一种输电线路跳线的风偏角预测方法及装置与流程

1.本发明涉及输电线路的技术领域，特别是涉及一种输电线路跳线的风偏角预测方法及装置。


背景技术：

2.目前所发生的架空输电线路风偏故障，与极端气象条件具有直接的关系，特别是在大风伴有降雨时，更易导致风偏闪络故障的发生；现有的输电线路风偏监测普遍基于对接收的数值气象数据进行解析，并确定输电线路与风向的夹角和随机风速，然后计算随机风荷载和输电线路的水平位移，最后确定绝缘子动态风偏角，并对输电线路风偏状态进行预报，实现基于数值气象数据和绝缘子动态风偏角的输电线路风偏预报，或通过使用动态风风速模拟模型和风偏角计算模型，采集相应信息计算得到基于动态风的输电线路模拟风偏角。
3.现有的输电线路风偏监测技术未考虑降雨对跳线风偏角的影响，并未针对跳线风偏角建立有限元模型，使得获得的模型不够精确，进一步导致后续得到的输电线路风偏角误差较大。


技术实现要素：

4.本发明要解决的技术问题是：提供一种输电线路跳线的风偏角预测方法及装置，提高获取输电线路跳线风偏角的准确性和效率。
5.为了解决上述技术问题，本发明提供了一种输电线路跳线的风偏角预测方法，包括：
6.获取输电线路跳线的垂直导线方向水平风荷载、垂直导线方向竖直风荷载和跳线雨荷载；
7.根据所述垂直导线方向水平风荷载、所述垂直导线方向竖直风荷载和所述跳线雨荷载，对所述输电线路跳线进行建模处理，得到初始有限元模型；
8.基于所述初始有限元模型获取多个预设工况下的风偏角数据，并将所述风偏角数据划分为模型训练数据集和模型预测数据集，其中，所述预设工况包括风速、风向和降雨强度；
9.基于所述模型训练数据集对bp神经网络模型进行训练，得到初始风偏角计算模型，将所述模型预测数据集输入到所述初始风偏角计算模型进行风偏角预测，得到最优风偏角计算模型；
10.获取并将实时风速、实时风向和实时降雨强度输入到所述最优风偏角计算模型中，得到风偏角预测值。
11.在一种可能的实现方式中，获取输电线路跳线的垂直导线方向水平风荷载、垂直导线方向竖直风荷载，具体包括：
12.获取并将参数基准高度为10m的第一风速、导线外径、跳线档距、风压不均匀系数、
风压高度变化系数、导线的体形系数、风荷载调整系数和风荷载增大系数输入到预设的垂直导线方向水平风荷载计算公式中，得到垂直导线方向水平风荷载，其中，预设的垂直导线方向水平风荷载计算公式，如下所示：
[0013][0014]
式中，v1为第一风速、d为导线外径、l为跳线档距、α为风压不均匀系数、u1为风压高度变化系数、u2为导线的体形系数、β为风荷载调整系数、a为风荷载增大系数；
[0015]
获取参数基准高度为10m的风向角，将所述风向角和所述垂直导线方向水平风荷载输入到预设的垂直导线方向竖直风荷载计算公式中，得到垂直导线方向竖直风荷载，其中，预设的垂直导线方向竖直风荷载计算公式，如下所示：
[0016][0017]
式中，φ为风向角。
[0018]
在一种可能的实现方式中，获取输电线路跳线的跳线雨荷载，具体包括：
[0019]
获取并将参数基准高度为10m的第一风速、雨滴直径、跳线高度处、跳线高度、单位体积内雨滴个数、风压高度变化系数、降雨强度，跳线迎雨面积和跳线长度输入到预设的跳线雨荷载计算公式中，得到跳线雨荷载，其中，所述预设的跳线雨荷载计算公式，如下所示：
[0020][0021][0022]
n＝8000e
d(4.1b-0.21)
；
[0023]
s＝πdl/2；
[0024]
式中，v1为第一风速、d为雨滴直径、v2为跳线高度处、h为跳线高度、n为单位体积内雨滴个数、u1为风压高度变化系数、b为降雨强度，s为跳线迎雨面积，l为跳线长度。
[0025]
在一种可能的实现方式中，将所述模型预测数据集输入到所述初始风偏角计算模型进行风偏角预测，得到最优风偏角计算模型，具体包括：
[0026]
将所述模型预测数据集输入所述初始风偏角计算模型中，得到所述模型预测数据集中每个预测数据样本对应的样本预测值；
[0027]
将所述样本预测值输入到平均相对误差计算公式中，得到平均相对误差值；
