大型城市配电网运行设备可靠性薄弱环节挖掘

方 健，徐 栎，王 勇，季时宇，李盛楠，杨 鹏（.中国南方电网广州供电局有限公司，广州 50000；.智能电网教育部重点实验室（天津大学），天津30007）

大型城市配电网运行设备可靠性薄弱环节挖掘

方 健1，徐 栎2，王 勇1，季时宇2，李盛楠1，杨 鹏1
（1.中国南方电网广州供电局有限公司，广州 510000；2.智能电网教育部重点实验室（天津大学），天津300072）

摘 要：针对传统可靠性评估方法在挖掘配电网设备的可靠性薄弱环节方面的不足，提出了基于大型城市配电网运行设备状态矩阵故障率修正模型的配电网薄弱环节挖掘方法。利用馈线分区法简化了模型复杂度，通过构造故障率修正模型分析故障因素权重以及故障率修正指数。将以历史统计结果得到的故障率与实际设备状态结合，得到考虑配电网设备所处时期、环境以及外力因素等实际状态的故障率模型。算例分析验证了所提方法的有效性。

关键词：运行设备状态矩阵；配电网；可靠性评估；薄弱环节

配电系统作为电力系统的末端直接与用户相连，对用户的供电质量及供电可靠性有着重要影响，因此，如何准确全面地评估配电系统的可靠性已经成为了当前的研究热点。目前对配电网可靠性评估算法的研究已取得很多成果，常用的方法总体上可分为模拟法［1-3］和解析法［4-5］；模拟法中的典型方法为蒙特卡罗模拟法［6-9］，该方法适用于求解复杂系统的可靠性，但在计算精度与计算时间之间存在较大矛盾；解析法模型准确，便于分析多种元件对配电网可靠性的影响，在配电网可靠性评估中应用更加广泛。然而，传统配电网可靠性评估方法只能得到网络的总体可靠性水平，且多以设备故障历史统计的常值结果作为可靠性参数，由于电力设备运行环境的变动以及可靠性管理中的人为参与，使得历史可靠性数据无法准确体现配电网当前的实际可靠性水平。针对配电网设备可靠性参数获得过程中的不确定性，文献［10-12］提出了配电网可靠性区间评估方法，用区间数来表示设备可靠性参数，但区间值的合理确定仍是难题，若区间取值较大，计算所得的系统可靠性指标也会成倍增大。文献［13］用未确知有理数来表示元件可靠性参数，但未确知有理数阶数的确定及隶属度函数模型的确定有很多主观因素。文献［14］用模糊数来表示元件可靠性参数，但模糊数的论域及隶属度函数的界定也有一定难度。文献［15］根据配电网中设备在不同运行阶段的故障率规律，给出了不同阶段故障率的模型，但未对影响不同运行阶段的因素进行针对性分析。文献［16］虽从影响元件可靠性的原因进行分析，但仅针对天气因素和运行年限的影响建立了元件可靠性参数修正模型。

本文针对传统配电网可靠性评估方法的不足，提出了基于配电网运行设备状态矩阵故障率修正的大型城市配电网薄弱环节挖掘方法。将以历史数据统计得到的大型城市配电网设备故障率与配电网实际设备状态结合，建立考虑配电网设备所处时期、环境以及外力因素等实际状态的故障率模型，并结合配电网馈线分区法提出基于大型城市配电网运行设备状态矩阵故障率修正的网络薄弱环节挖掘方法。

1 网络馈线分区法

作为电力系统中与用户直接相连的部分，配电系统具有元件数量多、结构繁杂的特点。

如图1所示，当馈线区内的某个元件失电时，同一馈线区中的其他元件也会失电，且这些元件的失电时间均相同，因此同一馈线区中所有用户的可靠性水平相同。这样以来，在建立系统的故障模式影响分析表时，某一元件预想事故的故障分析结果就可以直接复制到同一馈线区其他元件的故障分析结果当中。换言之，应用馈线区的概念对配电网进行划分之后，配电系统的故障模式影响分析过程就可以不再以某个具体元件为对象，而代之以馈线区为最小单元。以馈线区为对象，能够大大减少故障模式影响分析的工作量，显著提高配电系统可靠性分析的效率和计算速度。

图1 馈线区概念的应用Fig.1 Application of feeder partition concept

2 配电网设备状态矩阵故障率修正模型

2.1 设备故障因素权重模型

记配电网中第 i类设备的故障率为 λ（i），1≤i≤5。根据配电网设备故障原因分析，可以得到配电网设备故障因素权重。设备故障因素与其权重名称对应关系如表1所示。

表1 设备故障因素与其权重对应关系Tab.1 Correspondence between equipment failure factors and their weights

