本發(fā)明涉及傘裙參數(shù)優(yōu)化，具體涉及一種基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法。

背景技術(shù)：

1、支柱絕緣子作為高壓直流工程換流站主要的絕緣設(shè)備，承擔(dān)著機(jī)械連接和電氣絕緣的作用。復(fù)合支柱絕緣子因其優(yōu)異的憎水性和耐污特性，近些年來(lái)在我國(guó)超/特高壓直流輸電工程中得到了大量使用。運(yùn)行經(jīng)驗(yàn)表明，支柱絕緣子閃絡(luò)是換流站外絕緣設(shè)備的主要問(wèn)題，污穢、霧氣、降雨、降雪、覆冰均是可能導(dǎo)致絕緣子表面放電甚至閃絡(luò)的外部因素。隨著國(guó)內(nèi)外多條超特高壓直流工程投入運(yùn)行，換流站支柱絕緣子在降雨天發(fā)生沿面放電甚至閃絡(luò)的情況屢見(jiàn)不鮮。隨著電壓等級(jí)的提高，換流站的支柱絕緣子的直徑也越來(lái)越大，由強(qiáng)降雨引起的大直徑復(fù)合支柱絕緣子閃絡(luò)問(wèn)題已成為嚴(yán)重威脅高壓直流輸電工程運(yùn)行的重要技術(shù)問(wèn)題。

2、目前，國(guó)內(nèi)外針對(duì)大直徑復(fù)合支柱絕緣子在淋雨條件下閃絡(luò)特性的相關(guān)研究較少，對(duì)絕緣子傘檐雨滴形變規(guī)律及其影響放電作用機(jī)制、以及各種因素對(duì)閃絡(luò)電壓的影響規(guī)律等認(rèn)識(shí)還不完善，強(qiáng)降雨地區(qū)大直徑復(fù)合支柱絕緣子的傘裙結(jié)構(gòu)參數(shù)仍有較大的優(yōu)化空間。

3、換流站中復(fù)合支柱絕緣子的選型設(shè)計(jì)主要考慮其污閃特性，并未充分考慮到淋雨條件特別是強(qiáng)降雨對(duì)其外絕緣性能的影響。傘裙為復(fù)合支柱絕緣子提供主要的爬電距離，若傘裙結(jié)構(gòu)參數(shù)設(shè)計(jì)地不合理，則易發(fā)生傘間的雨水甚至電弧橋接，這將大大降低復(fù)合支柱絕緣子的整體閃絡(luò)電壓。因此，對(duì)復(fù)合支柱絕緣子的傘裙參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)，是提升其雨閃性能的重要方式，可以大幅度提高其雨閃電壓，并且能在一定程度上降低絕緣材料的使用數(shù)量，節(jié)約資源，減少投資。受試驗(yàn)條件所限，超/特高壓工程所用的大尺寸支柱絕緣子的雨閃特性目前仍研究較少。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述背景技術(shù)中存在的技術(shù)問(wèn)題，本發(fā)明提供了一種基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，包括：

2、進(jìn)行不同傘裙結(jié)構(gòu)下的復(fù)合支柱絕緣子雨閃試驗(yàn)，得到不同傘裙結(jié)構(gòu)參數(shù)下雨閃電壓試驗(yàn)數(shù)據(jù)樣本；

3、以所述試驗(yàn)數(shù)據(jù)樣本中的傘裙結(jié)構(gòu)參數(shù)作為決策變量、雨閃電壓作為優(yōu)化目標(biāo)，采用bp神經(jīng)網(wǎng)絡(luò)算法建立所述決策變量與所述優(yōu)化目標(biāo)之間的灰關(guān)聯(lián)關(guān)系；

4、重新定義待優(yōu)化決策變量的取值范圍，輸入至訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)中，獲得不同傘裙結(jié)構(gòu)參數(shù)組合條件下的雨閃電壓目標(biāo)函數(shù)值；

5、提取目標(biāo)函數(shù)最大值對(duì)應(yīng)的所述傘裙結(jié)構(gòu)參數(shù)作為最優(yōu)參數(shù)。

6、作為本發(fā)明的進(jìn)一步說(shuō)明，在進(jìn)行復(fù)合支柱絕緣子雨閃試驗(yàn)之前，還需進(jìn)行傘裙參數(shù)優(yōu)化的幾何分析，使所述雨閃試驗(yàn)的傘裙結(jié)構(gòu)參數(shù)滿足如下關(guān)系：

