電網輸電線路故障原因分析與分布研究

章鹿華 丁恒春 徐占河 趙 林

(冀北電力有限公司計量中心，北京 102208)

電網輸電線路故障原因分析與分布研究

章鹿華 丁恒春 徐占河 趙 林

(冀北電力有限公司計量中心，北京 102208)

針對電網輸電線路故障頻發、表象隨機性強、提前預判難度大等問題，在分析電網歷史故障數據的基礎上，對電網輸電線路故障原因與特點進行深入剖析。采用大數據挖掘法建立多維度、多業務間的量化關系，提出并確定了典型故障類型，全面展現了典型故障的線路分布、電壓等級分布、時間分布和重復發生概率等，明確了電網安全運維檢修的重點環節。研究成果為制定電網運維管理策略和線路大修、投資計劃提供了有力技術支撐。

電網 線路故障 大數據挖掘 線路分布 電壓等級分布 時間分布 運維管理

0 引言

電網企業輸電線路運維檢修的最大風險表現為線路故障，線路故障的發生可能由線路缺陷、人員操作、自然環境等內外部多種因素造成，同時各種誘發因素之間也存在相互影響，可能間接導致線路故障。

目前，國家電網公司已建立國內領先、國際一流的信息集成平臺。隨著三地集中式數據中心的陸續投運，一級部署業務應用范圍的持續拓展，電網業務數據從總量和種類上都已初具規模，電網大數據的“量類時”特性，已在海量、實時的電網業務數據中凸顯出來。

但數據收集無法停止，結果無法使用仍是國網公司面臨的主要問題。目前，大多數事物型數據庫僅實現了數據錄入、查詢和統計等較低層次的功能，數據分析仍停留在對結構化數據進行指標的統計分析階段，通過分析結果無法發現累計數據中存在的有用信息，更無法進一步通過數據分析發現更高的價值。目前，亟需加強對多樣化的統計分析和數據挖掘手段的研究工作，增強關聯度和預測性分析，發現數據潛藏價值，推動數字化向智能化轉變，提高數據服務公司戰略決策、業務應用和管理模式創新的能力。

本文從電網輸電線路故障數據特點和管理需求出發，以輸電線路故障數據為核心，通過大數據挖掘的方式建立多維度、多業務間的量化關系，全面了解電網設備故障類型，明確重點管理環節，深入分析典型故障，針對高、中、低危故障類型，形成分層管理體系，輔助指標管理策略并完善指標日常管理方法，并對研究中發現的問題提出改進建議。

1 故障類型分析

輸電線路故障類型包括雷害、異物影響、大風、動物影響、覆冰、大型機械作業碰線、火災、材質不良、建設施工、外部火災、產品結構設計不合理、工藝不佳、外力破壞等[1]。本文統計了2012～2014年期間，某電力公司110 kV、220 kV和500 kV輸電線路故障數據共計198條。按故障類型來說，雷害故障記錄91條，占故障總數的45.96%。異物影響故障和大風故障，占故障總數的比例依次為14.14%、13.64%。雷害、異物影響、大風這3類故障發生次數占故障總數的74%，即18.8%的故障類型發生故障的概率為74%，故障類型分布較集中[2]。通過重點篩選，明確雷害、異物影響、大風等是引發線路故障的最關鍵因素，并主要針對這3種故障類型，從線路長路與線路條數、電壓等級與區域分布、發生概率、發生時間的相關性等方面詳細分析了輸電線路故障發生的規律[3]。

2 典型的故障特點分析

2.1 典型故障線路分布特點

分別對雷害、異物影響和大風這3類典型故障進行帕累托曲線計算，直觀分析各類典型故障在線路長度和線路條數上的分布特點，可得到各類典型故障的發生比例與線路長度、線路條數占比之間的定量關系，為典型故障的集中重點防控提供數據支撐。

通過計算分析可見，50%的雷害故障發生集中于總線路長度的9.75%[4]，總線路條數的1.39%；80%的雷害故障發生集中于總線路長度的12.68%，總線路條數的3.86%；100%的雷害故障發生集中于總線路長度的22.06%，總線路條數的5.50%。雷害故障在發生線路條數和線路長度上表現出高度集中，這種分布的集中性為雷害故障監測重點線路的選擇提供了合理依據。對于占總線路長度22.06%、總線路條數5.50%的線路，應作為雷害故障監測的重點線路，可極大提高雷害故障防控的效率[5]。

同理，50%的異物影響故障集中于線路總長度的0.98%，80%異物影響故障集中于1.72%長度線路，100%異物影響故障集中于4.11%長度線路。50%的大風故障集中于3.4%長度線路,80%大風故障集中于6.81%長度線路，100%大風故障集中于12.21%長度線路。異物影響和大風故障也同樣在發生線路條數和線路長度上，表現出高度集中性[6]，因此可開展重點監測工作。

2.2 典型故障電壓等級分布特點

分別對2012年1月1日～2014年12月31日輸電線路中的雷害故障數據、異物影響故障數據和大風故障數據按照線路電壓等級進行分類。結果發現，雷害故障60%分布于500 kV線路，32%分布于220 kV線路；異物故障43%分布于500 kV線路，46%分布于220 kV線路；大風故障63%分布于500 kV線路，26%分布于220 kV線路。3種故障類型的故障發生率均較為集中，500 kV和220 kV線路應作為故障預防工作的重點線路[7]。

2.3 典型故障貝葉斯分析

對2012～2014年輸電線路雷害故障數據，按照所處年份進行貝葉斯網絡分析?；疑珔^域代表當年發生故障線路，白色區域代表當年無故障線路的條數；斜杠分隔符前數字代表發生故障的線路條數，斜杠分隔符后數字代表故障記錄的次數，各角形分叉下方線代表上一年線路中發生雷害故障的線路，上方線條代表上一年線路中未發生雷害故障的線路。因大風故障3年總數為27，異物影響故障3年總數為28，故障數據量較小不適于使用貝葉斯分析，所以僅對雷害故障進行貝葉斯網絡分析，結果如圖2所示。

