基于設備脆弱性的電網氣象災害故障預測

孫春紅，趙艷雷

（1.山東理工大學電氣與電子工程學院，山東 淄博 255000；2.國網山東省電力公司博興縣供電公司，山東 濱州 256000）

0 引言

電網防災減災的重點是減少故障發生的頻率和概率［1-2］。影響電網故障的因素主要包括電氣設備制造工藝和水平、運行維護水平、自然災害等［3］。氣象信息良好可觀測性和豐富的數據信息，決定了建立氣象因素與電網故障之間對應關系的可行性［4-5］。

國內外學者在電網故障預測方面開展了大量的研究工作。文獻［6］依據氣象實時數據判斷山火趨勢，形成電網山火預警及處置態勢專題圖。文獻［7］通過精細化氣象信息提出了一種基于深度降噪自編碼網絡的預測模型，預測電網局部區域故障概率。文獻［8］通過模糊推理將颶風參數故障率的增量乘積進行非線性函數關系映射，進行電力系統可靠性評估。文獻［9］以矢量的方式看待覆冰樣本數據，提出一種基于數據驅動算法覆冰預測模型。上述工作主要側重于研究某種氣象條件，尚沒有在考慮設備歷史運行數據和多類型氣象因素的基礎上，建立電網故障預測模型。

本文以電網運維和氣象歷史數據為基礎，提出一種基于設備脆弱性的電網設備故障預測方法，基于數據關聯規則［10］，建立氣象因素與電網故障之間的映射方法，提高全類型氣象條件下的電網災害預警能力。

1 電網重要基礎設施脆弱性評估

電網設備的脆弱性可定義為：在自然災害等突發事件的影響下，設備發生故障的可能性或程度［11］。此定義涉及兩個對象：災害體和承災體，即影響脆弱性的外因和內因。

1.1 災害體屬性的處理

影響電力系統的自然災害主要有地震、風災、冰凍、雷擊、污閃等。針對災害體原始數據，設立外因二級指標［11］作為設備脆弱性水平的評定，選取設備地區長期遭受的自然災害為研究對象，如表1 所示。

表1 災害體的二級指標分級

將每個二級指標的數據量化為0～10。以地震災害為例，如表2 所示。

表2 地震災害的二級指標分級賦值

2 個二級指標加權求和得到每種災害一級指標，其最大值為10。其他災害指標采用相似方法查閱水文特性等確定。6 種災害實際一級指標相加除以所有一級指標相加的最大值60，得到脆弱性外因指數如表3 所示。

1.2 承災體屬性的處理

導致設備故障的內因主要包括設備制造水平、技術狀態、故障巡視消缺等。選取部分設備屬性作為評價因素，以變壓器為例，其評價指標如表4 所示。

表4 變壓器內因三級指標

設備內因屬性的每個二級指標分值設置為0～10，一級指標由二級指標加權求和得到，最高40。以T2指標為例說明具體賦值方法。參考《國家電網公司電網設備運行分析年報》中的統計數據，按照電壓等級、運行年限發生事故與年度總事故數量的比值確定，如表5 所示。

表5 變壓器T2指標賦值方法

二級指標T2按照三級指標電壓等級和運行年限進行評定，對電壓等級和運行年限分別賦權0.5，加權求得T2。T3指標也參考《國家電網公司電網設備運行分析年報》，按照設備的電壓等級和運行年限分別取值計算。4 項二級指標求和，并除以最大指標指數40，即可得到設備的脆弱性內因指數。外因、內因指數通過加權求和確定設備綜合脆弱性指數。將脆弱性等級分為輕、較輕、較高、高4 個等級，其形式與表3 相同。設備脆弱性水平隨時間的推進是個變化量，以α=｛α1，α2，…，αt｝表示設備生命周期的脆弱性指數。

2 氣象因素與設備故障的關聯關系

2.1 故障類型與氣象因素特征量選取

設備故障與實時的氣象信息有較大的關聯關系，本文選取常見的氣象災害為研究對象，以反映不同氣象因素的6 種精細化氣象信息作為衡量，并做等級劃分，選取部分常見輸變電設備故障作為研究對象，以變壓器為例，如表6、表7 所示。

