電網(wǎng)輸電線路故障原因分析與分布研究

章鹿華 丁恒春 徐占河 趙 林

(冀北電力有限公司計(jì)量中心，北京 102208)

電網(wǎng)輸電線路故障原因分析與分布研究

章鹿華 丁恒春 徐占河 趙 林

(冀北電力有限公司計(jì)量中心，北京 102208)

針對(duì)電網(wǎng)輸電線路故障頻發(fā)、表象隨機(jī)性強(qiáng)、提前預(yù)判難度大等問(wèn)題，在分析電網(wǎng)歷史故障數(shù)據(jù)的基礎(chǔ)上，對(duì)電網(wǎng)輸電線路故障原因與特點(diǎn)進(jìn)行深入剖析。采用大數(shù)據(jù)挖掘法建立多維度、多業(yè)務(wù)間的量化關(guān)系，提出并確定了典型故障類型，全面展現(xiàn)了典型故障的線路分布、電壓等級(jí)分布、時(shí)間分布和重復(fù)發(fā)生概率等，明確了電網(wǎng)安全運(yùn)維檢修的重點(diǎn)環(huán)節(jié)。研究成果為制定電網(wǎng)運(yùn)維管理策略和線路大修、投資計(jì)劃提供了有力技術(shù)支撐。

電網(wǎng) 線路故障 大數(shù)據(jù)挖掘 線路分布 電壓等級(jí)分布 時(shí)間分布 運(yùn)維管理

0 引言

電網(wǎng)企業(yè)輸電線路運(yùn)維檢修的最大風(fēng)險(xiǎn)表現(xiàn)為線路故障，線路故障的發(fā)生可能由線路缺陷、人員操作、自然環(huán)境等內(nèi)外部多種因素造成，同時(shí)各種誘發(fā)因素之間也存在相互影響，可能間接導(dǎo)致線路故障。

目前，國(guó)家電網(wǎng)公司已建立國(guó)內(nèi)領(lǐng)先、國(guó)際一流的信息集成平臺(tái)。隨著三地集中式數(shù)據(jù)中心的陸續(xù)投運(yùn)，一級(jí)部署業(yè)務(wù)應(yīng)用范圍的持續(xù)拓展，電網(wǎng)業(yè)務(wù)數(shù)據(jù)從總量和種類上都已初具規(guī)模，電網(wǎng)大數(shù)據(jù)的“量類時(shí)”特性，已在海量、實(shí)時(shí)的電網(wǎng)業(yè)務(wù)數(shù)據(jù)中凸顯出來(lái)。

但數(shù)據(jù)收集無(wú)法停止，結(jié)果無(wú)法使用仍是國(guó)網(wǎng)公司面臨的主要問(wèn)題。目前，大多數(shù)事物型數(shù)據(jù)庫(kù)僅實(shí)現(xiàn)了數(shù)據(jù)錄入、查詢和統(tǒng)計(jì)等較低層次的功能，數(shù)據(jù)分析仍停留在對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行指標(biāo)的統(tǒng)計(jì)分析階段，通過(guò)分析結(jié)果無(wú)法發(fā)現(xiàn)累計(jì)數(shù)據(jù)中存在的有用信息，更無(wú)法進(jìn)一步通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)更高的價(jià)值。目前，亟需加強(qiáng)對(duì)多樣化的統(tǒng)計(jì)分析和數(shù)據(jù)挖掘手段的研究工作，增強(qiáng)關(guān)聯(lián)度和預(yù)測(cè)性分析，發(fā)現(xiàn)數(shù)據(jù)潛藏價(jià)值，推動(dòng)數(shù)字化向智能化轉(zhuǎn)變，提高數(shù)據(jù)服務(wù)公司戰(zhàn)略決策、業(yè)務(wù)應(yīng)用和管理模式創(chuàng)新的能力。

本文從電網(wǎng)輸電線路故障數(shù)據(jù)特點(diǎn)和管理需求出發(fā)，以輸電線路故障數(shù)據(jù)為核心，通過(guò)大數(shù)據(jù)挖掘的方式建立多維度、多業(yè)務(wù)間的量化關(guān)系，全面了解電網(wǎng)設(shè)備故障類型，明確重點(diǎn)管理環(huán)節(jié)，深入分析典型故障，針對(duì)高、中、低危故障類型，形成分層管理體系，輔助指標(biāo)管理策略并完善指標(biāo)日常管理方法，并對(duì)研究中發(fā)現(xiàn)的問(wèn)題提出改進(jìn)建議。

