馬美婷，孫誼媊，張 龍，袁鐵江,3

(1.新疆大學 電氣工程學院，新疆 烏魯木齊 830008；2.國家電網(wǎng)新疆電力公司 電力科學研究院，新疆 烏魯木齊830000；3.清華大學電機系 電力系統(tǒng)及發(fā)電設備控制和仿真國家重點實驗室, 北京 100084)

計及極端環(huán)境因素的電網(wǎng)安全預警logistic模型研究

馬美婷1，孫誼媊2，張 龍2，袁鐵江1,3

(1.新疆大學 電氣工程學院，新疆 烏魯木齊 830008；2.國家電網(wǎng)新疆電力公司 電力科學研究院，新疆 烏魯木齊830000；3.清華大學電機系 電力系統(tǒng)及發(fā)電設備控制和仿真國家重點實驗室, 北京 100084)

針對新疆極端環(huán)境對電網(wǎng)穩(wěn)定帶來的不安全隱患，在分析影響新疆電網(wǎng)事故的極端環(huán)境要素基礎上，結合統(tǒng)計近幾年新疆吐哈地區(qū)的相關電力數(shù)據(jù)及相應氣象數(shù)據(jù)，進行因子分析和logistic回歸計算，建立計及新疆大溫差、風電高比例入網(wǎng)、強風及沙塵等新疆極端環(huán)境因素的電網(wǎng)安全預警logistic模型。并以2015年電力事故及氣象數(shù)據(jù)為例，對模型進行驗證，結果表明該模型能較準確地表達該地區(qū)極端環(huán)境與電力事故間的關系，具有實際應用意義。

極端環(huán)境；吐哈地區(qū)；安全預警；logistic模型

隨著堅強智能電網(wǎng)的發(fā)展建設和特高壓交直流工程的不斷投產(chǎn)，遠距離輸送電壓等級越來越高、電網(wǎng)建設規(guī)模不斷擴大。與此同時，電網(wǎng)系統(tǒng)的安全穩(wěn)定要求越來越高，電力設施遭受破壞后引起電網(wǎng)故障的影響也更大[1]。譬如，由極端氣象條件引發(fā)的多重故障，極易導致電力系統(tǒng)連鎖故障的發(fā)生與發(fā)展[2]，并最終演變?yōu)殡娏ο到y(tǒng)的大面積停電。而新疆吐魯番地區(qū)地處中溫帶極端高溫、干旱的荒漠地帶，具有大溫差、多強風和強沙暴等極端氣象條件。因此，為了提高新疆吐魯番地區(qū)電網(wǎng)應對極端氣象條件的御挫能力、最大程度減少極端氣象條件給電網(wǎng)帶來的損失，保證國家“一帶一路”、“疆電外送”等計劃的順利推進，需不斷總結歷年電網(wǎng)故障特點和規(guī)律，建立切實有效的電網(wǎng)安全預警機制，防患于未然。

預警機制早前多應用在經(jīng)濟學里，研究成果頗豐。在電網(wǎng)安全方面，文獻[3]較早地提出了一種電網(wǎng)實時安全預警系統(tǒng)方案，從多個角度分析確定電網(wǎng)的安全程度，綜合評定其危險性，具有一定的可行性;文獻[4]基于IEC61970標準進行了電網(wǎng)安全穩(wěn)定分析和預警體系的總體架構設計。之后對電網(wǎng)安全預警的研究進一步深化，從系統(tǒng)架構設計進入了技術性的研究，文獻[5]將短期、超短期潮流預報應用到電網(wǎng)安全預警系統(tǒng)的構建中，介紹了其實現(xiàn)算法、技術特點和應用場合;文獻[6]結合氣象信息、輸變電設備雷電監(jiān)測信息與電網(wǎng)在線安全分析，建立了電網(wǎng)安全預警模型；文獻[7]考慮了天氣因素對輸電線路故障率的影響，將天氣因素作為協(xié)變量狀態(tài)描述函數(shù)中的協(xié)變量，搭建了基于比率風險的新型輸電線路故障率模型；文獻[8]計及了降水和氣溫等災害性氣象因素，研究了基于氣象因素的電網(wǎng)安全預警模型。提出相對于Z-Score模型和Probit模型，Logistic回歸模型在計及災害性天氣因素的電網(wǎng)安全預警方面更加適用。

