一种风速传感器、输电线路风速预测方法及预警系统与流程

1.本发明涉及电网防风预警设备技术领域，具体涉及一种风速传感器、输电线路风速预测方法及预警系统。


背景技术：

2.强风对输电线路安全运行影响重大，大量输配电线路跨越林区，火患季节时输电线路可能对周围树木放电而引发森林草原火灾，为防范输配电设施引发森林草原火灾，需要实时掌握输配电设施防火区域的风力大小，目前风速预测方法是气象局通过发送风速大小短信给电网调控人员，调控人员通过气象局短信进行风速的监测预警，但是气象局短信无法实现快速、实时更新，存在很大的延迟和滞后，不能实时掌握输配电设施防火区域的风力大小。
3.现有技术中，会通过风速传感器对风速进行检测，然后基于一些神经网络进行训练，已达到对风速进行预测的效果，但是，该现有技术中的训练，仅针对风速进行训练，而没有考虑到其他因素，导致预测准确度不高。


技术实现要素：

4.本发明提供一种风速传感器、输电线路风速预测方法预警系统，通过考虑多种气象因素进行训练，以提高风速预测的准确度。
5.本发明通过下述技术方案实现：
6.一种风速传感器，包括壳体主体和风杯，所述壳体主体内部设置有电路模块，所述风杯通过连接片与设置在所述壳体内的磁棒连接，所述连接片的上表面固定连接有竖向向下设置的第一电机，所述第一电机的输出端贯穿所述连接片固定连接有第一连接棒，所述第一连接棒的底部固定连接有水平设置的第二电机，所述第二电机的输出端贯穿所述第一连接棒固定连接有第二连接棒，所述第二连接棒远离所述第二电机的一端与所述风杯固定连接，使得所述风杯的凹面能够绕所述第二连接棒的轴线旋转，使所述风杯的凹面能够位于不同方位，所述风杯的凹面设有四个正交设置的压力传感器，所述第一电机、第二电机、压力传感器与所述电路模块电连接。
7.作为优化，所述风杯数量为三个或四个。
8.一种输电线路风速预测方法，用于对风速进行预测，包括如下步骤：
9.s1、采集输电线路的气象数据，所述气象数据包括实际风速数据和风向数据和温度数据，其中，所述实际风速数据包括时间戳和风速值，所述风向数据包括三维风向和时间戳，所述温度数据包括时间戳、该时间戳对应的时间的温度以及该温度与单位时间前的温度的温差值，所述风速值和三维风向采用上述的风速传感器进行采集；
10.s2、对实际风速数据、温度数据和风向数据进行数据处理，并构造基于时间序列模型的风速风向预测模型，对风速、风向进行预测；
11.s3、根据当前风速、风向进行下个单位时间的风速、风向预测。
12.作为优化，s2的具体步骤为：
13.s2.1、将属于同一个时间戳的气象数据作为一个数据组，对所述数据组进行数据处理；
14.s2.2、将预处理后的气象数据输入至时间序列模型中，得到风速风向预测数据，并根据所述风速风向预测数据与对应的风速风向实际数据，对所述时间序列模型进行训练，直至所述时间序列模型的损失值满足预设的损失值阈值，以得到风速风向预测模型。
15.作为优化，s2.2的具体步骤为：
16.s2.2.1、按照预设比例，将所述数据组分为训练集和测试集；
17.s2.2.2、初始化时间序列模型；
18.s2.2.3、将所述训练集中的数据组输入至所述时间序列模型，以得到所述时间序列模型的风速风向预测数据；
19.s2.2.4、计算所述风速风向预测数据与训练集中的风速风向实际数据的差值，得到所述时间序列模型的损失值；
20.s2.2.5、通过梯度下降法得到损失值满足预设的损失值阈值的时间序列模型，然后确定所述时间序列模型的参数，以得到参数确定后的时间序列模型；降低所述时间序列模型的损失值，直至所述时间序列模型的损失值满足预设的损失值阈值，
21.s2.2.6、判断所述时间序列模型的预测准确度，若该预测准确度高于设定的准确度阈值，则将所述时间序列模型视为风速风向预测模型，否则，返回s2.2.3，重新确定所述时间序列模型的参数。
22.作为优化，对所述数据组进行数据处理具体为：查找所述实际风速数据、风向数据、温度数据中的数据中任一缺失或者异常的数据，剔除缺失或异常的数据对应的时间戳所对应的实际风速数据、风向数据、温度数据的数据。
23.作为优化，s2.2.4的具体方法为：
24.s2.2.4.1、获取风速风向预测数据，所述风速风向预测数据包括预测风速值、预测风向值以及预测温度；
