一种基于物联网和故障树的输电线路运营风险应对方法

技术领域

本发明属于风险评估及应对技术领域，具体涉及一种基于物联网和故障树的输电线路运营风险应对方法。

背景技术

电力工业是国民经济的基础，电力系统的安全稳定运行是经济发展、社会进步和国家安全的重要保证。伴随着我国经济快速发展，随之而来的环境污染和破坏对电力系统的输电线路构成了严重威胁。电力物联网传输方式的独特性使得其外部传输线极易受到地理位置、外部环境、负荷水平及负荷重要程度、设备运行状况等因素的干扰，而这些因素易突变且具有随机性，因此难以确立精准的数学模型。目前国内外对输电线路运行风险应对方法的研究主要集中在确定性评估、概率评估和风险评估等方面。但各方法均有特定的弊端，难以全面地评估风险，为了更好的维护输电线路的稳定运行，极有必要构建一种电网输电线路运行风险应对策略和防范机制，促使电网调度人员及时获取有效信息，做好提前应对准备，尽可能地减少外界因素对电网造成的损害和经济等方面的损失。

发明内容

本发明的目的在于提供一种基于物联网和故障树的输电线路运营风险应对方法。依据故障树分析方法建立了输电线路通道的故障树，最终针对输电线路覆冰故障和雷击故障设计了两种典型的故障预警机制。

一种基于物联网和故障树的输电线路运营风险应对方法，其特征在于，包括以下步骤：

确定输电线路中各部位的关键故障机理，依据关键故障机理对输电线路各部位建立故障机理树模型，分别得到输电线路所有部分的故障机理树模型；

依据输电线路所有部分的故障机理树模型；对输电线路所有部分建立故障树模型，确定故障原因；

依据故障原因建立输电线路覆冰故障和雷击故障预警机制进行定量分析预警。

优选的，输电线路关键故障机理包括：连接轴故障机理、非连接轴故障机理、电缆沟故障机理、电缆管道包装故障机理和电缆隧道故障机理；

连接轴故障机理包括：连接轴积水、地基损坏和墙体塌陷；非连接轴故障机理包括：非连接轴基础损坏、墙体塌陷和盖板丢失、损坏、不均匀；电缆沟故障机理包括：电缆沟地基损坏、墙体塌陷和盖板丢失、损坏、不均匀；电缆管道包装包括：电缆管道包装的变形和损坏；电缆隧道故障机理包括：电缆隧道壁裂缝、隧道内附属设备丢失、井盖丢失。

优选的，输电线路故障原因包含：施工质量差、自然老化、劣质材料。

优选的，自然老化为输电线路故障的主要原因，导致自然老化的气象因素为覆冰和雷击。

优选的，针对输电线路覆冰故障建立预警机制，包括以下步骤：

通过对历史覆冰故障发生区域的统计，得到覆冰故障区域的概率百分比图，确定覆冰故障的预警范围；

提取电网监测装置记录的气象特征量；

采用主元分析法，对气象特征量进行主元的选取，计算气象特征量的贡献率，选取贡献率超过80％的气象特征量；

采用FP-growth算法挖掘气象特征量的频繁项集，得到特征量因子与覆冰质量增量的关联规则；

对输电线路覆冰增长速度和当前覆冰质量、空气温度、空气相对湿度、风速、风向之间的关联规则进行挖掘，确定覆冰质量预警值；

根据挖掘出的关联规则，结合未来气象信息，绘制覆冰质量预测曲线；

根据覆冰质量预测曲线，结合覆冰质量预警值，绘制出各时刻的覆冰故障概率曲线，确定预警阈值超出预警阈值时报警。

优选的，气象特征量包括：空气温度、空气相对湿度、风速、风向。

优选的，采用FP-growth算法挖掘气象特征量的频繁项集之前，先采取归一化标准化方法，对贡献率超过80％的气象特征量进行筛选，对气象特征量进行数据规范化和模糊分类。

