基于風速風向聯(lián)合概率的輸電線路漂浮物故障風險評估

胡筱筱 李柯純

摘 要：近年來，我國國民經(jīng)濟逐漸獲得了高速的發(fā)展，相應的逐漸提高了電網(wǎng)的可靠性要求，輸電線路的風險評估、健康狀態(tài)和控制在一定程度上將會直接影響到電網(wǎng)的運行的安全性、可靠性。但是，線路漂浮物會對電網(wǎng)的安全運行造成顯著威脅。根據(jù)研究顯示，在總跳閘事故中35～500 kV輸電線路發(fā)生漂浮物跳閘事故占7.2%，其中引發(fā)的停車事故率高達56.8%，并且在經(jīng)濟發(fā)達地區(qū)因大風吹起漂浮物所造成的線路故障率較高，為解除安全隱患，輸電部門需要致力于清除輸電走廊的漂浮物。

關鍵詞：風速風向聯(lián)合概率；輸電線路漂浮物；故障風險評估

輸電線路作為組成電網(wǎng)的重要部分，承擔著電能輸送的重要責任，且通常會跨越多個區(qū)域，面臨惡劣的環(huán)境，大多數(shù)設備都會受到機械等的影響，外部環(huán)境干擾大，如污染、冰雪和雷電等。關于風險評估和預測電網(wǎng)故障，需要針對實際工程的設計需求，根據(jù)電網(wǎng)運行將與之相對應的定級體系與風險評估提出來，以此可以提供一定的決策性輔助信息以供實現(xiàn)電網(wǎng)的調度管理。為有效的將輸電走廊中存在的各種安全隱患提前消除，輸電部門需要對線路的風險狀況進行事先了解。

時空分析

漂浮物所造成的線路故障，主要是指各種異物借助強風，與輸電線路觸碰或飄掛在上面，以此誘發(fā)線路空間電場出現(xiàn)畸變而降低線路絕緣裕度，如薄膜、風箏、尼龍繩和包裝袋等，甚至還會引發(fā)直接短接空氣間隙，造成導線對地、對導線和對塔材放電，從而導致輸電線路出現(xiàn)跳閘的情況?；谄∥镆话銘覓煸谳旊妼Ь€上，一時之間很難脫離，且發(fā)生第一次閃絡后，空氣間隙中的游離導電離子會有所增加，但是，空氣間隙在重合閘過程中會出現(xiàn)二次閃絡事故。為此，線路飄掛物造成電網(wǎng)連續(xù)跳閘的可能性較大，更有甚者會導致導線出現(xiàn)熔斷的情況。

根據(jù)輸電走廊環(huán)境、線路本身特性和氣候特征，可以發(fā)現(xiàn)因漂浮物所造成的電網(wǎng)故障要素主要有異物源、致災風速、線路和風向夾角，其中與人類生產(chǎn)活動、環(huán)境狀況息息相關的為異物源的產(chǎn)生。同時在人口相對稠密的地方，基于存在存在較多的生產(chǎn)生活廢棄物，出現(xiàn)跳閘的幾率較高，如農(nóng)業(yè)生產(chǎn)活動區(qū)域、公園草坪、城市廢棄物品處理區(qū)等。

線路漂浮物跳閘率的計算方法

2. 極值風速風向的聯(lián)合概率密度

在工程領域中為能夠對風的強度和方向進行精確合理的評估、預測，經(jīng)常會用到極值風速風向的聯(lián)合概率密度函數(shù)，在氣象站實測數(shù)據(jù)的幫助下，可以根據(jù)雙特征參數(shù)將該密度分布函數(shù)建立起來，如下：

2. 漂浮異物掛線故障敏感參數(shù)

該參數(shù)具體是指輸電線路在強風徑向下的等效迎風面積，與線路檔距、風強度影響系數(shù)、最小極值風速等其他7個因素有很大的關系。

2.3 輸電線路漂浮物跳閘率

不同的輸電走廊環(huán)境在不同地區(qū)所擁有的線路漂浮密度也會有很大的差異，經(jīng)時空分析得知人口密度和地理環(huán)境直接決定了該密度，不同地區(qū)的線路漂浮密度計算公式為：

3 風險評估

關于對風險的評估主要包括三個環(huán)節(jié)。第一，采集線路信息：輸電線路的本體基礎信息、走廊環(huán)境信息、附近站點氣象歷史信息等；第二，計利用JPDF函數(shù)和相關公式完成對線路漂浮物跳閘率的計算；第三，評定風險等級：采用線路漂浮物跳閘率表征。

4 實例分析

4. 計算跳閘率

選取南方某市100kV的一條輸電線路為例。從輸電部門獲取線路的坐標與桿塔參數(shù)，TG全線長度為8.9千米，共有桿塔38級，沿途會經(jīng)過多個區(qū)域，如農(nóng)業(yè)區(qū)、工業(yè)區(qū)和居民區(qū)，線路主要分為南北和東西走向。

數(shù)據(jù)來源于本地區(qū)的氣象自動站，共332個，精確到500m×500m的方格，整個研究地區(qū)都覆蓋。采用2013年到2015年之內的“小時內極大風速及其風向”數(shù)據(jù)，來將12個月以內的極值風速風向聯(lián)合概念密度構建起來。

采用人口密度與地理環(huán)境可以將本地區(qū)致災漂浮物的分布情況準確的得到，然后根據(jù)TG線的本體特征可以將每月各段跳閘率計算出來，在時域、桿塔段均不同的情況下故障發(fā)生的可能性均有明顯不同。

4. 分析評估結果

為對該方法的有效性進行準確的驗證，采用2015年前的數(shù)據(jù)樣本來展開漂浮物的故障風險評估，然后比較2016年的跳閘情況，如下表。

5 結語

通過時空分析，3、4、6、10月份是線路漂浮物跳閘率最高的時間，多在草地、工農(nóng)業(yè)生產(chǎn)區(qū)、城市廢棄物處理區(qū)發(fā)生；根據(jù)聯(lián)合密度函數(shù)和線路特征參數(shù)、地理環(huán)境等跳閘率計算方法，可以準確的計算每段桿塔在每個月的跳閘率，從而有助于更好的評估時空風險，保證能夠科學的運營管理輸電線路。

參考文獻：

[1]CARTA J A，BUENO C，Ramirez P.Statistical modelling of directional wind speeds using mixtures of von Mises distributions：case study[J].Energy Conversion and Management，2008，（05）.

[2]XIAO Y Q，LI Q S，LI Z N，et al.Probability distributions of extreme wind speed and its occurrence interval[J].Engineering Structures，2006，（08）.

[3]ERDEM E，SHI J.Comparison of bivariate distribution construction approaches for analyzing wind speed and direction data[J].Wind Energy，2011，（01）.

[4]蘇盛，高大兵，楊洪明，等.郭志全極值風速地域性演化及對風力發(fā)電機組安全性的影響[J].高電壓技術，2017，（07）.

[5]陸佳政，周特軍，吳傳平，等.某省級電網(wǎng)220 kV及以上輸電線路故障統(tǒng)計與分析[J].高電壓技術，2016，（01）.