1 故障類型分析

輸電線路故障類型包括雷害、異物影響、大風(fēng)、動(dòng)物影響、覆冰、大型機(jī)械作業(yè)碰線、火災(zāi)、材質(zhì)不良、建設(shè)施工、外部火災(zāi)、產(chǎn)品結(jié)構(gòu)設(shè)計(jì)不合理、工藝不佳、外力破壞等[1]。本文統(tǒng)計(jì)了2012～2014年期間，某電力公司110 kV、220 kV和500 kV輸電線路故障數(shù)據(jù)共計(jì)198條。按故障類型來(lái)說(shuō)，雷害故障記錄91條，占故障總數(shù)的45.96%。異物影響故障和大風(fēng)故障，占故障總數(shù)的比例依次為14.14%、13.64%。雷害、異物影響、大風(fēng)這3類故障發(fā)生次數(shù)占故障總數(shù)的74%，即18.8%的故障類型發(fā)生故障的概率為74%，故障類型分布較集中[2]。通過(guò)重點(diǎn)篩選，明確雷害、異物影響、大風(fēng)等是引發(fā)線路故障的最關(guān)鍵因素，并主要針對(duì)這3種故障類型，從線路長(zhǎng)路與線路條數(shù)、電壓等級(jí)與區(qū)域分布、發(fā)生概率、發(fā)生時(shí)間的相關(guān)性等方面詳細(xì)分析了輸電線路故障發(fā)生的規(guī)律[3]。

2 典型的故障特點(diǎn)分析

2.1 典型故障線路分布特點(diǎn)

分別對(duì)雷害、異物影響和大風(fēng)這3類典型故障進(jìn)行帕累托曲線計(jì)算，直觀分析各類典型故障在線路長(zhǎng)度和線路條數(shù)上的分布特點(diǎn)，可得到各類典型故障的發(fā)生比例與線路長(zhǎng)度、線路條數(shù)占比之間的定量關(guān)系，為典型故障的集中重點(diǎn)防控提供數(shù)據(jù)支撐。

通過(guò)計(jì)算分析可見，50%的雷害故障發(fā)生集中于總線路長(zhǎng)度的9.75%[4]，總線路條數(shù)的1.39%；80%的雷害故障發(fā)生集中于總線路長(zhǎng)度的12.68%，總線路條數(shù)的3.86%；100%的雷害故障發(fā)生集中于總線路長(zhǎng)度的22.06%，總線路條數(shù)的5.50%。雷害故障在發(fā)生線路條數(shù)和線路長(zhǎng)度上表現(xiàn)出高度集中，這種分布的集中性為雷害故障監(jiān)測(cè)重點(diǎn)線路的選擇提供了合理依據(jù)。對(duì)于占總線路長(zhǎng)度22.06%、總線路條數(shù)5.50%的線路，應(yīng)作為雷害故障監(jiān)測(cè)的重點(diǎn)線路，可極大提高雷害故障防控的效率[5]。

同理，50%的異物影響故障集中于線路總長(zhǎng)度的0.98%，80%異物影響故障集中于1.72%長(zhǎng)度線路，100%異物影響故障集中于4.11%長(zhǎng)度線路。50%的大風(fēng)故障集中于3.4%長(zhǎng)度線路,80%大風(fēng)故障集中于6.81%長(zhǎng)度線路，100%大風(fēng)故障集中于12.21%長(zhǎng)度線路。異物影響和大風(fēng)故障也同樣在發(fā)生線路條數(shù)和線路長(zhǎng)度上，表現(xiàn)出高度集中性[6]，因此可開展重點(diǎn)監(jiān)測(cè)工作。

2.2 典型故障電壓等級(jí)分布特點(diǎn)

