电网调度操作过程中的天气风险源建模及分析

刘嘉宁，潮铸，钟华赞，谢敏，尹一江，刘明波

（1.广东电网有限责任公司电力调度控制中心,广东广州 5106991；2.华南理工大学电力学院，广东广州 510640）

电网调度操作过程中的天气风险源建模及分析

刘嘉宁1，潮铸1，钟华赞1，谢敏2，尹一江2，刘明波2

（1.广东电网有限责任公司电力调度控制中心,广东广州 5106991；2.华南理工大学电力学院，广东广州 510640）

天气是电网调度操作本身面临的主要风险因素之一.本文对电网调度操作过程中天气风险源的辨识与建模问题进行研究，建立了能够全面反映气温、风速、降雨量、能见度、相对湿度和雷电危险度等六类气象因子的天气风险源量化模型，在此基础上引入信息熵理论来实时客观地定量描述前述六类气象因子的综合作用值，并依据气象因子相对设定值的越限情况，采用线性惩罚函数对气象熵值予以修正，最终定义形成综合气象因子，用以定量辨识天气风险源对调度操作的影响.最后，基于广州市电网的实际算例对本文所提模型的有效性进行了验证，结果表明，本文建立的天气风险源量化辨识模型能够科学和客观地体现操作设备所处片区的实际天气状态，且能够精细化评估多种气象因子为电网实际调度带来的潜在风险.通过将该模型与数值天气预报系统的对接，大大提高了电网调度操作风险辨识的自动化水平.目前，该模型已在广东电网获得实际应用.

电网调度操作；风险评估；天气风险源辨识；综合气象因子；变权熵理论

0 引言

电网调度的主要任务是配合电网检修、改造和优化调度，最终实现电网的安全稳定与经济运行.然而，当电网调度行为本身受到不确定因素影响后，可能难以实现其自身的主要任务，反而会给电网运行带来一定的风险.再加上近年来，各种恶劣天气和自然灾害时有发生，给电网安全稳定运行带来了严重威胁［1-6］，也给调度工作带来了巨大挑战.

天气是电网调度操作本身面临的主要风险因素之一.调度操作过程中天气风险源的量化建模主要是针对调度操作实时性的要求，建立量化多种类型的气象对日常调度操作过程所带来的潜在风险值的高低.目前，关于天气对电网的影响主要集中在设备运行的可靠性分析以及对电网运行状态的影响.如文［7-11］，对冰灾和台风等极端恶劣天气下的电网运行和可靠性评估进行研究，虽然极端恶劣天气影响后果严重，但出现概率不大，针对天气因素所建立的模型可能难以适用于电网日常调度的需求.有部分学者从天气变化影响电力设备故障率的角度入手，建立了考虑天气因素的设备故障率模型［12-14］，文［15］建立了气象因素对输电线路故障概率影响进行分析，文［16］则对变压器、断路器故障率进行建模，但由于对天气因素的考虑都相对比较粗略，主要历史数据的统计与分析，适用于电网的可靠性分析与规划［17-18］，无法反映实时的天气对当时电网调度操作本身的影响；在具体应用时难以实现与数字天气预报系统的实时对接.

可见，专门针对电网日常调度操作过程中的天气风险源量化与辨识建模的研究几乎空白，且在目前的实际应用中，调度人员关于天气因素的考虑一般也只是进行大致印象型的评估，缺乏统一的量化标准，仍处于经验型思维决策模式，已逐渐无法满足日益复杂化和智能化的电网调度运行要求.

在这种形势下，本文对电网调度操作过程中天气风险源的辨识与建模问题进行研究，建立了能够全面反映气温、风速、降雨量、能见度、相对湿度和雷电危险度等六类气象因子的天气风险源量化模型，并依据气象因子相对设定值的越限情况，结合线性惩罚函数和信息熵理论构建了越限惩罚型变权气象熵值，并最终定义形成综合气象因子，用以定量辨识天气风险源对调度操作的影响.基于广州市电网的实际算例对本文所提模型的有效性进行了验证.

1 天气风险源量化辨识模型

1.1 具体考虑的天气风险因素

根据可能影响电网调度操作设备所在片区的天气状态，天气风险源主要考虑六种类型的风险因素，即，(1)气温；(2)风速；(3)降雨量；(4)能见度；(5)相对湿度；(6)雷电危险度.各种类型的天气风险因素阐述如下：

(1)气温

采用数字天气预报系统提供的被操作设备所在片区的实时气温.且设定，当气温≥40℃时，需考虑气温对操作带来的风险.

