浙江电网自然灾害特征、趋势与预测技术概况

周象贤，刘 黎，王少华，邵先军，李 特，王振国，刘 岩，曹俊平，葛黄徐，王 谦

（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嘉兴供电公司，浙江 嘉兴 314000；4.国网浙江省电力有限公司温州供电公司，浙江 温州 325000）

0 引言

浙江省地处我国东南沿海，属于经济发达地区，2020 年全社会用电量达到4 830 亿kWh，浙江电网是浙江省社会经济发展的最重要基础设施之一，其安全稳定运行对于全社会正常运转具有极为重要的作用。但由于浙江省所处的地理气象环境极为复杂，东临太平洋、境内多山区，台风、覆冰、雷击等自然灾害频发，对浙江电网的运营造成了严重威胁。国网浙江省电力有限公司电力科学研究院作为浙江电网主要技术研究和技术支撑单位，长期以来对各类电网自然灾害开展了跟踪研究，在电网防雷、防污闪、防覆冰和防风害等领域取得了一系列研究成果[1-10]。

本文基于国网浙江省电力有限公司电力科学研究院近年在电网自然灾害研究方面积累的数据和成果，分别对近15 年以来电网自然灾害的特征、自然灾害长期趋势、浙江电网当前自然灾害监测预警技术概况及面临挑战进行了分析，希望能为未来浙江省和其它省市电网的建设和运营提供有益的经验。

1 自然灾害特征

1.1 数据来源

通过对电网自然灾害数据特征的深入分析能够为电网建设运营方式改进提供有力技术支撑。本文数据来源于国网浙江省电力有限公司电力科学研究院近15 年以来在电网自然灾害故障分析、监测和预警等的实践工作。电网自然灾害数据最为重要同时也是最为可靠的部分是跳闸数据，具体包括了跳闸的时间、线路名称、故障杆塔等，结合跳闸发生的时间和地理位置，本文从电网设备台账系统、雷电定位系统、数值气象预报系统等信息系统中提取了跳闸发生时故障杆塔设备数据和周边的自然环境相关数据。此外，本文还有部分数据来自DEM（数字高程模型）、热带气旋最佳路径数据集、电网自然灾害专题图等。

1.2 总体情况

电网主干网架主要由输电线路和变电站共同构成，虽然变电站也存在污闪、台风等自然灾害造成的故障，但其数量与输电线路中由自然灾害造成的跳闸数量有较大差距，这主要是因为输电线路通常高耸于野外，容易受自然灾害的影响。此外，变电站内的自然灾害类故障多数也是由输电线路跳闸引发，例如在2019 年第9 号台风“利奇马”和2020 年第4 号台风“黑格比”台风期间，浙江电网主网全站失电变电站中85.5%是由进线同时跳闸引发的，详情如图1 所示。又如雷电直接击中变电站设备造成电网故障是极为罕见的，通常变电站雷电故障由输电线路引入，如文献[11]报道了一起线路雷击跳闸引发的变电站主变失电故障。这些案例均说明电网自然灾害受灾对象主要是输电线路，因此，下文主要针对输电线路开展对电网自然灾害的分析。

图1 变电站台风故障原因分析

图2 所示为2010—2020 年浙江电网220 kV及以上线路主要跳闸原因占比分析结果，可见在前6 位的跳闸原因中，4 项属于自然灾害，分别为雷击（占比57.8%）、台风（占比13.6%）、冰害（占比5.1%）和风偏闪络（占比4.3%），自然灾害导致的220 kV 及以上线路跳闸占比合计达到了80.8%，说明自然灾害已经是浙江电网运行面临的首要威胁。此外，台风和覆冰等自然灾害往往导致大量输电线路在同时间段内永久性故障，即无法成功重合闸，往往对大电网安全造成严重冲击。需要指出的是，图2 中的外力破坏包括了机械外破、异物外破和城市火灾等原因；风偏闪络指除台风外的大风天气导致的跳线和导线风偏闪络，通常由短时强对流天气引发。