分別對(duì)2012年1月1日～2014年12月31日輸電線路中的雷害故障數(shù)據(jù)、異物影響故障數(shù)據(jù)和大風(fēng)故障數(shù)據(jù)按照線路電壓等級(jí)進(jìn)行分類。結(jié)果發(fā)現(xiàn)，雷害故障60%分布于500 kV線路，32%分布于220 kV線路；異物故障43%分布于500 kV線路，46%分布于220 kV線路；大風(fēng)故障63%分布于500 kV線路，26%分布于220 kV線路。3種故障類型的故障發(fā)生率均較為集中，500 kV和220 kV線路應(yīng)作為故障預(yù)防工作的重點(diǎn)線路[7]。

2.3 典型故障貝葉斯分析

對(duì)2012～2014年輸電線路雷害故障數(shù)據(jù)，按照所處年份進(jìn)行貝葉斯網(wǎng)絡(luò)分析?；疑珔^(qū)域代表當(dāng)年發(fā)生故障線路，白色區(qū)域代表當(dāng)年無(wú)故障線路的條數(shù)；斜杠分隔符前數(shù)字代表發(fā)生故障的線路條數(shù)，斜杠分隔符后數(shù)字代表故障記錄的次數(shù)，各角形分叉下方線代表上一年線路中發(fā)生雷害故障的線路，上方線條代表上一年線路中未發(fā)生雷害故障的線路。因大風(fēng)故障3年總數(shù)為27，異物影響故障3年總數(shù)為28，故障數(shù)據(jù)量較小不適于使用貝葉斯分析，所以僅對(duì)雷害故障進(jìn)行貝葉斯網(wǎng)絡(luò)分析，結(jié)果如圖2所示。

圖1 貝葉斯網(wǎng)絡(luò)分析圖

Fig.1 The Bayesian network analysis

2012年發(fā)生雷害故障的線路70條，雷害故障記錄85條。在2012年發(fā)生雷害故障的70條線路中，2013年再次發(fā)生雷害故障的線路14條，單線路二次雷害故障率為20%；而在2012年未發(fā)生雷害故障的1 147條線路中，2013年發(fā)生雷害故障的線路41條，單線路二次雷害故障率為3.57%，故障發(fā)生概率低于2012年雷害故障線路的20%。

在2012～2013年連續(xù)發(fā)生雷害故障的14條線路中，2014年再次發(fā)生雷害故障線路為6條，單線路三次雷害故障率42.86%，且這些線路2014年平均單線路雷害故障次數(shù)為1.5；在2012～2013年連續(xù)兩年未發(fā)生雷害故障的1 106條線路中，2014年發(fā)生雷害故障的線路為21條，單線路雷害故障發(fā)生概率僅為1.91%，故障發(fā)生概率遠(yuǎn)低于2012～2013年連續(xù)發(fā)生雷害故障線路的42.86%，且這些線路2014年平均單線路雷害故障次數(shù)為1.1，遠(yuǎn)低于2012～2013年連續(xù)發(fā)生雷害故障線路的1.5。

通過(guò)以上分析，可以看到連續(xù)兩年未發(fā)生故障的線路，發(fā)生故障的可能性低于連續(xù)兩年同時(shí)發(fā)生故障的線路。發(fā)生故障的線路，隔年再次發(fā)生故障的可能性高于7%，單線路故障數(shù)約為1。前一年發(fā)生故障的線路，今年再次發(fā)生故障的可能性高于17%，單線路故障數(shù)約為1.3。連續(xù)兩年以上發(fā)生故障的線路，再次發(fā)生故障的可能性高于40%，單線路故障數(shù)約為1.5。

單一線路雷電故障發(fā)生的重復(fù)率較高，發(fā)生過(guò)、尤其是近年發(fā)生過(guò)雷電故障的線路再次發(fā)生雷電故障的概率較高，應(yīng)作為雷電故障監(jiān)控重點(diǎn)。

2.4 典型故障時(shí)間分布

對(duì)2012～2014年輸電線路典型故障數(shù)據(jù)的月份分布進(jìn)行分析，分析各類典型故障類型的季節(jié)分布特點(diǎn)[8]。圖2分別給出了雷害故障、異物故障和大風(fēng)故障的月份分布圖。

圖2 三種故障月份分布圖

Fig.2 The monthly distribution of three kindsof fault

由圖2(a)可知，每年5～8月是雷害故障高發(fā)季節(jié)，在一年中33%的時(shí)間內(nèi)集中了90%的雷害故障;每年9月至次年4月是雷害故障低發(fā)季節(jié)。由圖2(b)和圖2(c)可知，100%的異物影響故障和大風(fēng)故障均發(fā)生在每年3～11月，春、夏、秋季是異物影響

