一種接觸網絕緣子汙閃預測方法與流程

2023-10-05 14:24:09 2

本發明屬於電氣設備技術領域，尤其涉及一種接觸網絕緣子汙閃預測方法。

背景技術：

牽引供電接觸網為露天供電設備，隨著大氣汙染的日益嚴重，對絕緣子汙穢程度影響很大，絕緣性能承受著雨雪霧等惡劣天氣及周邊廠礦企業工業粉塵、煤煙塵的實時考驗。絕緣子髒汙潮溼導致的放電閃絡現象，將造成接觸網設備大面積停電，嚴重威脅鐵路運輸安全生產。汙閃事故雖然次於佔電力系統事故第一位的雷害事故，但是其造成的損失卻是雷害的十倍。目前，國內外在絕緣子汙閃預測方法主要有以下三類：絕緣子表面等值附鹽密度預測研究、汙穢閃絡電壓預測研究、基於洩漏電流的汙閃預測研究。但預測效果仍然沒有達到令人滿意的程度。

現有技術方案：絕緣子表面等值附鹽密度預測是在現場實測數據和實驗室模擬實驗的基礎上，根據某時間段內的環境變量、洩漏電流特徵量對絕緣子的等值附鹽密度進行實時預測。常用的數學預測方法是人工神經網絡。

汙穢閃絡電壓預測是在人工汙穢試驗數據的基礎上建立汙閃電壓與等值附鹽密度及環境條件的數學預測模型，實現了在已知等值鹽密、氣壓和覆冰情況下對絕緣子閃絡電壓的預測。目前，在汙閃電壓預測方面應用較多的數學方法是支持向量機和人工神經網絡方法。

基於洩漏電流的汙閃預測是在大量的人工汙穢試驗基礎上，獲得不同汙穢度及外部環境條件下的洩漏電流數據。以此為基礎，對洩漏電流值和環境因素的關係進行分析建模，通過實時監測絕緣子洩漏電流的變化對絕緣子表面等值附鹽密度或汙閃臨界狀態等汙閃特性進行預測。常用的預測方法有人工神經網絡和支持向量機。

絕緣子表面等值附鹽密度預測、汙穢閃絡電壓預測都是將描述汙閃的兩個參數與環境氣象參數之間的多維非線性關係用非線性建模方法來進行擬合。雖然研究方法較為先進，但都存在建模對象單一，建立的預測模型及其預測功能與防汙閃工作要求之間存在一定差異、預測方法還有待改進。

基於洩漏電流的汙閃預測方法的基礎數據豐富，在此基礎上應用人工神經網絡等方法能夠取得與工程實際比較接近的擬合效果，但洩漏電流的監測點分布範圍比較有限，無法對接觸網的汙閃狀態進行較為全面的實時監測和預測。

針對近年來接觸網絕緣子汙閃事故頻發，而現有的汙閃預測方法受實驗條件、實際環境差異和汙閃複雜性限制等問題，提出一種汙閃預測方法。

綜上所述，目前汙閃預測主要以神經網絡模型為主，存在模型易陷入局部最優、網絡收斂速度慢等問題。

技術實現要素：

本發明的目的在於提供一種接觸網絕緣子汙閃預測方法，解決目前汙閃預測主要以神經網絡模型為主，存在模型易陷入局部最優、網絡收斂速度慢等問題。

本發明是這樣實現的：

一種接觸網絕緣子汙閃預測方法，該接觸網絕緣子汙閃預測方法包括：

利用人工魚群算法優化BP神經網絡，建立接觸網絕緣子汙穢等級預測模型，預測當前月絕緣子汙穢等級；

利用接觸網絕緣子汙穢等級的預測值作為汙閃概率預測模型的一維輸入向量，預測當前月接觸網絕緣子汙閃概率及接觸網線路的汙閃概率；

利用接觸網線路汙閃概率預測模型得到的汙閃概率來建立接觸網線路汙閃短期預報響應機制。

進一步，利用人工魚群算法優化BP神經網絡建立接觸網絕緣子汙穢等級預測模型，具體步驟如下：

1)設置初始化人工魚群算法的參數，其中設定初始迭代次數Gen＝0；

2)計算初始魚群中各條人工魚當前位置的食物濃度FC，並比較大小，將最大值送入到公告板中，其中FC＝1/E；

3)各條人工魚分別模擬追尾行為，聚群行為；選擇行動後FC值較大的行為來實際執行；

4)各條人工魚每迭代一次，比較自身FC值與公告板中FC值；若有人工魚的FC值優於公告板中的FC值，則取而代之；最後將人工魚群算法找到的最優解即公告板中人工魚狀態轉換成BP神經網絡中對應參數即為訓練結果；

