基于数据挖掘的配电网线路台风故障影响分级评价

孙 明，苏毅方，邵先军，周金辉，金涌涛，陈 诚

（1.国网浙江省电力有限公司电力科学研究院，杭州 310014；2.国网浙江省电力有限公司，杭州 310007；3.国网浙江省电力有限公司金华供电公司，浙江 金华 321017）

0 引言

随着全球变暖，灾害性天气频发，台风灾害已成为威胁配电网可靠运行的重要因素之一。灾害性的台风天气给电网运行带来了巨大风险，严重时导致的大面积停电更是给国计民生带来了巨大损失[1-3]。为提升配电网运行可靠性，非常有必要研究如何评估配电网台风天气下的运行风险，提高配电网抵御台风的能力。

现阶段，针对台风天气对输配电网的影响有部分研究。文献[4]考虑天气因素、故障率与修复时间的不确定性，建立了架空线路停电模型，采用蒙特卡洛法评估输电系统的可靠性。文献[5]通过建立台风风速模型，重点研究了风速与配电网电杆之间的相互作用，但未充分考虑台风与配电网可靠性之间的关系。文献[6]提出了风速与配电网元件故障率相关的计算模型，但模型仅针对故障概率的影响，未能充分评估台风给配电网带来的停电影响。

2008 年，国务院批转关于加强电力系统抗灾能力建设若干意见的通知[7]，要求积极推进电力抗灾技术创新，调整电网建设标准，采取差异化的抗灾规划方案。目前，我国在电力系统设计规划中侧重统一提高标准。但配电网覆盖面积广，设备众多，统一提高标准经济性不高且没有必要[8]。在实际生产中，针对台风天气，各供电公司仅凭经验设计规划线路，用以提高配电网抗台风水平，应对方案不足；未能充分利用目前配电网的海量数据资源，仅采用停电时户数单一指标考核供电可靠性，评价结果较为片面。随着电力体制改革的深入推进，对以最经济的成本保障供电可靠性的要求越来越高。台风对供电可靠性的影响极大，开展不同线路受台风影响动态定级分析，采取差异化的防台改造和运维可实现精准投资和精准运维，从而提高供电可靠性。通过影响分级分析，可用于不同线路通道与台风的影响关系分析、不同防台措施有效性分析，从而挖掘出经现场验证的有效防台风措施。

针对上述情况，基于配电网在线监测大数据历史资源，本文提出了一种配电网台风故障线路影响分级评价方法，用于精准定位台风故障最严重的地区及线路。首先，基于台风故障历史数据构建配电网线路台风故障影响评价指标体系；然后，采用数据挖掘方法构建主成分分析模型和单层次分析模型，分别计算各指标权重；最后，采用主客观综合赋权法确定权重，进而对台风故障线路进行智能评价分级。

1 评价指标和评价模型

1.1 评价指标体系

目前，越来越多的配电网自动监测装置投入运行，为研究配电网运行可靠性提供了大量的数据资源[9-10]。如何利用这些海量数据，挖掘数据价值，成为了重要课题。根据配电网停电在线监测系统现有的可采集数据，经文献查阅、专家建议和数据筛选，选取故障停电次数、停电时户数、停电台数、停电恢复时间、线路失电负荷和线路平均负荷等6 个指标作为配电网线路台风故障影响分级评价指标，如图1 所示。

图1 台风故障影响评价指标体系

其中，停电时户数为线路停电时间与配电网故障停电变压器台数的乘积，综合表征了停电影响，是供电公司衡量停电损失的重要指标；停电台数、停电恢复时间、线路失电负荷可用来评估停电损失；线路平均负荷的大小可在一定程度上表征线路重要性。除故障停电次数指标外，其余指标均取该条线路受台风影响导致停电数据的平均值。

1.2 评价模型

1.2.1 主成分分析模型

主成分分析基于降维思想，是一种研究如何通过少数变量来尽可能多地反映原有变量信息的分析方法[11-12]。它采用彼此相互独立的少数变量的线性组合来解释原有变量信息，最后可转化归并为一个综合评价指标。台风故障对线路的影响是多方面的，各变量之间存在一定的相关性，可采用主成分分析法评价配电网线路台风故障影响，具体计算模型如下。

