配電線路風災損失混合預測算法研究
——以湛江地區為例

陳　曄，莫　新，胡　波，李中良，尹　姣，姜大志（.廣東電網有限責任公司湛江供電局，廣東　湛江　54000；.汕頭大學工學院計算機系，廣東　汕頭　5506；.廣東卓維網絡有限公司，廣東　佛山　5800）

配電線路風災損失混合預測算法研究
——以湛江地區為例

陳曄1，莫新1，胡波2，李中良3，尹姣3，姜大志2
（1.廣東電網有限責任公司湛江供電局，廣東湛江524000；2.汕頭大學工學院計算機系，廣東汕頭515063；3.廣東卓維網絡有限公司，廣東佛山528200）

我國沿海地區是風災影響的重災區，每年登陸的高強度熱帶氣旋均會造成配電線路大面積倒桿、斷桿、斷線及其他設備受損，給社會與經濟發展帶來嚴重影響.本文通過利用2006-2014年湛江地區配電線路的風災受損數據，提出一種新穎的特征提取方法并融合神經網絡、遺傳程序設計和多表達式程序設計算法建立一個混合預測模型來預測風災下的配電線路受損情況.結果表明本文提出的方法是可行、有效的，為災后快速搶修復電提供決策支持.

熱帶氣旋；配電線路；特征提取；混合預測模型

0　引言

隨著人民生活水平的飛速提高，社會對供電可靠性的要求也越來越高，而熱帶氣旋作為沿海地區最常見的自然災害之一，其發生導致電網大量線路跳閘或停運，并造成配電線路大面積倒桿、斷桿、斷線及其他設備受損，對社會與經濟發展帶來嚴重影響.因此，研究風災對配電線路的影響，在災前預測其可能受損程度，對災后及時快速地搶修復電，具有不可估量的理論與現實意義.

鑒于此，國內已有不少研究者開展配電線路與風災之間的關系研究，但目前的主要研究還停留在配電線路應對風災的具體防范措施上，很少有研究者研究建立風災與配電線路的損失的量化模型.如吳長浩等人提出面向輸配電線路在特殊氣候條件下安全運行的施工規范［1］.張飛飛在“計及風災影響的中壓配電網規劃方案研究”一文中，提出了切實可行的配電線路的規范方案［2］.彭向陽等人結合南方電網的現狀，并結合廣東省近些年來臺風登陸的情況與特點，系統地分析了臺風造成配電設施受損的特點、成因以及提升配電線路抵御風災的措施，具有非常好的借鑒意義［3］.

也有不少的研究者在臺風災害災情預評估方面進行研究［4-6］，但成果主要集中在房屋、農田等災情損失指標的確立上.如陳佩燕等人建立能夠定量地預估倒塌房屋數、受淹農田面積、直接經濟損失率等災情損失指標［7］.而趙飛等人在此基礎上進一步采用模糊數學法建立評估模型［8］.對風災損失的量化模型研究，涉及配電線路受損方面的研究較少.

本文結合廣東省湛江供電局配電線路的實際情況，通過2006-2014年湛江地區風災受損數據，在一個混合預測算法的基礎上，建立了風災與配電線路受損的模型，為風災受損的預測預報提供決策支持.

1　湛江地區配電線路風災損失統計

熱帶氣旋及其對配電線路有著嚴重的影響，以2014年的第9號超強臺風“威馬遜”為例，“威馬遜”于7月18—19日在瓊粵桂三省附近沿海三次登陸，共造成59個縣市區、742.3萬人、468.5千公頃農作物受災，直接經濟損失約為265.5億元.“威馬遜”對電力系統也造成重創，共造成廣東電網10 KV及以上線路跳閘3 000條次，變電站累計失壓183座，74 000多基桿塔受損，受影響供電臺區70 000多個，累計影響用戶532.7萬戶.

配電線路是電網的一個重要組成部分.在風災下，配電線路受損的內在成因主要有“臺風風力超過配電線路風荷標準”、“部分配電線路設施陳舊，未及時改造，設計標準偏低、健康不佳”、“制造與施工質量不良”、“線路走廊樹木及高桿類植物在風災下壓線倒桿”.但若要在熱帶氣旋作用下，研究并建立配電線路基礎參數和配電線路受損之間的微觀關系是極具困難的.

圖1　9次臺風經過湛江地區的路線圖

統計2006年到2014年在湛江或附近地區/海域登陸的，并對湛江地區造成不同程度影響的熱帶氣旋，共計9次.其登陸后在湛江或附近區域的行進路線圖如圖1所示.表1列舉的數據是這9次熱帶氣旋中，湛江地區配電線路的受損數據，包括受損線路、倒（斜）桿和斷桿.

