基于泛在電力物聯(lián)網(wǎng)的輸電線路危控區(qū)風(fēng)險(xiǎn)預(yù)警技術(shù)

劉彤 李業(yè)鋒

（國(guó)網(wǎng)山東省電力公司棗莊供電公司 山東省棗莊市 277100）

為了實(shí)現(xiàn)輸電線路?？貐^(qū)風(fēng)險(xiǎn)的快速、準(zhǔn)確預(yù)警，提出了基于泛在電力物聯(lián)網(wǎng)輸電線路危控區(qū)風(fēng)險(xiǎn)預(yù)警技術(shù)。泛在電力物聯(lián)網(wǎng)技術(shù)具有實(shí)時(shí)、準(zhǔn)確、綜合性等特點(diǎn)，將其廣泛應(yīng)用于電力設(shè)施與通信基礎(chǔ)設(shè)施監(jiān)測(cè)中，能夠得到電網(wǎng)在不同情況下的主要信息[1]。利用泛在電力物聯(lián)網(wǎng)全面信息感知、可靠數(shù)據(jù)傳送、完善的網(wǎng)絡(luò)架構(gòu)等特性能夠很好地預(yù)測(cè)出不同電力設(shè)備的運(yùn)行狀態(tài)，實(shí)現(xiàn)電網(wǎng)動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)警[2]。利用泛在電力物聯(lián)網(wǎng)全面信息感知、全量配置信息，計(jì)算出元件動(dòng)態(tài)故障率、獲取增量動(dòng)態(tài)故障集，得出故障發(fā)生后精準(zhǔn)的風(fēng)險(xiǎn)預(yù)警結(jié)果，依據(jù)該結(jié)果得知全部電網(wǎng)風(fēng)險(xiǎn)狀態(tài)，實(shí)現(xiàn)對(duì)輸電線路危控區(qū)的風(fēng)險(xiǎn)預(yù)警。

1 基于泛在電力物聯(lián)網(wǎng)的輸電線路?？貐^(qū)風(fēng)險(xiǎn)預(yù)警技術(shù)

1.1 風(fēng)險(xiǎn)預(yù)警流程

泛在電力物聯(lián)網(wǎng)平臺(tái)、數(shù)據(jù)平臺(tái)、動(dòng)態(tài)故障率及故障集獲取和風(fēng)險(xiǎn)計(jì)算構(gòu)成了基于泛在電力物聯(lián)網(wǎng)的電網(wǎng)動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)警流程，具體如圖1所示。

分析圖1可知，泛在電力物聯(lián)網(wǎng)平臺(tái)，通過(guò)標(biāo)準(zhǔn)化接口將輸電線路?？貐^(qū)中對(duì)接好的各類線路連接到數(shù)據(jù)平臺(tái)完成數(shù)據(jù)存儲(chǔ)、清理和管理。依據(jù)數(shù)據(jù)平臺(tái)層的數(shù)據(jù)，通過(guò)獲取輸電線路?？貐^(qū)元件動(dòng)態(tài)故障率，生成動(dòng)態(tài)故障集，進(jìn)行輸電線路?？貐^(qū)電網(wǎng)風(fēng)險(xiǎn)狀態(tài)概率和電網(wǎng)風(fēng)險(xiǎn)狀態(tài)后果計(jì)算，實(shí)現(xiàn)輸電線路?？貐^(qū)風(fēng)險(xiǎn)評(píng)估，最后利用基于遺傳算法和神經(jīng)網(wǎng)絡(luò)（genetic algorithm-back propagation，GA-BP）算法實(shí)現(xiàn)輸電線路危控區(qū)風(fēng)險(xiǎn)預(yù)警。

1.2 輸電線路?？貐^(qū)元件故障概率動(dòng)態(tài)計(jì)算

由于輸電線路危控區(qū)風(fēng)險(xiǎn)預(yù)警的根本工作是獲得?？貐^(qū)內(nèi)輸電線路的故障概率，輸電線路故障概率的影響因素有很多，如元件本身服役年限、負(fù)載率和外界環(huán)境，同時(shí)，元件故障概率會(huì)隨著運(yùn)行狀態(tài)的不同產(chǎn)生變化。

元件故障概率計(jì)算公式如下：

其中，U 為動(dòng)態(tài)故障概率；Um為基準(zhǔn)故障概率；z 為故障概率動(dòng)態(tài)影響因子；λ為協(xié)調(diào)系數(shù)，其可依據(jù)最大似然估計(jì)方法進(jìn)行計(jì)算；s 為災(zāi)害等級(jí)；fg為元件距災(zāi)害中心的地理距離；fe元件距災(zāi)害中心的電氣距離。