2.2 關聯規則的改進

氣象因素與輸變電設備故障之間的關聯規則可由關聯規則蘊含式X→Y 表達，其中：

X=｛氣象因素1，氣象因素2，…，氣象因素n｝

Y=｛設備故障1，設備故障2，…，設備故障m｝

表6 精細化氣象信息數據劃分

表7 變壓器常見故障

通過Apriori 算法挖掘以上關聯規則，將置信度作為X 發生后Y 發生的條件概率［10］。Apriori 算法采用遞歸的方法發現頻繁項集，核心思想是：第1 步通過迭代檢索出數據庫中的所有頻繁項集；第2 步從頻繁項集中構造出滿足用戶最低信任度的規則。

所有歷史數據構成關聯規則的事物集D，包含氣象及脆弱性指數等信息。D 中包含數據項集X、Y，事件X 發生的支持度Sup（X）定義為

式中：A、B 分別為事務集D 中事務的總數量和包含X 的事務數量。事件X 發生前提下事件Y 發生的關聯規則置信度為

式中：Sup（X∪Y）為事件X、Y 同時發生的支持度。

與傳統電網關聯規則相比，考慮設備脆弱性更具研究價值。以α 變化的比率作為修正系數，改進關聯規則，可信度更高。將脆弱性指數按比率把同一設備不同時期的脆弱性，歸一化到此設備現階段的脆弱性。以αi（i=1，2，…，t-1）表示不同時期的脆弱性指數，αt表示現階段的脆弱性指數，置信度公式改進為

3 算例仿真

以某地電網為研究對象，該地為大陸性季風氣候，氣候溫和；地質構造穩定；地勢以平原為主；年平均氣溫12.9 ℃，7 月平均氣溫26.7 ℃，1 月平均氣溫-2.7 ℃；年平均風速2.9 m／s，最大風速28.5 m／s，設備抗風等級高；年平均降水量549.88 mm，最大降水量968.4 mm；年均雷擊密度0.035 次／km，屬中低水平。以站內某35 kV 主變壓器為研究對象，設其運行5 年，耐受參數為：冷卻方式ONAN／ONAN（70%／100%），絕緣耐熱等級A，絕緣水平LI200AC85／LI65AC25，真空耐受能力50 kPa。

3.1 綜合脆弱性指數計算

通過對設備脆弱性的影響因素的劃分，采用專家咨詢等主觀賦權法與統計數據計算分級方法，確定各指標如表8 所示。

表8 脆弱性水平影響因素的指標取值

通過前文所述計算方法，脆弱性外因指數為0.127，內因指數為0.479，當分別賦權0.5 時，設備綜合脆弱性指數為0.303。

3.2 關聯規則仿真結果

設主變壓器的綜合脆弱性指數按設備運行周期分為4 個階段，其指數分別為：0.156、0.303、0.402、0.215，其中第4 階段由于檢修等原因，設備堅強程度變高。

將案例集的每1 條數據作為1 個案例，按數據項集X、Y 對其進行劃分，并按表6、表7 標準化處理。選取數據集500 組，從中選擇400 組作為案例集，每100 組對應不同的脆弱性等級，其余作為測試集。選擇變壓器常見故障Y1、Y5為預測目標，選取易導致此類故障的致災因子X14、X15、X23、X24、X43、X44作為研究對象。通過搜索案例集中含有相同數據項集X 的案例集，對測試集的數據項集Y 出現的概率進行仿真測試，分別按式（2）、式（3）進行計算，結果如表9 所示。

由表9 可知：

1）在對應氣象條件下，預測故障概率在40%以上，滿足置信度要求，基于脆弱性的關聯規則預測方法有一定的可行性。

2）表9 是變壓器的兩種常見故障的預測結果。選擇不同氣象信息的組合，可預測不同電網故障發生的概率。

3）同一脆弱性指數下，相似氣象條件引起故障的概率差別不大。將歷史數據根據脆弱性指數歸一化處理，預測結果更準確。

表9 預測結果對比

4 結語

提出一種基于設備脆弱性的電網設備氣象災害故障預測方法，通過關聯規則對電網故障概率進行預測。相比于傳統的關聯規則在電網故障中的應用，本文所提基于設備脆弱性指數改進的方法更具適用性，且預測結果更符合設備實際運行情況。另外，本文提出的電網故的預測方法在對脆弱性分級計算和氣象數據精細化處理的基礎上，預測結果可更加準確，有助于提高電網運行的穩定性和供電可靠性，為提高不同氣象條件下的電網防災減災奠定基礎。