[发明专利]一种利用卡尔曼滤波的输电线路覆冰实时估计与预测方法

说明书

本发明涉及一种利用卡尔曼滤波的输电线路覆冰实时估计与预测方法，本发明利用K时刻的覆冰与微气象历史数据，建立基于等值覆冰厚度增量与微气象因子的多元非线性回归模型，结合预报的微气象数据，预测K+1时刻的等值覆冰厚度增量。基于卡尔曼滤波，结合K时刻的等值覆冰厚度最优估计值与K+1时刻的等值覆冰厚度增量预测值建立卡尔曼滤波预测方程，计算K+1时刻的等值覆冰厚度预测值，当获取K+1时刻的等值覆冰厚度观测值后建立卡尔曼滤波观测方程，进而获取K+1时刻的等值覆冰厚度最优估计值。本发明可消除覆冰观测序列中的噪声与粗差，通过覆冰模型预测值与覆冰观测值的相互校正，实现覆冰观测序列的实时估计与优化预测。

技术领域

本发明属于架空输电线路在线监测技术领域，尤指一种利用卡尔曼滤波的输电线路覆冰实时估计与预测方法。

背景技术

国民经济增长对电力具有高度的依赖性，同时，经济增长也会促进用电量需求的增大。随着电网大规模的建设与发展，远距离、大容量的输电线路不可避免的要经过高寒、高海拔、高湿度、强降水地区或盆地、分水岭等特殊微地形造成的微气象地区，极易引发输电线路覆冰灾害，且全球气候变暖导致的极端异常气候频发，更加重了输电线路覆冰灾害，人们对输电线路覆冰问题的关注也越来越多。为了保证电力系统的安全运行，预防与减小覆冰灾害对输电线路造成的影响，研究输电线路覆冰实时估计与预测方法，并让管理人员实时了解线路覆冰现场状况与覆冰发展趋势显得尤其重要。

目前，国内外已开展了输电线路覆冰实时估计与预测方法的相关研究，由于覆冰预测模型易受覆冰观测值的影响，而覆冰观测值易受观测环境与观测噪声的干扰，使覆冰的实时估计与预测精度低，主要体现在以下几个方面：

(1)远距离、大容量的输电线路不可避免的要穿过山地、高原、盆地等特殊复杂地貌造成的微地形、微气象区域与高湿、高寒、高海拔、强降雨降雪地区，因此，覆冰在线监测装置的观测环境极其恶劣，进而影响其观测精度。

(2)覆冰实时估计值是线路管理人员实时了解覆冰现场状况的依据，而目前此方面的研究是直接将覆冰观测值作为覆冰实时估计值来评价当前时刻的覆冰状态，受观测噪声等因素的影响，覆冰观测值并不能准确的表达当前的覆冰状态。

(3)覆冰预测方法通常是建立覆冰预测模型，然后通过观测的覆冰与微气象历史数据的最小二乘回归拟合得到模型系数，进而计算覆冰预测值，而覆冰观测值不可避免的存在误差，必将影响覆冰预测精度。

发明内容

为了解决上述技术问题，本发明提供了一种利用卡尔曼滤波的输电线路覆冰实时估计与预测方法。

本发明所采用的技术方案是：

一种利用卡尔曼滤波的输电线路覆冰实时估计与预测方法，其特征在于，包括以下步骤：

步骤1：利用K时刻的覆冰与微气象历史数据，建立基于等值覆冰厚度增量与微气象因子的多元非线性回归模型，基于

ΔR＝a₂T²+b₂V_n²+c₂P²+a₁T+b₁V_n+c₁P+d₁H_r+e₀

其中，ΔR为等值覆冰厚度增量，T为温度，P为降水，V_n为有效风速，Hr为相对湿度；a_i、b_i、c_i、d_i与e₀均为模型系数，可通过覆冰与微气象历史数据的最小二乘回归求得；

步骤2:结合多元非线性回归模型与预报的微气象数据，预测K+1时刻的等值覆冰厚度增量，具体是将量化的预报微气象数据代入步骤1中的多元非线性回归模型，计算K+1时刻的等值覆冰厚度增量；