图2 近11 年220 kV 及以上线路主要跳闸原因占比

1.3 空间特征

自然灾害导致的线路跳闸往往与特定的地理环境有关联，图3 所示为浙江电网2010—2020年220 kV 及以上线路因自然灾害导致的跳闸故障点位置分布。图3（a）所示为雷击跳闸故障点的分布情况，可以看到全省范围内均有雷击跳闸发生，但雷击跳闸最密集的区域包括东部沿海区域和金衢盆地边缘地区，这是由于东部沿海受海洋暖湿气流影响较为严重，暖湿气流由海洋向陆地流动时，遇到浙江沿海地区山脉后容易形成上升气流从而形成雷暴云团，最终导致沿海地区容易密集发生雷击跳闸；金衢盆地的山谷风效应也容易产生气流的不稳定，从而引发雷暴云团，最终导致密集发生雷击跳闸[8]。

图3（b）所示为浙江电网2010—2020 年220 kV 及以上线路因台风、冰害、风偏闪络和污闪跳闸故障点的地理位置分布。台风跳闸故障点的分布集中在温州至台州沿海地区，内陆由台风导致的220 kV 及以上线路跳闸故障点极为罕见。图4 所示为由台风导致的跳闸故障点与海岸线距离的统计结果，该图中台风故障点与海岸线间距按照0～20 km，20～40 km，40～60 km 和60～80 km 进行统计，所有故障点在0～275 km 按照25 km 间隔进行统计。可见，与所有自然灾害跳闸故障点与海岸距离的统计结果相比，台风跳闸故障点通常距离海岸线不会超过50 km，这是由于台风登陆后受地形摩擦作用，能量逐渐丧失并且得不到海洋暖湿水汽的能量补充，风速迅速衰减，难以造成主网线路跳闸[9]。需要指出的是，台风登陆后风速将迅速衰减，但其所携引发的暴雨可能会造成内陆地区洪涝灾害，会对电网配电设备造成威胁。

图3 浙江电网各类自然灾害故障点地理位置分布

图4 台风故障点与海岸线间距分布

如图3（b）所示，浙江电网2010—2020 年220 kV 及以上线路冰害故障点主要分布在浙中和浙北地区，这是由于浙江电网严重冰害往往由冻雨造成，而浙江中部和北部处于贵州-湖南-江西-浙江这一南部冻雨地带的东端，容易发生冰害。图5 所示为冰害故障点的海拔分布统计结果，该图中冰害故障点海拔在75～100 m 按照75 m 间隔进行统计，所有故障点在0～1 000 m 按照75 m间隔进行统计。可见，与所有自然灾害跳闸故障点海拔统计结果相比，冰害故障点主要发生在海拔200 m 以上的区域，其中海拔600 m 以上区域故障点最为集中，这是由于高海拔山区温度较低，容易造成覆冰生成和增长。

图5 冰害故障点海拔分布

图3（b）所示的风偏闪络跳闸在全省各区域均有分布，其原因较为复杂，包括浙中北部平原地区的飑线风和龙卷风等中尺度和小尺度天气系统造成的局部地区瞬时风速严重超过线路设计风速而导致的跳线风偏跳闸，浙南地区高耸山峰上的线路杆塔在强对流天气过程中也曾出现大面积跳线风偏跳闸。图3（b）所示的污闪跳闸故障点处于紧邻海岸线的位置上，这是由于浙江近年来生态环境逐步改善，内陆地区污闪问题已经绝迹多年，仅在紧邻海岸线地区在长期干旱情况下零星出现过污闪跳闸问题，这些污闪是由于海雾携带的盐分沉积在绝缘子表面，长期干旱条件下得不到雨水冲洗，在湿度上升时引发的。图6 所示为某次连续2 个月干旱后出现的污闪爬电的杆塔塔位分布，可见爬电的杆塔塔位均位于沿海小平原区域，这是由于海雾通常难以深入内陆超过10 km，浙江电网运行经验表明，海盐导致的爬电和污闪通常发生在距离海岸线5 km 以内的区域。

