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(wǎng)山東省電力公司博興縣供電公司，山東 濱州 256000）

0 引言

電網(wǎng)防災減災的重點是減少故障發(fā)生的頻率和概率［1-2］。影響電網(wǎng)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(shù)據(jù)信息，決定了建立氣象因素與電網(wǎng)故障之間對應關系的可行性［4-5］。

國內(nèi)外學者在電網(wǎng)故障預測方面開展了大量的研究工作。文獻［6］依據(jù)氣象實時數(shù)據(jù)判斷山火趨勢，形成電網(wǎng)山火預警及處置態(tài)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(wǎng)絡的預測模型，預測電網(wǎng)局部區(qū)域故障概率。文獻［8］通過模糊推理將颶風參數(shù)故障率的增量乘積進行非線性函數(shù)關系映射，進行電力系統(tǒng)可靠性評估。文獻［9］以矢量的方式看待覆冰樣本數(shù)據(jù)，提出一種基于數(shù)據(jù)驅(qū)動算法覆冰預測模型。上述工作主要側(cè)重于研究某種氣象條件，尚沒有在考慮設備歷史運行數(shù)據(jù)和多類型氣象因素的基礎上，建立電網(wǎng)故障預測模型。

本文以電網(wǎng)運維和氣象歷史數(shù)據(jù)為基礎，提出一種基于設備脆弱性的電網(wǎng)設備故障預測方法，基于數(shù)據(jù)關聯(lián)規(guī)則［10］，建立氣象因素與電網(wǎng)故障之間的映射方法，提高全類型氣象條件下的電網(wǎng)災害預警能力。

1 電網(wǎng)重要基礎設施脆弱性評估

電網(wǎng)設備的脆弱性可定義為：在自然災害等突發(fā)事件的影響下，設備發(fā)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(nèi)因。

1.1 災害體屬性的處理

影響電力系統(tǒng)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(shù)據(jù)，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(qū)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(shù)據(jù)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(shù)如表3 所示。

1.2 承災體屬性的處理

導致設備故障的內(nèi)因主要包括設備制造水平、技術狀態(tài)、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(nèi)因三級指標

設備內(nèi)因?qū)傩缘拿總€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(wǎng)公司電網(wǎng)設備運行分析年報》中的統(tǒng)計數(shù)據(jù)，按照電壓等級、運行年限發(fā)生事故與年度總事故數(shù)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(wǎng)公司電網(wǎng)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(shù)40，即可得到設備的脆弱性內(nèi)因指數(shù)。外因、內(nèi)因指數(shù)通過加權求和確定設備綜合脆弱性指數(shù)。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(shù)。

2 氣象因素與設備故障的關聯(lián)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(lián)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(lián)規(guī)則的改進

氣象因素與輸變電設備故障之間的關聯(lián)規(guī)則可由關聯(lián)規(guī)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(shù)據(jù)劃分

表7 變壓器常見故障

通過Apriori 算法挖掘以上關聯(lián)規(guī)則，將置信度作為X 發(fā)生后Y 發(fā)生的條件概率［10］。Apriori 算法采用遞歸的方法發(fā)現(xiàn)頻繁項集，核心思想是：第1 步通過迭代檢索出數(shù)據(jù)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(guī)則。

所有歷史數(shù)據(jù)構成關聯(lián)規(guī)則的事物集D，包含氣象及脆弱性指數(shù)等信息。D 中包含數(shù)據(jù)項集X、Y，事件X 發(fā)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(shù)量和包含X 的事務數(shù)量。事件X 發(fā)生前提下事件Y 發(fā)生的關聯(lián)規(guī)則置信度為

式中：Sup（X∪Y）為事件X、Y 同時發(fā)生的支持度。

與傳統(tǒng)電網(wǎng)關聯(lián)規(guī)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(shù)，改進關聯(lián)規(guī)則，可信度更高。將脆弱性指數(shù)按比率把同一設備不同時期的脆弱性，歸一化到此設備現(xiàn)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(shù)，αt表示現(xiàn)階段的脆弱性指數(shù)，置信度公式改進為

3 算例仿真

以某地電網(wǎng)為研究對象，該地為大陸性季風氣候，氣候溫和；地質(zhì)構造穩(wěn)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(nèi)某35 kV 主變壓器為研究對象，設其運行5 年，耐受參數(shù)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(shù)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(tǒng)計數(shù)據(jù)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(shù)為0.127，內(nèi)因指數(shù)為0.479，當分別賦權0.5 時，設備綜合脆弱性指數(shù)為0.303。

3.2 關聯(lián)規(guī)則仿真結(jié)果

設主變壓器的綜合脆弱性指數(shù)按設備運行周期分為4 個階段，其指數(shù)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(shù)據(jù)作為1 個案例，按數(shù)據(jù)項集X、Y 對其進行劃分，并按表6、表7 標準化處理。選取數(shù)據(jù)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(shù)據(jù)項集X 的案例集，對測試集的數(shù)據(jù)項集Y 出現(xiàn)的概率進行仿真測試，分別按式（2）、式（3）進行計算，結(jié)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(lián)規(guī)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(jié)果。選擇不同氣象信息的組合，可預測不同電網(wǎng)故障發(fā)生的概率。

3）同一脆弱性指數(shù)下，相似氣象條件引起故障的概率差別不大。將歷史數(shù)據(jù)根據(jù)脆弱性指數(shù)歸一化處理，預測結(jié)果更準確。

表9 預測結(jié)果對比

4 結(jié)語

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