基于风波动过程的输电铁塔动态响应分析方法、系统、存储介质及设备与流程

阅读：评论：0

1.本发明涉及输电铁塔动态响应分析技术领域，尤其涉及基于风波动过程的输电铁塔动态响应分析方法、系统、存储介质及设备。

背景技术：

2.我国沿海地区每年都会有大风、台风等极端天气，因强风导致的倒塔事故时有发生，可能会使局部地区电力中断，对人们的生产、生活造成极大不便，严重影响电网的安全运行。架空输电线路作为城市电网的“骨架”，在面对各类极端天气冲击时需要维持更高的安全可靠性。灾害天气的下对杆塔进行风险评估，对于抗灾防灾工作具有重大意义。
3.传统的风荷载分析一般只考虑风速与铁塔的受力或形变量的线性关系，容易忽略风场的湍流效应以及铁塔动态响应的波动特性。在连续复杂风场中，输电铁塔的动态力学响应亦在频域中存在一定规律，这也可以体现在其时间序列的波动特性上。因此，除了对铁塔力学响应的时间序列进行分析之外，还需对各响应的时序波动过程进行研究，进而利用铁塔各节点的力学模态响应波动特性参数计算节点形变约束，作为输电铁塔状态评估的基础。

技术实现要素：

4.为解决现有技术所存在的技术问题，本发明提供基于风波动过程的输电铁塔动态响应分析方法、系统、存储介质及设备，通过对杆塔的响应进行小波分解，利用神经网络对结果学习分析，将数据划分为和风场数据相关的分段数据，可以得到杆塔的波动特性，进而为杆塔的风险评估和力学分析提供参考依据。
5.本发明方法采用以下技术方案来实现：基于风波动过程的输电铁塔动态响应分析方法，包括以下步骤：
6.s1、获取风场与响应数据，对数据进行预处理，清除误差数据，并标准化数据；利用matlab中wavelet toolbox对各项激励和响应进行小波分解，分别将各低频分量和各高频分量进行合并重构，获取低频重构分量和高频重构分量，并选取代表数据特征的分量数据；
7.s2、利用处理后的数据计算非线性相关系数；选取测点的各响应参数与风场特征参数的相关系数，将此相关系数最大处的风场特征参数类型作为划分波动段的标准；
8.s3、以风速的低频重构分量的相邻极小值为界，将风速和铁塔响应的时间序列划分为若干波动段研究；利用风速趋势项的极值划分风速阶段，包括高风段、降风段、升风段、低风段；将风速数据归一化后，再将风速波动段按照时序分段；根据风速波动段的划分情况，对铁塔各节点的振动加速度和倾斜角小波重构时序进行波动过程的划分，进而利用各响应波动过程中的波动特性参数，包含幅值、波长，进行铁塔节点位移形变的离散计算。
9.本发明系统采用以下技术方案来实现：基于风波动过程的输电铁塔动态响应分析系统，包括：
10.重构分量获取模块：通过获取风场与响应数据，对数据进行预处理，清除误差数据，并标准化数据；利用matlab中wavelet toolbox对各项激励和响应进行小波分解，分别将各低频分量和各高频分量进行合并重构，获取低频重构分量和高频重构分量，并选取代表数据特征的分量数据；
11.风场与响应参数的相关系数计算模块：通过利用处理后的数据计算非线性相关系数；选取测点的各响应参数与风场特征参数的相关系数，将此相关系数最大处的风场特征参数类型作为划分波动段的标准；
12.波动划分模块：通过利用风速的低频重构分量的相邻极小值为界，将风速和铁塔响应的时间序列划分为若干波动段研究；利用风速趋势项的极值划分风速阶段，包括高风段、降风段、升风段、低风段；将风速数据归一化后，再将风速波动段按照时序分段；根据风速波动段的划分情况，对铁塔各节点的振动加速度和倾斜角小波重构时序进行波动过程的划分，进而利用各响应波动过程中的波动特性参数，包括幅值、波长，进行铁塔节点位移形变的离散计算。
13.本发明的存储介质，其上存储有计算机指令，所述计算机指令被处理器执行时实现上述输电铁塔动态响应分析方法的步骤。