优选的，数据规范化和模糊分类后，采取直线拟合模型中的最小二乘法对气象特征量数据进行过滤，更正或删除错误数据。

优选的，依据覆冰厚度结合输电导线分裂数目，计算出整条输电导线上的覆冰质量。

优选的，针对输电线路建立雷击故障预警机制，包括以下步骤：

提取输电线路杆塔的经纬度信息，绘制输电线路实际位置曲线；

查询过滤出输电线路实际位置宽度4倍区域的雷电信息，将该区域作为预警区域；

建立以雷电特征量为坐标轴的三维空间直角坐标系，将雷电历史信息导入坐标系；

根据雷电监测装置的实时监测信息，获取雷击特征量的实时信息，通过KD树最近邻搜索算法，搜索出需要预警雷击信息的K个近邻点；

根据K近邻算法，寻找与测试点距离最近的K个近邻，测试点所属分类即划分为K个近邻中多数所在的类别，依此输出预警结果。

本发明的有益效果如下：

本发明方法根据电力物联网环境、运行风险和典型输电线路构建故障树，依此建立了电网输电线路运行风险预警机制的运行风险应对策略和防范机制，最终实现了对输电线路运行风险的有效控制，确保了输电线路的通畅。

本发明采用故障树分析方法，一方面可以为事故调查员提供有效的模型支撑，另一方面还可以帮助专业的人员寻求事故中的关键因素，为之后的事故预防提供参考。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例中输电线路所有部分的故障机理树模型示意图；

图2为本发明实施例中电缆沟地基损坏、墙体塌陷和盖板丢失、损坏、不均匀的故障原因示意图；

图3为本发明实施例中电缆管道包装的变形和损坏的故障原因示意图；

图4为本发明实施例中电缆隧道壁裂缝、隧道内附属设备丢失、井盖丢失的故障原因示意图；

图5为本发明实施例中连接轴积水、地基损坏和墙体塌陷的故障原因示意图；

图6为本发明实施例中非连接轴基础损坏、墙体塌陷和盖板丢失、损坏、不均匀的故障原因示意图；

图7为本发明实施例中覆冰故障预警机制原理图；

图8为本发明实施例中雷击故障预警机制原理图。

具体实施方式

下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。

本发明实施例提供了一种基于物联网和故障树的输电线路运营风险应对方法。依据故障树分析方法建立了输电线路通道的故障树，最终针对输电线路覆冰故障和雷击故障设计了两种典型的故障预警机制。

如图1～6所示，本实施例中，采用故障树分析法对输电线路故障原因进行分析，建立运行状态的故障树，进而通过故障树确定输电线路故障原因。对输电线路故障影响较大的为自然老化，自然老化引起的两个重要因素为覆冰和雷击，以此，针对覆冰故障和雷击故障设计了两种典型的故障预警机制，具体包括以下步骤：

步骤一：分析确定输电线路中各部位的关键故障机理；依据关键故障机理对各部位建立故障机理树模型，分别得到输电线路所有部分的故障机理树模型；

输电线路故障模式分别由以下几个方面组成：

(1)连接轴积水、地基损坏和墙体塌陷

(2)非连接轴基础损坏、墙体塌陷和盖板丢失、损坏、不均匀

(3)电缆沟地基损坏、墙体塌陷和盖板丢失、损坏、不均匀

(4)电缆管道包装的变形和损坏

(5)电缆隧道壁裂缝、隧道内附属设备丢失、井盖丢失

步骤二：确定输电线路部分级别以上的单元建立故障树模型，上述基础单元的故障模式又包含了如下几个方面：施工质量差、自然老化、劣质材料。其中自然老化为输电线路故障的主要原因，而导致自然老化的气象因素为覆冰和雷击。

步骤三：建立输电线路覆冰故障和雷击故障预警机制，进行定量分析预警。包括以下步骤：

a、确定预警区域。通过对历史覆冰故障发生区域的统计，得到覆冰故障区域的概率百分比图，给出覆冰故障的预警范围。该预警范围即为覆冰导致故障风险较高的区域，针对该区域进行风险预警。

b、数据存储和提取。根据电网监测装置记录的气象特征量，提取覆冰的直接导致因素：空气温度、空气相对湿度、风速、风向等，将气象特征量存储在数据库中。

本实施例中采用主元分析法，对温度、湿度、风速和风向四个气象特征量进行主元的选取，计算四个特征量的贡献率，选取贡献率超过80％的气象特征量。

主要内容如下:

