基于环境大数据分析的电网污染度评估方法、系统及设备与流程

1.本技术涉及电网防污闪技术领域，尤其涉及一种基于环境大数据分析的电网污染度评估方法、系统及设备。


背景技术：

2.随着电网规模扩大，部分位于重污染区的杆塔积污情况严重，发生线路污闪风险剧增。并且由于地理原因，南方地区降雨天数较多，环境相对湿度大，加之局部地区工业排放问题严重，使得输电线路绝缘子表面污秽沉积更加严重，可能引发电气绝缘问题和污闪放电事故，严重威胁电网安全稳定运行。
3.目前，我国主要通过对杆塔绝缘子污秽度测量来划分污区图，然而，此类方法含有局限性，一是大气情况变化复杂，防污闪治理策略制定时无法考虑实际大气污染情况与线路受污之间的关系，线路防污闪策略的制定具有一定盲目性；二是现有的污区图都是基于历史的绝缘子污秽测量数据以及运行经验制定的，不能反应当前的积污情况，具有较大的滞后性。
4.因此，本技术提供一种基于环境大数据分析的电网污染度评估方法、系统及设备。


技术实现要素：

5.本技术实施例的目的在于提供一种基于环境大数据分析的电网污染度评估方法、系统及设备，以解决目前污区划分不合理，积污情况反应滞后的问题。具体技术方案如下：第一方面，提供了一种基于环境大数据分析的电网污染度评估方法，所述方法包括：以污染点源在地面的投影作为坐标原点，以主风向作为x轴正向建立风轴坐标系；基于所述风轴坐标系对待监测电网区域进行网格划分，并得到各网格节点坐标；将所述各网格节点坐标输入到预构建的环境数据预测模型中得到各网格节点的模拟环境数据；基于所述模拟环境数据计算得到第一aqi((air quality index，空气质量值)值；将所述网格节点坐标输入到废气点源污染扩散模型中得到第二aqi值；根据所述第一aqi值和所述第二aqi值进行修正得到各网格节点的aqi修正值；利用插值法对各网格节点的aqi修正值进行插值计算得到待监测电网区域内任意地点的aqi修正值；将所述任意地点的aqi修正值输入到预构建的等值盐密动态累积模型中得到任意地点的积污速率。
6.可选地，所述环境数据预测模型的构建过程包括如下步骤：获取待监测电网区域的监测点的空气质量数据、气象数据、监测点经纬度坐标数据；将所述空气质量数据和气象数据融合得到环境特征值数据集；通过所述环境特征值数据集和所述监测点经纬度坐标数据训练环境数据预测模
型，以由所述环境数据预测模型输出任意地点的环境数据。
7.可选地，所述将所述空气质量数据和气象数据融合得到环境特征值数据集包括：分别提取所述空气质量数据中的空气质量数据特征和气象数据中的气象数据条件特征；所述空气质量数据特征包括pm2.5、pm10、so2、co、no2和o3实体污染物浓度，所述气象数据条件特征包括风向、风速、降雨量、温湿度；将所述气象数据条件特征添加到空气质量数据特征中得到空气质量-气象条件特征数据集；对所述空气质量-气象条件特征数据集进行数据清洗预处理得到环境特征值数据集。
8.可选地，所述通过所述环境特征值数据集和所述监测点经纬度坐标数据训练环境数据预测模型包括：将所述监测点的经纬度坐标和任意目标地点的经纬度坐标进行转换，得到监测点平面直角坐标和任意目标地点平面直角坐标；基于监测点的平面直角坐标和各监测点的环境特征值数据集，利用反距离加权插值法进行插值运算，得到任意目标地点平面直角坐标处的环境模拟数据。
9.可选地，所述将所述网格节点坐标输入到废气点源污染扩散模型中得到第二aqi值包括：将网格节点坐标输入到以下公式中得到任意一种污染物的浓度；将各污染物的浓度相加得到第二aqi值；其中，c-空间任一点的污染物浓度，mg/m3；μ-平均风速，m/s；δy-横向扩散参数，m；δz-垂直扩散参数，m；x,y,z-空间坐标；q-单位时间各大气污染物的排放量，mg/s；h-污染点源有效高度，m；x—污染源排放点至下风向上任一点的距离，m；y—烟气的中心轴在直角水平方向上到任意点的距离，m；z—从地表到任一点的高度，m。
10.可选地，所述将所述任意地点的aqi修正值输入到预构建的等值盐密动态累积模型中得到任意地点的积污速率包括：将任意地点的aqi修正值输入到下述公式中得到任意地点的积污速率：τk＝m
·
aqin其中，a为饱和等值盐密，m和n为常数。
11.可选地，所述饱和等值盐密a、常数m和n采用模拟退火算法拟合得出。
12.第二方面，本技术提供一种基于环境大数据分析的电网污染度评估系统，所述系统包括：建立坐标单元，用于以污染点源在地面的投影作为坐标原点，以主风向作为x轴正