筆者提出將新疆電網(wǎng)特有的大溫差、新能源高比例入網(wǎng)等極端環(huán)境因素納入到影響新疆電網(wǎng)安全穩(wěn)定運行的要素當中。首先，以2012年11月至2015年2月，共28個月的新疆吐哈地區(qū)電力數(shù)據(jù)及相關氣象信息為統(tǒng)計樣本，采用Logistic回歸分析方法，分析故障原因，預測故障發(fā)生概率，建立適用于新疆電網(wǎng)的安全預警模型，以便將電網(wǎng)損失降到最低。其次，以2015年3月至2016年2月，共1年的新疆吐魯番地區(qū)電力事故數(shù)據(jù)及相關氣象信息為校驗樣本，檢驗模型的正確性。驗證結果表明筆者所建模型能較準確地表達該地區(qū)極端環(huán)境與電力事故間的關系，具有實際應用意義。

1 影響新疆電網(wǎng)事故的極端環(huán)境要素分析

1.1 強風

新疆吐哈地區(qū)常年氣候比較惡劣，天氣變化迅速，多強風。就烏吐哈輸電線路來說，其沿線途徑三十里風區(qū)和百里風區(qū)，此地段多大風，風力都在7級左右，瞬時風在12級左右，風期時間較長，風速較大，給線路的安全運行帶來了極大的威脅。相比少風區(qū)，大風區(qū)段普遍出現(xiàn)導線間隔棒不同程度的磨損、金具磨損、絕緣子大傘裙破損等情況。為避免不安全隱患的發(fā)生，除了在電力器件材質和制造工藝方面不斷改進外，分析危險源、對危險進行預測，適時對電力器件進行檢修更換處理也是尤為重要的。

要分析強風對電網(wǎng)安全的威脅，筆者從月平均風速V1、月最大風速V2、月極端強風發(fā)生頻次V3、月極大風速V4等4個方面對強風特征進行統(tǒng)計分析。不同風區(qū)的極端強風閾值一般不同，目前多采用日最大風速序列的第95個百分位上的值來確定極端強風事件的閾值[9]。

1.2 沙塵

根據(jù)能見度和風速的不同，沙塵天氣主要劃分為強沙塵暴、沙塵暴、揚沙、浮塵等4類[10]。其中，沙塵暴、強沙塵暴能夠對電網(wǎng)的安全穩(wěn)定構成一定威脅。沙塵暴常伴隨強風，易造成斷線、異物搭掛跳閘、接地等線路故障。再者，沙塵天氣水平能見度低，很大程度上加大了巡檢及搶修作業(yè)的難度。新疆處在屬干旱、半干旱的西北地區(qū)，由于沙漠及沙漠化土地較多，易發(fā)生沙塵暴天氣[11-12]。因此，沙塵屬影響新疆電網(wǎng)安全的極端環(huán)境因素之一。中國西北地區(qū)單站沙塵暴強度的劃分[13]如表1所示：

表1 中國西北地區(qū)單站沙塵暴強度劃分標準

另外，揚沙天氣水平能見度在1～10 km以內；浮塵天氣水平能見度小于10 km。該文選擇月沙塵暴日數(shù)V5、月?lián)P沙日數(shù)V6、月浮塵日數(shù)V7、月平均水平能見度V8、月最低水平能見度V9等指標為代表，統(tǒng)計分析沙塵對新疆電網(wǎng)帶來的危害，為電網(wǎng)安全預警模型的建立提供可靠的數(shù)據(jù)支撐。

1.3 大溫差

由于新疆深居內陸，大部分地區(qū)為荒漠環(huán)境且云層少、薄，所以白天太陽直射升溫快、氣溫高；夜晚大氣逆輻射弱、地面熱度容易散發(fā)、氣溫低，形成了新疆獨特的大溫差極端環(huán)境。這一極端環(huán)境因素也對系統(tǒng)的安全供電構成了一些危害。首先，主電網(wǎng)的一些斷路器、操作機構、互感器等重要設備多為密封充油設備，易受溫度的影響，頻繁地冷熱交替將嚴重影響電力設備的安全性和使用壽命。其次，電力器件一般根據(jù)不同的溫度條件使用合理的材料，如在低溫條件下金屬材料的塑性、韌性會變差。因此，在大溫差環(huán)境下，金屬設備容易變脆、斷裂，造成停電事故。

