基于數據挖掘的配電網線路臺風故障影響分級評價

孫 明，蘇毅方，邵先軍，周金輝，金涌濤，陳 誠

（1.國網浙江省電力有限公司電力科學研究院，杭州 310014；2.國網浙江省電力有限公司，杭州 310007；3.國網浙江省電力有限公司金華供電公司，浙江 金華 321017）

0 引言

隨著全球變暖，災害性天氣頻發，臺風災害已成為威脅配電網可靠運行的重要因素之一。災害性的臺風天氣給電網運行帶來了巨大風險，嚴重時導致的大面積停電更是給國計民生帶來了巨大損失[1-3]。為提升配電網運行可靠性，非常有必要研究如何評估配電網臺風天氣下的運行風險，提高配電網抵御臺風的能力。

現階段，針對臺風天氣對輸配電網的影響有部分研究。文獻[4]考慮天氣因素、故障率與修復時間的不確定性，建立了架空線路停電模型，采用蒙特卡洛法評估輸電系統的可靠性。文獻[5]通過建立臺風風速模型，重點研究了風速與配電網電桿之間的相互作用，但未充分考慮臺風與配電網可靠性之間的關系。文獻[6]提出了風速與配電網元件故障率相關的計算模型，但模型僅針對故障概率的影響，未能充分評估臺風給配電網帶來的停電影響。

2008 年，國務院批轉關于加強電力系統抗災能力建設若干意見的通知[7]，要求積極推進電力抗災技術創新，調整電網建設標準，采取差異化的抗災規劃方案。目前，我國在電力系統設計規劃中側重統一提高標準。但配電網覆蓋面積廣，設備眾多，統一提高標準經濟性不高且沒有必要[8]。在實際生產中，針對臺風天氣，各供電公司僅憑經驗設計規劃線路，用以提高配電網抗臺風水平，應對方案不足；未能充分利用目前配電網的海量數據資源，僅采用停電時戶數單一指標考核供電可靠性，評價結果較為片面。隨著電力體制改革的深入推進，對以最經濟的成本保障供電可靠性的要求越來越高。臺風對供電可靠性的影響極大，開展不同線路受臺風影響動態定級分析，采取差異化的防臺改造和運維可實現精準投資和精準運維，從而提高供電可靠性。通過影響分級分析，可用于不同線路通道與臺風的影響關系分析、不同防臺措施有效性分析，從而挖掘出經現場驗證的有效防臺風措施。

針對上述情況，基于配電網在線監測大數據歷史資源，本文提出了一種配電網臺風故障線路影響分級評價方法，用于精準定位臺風故障最嚴重的地區及線路。首先，基于臺風故障歷史數據構建配電網線路臺風故障影響評價指標體系；然后，采用數據挖掘方法構建主成分分析模型和單層次分析模型，分別計算各指標權重；最后，采用主客觀綜合賦權法確定權重，進而對臺風故障線路進行智能評價分級。

1 評價指標和評價模型

1.1 評價指標體系

目前，越來越多的配電網自動監測裝置投入運行，為研究配電網運行可靠性提供了大量的數據資源[9-10]。如何利用這些海量數據，挖掘數據價值，成為了重要課題。根據配電網停電在線監測系統現有的可采集數據，經文獻查閱、專家建議和數據篩選，選取故障停電次數、停電時戶數、停電臺數、停電恢復時間、線路失電負荷和線路平均負荷等6 個指標作為配電網線路臺風故障影響分級評價指標，如圖1 所示。

圖1 臺風故障影響評價指標體系

其中，停電時戶數為線路停電時間與配電網故障停電變壓器臺數的乘積，綜合表征了停電影響，是供電公司衡量停電損失的重要指標；停電臺數、停電恢復時間、線路失電負荷可用來評估停電損失；線路平均負荷的大小可在一定程度上表征線路重要性。除故障停電次數指標外，其余指標均取該條線路受臺風影響導致停電數據的平均值。

1.2 評價模型

1.2.1 主成分分析模型

主成分分析基于降維思想，是一種研究如何通過少數變量來盡可能多地反映原有變量信息的分析方法[11-12]。它采用彼此相互獨立的少數變量的線性組合來解釋原有變量信息，最后可轉化歸并為一個綜合評價指標。臺風故障對線路的影響是多方面的，各變量之間存在一定的相關性，可采用主成分分析法評價配電網線路臺風故障影響，具體計算模型如下。