7、

8、其中，λ為大小傘伸出差，p1為大傘伸出，p2為小傘伸出，s2大傘-大傘間距，β為傘裙上表面傾角。

9、作為本發(fā)明的進(jìn)一步說(shuō)明，所述復(fù)合支柱絕緣子雨閃試驗(yàn)包括一大一小傘形和一大兩小傘形兩種情況，其中，

10、一大一小傘形復(fù)合支柱絕緣子的傘裙結(jié)構(gòu)參數(shù)包括平均傘伸出、大小傘伸出差、傘間距和桿徑4個(gè)決策變量；

11、一大兩小傘形復(fù)合支柱絕緣子的傘裙結(jié)構(gòu)參數(shù)包括平均傘伸出、大小傘伸出差和傘間距3個(gè)決策變量。

12、作為本發(fā)明的進(jìn)一步說(shuō)明，所述優(yōu)化目標(biāo)包括：雨閃電壓u50%，單位絕緣高度雨閃電壓eh及單位爬電距離雨閃電壓el。

13、作為本發(fā)明的進(jìn)一步說(shuō)明，所述雨閃電壓目標(biāo)函數(shù)值具體包括單目標(biāo)函數(shù)u50%及u50%、eh和el三者的加權(quán)目標(biāo)函數(shù)ymul。

14、作為本發(fā)明的進(jìn)一步說(shuō)明，ymul=0.4u50%+0.3eh+0.3el。

15、作為本發(fā)明的進(jìn)一步說(shuō)明，所述采用bp神經(jīng)網(wǎng)絡(luò)算法建立所述決策變量與所述優(yōu)化目標(biāo)之間的灰關(guān)聯(lián)關(guān)系，具體包括：

16、將所述不同傘裙結(jié)構(gòu)參數(shù)下雨閃電壓試驗(yàn)數(shù)據(jù)樣本劃分為訓(xùn)練集、驗(yàn)證集及測(cè)試集，并建立bp神經(jīng)網(wǎng)絡(luò)；

17、利用所述訓(xùn)練集對(duì)所述bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，利用所述訓(xùn)練完成的bp神經(jīng)網(wǎng)絡(luò)對(duì)所述測(cè)試集進(jìn)行仿真預(yù)測(cè)，利用所述驗(yàn)證集進(jìn)行驗(yàn)證；

18、將驗(yàn)證集中的實(shí)際值與對(duì)應(yīng)的預(yù)測(cè)值之間的誤差范數(shù)作為衡量網(wǎng)絡(luò)的泛化能力，使實(shí)際值和預(yù)測(cè)值的相對(duì)誤差小于預(yù)設(shè)誤差，從而滿足網(wǎng)絡(luò)學(xué)習(xí)要求。

19、作為本發(fā)明的進(jìn)一步說(shuō)明，訓(xùn)練分三個(gè)步驟:前向傳播，計(jì)算損失和梯度，反向傳播更新模型參數(shù)；首先，采用bp神經(jīng)網(wǎng)絡(luò)算法建立所述決策變量與所述優(yōu)化目標(biāo)之間的灰關(guān)聯(lián)關(guān)系；然后，重新定義待優(yōu)化決策變量的取值范圍，輸入至bp神經(jīng)網(wǎng)絡(luò)中，獲得不同傘裙結(jié)構(gòu)參數(shù)組合條件下的雨閃電壓目標(biāo)函數(shù)值；最后，提取目標(biāo)函數(shù)最大值對(duì)應(yīng)的結(jié)構(gòu)參數(shù)作為最優(yōu)參數(shù)。

20、作為本發(fā)明的進(jìn)一步說(shuō)明，所述bp神經(jīng)網(wǎng)絡(luò)模型的輸入層神經(jīng)元個(gè)數(shù)為4，隱含層神經(jīng)元個(gè)數(shù)為6，輸出層神經(jīng)元個(gè)數(shù)為5。

21、作為本發(fā)明的進(jìn)一步說(shuō)明，隱含層神經(jīng)元采用s型正切函數(shù)tansig()作為傳遞函數(shù)，輸出層神經(jīng)元采用s型對(duì)數(shù)函數(shù)logsig()作為傳遞函數(shù)，歸一化數(shù)據(jù)在0~1之間。

22、作為本發(fā)明的進(jìn)一步說(shuō)明，在訓(xùn)練過(guò)程中權(quán)值和閾值為逆向?qū)W習(xí)，采用梯度下降法不斷迭代修正。

23、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益的技術(shù)效果：

24、本發(fā)明以雨閃電壓及其下降的梯度作為主要評(píng)價(jià)指標(biāo)，通過(guò)對(duì)傘裙參數(shù)優(yōu)化設(shè)計(jì)幾何分析以及神經(jīng)網(wǎng)絡(luò)分析，探索出大直徑復(fù)合支柱絕緣子傘裙參數(shù)的最優(yōu)取值范圍。

