基于粒子群算法的输电线路运行状态监测方法

2021-04-14李楠

通信电源技术 2021年22期

李楠

（宁夏送变电工程有限公司，宁夏吴忠 750000）

0 引言

当前常见的运行状态监测的方式是通过（冗）余生成残差的形式，当残差超出了一定的控制时，则可以判断设备当前的传感器中存在故障，对此，需要及时地采取相应的措施。但是在使用这种方式时，需要布置多个监测设备以此来获得真实的数据。虽然方法简单明了，但是在实施的过程中需要耗费较高的成本购置多个设备，严重限制其广泛的应用[1]。因此，文中提出了基于粒子群算法（Particle Swarm Optimization，PSO）的输电线路运行状态监测方法。

1 输电线路运行状态监测内容

1.1 绝缘子污秽在线监测

绝缘子污秽的监测，指的是针对绝缘子表面污秽物质的监测。由于绝缘子表面随着使用时间会或多或少带有一定的污秽物质。一般情况下，这些污秽物质可以分为4大类：（1）自然污秽，指的是随着空气的吹动而漂浮的一些微生物；（2）工业污秽，指的是一些工业企业在作业的过程中所排放出来的烟尘；（3）颗粒性污秽，主要是指灰尘、烟尘等呈各种形状的颗粒物；（4）气体性污秽，主要是指形态以气态为主的污秽物，这类物质的覆盖力极强。以上这些物质一般都会具有一定的导电性与吸湿性，因此容易引发泄漏电流的情况。对此，需要做好绝缘子污秽的在线监测，实时了解到绝缘子当前的状况[2]。

1.2 输电线路履冰监测

我国除了南方地区外，大部分地区的输电线路运作过程中都会出现履冰的情况，一旦出现履冰会导致输电线路中的导线重量加重，以及弧垂的增加。当输电线路的环境中存在风动的情况时，还有可能会造成断线、闪络事故的发生[3]。

1.3 雷电在线监测

雷电定位系统的原理是，在雷电发生时对雷电波信息特征量进行测定，然后根据搜集到的数据分析雷电所发生的时间、地点等有关雷电的信息，及时了解到雷电对输电线路的影响，以及当发生雷击情况时雷击的地方，有助于工作人员能够及时做出应对策略。

1.4 输电线路的环境监测

输电线路的建设随着当前社会对电力需求的增加，日渐变得复杂，线路的覆盖面积在不断增加，电网架构逐渐变得复杂。而这些复杂的输电线路搭设主要是在空旷、人迹较少的地方。在实际的运作过程中，电网极容易受到环境的影响，如气候的变化、下方区域地形影响等[4]。

1.5 输电线路的导线舞动监测

输电线路的导线舞动情况会导致线路出现严重的损害，对此需要通过在线监测的方式，加强对导线舞动的观测与记录工作。

2 基于粒子群算法输电线路监测方法

2.1 粒子群算法概述

粒子群算法也被称为微力群算法，简称PSO粒子，人们对该词的定义是没有质量与体积的物体，因此只探讨其速度与加速的状态。

人们提出粒子群算法，其目的主要是为了要仿造鸟群运动，同时把这种运动图形化。人们在对动物社会不断观察的过程当中，通过观察与探索群体对于信息共享的演化趋势，以此作为基础研发了全新的一个演示过程[5]。

当前，粒子群算法主要是根据鸟群对于环境的适应度进行相对的分析，同时把鸟群当中的个体归纳到好的区域当中，把每个个体都看成是没有体积的例子，只探讨与分析其速度与加速度。根据其原理，其流程如图1所示。

图1 PSO算法基本流程

2.2 基于粒子群算法输电线路监测案例分析

我国的北方冬季时期，输电线路在运行时因为积雪出现覆冰的现象，覆冰一旦过厚会导致输电线路出现故障。对此，在输电线路运行的过程中需要有相应的监测手法对输电线路覆冰现象进行预测。

2.2.1 支持向量机与粒子群优化算法

支持向量机中，学习机在给定的样本当中训练输入与输出量之间的函数关系，能够准确预测未来值。在支持向量机当中的关键参数与算法性能的影响较大，如核参数与惩罚因子，但是在结合较差验证方法使用时具有一定的盲目性，对此，还需要结合粒子群优化算法来进行，在粒子群优化算法中每个粒子群在初始化后都会成为一群随机粒子，然后通过迭代的形式找到最优解[6]。在支持向量机中结合粒子群优化算法能够更好地获得最优参数，提高准确度，获得更高的预测值。

2.2.2 线路覆冰厚度监测步骤

输电线路覆冰的原因有很多种，比如环境湿度、环境温度等，这些都属于是原始的数据资料。

具体的步骤为：（a）选取历史数据，分为两组，训练样本与测试样本；（b）在支持向量机中选择径向基核函数对覆冰厚度进行预测，首先采用粒子群优化算法通过输入数据来寻找径向基核函数的最优惩罚参数；（c）采用径向基核函数对输入数据进行训练，得到训练模型；（d）利用得到的预测模型来监测未知的输电线路的覆冰厚度。