設p 個指標構成的向量X=[X1，X2，…，Xp]，對向量X 進行式（1）所示的線性變換，形成新的向量Y，其中，Yi與Yj相互無關（i≠j，j=1，2，…，p）。

其中，式（1）滿足：

當式（1），（2）成立時，第一主成分Y1是X1，X2，…，Xp的所有線性組合中方差最大的，第二主成分Y2是與Y1不相關的在X1，X2，…，Xp的所有線性組合中除Y1外方差最大的，依次類推，分別稱Y1，Y2，…，Yp為向量X的第1，2，…，p個主成分。

在應用中，只需找到m（m≤p）個主成分，這m個主成分的累積方差貢獻率大于80%，可反映出原來p個指標的大部分信息即可。

獲取m個主成分后，進而可求解主成分載荷矩陣E=[E1，E2，…，Em]T、各主成分的特征根A=[a1，a2，…，am]和方差貢獻率B=[b1，b2，…，bm]。設各指標在主成分中線性組合的系數矩陣為F=[F1，F2，…，Fm]T，則：

那么，各指標在綜合得分模型中的系數矩陣為：

歸一化后，可求得p個指標的權重向量D：

1.2.2 單層次分析模型

為融入對各指標的主觀判斷和專家意見，本文同時采用單層次分析模型進行權重計算。在確定各指標權重時，采用一致矩陣法[14]，對各指標進行兩兩比較，盡力避免各指標統一比較的困難，提高評價準確性。

采用1—9 標度，將故障停電次數、停電時戶數、停電臺數、停電恢復時間、線路失電負荷和線路平均負荷指標的重要性進行兩兩比較，根據專家經驗進行打分，從而構造判斷矩陣C。cij表示指標i相比于指標j的重要程度，越重要取值越大；cij與cji互為倒數；cii=1。

根據數理統計方法，計算判斷矩陣C的特征向量和特征值，求得各指標的權重向量W=[0.446，0.283，0.118，0.078，0.042，0.033]T。判斷矩陣C的一致性檢驗指標CR=0.096，小于規定標準值0.1，通過校驗，權重計算結果合理有效。

2 臺風故障線路影響分級評價

2.1 權重確定方法

上文1.2 節分別介紹了采用客觀方法主成分分析法和主觀方法單層次排序法的權重計算方法。客觀賦權法根據數據離散度和數據關系確定權重，數理依據強，但未充分考慮決策者的主觀意向，一些重要的指標可能因數據離散度較小等原因賦權較小；主觀賦權法融入了專家判斷，但存在一定的隨意性[15]。為了兼顧兩類方法的優點，使各指標賦權值更為有效、可靠，采用綜合賦權法進行分析評價。

選取線性加權綜合賦權法，計算公式為：

式中：ci和di分別為主客觀權重；α 為權重系數，取值0-1，由實際情況確定。

2.2 評價流程

配電網線路臺風故障影響分級評價流程如圖2 所示。首先，通過配電網在線監測系統采集配電網線路臺風故障歷史數據，建立評價指標體系；數據預處理后，采用主成分分析模型和單層次分析模型，分別計算主客觀權重；然后，采用主客觀綜合賦權法確定各指標權重，計算各條線路百分制綜合評分；最后，根據評分結果劃分線路臺風故障影響評價等級。

圖2 配電網線路臺風故障影響分級評價流程

3 算例分析

3.1 各指標權重計算

根據配電網自動化監測裝置安裝和數據采集情況，選取2018 年某省配電網線路臺風故障數據進行算例分析。2018 年，該省配電網線路因臺風故障導致停電1 815 條次，配電變壓器停電30 830 臺，停電時戶數為105 160.67 戶。

提取線路故障停電次數、停電時戶數、停電臺數、停電恢復時間、線路失電負荷和線路平均負荷等6 個維度的指標構建評價指標體系。因各指標量綱不同，為便于處理，采用最大值標準化方法對數據進行歸一化。

利用SPSS22.0 進行主成分分析，降維相互關聯的數據。經Kaiser-Meyer-Olkin 檢驗，KMO=0.622，說明本文適合選用主成分分析法，選取方法合理有效。經主成分分析，前3 個主成分的方差貢獻率B=[43.447%，21.170%，16.302%]，累計方差貢獻率達到80.918%，超過80%，因此前3 個主成分可反映全部6 個指標的絕大多數信息，實現數據降維。隨后，求解主成分載荷矩陣E和各主成分的特征根A，計算各指標在主成分中線性組合的系數矩陣為：