25.s2.2.4.2、分别风速风向预测数据分别与风速风向实际数据的差值：
26.ρ1＝v
1-v2；
[0027][0028]
ρ3＝w
1-w2；
[0029]
ρ4＝δw
1-δw2；
[0030]
其中，ρ1、ρ2、ρ3、ρ4分别表示风速、风向、温度、温差的差值；v1表示预测风速值，v2表示实际风速值，x1、y1、z1分别表示预测风向的x轴、y轴、z轴上的坐标点，且x2、y2、z2表示实际风向的x轴、y轴、z轴上的坐标点，且令x1＝x2；w1表示预测温度值，w2表示实际温度值；δw1表示预测温差值，δw2表示实际温差值，δw＝w
n-w
n-d
，δw代表温差，wn代表当前温度，w
n-d
代表单位时间d之前的温度；
[0031]
s2.2.4.3、根据所述差值计算该时间序列模型的损失值。
[0032]
作为优化，所述时间序列模型具体表示为：
[0033]
p
t i
＝sc(sq(bilstm(in
t
)))；
[0034]
其中，p
t i
为t i时刻的风速风向预测值，i为预测时域，sc为所述时间序列模型的
输出层， sq为全连接层，bilstm为lstm rnn网络，in
t
为输入数据，代表t时刻的气象数据，其中，
[0035]
in
t
＝(v，(x，y，z)，w，δw)
t
；
[0036]
其中，v代表风速，(x，y，z)代表风向，w代表温度，δw代表t时刻的温度与单位时间前的温度的温差。
[0037]
作为优化，所述时间序列模型的损失函数为：
[0038][0039]
其中，l为序列长度，(ρ
1j
ρ
2j
ρ
3j
ρ
4j
)为第j步的风速风向预测数据和风速风向实际数据的差值。
[0040]
一种输电线路风速监测预警系统，包括：
[0041]
数据采集模块，采用上述的风速传感器结合时间接收设备采集实际风速数据和风向数据，同时，还包括温度传感器结合时间接收设备采集温度数据；
[0042]
数据传输模块，用于传输实际风速数据、风向数据和温度数据给数据预测模块；
[0043]
数据预测模块，用于根据所述实际风速数据、风向数据和温度数据运用上述的预测方法对风速进行预测；
[0044]
预警推送模块，用于根据所述数据预测模块的预测结果进行预警信息地推送。
[0045]
本发明与现有技术相比，具有如下的优点和有益效果：
[0046]
1.本发明的风速传感器，相较于现有的风向传感器，能够更好地、更准确地检测出三维空间的风向，使风向数据更加真实；
[0047]
2.由于温差也是影响风速的一个重要原因，本发明不仅将风向数据、风速值作为时间序列模型的输入，还将温度、单位时间前的温差作为时间序列模型的输入，这样能够更加准确地对预测时域后的风向数据、风速值进行预测。
附图说明
[0048]
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。在附图中：
[0049]
图1为本发明所述的一种风速传感器的结构示意图；
[0050]
图2为本发明所述的一种风速传感器的另一种结构示意图；
[0051]
图3为风杯外部连接示意图；
[0052]
图4为本发明的预警系统的结构示意图。
[0053]
附图中标记及对应的零部件名称：
[0054]
1-壳体主体，2-连接片，3-风杯，4-第一电机，5-第一连接棒，6-第二电机，7-第二连接棒，8-压力传感器。
具体实施方式
[0055]
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本
发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
[0056]
实施例1
[0057]
如图1所示，本发明公开了一种风速传感器，用于实时检测风速和风向，包括壳体主体 1和风杯3，所述风杯3数量为三个或四个，形状可以为锥形杯或者半球状，所述壳体主体1 内部设置有电路模块，所述风杯3通过连接片2与设置在所述壳体内的磁棒连接，当风杯3 转动时，带动同轴的磁棒转动，通过电路模块得到与风杯3转速成正比的脉冲信号，该脉冲信号由计数器计数，经换算后就能得出实际风速值。
[0058]
本发明的其中一个创新点如下：
[0059]