向建立风轴坐标系；网格划分单元，用于基于所述风轴坐标系对待监测电网区域进行网格划分，并得到各网格节点坐标；预测单元，用于将所述各网格节点坐标输入到预构建的环境数据预测模型中得到各网格节点的模拟环境数据；计算单元，用于基于所述模拟环境数据计算得到第一aqi值；模型计算单元，用于将所述网格节点坐标输入到废气点源污染扩散模型中得到第二aqi值；修正单元，用于根据所述第一aqi值和所述第二aqi值进行修正得到各网格节点的aqi修正值；插值单元，用于利用插值法对各网格节点的aqi修正值进行插值计算得到待监测电网区域内任意地点的aqi修正值；积污速率计算单元，用于将所述任意地点的aqi修正值输入到预构建的等值盐密动态累积模型中得到任意地点的积污速率。
13.第三方面，本技术提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现第一方面任一所述的方法步骤。
14.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
15.第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的基于环境大数据分析的电网污染度评估方法。
16.本技术实施例有益效果：本技术实施例提供了一种基于环境大数据分析的电网污染度评估方法、系统及设备，本技术通过耦合空气质量、气象数据、污染点和污染扩散原理，动态修正了电网区域的aqi值，对电力设备防污闪工作提供了更加直观的依据；另外本技术通过建立污秽累积速率与aqi值间的关系，揭示绝缘子等值盐密动态累积规律。并将待监测电网区域划分成等面积网络，对每个网格中的未来的等值盐密进行预测统计，作为评估绝缘子积污度的指标，进而可指导污区划分、绝缘子清洗计划制定等防污闪工作。本技术解决了目前污区划分不合理，积污情况反应滞后的问题。
17.当然，实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
18.为了更清楚地说明本技术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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
19.图1为本技术实施例提供的一种基于环境大数据分析的电网污染度评估方法的流程图；图2为本技术实施例提供的电网110kv以上杆塔网格划分示意图；
图3为本技术实施例提供的图2中网格的空气质量值aqi的表征示意图；图4为本技术实施例提供的盐密监测点的预测结果和实测数据对比图；图5为本技术实施例提供的一种基于环境大数据分析的电网污染度评估系统的结构示意图；图6为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
20.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。
21.本技术实施例提供了一种基于环境大数据分析的电网污染度评估方法，下面将结合具体实施方式，对本技术实施例提供的一种基于环境大数据分析的电网污染度评估方法进行详细的说明，如图1所示，具体步骤如下：步骤s101：以污染点源在地面的投影作为坐标原点，以主风向作为x轴正向建立风轴坐标系。
22.在该步骤中，确定了原点和x轴，利用右手法则定义出y轴和z轴。通过建立风轴坐标系，将污染源、风向等数据对杆塔污染的影响考虑进去了，使评估结果更加精确。
23.步骤s102：基于所述风轴坐标系对待监测电网区域进行网格划分，并得到各网格节点坐标。
24.在一个示例中，可以根据待监测电网区域内污染源的分布密度来确定划分的网格大小，例如污染源附近区域可以采用较密的网格划分，较远的区域可以采用较疏的网格划分。
25.另外，在本技术实施例中，网格节点坐标包括网格四个顶点的坐标，根据已知的网格刻度就可以获得每个网格四个顶点处的坐标。
26.步骤s103：将所述各网格节点坐标输入到预构建的环境数据预测模型中得到各网格节点的模拟环境数据。
27.在该步骤中，网格节点的模拟环境数据是指网格四个顶点处的环境数据的均值。
28.可选地，所述环境数据预测模型的构建过程包括如下步骤：获取待监测电网区域的监测点的空气质量数据、气象数据、监测点经纬度坐标数据。
29.其中，空气质量数据由各空气质量监测站点历年采集的数据收集汇总而形成，为二维数据，每日空气质量值取至每小时的平均数。气象数据由各气象监测点历年采集的数据收集汇总而形成，为二维数据。
30.监测点经纬度坐标数据是指空气质量监测站点和气象监测点的坐标数据。
31.将所述空气质量数据和气象数据融合得到环境特征值数据集。
