孫 明，蘇毅方，邵先軍，周金輝，金涌濤，陳 誠(chéng)

（1.國(guó)網(wǎng)浙江省電力有限公司電力科學(xué)研究院，杭州 310014；2.國(guó)網(wǎng)浙江省電力有限公司，杭州 310007；3.國(guó)網(wǎng)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(zāi)害性天氣頻發(fā)，臺(tái)風(fēng)災(zāi)害已成為威脅配電網(wǎng)可靠運(yùn)行的重要因素之一。災(zāi)害性的臺(tái)風(fēng)天氣給電網(wǎng)運(yùn)行帶來了巨大風(fēng)險(xiǎn)，嚴(yán)重時(shí)導(dǎo)致的大面積停電更是給國(guó)計(jì)民生帶來了巨大損失[1-3]。為提升配電網(wǎng)運(yùn)行可靠性，非常有必要研究如何評(píng)估配電網(wǎng)臺(tái)風(fēng)天氣下的運(yùn)行風(fēng)險(xiǎn)，提高配電網(wǎng)抵御臺(tái)風(fēng)的能力。

現(xiàn)階段，針對(duì)臺(tái)風(fēng)天氣對(duì)輸配電網(wǎng)的影響有部分研究。文獻(xiàn)[4]考慮天氣因素、故障率與修復(fù)時(shí)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(píng)估輸電系統(tǒng)的可靠性。文獻(xiàn)[5]通過建立臺(tái)風(fēng)風(fēng)速模型，重點(diǎn)研究了風(fēng)速與配電網(wǎng)電桿之間的相互作用，但未充分考慮臺(tái)風(fēng)與配電網(wǎng)可靠性之間的關(guān)系。文獻(xiàn)[6]提出了風(fēng)速與配電網(wǎng)元件故障率相關(guān)的計(jì)算模型，但模型僅針對(duì)故障概率的影響，未能充分評(píng)估臺(tái)風(fēng)給配電網(wǎng)帶來的停電影響。

2008 年，國(guó)務(wù)院批轉(zhuǎn)關(guān)于加強(qiáng)電力系統(tǒng)抗災(zāi)能力建設(shè)若干意見的通知[7]，要求積極推進(jìn)電力抗災(zāi)技術(shù)創(chuàng)新，調(diào)整電網(wǎng)建設(shè)標(biāo)準(zhǔn)，采取差異化的抗災(zāi)規(guī)劃方案。目前，我國(guó)在電力系統(tǒng)設(shè)計(jì)規(guī)劃中側(cè)重統(tǒng)一提高標(biāo)準(zhǔn)。但配電網(wǎng)覆蓋面積廣，設(shè)備眾多，統(tǒng)一提高標(biāo)準(zhǔn)經(jīng)濟(jì)性不高且沒有必要[8]。在實(shí)際生產(chǎn)中，針對(duì)臺(tái)風(fēng)天氣，各供電公司僅憑經(jīng)驗(yàn)設(shè)計(jì)規(guī)劃線路，用以提高配電網(wǎng)抗臺(tái)風(fēng)水平，應(yīng)對(duì)方案不足；未能充分利用目前配電網(wǎng)的海量數(shù)據(jù)資源，僅采用停電時(shí)戶數(shù)單一指標(biāo)考核供電可靠性，評(píng)價(jià)結(jié)果較為片面。隨著電力體制改革的深入推進(jìn)，對(duì)以最經(jīng)濟(jì)的成本保障供電可靠性的要求越來越高。臺(tái)風(fēng)對(duì)供電可靠性的影響極大，開展不同線路受臺(tái)風(fēng)影響動(dòng)態(tài)定級(jí)分析，采取差異化的防臺(tái)改造和運(yùn)維可實(shí)現(xiàn)精準(zhǔn)投資和精準(zhǔn)運(yùn)維，從而提高供電可靠性。通過影響分級(jí)分析，可用于不同線路通道與臺(tái)風(fēng)的影響關(guān)系分析、不同防臺(tái)措施有效性分析，從而挖掘出經(jīng)現(xiàn)場(chǎng)驗(yàn)證的有效防臺(tái)風(fēng)措施。

