基于大数据的输电线路故障预警模型设计

基于大数据的输电线路故障预警模型设计

赵振华1田江波1杨洋1孙静2王利新2王仁

（国网河北省电力有限公司保定供电公司河北保定071000）（保定昊元电气科技有限公司河北保定071000）

摘要：随着电力系统信息化程度增强，输电线路的状态监测也由原来的人工巡检逐步转入到在线状态监测，同时大量的监测设备投入使用，为了对产生的海量数据在短时间内进行收集和处理，对数据的分析和处理实现状态监测和预警。

关键词：大数据；输电线路；预警模型设计

电力在人们生产生活中发挥着至关重要的作用，因此，一旦出现大规模停电事故，往往会对人们的生活造成严重的影响，电力线路故障的原因通常在于电网某一环节出错，但具有一定的线路的关联性特征，所以常常出现“以点带面”的大面积停电事故。国家对此现象应进行调控，在电价经济维持原有水平的同时，合理的运用先进的智能化技术，实现对输电线路的故障预警工作，降低线路故障发生的概率，提高供电可靠性。

一、慨况

输电线路是整个电力系统的重要组成部分，肩负着电能远距离输送的任务。输电线路在国民经济中占的地位越来越重要，电网停电故障将会给社会生产和人民生活，造成重大的经济损失。由于输电线路分布非常广泛，因此会受到气候条件、人为活动等多种因素的影响。输电线路一旦出现故障，轻则导致少部分用户停电，重则引发大面积停电事件，甚至诱发社会不稳定因素。造成这些因素有：第一是树障故障。输电线路最大的“敌人”就是线路通道内高大的树木，在恶劣天气情况下，输电线路对树木放电，造成线路跳闸、树木枯死，甚至引发山火等情况。第二是雷击故障。输电线路大多安装于野外或山区，难免会受到雷电影响。而天气因素和环境因素在运维中属于不可控因素，因此，如何降低输电线路遭受雷电破坏是一个难题，也是企业今后研究的一个方向。当输电线路遭到雷击时，同塔多回线路所受影响最大，往往会造成一整个片区停电。第三是人为因素引发的故障。人为活动造成外力破坏输电线路也时有发生。有时是施工大型机具触碰线路，刮伤、刮断导线；有时是杆塔被挖成孤岛后，杆塔受力不均，扭曲变形或者倒塌；有时是车辆碰撞杆塔；有时是偷盗杆塔塔材等，造成输电线路故障，引发大面积停电事件。而这类故障的抢修恢复时间较长，给社会发展带来较大的影响。通过故障预警模型设计对输电线路故障问题进行研究。

二、线路故障预警建模设计

故障预警是一种信息反馈机制，即在故障发生之前对其进行预测预报。本文构建的输电线路故障预警模型是指通过故障发生的先行指标和发展趋势，度量未来故障风险强弱程度，当某种状态超过预警阈值时，发出预警信号并通知工作人员提前制订防范措施。

1.线路故障特征数据。输电线路故障主要包含雷击、覆冰、鸟害、污闪、山火故障等，针对不同故障类型，模型所采集的特征数据不同。除电气特征量外，故障特征中还包含气象数据，即使是同一气象参数，不同的线路故障原因，相关气象参数的数值范围不尽相同。以空气湿度为例，发生雷击故障时的空气湿度大多为54%～60%;发生污闪时的空气湿度很高，污秽的电阻率降低从而导致发生污闪;发生山火故障时的空气湿度则很低，空气干燥更易使可燃物达到着火点。在实际运行时，不同输电线路故障所采集的特征数据不同，各监测点每天需要存储并传输的实时数据为百万单位级，每一类特征数据所包含的信息价值单一，构建的故障预测往往仅依赖于某一类数据，而难以实现海量数据的价值利用。针对整体数据存在信息单一、实时数据海量及利用率低等问题，故需要选择合理的数据学习算法对海量数据进行处理。

2.线路故障预警模型构建过程。线路故障预警模型遵循南网总调统一的云平台架构，主要分为信息采集、数据预处理等7个环节，以朴素贝叶斯算法实现对海量数据的挖掘，从而获取不同故障类型的故障因子发生指数，以时间序列相似性故障匹配对输电线路进行故障诊断，预警模型的数据处理流程如图1所示。

