基于马尔可夫过程的输电线路覆冰厚度精准预测模型构建与应用.docxVIP

基于马尔可夫过程的输电线路覆冰厚度精准预测模型构建与应用

一、引言

1.1研究背景与动因

输电线路作为电力系统的关键组成部分，承担着电能传输的重要任务。然而，在特定的气象条件下，输电线路极易发生覆冰现象。输电线路覆冰是一种由多种气象因素相互作用导致的复杂物理过程，当空气中的过冷却水滴在低温环境下与导线表面接触时，会迅速冻结并逐渐积累，形成冰层。这种覆冰现象在我国的许多地区，尤其是高海拔、寒冷地区以及湿度较大的区域频繁发生，给电力系统的安全稳定运行带来了巨大的威胁。

覆冰会导致输电导线的荷重显著增加。冰层的重量附加在导线上，使导线承受的拉力超出其设计承受范围，这不仅会导致导线弧垂增大，影响导线与地面、建筑物以及其他物体之间的安全距离，严重时甚至会造成导线断裂。导线一旦断裂，电力传输就会中断，影响范围广泛，可能导致大面积停电事故，给社会生产和居民生活带来极大的不便。例如，在2008年我国南方地区遭受的特大雨雪冰冻灾害中，大量输电线路因覆冰而断线，致使多个省份的电力供应陷入瘫痪，对经济造成了巨大的损失。

覆冰还可能引发绝缘子冰闪。绝缘子在输电线路中起着绝缘和支撑的作用，但当绝缘子表面覆冰时，冰层的存在会改变绝缘子的电场分布，降低其绝缘性能。在融冰过程中，冰体表面的水膜会溶解污秽物中的电解质，进一步提高融冰水或冰面水膜的导电率，导致绝缘子串电压分布畸变。当电压超过绝缘子的耐受极限时，就会发生冰闪现象，造成线路跳闸。这种情况不仅会影响电力系统的正常供电，还可能对绝缘子等设备造成永久性损坏，增加设备维修和更换的成本。

此外，导线覆冰舞动也是覆冰带来的严重危害之一。覆冰导线在风的作用下会产生低频、大振幅的自激振动，这种舞动现象持续时间较长，会使导线及金具承受反复的交变应力，导致疲劳破坏、磨损和导线断股。严重的舞动甚至会造成输电线路停电跳闸及杆塔变形、倾斜或倒塌等恶性事故，对电力系统的结构安全构成直接威胁。例如，湖南电网在冬季就曾多次发生因导地线覆冰舞动导致的断线、倒杆事故，给电网的安全稳定运行带来了极大的挑战。

综上所述，输电线路覆冰对电力系统的危害是多方面的，严重影响了电力系统的可靠性和稳定性。因此，研究输电线路覆冰厚度预测模型具有迫切的现实需求。准确预测覆冰厚度，能够提前采取有效的防范措施，如安排值班人员加强监测、及时进行融冰或除冰作业等，从而降低覆冰事故的发生概率，保障电力系统的安全稳定运行，减少经济损失。

1.2国内外研究现状剖析

国内外学者针对输电线路覆冰厚度预测方法开展了广泛而深入的研究，取得了一系列有价值的成果。这些研究方法大致可分为数学物理预测模型、统计预测模型和智能预测模型三大类。

数学物理预测模型主要是基于导线覆冰的流体运动规律和传热机理来对输电线路冰厚度进行预测。例如，L.Makkonen提出的Makkonen模型，依据覆冰形成的气象机理、流体力学以及热力学相关原理，将导线半径、气温、风速、降水率、风吹角度及覆冰时间等作为输入量，通过数值计算方法建立覆冰的增长模型，以此对导线覆冰负荷进行估计或预测。孙才新等提出的导线覆冰热平衡方程，推导出了导线覆冰的冻结系数和湿增长覆冰向干增长转变的临界条件模型，该模型是以环境温度、风速、水滴直径、空气中液态水含量及导线传输电流为变量的导线覆冰函数。然而，此类模型中的部分参量在实际线路中难以通过测量获取，导致其较难直接应用于实际输电线路的覆冰预测。

统计预测模型是基于输电线路覆冰厚度的统计规律进行预测，其中包括极值预测模型等。Y.Sakamoto提出的基于风洞试验的覆冰负荷预测模型，通过测量单位时间内通过导线的降雪量、风速、温度以及下雨或下雪的临界温度，以统计学的方法建立预测覆冰负荷的数学模型；蒋兴良等提出了三种不同直径导线在不同风速、液态水含量（LWC）即液态水质量浓度、水滴中值体积直径（MVD）、环境温度等环境参数下的覆冰试验统计学模型，分析了覆冰时间及四个环境参数对覆冰厚度的影响。但这种基于数据统计方法得到的覆冰厚度预测模型，往往受到地理环境差异的限制，难以推广到其他不同地理环境的输电线路，其预期效果存在一定的局限性。

随着人工智能技术的快速发展，智能预测模型在输电线路覆冰厚度预测领域得到了越来越广泛的应用。P.McComber提出了基于多层神经网络的覆冰预测模型，将气象数据作为神经网络的输入进行训练，从而得到历史覆冰监测数据与气象因素之间的映射模型；韩叶良等提出基于粗糙集算法的电网覆冰事故预警模型，针对覆冰应急预警系统中信息不完备与信息冗余并存的特点，引入粗糙集模型对初始决策表进行了不完备信息处理、属性离散、属性约简以及预警规则的提取。极限学习机（ELM）作为一种新型的前馈神经网络，也被应用于覆冰厚度预测，其能够克服传统BP神经网络和SVM的一些缺陷，