图6 某次污秽爬电杆塔地理位置

1.4 时间特征

浙江省气候四季分明，不同时间段具有非常不同的气象特征，因此自然灾害在时间分布上具有显著的规律。图7 所示为2016—2020 年浙江电网220 kV 及以上输电线路台风、雷击、冰害、风偏闪络跳闸次数的逐日累积分布，可见台风灾害集中度最高，主要发生在7 月下旬至8 月中旬，这是由于这一时期浙江省沿海处于海水温度最高的阶段，台风在近海不仅不会减弱，还会增强，这样的台风一旦登陆，将造成大面积跳闸。雷击和风偏闪络跳闸均在3 月中旬开始发生，其中雷击跳闸在整个夏季均有发生，但在时间分布上不均匀，这是由于雷击跳闸通常与雷暴云团的生成和发展相关，而雷暴云团的生成和移动与气温、湿度、对流等一系列气象要素相关，生成时间具有随机性。风偏闪络在整个夏秋季节也均有发生，但其发生最多的时间段为3 月中旬，这时浙江省开始出现“春雷”活动，浙中北地区往往伴随雷暴出现飑线风和龙卷风等天气，容易造成输电线路跳闸。冰害在时间上也较为集中，并且可以大体分为12 月中下旬的“入冬”时间段和2 月上旬至中旬的“出冬”时间段较为密集，“出冬”时间段的冰害跳闸多于“入冬”时间段。

图7 自然灾害跳闸日分布

图8 所示为2016—2020 年浙江电网220 kV及以上输电线路雷击和冰害跳闸的小时分布，可见雷击从12:00 开始逐渐增多，在15:00—17:00达到高峰，随后逐步减少，这是因为浙江省雷电活动的时段分布主要受大气中尺度循环控制，在夏秋季节具体表现为海风以垂直于海岸线的方向吹入大陆，陆风则方向相反。浙江省夏秋季节海风盛行时间段一般为9:00—21:00，陆风盛行时间段一般为23:00—次日9:00[12]。海风含水量较高，容易形成雷暴云。海风从9:00 开始逐渐增大，在15:00 达到风力最大值，对比海风盛行时段和雷击发生时间，可见两者高度重合，因此判断海陆风循环浙江电网雷击小时变化规律的主导因素。冰害跳闸的数量总体较少，但也可以看出冰害跳闸主要集中在10:00—12:00，这是由于该时间段内温度开始上升，覆冰逐渐开始脱落，而不均匀脱冰所引发的导地线不同步跳跃是浙江电网冰害跳闸的最常见原因。

图8 雷击与冰害跳闸小时分布

图9 所示为输电线路台风跳闸时刻和台风中心登陆时刻的时间差，可以看到跳闸数量较为密集的是登陆前的3 h 时间段内，这是因为台风眼墙触岸时刻要早于台风中心登陆时刻，而眼墙触岸是台风破坏力最强的时刻，此时台风风场湍流极强，瞬时风速可以大幅超过平均风速，容易造成大规模输电线路跳闸。

图9 线路跳闸时间与台风登陆时间差距

2 自然灾害趋势

2.1 雷击灾害趋势

图10 所示为2010—2020 年浙江省各年度地闪总数量和220 kV 及以上线路雷击跳闸次数，可见地闪数量和雷击跳闸数量在这11 年总体呈现了下降趋势。落雷总数量和雷击跳闸次数间的相关系数高达0.78，为强相关关系，即地闪数量很大程度上决定了雷击跳闸数量，但是2019—2020 年，随着浙江电网大规模开展线路避雷器安装，出现了反常的落雷数量和雷击跳闸次数反向变化的趋势，即尽管2020 年落雷数量比2019 年多53.1%，但2020 年跳闸次数反而同比下降8.5%，说明大规模安装线路避雷器显著提升了输电线路防雷性能。

图10 220 kV 及以上线路雷击跳闸与落雷数量关系

在雷击灾害的长期趋势方面，年度之间的地闪总量变化存在较强的随机性，如图11 所示，某输电线路通道内2019 年和2020 年的地闪疏密程度有显著差异，并且其变化机理尚不清晰。尽管地闪总量年际变化缺乏规律，但根据清华大学孔锋等人的研究，在年代尺度下地闪总量变化有一定的规律，总体上地闪数量呈现减少的趋势，但浙江沿海地区地闪有增加趋势[13]。