[0028]
将所述平均相对误差值与预设平均相对误差阈值进行对比，当所述平均相对误差值小于所述预设平均相对误差阈值时，将当前初始风偏角计算模型设置为最优风偏角计算模型。
[0029]
本发明还提供了一种输电线路跳线的风偏角预测装置，包括：载荷计算模块、有限元建模模块、模型数据划分模块、最优风偏角计算模型构建模块和风偏角预测模块；
[0030]
其中，所述载荷计算模块，用于获取输电线路跳线的垂直导线方向水平风荷载、垂直导线方向竖直风荷载和跳线雨荷载；
[0031]
所述有限元建模模块，用于根据所述垂直导线方向水平风荷载、所述垂直导线方向竖直风荷载和所述跳线雨荷载，对所述输电线路跳线进行建模处理，得到初始有限元模型；
[0032]
所述模型数据划分模块，用于基于所述初始有限元模型获取多个预设工况下的风偏角数据，并将所述风偏角数据划分为模型训练数据集和模型预测数据集，其中，所述预设工况包括风速、风向和降雨强度；
[0033]
所述最优风偏角计算模型构建模块，用于基于所述模型训练数据集对bp神经网络模型进行训练，得到初始风偏角计算模型，将所述模型预测数据集输入到所述初始风偏角计算模型进行风偏角预测，得到最优风偏角计算模型；
[0034]
所述风偏角预测模块，用于获取并将实时风速、实时风向和实时降雨强度输入到所述最优风偏角计算模型中，得到风偏角预测值。
[0035]
在一种可能的实现方式中，所述载荷计算模块，用于获取输电线路跳线的垂直导线方向水平风荷载、垂直导线方向竖直风荷载，具体包括：
[0036]
获取并将参数基准高度为10m的第一风速、导线外径、跳线档距、风压不均匀系数、风压高度变化系数、导线的体形系数、风荷载调整系数和风荷载增大系数输入到预设的垂直导线方向水平风荷载计算公式中，得到垂直导线方向水平风荷载，其中，预设的垂直导线方向水平风荷载计算公式，如下所示：
[0037][0038]
式中，v1为第一风速、d为导线外径、l为跳线档距、α为风压不均匀系数、u1为风压高度变化系数、u2为导线的体形系数、β为风荷载调整系数、a为风荷载增大系数；
[0039]
获取参数基准高度为10m的风向角，将所述风向角和所述垂直导线方向水平风荷载输入到预设的垂直导线方向竖直风荷载计算公式中，得到垂直导线方向竖直风荷载，其中，预设的垂直导线方向竖直风荷载计算公式，如下所示：
[0040][0041]
式中，φ为风向角。
[0042]
在一种可能的实现方式中，所述载荷计算模块，用于获取输电线路跳线的跳线雨荷载，具体包括：
[0043]
获取并将参数基准高度为10m的第一风速、雨滴直径、跳线高度处、跳线高度、单位体积内雨滴个数、风压高度变化系数、降雨强度，跳线迎雨面积和跳线长度输入到预设的跳线雨荷载计算公式中，得到跳线雨荷载，其中，所述预设的跳线雨荷载计算公式，如下所示：
[0044][0045][0046]
n＝8000e
d(4.1b-0.21)
；
[0047]
s＝πdl/2；
[0048]
式中，v1为第一风速、d为雨滴直径、v2为跳线高度处、h为跳线高度、n为单位体积内雨滴个数、u1为风压高度变化系数、b为降雨强度，s为跳线迎雨面积，l为跳线长度。
[0049]
在一种可能的实现方式中，所述最优风偏角计算模型构建模块，用于将所述模型预测数据集输入到所述初始风偏角计算模型进行风偏角预测，得到最优风偏角计算模型，具体包括：
[0050]
将所述模型预测数据集输入所述初始风偏角计算模型中，得到所述模型预测数据集中每个预测数据样本对应的样本预测值；
[0051]
将所述样本预测值输入到平均相对误差计算公式中，得到平均相对误差值；
[0052]
将所述平均相对误差值与预设平均相对误差阈值进行对比，当所述平均相对误差值小于所述预设平均相对误差阈值时，将当前初始风偏角计算模型设置为最优风偏角计算模型。
[0053]
本发明还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的输电线路跳线的风偏角预测方法。
[0054]