14.本发明的设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器运行所述计算机程序时，实现上述输电铁塔动态响应分析方法。
15.本发明与现有技术相比，具有如下优点和有益效果：
16.1、本发明通过对杆塔的响应进行小波分解，利用神经网络对结果学习分析，将数据划分为和风场数据相关的分段数据，可以得到杆塔的波动特性，进而为杆塔的风险评估和力学分析提供参考依据。
附图说明
17.图1是本发明的方法流程图；
18.图2是本发明小波分解结果示意图；
19.图3是本发明长时间无规律的风速和铁塔响应的时间序列划分为若干波动段研究波动段的波幅、波长和波峰数特征参数的规律结果示意图。
具体实施方式
20.下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
21.实施例
22.如图1所示，本实施例基于风波动过程的输电铁塔动态响应分析方法，包括以下步骤：
23.s1、获取风场与响应数据，对数据进行预处理，清除误差数据，并标准化数据；利用matlab中wavelet toolbox对各项激励和响应进行小波分解，分别将各低频分量和各高频分量进行合并重构，获取低频重构分量和高频重构分量，并选取代表数据特征的分量数据；
24.s2、利用处理后的数据计算非线性相关系数；选取测点的各响应参数与风场特征参数的相关系数，将此相关系数最大处的风场特征参数类型作为划分波动段的标准；
25.s3、以风速的低频重构分量的相邻极小值为界，将风速和铁塔响应的时间序列划分为若干波动段研究；利用风速趋势项的极值划分风速阶段，包括高风段、降风段、升风段、低风段；将风速数据归一化后，再将风速波动段按照时序分段；根据风速波动段的划分情况，对铁塔各节点的振动加速度和倾斜角小波重构时序进行波动过程的划分，进而利用各响应波动过程中的波动特性参数，包括幅值、波长等，进行铁塔节点位移形变的离散计算。
26.具体地，本实施例中，步骤s1中获取风场与响应数据的具体过程如下：
27.s111、通过统计气象站数据，利用反距离加权法格点化插值算法得到高精度的格点化数据；
28.s112、结合gis以及地形数据对插值数据进行修正；
29.s113、编写算法计算得到高精度的格点化风场数据及图像信息。
30.具体地，本实施例中，步骤s111中的气象站数据包括一定时间内风速；湍流强度，如：1min平均风速、1min湍流强度以及10min湍流积分尺度；杆塔响应数据，包括节点加速度、角加速度及倾角等。
31.具体地，本实施例中，步骤s1中的小波分解选用matlab中的wavelet toolbox工具箱，对规整处理后的数据进行6级分解。结果如图2所示，图中，s为规整后的原始数据，d1-d6为频率从高到低的振动分量，a6为原始信号的近似分量。
32.具体地，将频率高、变化波动较大的分量定义为高频分量，如d1-d3；将频率低、变化波动较小的分量定义为低频分量，如d4-d6和a6。两者分别能够反映非平稳信号的随机变化特性和整体变化趋势；高频分量(d1+d2+d3)主要反映激励和响应的随机变化特性，不宜用于风场参数和铁塔动态响应的分类匹配，所以将低频重构分量(a6+d6+d5+d4)为波动过程的研究对象；以风速的低频重构分量(d4+d5+d6)的相邻极小值为界，将长时间无规律的风速和铁塔响应的时间序列划分为若干波动段研究波动段的波幅、波长和波峰数等特征参数的规律，如图3所示。利用近似分量a6进行趋势研究。
33.具体地，本实施例中，风场特性和输电铁塔动态响应间存在着复杂的内在联系，对风场各项参数，如：1min平均风速、1min湍流强度以及10min湍流积分尺度；铁塔响应参数，包括节点加速度、角加速度及倾角等，进行正交相关分析，研究各种激励和响应间的相关关系，从而确定相关系数最大的激励和响应参数，以作为分类匹配的对象。风场和铁塔响应参数的时间序列均为非平稳信号，步骤s2中引入非线性相关系数ρ