设p 个指标构成的向量X=[X1，X2，…，Xp]，对向量X 进行式（1）所示的线性变换，形成新的向量Y，其中，Yi与Yj相互无关（i≠j，j=1，2，…，p）。

其中，式（1）满足：

当式（1），（2）成立时，第一主成分Y1是X1，X2，…，Xp的所有线性组合中方差最大的，第二主成分Y2是与Y1不相关的在X1，X2，…，Xp的所有线性组合中除Y1外方差最大的，依次类推，分别称Y1，Y2，…，Yp为向量X的第1，2，…，p个主成分。

在应用中，只需找到m（m≤p）个主成分，这m个主成分的累积方差贡献率大于80%，可反映出原来p个指标的大部分信息即可。

获取m个主成分后，进而可求解主成分载荷矩阵E=[E1，E2，…，Em]T、各主成分的特征根A=[a1，a2，…，am]和方差贡献率B=[b1，b2，…，bm]。设各指标在主成分中线性组合的系数矩阵为F=[F1，F2，…，Fm]T，则：

那么，各指标在综合得分模型中的系数矩阵为：

归一化后，可求得p个指标的权重向量D：

1.2.2 单层次分析模型

为融入对各指标的主观判断和专家意见，本文同时采用单层次分析模型进行权重计算。在确定各指标权重时，采用一致矩阵法[14]，对各指标进行两两比较，尽力避免各指标统一比较的困难，提高评价准确性。

采用1—9 标度，将故障停电次数、停电时户数、停电台数、停电恢复时间、线路失电负荷和线路平均负荷指标的重要性进行两两比较，根据专家经验进行打分，从而构造判断矩阵C。cij表示指标i相比于指标j的重要程度，越重要取值越大；cij与cji互为倒数；cii=1。

根据数理统计方法，计算判断矩阵C的特征向量和特征值，求得各指标的权重向量W=[0.446，0.283，0.118，0.078，0.042，0.033]T。判断矩阵C的一致性检验指标CR=0.096，小于规定标准值0.1，通过校验，权重计算结果合理有效。

2 台风故障线路影响分级评价

2.1 权重确定方法

上文1.2 节分别介绍了采用客观方法主成分分析法和主观方法单层次排序法的权重计算方法。客观赋权法根据数据离散度和数据关系确定权重，数理依据强，但未充分考虑决策者的主观意向，一些重要的指标可能因数据离散度较小等原因赋权较小；主观赋权法融入了专家判断，但存在一定的随意性[15]。为了兼顾两类方法的优点，使各指标赋权值更为有效、可靠，采用综合赋权法进行分析评价。

选取线性加权综合赋权法，计算公式为：

式中：ci和di分别为主客观权重；α 为权重系数，取值0-1，由实际情况确定。

2.2 评价流程

配电网线路台风故障影响分级评价流程如图2 所示。首先，通过配电网在线监测系统采集配电网线路台风故障历史数据，建立评价指标体系；数据预处理后，采用主成分分析模型和单层次分析模型，分别计算主客观权重；然后，采用主客观综合赋权法确定各指标权重，计算各条线路百分制综合评分；最后，根据评分结果划分线路台风故障影响评价等级。

图2 配电网线路台风故障影响分级评价流程

3 算例分析

3.1 各指标权重计算

根据配电网自动化监测装置安装和数据采集情况，选取2018 年某省配电网线路台风故障数据进行算例分析。2018 年，该省配电网线路因台风故障导致停电1 815 条次，配电变压器停电30 830 台，停电时户数为105 160.67 户。

提取线路故障停电次数、停电时户数、停电台数、停电恢复时间、线路失电负荷和线路平均负荷等6 个维度的指标构建评价指标体系。因各指标量纲不同，为便于处理，采用最大值标准化方法对数据进行归一化。

利用SPSS22.0 进行主成分分析，降维相互关联的数据。经Kaiser-Meyer-Olkin 检验，KMO=0.622，说明本文适合选用主成分分析法，选取方法合理有效。经主成分分析，前3 个主成分的方差贡献率B=[43.447%，21.170%，16.302%]，累计方差贡献率达到80.918%，超过80%，因此前3 个主成分可反映全部6 个指标的绝大多数信息，实现数据降维。随后，求解主成分载荷矩阵E和各主成分的特征根A，计算各指标在主成分中线性组合的系数矩阵为：