图11 某线路通道2019—2020 年落雷情况

2.2 台风灾害趋势

根据中国气象局热带气旋资料中心的最佳路径数据集[14-15]数据分析，浙江一直是频繁受台风影响地区。建国以来登陆浙江的台风登陆时间和强度分布如图12 所示，可见浙江在7 月初至10月上旬均有台风登陆记录，但在8 月份最为集中。登陆浙江的台风以热带风暴至台风级为主，但也曾多次出现强台风和超强台风直接登陆的情况，强台风和超强台风登陆往往会造成电网大规模跳闸，并导致局部地区供电短时中断。

图12 建国以来登陆浙江省台风时间与强度分布

图13 所示为建国以来曾经登陆浙江的台风级及以上热带气旋路径情况，可见这些曾对浙江电网造成严重影响的台风多数在温州苍南至宁波象山一带登陆，这可能是因为象山以北地区海温逐渐降低，台风不容易在近海吸收温暖海水的能量而进一步增强，从而对电网的影响有限。但是近65 年海水热容量呈现持续攀升态势，说明全球变暖已经既成事实，并且这一趋势在可预见的未来还将持续[16]。在全球变暖的背景下，所有影响台风生成和发展的因素都将发生变化。多数研究认为全球变暖将导致未来全球台风数量减少，但台风平均强度将增加[17]，并且台风降水量将增高，带来更加严重的风暴潮。此外，国内外已有多项研究表明台风活动区域有向高纬度转移的趋势，台风最大强度位置在北半球平均每10 年北移53 km[18]，因此未来浙江电网台风灾害风险有可能进一步增加，不仅温州、台州和宁波南部等传统电网台风灾害频发区可能会迎来更加频繁的强台风考验，可能宁波北部、舟山甚至杭州湾地区电网也将会出现台风灾害。

图13 建国以来登陆浙江台风级及以上热带气旋路径

2.3 覆冰灾害趋势

浙江电网在2008 年前很少发生覆冰灾害，2008 年、2013 年和2019 年发生了3 次相对较为严重的冰灾，造成了较为严重的损失。2008 年全省电网遭受严重的覆冰灾害，共计23 条500 kV，21 条220 kV，15 条110 kV 线路跳闸停运。2013年1 月，受雨雪冰冻影响，全省主网累计24 条输电线路发生故障跳闸。从2018 年12 月至2019年2 月，浙北地区受寒潮天气影响，输电线路出现覆冰并引发故障跳闸，累计8 条220 kV 及以上线路发生故障跳闸。

新建线路无论设计标准还是设备完好程度均好于老旧线路，因此也相对不容易发生自然灾害导致的故障。但2019 年初的冰害跳闸线路中，投运时间最长的不超过6 年，均属于新建线路。这是由于浙江省经济发达，输电线路走廊资源紧张，新建线路不断向较高海拔区段迁移，如图14所示，1990 年以来浙江电网220 kV 及以上新投运线路平均海拔呈现显著的上升趋势，30 年以来线路平均海拔上升了10 倍，如本文2.2 节所述，线路覆冰通常发生在高海拔地区，新建线路不断向高海拔地区迁移导致了近年以来冰害线路中多数为投运不久的新建线路，这与浙江电网台风灾害故障线路多数为老旧线路的特征形成了鲜明的对比。

图14 历年新投运220 kV 及以上线路平均海拔

为了研究电网覆冰灾害的长期趋势，国网浙江省电力有限公司电力科学研究院与浙江省气象科学研究所共同开展了冻雨地带的变化趋势研究[19-20]。研究表明，随着全球气候变暖，我国冬季暖湿气流偏强，浙江省冻雨分布也从2017 年开始有往北的发展趋势。浙江电网实际运行经验也表明，浙北地区出现中等程度及以上覆冰发生的月数从2017 年开始明显增加，浙中地区变化不明显，浙南地区则在2015 年后有减少的趋势。