圖1 貝葉斯網絡分析圖

Fig.1 The Bayesian network analysis

2012年發生雷害故障的線路70條，雷害故障記錄85條。在2012年發生雷害故障的70條線路中，2013年再次發生雷害故障的線路14條，單線路二次雷害故障率為20%；而在2012年未發生雷害故障的1 147條線路中，2013年發生雷害故障的線路41條，單線路二次雷害故障率為3.57%，故障發生概率低于2012年雷害故障線路的20%。

在2012～2013年連續發生雷害故障的14條線路中，2014年再次發生雷害故障線路為6條，單線路三次雷害故障率42.86%，且這些線路2014年平均單線路雷害故障次數為1.5；在2012～2013年連續兩年未發生雷害故障的1 106條線路中，2014年發生雷害故障的線路為21條，單線路雷害故障發生概率僅為1.91%，故障發生概率遠低于2012～2013年連續發生雷害故障線路的42.86%，且這些線路2014年平均單線路雷害故障次數為1.1，遠低于2012～2013年連續發生雷害故障線路的1.5。

通過以上分析，可以看到連續兩年未發生故障的線路，發生故障的可能性低于連續兩年同時發生故障的線路。發生故障的線路，隔年再次發生故障的可能性高于7%，單線路故障數約為1。前一年發生故障的線路，今年再次發生故障的可能性高于17%，單線路故障數約為1.3。連續兩年以上發生故障的線路，再次發生故障的可能性高于40%，單線路故障數約為1.5。

單一線路雷電故障發生的重復率較高，發生過、尤其是近年發生過雷電故障的線路再次發生雷電故障的概率較高，應作為雷電故障監控重點。

2.4 典型故障時間分布

對2012～2014年輸電線路典型故障數據的月份分布進行分析，分析各類典型故障類型的季節分布特點[8]。圖2分別給出了雷害故障、異物故障和大風故障的月份分布圖。

圖2 三種故障月份分布圖

Fig.2 The monthly distribution of three kindsof fault

由圖2(a)可知，每年5～8月是雷害故障高發季節，在一年中33%的時間內集中了90%的雷害故障;每年9月至次年4月是雷害故障低發季節。由圖2(b)和圖2(c)可知，100%的異物影響故障和大風故障均發生在每年3～11月，春、夏、秋季是異物影響

故障和大風故障的高發季節，且異物影響和大風故障導致的線路故障在故障發生各月份分布較為均勻，冬季是二者低發季節。因此，雷害故障、異物故障和大風故障監控的重點時間分別為每年5～8月、3～11月、3～11月。

3 結束語

本文以線路故障數據為基礎，對典型故障類型進行了歷史故障高發地域分析。發現發生過雷害故障的線路，再次發生雷害故障的可能性更高，且單線路雷害故障發生次數更高。通過對歷史各年度單線路發生雷害故障發生次數的統計，可預測以后年度各線路雷電故障發生的概率，從而篩選出雷害故障的高發線路，為制定線路技改大修投資計劃、確定日常運維檢修重點提供數據支撐。

[1] 汪洋，梁明亮，張雷,等.2012華北電網500kV線路故障分析與思考[J].電力系統自動化，2013(21)：44-49.

[2] 梁志峰.2011—2013年國家電網公司輸電線路故障跳閘統計分析[J].華東電力，2014(11)：28-33.

[3] 周雨田，趙潔，董飛飛,等.自然災害造成電網故障的地域分布評估研究[J].陜西電力，2013(10):7-10.

[4] 彭向陽，詹清華，周華敏.廣東電網同塔多回線路雷擊跳閘影響因素及故障分析[J].電網技術，2012(3):86-92.

[5] 桂強，劉意川，張沛超.高壓電網故障信息數據挖掘系統的研究[J].繼電器，2007(10):42-45.

[6] 魯慧民，馮博琴.基于數據挖掘的電網故障關聯性分析與研究[J].微電子學與計算機，2008(12):116-119.

[7] 徐巖，張銳，衛波.應用數據融合的電網故障診斷[J].電力系統及其自動化學報，2014(11):71-75.

[8] 王艷陽， 孫廣輝，王兆輝.河北省南部電網線路故障分析[J].河北電力技術，2007(4):11-12.

Analysis and Research on the Causes and Distribution of Faults upon Transmission Lines of Power Grid

In view of the problems of frequent failures in transmission lines of power grid,and the strong randomness of appearance,it is difficult to predict in advance.On the basis of historical power grid fault data,the causes of faults and the features are analyzed in-depth. By using big data mining method,the quantitative relationship of multi-dimensional,and multiple businesses is established,the typical fault types are put forward and determined. The distribution upon lines,voltage grade,and time of typical faults as well as the repeated probability of occurrence are comprehensively demonstrated,thus the focused aspects of safety operation,maintenance,and management of power grid are defined.The research results provide strong technical support to formulate the strategies of operation,maintenance,and management; as well as the plans of overhaul,technical retrofits,and investment.

Power grid Line fault Big data mining Line distribution Voltage grade distribution Time distribution Operation and maintenance management

章鹿華(1980—)，男，2006年畢業于華北電力大學高電壓與絕緣技術專業，獲碩士學位，高級工程師；主要從事電力大數據分析、電氣設備在線監測、電能計量和電磁測量方向的研究。

TH-39;TP271

A

10.16086/j.cnki.issn 1000-0380.201612023

修改稿收到日期：2016-01-13。