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的输电线路跳线的风偏角预测方法
[0055]
本发明实施例一种输电线路跳线的风偏角预测方法及装置，与现有技术相比，具有如下有益效果：
[0056]
通过获取并基于输电线路跳线的垂直导线方向水平风荷载、垂直导线方向竖直风荷载和跳线雨荷载，对输电线路跳线进行建模处理，考虑了风雨荷载对输电线路跳线风偏角的影响，得到初始有限元模型；将通过初始有限元模型获取的多个预设工况下的风偏角数据，划分为模型训练数据集和模型预测数据集；基于模型训练数据集对bp神经网络模型进行训练，得到初始风偏角计算模型，将模型预测数据集输入到初始风偏角计算模型进行风偏角预测，得到最优风偏角计算模型，通过运用数据驱动的方式建立最优风偏角计算模型，运用大量数据训练模型，使得模型更加精确；获取并将实时风速、实时风向和实时降雨强度输入到所述最优风偏角计算模型中，即可快速得到风偏角预测值，提高了风偏角的获取效率。与现有技术相比，本发明的技术方案能提高获取输电线路跳线风偏角的准确性和效率。
附图说明
[0057]
图1是本发明提供的一种输电线路跳线的风偏角预测方法的一种实施例的流程示意图；
[0058]
图2是本发明提供的一种输电线路跳线的风偏角预测装置的一种实施例的结构示意图；
[0059]
图3是本发明实施例提供的输电线路跳线有限元建模示意图；
[0060]
图4是本发明实施例提供的输电线路跳线受风雨荷载及自身荷载作用的受力情况示意图。
具体实施方式
[0061]
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0062]
实施例1
[0063]
参见图1，图1是本发明提供的一种输电线路跳线的风偏角预测方法的一种实施例的流程示意图，如图1所示，该方法包括步骤101－步骤105，具体如下：
[0064]
步骤101：获取输电线路跳线的垂直导线方向水平风荷载、垂直导线方向竖直风荷载和跳线雨荷载。
[0065]
一实施例中，根据选取的耐张段，即两个导线连接点间的距离确定导线外径d、跳线档距l；查阅资料gb50545－2010110kv－750kv架空输电线路设计规范，获取参数基准高度为10m的第一风速、风向角、导线外径、跳线档距、风压不均匀系数、风压高度变化系数、导线的体形系数、风荷载调整系数和风荷载增大系数。
[0066]
一实施例中，将参数基准高度为10m的第一风速、导线外径、跳线档距、风压不均匀系数、风压高度变化系数、导线的体形系数、风荷载调整系数和风荷载增大系数输入到预设的垂直导线方向水平风荷载计算公式中，得到垂直导线方向水平风荷载，其中，预设的垂直导线方向水平风荷载计算公式，如下所示：
[0067][0068]
式中，v1为第一风速、d为导线外径、l为跳线档距、α为风压不均匀系数、u1为风压高度变化系数、u2为导线的体形系数、β为风荷载调整系数、a为风荷载增大系数；
[0069]
一实施例中，获取参数基准高度为10m的风向角，将所述风向角和所述垂直导线方向水平风荷载输入到预设的垂直导线方向竖直风荷载计算公式中，得到垂直导线方向竖直风荷载，其中，预设的垂直导线方向竖直风荷载计算公式，如下所示：
[0070][0071]
式中，φ为风向角。
[0072]
一实施例中，获取并将参数基准高度为10m的第一风速、雨滴直径、跳线高度处、跳线高度、单位体积内雨滴个数、风压高度变化系数、降雨强度，跳线迎雨面积和跳线长度输入到预设的跳线雨荷载计算公式中，得到跳线雨荷载，其中，所述预设的跳线雨荷载计算公式，如下所示：
[0073][0074][0075]
n＝8000e
d(4.1b-0.21)
；
[0076]
s＝πdl/2；
[0077]
式中，v1为第一风速、d为雨滴直径、v2为跳线高度处、h为跳线高度、n为单位体积内雨滴个数、u1为风压高度变化系数、b为降雨强度，s为跳线迎雨面积，l为跳线长度。
[0078]
步骤102：根据所述垂直导线方向水平风荷载、所述垂直导线方向竖直风荷载和所述跳线雨荷载，对所述输电线路跳线进行建模处理，得到初始有限元模型。
