摘要
高压输电铁塔经常需要穿过高原、山地、丘陵、盆地等地域，易受暴雨、霜冻、季风等灾害影响，因此有必要对输电铁塔进行健康监测，确保线路运行安全。现有的输电铁塔监测手段仍依赖人工巡检等传统手段，巡检效率低下，漏检率高。为了降低自然灾害对输电铁塔状态的影响，提高电力装备运行可靠性，本文提出了一种基于优化支持向量机智能分类的输电铁塔健康监测运维方案，具体研究内容包括以下几个方面： 利用ANSYSWorkbench软件构建铁塔机械结构模型，完成对铁塔结构的等效应力分析及风载荷计算，获取传感器放置的最佳位置；采用合成少数类过采样技术（SyntheticMinorityOversamplingTechnique，SMOTE）对不平衡的铁塔运行状态数据集进行优化，构建适合机器学习的平衡数据集，从而提高铁塔运行状态预测的准确率；针对现有多分类支持向量机算法存在的不足，提出一种多类别中央分割超平面支持向量机改进算法（CentralSegmentationHyperplaneSVM，CSH-SVM），实现支持向量机预测准确率的提升；基于微功耗设计理念，完成了铁塔健康监测硬件系统的设计，实现了数据信息的实时采集；借助阿里云平台，实现铁塔状态信息的云存储，并利用Vue框架和Echarts数据技术，实现铁塔状态数据的可视化，最终完成输电铁塔健康状态的实时监测，提高了输电铁塔运维的智能化水平。 本项目研制的铁塔健康监测系统于2022年9月在长春城郊的MZ-2猫头型Ⅱ级直线塔投入运行，监测到大风天气轻度预警64次、大风天气中度预警24次、雨雪天气轻度预警42次。本系统提供了一种低成本、高可靠性的输电铁塔健康监测与运维方案，相关研究成果对提高电力系统装备运维的智能化水平具有一定的借鉴意义。
NETL