由式（5）可知，根據各指標在主成分中線性組合的系數矩陣E和各主成分的方差貢獻率，可求得歸一化后的各指標客觀權重。

同時，由1.2 節單層次分析模型，構建判斷矩陣，計算各指標的主觀權重，并進行一致性檢驗。

采用2.1 節中的線性加權綜合賦權法，α 取0.5，由式（7）求得各指標綜合權重。線路故障停電次數、停電時戶數、停電臺數、停電恢復時間、線路失電負荷和線路平均負荷指標的權重分別為0.28，0.27，0.15，0.13，0.09 和0.08。

3.2 線路臺風故障影響分級評價

根據上節計算得到的各指標綜合權重和歸一化后的數據，可求得配電網線路臺風故障影響綜合評分。將線路評分進行百分制標準化，得到評分分布情況如圖3 所示。

圖3 配電網線路臺風故障影響綜合評分分布情況

經統計，2018 年該省配電網共有1 256 條線路因臺風故障停電。由圖3 可知，可根據評分分布將算例配電網臺風故障線路劃分為5 個等級，等級越高，受臺風故障的影響越嚴重，等級劃分情況如圖3 和表1 所示。Ⅴ級表示線路受臺風故障影響程度最大，線路最為薄弱，需重點關注；Ⅳ級次之，Ⅰ級較小。

表1 配電網線路臺風故障影響分級統計

分析權重計算結果可知，線路停電次數、停電時戶數、停電臺數等6 個指標均影響評級結果，線路停電次數和停電時戶數影響較大。部分線路雖停電次數較少，但臺風故障停電時戶數、停電臺數、線路失電負荷和平均線路負荷較多，平均恢復時間較長，故而臺風故障影響范圍較大，評級結果為Ⅴ級，災害影響級別高。部分線路雖平均停電時戶數等指標較小，但因臺風故障停電次數較多，線路可靠性較差，評級結果亦為Ⅴ級，需采取針對性措施提高臺風期間線路運行穩定性，保障可靠供電。部分線路停電次數和停電時戶數等指標值均較小，評級結果為Ⅰ級，影響級別較低。

根據評級結果，影響級別較高的Ⅳ-Ⅴ級線路共363 條，約占臺風故障線路總條數的30%。算例所選省份中WZ 市配電網線路臺風故障影響級別為4-5 級的線路條數最多，臺風故障情況最為嚴重。WZ 市各縣級供電公司評級為Ⅳ-Ⅴ級的線路條數如圖4 所示。其中，NC 公司、ZW 公司、AR 公司和JY 公司的Ⅴ級線路較多，分別為57，30，23 和21 條。由圖4 可知，根據評級結果，各供電公司可精準定位故障多發及停電影響較大的線路，上級公司可全面掌握下級公司配電網線路因臺風故障影響情況，考核配電網臺風故障供電可靠性。相較于目前采用的單一指標停電時戶數評價停電損失，本文所提算法可充分挖掘配電網海量在線監測數據信息，可根據影響級別篩選需重點關注的臺區和線路，實現差異化運維和配電網線路針對性升級改造。

圖4 WZ 市各供電公司配電網臺風故障4-5 級線路條數分布

4 結語

本文基于大數據技術，實現了配電網線路臺風故障影響智能分級。所提算法具有以下優點：

（1）充分挖掘配電網在線監測海量數據資源，選取的6 個評價指標涵蓋了戶-臺-線三級的停電數據，評價結果客觀全面。

（2）基于大數據分析技術，采用主成分分析模型和單層次分析模型獲取權重，計算線路綜合評分并劃分等級，實現了配電網線路臺風故障影響的智能分級，算法可靠性高。

（3）目前，配電網線路臺風影響分析一般基于經驗或者臺風路徑，誤差較大。所提算法將臺風故障影響進行量化評分，劃分為5 個等級，可精準定位臺風影響薄弱環節，為配電網采取差異化的防臺改造和運維提供可靠數據支撐，實現精準投資和運維。

隨著配電自動化技術的發展，電力體制改革的深入推進，配電網精益化運維和差異化設計要求的提高，本文所提方法具有較好的應用價值和廣泛的應用前景。