[0079]
一实施例中，基于有限元法对输电线路跳线进行建模处理时，需要进行风偏角定义、输电线路跳线建模及初始形态找型和风雨载荷模拟。
[0080]
一实施中，对于风偏角定义，具体的，对输电线路跳线承受的风荷载、垂直导线方
向水平风荷载、垂直导线方向竖直风荷载、自身重力、拉力进行受力分析，当输电线路跳线受力平衡时，理论上输电线路跳线因受力平衡而禁止不动时，此时对应输电线路跳线最大风偏角；其中，输电线路跳线承受的拉力可由安装在输电线路跳线连接输电线路导线处的拉力传感器测得。
[0081]
一实施例中，对于输电线路跳线建模及初始形态找型，具体的，运用ansys软件对输电线路跳线进行有限元建模，视输电线路跳线为一根处处铰链的柔软链条，如图3所示，图3是输电线路跳线有限元建模示意图；悬链线形是输电线路跳线在其自身荷载下的起始形态。在跳线弦的位置创建初始有限元模型，运用实际确定的材料参数和实常数，给出较小的初始应力并施加荷载，将水平张力作为收敛条件，对初始有限元模型不断更新，直到找到承受自身载荷的输电线路跳线的初始形态。
[0082]
一实施例中，对于风雨载荷模拟，具体的，初始有限元模型是依靠有限个单元建立而成，采用集中力模拟法模拟输电线路跳线中每个单元节点上的风雨荷载，其中，风荷载对应的集中力大小可根据步骤101中的获取的垂直导线方向水平风荷载和垂直导线方向竖直风荷载计算得f
wy1
＝f
wy
s/l；雨荷载对应的集中力大小可根据步骤101中获取的跳线雨荷载计算得f
r1
＝frs/l，其中，l为跳线总长度，s为每个单元长度。如图4所示，图4为输电线路跳线受风雨荷载及自身荷载作用的受力情况示意图，其中，g1为单位长度跳线自身荷载作用力。
[0083]
步骤103：基于所述初始有限元模型获取多个预设工况下的风偏角数据，并将所述风偏角数据划分为模型训练数据集和模型预测数据集，其中，所述预设工况包括风速、风向和降雨强度。
[0084]
一实施例中，获取多个预设工况下的风偏角数据；具体的，选用不同风速，其中，不同风速分别为0、2.5、5、7.5、10、12.5、15、17.5、20、22.5、25、27.5、30、32.5、35、37.5、40、42.5、45、47.5、50、52.5、55，其单位为米每秒；选用不同风向，其中，不同风向分别为0
°
、30
°
、45
°
、60
°
、90
°
、120
°
、150
°
、180
°
、210
°
、240
°
、270
°
、300
°
、330
°
、360
°
；选用不同降雨强度，其中，不同降雨强度分别为0.1、0.5、1、2、4、8、12、15、17、20、25、30，其单位为毫秒每分钟；通过选取不同的风速、风向和降雨强度进行搭配，得到多个预设工况。优选的，本实施例中，生成3864种工况。
[0085]
一实施例中，根据所述3864种工况，获取每种工况对应的风偏角数据，并将所述3864种工况下的风偏角数据设置为模型训练数据集。
[0086]
一实施例中，还从气象数据和架空输电线路在线监测数据中随机选取60个样本，其中，每个样本包括风速、风向、降雨强度及其对应的风偏角数据，并该60个样本设置为模型预测数据集。
[0087]
步骤104：基于所述模型训练数据集对bp神经网络模型进行训练，得到初始风偏角计算模型，将所述模型预测数据集输入到所述初始风偏角计算模型进行风偏角预测，得到最优风偏角计算模型。
[0088]
一实施例中，将所述模型预测数据集输入所述初始风偏角计算模型中，得到所述模型预测数据集中每个预测数据样本对应的样本预测值。
[0089]
一实施例中，将所述样本预测值输入到平均相对误差计算公式中，得到平均相对误差值；其中，所述平均相对误差计算公式，如下所示：
[0090][0091]
式中，n为模型预测数据集样本个数，o(i)为模型预测数据集第i个样本对应的样本预测值，y(i)为模型预测数据集第i个样本对应的真实风偏角数据，i＝1，2，3，
…
，n。
[0092]