2.4 非常规自然灾害

在浙江电网自然灾害的趋势方面，出现了几类较为特殊的灾害类型，这些灾害往往机理复杂、灾害防御研究不足，给电网防灾减灾工作带来了挑战。如台风不仅带来众所周知的大风和暴雨天气，还会在其前沿激发龙卷风，根据北京大学孟智勇等人的分析，2006—2018 年登陆我国的台风中27%会激发出龙卷风，龙卷风主要发生在台风中心的东北象限[21]。在浙江电网的运行中，也观察到了由台风激发的龙卷风造成的输电线路跳闸，如2019 年第9 号台风“利奇马”期间，浙江电网主网最先出现跳闸的并不是台风登陆点所在的台州地区，而是距离台风登陆点100 km 以上的宁波地区某输电线路，结合后续现场勘查发现的故障杆塔周边树木倒伏迹象，判断这是台风前沿激发的龙卷风引发的跳闸。此外，强对流活动同时带来密集雷暴、局地大风和冰雹也会对电网造成严重影响。

并非所有的自然灾害均会造成电网设备直接受损，如全球变暖后各地不断出现的高温热浪灾害。高温热浪很少会直接造成电网设备损毁，但输电线路输送能力很大程度上取决于环境温度[22]，高温热浪会造成环境温度持续处于高位，导致输电线路输送能力大幅受限，而此时又恰好会出现由于高温导致的用电负荷高峰，可能导致大量输电线路超限运行，严重威胁电网稳定性。此外，长期干旱不仅可能引发局部污闪灾害，还可能导致水力发电厂在冬季负荷高峰季节发电能力不足的问题，造成电网供需失衡。这些非常规电网自然灾害的危害程度甚至超过了会导致电网设备损毁的自然灾害。

3 自然灾害预测

3.1 技术概况

由于浙江省自然灾害频发，浙江电网一直存在对于电网自然灾害预测技术的需求，国网浙江省电力有限公司电力科学研究院在电网自然灾害预测方面开展了一系列研究和应用工作，已在台风灾害预测和覆冰灾害预测方面形成了成熟的技术体系，并在密集雷暴预测和污闪预测方面开展了技术上的探索。尽管不同电网自然灾害的预测技术有较大的差异，但总体上各类自然灾害预测技术路线与图15 所示接近。

图15 自然灾害预测技术框架

如图15 左侧所示，电网自然灾害的输入数据包括台风路径预报数据、数值气象预报数据、雷达监测数据、雷电探测站数据等，其中数值气象预报数据包括了风速、降水、温度、湿度等气象要素，不同的自然灾害预测需要采用不同的气象要素，如台风灾害预测需要使用风速和降水等数据，覆冰预测需要风速、温度和降水等数据，而污闪预测则需要使用湿度数据。

如图15 中间部分所示，电网自然灾害预测的技术路线包括确定性预测和人工智能类预测方法两大类，其中，确定性预测是指通过将预测气象要素值和电网设备抗灾能力数据进行比较，得到灾害情况的预测结果，如通过对比输电线路杆塔所处位置的风速和线路设计风速来确定输电线路是否存在倒塔或风偏的灾害。确定性预测方法原理符合人类直觉、易于理解，但目前气象要素的预测精度还不足以支撑这类预测方法的工程应用。人工智能类的预测方法是指通过利用机器学习技术，将包括气象要素在内的多种输入数据和电网设备自然灾害数据之间建立关联关系模型，实现对电网设备自然灾害的概率预测。

3.2 数值气象预报

各类电网灾害预测技术通常都需要基于数值气象预报数据开展。最为常见的数值气象预报数据来自WRF（天气研究与预报）模型[23]。如图16所示，WRF 模型以全球气象观测数据为输入数据，通过求解全球大气运动控制方程进行风速、降水等气象要素的预测计算，其预测计算时间范围为未来72 h，但由于全球初始场数据传输、同化和控制方程求解等环节均存在时间延迟，WRF模型用于电网自然灾害预测时，其预报时限难以达到72 h。

图16 数值气象预报流程

数值气象预报应用于电网设备自然灾害预测时存在三大难点问题：

（1）电网设备所覆盖的范围极其广泛，由于计算资源始终是有限的，目前数值气象预报的网格无法在较大的范围进行精细化划分，从而也难以得到电网设备所处位置的气象要素精确预测。

