刘 金,李更丰,孙思源,李丰君,徐铭铭
(1.西安交通大学电气工程学院,陕西 西安 710049;2.国网河南省电力公司电力科学研究院,河南 郑州 450000)
随着全球气候变暖的日益加剧,一系列极端灾害频繁发生,如暴雨、台风、冰灾等,自然灾害强大的破坏能力威胁着电力系统的稳定运行.作为直接面向终端用户的基础设施,配电网的大规模停电事故会造成巨大的经济损失和恶劣的社会影响,如何在极端灾害发生的情况下,减小配电网的损失已然成为亟待解决的问题.
从地理位置上看,我国是世界上最显著的季风气候区,雨季降雨量充沛.近10多年来暴雨灾害随着天气变化的加剧频繁发生,我国平均每年出现主要暴雨过程约38次,而由10次重大暴雨事件造成的死亡及失踪人数年均达634人,直接经济损失年均达1 094亿元[1].极端暴雨灾害也时有发生,如2010年8月8日甘肃省舟曲局地大暴雨、2012年7月21日北京特大暴雨、2018年8月底广东惠州特大暴雨等,2021年河南郑州出现“7.20”极端暴雨天气过程,直接经济损失高达409亿元[2].
在暴雨等不利天气条件下,配电网的故障概率会显著增加,存在大面积、长时间停电风险[3],而配电网预警与风险评估是暴雨灾害下抢险救灾的关键.暴雨灾害能够冲毁配电设备及线路,并造成配电网大面积的短路和中断,大的降水量造成的泥石流对系统设施的损坏更是毁灭性的,严重影响电力用户的生产生活[4].灾前防御是电力公司抢险救灾的首要阶段,作为灾前防御的关键部分,故障预警能够极大程度地降低配电网损失.根据预测的风险水平,电力公司可以制定不同的操作和维护计划,采取有效的物资储备和人员安排,从而减小故障损失.因此,配电网故障预警是开展电力系统防御暴雨灾害研究中至关重要的一环.此外,风险评估也是防灾研究不可或缺的部分,风险评估的概念由GIGRE首次提出后得到飞速发展[5],与预警的考虑角度不同,风险评估着重于评估灾害发生后果的严重程度,灾中的风险评估可用于为灾后恢复提供辅助决策.面对暴雨灾害,只有对配电网在灾害下的系统响应进行准确的风险评估才能够有效规避用户的停电风险.
本文对暴雨灾害下配电网预警与风险评估技术进行综述,分析了暴雨灾害对配电网的影响机理,对暴雨气象预警模型和配电网故障预警方法进行了介绍,而后综述了目前的配电网风险评估研究,最后对暴雨灾害下配电网预警与评估体系的发展前景进行了展望.
图1 暴雨对配电网的影响
暴雨是多种大气运动的一种综合表现现象[6],表现为某地24小时内降水量大于等于50毫米[7].暴雨影响电网的途径主要有三类:城市内涝导致配电室故障停电[8];雨闪破坏绝缘导致短路故障[9];山洪等次生地质灾害导致线路杆塔坍塌[10].其中,城市内涝与次生地质灾害是造成配电网故障的主要原因,暴雨灾害对配电网的主要影响机理如图1所示.
气候变化导致了全球近几十年来频繁出现的极端降雨,降水量的增加、城市地形特征的变化与城市化发展导致多种自然灾害(城市洪水、土壤侵蚀等)的发生率急剧增长.特别是,城市人口的增加和城市化发展导致了频繁的城市内涝[11].城区内涝是降雨量与排水管网矛盾锐化的结果[12],城市化的不断扩大导致城市透水面积不断减小,地表渗透性变差,快速的城市化进程与滞后的排水系统建设之间的矛盾愈发尖锐,内涝问题日益严峻.
当发生城区内涝后,处于地下的配电室会遭受到内涝的严重影响,其中的配电设备会因雨水浸泡而故障[8],虽然配电室故障仅影响一个台区,但是城市中存在大量位于地下、易涝的配电室,点多分散.地势较低或者站区排水性能较低的变电站易遭受内涝的冲击,内涝产生的积水不仅会破坏电气设备绝缘,更会引发继电保护装置不能正常动作,内涝严重时整个变电站将会停运[13].