5)算法的中止條件判斷：判斷Gen是否達成最大迭代次數MaxGen或已滿足解的誤差精度，只要最大迭代次數MaxGen或已滿足解的誤差精度二者中有一個條件符合就輸出公告板中的FC值，否則Gen+1後返回到第3)步；

選取上個月日均相對溼度、日均降水量、日均風速、日均降塵量和絕緣子運行時間5個指標作為BP神經網絡輸入特徵量，網絡輸出當前月絕緣子汙穢等級。

進一步，BP神經網絡中隱含層神經元傳遞函數採用tansig函數，輸出層採用purelin函數；輸入層神經元個數為5個，輸出層神經元個數為1個，隱含層神經元個數由式(1)初步確定為7個；

式(1)中輸入層神經元個數為n，輸出層神經元個數為m，隱含層神經元個數為n1，c為常數；

使用人工魚群算法訓練BP神經網絡，設定魚群規模N＝100，人工魚的可視域範圍visual為[0,2.5],擁擠度因子δ範圍為[0.95,2.98],人工魚最大移動步長T＝0.3，最大迭代次數kmax＝200。

所述當前月絕緣子汙穢等級分為5級。

進一步，接觸網絕緣子汙閃概率的預測方法包括：

絕緣子在一定工作電壓UC下發生汙閃由兩個因素決定:大氣汙染造成的絕緣子表面積汙和能使表面汙穢物質充分受潮的氣象條件；由於接觸網線路上多種絕緣子並存，設絕緣子型號共有k類，絕緣子表面汙穢程度的概率密度函數為g(ρ)，第i類絕緣子在某汙穢程度下發生閃絡的概率為Pi(ρ)，其中，i＝1,2,…,k；絕緣子表面汙穢程度為絕緣子鹽密值；則接觸網第i類單串絕緣子在等值附鹽密度處於大於a小於b區間時汙閃概率Pi可表示為：

其中：

公式中：N表示某地區未來一段時間惡劣天氣的天數；惡劣天氣的天數指24小時內降水量小於10mm的天數與霧日天數之和；a，b為絕緣子汙穢等級對應的鹽密值；ρ為等值附鹽密度，單位是mg/cm2；g(ρ)是絕緣子鹽密值服從對數正態分布規律；μ為ρ的對數平均值；σ為ρ的對數標準差；c為絕緣子的標準方差與其50％的耐受電壓的比值；a為鹽密影響汙閃電壓的特徵指數；ρ0表示切斷鹽密，表示恆定電壓下運行的絕緣子當其表面等值鹽密小於ρ0時將不會發生閃絡；n為切斷參數，n值取2.5；ρ50表示50％閃絡概率對應的等值附鹽密度；A表示與絕緣子形狀和汙穢程度有關的係數；L表示絕緣子長度，單位是米；β和h表示威布爾參數。

絕緣子汙穢特性還與絕緣子自身因素密切相關，在相同環境下，絕緣子表面的積汙情況主要取決於絕緣子的材質和結構，接觸網不同型號的絕緣子的A值也不同；A與絕緣子的爬電距離L之間存在著函數關係，L單位為cm，如式(9)所示。

A＝0.130L+1.947 (9)。

進一步，預測當前月接觸網絕緣子汙閃概率的方法為：根據已建立的絕緣子汙穢等級預測模型，在當前月1日輸入上個月5個特徵量的相關數據來預測出當前月絕緣子的汙穢等級；由汙穢等級對應的鹽密值得到式(2)中參數a，b；查詢當地氣象局關於當月未來30天惡劣天氣預報，統計惡劣天氣天數，確定參數N；由式(9)計算出接觸網相關型號絕緣子對應的係數A；將以上參數代入式(2)中計算出在當月未來30天接觸網相關型號絕緣子的汙閃概率。