該文提出：考慮月平均日溫差V10、月最大日溫差V112個指標，將大溫差環(huán)境納入到新疆電網(wǎng)故障因素里，使所構建電網(wǎng)安全預警模型更加全面、準確。

1.4 新能源高比例入網(wǎng)

隨著新疆風力發(fā)電容量在系統(tǒng)發(fā)電總量中所占比例的增大，風電對電網(wǎng)安全的影響愈發(fā)明顯。當系統(tǒng)負荷在峰值時，風速在短時間內由額定風速下降至零，風電場的有功出力由最大值快速降為零。那么此時熱備用發(fā)電容量若較少，系統(tǒng)的有功缺額將使系統(tǒng)頻率和電壓產(chǎn)生大的變化[14]；當系統(tǒng)負荷在谷值時，若在很短時間內風速由零風速增加至額定風速，風電場的有功功率由零變化到最大輸出功率，此時如果發(fā)電機有功調節(jié)能力不足，就會產(chǎn)生有功增量，嚴重影響系統(tǒng)的安全穩(wěn)定運行。如此看來，新能源的高比例入網(wǎng)是系統(tǒng)安全穩(wěn)定的隱患之一。

筆者獨創(chuàng)性地采用月風電發(fā)電量V12、月風電入網(wǎng)比率V132個因素來考察風電高比例入網(wǎng)對系統(tǒng)安全的影響，此處的風電入網(wǎng)比率是指風電發(fā)電量與系統(tǒng)總負荷的比。

2 電網(wǎng)安全預警logistic回歸模型

2.1 電網(wǎng)安全預警Logistic回歸分析

Logistic回歸又稱Logistic回歸分析，是研究因變量變化結果和自變量(影響因素)之間關系的一種變量分析方法。其因變量可以是二分類的，也可以是多分類的，二分類的易理解，較常用。

筆者研究的即是有多個自變量的二元Logistic回歸問題。以一個二分類變量y作為因變量代表電網(wǎng)發(fā)生故障情況：y=1表示發(fā)生故障，y=0則表示未發(fā)生故障。影響因變量取值的n個自變量分別為x1,x2,...,xn，該文中代表n種新疆極端環(huán)境因子。在n個自變量共同作用下，因變量事件發(fā)生的概率為P=P(y=1|x1,x2,…xn)，則Logistic回歸模型為

(1)

其中，β0為常數(shù)項，β1,β2,…，βn為偏回歸系數(shù)。

用Log it變換將式(1)轉化為線性函數(shù)：

…+βnxn]=β0+β1x1+β2x2+…+βnxn。

(2)

式中 常數(shù)項β0指當各自變量或其系數(shù)βj(j=1,2,…,n)為0時，故障發(fā)生與故障不發(fā)生的概率之比的對數(shù)值；偏回歸系數(shù)βj是指在其他自變量保持恒定的條件下，第j個自變量每改變一個單位時Log it(P)的改變量。

2.2 電網(wǎng)安全預警Logistic回歸模型判別方法

在上述Logistic回歸模型中，P為概率值，在(0,1)之間。一般取0.5作為判別臨界值[15]。當P值大于0.5時，認為該區(qū)域電網(wǎng)易受到某些極端環(huán)境的影響發(fā)生事故。P值越大，說明該區(qū)域電網(wǎng)在此種極端環(huán)境條件下，越容易發(fā)生事故。P值小于0.5時，認為區(qū)域電網(wǎng)事故率偏低。P值越小，說明該區(qū)域電網(wǎng)越安全。當P值接近或等于0.5時，該地區(qū)有發(fā)生事故的安全隱患，此時電網(wǎng)安全部門需要對該區(qū)域電網(wǎng)加以排查控制，去除潛在的危險因素，防止事故發(fā)生。

