輸變電設施可靠性評估中設備故障率預測措施

溫曉佳 蓋耀輝

摘要：輸變電設備故障率具有復雜多變的特性，進而故障率表現為一種隨機的特性，這也為輸變電設備故障率的預測增加了難度，很難準確的確定輸變電設備的故障率。還有就是目前對于輸變電設施的可靠性資料的統計很少，缺乏可以參考的資料，導致很難合成有效的擬合函數， 目前形成的擬合函數的精度都比較低。本文所選用的自回歸‐移動平均混合模型（ARMA 模型）是現在應用最為廣泛的擬合模型，它具有很多優勢，例如它能夠準確的反映當前值和歷史值之間的聯系，它還能夠反映自回歸部分的誤差累計，并且本方法需要的樣本量很少，但是擬合精度卻較高。

關鍵詞：輸變電設施；可靠性評估；設備故障率；預測措施

輸變電主設備所處狀態及外部因素導致的設備故障概率是風險評估中最為重要的基礎數據之一，它在極大程度上直接影響輸變電主設備風險的大小。因此，為實現輸變電主設備的狀態檢修必須研究狀態評價結果與故障概率之間的關系。

一、輸變電設施狀態檢修的問題

1 缺乏定量的設備狀態評價和風險評估體系。對現有輸變電主設備數據資料收集、整理、綜合分析等還不夠完善，缺乏對輸變電主設備進行風險評估的評估模型以及基于風險的運行檢修策略。

2 狀態監測技術有待完善。狀態監測技術的作用至關重要，它是獲取狀態參量數據信息的主要手段。由于受到現有檢測技術水平及現場環境等各種因素的制約，在安徽電網的實際操作中，仍然采用傳統的停電試驗為主、帶電測試和在線監測為輔的狀態監測手段，無法實時、準確的掌握設備的健康狀況，因而需要引進先進設備，進一步完善狀態監測技術。

3 各專業間橫向集成度不高。使各種數據信息完整化系統化是狀態檢修工作的前提條件。從現有的數據信息采集情況來看，由于檢修記錄、試驗報告、運行數據分別由不同部門完成，因而各種數據信息各自孤立，沒有形成完整的數據體系，為數據分析處理帶來不便，無法為狀態檢修工作提供數據支持。

4 設備運行維護指導依據需進一步優化。在大多數情況下依然按照傳統的定期檢修規定執行，例如停電試驗和巡視維護按周期進行， 技術改造和檢修安排按規劃完成，造成了大量人力物力資源的利用不盡合理。因此，要全面開展狀態檢修工作，應不斷完善相應的標準和規程，使狀態檢修有理有據，有文可依。

輸變電設備的故障率不是恒定不變的，它是隨時間變化而形成的隨機序列，這組隨機變量受到兩方面的影響：①影響因素；②自身變化規律。設備故障率是評估輸變電設施安全可靠性的根本，所以，所建立的設備故障率預測模型是十分重要的，因為該模型所提供的數據是評估輸變電設施可靠性的重要參考依據，并且該模型所提供的數據是確定輸變電設施可靠性評估的可信度的依據。

二、模型與算例分析

1 自回歸-移動平均混合模型

2 基于 ARMA模型的故障預測方法

基于 ARMA 模型的故障預測方法能夠劃分為六個部分，分別為： 數據預處理、模型結構確定、模型定階、參數識別、模型校驗以及預測分析。在完成前面幾個步驟（數據預處理、模型結構確定、參數識別、模型校驗）后就可以得到預測模型關系式，表達函數為。

三、算例分析

3.1 原始數據

通過查閱資料，選取 220kV 某輸電線路的事故率，截取時間為2014 年 8 月到 2016 年 8 月。通過數據分析可以看出，220kV 輸電線路的事故率的時間序列呈現出隨機波動大以及還有斷點存在的特點， 不能應用常規的分解分析法以及回歸分析法去設備故障率進行有效的預測，但是，這是 ARMA的優勢，可以應用 AMRA模型去處理， 然后得到對設備故障率的準確預測。

本文選用 2014 年 8 月到 2016 年 8 月的數據作為基本數據，建立ARMA模型后對220kV 輸電線路的事故率后五個月的設備故障率進行預判以及誤差分析。

3.2 數據預處理

3.3.3 模型檢驗

應用殘差序列對上述三種模型進行檢驗，通過觀察模型中自相關函數和偏自相關函數的殘差序列可以看出他們均為截尾，因此所建模型的殘差是不含相關性的白噪聲，這也表明該模型的效果良好。

綜上所述，應用 ARMA（4，2）模型對設備故障率進行預測是可行的，預測模型如式所示。

3.3.4 模型預測以及結果

根據預測模型公式（8）對后五個月設備故障率進行預測，其結果如表 3 所示。

3.3 模型參數的設計

3.3.1 模型結構

同時應用自相關函數和偏自相關函數對樣本進行處理，應用兩種函數的截尾性對 ARMA 進行初步識別，進而建立 ARMA 模型的階數， 對于模型的參數制定如表 1 所示。

4.總結

應用 ARMA模型能夠很好的對輸變電設施可靠性評估中設備故障率進行預測，輸變電故障率是評判供電系統可靠性的基礎，但是設備故障率是隨機的并且是時變的，不能應用傳統的時序分析法對其建立模型，常規的時序分析法包含回歸法、分解分析法。然而應用 ARMA模型能夠很好的預測設備故障率，并且該方法對平穩隨機變量的預測是最為合適的，該方法不需要很多的信息，只需要較少的樣本就能夠得到高精度預測結果，本文還對該方法進行了實例預測，對 220kV 輸電線路建立了 ARMA模型，通過此模型對設備故障率進行預測，通過誤差分析結果可以看出，該模型滿足實際工程要求，可以應用到實際工程當中， 該方法有效解決了常規方法不能對隨機性、時變性設備故障率精確分析的弊端，希望本文所介紹的方法能夠對相關工作者帶來幫助。

參考文獻：

[1] 廖浩利。電力設備狀態檢修中存在的問題及對策分析[J].低碳世界，2014，（13）：52-53.

[2] 孟昭軍，朱興興。基于狀態檢修的輸變電設備故障率的計算[J].電網與清潔能源，2015，31（6）：15-20.

[3] 高翔，羅俊，楊能武。基于輸變電設備狀態評價的調控輔助決策系統研究[J].電力與能源，2015，36（6）：803-807.