[发明专利]一种复杂微气候下覆冰导线舞动的智能预测方法

说明书

本发明公开了一种复杂微气候下覆冰导线舞动的智能预测方法。该方法通过构建导线有限元模型，识别静止状态下导线的三分力系数后，分析导线有限元模型的动力特性，采用谐波叠加法形成强迫振动位移时程信号构建强迫振动系统，利用强迫振动系统强迫导线有限元模型振动，获取每次强迫振动时导线的颤振导数，得到训练数据集，构建长短期记忆深度学习网络并利用训练数据集训练其建立非线性气动力降阶模型，基于导线有限元模型和非线性气动力降阶模型，构建风‑导线‑输电塔体系耦合有限元模型，预测复杂微气候下覆冰导线的位移，判断导线是否产生舞动。本发明实现了对导线舞动行为的准确预测，为保障恶劣气候环境下输电线路的安全运行奠定了基础。

技术领域

本发明涉及输电导线分析技术领域，具体涉及一种复杂微气候下覆冰导线舞动的智能预测方法。

背景技术

输电导线由于截面覆冰形成了呈新月形、扇形、冠形等形状的非圆形截面，使得导线的空气动力特性发生了改变，在一定风速和风攻角的激励下产生了负阻尼特性，导线因此发生低频率、大振幅的舞动。

现阶段，为了防止因覆冰导线舞动所引起的重大电网事故，主要通过视频图像识别、惯性传感器和光纤传感器等测量方法实时监测导线。基于监测数据，采用相关分析、主成分分析、地理加权回归等方法建立不同微气候环境下导线覆冰和舞动实测数据库，并利用含有监督分类的机器学习算法(例如支持向量机、人工神经网络、Adaboost算法、贝叶斯方法、决策树、径向基函数分类等机器学习算法)训练预测模型，将实测数据库中的路线夹角、风向、风速、降雨量、覆冰厚度等作为输入层，将导线是否产生舞动做为输出层，形成输电线舞动的预测方法。

但是，现阶段采用的输电线舞动预测方法本质上仍归于一个有监督的分类问题，这种简单的机器学习不仅无法考虑气动力的流体记忆效应、三维效应、静风效应、气动力非线性和几何非线性，难以挖掘覆冰导线产生舞动的根源，还无法在复杂微气候条件下实现对覆冰导线舞动行为的准确预测。

发明内容

本发明针对现有技术难以在复杂微环境下准确预测覆冰导线行为的问题，提出了一种复杂微气候下覆冰导线舞动的智能预测方法，通过预测复杂环境下覆冰导线的位移，实现了对导线舞动行为的准确预测，为保障恶劣气候环境下输电线路的安全运行奠定了基础。

本发明具体采用如下技术方案：

一种复杂微气候下覆冰导线舞动的智能预测方法，具体包括以下步骤：

步骤1，利用流体力学仿真软件构建导线有限元模型，识别静止状态下导线的三分力系数；

步骤2，分析导线有限元模型的动力特性，采用谐波叠加法形成强迫振动位移时程信号，构建用于强波导线振动的强迫振动系统；

步骤3，利用强迫振动系统多次引发导线有限元模型发生强迫振动，获取每次强迫振动时导线的颤振导数，得到多组训练数据，构建训练数据集；

步骤4，构建长短期记忆深度学习网络，并利用训练数据集对长短期记忆深度学习网络进行训练，建立非线性气动力降阶模型；

步骤5，基于导线有限元模型和非线性气动力降阶模型，构建风-导线-输电塔体系耦合有限元模型，预测复杂微气候下覆冰导线的位移，判断导线是否产生舞动。

优选地，所述步骤1中，具体包括以下步骤：

步骤1.1，利用流体力学仿真软件构建导线有限元模型，设置导线有限元模型的模型参数和计算域范围，其中，模型参数包括导线断面的特征宽度、导线断面距离流体入口和流体出口的距离、竖直方向上导线断面的最大扭转幅度，计算域范围包括计算域的竖向高度和水平长度；