内涝结束后的修复工作十分严峻.城市内涝不仅会限制人员的流动,更会造成道路的物理损坏及交通拥堵[14].此外,城市的通信网络也会因内涝灾害受损[15].而文献[16]指出电力系统应对极端灾害的能力,不仅受到自身抗灾水平的影响,还受到交通运输、通信网络等公共设施的应对能力的重要影响.文献[17]也指出关键基础设施之间的相互依赖性会显著影响关键基础设施的正常运行.道路故障与灾中通信系统的受损会对配电设备的抢修带来诸多不便.道路故障会造成抢修力量无法介入、抢修进度将严重受制于市政排水.通信中断会造成配电网量测失效,电网应急指挥中心无法掌握受灾情况,无法有效指挥抢修复电.
部分依山而建的城市与山区遇到特大暴雨容易引发山洪、泥石流和滑坡等地质灾害,且往往以两种及以上的灾害形式出现,如滑坡-泥石流灾害链.山洪是流域面积较小的溪沟或周期性流水的荒溪水中、历时较短、暴涨暴落的地表径流[18].泥石流是一种重力地貌现象,属非均质流,同时具有水体和土体的结构性性质[19].滑坡是由自然力或自然力与人力共同作用于山体斜坡,导致部分山体与主山体分离的一种地貌现象[20].
由特大暴雨引发的山洪等次生地质灾害局域性强且过程猛烈,影响范围巨大.次生地质灾害对配电网的主要危害在于杆塔的倒塌,雨水浸泡会导致配电线路拉线软化,地质灾害进一步冲击导致山体塌方和树木倒伏从而造成倒杆事故[10].配电室内的柜体会因灾害的冲击或雨水的浸泡受损,配电设备进水还可能引发短路事故[21].变电站易遭受山洪等地质灾害的冲击,一次设备如变压器可能会被倒塌的杆塔撞损或被泥石流冲毁,二次设备如计量装置的精度会因雨水浸泡受损[10,22-23].
次生地质灾害过后的抢修复电工作十分危急.地质灾害会冲破河堤,造成道路阻塞、桥梁坍塌等严重后果[24-25].应急抢险人员的施工路线若涉及到塌方区、河滩区等危险地区,需要通过铺垫硬石、安装挂钩等措施防止车辆沉陷,严重影响了抢修工作的效率甚至威胁到人员安全.灾害导致的树木倒伏可能砸伤抢修人员,若树木倒伏在电力线路上也可能对抢修人员的人身安全造成威胁[26].
配电网是一个对暴雨高度敏感的基础设施系统,其恢复时间和恢复能力随着暴雨的严重程度而恶化[27].文献[28]指出室内雨水造成的电力损失较大,并且在暴雨开始后会很快发生.因此,提高配电网暴雨恢复能力的措施都应尽量在暴雨发生前完成,暴雨灾害下配电网故障预警的研究十分必要.
暴雨灾害下配电网的故障预警需要融合气象预报信息,只有掌握准确的气象信息,电力公司才能够采取相应措施防御极端灾害.降雨临近预报一般是指对未来短时间内的降水天气预报,现广泛用于洪涝灾害的预警.目前降雨临近预报方法主要有两类:数值模拟预报与影像外推预报[29-32].数值模拟预报基于数学物理方程进行降水预报,运算耗时较长,多用于3 h之上的预报,3 h内的短时预报准确性较低[33].影像外推预报基于遥感影像外推预测降水情况,运算耗时短,常用于3 h内的短时预报[34].融合两种方法的长处可以有效延长降雨预报,从而准确预报暴雨灾害.
结合准确的气象信息,对城市内涝与山洪等地质灾害的预警进行研究才能更好应对暴雨威胁.文献[35]基于二维非恒定流水动力模型(Flood Area)模拟淹没水深图谱,耦合脆弱性曲线,进而模拟出城市内涝现象.文献[36]通过气象站的降雨数据驱动城市内涝水动力模型构建城市内涝预警系统.文献[37]则基于降雨、积水观测等多源数据的融合提高内涝预报精度.文献[38]采用元胞自动机解决了由径流区与风险区站点距离较短导致的山洪预警效果不佳的问题.文献[39]基于机器学习模型得到滑坡易感性图,将其与临界降雨阈值耦合实现滑坡灾害预警.文献[40]则利用K最邻近算法(KNN)建立了基于岩土流、降雨历史信息的泥石流灾害预警模型.