3 計及新疆極端環(huán)境因素的電網(wǎng)安全預警logistic模型實證研究

3.1 因子降維

依據(jù)第一節(jié)的分析，影響新疆電網(wǎng)安全穩(wěn)定的主要極端環(huán)境要素有：月平均風速V1、月最大風速V2、月極端強風發(fā)生頻次V3、月極大風速V4、月沙塵暴日數(shù)V5、月?lián)P沙日數(shù)V6、月浮塵日數(shù)V7、月平均水平能見度V8、月最低水平能見度V9、月平均日溫差V10、月最大日溫差V11、月風電發(fā)電量V12、月風電上網(wǎng)比率V13，共13個環(huán)境要素。由于Logistic模型的計算過程工作量很大，因此，該文采用因子分析降維技術。利用變量間存在的相關性，用較少個數(shù)的公共因子來代替先前的多個變量。一般選擇特征值大于等于1或者特征值累計貢獻率大于等于85%來確定公共因子數(shù)[16]，用它們反映原來多個變量的大部分信息，以達到降維的目的。

筆者通過對原始數(shù)據(jù)矩陣進行因子分析，得到解釋的總方差表(如表2所示)，提取前4個主成分，累積可解釋87.906%的原始變量。

如表3所示，可以得到各主成分對原始環(huán)境因子的負載情況：

1)主成分X1在V10，V11上有較大的負載值，可描述大溫差類因子對電力系統(tǒng)事故的影響，為“大溫差因子”。

2)主成分X2在V5，V6，V7上有較大的負載值，可描述沙塵類因子對電力系統(tǒng)事故的影響，則定義為“沙塵因子”。

3)主成分X3在V1，V2上有較大的負載值，可描述極端強風類因子對電力系統(tǒng)事故的影響，則定義為“極端強風因子”。

4)主成分X4在V12，V13上有較大的負載值，可描述風電的高穿透功率類因子對電力系統(tǒng)事故的影響，則定義為“風電高比例入網(wǎng)因子”。

表2 解釋的總方差

Table 2 Explained the total variance

成分初始特征值合計方差百分數(shù)/%累積百分數(shù)/%提取平方和載入合計方差百分數(shù)/%累積百分數(shù)/%16．64651．12051．1206．64651．12051．12022．82221．70572．8252．82221．70572．82531．1028．47481．2991．1028．47481．29940．8596．60787．9060．8596．60787．90650．4653．57991．485---60．3812．93494．419---70．2451．88596．304---80．1721．32697．631---90．1511．16098．790---100．0980．75799．547---110．0370．28899．834---120．0170．13199．965---130．0050．035100．00---

表3 旋轉成分矩陣

在確定4個主成分因子后，根據(jù)成分得分系數(shù)矩陣(如表4所示)可以得到原始氣象要素對各公共因子的線性表達式：

X1=-0.133V1+0.013V2+0.292V3+0.211V4+

3.2 Logistic模型

新疆吐哈地區(qū)大風天氣多、嚴寒溫差大、鹽堿沙塵多等環(huán)境因素導致的設備故障頻發(fā)。201211—201502吐哈地區(qū)由極端氣象因素導致的電力事故逐月分布如圖1所示。

圖1 吐哈地區(qū)極端氣象因素導致的電力事故逐月分布

分析圖1可知，吐哈地區(qū)極端氣象因素導致的電力事故最高發(fā)月大致在大風多發(fā)、溫差較大的5—10月。另外，由圖1可得出故障眾數(shù)為15。由于該文采用二元Logistic回歸，故可將事故數(shù)大于等于15的樣本賦值y=1，表示事故多發(fā)；而小于15的樣本賦值y=0，表示事故低發(fā)。

將3.1節(jié)得出的4個影響因子作為回歸變量，y作為因變量，用SPSS軟件進行二元Logistic回歸分析，結果如表5所示。

表5 方程中的變量

綜上，建立新疆極端環(huán)境因子對電網(wǎng)安全影響的模型為

3.539-0.045X1-0.186X2+0.324X3-0.157X4

即

P=

(3)

