输电线路覆冰预测技术探究综述

《输电线路覆冰预测技术探究综述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、输电线路覆冰预测技术探究综述　　【摘要】架空输电线路的覆冰轻则引起线路过荷载以及导线舞动等危害，重则致使断线、倒塔，以致电网瘫痪。由此可见，架空输电线路覆冰严重地影响了输电网的可靠性，给电力系统的安全稳定运行带来了巨大的威胁。由于输电线路覆冰主要受气象因子的影响，因此从气象因子方面讨论输电线路覆冰规律以及建立大气候背景下的输电线路覆冰预测模型具有十分重要的意义。【关键词】输电线路覆冰预测技术气象因子1前言当严重的冰灾持续来袭时，输电线路不可避免的会出现覆冰。与其他事故相比，冰冻灾害给电网造成的损失往往更加严重，轻则发生绝缘子覆冰闪络，重则造成断线、倒塔，致使电网瘫痪。

2、受大气候、微地形、微气象条件的影响，当发生由于冰冻灾害引起的输电网事故时，往往天气恶劣、交通受阻、冰雪封山，抢修十分困难[1]，因而经常造成系统大面积长时间停电，给国民经济造成严重损失，给人民生活带来极大不便。对各种气象因子条件下输电线路的覆冰规律进行研究，并建立相应的模型，这不仅可以探究电网输电线路覆冰原因，更能够通过预测结果为电网防冻融冰工作提供指导。62输电线路覆冰种类分析按照覆冰的形成条件，可以把导线覆冰分为雨凇、雾凇、混合淞、白霜、雪和雾[6]，其性质和形成条件如表1所示。一般过冷却水滴越小，越容易形成雾凇；过冷却水滴较大，在海拔较低的地区，则容易形成雨凇。

3、在我国，雨凇多见于湖南、粤北、赣南、湖北、河南及皖南等丘陵地区，而雾凇多见于云贵高原或海拔在1000米以上的山区，尤其海拔在2000-3000米的山区最多。3导线覆冰的影响因素分析导线覆冰受不同因素的影响，其厚度、密度和单位长度覆冰量等都会存在差异。而影响导线覆冰的因素很多，主要有气象条件、地形条件、海拔高程、凝结高度、导线悬挂高度、导线直径、水滴直径、风速风向、负荷电流及电场强度等[2]。重点探讨气象条件、地形条件对输电线路覆冰的影响。（1）气象条件对覆冰的影响：导线覆冰主要是由气象条件决定的，是受温度、湿度、风、冷暖空气对流以阳光照射等因素影响的综合物理现象。其中

4、影响导线覆冰的主要因素有4种：空气温度、空气中液态水含量、空气中或云中过冷却水滴直径、以及风速风向。这4种因素的不同组合确定了导线的覆冰类型。6雨凇覆冰形成时，通常温度较高，一般在-5—0℃之间，水滴直径大，一般在10-40μm之间：雾凇覆冰形成时，温度较低，在-8℃以下，一般在-15到-10℃之间，水滴直径在1-20μm之间：混合凇则通常介于雨凇和雾凇之间，混合凇覆冰时的温度范围为-9到-3℃，水滴直径在5-35μm之间。即当气温高、风速大时形成雨凇；当温度低、风速小时形成雾凇。（2）地形条件对覆冰的影响：导线覆冰除了受气象条件影响外，还与山脉走向、坡向与分水岭、风

5、口、江湖水体等因素有很大的关系，在高山丘陵地区，导线覆冰受地理及地形的影响更为严重。东西走向山脉的迎风坡在冬季覆冰较背风坡严重，分水岭、风口处线路覆冰较其他地形严重[3]。这种现象国内在湖南、四川、云南和贵州地区很普遍。4关于气象因子的预测模型要实现电网覆冰预警，则必须提前知晓覆冰的发展趋势。即能根据提前获得的监测点气象信息，预测导线的覆冰状况。因此，关于气象因子的覆冰预测模型是实现预警的关键所在。其主要研究成果可分为机理模型、统计学模型和智能计算模型三大类。6（1）机理模型：L.Makkonen[4]提出著名的Makkonen模型，根据覆冰形成的气象机理、流体力学以

6、及热力学相关原理，把导线半径、气温、风速、降水率、风吹角度及覆冰时间等作为输入量，用数值计算方法建立覆冰的增长模型，从而对导线覆冰负荷进行估计或预测。孙才新[5]等提出了导线覆冰的热平衡方程，推导出了导线覆冰的冻结系数和湿增长覆冰向干增长转变的临界条件模型，该模型为以环境温度、风速、水滴直径、空气中液态水含量及导线传输电流为变量的导线覆冰函数；PingFu[6]等提出2-D覆冰模型，基于边界单元法（BoundaryElementMethod）分析和计算流过导线空气和液滴的动力学过程，从而得出覆冰增长过程的碰撞效率和热传导效率，进而模拟覆冰在导线上的增长预测模型。（2）

7、Y.Sakamoto[7]提出了基于风洞试验的覆冰负荷预测模型，通过测量单位时间内通过导线的降雪量、风速、温度以及下雨或下雪的临界温度，以统计学的方法建立预测覆冰负荷的数学模型；蒋兴良[8]等提出了了三种不同直径导线在不同风速、液态水含量（LWC）即液态水质量浓度、水滴中值体积直径（MVD）、环境温度等环境参数下的覆冰试验统计学模型，分析了覆冰时间及四个环境参数对覆冰厚度的影响。6（3）智能计算模型：P.McComber[9]提出了基于多层神经网络的覆冰预测模型，把气象数据作为神经网络的输入进行训练，从而得到历史覆冰监测数据与气象因素之间的映射模型；