32.可选地，所述将所述空气质量数据和气象数据融合得到环境特征值数据集包括：分别提取所述空气质量数据中的空气质量数据特征和气象数据中的气象数据条件特征；所述空气质量数据特征包括pm2.5、pm10、so2、co、no2和o3实体污染物浓度，所述气象数据条
件特征包括风向、风速、降雨量、温湿度；将所述气象数据条件特征添加到空气质量数据特征中得到空气质量-气象条件特征数据集；对所述空气质量-气象条件特征数据集进行数据清洗预处理得到环境特征值数据集。
33.在一个示例中，数据清洗预处理的过程例如为对任一天缺失的观测值用最相邻的3个观测值的均值替补。
34.通过所述环境特征值数据集和所述监测点经纬度坐标数据训练环境数据预测模型，以由所述环境数据预测模型输出任意地点的环境数据。
35.可选地，所述通过所述环境特征值数据集和所述监测点经纬度坐标数据训练环境数据预测模型包括：将所述监测点的经纬度坐标和任意目标地点的经纬度坐标进行转换，得到监测点平面直角坐标和任意目标地点平面直角坐标；基于监测点的平面直角坐标和各监测点的环境特征值数据集，利用反距离加权插值法进行插值运算，得到任意目标地点平面直角坐标处的环境模拟数据。
36.在一个示例中，利用反距离加权插值法进行插值的过程可以为：将任意目标地点作为待插值点，计算各监测点到待插值点的距离d，根据距离d计算各监测点的距离加权系数，根据各监测点的环境特征值及距离加权系数，计算待插值点的环境特征值。
37.步骤s104：基于所述模拟环境数据计算得到第一aqi值。
38.模拟环境数据包括各数据的浓度，将各数据的浓度相加得到第一aqi值。
39.步骤s105：将所述网格节点坐标输入到废气点源污染扩散模型中得到第二aqi值。
40.可选地，所述将所述网格节点坐标输入到废气点源污染扩散模型中得到第二aqi值包括：将网格节点坐标输入到以下公式中得到任意一种污染物的浓度将各污染物的浓度相加得到第二aqi值；其中，c-空间任一点的污染物浓度，mg/m3；μ-平均风速，m/s；δy-横向扩散参数，m；δz-垂直扩散参数，m；x,y,z-空间坐标；q-单位时间各大气污染物的排放量，mg/s；h-污染点源有效高度，m；x—污染源排放点至下风向上任一点的距离，m；y—烟气的中心轴在直角水平方向上到任意点的距离，m；z—从地表到任一点的高度，m。
41.步骤s106：根据所述第一aqi值和所述第二aqi值进行修正得到各网格节点的aqi
修正值。
42.步骤s107：利用插值法对各网格节点的aqi修正值进行插值计算得到待监测电网区域内任意地点的aqi修正值。
43.在该步骤中，也可以采用反距离加权插值法进行插值计算，方法可以参考上述插值过程，在此不再赘述。
44.步骤s108：将所述任意地点的aqi修正值输入到预构建的等值盐密动态累积模型中得到任意地点的积污速率。
45.在本技术实施例中，通过积污速率以及当天的污染程度值就能预测第二天的污染程度，污染程度通过等值盐密来表示，用来评估杆塔上绝缘子的污染程度。
46.根据上述步骤得到绝缘子的污染程度评估参数，基于评估参数和在运行的绝缘子台账，可以制定基于绝缘子污秽度的防污闪措施。
47.可选地，所述将所述任意地点的aqi修正值输入到预构建的等值盐密动态累积模型中得到任意地点的积污速率包括：将任意地点的aqi修正值输入到下述公式中得到任意地点的积污速率：τk＝m
·
aqinꢀꢀꢀꢀꢀꢀ
公式(2)；其中，a为饱和等值盐密，m和n为常数。所述饱和等值盐密a、常数m和n采用模拟退火算法拟合得出。
48.在本技术实施例中，公式(2)由以下步骤推导得来：首先，基于现有的研究得到等值盐密累积规律的经验公式如下：esdd＝a
×
(1-k
×
exp(-t/τ))
ꢀꢀꢀꢀꢀ
公式(3)；其中，esdd是等值盐密，a是饱和等值盐密mg/cm2，与绝缘子的结构型号和运行环境有关；k是当前时刻，t为积污时间；τ为表征积污速率的常数。
49.公式(3)表明等值盐密累积规律应该是以天为单位的分段函数。为了实现模型参数的动态化，记公式(3)中esdd累积量为时间的函数s(t)，且假设零时刻时，累积盐密为0，故将经验公式(3)改为下式：s(t)＝a
×
(1-exp(-t/τ))
ꢀꢀꢀꢀꢀꢀ
公式(4)首先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，将式(4)化为积分方程可得：且s(0)＝0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将不再是与时间无关的常数，绝缘子esdd时间序列也将不再随时间呈负值变化趋势，而是和气象要素以及大气污染程度有着较为复杂的关系。因此考虑将任意时刻的esdd的增长速率表示为该时刻esdd的函数，对公式(4)进行前向差分可得k 1时刻esdd可以表示为将式公式(4)代入公式(6)得：