其中，P為極端環(huán)境因子對電力事故的綜合影響概率值，Xi(i=l,2,3,4)表示用來擬合模型的公因子的值。

3.3 模型校驗

利用模型(3)，以201503—201602吐哈地區(qū)電力相關數(shù)據(jù)及氣象數(shù)據(jù)進行模型驗證，檢驗結果如表6所示。

表6 模型對測試樣本的檢驗結果

由表6模型檢驗結果可知，該文所建安全預警模型達到了83.3%的準確率。在P值接近0.5時，出現(xiàn)了2次判斷失誤。究其原因也可能是故障數(shù)統(tǒng)計的偏差。所謂“冰凍三尺，非一日之寒”，若一條線路前期已遭鳥害，受到了不同程度的損害，再遇到強風天氣，線路極易出現(xiàn)故障。此時，故障原因僅歸結于風災。而一個正常完好的線路在同樣強風影響下故障的幾率就會小很多?？紤]到此類故障統(tǒng)計的差別，該文所建模型總地說來能夠較準確地描述吐哈地區(qū)極端氣象因素與電力設備故障間的關系。

4 結語

通過對近幾年新疆吐哈地區(qū)的相關電力數(shù)據(jù)及相應氣象數(shù)據(jù)的統(tǒng)計分析，建立了計及新疆極端環(huán)境因素的電網(wǎng)安全預警logistic模型。該模型計算了在不同極端強風因子、大溫差因子、沙塵因子及風電高比例入網(wǎng)因子情況下，電氣設備或電網(wǎng)發(fā)生故障的概率，體現(xiàn)了新疆特有的極端環(huán)境因子對電網(wǎng)安全地影響情況，便于工作人員預知安全脆弱線路、設備，及時進行防護修繕。因此，該模型對完善電網(wǎng)安全預警工作有一定應用價值。

[1]梁志峰.2011—2013年國家電網(wǎng)公司輸電線路故障跳閘統(tǒng)計分析[J].華東電力,2014,42(11):2 265-2 270. LIANG Zhi-feng.Statistical analysis of transmission line fault tripping in state grid corporation of China in 2011-2013[J]. East China Electric Power, 2014,42 (11): 2 265-2 270.

[2]陳亦平, 趙曼勇, 劉文濤,等. 南方電網(wǎng)連鎖故障風險分析及防御措施研究[J]. 南方電網(wǎng)技術, 2010, 4(3):8-11. CHEN Yi-ping, ZHAO Man-yong, LIU Wen-tao,et al. The risks analysis and defensive measures research of cascading failures in China southern power grid[J].Southern Power System Technology, 2010, 4(3):8-11.

[3]Tamronglak S, Horowitz S H, Phadke A G, et al. Anatomy of power system blackouts: Preventive relaying strategies[J]. IEEE Transactions on Power Delivery, 1996, 11(2):708-715.

[4]陳洪云, 程韌俐, 李俊,等. 電網(wǎng)安全預警與保障決策支持系統(tǒng)的研究[J]. 電工技術, 2013(1):23-24. CHEN Hong-yun, CHENG Ren-li, LI Jun, et al. Study on the decision support system for power grid security early warning and protection[J]. Electric Engineering, 2013 (1): 23-24.

[5]郭燁, 吳文傳, 張伯明,等. 潮流預報在電網(wǎng)安全預警系統(tǒng)中的應用[J]. 電力系統(tǒng)自動化, 2010, 34(5):107-111. GUO Ye, WU Wen-chuan, ZHANG Bo-ming, et al. Power flow forecasting method and its application in early warning and security countermeasure system[J]. Automation of Electric Power Systems, 2010, 34 (5): 107-111.

[6]段新輝, 李軍鋒, 熊山,等. 一種新型的電網(wǎng)氣象安全預警模型[J]. 陜西電力, 2015, 43(2):18-22. DUAN Xin-hui, LI Jun-feng, XIONG Shan, et al. A new meteorology security warning model for power grid[J]. Shaanxi Electric Power, 2015, 43 (2): 18-22.

[7]彭子平, 劉波, 陳清江. 輸電線路故障率模型研究[J]. 電力科學與技術學報, 2014, 29(2):51-57. PENG Zi-ping,LIU Bo,CHEN Qing-jiang. Failure rate model for transmission line[J]. Journal of Electric Power Science and Technology, 2014, 29(2):51-57.

[8]張嶸. 基于氣象因素的電網(wǎng)安全預警模型研究[D]. 北京：華北電力大學, 2014.