浴盆曲線能夠反映出Um基準(zhǔn)故障概率和元件投運(yùn)時(shí)長(zhǎng)之間的聯(lián)系，同時(shí)采用威布爾分布表示概率密度，公式如下：

災(zāi)害態(tài)修正因子受s 和fg影響，與fe成負(fù)相關(guān)，公式如下：

其中，es為災(zāi)害突發(fā)概率。電氣距離fe與檢修態(tài)修正因子具有反比例關(guān)系：

在元件距離度操作中的元件拓?fù)渚嚯xft(ei)影響調(diào)度態(tài)修正因子Z3，具體用式（5）描述：

圖1：風(fēng)險(xiǎn)預(yù)警流程

故障態(tài)修正因子受當(dāng)前元件距故障元件的拓?fù)渚嚯x影響，公式如下：

依據(jù)輸電線路危控區(qū)在不同狀態(tài)下的元件故障率，采用模擬法生成不同狀態(tài)下的針對(duì)性動(dòng)態(tài)增量故障集，以便保障后續(xù)輸電線路危控區(qū)電網(wǎng)狀態(tài)概率和電網(wǎng)狀態(tài)后果計(jì)算的順利開展，實(shí)現(xiàn)風(fēng)險(xiǎn)評(píng)估。

1.3 輸電線路風(fēng)險(xiǎn)評(píng)估

通過(guò)評(píng)估動(dòng)態(tài)增量故障集中的故障，即可獲取輸電線路?？貐^(qū)的風(fēng)險(xiǎn)狀態(tài)。通過(guò)備自動(dòng)作模擬，獲取調(diào)度員在故障后現(xiàn)實(shí)面對(duì)的輸電線路狀態(tài)，基于泛在電力物聯(lián)網(wǎng)平臺(tái)獲取數(shù)據(jù)，得到整體輸電線路?？貐^(qū)備自投配置信息、母線以及進(jìn)線連接信息。故障后輸電線路狀態(tài)動(dòng)態(tài)評(píng)估流程如圖2所示。

圖2：發(fā)生故障后輸電線路狀態(tài)動(dòng)態(tài)評(píng)估流程

圖3：預(yù)警精準(zhǔn)度對(duì)比分析

1.4 基于GA-BP算法的風(fēng)險(xiǎn)預(yù)警實(shí)現(xiàn)

在輸電線路風(fēng)險(xiǎn)評(píng)估結(jié)果的基礎(chǔ)上，運(yùn)用GA-BP 算法實(shí)現(xiàn)輸電線路危控區(qū)風(fēng)險(xiǎn)預(yù)警。為避免神經(jīng)網(wǎng)絡(luò)產(chǎn)生盲目取值的問(wèn)題，設(shè)置輸入層、隱含層、輸出層的神經(jīng)元數(shù)量分別為a、b、c，依據(jù)此計(jì)算隱含層節(jié)點(diǎn)數(shù)目，得到約束范圍大致區(qū)間，通過(guò)GA（遺傳）算法獲取神經(jīng)網(wǎng)絡(luò)輸出最優(yōu)值。流程如下：

（1）網(wǎng)絡(luò)初始化，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的設(shè)計(jì)根據(jù)風(fēng)險(xiǎn)預(yù)警類型完成，明確參數(shù)，通過(guò)編碼實(shí)現(xiàn)對(duì)象優(yōu)化處理，產(chǎn)生初始優(yōu)化種群，遺傳操作依據(jù)二進(jìn)制編碼完成，并明確初始權(quán)值的閾值。

（2）訓(xùn)練樣本輸入，通過(guò)計(jì)算BP 神經(jīng)網(wǎng)絡(luò)均方差，計(jì)算誤差平方和為：

其中，Ei為網(wǎng)絡(luò)輸出期望值；Si網(wǎng)絡(luò)輸出實(shí)際值；r 為神經(jīng)元數(shù)量。

（3）利用比例閥幅值編碼閾值，得到全新閾值P 為：

其中，n 為鏈路數(shù)量i 的最大值。通過(guò)個(gè)體交叉和自身變異處理挑選閾值，形成全新種群，并算出區(qū)間處于[0,1]的適應(yīng)度值d，依據(jù)此判斷輸電線路?？貐^(qū)風(fēng)險(xiǎn)G：