進一步，接觸網線路汙閃概率的預測方法包括：

設一段距離的接觸網線路上，絕緣子型號共有k類，第i類絕緣子共有mi串，相同型號的絕緣子串閃絡概率均相同，其中，i＝1，2，…，k；接觸網線路在某汙穢程度下發生閃絡的概率為PL(ρ)，則：

將式(4)代入到式(10)中可得:

則一段距離的接觸網線路在當月未來30天發生汙閃的概率為：

式中：c，d為接觸網線路所在區域的汙穢等級對應的鹽密值，線路汙穢等級通過查詢汙區圖得到。

進一步，接觸網線路汙閃短期預報響應機制的建立方法包括：

將預測的汙閃概率按照發生的可能性分為5級，每級制定不同的防汙閃措施；根據每月預測的汙閃概率大小採取不同的響應措施，由此建立接觸網線路汙閃短期預報響應機制；接觸網線路汙閃短期預報響應機制包括：

極難發生(P<10％)，不予關注；

不易發生(10％≤P≤49％)，密切關注；

可能發生(50％≤P≤69％)，特巡和夜巡；

容易發生(70％≤P≤89％)，清掃汙穢；

極易發生(90％≤P)，噴塗RTV，調爬。

本發明提供的接觸網絕緣子汙閃預測方法與現有絕緣子表面等值附鹽密度預測方法相比，有以下優點：

本發明預測需求參數只需要上個月日均相對溼度、日均降水量、日均風速、日均降塵量和絕緣子運行時間(月)等參數。氣象數據的獲取(通過氣象局獲得)要比等值附鹽密度的現場實測數據提取更節省人力物力，經濟成本低。

本發明的接觸網絕緣子汙閃概率預測可實現對任意型號絕緣子汙閃概率計算，用戶只需要將某型號絕緣子的汙穢等級對應的鹽密值、參數N輸入到汙閃概率預測模型中即可進行當月未來30天接觸網相關型號絕緣子的汙閃概率預測。同時根據不同型號絕緣子的汙閃概率可預測一段距離接觸網線路在當月未來30天發生汙閃的概率，汙閃預測方法操作簡單，方便快捷。

本發明建立的接觸網線路汙閃短期預報響應機制能有效的指導鐵路運維部門的防汙閃工作，為實現電氣設備由計劃檢修到狀態檢修提供一定的輔助作用。

附圖說明

圖1是本發明實施例提供的接觸網絕緣子汙閃預測方法中AFSA的計算流程圖。

圖2是本發明實施例提供的接觸網絕緣子汙閃預測方法中BP神經網絡訓練結果圖。

圖3是本發明實施例提供的接觸網絕緣子汙閃預測方法中人工魚群算法優化BP神經網絡訓練結果圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。

下面結合預測方法的步驟對本發明的應用原理作詳細的描述。

本發明實施例提供的接觸網絕緣子汙閃預測方法包括以下步驟：利用人工魚群算法優化BP神經網絡，建立接觸網絕緣子汙穢等級預測模型，預測當前月絕緣子汙穢等級；

利用接觸網絕緣子汙穢等級的預測值作為汙閃概率預測模型的一維輸入向量，預測當前月接觸網絕緣子汙閃概率及接觸網線路的汙閃概率；

利用接觸網線路汙閃概率預測模型得到的汙閃概率來建立接觸網線路汙閃短期預報響應機制。

下面結合附圖及具體實施例對本發明的應用原理作進一步的描述。

1、接觸網絕緣子汙穢等級預測

接觸網絕緣子汙穢等級的預測主要是為汙閃概率預測模型提供高準確汙穢等級預測輸入值，只有汙穢等級預測值精度提高，汙閃概率預測才能準確。為此，本發明利用人工魚群算法優化BP神經網絡建立接觸網絕緣子汙穢等級預測模型。具體步驟如下：

