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

馬美婷，孫誼媊，張 龍，袁鐵江,3

(1.新疆大學(xué) 電氣工程學(xué)院，新疆 烏魯木齊 830008；2.國家電網(wǎng)新疆電力公司 電力科學(xué)研究院，新疆 烏魯木齊830000；3.清華大學(xué)電機(jī)系 電力系統(tǒng)及發(fā)電設(shè)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(yù)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(xué) 電氣工程學(xué)院，新疆 烏魯木齊 830008；2.國家電網(wǎng)新疆電力公司 電力科學(xué)研究院，新疆 烏魯木齊830000；3.清華大學(xué)電機(jī)系 電力系統(tǒng)及發(fā)電設(shè)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(chǔ)上，結(jié)合統(tǒng)計近幾年新疆吐哈地區(qū)的相關(guān)電力數(shù)據(jù)及相應(yīng)氣象數(shù)據(jù)，進(jìn)行因子分析和logistic回歸計算，建立計及新疆大溫差、風(fēng)電高比例入網(wǎng)、強(qiáng)風(fēng)及沙塵等新疆極端環(huán)境因素的電網(wǎng)安全預(yù)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(jìn)行驗證，結(jié)果表明該模型能較準(zhǔn)確地表達(dá)該地區(qū)極端環(huán)境與電力事故間的關(guān)系，具有實際應(yīng)用意義。

極端環(huán)境；吐哈地區(qū)；安全預(yù)警；logistic模型

隨著堅強(qiáng)智能電網(wǎng)的發(fā)展建設(shè)和特高壓交直流工程的不斷投產(chǎn)，遠(yuǎn)距離輸送電壓等級越來越高、電網(wǎng)建設(shè)規(guī)模不斷擴(kuò)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(shè)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(dǎo)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(qiáng)風(fēng)和強(qiáng)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(yīng)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(jìn)，需不斷總結(jié)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(yù)警機(jī)制，防患于未然。

預(yù)警機(jī)制早前多應(yīng)用在經(jīng)濟(jì)學(xué)里，研究成果頗豐。在電網(wǎng)安全方面，文獻(xiàn)[3]較早地提出了一種電網(wǎng)實時安全預(yù)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(xiàn)[4]基于IEC61970標(biāo)準(zhǔn)進(jìn)行了電網(wǎng)安全穩(wěn)定分析和預(yù)警體系的總體架構(gòu)設(shè)計。之后對電網(wǎng)安全預(yù)警的研究進(jìn)一步深化，從系統(tǒng)架構(gòu)設(shè)計進(jìn)入了技術(shù)性的研究，文獻(xiàn)[5]將短期、超短期潮流預(yù)報應(yīng)用到電網(wǎng)安全預(yù)警系統(tǒng)的構(gòu)建中，介紹了其實現(xiàn)算法、技術(shù)特點和應(yīng)用場合;文獻(xiàn)[6]結(jié)合氣象信息、輸變電設(shè)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(yù)警模型；文獻(xiàn)[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(fēng)險的新型輸電線路故障率模型；文獻(xiàn)[8]計及了降水和氣溫等災(zāi)害性氣象因素，研究了基于氣象因素的電網(wǎng)安全預(yù)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(zāi)害性天氣因素的電網(wǎng)安全預(yù)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(yùn)行的要素當(dāng)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(guān)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(yù)測故障發(fā)生概率，建立適用于新疆電網(wǎng)的安全預(yù)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(guān)氣象信息為校驗樣本，檢驗?zāi)Ｐ偷恼_性。驗證結(jié)果表明筆者所建模型能較準(zhǔn)確地表達(dá)該地區(qū)極端環(huán)境與電力事故間的關(guān)系，具有實際應(yīng)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(qiáng)風(fēng)

新疆吐哈地區(qū)常年氣候比較惡劣，天氣變化迅速，多強(qiáng)風(fēng)。就烏吐哈輸電線路來說，其沿線途徑三十里風(fēng)區(qū)和百里風(fēng)區(qū)，此地段多大風(fēng)，風(fēng)力都在7級左右，瞬時風(fēng)在12級左右，風(fēng)期時間較長，風(fēng)速較大，給線路的安全運(yùn)行帶來了極大的威脅。相比少風(fēng)區(qū)，大風(fēng)區(qū)段普遍出現(xiàn)導(dǎo)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(zhì)和制造工藝方面不斷改進(jìn)外，分析危險源、對危險進(jìn)行預(yù)測，適時對電力器件進(jìn)行檢修更換處理也是尤為重要的。

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

1.2 沙塵

根據(jù)能見度和風(fēng)速的不同，沙塵天氣主要劃分為強(qiáng)沙塵暴、沙塵暴、揚(yáng)沙、浮塵等4類[10]。其中，沙塵暴、強(qiáng)沙塵暴能夠?qū)﹄娋W(wǎng)的安全穩(wěn)定構(gòu)成一定威脅。沙塵暴常伴隨強(qiáng)風(fēng)，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(qiáng)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(qiáng)度劃分標(biāo)準(zhǔn)

另外，揚(yáng)沙天氣水平能見度在1～10 km以內(nèi)；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(biāo)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(yù)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(nèi)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(gòu)成了一些危害。首先，主電網(wǎng)的一些斷路器、操作機(jī)構(gòu)、互感器等重要設(shè)備多為密封充油設(shè)備，易受溫度的影響，頻繁地冷熱交替將嚴(yán)重影響電力設(shè)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(shè)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(biāo)，將大溫差環(huán)境納入到新疆電網(wǎng)故障因素里，使所構(gòu)建電網(wǎng)安全預(yù)警模型更加全面、準(zhǔn)確。