故障和大風(fēng)故障的高發(fā)季節(jié)，且異物影響和大風(fēng)故障導(dǎo)致的線路故障在故障發(fā)生各月份分布較為均勻，冬季是二者低發(fā)季節(jié)。因此，雷害故障、異物故障和大風(fēng)故障監(jiān)控的重點(diǎn)時(shí)間分別為每年5～8月、3～11月、3～11月。

3 結(jié)束語(yǔ)

本文以線路故障數(shù)據(jù)為基礎(chǔ)，對(duì)典型故障類型進(jìn)行了歷史故障高發(fā)地域分析。發(fā)現(xiàn)發(fā)生過(guò)雷害故障的線路，再次發(fā)生雷害故障的可能性更高，且單線路雷害故障發(fā)生次數(shù)更高。通過(guò)對(duì)歷史各年度單線路發(fā)生雷害故障發(fā)生次數(shù)的統(tǒng)計(jì)，可預(yù)測(cè)以后年度各線路雷電故障發(fā)生的概率，從而篩選出雷害故障的高發(fā)線路，為制定線路技改大修投資計(jì)劃、確定日常運(yùn)維檢修重點(diǎn)提供數(shù)據(jù)支撐。

[1] 汪洋，梁明亮，張雷,等.2012華北電網(wǎng)500kV線路故障分析與思考[J].電力系統(tǒng)自動(dòng)化，2013(21)：44-49.

[2] 梁志峰.2011—2013年國(guó)家電網(wǎng)公司輸電線路故障跳閘統(tǒng)計(jì)分析[J].華東電力，2014(11)：28-33.

[3] 周雨田，趙潔，董飛飛,等.自然災(zāi)害造成電網(wǎng)故障的地域分布評(píng)估研究[J].陜西電力，2013(10):7-10.

[4] 彭向陽(yáng)，詹清華，周華敏.廣東電網(wǎng)同塔多回線路雷擊跳閘影響因素及故障分析[J].電網(wǎng)技術(shù)，2012(3):86-92.

[5] 桂強(qiáng)，劉意川，張沛超.高壓電網(wǎng)故障信息數(shù)據(jù)挖掘系統(tǒng)的研究[J].繼電器，2007(10):42-45.

[6] 魯慧民，馮博琴.基于數(shù)據(jù)挖掘的電網(wǎng)故障關(guān)聯(lián)性分析與研究[J].微電子學(xué)與計(jì)算機(jī)，2008(12):116-119.

[7] 徐巖，張銳，衛(wèi)波.應(yīng)用數(shù)據(jù)融合的電網(wǎng)故障診斷[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2014(11):71-75.

[8] 王艷陽(yáng)， 孫廣輝，王兆輝.河北省南部電網(wǎng)線路故障分析[J].河北電力技術(shù)，2007(4):11-12.

Analysis and Research on the Causes and Distribution of Faults upon Transmission Lines of Power Grid

In view of the problems of frequent failures in transmission lines of power grid,and the strong randomness of appearance,it is difficult to predict in advance.On the basis of historical power grid fault data,the causes of faults and the features are analyzed in-depth. By using big data mining method,the quantitative relationship of multi-dimensional,and multiple businesses is established,the typical fault types are put forward and determined. The distribution upon lines,voltage grade,and time of typical faults as well as the repeated probability of occurrence are comprehensively demonstrated,thus the focused aspects of safety operation,maintenance,and management of power grid are defined.The research results provide strong technical support to formulate the strategies of operation,maintenance,and management; as well as the plans of overhaul,technical retrofits,and investment.

Power grid Line fault Big data mining Line distribution Voltage grade distribution Time distribution Operation and maintenance management

章鹿華(1980—)，男，2006年畢業(yè)于華北電力大學(xué)高電壓與絕緣技術(shù)專業(yè)，獲碩士學(xué)位，高級(jí)工程師；主要從事電力大數(shù)據(jù)分析、電氣設(shè)備在線監(jiān)測(cè)、電能計(jì)量和電磁測(cè)量方向的研究。

TH-39;TP271

A

10.16086/j.cnki.issn 1000-0380.201612023

修改稿收到日期：2016-01-13。