針對(duì)上述情況，基于配電網(wǎng)在線監(jiān)測(cè)大數(shù)據(jù)歷史資源，本文提出了一種配電網(wǎng)臺(tái)風(fēng)故障線路影響分級(jí)評(píng)價(jià)方法，用于精準(zhǔn)定位臺(tái)風(fēng)故障最嚴(yán)重的地區(qū)及線路。首先，基于臺(tái)風(fēng)故障歷史數(shù)據(jù)構(gòu)建配電網(wǎng)線路臺(tái)風(fēng)故障影響評(píng)價(jià)指標(biāo)體系；然后，采用數(shù)據(jù)挖掘方法構(gòu)建主成分分析模型和單層次分析模型，分別計(jì)算各指標(biāo)權(quán)重；最后，采用主客觀綜合賦權(quán)法確定權(quán)重，進(jìn)而對(duì)臺(tái)風(fēng)故障線路進(jìn)行智能評(píng)價(jià)分級(jí)。

1 評(píng)價(jià)指標(biāo)和評(píng)價(jià)模型

1.1 評(píng)價(jià)指標(biāo)體系

目前，越來越多的配電網(wǎng)自動(dòng)監(jiān)測(cè)裝置投入運(yùn)行，為研究配電網(wǎng)運(yùn)行可靠性提供了大量的數(shù)據(jù)資源[9-10]。如何利用這些海量數(shù)據(jù)，挖掘數(shù)據(jù)價(jià)值，成為了重要課題。根據(jù)配電網(wǎng)停電在線監(jiān)測(cè)系統(tǒng)現(xiàn)有的可采集數(shù)據(jù)，經(jīng)文獻(xiàn)查閱、專家建議和數(shù)據(jù)篩選，選取故障停電次數(shù)、停電時(shí)戶數(shù)、停電臺(tái)數(shù)、停電恢復(fù)時(shí)間、線路失電負(fù)荷和線路平均負(fù)荷等6 個(gè)指標(biāo)作為配電網(wǎng)線路臺(tái)風(fēng)故障影響分級(jí)評(píng)價(jià)指標(biāo)，如圖1 所示。

圖1 臺(tái)風(fēng)故障影響評(píng)價(jià)指標(biāo)體系

其中，停電時(shí)戶數(shù)為線路停電時(shí)間與配電網(wǎng)故障停電變壓器臺(tái)數(shù)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(biāo)；停電臺(tái)數(shù)、停電恢復(fù)時(shí)間、線路失電負(fù)荷可用來評(píng)估停電損失；線路平均負(fù)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(shù)指標(biāo)外，其余指標(biāo)均取該條線路受臺(tái)風(fēng)影響導(dǎo)致停電數(shù)據(jù)的平均值。

1.2 評(píng)價(jià)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(shù)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(dú)立的少數(shù)變量的線性組合來解釋原有變量信息，最后可轉(zhuǎn)化歸并為一個(gè)綜合評(píng)價(jià)指標(biāo)。臺(tái)風(fēng)故障對(duì)線路的影響是多方面的，各變量之間存在一定的相關(guān)性，可采用主成分分析法評(píng)價(jià)配電網(wǎng)線路臺(tái)風(fēng)故障影響，具體計(jì)算模型如下。

設(shè)p 個(gè)指標(biāo)構(gòu)成的向量X=[X1，X2，…，Xp]，對(duì)向量X 進(jìn)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(guān)（i≠j，j=1，2，…，p）。

其中，式（1）滿足：

當(dāng)式（1），（2）成立時(shí)，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(guān)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(gè)主成分。

在應(yīng)用中，只需找到m（m≤p）個(gè)主成分，這m個(gè)主成分的累積方差貢獻(xiàn)率大于80%，可反映出原來p個(gè)指標(biāo)的大部分信息即可。

獲取m個(gè)主成分后，進(jìn)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(xiàn)率B=[b1，b2，…，bm]。設(shè)各指標(biāo)在主成分中線性組合的系數(shù)矩陣為F=[F1，F(xiàn)2，…，F(xiàn)m]T，則：