由公式(7)可知，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。即若已知当天的参数a和τ值，则可根据公式(7)对下一天的esdd进行预测。
50.考虑到模型的适用性和鲁棒性，采用空气质量值aqi作为大气污染程度的指标量，因为aqi的监测值不仅易于获取，而且aqi能代表首要污染物的特性，也增强了模型的鲁棒性。即公式(7)改写为综合考虑各地区污染物化学成分的不同会导致aqi对积污速率的贡献因子有所差异的影响，提出了如下的值函数关系：τk＝m
·
aqinꢀꢀꢀꢀꢀꢀ
公式(2)其中：aqi为当地第k天的空气质量值。该函数满足单调性和过零点两个基本条件。
51.可以通过下述实验过程对本技术实施例的方法进行验证。
52.步骤一：对电网110kv及以上线路杆塔所在的空间进行网格划分；找到班组所辖全部杆塔经纬度的最大值和最小值，组成以极值数据为边界的空间(a)，以10公里*10公里为最小网格单元，将空间划分成若干单元格。如图2所示，得到195个网格(15*13，水平方向15个、垂直方向13个)，其中有杆塔的网格为111个。图2中网格内的数字为杆塔的编号。
53.步骤二：通过上述方法计算各网格节点的空气质量值aqi。根据环境数据预测模型和废气点源污染扩散模型修正计算得到的空气质量值aqi。如图3所示。通过不同颜色深度表示空气质量值大小。
54.步骤三：采用等值盐密动态累积模型分别对盐密监测点的等值盐密数据进行估计和预测。
55.步骤五：将预测结果与实测数据进行比较，如图4所示。可以看出预测结果与实测数据较为接近，因此本方法的模型具有较好的鲁棒性和准确性。
56.第二方面，本技术提供一种基于环境大数据分析的电网污染度评估系统，如图5所示，所述系统包括：建立坐标单元501，用于以污染点源在地面的投影作为坐标原点，以主风向作为x轴正向建立风轴坐标系；网格划分单元502，用于基于所述风轴坐标系对待监测电网区域进行网格划分，并得到各网格节点坐标；预测单元503，用于将所述各网格节点坐标输入到预构建的环境数据预测模型中得到各网格节点的模拟环境数据；计算单元504，用于基于所述模拟环境数据计算得到第一aqi值；模型计算单元505，用于将所述网格节点坐标输入到废气点源污染扩散模型中得到第二aqi值；修正单元506，用于根据所述第一aqi值和所述第二aqi值进行修正得到各网格节
点的aqi修正值；插值单元507，用于利用插值法对各网格节点的aqi修正值进行插值计算得到待监测电网区域内任意地点的aqi修正值；积污速率计算单元508，用于将所述任意地点的aqi修正值输入到预构建的等值盐密动态累积模型中得到任意地点的积污速率。
57.基于相同的技术构思，本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，存储器603，用于存放计算机程序；处理器601，用于执行存储器603上所存放的程序时，实现基于环境大数据分析的电网污染度评估方法的步骤。
58.上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
59.通信接口用于上述电子设备与其他设备之间的通信。
60.存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
61.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
62.在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一基于环境大数据分析的电网污染度评估方法的步骤。
63.在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一基于环境大数据分析的电网污染度评估方法。
64.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以
是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
65.需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
66.以上所述仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。