构示意图。
[0028]
附图中各部件的标记如下：悬垂绝缘子串1、耐张绝缘子串2、导线3、杆塔4、塔头5。
具体实施方式：
[0029]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0030]
本发明提供一种双分裂线路悬垂绝缘子串风偏角预测模型的构建方法，其包括如下步骤：
[0031]
s1：建立模拟对象
[0032]
s11设定参数：在abaqus有限元软件中，设定250组输电线路的结构参数和基本设计风速，其中，结构参数包括档距、高差、导线型号、初始张力；在我国标准里，基本设计风速是指10m高度10分钟的平均风速，基本设计风速是结合线路经过地域的气象记录数据来确定；
[0033]
s12建立输电线路几何模型：在有限元软件中，利用步骤s11设定的参数，建立连续档档数为4档的输电线路几何模型，根据现有研究成果，当连续档档数大于等于4档时，线路中部悬垂绝缘子串1的风偏角几乎不随档数的增加而变化，因此，本实施例中，以4档连续档线路为模拟对象；输电线路几何模型包括导线3、悬垂绝缘子串1、耐张绝缘子串2；
[0034]
s2构建数据集
[0035]
s21计算随机风载荷：利用谐波合成法采用kaimal风速谱和 davenport相干函数生成对应步骤s11设定的基本设计风速下的随机风速时程，根据随机风速时程按照导线风荷载计算公式得到随机风载荷；其中，导线风荷载计算公式为电力行业标准《架空输电线路荷载规范》中的现有公式，公式中的基本风速对应本实施例的随机风速时程；
[0036]
s22施加随机风载荷：沿步骤s12建立的几何模型的导线3方向每隔10米模拟一个风速点，每个风速点对应一段10米的导线段，并在各风速点上即对应的导线段上施加随机风载荷；
[0037]
s23：利用有限元软件数值模拟输电线路在步骤s11中设定的250 组参数分别对应的随机风载荷下的风偏时程响应，从风偏时程响应中提取线路悬垂绝缘子串风偏角的均值和均方根值；根据均值和均方根值计算风偏角的统计值；
[0038]
风偏角的统计值按下式计算：
[0039]
其中是风偏角，是随机风作用下风偏角的均值，δ为均方根值，μ为保证系数；我国规范规定的保证系数取值一般在2.2，对应保证率为98.61％。
[0040]
构建250组数据集，每组数据集样本点中包括输电线路的结构参数和基本设计风速及风偏角的统计值，采用随机抽样方法将数据集划分为训练数据集和测试数据集。
[0041]
s3：构建风偏角预测模型
[0042]
基于随机森林算法，利用步骤s23划分的训练数据集，按如图2 所示的过程，训练获得预测模型；
[0043]
随机森林算法将多棵基于基尼指数分裂规则的cart决策树组合成一个强模型，为降低过拟合风险、获得更高的预测精度，该算法采用了bootstrap抽样方法和分裂特征随机选择两种有效的随机过程，即样本随机和特征随机；与单一cart决策树算法相比，随机森林算法具有预测精度高、能处理高维非线性数据、抗噪声、抗过拟合、实现方便、训练高效等优点。
[0044]
本发明构建的随机森林包含200棵决策树，决策树最大分裂特征数为8，即输入向量特征维数，而最小分裂样本数设置为2；采用 bootstrap有放回的抽样方法得到200个训练子集，将每个训练子集分别用于决策树的生长；
[0045]
在预测时，每棵决策树给出一个预测结果，而最后随机森林输出的预测值取所有决策树结果的均值；基于随机森林算法训练构建的预测模型只需几十秒。
[0046]
对风偏角预测模型进行测试，即利用步骤s23的测试数据集对步骤s3训练完成的风偏角预测模型的泛化能力进行测试；具体测试方法如下：横坐标为利用数值模拟结果确定的测试数据集样本点的风偏角的统计值，即模拟风偏角；纵坐标为预测模型在测试数据集对应样本点上的预测值，即预测风偏角；本发明采用确定系数r2评价预测模型的预测表现，系数r2的取值范围区间为[0,1]；模型预测结果越准确，则该系数越接近1；对预测结果统计发现，该预测模型在测试数据集上的r2值为0.995，预测精度高，泛化能力突出；同一工况下的预测值和模拟值误差越小，则该点离对角线越近，如图3所示，所有离散点均在对角线附近分布。
[0047]
本发明为了方便用户使用，将建立的双分裂线路悬垂绝缘子串风偏角的预测模型进一步封装为软件，如图4所示；在风偏角预测模型的软件界面中输入线路的档距、高差、初始张力、导线型号、基本设计风速和保证率等参数，模型即可快速输出悬垂绝缘子串1的风偏角。基本风速取决于线路的微地形气象条件，保证率取决于对线路安全性的要求以及线路建设成本的考虑等。
[0048]
本实施例中，利用开发的双分裂线路悬垂绝缘子串风偏角预测模型及其软件界面，预测了6个典型工况下悬垂绝缘子串的风偏角，并将预测值和有限元数值模拟结果进行了比较，如表1所示；
[0049]
表1用于风偏角比较分析的典型工况
[0050][0051]
由表1可知，风偏角预测模型预测值与有限元数值模拟结果非常一致，误差较小；同时，相比于有限元数值模拟复杂耗时的建模和计算过程，利用该预测模型预测悬垂绝缘子串风偏角只需几秒钟的时间；因此，本发明的悬垂绝缘子串风偏角预测模型直接以线路的档距、高差、初始张力、导线型号、基本风速、保证率等参数为输入，预测快速准确，极大方便了工程人员的使用和设计，同时可进一步为风偏预警和预测提供技术支持。
[0052]
本发明通过悬垂绝缘子串风偏角预测模型能够快速计算出风偏角，再根据如图5所示的悬垂绝缘子串的长度、风偏角和悬挂点的几何关系，利用现有的公式能够计算出线路与杆塔4的塔头5的绝缘间隙r。
[0053]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。