那么，各指標(biāo)在綜合得分模型中的系數(shù)矩陣為：

歸一化后，可求得p個(gè)指標(biāo)的權(quán)重向量D：

1.2.2 單層次分析模型

為融入對(duì)各指標(biāo)的主觀判斷和專家意見，本文同時(shí)采用單層次分析模型進(jìn)行權(quán)重計(jì)算。在確定各指標(biāo)權(quán)重時(shí)，采用一致矩陣法[14]，對(duì)各指標(biāo)進(jìn)行兩兩比較，盡力避免各指標(biāo)統(tǒng)一比較的困難，提高評(píng)價(jià)準(zhǔn)確性。

采用1—9 標(biāo)度，將故障停電次數(shù)、停電時(shí)戶數(shù)、停電臺(tái)數(shù)、停電恢復(fù)時(shí)間、線路失電負(fù)荷和線路平均負(fù)荷指標(biāo)的重要性進(jìn)行兩兩比較，根據(jù)專家經(jīng)驗(yàn)進(jìn)行打分，從而構(gòu)造判斷矩陣C。cij表示指標(biāo)i相比于指標(biāo)j的重要程度，越重要取值越大；cij與cji互為倒數(shù)；cii=1。

根據(jù)數(shù)理統(tǒng)計(jì)方法，計(jì)算判斷矩陣C的特征向量和特征值，求得各指標(biāo)的權(quán)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(yàn)指標(biāo)CR=0.096，小于規(guī)定標(biāo)準(zhǔn)值0.1，通過校驗(yàn)，權(quán)重計(jì)算結(jié)果合理有效。

2 臺(tái)風(fēng)故障線路影響分級(jí)評(píng)價(jià)

2.1 權(quán)重確定方法

上文1.2 節(jié)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(quán)重計(jì)算方法?？陀^賦權(quán)法根據(jù)數(shù)據(jù)離散度和數(shù)據(jù)關(guān)系確定權(quán)重，數(shù)理依據(jù)強(qiáng)，但未充分考慮決策者的主觀意向，一些重要的指標(biāo)可能因數(shù)據(jù)離散度較小等原因賦權(quán)較??；主觀賦權(quán)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(yōu)點(diǎn)，使各指標(biāo)賦權(quán)值更為有效、可靠，采用綜合賦權(quán)法進(jìn)行分析評(píng)價(jià)。

選取線性加權(quán)綜合賦權(quán)法，計(jì)算公式為：

式中：ci和di分別為主客觀權(quán)重；α 為權(quán)重系數(shù)，取值0-1，由實(shí)際情況確定。

2.2 評(píng)價(jià)流程

配電網(wǎng)線路臺(tái)風(fēng)故障影響分級(jí)評(píng)價(jià)流程如圖2 所示。首先，通過配電網(wǎng)在線監(jiān)測(cè)系統(tǒng)采集配電網(wǎng)線路臺(tái)風(fēng)故障歷史數(shù)據(jù)，建立評(píng)價(jià)指標(biāo)體系；數(shù)據(jù)預(yù)處理后，采用主成分分析模型和單層次分析模型，分別計(jì)算主客觀權(quán)重；然后，采用主客觀綜合賦權(quán)法確定各指標(biāo)權(quán)重，計(jì)算各條線路百分制綜合評(píng)分；最后，根據(jù)評(píng)分結(jié)果劃分線路臺(tái)風(fēng)故障影響評(píng)價(jià)等級(jí)。

圖2 配電網(wǎng)線路臺(tái)風(fēng)故障影響分級(jí)評(píng)價(jià)流程

3 算例分析

3.1 各指標(biāo)權(quán)重計(jì)算

根據(jù)配電網(wǎng)自動(dòng)化監(jiān)測(cè)裝置安裝和數(shù)據(jù)采集情況，選取2018 年某省配電網(wǎng)線路臺(tái)風(fēng)故障數(shù)據(jù)進(jìn)行算例分析。2018 年，該省配電網(wǎng)線路因臺(tái)風(fēng)故障導(dǎo)致停電1 815 條次，配電變壓器停電30 830 臺(tái)，停電時(shí)戶數(shù)為105 160.67 戶。