（2）即使把局部网格不断加密，数值气象预报模型气象要素的预测精度也不会一直提升，如美国爱荷华州立大学Aligo 等人曾经对比了网格加密前后的降水量预测值，发现精度并无提升[24]。

（3）数值预报对于温度等空间和时间变化率均较为平缓的气象要素预测精度相对较高，但对于电网自然灾害预测较为关键的风速、降水等时间和空间变化率较大的气象要素预测精度较低。图17（a）所示为2018—2019 年台风过境期间，某数值气象预报系统在浙江电网安装有微气象监测装置的输电线路杆塔所处位置的风速预测值和实测值的对比，可见数值预测风速值无论与观测到的平均风速值相比还是与极大风速值相比，差值均有较大的离散性，说明预报精度并不能满足确定性灾害预测的需求。考虑到数值气象预报系统可能对风速较小的工况预测误差较大，而小风速对电网设备不会造成危害，图17（b）进一步对比了实测平均风速大于15 m/s 时的预报精度，可见预测值与实测值之间仍然有较大的离散性，表明即使是排除小风速工况，数值气象预报的精度仍然有限。

图17 台风期间数值气象预测风速误差分布

3.3 人工智能应用

人工智能是通过应用计算机科学来实现对人类思维决策过程的模拟，从而解决诸如图像识别、自然语言处理、生物特征识别等人类社会发展中的技术挑战[25]。机器学习是人工智能的一个分支，包含了监督学习、无监督学习和半监督学习等[26]。在数值气象预测精度尚不能满足电网自然灾害预测需求的情况下，使用确定性预测方法进行灾害预测难度极大，而应用机器学习中的分类决策树等技术能够有效提高自然灾害预测精度。

以文献[27]中所提出的一种基于分类决策树的高压输电线路台风灾后预测方法为例，如图18所示，机器学习类方法首先要定义输入特征量，在台风灾后的预警过程中，线路与海岸线间的距离、线路与台风中心间的距离、线路走向与主导风向夹角、线路预报风速等是重要的输入特征量，预测模型输出参数包括风偏闪络风险、异物外破风险和杆塔本体受损风险，通常这些风险均采用0～1 范围内的数值来表示，1 表示风险最高，0 表示无风险。机器学习类方法通过对训练数据的学习，建立输入特征量和输出参数间的关联关系模型，从而能够应用于灾害预测。机器学习类方法具有随着数据积累不断增加其精度不断提升的优点，但也需要注意电网自然灾害如果出现了形态转变，可能会导致过去的数据特征无法准确用于预测未来的情况。

图18 一种基于分类决策树的台风灾害预测方法[26]

需要指出的是，目前机器学习技术已经取得了蓬勃的发展，有大量的成熟机器学习开源程序包可供使用，如PyTorch[28]和Scikit-learn[29]等程序包已经在多个行业取得了广泛的应用，电网自然灾害预测技术研究和实践人员应该聚焦于特征量的选取、训练数据的积累、模型参数的优化等工作，而不是重新开发机器学习模型。

4 结语

（1）浙江电网自然灾害受海洋气候影响显著，输电线路台风和污闪灾害通常紧邻海岸线的位置发生，台风灾害通常发生在海温最高的时间段，雷击的时间特征也明显受到海陆风循环的控制。

（2）浙江电网自然灾害受不同季节气候特征影响显著，冰害易发于“入冬”与“出冬”季节、密集雷暴易发于春季及整个夏季，其中开春密集雷暴往往伴随中小尺度大风天气，从而可能引发风偏闪络灾害。

（3）随着全球变暖的不断发展，台风盛行地带有北移趋势，预计浙江电网台风灾害风险将进一步增强。冰害同样由于全球变暖而呈现北移趋势，浙北地区冰害风险可能将进一步增长。雷击近年总体呈现减少趋势，但未来在沿海地区的雷击可能会增加。

（4）目前的数值气象预报技术水平尚不足以支持电网自然灾害的确定性预测，应用人工智能类方法是现阶段提升电网自然灾害预测水平的有效方法。

（5）对电网自然灾害特征和趋势的分析，以及对电网自然灾害预测技术的研究和应用可以为电网的规划、建设和运营策略改进提供依据，是提升面向重大自然灾害的电网弹性的重要手段。