1.1接觸網絕緣子汙穢等級預測基本原理

如圖1所示，本發明實施例提供的用人工魚群算法來優化BP神經網絡的流程為：

①設置初始化人工魚群算法的參數。其中設定初始迭代次數Gen＝0。

②計算初始魚群中各條人工魚當前位置的食物濃度FC，並比較大小，將最大值送入到公告板中。其中FC＝1/E。

③各條人工魚分別模擬追尾行為，聚群行為。選擇行動後FC值較大的行為來實際執行。

④各條人工魚每迭代一次，比較自身FC值與公告板中FC值。若有人工魚的FC值優於公告板中的FC值，則取而代之。最後將人工魚群算法找到的最優解即公告板中人工魚狀態轉換成BP神經網絡中對應參數即為訓練結果。

⑤算法的中止條件判斷：判斷Gen是否達成最大迭代次數MaxGen或已滿足解的誤差精度，只要二者中有一個條件符合就輸出公告板中的FC值，否則Gen+1後返回到第③步。

選取上個月日均相對溼度、日均降水量、日均風速、日均降塵量和絕緣子運行時間(月)等5個指標作為BP神經網絡輸入特徵量，網絡輸出當前月絕緣子汙穢等級。

BP神經網絡中隱含層神經元傳遞函數採用tansig函數，輸出層採用purelin函數。輸入層神經元個數為5個，輸出層神經元個數為1個，隱含層神經元個數由式(1)初步確定為7個。

式(1)中輸入層神經元個數為n，輸出層神經元個數為m，隱含層神經元個數為n1，c為常數。

使用循環函數進行Matlab編程，當選取隱含層神經元個數為5-9，誤差函數E為0.001時發現都能順利收斂，所用步數如表1所示。其中MSE為均方誤差，EPOCHS為訓練步數。從表中可以看出，當隱含層神經元個數為7時，此時收斂的最快。所以確定隱含層神經元個數為7。

表1不同隱含層神經元的網絡誤差和訓練次數

使用人工魚群算法訓練BP神經網絡，設定魚群規模N＝100，人工魚的可視域範圍visual為[0，2.5],擁擠度因子δ範圍為[0.95，2.98],人工魚最大移動步長T＝0.3，最大迭代次數kmax＝200。

網絡的誤差精度為0.001。網絡輸入特徵量為5個指標數據，期望輸出為絕緣子汙穢等級。使用人工魚群算法進行訓練，當訓練誤差趨向0時停止訓練。

分別使用BP神經網絡和人工魚群算法優化BP神經網絡進行訓練，結果如圖2和圖3所示。

BP神經網絡經過166次訓練後才達到目標，而人工魚群算法優化BP神經網絡只需88次訓練即可。後者收斂速度快，全局搜索能力強，能更快的找到全局最優點。從圖中還可以看出兩種算法的收斂過程也有很大區別，BP神經網絡在收斂過程中長時間停留在10-1左右，且停留了接近130次。而人工魚群算法優化BP神經網絡是以較大斜率收斂，雖然在局部最優處也有停留，但是僅僅短暫停留了10次左右，相比於前者來說停留次數少了很多。綜上可以看出，人工魚群算法優化後的BP神經網絡能夠很好的克服BP神經網絡易陷入局部最優解的缺陷，在相同的訓練次數下，得到的結果更為精確。

1.2預測結果分析

以XP-70型絕緣子為例，對絕緣子汙穢等級進行預測，絕緣子汙穢等級預測結果如表2所示。

表2絕緣子汙穢等級預測結果

從表2的預測結果可知，可以準確的預測出絕緣子汙穢等級，證明了方法的優越性和可行性。其中絕緣子汙穢等級參照高壓電力設備外絕緣汙穢等級GB/TK GO5582-93標準，分為0-IV級共5級。

2.汙閃概率預測

2.1接觸網絕緣子汙閃概率的預測方法

絕緣子在一定工作電壓UC下發生汙閃主要由兩個因素決定:大氣汙染造成的絕緣子表面積汙和能使表面汙穢物質充分受潮的氣象條件。根據相關研究表明，絕緣子汙穢程度是一個隨機概率值。由於接觸網線路上多種絕緣子並存，設絕緣子型號共有k類，絕緣子表面汙穢程度(只考慮鹽密值)的概率密度函數為g(ρ)，第i類(i＝1，2，…，k)絕緣子在某汙穢程度下發生閃絡的概率為Pi(ρ)。則接觸網第i類單串絕緣子在等值附鹽密度處於大於a小於b區間時汙閃概率Pi可表示為：