一实施例中，运用平均相对误差对初始风偏角计算模型的拟合效果进行评价，具体的，将所述平均相对误差值与预设平均相对误差阈值进行对比，当所述平均相对误差值小于所述预设平均相对误差阈值时，认为初始风偏角计算模型的拟合效果满足要求，并将当前初始风偏角计算模型设置为最优风偏角计算模型。优选的，将所述预设平均相对误差阈值设置为10％，同样的，可以基于用户需求设置所述预设平均相对误差阈值。
[0093]
步骤105：获取并将实时风速、实时风向和实时降雨强度输入到所述最优风偏角计算模型中，得到风偏角预测值。
[0094]
一实施例中，根据所述最优风偏角计算模型建立风偏角预测系统，以使向风偏角预测系统中的最优风偏角计算模型输出实时获取的风速、风向和降雨强度，即可得到风偏角预测值。
[0095]
实施例2
[0096]
参见图2，图2是本发明提供的一种输电线路跳线的风偏角预测装置的一种实施例的流程示意图，如图2所示，该装置包括载荷计算模块201、有限元建模模块202、模型数据划分模块203、最优风偏角计算模型构建模块204和风偏角预测模块205，具体如下：
[0097]
所述载荷计算模块201，用于获取输电线路跳线的垂直导线方向水平风荷载、垂直导线方向竖直风荷载和跳线雨荷载。
[0098]
所述有限元建模模块202，用于根据所述垂直导线方向水平风荷载、所述垂直导线方向竖直风荷载和所述跳线雨荷载，对所述输电线路跳线进行建模处理，得到初始有限元模型。
[0099]
所述模型数据划分模块203，用于基于所述初始有限元模型获取多个预设工况下的风偏角数据，并将所述风偏角数据划分为模型训练数据集和模型预测数据集，其中，所述预设工况包括风速、风向和降雨强度。
[0100]
所述最优风偏角计算模型构建模块204，用于基于所述模型训练数据集对bp神经网络模型进行训练，得到初始风偏角计算模型，将所述模型预测数据集输入到所述初始风偏角计算模型进行风偏角预测，得到最优风偏角计算模型。
[0101]
所述风偏角预测模块205，用于获取并将实时风速、实时风向和实时降雨强度输入到所述最优风偏角计算模型中，得到风偏角预测值。
[0102]
一实施例中，所述载荷计算模块201，用于获取输电线路跳线的垂直导线方向水平风荷载、垂直导线方向竖直风荷载，具体包括：获取并将参数基准高度为10m的第一风速、导线外径、跳线档距、风压不均匀系数、风压高度变化系数、导线的体形系数、风荷载调整系数和风荷载增大系数输入到预设的垂直导线方向水平风荷载计算公式中，得到垂直导线方向水平风荷载，其中，预设的垂直导线方向水平风荷载计算公式，如下所示：
[0103][0104]
式中，v1为第一风速、d为导线外径、l为跳线档距、α为风压不均匀系数、u1为风压高
度变化系数、u2为导线的体形系数、β为风荷载调整系数、a为风荷载增大系数；
[0105]
一实施例中，所述载荷计算模块201，用于获取参数基准高度为10m的风向角，将所述风向角和所述垂直导线方向水平风荷载输入到预设的垂直导线方向竖直风荷载计算公式中，得到垂直导线方向竖直风荷载，其中，预设的垂直导线方向竖直风荷载计算公式，如下所示：
[0106][0107]
式中，φ为风向角。
[0108]
一实施例中，所述载荷计算模块201，用于获取输电线路跳线的跳线雨荷载，具体包括：获取并将参数基准高度为10m的第一风速、雨滴直径、跳线高度处、跳线高度、单位体积内雨滴个数、风压高度变化系数、降雨强度，跳线迎雨面积和跳线长度输入到预设的跳线雨荷载计算公式中，得到跳线雨荷载，其中，所述预设的跳线雨荷载计算公式，如下所示：
[0109][0110][0111]
n＝8000e
d(4.1b-0.21)
；
[0112]
s＝πdl/2；
[0113]
式中，v1为第一风速、d为雨滴直径、v2为跳线高度处、h为跳线高度、n为单位体积内雨滴个数、u1为风压高度变化系数、b为降雨强度，s为跳线迎雨面积，l为跳线长度。
[0114]
