[发明专利]一种可追踪环境因素时变特性的输电线动态热容量极限预测方法

说明书

本发明一种可追踪环境因素时变特性的输电线动态热容量极限预测方法，属于电力系统中输电网线路运行状态评估领域。首先，确定DTR的主要影响因素；建立考虑环境因素影响程度时变特性的DTR预测模型。其次，获取DTR时序预测模型训练数据，训练DTR时序预测模型。最后，利用DTR时序预测模型进行DTR预测，最终实现滚动预测。本发明采用时变权值结构的ForecastNet预测模型可以有效地克服传统时序预测模型环境输入特征权值时不变的问题，动态追踪环境因素影响程度的变化，提高DTR的预测精度。

技术领域

本发明属于电力系统中输电网线路运行状态评估领域。通过历史大数据建模实现对未来一段时间内输电线动态热容量极限的预测，涉及一种基于ForecastNet时变神经网络的时序预测方法。

背景技术

利用热容量极限对电力系统的线路运行状态进行评估是评估线路输送能力的基本方式。通常情况下，调度中心进行输电能力评估所采用的输电线路传输容量极限值为静态热容量极限值(static thermal rating,STR)。STR是基于极端环境条件得到的线路传输容量热极限值，STR极限值过于保守。利用线路运行真实的气象环境信息计算或预测得到的动态热容量极限值(dynamic thermal rating,DTR)能够更准确地反应线路真实传输能力。因此，基于DTR的输电线动态增容技术可以在原有传输框架基础上，实现对线路潮流传输极限的合理扩容，以极低成本充分挖掘输电网潜在的传输能力，提升可再生能源外送能力。

输电线的热容量极限与气象环境密切相关。依据IEEE Std.738标准，决定输电线路热容量极限的四个主要气象因素为：环境温度、风速、风向及日照强度。现代电力系统大量电气及气象量测装置可为DTR预测提供有力的数据支撑。因此，可将上述四种气象因素的预报值作为输入特征，对DTR进行预测。

用于DTR预测的四种气象输入特征具有如下特性：

1)四种气象输入特征均为时变值，且部分气象输入特征呈现周期性时序变化；

2)四种气象输入特征对DTR的影响程度不同；

3)同一气象输入特征在不同时空尺度对DTR的影响程度不同。

现有DTR时序预测模通过历史数据的循环训练提取DTR数据的时序关联信息，以及环境数据与DTR之间的映射关联信息。然而，现有的DTR时序预测模型均为时不变模型，其本质原因是该类模型的循环预测单元采用权值共享结构。虽然权值共享结构能够克服时序预测模型梯度弥散的缺陷，但是对于DTR预测而言，影响DTR的气象环境输入具有时变性，且气象环境对DTR的影响程度也具有时变性。因此，权值共享结构将不同时段同种气象环境输入赋予相同的权值，即默认同种气象输入在不同时段影响程度相同，这是不合理的。

发明内容

针对现有DTR时序预测方法的缺陷，本发明提供一种可追踪环境因素时变特性的输电线动态热容量极限预测方法。该模型基于ForecastNet神经网络建立，利用该神经网络的时变串联结构动态跟踪环境因素影响程度并修正环境输入权值，提升预测精度。

为了达到上述目的，本发明的技术方案为：

一种可追踪环境因素时变特性的输电线动态热容量极限预测方法，包括以下步骤：

步骤1.确定DTR的主要影响因素

架空线的热载流极限与气象环境密切相关。依据IEEE Std.738标准，可得架空线路热载流极限的计算公式如下：