设评估对象用n个评估特征I

x

一般情况下，评估对象特征值之间都具有一定的关联性。随着特征值的不断增多，计算的复杂度也会成倍增长，如果能选取具有一定代表性的特征值，降低特征值的数量，在低维空间中进行运算分析则会更为方便。主元分析法是一种对数据进行分析的技术，主要应用就是对原有数据进行简化，提取出主要特征量。

设x

为特征值矩阵。

本实施例中，主元分析法步骤如下：

步骤1：原始气象特征量标准化。

式中：

变换后，新的气象特征量数据向量z

步骤2：建立协方差矩阵R：

其中，r

步骤3：求R的特征根

因R是n阶实对称方阵，按照从大到小排列为：λ

步骤4：计算第i个气象特征量主元的贡献率ρ

称：

为前k个气象特征量主元的累计贡献率。选择使累积贡献率ρ超过80％的k个气象特征量主元。

c、数据处理。对步骤b中收集的气象特征量数据进行筛选，完成包括数据清理后的数据规范化和模糊分类工作。

数据处理是为了减少计算的复杂程度，本实施例采取归一化标准化方法来分析计算。

变换之后的范围为[0,1]

d、数据清理。对步骤c中已完成筛选的气象特征量数据进行过滤，更正或删除错误数据。

输电线路覆冰在短时间内环境因子几乎变化不大，导线覆冰质量符合直线增长模型，在本实施例中采取直线拟合模型中的最小二乘法来拟合数据。异常数据的处理规则为:

将同一气象条件下监测装置记录的覆冰质量记为y

y

其中，

式中a的具体含义为覆冰质量增速。

e、数据挖掘。对于处理后的气象特征量数据，本实施例中采用FP-growth算法挖掘频繁项集，得到特征量因子与覆冰质量增量的关联规则。FP-growth具体算法流程分为以下步骤：

(1)构建气象特征量数据的原始FP-tree；

(2)在原始FP树上递归查询，确定最大频繁项集。

(3)寻找强关联规则。

根据得到的频繁项集，通过置信度筛选出强关联规则。公式为：

Confidence(X→Y)＝P(Y|X)＝P(X，Y)/P(X)＝P(XUY)/P(X).............(9)

f、对输电线路覆冰增长速度和当前覆冰质量、温度、湿度、风速之间的关联规则进行挖掘，确定覆冰质量预警值。采集监测装置在输电线路发生覆冰故障时所记录的覆冰质量值，在正态分布总体参数μ的区间估计中，当数据在μ和σ

g、覆冰质量预测。根据挖掘出的关联规则，结合未来气象信息，绘制覆冰质量预测曲线。

通过测量得到输电导线的导线应变增量，湿度、导线温度t以及风速风向传感器测量输电导线所处环境下的风速v和风向θ，然后通过两重迭代，计算出输电导线覆冰厚度，然后依据获得输电线路覆冰厚度，结合输电导线分裂数目，计算出整条输电导线上的覆冰质量。

h、根据覆冰质量预测曲线，结合覆冰质量预警值，绘制出各时刻的覆冰故障概率曲线，确定预警阈值，得到最终的预警结果。

步骤三中输电线路雷击故障预警机制包括以下步骤：

a、提取输电线路杆塔的经纬度信息，绘制输电线路实际位置曲线。

b、查询过滤出输电线路宽度4倍区域的雷电信息，将该区域作为预警区域。

c、建立以雷电特征量(雷电到输电线路距离、雷电流幅值、输电线路走廊宽度)为坐标轴的三维空间直角坐标系，将雷电历史信息导入坐标系。

d、根据雷电监测装置的实时监测信息，获取雷击特征量的实时信息，通过KD树最近邻搜索算法，搜索出需要预警雷击信息的K个近邻点。

e、根据K近邻算法的思想，寻找与测试点距离最近的K个近邻，测试点所属分类即划分为K个近邻中多数所在的类别，依此输出预警结果。

K近邻基本算法如下：

输入：训练数据集雷电特征量

T＝{(x

其中，

输出：实例x所属的类y。

确定距离的计算方式，寻找与实例x最近的K个近邻，记为N

确定x的所属类别y：

上式中，I为指示函数，即当y

由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。