(2)风速

根据中国气象局的定义，风速可以采用风的级数来描述.且设定，当风速≥6级时，需考虑风速对操作带来的风险.

(3)降雨量

根据气象学降雨量的等级划分：小雨（12小时内降水量小于5mm的降雨过程），中雨（12小时内降水量小于5mm的降雨过程），大雨（12小时内降水量小于5mm的降雨过程），暴雨（12小时内降水量小于5mm的降雨过程），大暴雨（12小时内降水量小于5mm的降雨过程），特大暴雨（12小时内降水量大于140mm或24小时内降水量大于250mm的降雨过程）.

设定当12小时降雨量≥5mm级别时，需考虑降雨量对操作带来的风险.

(4)能见度

能见度是指物体能被正常视力看到的最大距离，也指物体在一定距离时被正常视力看到的清晰程度.该项气象因子主要针对雾霾天气对现场操作的影响.具体划分标准如下：1)能见度20-30公里，能见度极好，视野清晰；2)能见度15-25公里，能见度好，视野较清晰；3)能见度10-20公里，能见度一般；4)轻雾：能见度1-10公里，能见度差，视野不清晰；5)大雾：能见度0.3-1公里，能见度很差；6)重雾：能见度小于0.3公里，能见度极差；7)浓雾：能见度小于0.1公里，能见度极差.

设定，能见度≤1公里时，需考虑雾霾天气对于操作带来的风险.

(5)相对湿度

相对湿度是指空气中水汽压与饱和水汽压的百分比，也就是指某湿空气中所含水蒸汽的质量与同温度下饱和空气中所含水蒸汽的质量之比，这个比值用百分数表示.相对湿度过大，电气设备操作时也会带来一定风险.且设定，相对湿度≥80%时，需考虑潮湿天气对于操作带来的风险.

(6)雷电危险度

雷电危险度用于度量被操作设备所在片区的雷电天气强度，分为无(0)、弱(0.3)、中等(0.6)、强(0.8)、特强(1.0).其危害程度依次增加.设定，雷电危险度≥0.3时，需考虑雷电天气对操作带来的风险.

1.2 多属性气象熵的形成

由于我们采用上述六类气象因子来描述天气状态对电网调度操作带来的影响，如何更为科学和客观地量化天气风险因素是关键.在此，引入信息熵理论来实时客观地描述各类气象因子的作用值.此处，所有天气参数均来自在操作时，被操作设备所处片区的数值天气预报系统.

(1)多属性气象因子的形成

令xi表示某一属性的气象因子值，且i= 1,2,3,4,5,6分别表示气温、风速、降雨量、能见度、相对湿度、雷电危险度等六项气象因子.且有

其中，Ai表示气象指标在操作时的取值，As，i表示气象指标的设定界线值，具体取值如下：As，1= 40℃；As，2=6级；As，3=5mm；As，4=1km；As，5=80%；As，6=0.3.

(2)同度量化

由于各项因子的数量级可能差别较大，尤其是降水量因子，因此有必要进行同度量化，如(2)式所示：

(3)坐标平移

其中，l表示气象因子归一化后的坐标平移幅度.以平移幅度最大的指标为准，所有指标均平移相同幅度值.

(4)计算该多属性气象特征的熵值，首先计算xi的比率，

因此，该多属性气象特征的熵值为：

若gi=0，则gilngi=0,故e∈[0，1]；且有指标偏离界线值越大，天气因素对操作带来的风险越大，则e越小.

1.3 基于越限惩罚型的权熵的综合气象因子建模

可见，式(5)所得的气象熵e值描述的是操作设备所在片区的实时天气综合评估值，但仍无法体现当单项气象因子值明显越限时所导致的操作风险过大的情况，如，出现大雨时，降雨量单项因子越限明显，但其他气象指标仍在界定范围内，该片区内的设备操作由于天气风险过大，须停止操作，以等待天气晴好时再进行.这时e值的大小难以体现这种情况，需对其进行修正.

我们通过引入线性惩罚函数对气象熵值予以修正，从而定义“综合气象因子”，如式(6)所示.

其中，W为综合气象因子；Ii为气象指标值是否越限的判断变量，若Ai>As，i，则Ii=1；若Ai＜As，i，则Ii=0.βI为越限严重度调整因子，默认取1.