（1）信息采集。信息采集主要包含3个方面的内容，一是服务于各个专业的信息管理系统采集的输电线路相关的历史数据与实时数据;二是气象数据及环境数据;三是接入线路、母线的所有电流支路的故障录波装置在电网故障过程中所记录的用以确定检测目标的数据变化信息。（2）信号处理。信号处理旨在构建故障判别指标体系，即预处理信息采集数据，筛选故障预警特征项。主要包含

构建基于朴素贝叶斯算法的故障因子挖掘数据库，以及构建基于时间序列相似性故障匹配的故障判别特征库。（3）故障因子挖掘。针对故障因子挖掘数据库所提供的特征项，基于朴素贝叶斯算法定义各故障的信息量和控制量，对故障判别特征库给出的潜在故障因子进行数据挖掘，并对异常指数故障因子进行异常状态跟踪，可以为基于量变预测质变奠定基础。（4）时间序列相似性匹配。基于故障判别特征库所提供的特征项，将包含统一时标基准的时序信息构成时间序列，根据不同的输电线路构造了相应的时间序列模型，设置了时间序列距离，明确了诊断的基本推理策略与方式，对达到一定相似阈值指标的输电线路进行故障预警。（5）故障诊断推送。将故障诊断结果推送给相关工作人员，辅助其提前制订现场故障解决方案，完成故障处理。（6）故障样本反馈。根据现场确认，将输电线路诊断情况、保护装置信息及故障原因等进行反馈，不断丰富故障样本库，完善故障判别特征库，更新故障预测准确度。（7）可视化结果展示。基于异常跟踪与故障诊断信息，将数据以多种形式进行展示，如故障特征分析展示，故障原因、故障位置及诊断结果的统一展示等。

3.线路故障预警模型关键点。数据学习算法应用于大数据处理时，往往存在内存开销过大、学习速度慢、数据过拟合而导致泛化性能差等问题，且由于大数据在复杂、高维、多变等特性，需要采用降维和特征选择技术以降低大数据处理难度。针对以上问题，将朴素贝叶斯算法运用于大数据的潜在故障因子挖掘。朴素贝叶斯算法最大的优势在于大数据量训练和查询时所具备的高速度，可基于实时反馈数据不断优化预测结果。然而朴素贝叶斯算法保证其预测准确性的前提，是特征项之间存在相对独立性。

三、输电线路地质灾害的防治措施

通过建立输电线路地质灾害预警决策模型，能够对输电线路周边的地质灾害易发区域进行风险评估，从而找出薄弱环节，并采取一系列措施进行技术改进，实现对地质灾害的有效防范。首先在工程方面，要注意在泥石流经常发生的地区建立挡土墙、护土坡等有效的防护物，减少泥石流对输电线路造成的破坏性损害；而在生物措施方面，要充分发挥植被保持水土完整、调节地表径流、阻滞降水等功效，重视减轻人类经济工程活动对生态环境的影响，通过退耕还林、耕牧平衡、植被恢复等措施有效地预防泥石流灾害的发生，减小甚至阻止泥石流对周围地区的危害；在综合治理方面，则需要通过在输电线路地质灾害危险点附近采取雨水排导设施、防护带、植树造林等有效手段，来最大限度防止泥石流的形成，并降低其危害性。

本文分析了基于大数据背景下，通过对输电线路故障预警模型的关键环节实现对预警模型的构建。通过对时间序列的相似性故障匹配，可以实时的对输电线路运行状况进行故障预警。为了使海量数据在处理过程中具有及时性与有效性的特征，应利用大数据计算集群来实现对海量的实时处理，增强数据处理的可靠性与稳定性。通过对实际电网线路雷击故障的分析表明，故障预警模型可以很好的找出故障因子的具体信息，并与时间序列相似性的故障匹配相结合，实现了对输电线路故障的预测功能。

参考文献：

[1]宋嘉果.智能电网大数据处理技术现状与挑战[J].电网技术,2014(04):927-935.

[2]李奎.基于数据驱动的故障诊断方法综述[J].控制与决策,2014(01):1-9+16.