由式（5）可知，根据各指标在主成分中线性组合的系数矩阵E和各主成分的方差贡献率，可求得归一化后的各指标客观权重。

同时，由1.2 节单层次分析模型，构建判断矩阵，计算各指标的主观权重，并进行一致性检验。

采用2.1 节中的线性加权综合赋权法，α 取0.5，由式（7）求得各指标综合权重。线路故障停电次数、停电时户数、停电台数、停电恢复时间、线路失电负荷和线路平均负荷指标的权重分别为0.28，0.27，0.15，0.13，0.09 和0.08。

3.2 线路台风故障影响分级评价

根据上节计算得到的各指标综合权重和归一化后的数据，可求得配电网线路台风故障影响综合评分。将线路评分进行百分制标准化，得到评分分布情况如图3 所示。

图3 配电网线路台风故障影响综合评分分布情况

经统计，2018 年该省配电网共有1 256 条线路因台风故障停电。由图3 可知，可根据评分分布将算例配电网台风故障线路划分为5 个等级，等级越高，受台风故障的影响越严重，等级划分情况如图3 和表1 所示。Ⅴ级表示线路受台风故障影响程度最大，线路最为薄弱，需重点关注；Ⅳ级次之，Ⅰ级较小。

表1 配电网线路台风故障影响分级统计

分析权重计算结果可知，线路停电次数、停电时户数、停电台数等6 个指标均影响评级结果，线路停电次数和停电时户数影响较大。部分线路虽停电次数较少，但台风故障停电时户数、停电台数、线路失电负荷和平均线路负荷较多，平均恢复时间较长，故而台风故障影响范围较大，评级结果为Ⅴ级，灾害影响级别高。部分线路虽平均停电时户数等指标较小，但因台风故障停电次数较多，线路可靠性较差，评级结果亦为Ⅴ级，需采取针对性措施提高台风期间线路运行稳定性，保障可靠供电。部分线路停电次数和停电时户数等指标值均较小，评级结果为Ⅰ级，影响级别较低。

根据评级结果，影响级别较高的Ⅳ-Ⅴ级线路共363 条，约占台风故障线路总条数的30%。算例所选省份中WZ 市配电网线路台风故障影响级别为4-5 级的线路条数最多，台风故障情况最为严重。WZ 市各县级供电公司评级为Ⅳ-Ⅴ级的线路条数如图4 所示。其中，NC 公司、ZW 公司、AR 公司和JY 公司的Ⅴ级线路较多，分别为57，30，23 和21 条。由图4 可知，根据评级结果，各供电公司可精准定位故障多发及停电影响较大的线路，上级公司可全面掌握下级公司配电网线路因台风故障影响情况，考核配电网台风故障供电可靠性。相较于目前采用的单一指标停电时户数评价停电损失，本文所提算法可充分挖掘配电网海量在线监测数据信息，可根据影响级别筛选需重点关注的台区和线路，实现差异化运维和配电网线路针对性升级改造。

图4 WZ 市各供电公司配电网台风故障4-5 级线路条数分布

4 结语

本文基于大数据技术，实现了配电网线路台风故障影响智能分级。所提算法具有以下优点：

（1）充分挖掘配电网在线监测海量数据资源，选取的6 个评价指标涵盖了户-台-线三级的停电数据，评价结果客观全面。

（2）基于大数据分析技术，采用主成分分析模型和单层次分析模型获取权重，计算线路综合评分并划分等级，实现了配电网线路台风故障影响的智能分级，算法可靠性高。

（3）目前，配电网线路台风影响分析一般基于经验或者台风路径，误差较大。所提算法将台风故障影响进行量化评分，划分为5 个等级，可精准定位台风影响薄弱环节，为配电网采取差异化的防台改造和运维提供可靠数据支撑，实现精准投资和运维。

随着配电自动化技术的发展，电力体制改革的深入推进，配电网精益化运维和差异化设计要求的提高，本文所提方法具有较好的应用价值和广泛的应用前景。