表1：三種預(yù)警技術(shù)操作響應(yīng)時(shí)間/s

其中，δ 為風(fēng)險(xiǎn)因子。

（4）依據(jù)輸出數(shù)據(jù)預(yù)警輸電線路危控區(qū)評(píng)估結(jié)果是否存在風(fēng)險(xiǎn)，并不斷重復(fù)步驟（3），直至誤差符合預(yù)設(shè)目標(biāo)，實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)警。

2 實(shí)驗(yàn)分析

實(shí)驗(yàn)將某區(qū)域高壓輸電線路?？貐^(qū)作為實(shí)驗(yàn)對(duì)象，該區(qū)域的輸電線路總長(zhǎng)為760km，共有500 條輸電線路。為了驗(yàn)證所提預(yù)警技術(shù)采用泛在電力物聯(lián)網(wǎng)平臺(tái)進(jìn)行數(shù)據(jù)存儲(chǔ)時(shí)的操作性能，對(duì)比分析所提預(yù)警技術(shù)、基于深度學(xué)習(xí)的預(yù)警技術(shù)和基于層次分析的預(yù)警技術(shù)，從研究對(duì)象中隨機(jī)選取270 個(gè)輸電線路數(shù)據(jù)片段進(jìn)行存儲(chǔ)，對(duì)比不同技術(shù)在進(jìn)行數(shù)據(jù)存儲(chǔ)時(shí)的操作響應(yīng)時(shí)間，結(jié)果如表1所示。

實(shí)驗(yàn)結(jié)果表明，三種預(yù)警技術(shù)響應(yīng)時(shí)間隨數(shù)據(jù)片段數(shù)量的增加而增加。在三種預(yù)警技術(shù)中，所提預(yù)警技術(shù)響應(yīng)時(shí)間最短，平均響應(yīng)時(shí)間僅為18.67s，基于層次分析法風(fēng)險(xiǎn)預(yù)警技術(shù)和基于深度學(xué)習(xí)預(yù)警技術(shù)的平均響應(yīng)時(shí)間分別為23.83s、38.17s。原因在于所提預(yù)警技術(shù)采用的泛在電力物聯(lián)網(wǎng)平臺(tái)通過(guò)終端層、網(wǎng)絡(luò)層、平臺(tái)層、應(yīng)用層之間的相互合作可以有效降低對(duì)節(jié)點(diǎn)計(jì)算的復(fù)雜度，實(shí)現(xiàn)了大規(guī)模輸電線路?？貐^(qū)數(shù)據(jù)的快速存儲(chǔ)與分析。

采用人工干預(yù)方式，對(duì)比采用三種預(yù)警技術(shù)對(duì)輸電線路危控區(qū)輸電線路風(fēng)險(xiǎn)的預(yù)警精準(zhǔn)度，結(jié)果如圖3所示。

實(shí)驗(yàn)結(jié)果表明，隨著輸電線路數(shù)量的增加，三種預(yù)警技術(shù)的預(yù)警結(jié)果精度都有波動(dòng)。但所提預(yù)警技術(shù)波動(dòng)幅度較其他兩種預(yù)警技術(shù)小，預(yù)警精準(zhǔn)度最高可達(dá)98.4%，另外兩種預(yù)警技術(shù)的精度最高值分別為90%和88%。這是由于所提預(yù)警技術(shù)中運(yùn)用的泛在電力物聯(lián)網(wǎng)具有輸電線路?？貐^(qū)數(shù)據(jù)全面感知和自動(dòng)化識(shí)別的功能，能夠快速累積大數(shù)據(jù)，提高預(yù)警精確度。

3 結(jié)論

研究基于泛在電力物聯(lián)網(wǎng)的輸電線路?？貐^(qū)風(fēng)險(xiǎn)預(yù)警技術(shù)，依據(jù)泛在電力物聯(lián)網(wǎng)平臺(tái)全面感知并自動(dòng)化識(shí)別快速累積的輸電線路?？貐^(qū)大數(shù)據(jù)特性，以便快速有效判斷輸電線路危控區(qū)當(dāng)下的風(fēng)險(xiǎn)狀態(tài)，實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)警。通過(guò)實(shí)驗(yàn)驗(yàn)證了基于泛在電力物聯(lián)網(wǎng)的預(yù)警技術(shù)較其它預(yù)警技術(shù)在數(shù)據(jù)存儲(chǔ)的操作時(shí)間和預(yù)警準(zhǔn)確度上的優(yōu)勢(shì)，但隨著電力的不斷發(fā)展、精進(jìn)，還需對(duì)預(yù)警技術(shù)進(jìn)行進(jìn)一步研究。