表1　配電線路損失表

用折線刻畫9次熱帶氣旋下受損線路、倒（斜）桿和斷桿三者之間的關系（如圖2所示），發現這三者之間存在一定的一致變化關系.因此，在建立配電線路受損的預測模型時，可以先獨立預測其中的一個因變量，然后根據此因變量的預測結果來反演其他兩個因變量.從而簡化模型預測的難度（本文采用斷桿作為因變量）.

圖2　 9次熱帶氣旋下的受損線路、倒（斜）桿、斷桿情況

2　風災損失混合預測模型的建立

2.1神經網絡

神經網絡（Neural Network，NN）是借鑒人腦結構與運行而組成的一種算法.其最具代表性、最廣泛應用的方法是BP（Back Propagation）神經網絡［9-10］，它是一種按誤差進行逆向傳播算法所訓練出來的多層向前反饋的網絡.BP的拓撲結構一般包含有輸入層、隱含層和輸出層.它根據大量的輸入與輸出的映射關系使用最速下降法，在各層之間通過反向傳播以調整網絡節點與節點間的權值和閾值，目標是使得網絡的誤差平方和最小（其本質是一個優化過程）.BP通過不斷學習，能夠從未知模式的大量的復雜數據中自動地發現內在規律，從而有效克服傳統分析過程的復雜性、非線性和困難性.神經網絡算法已經成為一種廣泛使用的算法，在分類、模式識別、濾波、自動控制、預測等方面取得極佳的結果.

2.2遺傳程序設計

Koza提出遺傳程序設計方法（Genetie Programming，GP），它是演化計算（Evolutionary Computation，EC）領域的一個分支，是遺傳算法（Genetic Algorithm，GA）的自然擴展與延伸［11-12］.基于遺傳程序設計的預測分析，可從一組隨機的染色體結構出發，在演化過程中自動地發現目標對象所包含的規律，而不需要設計者對目標對象有深入的了解.由于遺傳程序設計這種高度的自組織、自適應、自學習的特性，使得其在各個領域普遍應用，例如金融市場的預測，電力需求的預測以及集成電路設計等等.

與神經網絡算法相比，GP算法得到的模型可以是一類數學表達式規則，其輸入可為函數、變量或者數值等，而輸出為因變量和對象類等等，這凸顯了GP算法的優勢，因為經過該算法獲取的模型是一個可被人理解的顯性模型.

2.3多表達式程序設計

2003年，羅馬利亞學者OLTEAN M.提出了多表達式程序設計（Multi Expression Programming，MEP）［13-14］.雖然與GP同屬于演化算法，但是與GP算法不同，MEP算法是一種基于線性編碼方法的新型演化算法，亦是融合GP和GA優秀特性的演化算法.MEP染色體編碼有一定的特殊性，當染色體的基因型向表現型轉化時可以翻譯成多個表達式，這在很大程度上提高了染色體的多樣性.此外，與GP相比，由于MEP染色體具有一定松散耦合的復用性，可以用較短的染色體便可翻譯成更為復雜的程序結構.

2.4混合預測算法

NN、GP和MEP是三種廣泛應用的建模預測算法.在本文中，我們糅合NN、GP和MEP算法，設計一種混合預測算法，建立配電線路受損預測模型.混合預測算法的應用優勢可體現在以下幾個方面：

1.對數據噪聲有更大的容忍度；

2.在一定程度上減輕過擬合的現象；

3.即使在一個方法不能取得理想結果的時候，也能保持較高的準確率.

圖3　混合預測算法框架

混合預測算法框架主要分為三個步驟如圖3.步驟①：對于同一份數據集Datasets，分別作為訓練集輸入到NN（BP神經網絡）、GP和MEP算法中.步驟②：分別運行BP、GP和MEP算法，實現模型的訓練（具體參數如數值實驗一節中所示），分別獲取三個預測模型BP model、GP model和MEP model.然后在步驟③，對于新的待識別的數據，分別輸入到BP model、GP model和MEP model中，分別得到輸出結果RBP、RGP和RMEP，然后再應用預設的集成規則，實現對未知數據的綜合集成預測.

3　數值實驗

3.1特征提取

在構建宏觀項目時，熱帶氣旋的信息相對是確定的.但是由于每個熱帶氣旋的行動路徑不一樣，其對被影響區域的影響程度也就不一樣.因此需要確定的問題是：在一次熱帶氣旋下，目標區域中所影響的范圍該如何刻畫.為此，基于配電線路提出區域質心的概念，以此來度量臺風對目標區域的影響范圍.區域性質心把配電線路分布密度映射為“物體”（即湛江各地區）的“質量”密度，依此求出對應地區的區域性“質心”.可以把每個線桿都看成一個質點來考慮，則區域性質心計算公式如下所示：

其中，xi表示桿塔i的經緯度坐標，mi即表示桿塔i的質量.