所述连接片2的上表面固定连接有竖向向下设置的第一电机4，所述第一电机4的输出端贯穿所述连接片2固定连接有第一连接棒5，所述第一连接棒5的底部固定连接有水平设置的第二电机6，所述第二电机6的输出端贯穿所述第一连接棒5固定连接有第二连接棒7，所述第二连接棒7远离所述第二电机6的一端与所述风杯3固定连接，使得所述风杯3的凹面能够绕所述第二连接棒7的轴线旋转，使所述风杯3的凹面能够位于不同方位，所述风杯 3的凹面设有四个正交设置的压力传感器8，所述第一电机4、第二电机6、压力传感器8与所述电路模块电连接。电路模块为现有的传感器采集模块和控制器以及对应的外围模块，这里就不再赘述了。
[0060]
由于自然风不是均为水平的，有时候还会有倾斜的自然风，因此，除了需要检测风速，还应该检测一下风向，这样能够更加地了解自然风的情况，而目前的风向检测仪，只能检测自然风的水平方向，即使自然风为倾斜风，目前的风向检测仪也只能检测该倾斜风的水平分量，而不能准确地检测自然风的全方位的方向，而本发明的风速传感器，能够很好地检测到倾斜风地方向，通过倾斜方的全方位方向结合风速传感器的检测到的倾斜风的水平风速分量，能够更加准确地得到倾斜风的实际风速。
[0061]
风杯初始状态下处于图1的情况，当自然风为水平时，风杯内的压力传感器采集到的压力值相同或相似(差距小于一定值，该值可以根据实际情况来设置，例如，压力传感器检测到的风压的差距在0.1pa之内，视为相同)；
[0062]
当自然风为倾斜时，当风杯内的压力传感器感应到的风力不均等时，第一电机和第二电机启动，对风杯的方向进行调整，使风杯内的每个压力传感器所检测到的风压均相同，此时，通过第一电机和第二电机的转动角度，可以得出自然风的方向，从而实时检测自然风的风向。
[0063]
实施例2
[0064]
本发明还公开了一种输电线路风速预测方法，用于对风速进行预测，包括如下步骤：
[0065]
s1、采集输电线路的气象数据，所述气象数据包括实际风速数据和风向数据和温度数据，其中，所述实际风速数据包括时间戳和风速值，所述风向数据包括三维风向和时间戳，所述温度数据包括时间戳、该时间戳对应的时间的温度以及该温度与单位时间前的温度的温差值，所述风速值和三维风向采用上述的风速传感器进行采集。这里的单位时间可以为1h或者其他时间段。
[0066]
时间戳可以通过时间接收设备进行采集，例如通过gps、cdma、北斗卫星进行时间
的采集，然后结合温度传感器、本发明的风速传感器共同采集实际风速数据和风向数据和温度数据。这里的实际风速数据，是指结合风向的风速，而非水平方向的风速分量，常规的风速传感器，检测的仅仅是水平方向的风速分量，而本发明的风速传感器，结合三维风向以及水平方向的风速分量，可以换算得到实际的风速，这样计算出来的风速作为后面的时间序列模型的预测输入，能够使预测的结果对应的风速更加真实。
[0067]
s2、对实际风速数据、温度数据和风向数据进行数据处理，并构造基于时间序列模型的风速风向预测模型，对风速、风向进行预测；
[0068]
本实施例中，s2的具体步骤为：
[0069]
s2.1、将属于同一个时间戳的气象数据作为一个数据组，对所述数据组进行数据处理；本实施例中，对所述数据组进行数据处理具体为：查找所述实际风速数据、风向数据、温度数据中的数据中任一缺失或者异常的数据，剔除缺失或异常的数据对应的时间戳所对应的实际风速数据、风向数据、温度数据的数据。
[0070]
例如，时间戳a对应的风速值缺失或者异常，将时间戳a对应的风向数据和温度数据一并删除。
[0071]
s2.2、将预处理后的气象数据输入至时间序列模型中，得到风速风向预测数据，并根据所述风速风向预测数据与对应的风速风向实际数据，对所述时间序列模型进行训练，直至所述时间序列模型的损失值满足预设的损失值阈值，以得到风速风向预测模型。
[0072]
具体的，风速风向预测数据包括风速预测值、风向预测值、温度预测值和温差预测值。由于温差对风速的影响较大，通过对温度以及温差的预测，可以更好地辅助对风速进行预测。
[0073]
本实施例中，s2.2的具体步骤为：
[0074]
s2.2.1、按照预设比例，将所述数据组分为训练集和测试集；
[0075]
s2.2.2、初始化时间序列模型；
[0076]
s2.2.3、将所述训练集中的数据组输入至所述时间序列模型，以得到所述时间序列模型的风速风向预测数据；