25、本技術(shù)方案的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書中闡述，并且，部分地從說(shuō)明書中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本技術(shù)方案而了解。本技術(shù)方案的目的和其他優(yōu)點(diǎn)可通過(guò)在所寫的說(shuō)明書以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

26、下面通過(guò)附圖和實(shí)施例，對(duì)本技術(shù)方案的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

技術(shù)特征：

1.一種基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，包括：

2.如權(quán)利要求1所述的基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，在進(jìn)行復(fù)合支柱絕緣子雨閃試驗(yàn)之前，還需進(jìn)行傘裙參數(shù)優(yōu)化的幾何分析，使所述雨閃試驗(yàn)的傘裙結(jié)構(gòu)參數(shù)滿足如下關(guān)系：

3.如權(quán)利要求1所述的基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，所述復(fù)合支柱絕緣子雨閃試驗(yàn)包括一大一小傘形和一大兩小傘形兩種情況，其中，

4.如權(quán)利要求1所述的基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，所述優(yōu)化目標(biāo)包括：雨閃電壓u50%，單位絕緣高度雨閃電壓eh及單位爬電距離雨閃電壓el。

5.如權(quán)利要求4所述的基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，所述雨閃電壓目標(biāo)函數(shù)值具體包括單目標(biāo)函數(shù)u50%及u50%、eh和el三者的加權(quán)目標(biāo)函數(shù)ymul。

6.如權(quán)利要求5所述的基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，ymul=0.4u50%+0.3eh+0.3el。

7.如權(quán)利要求1所述的基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，所述采用bp神經(jīng)網(wǎng)絡(luò)算法建立所述決策變量與所述優(yōu)化目標(biāo)之間的灰關(guān)聯(lián)關(guān)系，具體包括：

8.如權(quán)利要求7所述的基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，訓(xùn)練分三個(gè)步驟:前向傳播，計(jì)算損失和梯度，反向傳播更新模型參數(shù)；首先，采用bp神經(jīng)網(wǎng)絡(luò)算法建立所述決策變量與所述優(yōu)化目標(biāo)之間的灰關(guān)聯(lián)關(guān)系；然后，重新定義待優(yōu)化決策變量的取值范圍，輸入至bp神經(jīng)網(wǎng)絡(luò)中，獲得不同傘裙結(jié)構(gòu)參數(shù)組合條件下的雨閃電壓目標(biāo)函數(shù)值；最后，提取目標(biāo)函數(shù)最大值對(duì)應(yīng)的結(jié)構(gòu)參數(shù)作為最優(yōu)參數(shù)。

9.如權(quán)利要求7所述的基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，所述bp神經(jīng)網(wǎng)絡(luò)模型的輸入層神經(jīng)元個(gè)數(shù)為4，隱含層神經(jīng)元個(gè)數(shù)為6，輸出層神經(jīng)元個(gè)數(shù)為5；

10.如權(quán)利要求7所述的基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，其特征在于，在訓(xùn)練過(guò)程中權(quán)值和閾值為逆向?qū)W習(xí)，采用梯度下降法不斷迭代修正。

技術(shù)總結(jié)
本發(fā)明提供了一種基于雨閃特性和神經(jīng)網(wǎng)絡(luò)的復(fù)合支柱絕緣子傘裙參數(shù)優(yōu)化方法，包括：進(jìn)行不同傘裙結(jié)構(gòu)下的復(fù)合支柱絕緣子雨閃試驗(yàn)，得到不同傘裙結(jié)構(gòu)參數(shù)下雨閃電壓試驗(yàn)數(shù)據(jù)樣本；以試驗(yàn)數(shù)據(jù)樣本中的傘裙結(jié)構(gòu)參數(shù)作為決策變量、雨閃電壓作為優(yōu)化目標(biāo)，采用BP神經(jīng)網(wǎng)絡(luò)算法建立決策變量與優(yōu)化目標(biāo)之間的灰關(guān)聯(lián)關(guān)系；重新定義待優(yōu)化決策變量的取值范圍，輸入至訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中，獲得不同傘裙結(jié)構(gòu)參數(shù)組合條件下的雨閃電壓目標(biāo)函數(shù)值；提取目標(biāo)函數(shù)最大值對(duì)應(yīng)的傘裙結(jié)構(gòu)參數(shù)作為最優(yōu)參數(shù)。本發(fā)明通過(guò)對(duì)傘裙參數(shù)優(yōu)化設(shè)計(jì)幾何分析以及神經(jīng)網(wǎng)絡(luò)分析，探索出大直徑復(fù)合支柱絕緣子傘裙參數(shù)的最優(yōu)取值范圍。

技術(shù)研發(fā)人員：張楚巖,鄧禹,于昕哲,王晰,董禹希
受保護(hù)的技術(shù)使用者：中國(guó)電力科學(xué)研究院有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6