[9]陳洪武, 辛渝, 陳鵬翔,等. 新疆多風區(qū)極值風速與大風日數(shù)的變化趨勢[J]. 氣候與環(huán)境研究, 2010, 15(4):479-490. CHEN Hong-wu, XIN Yu, CHEN Peng-xiang, et al. Variation tendency of the extreme value of wind speeds and gale frequency over the windy regions in Xinjiang[J]. climate and environment research, 2010, 15 (4): 479-490.

[10]王存忠. 中國沙塵暴“站時”時空變化特征及其與氣象因子關系研究[D]. 南京:南京信息工程大學, 2012.

[11]王式功, 王金艷, 周自江,等. 中國沙塵天氣的區(qū)域特征[J]. 地理學報, 2003, 58(2):193-200. WANG Shi-gong, WANG Jin-yan, ZHOU Zi-jiang, et al. Regional characteristics of sand dust weather in China[J]. Journal of Geography, 2003, 58 (2): 193-200.

[12]霍文. 新疆沙塵暴天氣演變特征及成因分析[D].烏魯木齊：新疆師范大學, 2011.

[13]何清, 楊青, 李紅軍. 新疆40 a來氣溫、降水和沙塵天氣變化[J]. 冰川凍土, 2003, 25(4):423-427. HE Qing, YANG Qing, LI Hong-jun. Variations of air temperature, precipitation and sand-dust weather in Xinjiang in past 40 years[J].Journal of Glaciology and Geocryology, 2003, 25 (4): 423-427.

[14]申洪, 梁軍, 戴慧珠. 基于電力系統(tǒng)暫態(tài)穩(wěn)定分析的風電場穿透功率極限計算[J]. 電網(wǎng)技術, 2002, 26(8):8-11. SHEN Hong, LIANG Jun, DAI Hui-zhu. Calculation of wind farm penetration based on power system transient stability analysis[J]. Power System Technology, 2002, 26 (8): 8-11.

[15]李彥斌, 韓穎, 張嶸,等. 氣象因素對電力安全事故影響的模型[J]. 電網(wǎng)技術, 2013，37(6):1 683-1 687. LI Yan-bin, HAN Ying, ZHANG Rong, et al. Research on impact model of meteorological factors on the power accidents[J]. power system technology, 2013，37(6): 1 683-1 687.

[16]周濤, 胡海寧, 周力行. 基于因子分析和灰色關聯(lián)度分析法的變壓器故障診斷[J]. 電力科學與技術學報, 2013, 28(1):86-91. ZHOU Tao,HU Hai-ning,ZHOU Li-xing.Transformer fault diagnosis method based on factor analysis and grey relation degree analysis[J]. Journal of Electric Power Science and Technology, 2013, 28(1):86-91.

Research on the logistic model of power grid security warning considering the extreme environmental factors

MA Mei-ting1, SUN Yi-qian2, ZHANG Long2, YUAN Tie-jiang1,3

(1.School of Electrical Engineering, Xinjiang University, Urumqi 830047, China; 2.The National Network of Xinjiang Electric Power Research Institute, Urumqi 830000, China; 3.State Key Lab of Control and Simulation of Power Systems and Generation Equipments,Department of Electrical Engineering, Tsinghua University, Beijing 100084, China)

The unsafe hazards caused by extreme environments in Xinjiang bring hidden trouble to the stability of power system security. Based on the analysis of the extreme environment elements which influences Xinjiang power grid, factor analysis and logistic regression calculation was carried out combined with statistics in recent years of power related data and the relevant meteorological data in Turan-Hami Area. And then a new logistic model of grid security early warning, considering large temperature difference, high proportion of wind power in network, strong winds and dust extreme environment factors in Xinjiang, was set up. The model was verified by the case of power accident and meteorological data in 2015. The results show that the model could express the relationship between the extreme environment and the electric power accident in this area, which is practical significance.

security early warning; extreme environments; Turan-Hami area; logistic model

2016-06-21

國家自然科學基金(51577163)

袁鐵江(1975—)，男，博士，副教授，主要從事新能源發(fā)電及其并網(wǎng)技術和風電—氫儲能與煤化工多能耦合技術等研究;E-mail：xjuytj@163.com

TM732

A

1673-9140(2016)04-0181-07