[0077]
s2.2.4、计算所述风速风向预测数据与训练集中的风速风向实际数据的差值，得到所述时间序列模型的损失值；
[0078]
s2.2.5、通过梯度下降法得到损失值满足预设的损失值阈值的时间序列模型，然后确定所述时间序列模型的参数，以得到参数确定后的时间序列模型；降低所述时间序列模型的损失值，直至所述时间序列模型的损失值满足预设的损失值阈值，
[0079]
s2.2.6、判断所述时间序列模型的预测准确度，若该预测准确度高于设定的准确度阈值，则将所述时间序列模型视为风速风向预测模型，否则，返回s2.2.3，重新确定所述时间序列模型的参数。
[0080]
本实施例中，s2.2.4的具体方法为：
[0081]
s2.2.4.1、获取风速风向预测数据，所述风速风向预测数据包括预测风速值、预测风向值以及预测温度；
[0082]
s2.2.4.2、分别风速风向预测数据分别与风速风向实际数据的差值：
[0083]
ρ1＝v
1-v2；
[0084]
[0085]
ρ3＝w
1-w2；
[0086]
ρ4＝δw
1-δw2；
[0087]
其中，ρ1、ρ2、ρ3、ρ4分别表示风速、风向、温度、温差的差值；v1表示预测风速值，v2表示实际风速值，x1、y1、z1分别表示预测风向的x轴、y轴、z轴上的坐标点，且x2、y2、z2表示实际风向的x轴、y轴、z轴上的坐标点，且令x1＝x2；w1表示预测温度值，w2表示实际温度值；δw1表示预测温差值，δw2表示实际温差值，δw＝w
n-w
n-d
，δw代表温差，wn代表当前温度，w
n-d
代表单位时间d之前的温度。
[0088]
这里需要说明的是，风来的风向，为预测风向，若风向为水平方向的风，令z为0，若风向为竖直方向的风，令x、y等于0。将风速传感器视为原点、以某一水平方向视为x轴建立三维坐标系，当检测到风力时，固定取x轴上的某一数值为参考x坐标，然后找出该风力对应参考x坐标所对应的y轴坐标和z轴坐标，形成该风力的三维坐标点，预测值和实际值的x坐标值相同，这样可以更客观地得到预测风向和实际风向的差距。本技术中，x可以为 10，即取以风速传感器为原点、距离该风速传感器10cm的x坐标及其对应的y坐标和z坐标的点为风向检测点。
[0089]
s2.2.4.3、根据所述差值计算该时间序列模型的损失值。
[0090]
本实施例中，所述时间序列模型具体表示为：
[0091]
p
t i
＝sc(sq(bilstm(in
t
)))；
[0092]
其中，p
t i
为t i时刻的风速风向预测值，i为预测时域，sc为所述时间序列模型的输出层， sq为全连接层，bilstm为lstm rnn网络，in
t
为输入数据，代表t时刻的气象数据，其中，
[0093]
in
t
＝(v，(x，y，z)，w，δw)
t
；
[0094]
其中，v代表风速，(x，y，z)代表风向，w代表温度，δw代表t时刻的温度与单位时间前的温度的温差。
[0095]
这里p
t i
具体为t i时刻的风速值、风向数据、温度以及温差(t i时刻的温度与t i-d时刻的温度之差)。
[0096]
本实施例中，所述时间序列模型的损失函数为：
[0097][0098]
其中，l为序列长度，(ρ
1j
ρ
2j
ρ
3j
ρ
4j
)为第j步的风速风向预测数据和风速风向实际数据的差值。
[0099]
s3、根据当前风速、风向进行下个单位时间的风速、风向预测。
[0100]
实施例3
[0101]
如图4所示，本发明还公开了一种输电线路风速监测预警系统，包括：
[0102]
数据采集模块，采用上述的风速传感器结合时间接收设备(gps,cdma,北斗卫星)采集实际风速数据和风向数据，同时，还包括温度传感器结合时间接收设备采集温度数据；
[0103]
数据传输模块，用于传输实际风速数据、风向数据和温度数据给数据预测模块；传输模块使用无线网络进行数据传输；
[0104]
数据预测模块，用于根据所述实际风速数据、风向数据和温度数据运用上述的预测方法对风速进行预测；
[0105]
预警推送模块，用于根据所述数据预测模块的预测结果进行预警信息地推送。
[0106]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。