xy
，用于综合反映风场和铁塔响应参数的时间序列两信号中每一频率分量的相位及幅值信息，描述风场和铁塔响应参数的时间序列两个信号在同一时段内的相似程度，如下式：
[0034][0035]
其中，x(n)、y(n)分别为风场参数和铁塔响应参数的低频重构分量。
[0036]
具体地，选取测点的各响应参数与风场特征参数的相关系数，如表1所示。
[0037]
表1
[0038][0039][0040]
具体地，在表1中只有测点的加速度和倾角与1min平均风速的相关系数，如绝对值比较大，而测点角速度与各类风场特征参数的相关系数则相对较小；此外，竖直方向即z轴的响应与风场参数的相关系数比较小，原因是传感器在竖直方向上容易受到电磁场干扰而造成测量偏差。可以看出，1min平均风速对铁塔的影响比较明显，而湍流强度及湍流积分尺度与铁塔响应的相关系数相对较小，无法反映局部强风与铁塔响应的对应关系。因此，本实施例选择平均风速的时间序列作为划分风波动段的标准。
[0041]
具体地，本实施例中，步骤s3中风速波动段划分的具体过程如下：
[0042]
s31、定义波动段的特征向量，将风速数据归一化后利用自组织映射som神经网络对其周期项的39段波动段进行识别，输入特征向量：
[0043]
c[s
max
,s
min
,r,t]
[0044]
s32、利用som神经网络聚类将周期项波动段分为长时大波动、短时大波动、长时小波动和短时小波动四种类型；结合趋势项分段获取风速状态分布图，将风速波动段按照时序分为25段。
[0045]
具体地，本实施例中，定义波动段的特征向量如表2所示。
[0046]
表2
[0047][0048]
相应地，本发明的基于风波动过程的输电铁塔动态响应分析系统，包括：
[0049]
重构分量获取模块：通过获取风场与响应数据，对数据进行预处理，清除误差数据，并标准化数据；利用matlab中wavelet toolbox对各项激励和响应进行小波分解，分别将各低频分量和各高频分量进行合并重构，获取低频重构分量和高频重构分量，并选取代
表数据特征的分量数据；
[0050]
风场与响应参数的相关系数计算模块：通过利用处理后的数据计算非线性相关系数；选取测点的各响应参数与风场特征参数的相关系数，将此相关系数最大处的风场特征参数类型作为划分波动段的标准；
[0051]
波动划分模块：通过利用风速的低频重构分量的相邻极小值为界，将风速和铁塔响应的时间序列划分为若干波动段研究；利用风速趋势项的极值划分风速阶段，包括高风段、降风段、升风段、低风段；将风速数据归一化后，再将风速波动段按照时序分段；根据风速波动段的划分情况，对铁塔各节点的振动加速度和倾斜角小波重构时序进行波动过程的划分，进而利用各响应波动过程中的波动特性参数，包括幅值、波长等，进行铁塔节点位移形变的离散计算。
[0052]
具体地，重构分量获取模块中获取的风场与响应数据包括一定时间内风速；湍流强度；杆塔响应数据，包括节点加速度、角加速度及倾角。
[0053]
具体地，风场与响应参数的相关系数计算模块中引入非线性相关系数，用于综合反映风场和铁塔响应参数的时间序列两信号中每一频率分量的相位及幅值信息，描述风场和铁塔响应参数的时间序列两个信号在同一时段内的相似程度。
[0054]
此外，本发明还提出存储介质及设备。其中存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本发明输电铁塔动态响应分析方法的步骤s1-s3。而设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述计算机程序时，实现本发明输电铁塔动态响应分析方法，即包括上述步骤s1-s1的过程。
[0055]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