1.4 新能源高比例入網(wǎng)

隨著新疆風(fēng)力發(fā)電容量在系統(tǒng)發(fā)電總量中所占比例的增大，風(fēng)電對電網(wǎng)安全的影響愈發(fā)明顯。當(dāng)系統(tǒng)負(fù)荷在峰值時，風(fēng)速在短時間內(nèi)由額定風(fēng)速下降至零，風(fēng)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(dāng)系統(tǒng)負(fù)荷在谷值時，若在很短時間內(nèi)風(fēng)速由零風(fēng)速增加至額定風(fēng)速，風(fēng)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(jī)有功調(diào)節(jié)能力不足，就會產(chǎn)生有功增量，嚴(yán)重影響系統(tǒng)的安全穩(wěn)定運(yùn)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(fēng)電發(fā)電量V12、月風(fēng)電入網(wǎng)比率V132個因素來考察風(fēng)電高比例入網(wǎng)對系統(tǒng)安全的影響，此處的風(fēng)電入網(wǎng)比率是指風(fēng)電發(fā)電量與系統(tǒng)總負(fù)荷的比。

2 電網(wǎng)安全預(yù)警logistic回歸模型

2.1 電網(wǎng)安全預(yù)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(jié)果和自變量(影響因素)之間關(guān)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(zhuǎn)化為線性函數(shù)：

…+βnxn]=β0+β1x1+β2x2+…+βnxn。

(2)

式中 常數(shù)項β0指當(dāng)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(yù)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(dāng)P值大于0.5時，認(rèn)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(rèn)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(dāng)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(yù)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(fēng)速V1、月最大風(fēng)速V2、月極端強(qiáng)風(fēng)發(fā)生頻次V3、月極大風(fēng)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(fēng)電發(fā)電量V12、月風(fēng)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(shù)。利用變量間存在的相關(guān)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(xiàn)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(dá)到降維的目的。

筆者通過對原始數(shù)據(jù)矩陣進(jìn)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(fù)載情況：

1)主成分X1在V10，V11上有較大的負(fù)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(fù)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(fù)載值，可描述極端強(qiáng)風(fēng)類因子對電力系統(tǒng)事故的影響，則定義為“極端強(qiáng)風(fēng)因子”。

4)主成分X4在V12，V13上有較大的負(fù)載值，可描述風(fēng)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(fēng)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?jǐn)?shù)/%累積百分?jǐn)?shù)/%提取平方和載入合計方差百分?jǐn)?shù)/%累積百分?jǐn)?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(zhuǎn)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?xì)庀笠貙Ω鞴惨蜃拥木€性表達(dá)式：

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

3.2 Logistic模型

新疆吐哈地區(qū)大風(fēng)天氣多、嚴(yán)寒溫差大、鹽堿沙塵多等環(huán)境因素導(dǎo)致的設(shè)備故障頻發(fā)。201211—201502吐哈地區(qū)由極端氣象因素導(dǎo)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(dǎo)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(dǎo)致的電力事故最高發(fā)月大致在大風(fēng)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(jìn)行二元Logistic回歸分析，結(jié)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(guān)數(shù)據(jù)及氣象數(shù)據(jù)進(jìn)行模型驗證，檢驗結(jié)果如表6所示。

表6 模型對測試樣本的檢驗結(jié)果

由表6模型檢驗結(jié)果可知，該文所建安全預(yù)警模型達(dá)到了83.3%的準(zhǔn)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(qiáng)風(fēng)天氣，線路極易出現(xiàn)故障。此時，故障原因僅歸結(jié)于風(fēng)災(zāi)。而一個正常完好的線路在同樣強(qiáng)風(fēng)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(zhǔn)確地描述吐哈地區(qū)極端氣象因素與電力設(shè)備故障間的關(guān)系。

4 結(jié)語

通過對近幾年新疆吐哈地區(qū)的相關(guān)電力數(shù)據(jù)及相應(yīng)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(yù)警logistic模型。該模型計算了在不同極端強(qiáng)風(fēng)因子、大溫差因子、沙塵因子及風(fēng)電高比例入網(wǎng)因子情況下，電氣設(shè)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(yù)知安全脆弱線路、設(shè)備，及時進(jìn)行防護(hù)修繕。因此，該模型對完善電網(wǎng)安全預(yù)警工作有一定應(yīng)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(fēng)險分析及防御措施研究[J]. 南方電網(wǎng)技術(shù), 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(yù)警與保障決策支持系統(tǒng)的研究[J]. 電工技術(shù), 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(yù)報在電網(wǎng)安全預(yù)警系統(tǒng)中的應(yīng)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(yù)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(xué)與技術(shù)學(xué)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(yù)警模型研究[D]. 北京：華北電力大學(xué), 2014.

[9]陳洪武, 辛渝, 陳鵬翔,等. 新疆多風(fēng)區(qū)極值風(fēng)速與大風(fēng)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(guān)系研究[D]. 南京:南京信息工程大學(xué), 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(xué)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(xué), 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(fēng)電場穿透功率極限計算[J]. 電網(wǎng)技術(shù), 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(shù), 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(guān)聯(lián)度分析法的變壓器故障診斷[J]. 電力科學(xué)與技術(shù)學(xué)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(xué)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(shù)和風(fēng)電—氫儲能與煤化工多能耦合技術(shù)等研究;E-mail：xjuytj@163.com

TM732

A

1673-9140(2016)04-0181-07