提取線路故障停電次數(shù)、停電時(shí)戶數(shù)、停電臺(tái)數(shù)、停電恢復(fù)時(shí)間、線路失電負(fù)荷和線路平均負(fù)荷等6 個(gè)維度的指標(biāo)構(gòu)建評(píng)價(jià)指標(biāo)體系。因各指標(biāo)量綱不同，為便于處理，采用最大值標(biāo)準(zhǔn)化方法對(duì)數(shù)據(jù)進(jìn)行歸一化。

利用SPSS22.0 進(jìn)行主成分分析，降維相互關(guān)聯(lián)的數(shù)據(jù)。經(jīng)Kaiser-Meyer-Olkin 檢驗(yàn)，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(jīng)主成分分析，前3 個(gè)主成分的方差貢獻(xiàn)率B=[43.447%，21.170%，16.302%]，累計(jì)方差貢獻(xiàn)率達(dá)到80.918%，超過80%，因此前3 個(gè)主成分可反映全部6 個(gè)指標(biāo)的絕大多數(shù)信息，實(shí)現(xiàn)數(shù)據(jù)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(jì)算各指標(biāo)在主成分中線性組合的系數(shù)矩陣為：

由式（5）可知，根據(jù)各指標(biāo)在主成分中線性組合的系數(shù)矩陣E和各主成分的方差貢獻(xiàn)率，可求得歸一化后的各指標(biāo)客觀權(quán)重。

同時(shí)，由1.2 節(jié)單層次分析模型，構(gòu)建判斷矩陣，計(jì)算各指標(biāo)的主觀權(quán)重，并進(jìn)行一致性檢驗(yàn)。

采用2.1 節(jié)中的線性加權(quán)綜合賦權(quán)法，α 取0.5，由式（7）求得各指標(biāo)綜合權(quán)重。線路故障停電次數(shù)、停電時(shí)戶數(shù)、停電臺(tái)數(shù)、停電恢復(fù)時(shí)間、線路失電負(fù)荷和線路平均負(fù)荷指標(biāo)的權(quán)重分別為0.28，0.27，0.15，0.13，0.09 和0.08。

3.2 線路臺(tái)風(fēng)故障影響分級(jí)評(píng)價(jià)

根據(jù)上節(jié)計(jì)算得到的各指標(biāo)綜合權(quán)重和歸一化后的數(shù)據(jù)，可求得配電網(wǎng)線路臺(tái)風(fēng)故障影響綜合評(píng)分。將線路評(píng)分進(jìn)行百分制標(biāo)準(zhǔn)化，得到評(píng)分分布情況如圖3 所示。

圖3 配電網(wǎng)線路臺(tái)風(fēng)故障影響綜合評(píng)分分布情況

經(jīng)統(tǒng)計(jì)，2018 年該省配電網(wǎng)共有1 256 條線路因臺(tái)風(fēng)故障停電。由圖3 可知，可根據(jù)評(píng)分分布將算例配電網(wǎng)臺(tái)風(fēng)故障線路劃分為5 個(gè)等級(jí)，等級(jí)越高，受臺(tái)風(fēng)故障的影響越嚴(yán)重，等級(jí)劃分情況如圖3 和表1 所示。Ⅴ級(jí)表示線路受臺(tái)風(fēng)故障影響程度最大，線路最為薄弱，需重點(diǎn)關(guān)注；Ⅳ級(jí)次之，Ⅰ級(jí)較小。

表1 配電網(wǎng)線路臺(tái)風(fēng)故障影響分級(jí)統(tǒng)計(jì)

分析權(quán)重計(jì)算結(jié)果可知，線路停電次數(shù)、停電時(shí)戶數(shù)、停電臺(tái)數(shù)等6 個(gè)指標(biāo)均影響評(píng)級(jí)結(jié)果，線路停電次數(shù)和停電時(shí)戶數(shù)影響較大。部分線路雖停電次數(shù)較少，但臺(tái)風(fēng)故障停電時(shí)戶數(shù)、停電臺(tái)數(shù)、線路失電負(fù)荷和平均線路負(fù)荷較多，平均恢復(fù)時(shí)間較長(zhǎng)，故而臺(tái)風(fēng)故障影響范圍較大，評(píng)級(jí)結(jié)果為Ⅴ級(jí)，災(zāi)害影響級(jí)別高。部分線路雖平均停電時(shí)戶數(shù)等指標(biāo)較小，但因臺(tái)風(fēng)故障停電次數(shù)較多，線路可靠性較差，評(píng)級(jí)結(jié)果亦為Ⅴ級(jí)，需采取針對(duì)性措施提高臺(tái)風(fēng)期間線路運(yùn)行穩(wěn)定性，保障可靠供電。部分線路停電次數(shù)和停電時(shí)戶數(shù)等指標(biāo)值均較小，評(píng)級(jí)結(jié)果為Ⅰ級(jí)，影響級(jí)別較低。

