【南方电网_蔡希鹏_】2024年电网覆冰监测预测技术创新实践报告_47页_13mb

电网覆冰监测预测技术创新实践总结

一、工作背景

南方电网公司面临严重的冰冻灾害风险，尤其是南方地区，冰灾出现频率高、持续时间长、危害程度大。历史数据显示，2008年、2018年、2020年和2023年冬季均出现较严重的冰冻灾害。随着全球变暖趋势的发展，虽然寒潮总量可能减少，但其发生时间和空间的不确定性及强度的极端性可能增加，因此，提升覆冰监测与预测能力成为保障电网安全运行的关键。

二、覆冰监测技术

1. 覆冰监测装置

南方电网采用基于“称重法”的覆冰监测技术，包含拉力传感器、微气象传感器、摄像头、太阳能电池板等部件，能够采集荷载、气象要素及图像数据，计算导地线等值覆冰厚度。装置具备模块化、标准化设计，满足低功耗运行和故障诊断需求，并通过“四个统一”原则构建了覆盖南方中重冰区的可靠监测网络。

2. 覆冰监测体系建设

• 统一标准体系：制定了装置选型、试验、安装、验收、运维、评价全生命周期标准。
• 统一规划布点：确保监测网络的全面性、代表性与针对性，重点覆盖中重冰区、历史严重覆冰区段、交通困难区段等。
• 统一性能检测：构建了“入网检测+到货抽检+运行质量评价”的质量管控机制，装置冬季在线率保持在98%以上。
• 统一数据分析：开发了“两级部署、三级应用”的覆冰监测系统，实现风险趋势预警与覆冰预测日报生成，支撑融冰与应急处置。

3. 覆冰图像识别算法

• 类型识别：提出基于纹理特征差异的6类绝缘子覆冰识别方法，首次实现绝缘子覆冰类型智能分类。
• 程度识别：采用图像面积变化率、伞伸出、伞间距等参数识别覆冰严重程度，拓展了图像监测的应用场景。

4. 覆冰预测技术

南方电网采用物理增长模型与机器学习模型两种技术路线开展覆冰预测研究。

物理增长模型

• 基于国际电线积冰标准（如Kathleen.F.Jones模型），结合气象预报数据与实际监测数据进行订正。
• 通过野外观测试验获取关键参数（如风速、液态水含量、风向与线路夹角等），优化模型预测精度。
• 部署于防灾减灾系统，实现每日2次对南方四省区3km×3km格点化覆冰预测，生成覆冰预测日报，指导融冰与应急处置。

机器学习模型

• 构建包含54.8万条数据的覆冰预测数据库，涵盖历史数据与气象预报数据。
• 采用门控时序卷积网络与图卷积神经网络等模型，实现未来24小时逐小时覆冰预测。
• 每日4次发布预测结果，有效支持贵州电网运维单位开展覆冰监测与处置。

三、覆冰预测准确性分析

• 评价指标：TS评分、均方根误差（RMSE）、空报率、漏报率等。
• 模型表现：
  • 物理模型TS评分0.547，均方根误差2.05mm。
  • 深度学习模型TS评分0.523，均方根误差2.08mm。
• 应用成效：2023年冬季覆冰预测与实际结果一致性良好，有效支撑电网防冰抗冰策略，减少设备受损与电力供应风险。

四、展望

尽管南方电网在覆冰监测与预测方面取得显著进展，但仍存在以下问题亟待解决：

1. 传感器凝冻失效：摄像头、风速风向传感器在重覆冰条件下易失效，需研究防凝冻技术。
2. 脱冰跳跃监测困难：常规位移传感器难以捕捉脱冰跳跃的瞬态过程，需探索高频采样监测技术。
3. 气象预报产品不足：缺乏面向电网覆冰场景的定制化气象预报产品，需研发公里-百米级预报模式。
4. 模型普适性不足：物理增长模型需持续优化，提升其在南方地区的适用性。

未来将通过以下措施进一步提升技术：

• 深化野外观测试验：优化物理增长模型参数，探索自适应预测方案。
• 提升机器学习模型泛化能力：研究误差控制与持续学习方法，实现更高精度的72小时预测。
• 构建定制化气象预报模式：融合覆冰监测数据，提升覆冰场景下的气象预报精度。
• 推广防凝冻技术：优化传感器安装位置与角度，提高在重冰区的监测能力。

五、总结

南方电网通过技术创新与系统部署，构建了较为完善的覆冰监测与预测体系，有效提升了电网抗冰能力。未来仍需进一步优化模型与技术，解决当前存在的监测与预测难题，以应对日益复杂的冰冻灾害挑战。