摘要
随着我国经济社会的快速发展，电力需求与日俱增，输电线路因长时间连续工作产生的损坏和烧毁等故障严重危害电力行业的正常运作。传统的人力巡检方式工作效率低下，而现有的智能监测系统大多基于Zigbee、WiFi以及LoRa等无线传输方式，以Zigbee、WiFi等无线传输方式的系统往往存在通信距离短的缺点，以LoRa为传输方式的监测系统存在功耗较高的缺陷，节点的使用寿命有限，无法满足实时在线监测的实际需求。同时，输电线路的损坏使得线路实时载流量的分析和计算不够合理准确，导致用电高峰时期部分地区的电力紧缺问题时有发生。采用新能源发电虽可以缓解电力紧缺问题，但新能源发电站往往离现有输电线路较远，传输时损耗大，重新建设输电线路受多方面因素制约，短期内不易实现。 针对上述问题，本文设计并实现了基于LoRa传输的线路状态监测系统，实时在线监测输电线路的运行状态。在分析现行标准下线路载流量导线温度模型(CTM)、气候模型(WM)和导线温度模型(CDM)等理论计算模型的基础上，运用神经网络对气象数据进行训练和预测，建立基于气象参数预测的输电线路动态增容模型，并进行现场试验，实现了载流量的提升。具体工作内容如下: (1)本文提出了在监测系统硬件设计上加入一组MOS管，数据采集电路和数据发送电路先后进行，在软件部分设计合理的工作与休眠时间，将温度数据发送周期设定为10分钟、微气象数据的发送周期设定为30分钟，发送周期到之前的1分钟从睡眠模式进入工作模式，在软硬件的共同作用下，使得各节点的休眠电流小于10uA，实现节点的低功耗。以LoRa为传输方式，搭建温度和微气象监测系统，基于LoRaWAN协议设计系统软件部分，优化系统设计，使监测节点的性能得到改善。测试结果表明，以此种设计方式设计输电线路状态监测系统的有效监测距离可达到1.2km，温度和微气象传感器的功耗分别降低至8.54uA和9.23uA。 (2)本文提出了搭建GRU-ELM网络对气象源数据进行学习并做出预测，解决了在数据量较大时网络运行时间较长，导致无法进行线路载流量实时预测的问题。本文运用卷积神经网络(CNN)、长短期记忆神经网络(LSTM)和门限循环单元(GRU)分别对风速、环境温度和光照强度数据进行训练和预测，并将预测数据代入载流量预测模型进行计算，根据数据预测的结果，选用准确率最高的门控循环单元GRU为载流量计算的网络模型。在GRU网络的基础上，加入超限学习机(ELM)，组合成GRU-ELM的模型来对数据进行训练和预测。实验表明，该组合模型可将网络运行时间缩短90％，同时预测准确率可提高约1％。 将源数据和预测数据代入基于导线温度测量的动态增容模型进行计算，并对比线路实时载流量。结果表明，基于LoRa无线传输的微功率传感器可实现对输电线路的实时在线监测，保证线路的平稳安全运行。基于GRU-ELM的动态增容技术能够根据所设计的传感器测得的气象参数，快速计算出线路的载流量，将线路负载从原有的400A左右有效提高至最高1200A左右，能缓解并解决用电高峰时期的电力紧缺问题。
NETL