根據(jù)評(píng)級(jí)結(jié)果，影響級(jí)別較高的Ⅳ-Ⅴ級(jí)線路共363 條，約占臺(tái)風(fēng)故障線路總條數(shù)的30%。算例所選省份中WZ 市配電網(wǎng)線路臺(tái)風(fēng)故障影響級(jí)別為4-5 級(jí)的線路條數(shù)最多，臺(tái)風(fēng)故障情況最為嚴(yán)重。WZ 市各縣級(jí)供電公司評(píng)級(jí)為Ⅳ-Ⅴ級(jí)的線路條數(shù)如圖4 所示。其中，NC 公司、ZW 公司、AR 公司和JY 公司的Ⅴ級(jí)線路較多，分別為57，30，23 和21 條。由圖4 可知，根據(jù)評(píng)級(jí)結(jié)果，各供電公司可精準(zhǔn)定位故障多發(fā)及停電影響較大的線路，上級(jí)公司可全面掌握下級(jí)公司配電網(wǎng)線路因臺(tái)風(fēng)故障影響情況，考核配電網(wǎng)臺(tái)風(fēng)故障供電可靠性。相較于目前采用的單一指標(biāo)停電時(shí)戶數(shù)評(píng)價(jià)停電損失，本文所提算法可充分挖掘配電網(wǎng)海量在線監(jiān)測(cè)數(shù)據(jù)信息，可根據(jù)影響級(jí)別篩選需重點(diǎn)關(guān)注的臺(tái)區(qū)和線路，實(shí)現(xiàn)差異化運(yùn)維和配電網(wǎng)線路針對(duì)性升級(jí)改造。

圖4 WZ 市各供電公司配電網(wǎng)臺(tái)風(fēng)故障4-5 級(jí)線路條數(shù)分布

4 結(jié)語

本文基于大數(shù)據(jù)技術(shù)，實(shí)現(xiàn)了配電網(wǎng)線路臺(tái)風(fēng)故障影響智能分級(jí)。所提算法具有以下優(yōu)點(diǎn)：

（1）充分挖掘配電網(wǎng)在線監(jiān)測(cè)海量數(shù)據(jù)資源，選取的6 個(gè)評(píng)價(jià)指標(biāo)涵蓋了戶-臺(tái)-線三級(jí)的停電數(shù)據(jù)，評(píng)價(jià)結(jié)果客觀全面。

（2）基于大數(shù)據(jù)分析技術(shù)，采用主成分分析模型和單層次分析模型獲取權(quán)重，計(jì)算線路綜合評(píng)分并劃分等級(jí)，實(shí)現(xiàn)了配電網(wǎng)線路臺(tái)風(fēng)故障影響的智能分級(jí)，算法可靠性高。

（3）目前，配電網(wǎng)線路臺(tái)風(fēng)影響分析一般基于經(jīng)驗(yàn)或者臺(tái)風(fēng)路徑，誤差較大。所提算法將臺(tái)風(fēng)故障影響進(jìn)行量化評(píng)分，劃分為5 個(gè)等級(jí)，可精準(zhǔn)定位臺(tái)風(fēng)影響薄弱環(huán)節(jié)，為配電網(wǎng)采取差異化的防臺(tái)改造和運(yùn)維提供可靠數(shù)據(jù)支撐，實(shí)現(xiàn)精準(zhǔn)投資和運(yùn)維。

隨著配電自動(dòng)化技術(shù)的發(fā)展，電力體制改革的深入推進(jìn)，配電網(wǎng)精益化運(yùn)維和差異化設(shè)計(jì)要求的提高，本文所提方法具有較好的應(yīng)用價(jià)值和廣泛的應(yīng)用前景。