构造设备故障因素权重矩阵为

式中w（i）fj（1≤j≤6）表示对于第i类设备，第 j种故障因素的权重值。

引起第i类设备故障的电气绝缘因素权重为w（i）f1，其贡献的故障率记为

自然灾害贡献的故障率记为

2.2 设备缺陷因素权重模型

从设备缺陷因素和设备状态程度两个角度建立设备实际状态故障率模型。对于不同配电网设备，绝缘老化、设备质量、施工质量、重载、过载以及其他的设备状态的故障影响程度不同。由故障设备情况分析，可以得到设备缺陷因素对于设备故障率的影响权重。设备缺陷因素与其权重的对应关系如表2所示。

表2 设备缺陷因素与其权重的对应关系Tab.2 Correspondence between the equipment defect factors and their weights

构造设备缺陷因素权重矩阵为

式中，w（i）dk（1≤k≤5）表示对于第i类设备、第k种设备缺陷因素的权重值。

2.3 设备缺陷程度修正模型

结合设备缺陷状态数据分析，可以得到各个设备的绝缘老化程度、设备质量、施工质量、重载、过载以及其他的设备状态程度。设备状态程度与其符号的对应关系如表3所示。

表3 设备状态程度与其符号的对应关系Tab.3 Correspondence between the degrees of equipment states and their symbols

1）设备绝缘老化程度修正指数

设备的绝缘老化程度修正指数为设备绝缘老化程度的变化量，假设原设备绝缘老化比例为o1，目前设备绝缘老化比例变为o2，则设备绝缘老化修正指数为

2）设备质量修正指数

设备质量修正指数计算公式为

式中：q1为原质量差设备所占总设备比例；q2为目前质量差设备所占总设备比例。

3）施工质量修正指数

施工质量修正指数计算公式为

式中：i1为原施工质量差设备所占总设备比例；i2为目前施工质量差设备所占总设备比例。

4）重载、过载修正指数

重载、过载修正指数计算公式为

式中：h1为原重载、过载设备占总设备比例；h2为目前重载、过载设备所占总设备比例。

5）设备缺陷程度修正矩阵

构造设备缺陷程度修正矩阵为

式中，c（i）k（1≤k≤5）表示对于第i类设备、第k种设备状态程度的取值。

依据设备缺陷因素权重矩阵以及设备状态程度矩阵，可以得到设备缺陷状态故障率修正计算公式为

2.4 气候气象影响因素权重模型

将天气因素作为影响设备故障概率的外部环境不确定因素，建立设备气象影响因素模型，包括设备故障率月气候修正指数模型建立和设备故障率气象修正模型建立两部分内容。

依据气象部门几年内的月均降水量数据，可以拟合出配电网设备故障率月气候修正指数，其计算公式为

式中：m表示月份；H¯（m）表示第m个月的月均降水量，其计算公式为

式中：数据统计年份为p年至p+n年；H（m）j表示第j年（p≤j≤p+n）的第m个月的月降水量。

由故障设备情况分析，可以得到气象影响因素对于设备故障率的影响权重。设备故障率气象因素与其权重的对应关系如表4所示。

表4 设备故障率气象因素与其权重的对应关系Tab.4 Correspondence between meteorological factors related to equipment failure rate and their weights

构建设备气象因素影响权重矩阵为

设备故障率气候影响因素修正计算公式为

式中：s1表示雷电气象修正指数；s2表示大风大雨气象修正指数。其数值可依据配电网自然灾害故障原因比例分别进行配置。

修正后的各设备的气候气象引起的故障率即为考虑风险评估时刻气候气象影响因素的设备气候气象故障率值。

基于以上构建的设备实际状态故障率模型和气候影响因素模型对λe（i）和λn（i）进行修正，设备修正故障率结果为

通过结合实际设备状态矩阵故障率修正后的设备故障率计算配电网可靠性，可以得到反映实际设备状态的可靠性评估结果。

2.5 薄弱环节挖掘

薄弱环节挖掘采用灵敏度分析方法，通过消除一种设备的故障率来观察配电网的可靠性提升程度，以此确定配电网可靠性的薄弱环节。

3 算例分析

通过南方某大型城市配电网实际数据，分析图2所示馈线网络的薄弱环节，包括1段母线、30条馈线段（20条架空线、10条电缆）、24个节点、23个配变、23个负荷点（LP1至LP23）、若干断路器和开关设备。馈线长度如表5所示。负荷数据如表6所示。故障率及转供时间如表7所示。