一实施例中，所述最优风偏角计算模型构建模块204，用于将所述模型预测数据集输入到所述初始风偏角计算模型进行风偏角预测，得到最优风偏角计算模型，具体包括：将所述模型预测数据集输入所述初始风偏角计算模型中，得到所述模型预测数据集中每个预测数据样本对应的样本预测值；将所述样本预测值输入到平均相对误差计算公式中，得到平均相对误差值；将所述平均相对误差值与预设平均相对误差阈值进行对比，当所述平均相对误差值小于所述预设平均相对误差阈值时，将当前初始风偏角计算模型设置为最优风偏角计算模型。
[0115]
所属领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不在赘述。
[0116]
需要说明的是，上述输电线路跳线的风偏角预测装置的实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0117]
在上述的输电线路跳线的风偏角预测方法的实施例的基础上，本发明另一实施例提供了一种输电线路跳线的风偏角预测终端设备，该输电线路跳线的风偏角预测终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时，实现本发明任意一实施例的输电线路跳线的风偏角预测方法。
[0118]
示例性的，在这一实施例中所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个
或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述输电线路跳线的风偏角预测终端设备中的执行过程。
[0119]
所述输电线路跳线的风偏角预测终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述输电线路跳线的风偏角预测终端设备可包括，但不仅限于，处理器、存储器。
[0120]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述输电线路跳线的风偏角预测终端设备的控制中心，利用各种接口和线路连接整个输电线路跳线的风偏角预测终端设备的各个部分。
[0121]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述输电线路跳线的风偏角预测终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0122]
在上述输电线路跳线的风偏角预测方法的实施例的基础上，本发明另一实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时，控制所述存储介质所在的设备执行本发明任意一实施例的输电线路跳线的风偏角预测方法。
[0123]
在这一实施例中，上述存储介质为计算机可读存储介质，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read－only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0124]
综上，本发明提供了一种输电线路跳线的风偏角预测方法及装置，通过获取并基于输电线路跳线的垂直导线方向水平风荷载、垂直导线方向竖直风荷载和跳线雨荷载，对输电线路跳线进行建模处理，考虑了风雨荷载对输电线路跳线风偏角的影响，得到初始有限元模型；将通过初始有限元模型获取的多个预设工况下的风偏角数据，划分为模型训练数据集和模型预测数据集；基于模型训练数据集对bp神经网络模型进行训练，得到初始风偏角计算模型，将模型预测数据集输入到初始风偏角计算模型进行风偏角预测，得到最优风偏角计算模型，通过运用数据驱动的方式建立最优风偏角计算模型，运用大量数据训练
模型，使得模型更加精确；获取并将实时风速、实时风向和实时降雨强度输入到所述最优风偏角计算模型中，即可快速得到风偏角预测值，提高了风偏角的获取效率。与现有技术相比，本发明的技术方案能提高获取输电线路跳线风偏角的准确性和效率。
[0125]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。