技术特征：

1.基于风波动过程的输电铁塔动态响应分析方法，其特征在于，包括以下步骤：s1、获取风场与响应数据，对数据进行预处理，清除误差数据，并标准化数据；利用matlab中wavelet toolbox对各项激励和响应进行小波分解，分别将各低频分量和各高频分量进行合并重构，获取低频重构分量和高频重构分量，并选取代表数据特征的分量数据；s2、利用处理后的数据计算非线性相关系数；选取测点的各响应参数与风场特征参数的相关系数，将此相关系数最大处的风场特征参数类型作为划分波动段的标准；s3、以风速的低频重构分量的相邻极小值为界，将风速和铁塔响应的时间序列划分为若干波动段研究；利用风速趋势项的极值划分风速阶段，包括高风段、降风段、升风段、低风段；将风速数据归一化后，再将风速波动段按照时序分段；根据风速波动段的划分情况，对铁塔各节点的振动加速度和倾斜角小波重构时序进行波动过程的划分，进而利用各响应波动过程中的波动特性参数，包含幅值、波长，进行铁塔节点位移形变的离散计算。2.根据权利要求1所述的基于风波动过程的输电铁塔动态响应分析方法，其特征在于，步骤s1中获取风场与响应数据的具体过程如下：s111、通过统计气象站数据，利用反距离加权法格点化插值算法得到高精度的格点化数据；s112、结合gis以及地形数据对插值数据进行修正；s113、编写算法计算得到高精度的格点化风场数据及图像信息。3.根据权利要求2所述的基于风波动过程的输电铁塔动态响应分析方法，其特征在于，步骤s111中的气象站数据包括一定时间内风速；湍流强度；杆塔响应数据，包括节点加速度、角加速度及倾角。4.根据权利要求1所述的基于风波动过程的输电铁塔动态响应分析方法，其特征在于，步骤s2中引入非线性相关系数ρ
xy
，用于综合反映风场和铁塔响应参数的时间序列两信号中每一频率分量的相位及幅值信息，描述风场和铁塔响应参数的时间序列两个信号在同一时段内的相似程度，如下式：其中，x(n)、y(n)分别为风场参数和铁塔响应参数的低频重构分量。5.根据权利要求1所述的基于风波动过程的输电铁塔动态响应分析方法，其特征在于，步骤s3中风速波动段划分的具体过程如下：s31、定义波动段的特征向量，将风速数据归一化后利用自组织映射som神经网络对其周期项的波动段进行识别，输入特征向量：c[s
max
,s
min
,r,t]s32、利用som神经网络聚类将周期项波动段分为长时大波动、短时大波动、长时小波动和短时小波动四种类型；结合趋势项分段获取风速状态分布图，将风速波动段按照时序分段。6.基于风波动过程的输电铁塔动态响应分析系统，其特征在于，包括：重构分量获取模块：通过获取风场与响应数据，对数据进行预处理，清除误差数据，并标准化数据；利用matlab中wavelet toolbox对各项激励和响应进行小波分解，分别将各低频分量和各高频分量进行合并重构，获取低频重构分量和高频重构分量，并选取代表数据
特征的分量数据；风场与响应参数的相关系数计算模块：通过利用处理后的数据计算非线性相关系数；选取测点的各响应参数与风场特征参数的相关系数，将此相关系数最大处的风场特征参数类型作为划分波动段的标准；波动划分模块：通过利用风速的低频重构分量的相邻极小值为界，将风速和铁塔响应的时间序列划分为若干波动段研究；利用风速趋势项的极值划分风速阶段，包括高风段、降风段、升风段、低风段；将风速数据归一化后，再将风速波动段按照时序分段；根据风速波动段的划分情况，对铁塔各节点的振动加速度和倾斜角小波重构时序进行波动过程的划分，进而利用各响应波动过程中的波动特性参数，包含幅值、波长，进行铁塔节点位移形变的离散计算。7.根据权利要求6所述的基于风波动过程的输电铁塔动态响应分析系统，其特征在于，重构分量获取模块中获取的风场与响应数据包括一定时间内风速；湍流强度；杆塔响应数据，包括节点加速度、角加速度及倾角。8.根据权利要求6所述的基于风波动过程的输电铁塔动态响应分析系统，其特征在于，风场与响应参数的相关系数计算模块中引入非线性相关系数，用于综合反映风场和铁塔响应参数的时间序列两信号中每一频率分量的相位及幅值信息，描述风场和铁塔响应参数的时间序列两个信号在同一时段内的相似程度。9.存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时，实现权利要求1-5中任一项所述的输电铁塔动态响应分析方法的步骤。10.设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时，实现权利要求1-5中任一项所述的输电铁塔动态响应分析方法。

技术总结

本发明涉及基于风波动过程的输电铁塔动态响应分析方法、系统、存储介质及设备，其方法包括步骤：S1、获取低频重构分量和高频重构分量，并选取代表数据特征的分量数据；S2、利用处理后的数据计算非线性相关系数；S3、将风速和铁塔响应的时间序列划分为若干波动段研究；利用风速趋势项的极值划分风速阶段；将风速数据归一化后，再将风速波动段按照时序分段；根据风速波动段的划分情况，对铁塔各节点的振动加速度和倾斜角小波重构时序进行波动过程的划分。本发明通过对杆塔的响应进行小波分解，利用神经网络对结果学习分析，将数据划分为和风场数据相关的分段数据，可以得到杆塔的波动特性，进而为杆塔的风险评估和力学分析提供参考依据。依据。依据。