图2 算例系统电气接线图Fig.2 Electric diagram of example system

3.1 设备状态矩阵分析

南方某大型城市配电网的故障因素权重矩阵如表8所示。配电网电气绝缘故障权重矩阵如表9所示。设备状态程度矩阵如表10所示。该城市气象影响因素权重矩阵如表11所示，该城市气候修正指数矩阵如表12所示，气象修正指数矩阵如表13所示。

表5 算例线路长度Tab.5 Line length of the example

表6 算例负荷值Tab.6 Load values of the example

表7 算例故障参数Tab.7 Fault parameters of the example

表8 故障因素权重矩阵Tab.8 Weight matrix of failure factors

表9 电气绝缘故障权重矩阵Tab.9 Weightmatrixofelectricalinsulationfailurefactors

表10 设备状态程度矩阵Tab.10 Degree matrix of the equipment states

表11 气象影响因素权重矩阵Tab.11 Weight matrix of meteorological factors

表12 气候修正指数矩阵Tab.12 Matrix of climate modification index

表13 气象修正指数矩阵Tab.13 Matrix of meteorological modification index

3.2 薄弱环节挖掘

通过第2节的实际设备状态矩阵故障率修正可以得到修正后的设备故障率结果。

选取1月和5月中的晴朗天气、雷击天气和大风大雨天气时进行算例的灵敏度分析，得到的结果如表14和表15所示。

由表14可以看到，1月份中电缆为配电网可靠性的最薄弱环节，架空线其次，因此在制定设备的巡检计划时，应把巡检重点安排在电缆和架空线上。

由表15可以看到，5月份中架空线为配电网可靠性的最薄弱环节，电缆其次，同时开关可靠性薄弱程度较1月份也有明显恶化，因此在制定设备的巡检计划时，应该把巡检重点安排在架空线上，同时也应着重进行电缆和开关类设备的巡检。

表14 1月设备可靠性灵敏度分析Tab.14 Sensitivity analysis of equipment reliability in January %

表15 5月设备可靠性灵敏度分析Tab.15 SensitivityanalysisofequipmentreliabilityinMay %

4 结语

本文提出了一种基于大型城市配电网运行设备状态矩阵故障率修正的配电网薄弱环节挖掘方法，可以分析因不同时期不同设备状态以及外界环节影响而导致的配电网可靠性变化，为配电公司检修策略的制定提供了参考依据。

参考文献：

［1］Wang Peng，Billinton R，Goel L.Probability distribution evaluation of distribution system reliability indices using a time sequential simulation technique［C］//Canadian Con⁃ference on Electrical and Computer Engineering.Nova Scotia，USA，2000：760-764．

［2］Billinton R，Wang Peng.Teaching distribution system reli⁃ability evaluation using Monte Carlo simulation［J］.IEEE Trans on Power Systems，1999，14（2）：397-403．

［3］李少华，韩富春（Li Shaohua，Han Fuchun）.一种配电系统可靠性评估新方法（A method of distribution system reliability evaluation）［J］.电力系统及其自动化学报（Proceedings of the CSU-EPSA），2002，14（6）：17-19.

［4］陈文高.配电系统可靠性实用基础［M］.北京：中国电力出版社，1998．

［5］董红，石连生，赵鹏程，等（Dong Hong，Shi Liansheng，Zhao Pengcheng，et al）.运用PSO-LSSVM模型的城市供电可靠性预测（Reliability prediction of urban power net⁃work based on PSO-LSSVM model）［J］.电力系统及其自动化学报（Proceedings of the CSU-EPSA），2014，26（7）：82-86.

［6］宗炫君，袁越，王敏，等（Zong Xuanjun，Yuan Yue，Wang Min，et al）.含风电场的发电系统可靠性分析（Reliabili⁃ty analysis of generation system with wind farms）［J］.电力系统及其自动化学报（Proceedings of the CSU-EPSA），2014，26（10）：41-45.

［7］葛少云，王浩鸣，徐栎（Ge Shaoyun，Wang Haoming，Xu Li）.基于蒙特卡洛模拟的分布式风光蓄发电系统可靠性评估（Reliability evaluation of distributed generating system including wind energy，solar energy and battery storage using Monte Carlo simulation）［J］.电网技术（Pow⁃er System Technology），2012，36（4）：39-44.