显然xi指标越限程度越大，对应的惩罚力度也就越大，相应的综合气象因子W值也越大，其对电网调度操作带来的风险也相应更大.

采用这种越限惩罚型变权熵理论来量化天气风险源的方法，能够避免因天气特征的多属性而分散和低估可能带来的风险性问题，能够体现因单项或少数项气象指标取恶劣值时对调度操作带来的恶劣后果,与工程实际相符.

2.算例分析

以广州市天河区为例，选取2014年4月、8月、11月和1月为该地区春夏秋冬四季的典型月，采用每个典型月的平均气象条件，并分别采用式(5)和式(6)分别计算修正前后每个季节典型气象条件对应的综合气象因子，具体如表1所示.

表1 摇四季典型月的相应气象因子

由表1可见，从W值变化趋势的角度来看，该区春季气温适中，少风及雷雨天气，除降雨量因子以外，其他五个气象因子均在标准值之下，故综合气象因子相对较小；而夏季，受海洋气团的影响，雷雨天较多，日平均降雨量较大，同时空气湿度较高，故综合气象因子在一年范围内是最高的；秋季，多晴朗天气，降水渐少，综合气象因子相对较小；冬季，相对干季，降水较少，多晴好天气，并无气候意义上的冬季，综合气象因子亦相对较小.

对比修正前后的气象熵值可见，四季气象条件有一定差异，尤其是8月夏季降雨量较大，相对湿度也较高，雷电危险度均高于其他季节，如采用式(5)计算的气象熵e值（即，修正前的熵e）则无法体现这种差异，四个季节的e值差别非常小，可见，修正前的式(5)存在因天气特征的多属性而分散和低估可能带来的风险性问题，无法体现因单项或少数项气象指标取恶劣值时对调度操作带来的恶劣后果.采用式(6)计算的综合气象因子W值（即，修正后的熵W）则能够克服这一缺陷，验证了本文所提的天气风险源量化模型的有效性.

表2 摇4月中典型日气象因子

表3 摇8月中典型日气象因子

表4 摇11月中典型日气象因子

表5 摇1月中典型日气象因子

由于，表1所示的天气源为四季典型月的平均气象条件，故其对应的综合气象因子W未能实时准确地反映调度操作过程中实时天气的影响.故分别对四个典型月各抽取一天作为典型日进行计算，结果如表2—表5所示.

将以上四个表中的数据画成曲线，如图1所示.可以看出，夏季8月典型日中14-17时综合气象因子取得图中最大值，结合以上表格可知，此时为雷阵雨天气，降雨量大，相对湿度高，同时伴有大风，这时进行调度操作具有极高的危险度，风险大.冬季1月典型日中，08-11时综合气象因子取值较大，主要是因为该时段能见度极低，不利于调度操作.春季4月典型日中，14-17时综合气象因子取值较大，主要是因为当时为雨天，降雨量、相对湿度高、风速较大，亦不利于调度操作；同时在02-05时及05-08时出现小幅度的上升，分析可知，当时空气相对湿度高，在进行调度操作过程中须注意设备及人身的安全性.秋季11月典型日中，综合气象因子值普遍较低，无较大波动，当天开展调度操作工作风险较低.

图1 典型月中典型日24小时综合气象因子

通过对典型月中24小时综合气象因子分析可见，本文提出的基于越限惩罚变权熵理论的天气风险源量化模型能够实时动态地评估不同气象条件下开展调度操作可能面临的风险，为调度人员提供了有效的辅助决策手段.

3 结语

本文针对电网调度操作的实时性要求，建立了能够全面反映气温、风速、降雨量、能见度、相对湿度和雷电危险度等六类气象因子的天气风险源量化模型，提出了各类气象因子的风险设定界线值，在此基础上定义了气象熵值来实时客观地定量描述各种气象因子的综合作用值，并依据各项气象因子相对设定值的越限情况，采用线性惩罚函数对气象熵值予以修正，并最终定义了综合气象因子，用以定量辨识天气风险源对调度操作的影响.这种越限惩罚型变权熵理论来量化天气风险源的方法，能够避免因天气特征的多属性而分散和低估可能带来的风险性问题，且能够实现与数值天气预报系统的实时对接，为实现电网调度操作风险量化评估的自动化奠定了良好的理论基础.目前，该模型已在广东电网调度操作风险量化评估系统中获得应用.