通過上述公式，可以計算湛江地區的各個區域性質心，分別包括赤坎、東海、雷州、廉江、麻章、坡頭、遂溪、吳川、霞山、徐聞共10個質心點.為了安全保密起見，我們暫不公布上述10個質心點的具體數值，請讀者見諒.

通過質心點，可結合熱帶氣旋行進路徑估算臺風對目標區域的影響范圍.假設有兩個區域A和B，質心點分別為Z1和Z2.另設有一熱帶氣旋T，其發展路徑為一條直線.具體如圖4所示：

圖4　熱帶氣旋以及區域示意圖

可以求得質心點與熱帶氣旋的近似垂直距離，對圖4，質心點與熱帶氣旋路徑的垂直距離分別為Z1T1和Z2T2.則距離均值ZTaverage可由下述公式計算：

其中N是目標區域中質心點的數量之和，在本例中N=2.

此外，定義R為集合｛Z1T1，Z2T2，……，ZNTN｝中最大最小值的比率.則R可用下述公式計算：

可以從物理意義上來解釋ZTaverage和R的作用.參數ZTaverage可用來描述某一熱帶氣旋離目標區域的遠近，但是此參數并不足以刻畫熱帶氣旋與目標區域之間的交叉關系，即熱帶氣旋是否會穿過目標區域.一般而言，如果高強度的熱帶氣旋（如臺風及以上級別的熱帶氣旋）穿過某一地區，那對這個地區的影響程度要大于同等強度氣旋但沒有經過目標區域.因此參數R被設計并用來大致度量這種是否穿過的差異關系.通過整理9次熱帶氣旋，選擇斷桿數量作為目標自變量，可得出如下表2的數據集.

表2　九次熱帶氣旋下的數據集合

3.2數值實驗結果

在本次數值模擬中，BP、GP和MEP三種算法的參數設置如下：

BP算法：輸入節點4，輸出節點1，中間節點9.

GP算法：運算符集F=｛+，-，*，/｝，進化代數1 000，種群大小50，最大樹深10，選擇概率0.1，交叉概率0.9，編譯概率0.05.

MEP算法：運算符集F=｛+，-，*，/｝，進化代數1 000，種群大小50，染色體長度10，單點雜交概率0.3，兩點交叉概率0.3，多點交叉概率0.3，標準變異概率0.25，均勻變異概率0.25.

在問題的求解過程中，三個算法的輸入變量分別是風速、臺風距湛江各地區中心點距離的均值和最小/最大值，輸出變量時斷桿.由于GP和MEP是演化算法的一種，它的一個特點是需要設定一個適應值函數，為此，設定一個統一的適應值函數如下：

在上式中，n是數據集的大小，Vi是模型的計算結果，而是模型期望結果，即實際的斷桿數量.

由于本次數值實驗的數據集非常小，只有9條可用的數據，為此將數據集隨機組合形成訓練集（6條樣本）和測試集（3條樣本），隨機抽取5次，最終共形成5份訓練與測試數據，分別對這5份數據集進行數值實驗Test1～Test5.每次實驗分別統計BP、GP、MEP和混合預測算法在測試集上的平均誤差（集成BP、GP和MEP算法的結果即為混合算法的結果，集成公式為（BP+GP+MEP）/3）.其結果如表3所示.

表3　數值實驗結果表　%

由表3可以看出，在綜合評價上，混合預測算法的表現最優，5次平均誤差的均值為16%.但是混合預測算法也并不是每次都能得到最優的結果，比如在Test2中，MEP的平均誤差為8.2%，但是混合預測算法為9.4%，但是它還是優于BP和GP.總體而言，混合算法的表現較為穩定.再者，相比較BP、GP和MEP算法，MEP算法的表現最優，5次平均誤差的均值為17.5%，優于BP 20.4%和GP 18.4%，可在此處體現MEP算法的優越性.

4　結語

中國是世界上受熱帶氣旋影響最嚴重的國家與地區之一.而在中國大陸沿海，廣東是受熱帶氣旋干擾最嚴重的地區.據相關資料統計，平均每年登陸我國的熱帶氣旋有9個左右，而登陸廣東地區的氣旋就約有3個.高強度的熱帶氣旋登陸，常伴有狂風、暴雨等惡劣天氣，導致洪澇、風暴潮、山體滑坡等災害.對熱帶氣旋可能造成的災害進行有效的預評估，對各地應急決策部門制定科學合理的防臺減災及救災策略有著重要的意義.