［8］Heydt G T，Graf T J.Distribution system reliability evalua⁃tion using enhanced samples in a Monte Carlo approach ［J］.IEEE Trans on Power Systems，2010，25（4）：2006-2008．

［9］苏傲雪，范明天，李仲来，等（Su Aoxue，Fan Mingtian，Li Zhonglai，et al）.计及风力发电影响的配电系统可靠性评估（Reliability evaluation of distribution system consid⁃ering wind power effect）［J］.电力系统保护与控制（Pow⁃er System Protection and Control），2013，41（1）：90-95.

［10］任震，万官泉，黄雯莹（Ren Zhen，Wan Guanquan，Huang Wenying）.参数不确定的配电系统可靠性区间评估（An interval approach to evaluate distribution sys⁃tem reliability with parameters uncertainty）［J］.中国电机工程学报（Proceedings of the CSEE），2003，23（12）：68-73．

［11］张鹏，王守相（Zhang Peng，Wang Shouxiang）.大规模配电系统可靠性评估的区间算法（A novel interval meth⁃od for reliability evaluation of large scale distribution sys⁃ tem）［J］.中国电机工程学报（Proceedings of the CSEE），2004，24（3）：77-84．

［12］张鹏，王守相，王海珍（Zhang Peng，Wang Shouxiang，Wang Haizhen）.配电系统可靠性评估的改进区间分析方法（An improved interval method applied to large scale distribution system reliability evaluation）［J］.电力系统自动化（Automation of Electric Power Systems），2003，27 （17）：50-55．

［13］雷秀仁，任震，黄雯莹（Lei Xiuren，Ren Zhen，Huang We⁃nying）.处理配电系统可靠性评估不确定性的未确知数学方法（Unascertained mathematical approach to man⁃agement of uncertainty in reliability evaluation of distribu⁃tion systems）［J］.电力系统自动化（Automation of Elec⁃tric Power Systems），2005，29（17）：28-33.

［14］王峻峰，周家启，谢开贵（Wang Junfeng，Zhou Jiaqi，Xie Kaigui）.中压配电网可靠性的模糊评估（Fuzzy reliabili⁃ty evaluation algorithm for medium voltage distribution networks）［J］.重庆大学学报：自然科学版（Journal of Chongqing University：Natural Science Edition），2006，29 （2）：45-49．

［15］李可，马孝义，邢化玲，等（Li Ke，Ma Xiaoyi，Xing Hual⁃ing，et al）.基于网络等值的复杂中压配电网修正的可靠性评估模型（Modification model of reliability-networkequivalent of distribution system reliability evaluation）［J］.电力学报（Journal of Electric Power），2010，25（2）：103-106.

［16］王新花，唐巍（Wang Xinhua，Tang Wei）.考虑元件可靠性参数修正的配电网可靠性研究（Evaluation of distri⁃bution network reliability considering modification of com⁃ponent reliability parameters）［J］.电网技术（Power Sys⁃tem Technology），2008，32（19）：62-65.

方 健（1985—），男，硕士，工程师，研究方向为配电网技术监督、配电网新技术推广、应用及管理。Email：fjenglish@ 163.com

徐 栎（1987—），男，博士研究生，研究方向为城市电网规划和城市电网可靠性评估等。Email：xuligodfather@gmail.com

王 勇（1967—），男，博士，教授级高级工程师，研究方向为高电压技术管理等。Email：wangy@gzpsc.com

中图分类号：TM715

文献标志码：A

文章编号：1003-8930（2016）07-0057-06

DOI：10.3969/j.issn.1003-8930.2016.07.011

作者简介：

收稿日期：2015-02-09；修回日期：2015-12-28

基金项目：南方电网广州供电局有限公司专项科技创新资助项目（K-GZM2014-020）

Weak Link Mining of the Reliability of Operation Equipment in Large Urban Distribution Network

FANG Jian1，XU Li2，WANG Yong1，JI Shiyu2，LI Shengnan1，YANG Peng1
（1.China Southern Power Grid Guangzhou Power Supply Co.，Ltd，Guangzhou 510000，China；2.Key Laboratory of Smart Grid of Ministry of Education（Tianjin University），Tianjin 300072，China）

Abstract：To overcome the shortcomings of existing reliability assessment methods in analyzing the weak link of the equipment in distribution network，a weak link mining method based on a modified failure rate model with the equip⁃ment state matrix of large urban distribution network is adopted.Feeder division method is used to simplify the complexi⁃ty of the reliability evaluation model，and a failure rate correction model is constructed to analyze the failure factors and failure rate modification index.The failure rate model considering the operation period，environmental impact and exter⁃nal factors is a combination of historical statistics and practical equipment states.The results of a numerical example in⁃dicate the effectiveness of the proposed method.

Key words：equipment operation state matrix；distribution network；reliability assessment；weak link