［1］从荣刚.自然灾害对中国电力系统的影响(文献综述)［J］.西华大学学报(自然科学版),2013,91（1）: 105-112.

［2］李立新,谢巧云,袁荣昌,等.电网调度云灾备系统优化分析与设计［J］.电力系统自动化,2012,（23）:82-86.

［3］于永清,李光范,李鹏,等.四川电网汶川地震电力设施受灾调研分析［J］.电网技术,2008,（11）:5-10.

［4］李成榕,吕玉珍,崔翔,等.冰雪灾害条件下我国电网安全运行面临的问题［J］.电网技术,2008,（4）:14-22.

［5］陈鹏云，王羽，文习山,等.低温雨雪冰冻灾害对我国电网损毁性影响概述［J］.电网技术,2010,（10）: 135-139.

［6］李健荣,朱明.雷电对变电站的危害及预防措施［J］.气象研究与应用,2009,（S2）:207+210.

［7］王建学,张耀,吴思.大规模冰灾对输电系统可靠性的影响分析［J］.中国电机工程学报,2011,（28）:49-56.

［8］陆佳政,蒋正龙,雷红才,等.湖南电网2008年冰灾事故分析［J］.电力系统自动化,2008,（11）:16-19.

［9］杨洪明,黄拉,何纯芳,等.冰风暴灾害下输电线路故障概率预测［J］.电网技术,2012,（4）:213-218.

［10］兰颖.考虑台风影响的配电网可靠性评估和规划［D］.重庆大学,2014.

［11］张锋,吴秋晗,李继红.台风“云娜”对浙江电网造成的危害与防范措施［J］.中国电力,2005,38（5）: 39-42.

［12］王磊,赵书强,张明文.考虑天气变化的输电系统可靠性评估［J］.电网技术,2011,（7）:66-70.

［13］林智敏,林韩,温步瀛.天气条件相依失效模型的电力系统可靠性评估［J］.华东电力,2008,（1）:81-84.

［14］陈永进,任震,黄雯莹.考虑天气变化的可靠性评估模型与分析［J］.电力系统自动化,2004,（21）: 17-21.

［15］王少华,叶自强.恶劣气候对浙江电网输电线路的影响［J］.中国电力,2011,（2）:19-22+57.

［16］李耀东.变压器和断路器故障率特性研究［D］.华北电力大学,2014.

［17］夏清,徐国新,康重庆.抗灾型电力系统的规划［J］.电网技术,2009,（3）:1-7.

［18］陈皓勇,胡斌,叶荣.计及气象灾害因素的电网规划方法［J］.电网技术,2009,（20）:82-87.

［责任编辑：刘向红］

Weather Risk Sources Quantified Model and Analysis for Power Grid Dispatching

LIU Jianing1,CHAO Zhu1,ZHONG Huazan1,XIE Min2,YIN Yijiang2,LIU Mingbo2

(1.Power Dispatch and Control Center of Guangdong Power Grid Co.,Ltd.，Guangzhou 510699，China; 2.School of Electric Power，South China University of Technology，Guangzhou 510640，China)

Weather is one of the main risk factor in power grid dispatching operation.In this paper,it studied how to identify and establish a model of weather risk sources during power grid dispatching operation.A qualified weather risk sources model was established,which six meteorological factors of reflect temperature,wind speed, visibility,rainfall,relative humidity,thunder and lightning harm degree.Information entropy theory had been introduced to weigh the comprehensive impact of these six meteorological factors in real-time objectively and quantitatively.Linear penalty function had been used in amending meteorologicalentropy value to define comprehensive meteorological factors,which could quantify the influence of weather risk sources on dispatching operation.Finally,the model's validity was verified based on the practical calculation of Guangzhou City,the results showed that the model could reflect the actual weather situation of the device being operated area and accurately assess the potential risk which multiple meteorological factors on power grid dispatching operation. Through the joint between the model and numerical weather prediction,automation level of risk sources identification in power grid dispatching operation was enhanced greatly.So far,the model had been put in use in Guangdong Power Grid.

Power grid dispatching operation;Risk assessment;Weather risk sources identification; Comprehensive meteorological factors:Variable weighted entropy theory

TM 73

B

1672-402X（2016）11-0008-05

2016-04-25

中国南方电网有限责任公司科技项目（K-GD2014-1001）.

刘嘉宁（1974-），男，广东台山人，硕士，广东电网有限责任公司高级工程师.研究方向：电力系统调度运行.