本文結合廣東省湛江市電力系統配電線路的實際情況，通過收集近幾年湛江地區風災受損數據，提出一種特征提取方法并構建一個混合預測算法來有效挖掘風災與配電線路受損的關系模型.模擬實驗結果顯示，本方法是有效、可行的.通過混合預測模型，可以快速、準確地進行災前預測、評估，為減災、救災工作提供必要的依據.此外，本模型具有很好的泛化能力，原則上只要改換訓練集并做微小的調整，就可以對很多因風災而受損的指標進行預估.

［1］吳長浩.增強配電網抗“臺風”能力的幾點建議［J］.電力安全技術，2013，15（6）：47-48.

［2］張飛飛，劉念，肖銳，等.計及風災影響的中壓配電網規劃方案研究［J］.華東電力，2012，40（7）：1178-1181.

［3］彭向陽.配電線路臺風受損原因及風災防御措施分析［J］.南方電網技術，2010，4（1）：99-102.

［4］劉少軍，張京紅，何政偉，等.基于GIS的臺風災害損失評估模型研究［J］.災害學，2010，25（2）：64-67.

［5］張斌，陳海燕，顧駿強.基于GIS的臺風災害評估系統設計開發［J］.災害學，2008，23（1）：47-50.

［6］李春梅，羅曉玲，劉錦鑾，等.層次分析法在熱帶氣旋災害影響評估模式中的應用［J］.熱帶氣旋學報，2006，22（3）：223-228.

［7］陳佩燕，楊玉華，雷小途，等.我國臺風災害成因分析及災情預估［J］.自然災害學報，2009，18（1）：64-73.

［8］趙飛，廖永豐，張妮娜，等.登陸中國臺風災害損失預評估模型研究［J］.災害學，2011，26（2）：81-85.

［9］HAYKIN S.神經網絡與機器學習［M］.申富饒，徐燁，鄭俊，等譯.北京：機械工業出版社，2011.

［10］KARABATAK M，INCE M C.An expert system for detection of breast cancer based on association rules and neural network［J］.Expert Systems with Applications，2009，36（2）：3465-3469.

［11］KOZA J R.Genetic programming：On the programming of computers by means of natural selection［M］. Cambridge，MA：MIT Press，1992.

［12］JIANG D Z，LI L Y，HU B，et al.An approach for prediction of acute hypotensive episodes via hilbert-huang method and genetic programming［J］.International Journal of Distributed Sensor Networks，2015，Article ID 354807.

［13］OLTEAN M，GROSAN C.A comparision of several linear genetic programming techniques［J］.Complex Systems，2003，14（4）：282-311.

［14］GANDOMI A H，FARAMARZIFAR A，REZAEE P G，et al.Newdesign equations for elastic modulus of concrete using multi expression programming［J］.Journal of Civil Engineering and Management，2015，21 （6）：761-774.

Research of Hybrid Prediction Algorithm for Distribution Line Loss in TC Disaster—A Case of Zhanjiang Region

CHEN Ye1，MO Xin1，HU Bo2，LI Zhongliang3，YIN Jiao3，JIANG Dazhi2
（1.ZhanjiangPower SupplyBureau of GuangdongPower Grid Co.，Ltd. 2.Department of Computer Science，Shantou University，Shantou 513063，Guangdong，China；3.Department of EngineeringTechnology，GuangdongTopwayCo.，Ltd.，Foshan 528200，Guangdong，China）

The coastal area of China is a heavy disaster area affected by wind disaster.High intensity of tropical cyclones（TC）landing every year generally causes severe damage for distribution lines，including pole inverted，pole broken and line disconnected and so on.It also causes serious influence on the development ofthe social and the national economy.Accordingto Zhanjiang distribution lines'damaged data in recent years，a novel feature extraction method is proposed.Then，a hybrid prediction algorithm based on neural network，genetic programming and multi-expression programming is presented to predict the loss of distribution lines in TC disaster.It is indicated that the methodology will provide decision support for the rapid repair after disaster.

tropical cyclone；distribution line；feature extraction；hybrid prediction algorithm

TP311

A

1001-4217（2016）02-0072-09

2015-09-22

陳曄（1968—），男，湖北羅田人，高級工程師.研究方向：智能電網.

莫新（1973—），男，廣東雷州人，高級工程師.研究方向：智能電網.E-mail：zjmoxin@139.com

姜大志（1982—），男，江蘇南京人，博士，副教授.研究方向：智能計算.E-mail：dzjiang@stu.edu.cn

中國南方電網有限責任公司科技項目（K-GD2014-080）；國家自然科學基金（61502291）；廣東省高等學校優秀青年教師培養計劃項目（YQ2015070）；廣東省普通高校特色創新項目（自然科學類）（2015KTSCX039）；廣東省教育科學研究教育科研項目（2015GXJK037）