其中：

公式中：N表示某地區未來一段時間惡劣天氣(霧、小雨、降雪等)的天數；惡劣天氣的天數指24小時內降水量小於10mm的天數與霧日天數之和。在氣象學中定義小雨為24小時內降水量小於10mm的降水過程，等價到降雪天氣來說，24小時內降水量(折合為融化後的雨水量)小於10mm的天氣現象為小雪、中雪、大雪。定義霧為因大氣中懸浮的水汽凝結，能見度低於1km的天氣現象。一天中只要出現霧，不論持續時間多長都算一個霧日，且氣象上是以北京時間20時為日界，如果霧天氣從20時前持續到20時後則算兩個霧日。其中霧為水平降水，降雨、降雪為垂直降水，用降水量來區分降水的強度，單純的霧不作為降水量處理；a，b為絕緣子汙穢等級對應的鹽密值；ρ為等值附鹽密度，單位是mg/cm2；g(ρ)是義大利學者M.Sforzincy,R.C及日本學者K.Naito,Y.Mizuno W.Naganawa經過長期實際觀測發現絕緣子鹽密值服從對數正態分布規律；μ為ρ的對數平均值；σ為ρ的對數標準差；c為絕緣子的標準方差與其50％的耐受電壓的比值；a為鹽密影響汙閃電壓的特徵指數；ρ0表示切斷鹽密，表示恆定電壓下運行的絕緣子當其表面等值鹽密小於ρ0時將不會發生閃絡；n為切斷參數，n值取2.5；ρ50表示50％閃絡概率對應的等值附鹽密度；A表示與絕緣子形狀和汙穢程度有關的係數；L表示絕緣子長度，單位是米；β和h表示威布爾參數。

由於接觸網不同型號的絕緣子在材質和結構上存在差異，絕緣子汙穢特性不僅受外界環境的影響，還與絕緣子自身因素密切相關。在相同環境下，絕緣子表面的積汙情況主要取決於絕緣子的材質和結構，故接觸網不同型號的絕緣子的A值也不同。A是由絕緣子結構決定的函數，且A與絕緣子的爬電距離(L，cm)之間存在著簡單的函數關係，如式(9)所示。表3列出了電氣化鐵路接觸網常用的部分絕緣子的爬電距離。

A＝0.130L+1.947 (9)

表3接觸網常用的部分絕緣子的爬電距離

絕緣子汙穢等級各級所對應的鹽密值分別為:0-0.03mg/cm2，0.03-0.06mg/cm2，0.06-0.10mg/cm2，0.10-0.25mg/cm2，0.25-0.35mg/cm2。根據已建立的絕緣子汙穢等級預測模型，在當前月1日輸入上個月5個特徵量的相關數據來預測出當前月絕緣子的汙穢等級。由汙穢等級對應的鹽密值得到式(2)中參數a，b。查詢當地氣象局關於當月未來30天惡劣天氣預報，統計惡劣天氣天數，確定參數N。由式(9)計算出接觸網相關型號絕緣子對應的係數A。將以上參數代入式(2)中計算出在當月未來30天接觸網相關型號絕緣子的汙閃概率。

2.2接觸網線路汙閃概率的預測方法

設一段距離(如10km)的接觸網線路上，絕緣子型號共有k類，第i類(i＝1，2，…，k)絕緣子共有mi串，相同型號的絕緣子串閃絡概率均相同。接觸網線路在某汙穢程度下發生閃絡的概率為PL(ρ)。則：

將式(4)代入到式(10)中可得:

則一段距離的接觸網線路在當月未來30天發生汙閃的概率為：

式中：c，d為接觸網線路所在區域的汙穢等級對應的鹽密值，線路汙穢等級通過查詢汙區圖即可得到。

3.接觸網線路汙閃短期預報響應機制的建立

將預測的汙閃概率按照發生的可能性分為5級，每級制定不同的防汙閃措施。根據每月預測的汙閃概率大小採取不同的響應措施，由此建立接觸網線路汙閃短期預報響應機制，如表4所示。

表4接觸網線路汙閃短期預報響應機制

以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護範圍之內。