配电网的精细化预警需要依靠合理的预警指标与丰富的数据源支撑.文献[41]较早提出电网自然灾害预警指标体系,将指标分为自然灾害、系统特性、救援能力、社会影响四类.文献[42]建议提炼出不同灾害级别下的临界降雨强度、临界降雨量、临界有效降雨量等预警指标.文献[43]则综合考虑气象灾害与配电网自身情况作为预警因素.针对配电网因点多面广而难以预警的问题,文献[44]构建出数据集成框架,实现电网信息与地理信息的集成管理,文献[45]综合考虑气象信息与电网信息实现电网风险预警,文献[46]则基于GIS系统将电网、气象及地理信息融合,开发出灾害监测预警系统.
目前配电网的故障预警方法主要分为数理统计与人工智能算法两类.数理统计方法以历史故障数据为源,通过灾害与故障信息的量化关系构建配电网故障概率预测模型.文献[47-48]采用统计模型量化灾害下的线路故障率.文献[49-51]构建回归模型用以揭示洪涝等气象灾害对电网设备的影响.人工智能算法则是通过引入灾害信息作为输入变量建立故障预测模型.文献[3,52]运用AdaBoost算法确定配电网故障预测模型.文献[53]计及拓扑变换建立基于极限梯度提升(XGBoost)算法的配电网线路故障风险等级预警模型.文献[54]基于非线性状态估计预测线路状态构建出配电网故障预警模型.文献[55]使用Relief F算法选择输入向量,将支持向量机(SVM)与粒子群算法相结合构建配电网故障预测模型.文献[56]对气象特征数据进行筛选清洗,利用贝叶斯神经网络结构实现气象灾害预警.然而现有方法中,数理统计方法构建的预测模型不能充分反映气象因素对故障率的影响,难以实现精准的在线预警;而人工智能算法受制于灾害影响数据,由于灾害影响配电网的因素有很多,若人工智能算法的输入变量不能准确揭示灾害影响,预测的准确度也会大大降低.
随着极端气候灾害的频繁发生,风险评估研究已经成为电力行业的研究重点,如何定量评估灾害下配电网的风险水平也成为亟待解决的难题.
风险评估是在预警的基础上考虑灾害下设备故障所造成的严重后果,而故障的后果需要以有效的风险评估指标为基础,指标可以量化暴雨灾害下配电网的供电能力.
现有评估指标体系具有多维度多层次的特点.文献[57]以系统资产和停运损失为指标对配电网进行风险评估.文献[58]基于故障概率与严重度函数建立节点级的电压越限风险指标、失负荷风险指标和系统级的总体风险度指标.文献[59]从网架风险与运行风险两个方面选取了负荷损失风险、用户停电风险等十项评估指标.文献[60]从馈电线路、天气和年限老化、元器件、负荷及系统5个角度出发构建了社区配电网风险评估指标体系.文献[61]则提出了包含状态、架构、时间维度的洪涝灾害下配电网三维评估指标体系.
面对暴雨等极端自然灾害,配电网的风险评估在于评估的快速性与准确性.考虑到配电网开环运行的特点,通过推算负荷的停电概率可以有效评估系统的风险.常用的风险评估方法主要分为解析法和模拟法两类.解析法主要通过构建数学模型计算风险指标;模拟法则使用随机数模拟随机过程进行状态选择,进而运用统计的方法求取风险指标.
解析法主要根据系统与元件的逻辑关系建立概率模型.状态枚举法是典型的解析方法,也是最初用于电网风险评估的方法之一[62].但枚举法的计算时间会随着系统的增大而急速增加,并不适用于高阶故障[63].传统的解析法主要基于历史故障率对电网运行状态进行评估,只能实现离线评估,且主要用于电网的规划阶段.暴雨灾害复杂多变,只有在线风险评估才能准确展现灾害下配电网的风险水平,从而支撑灾后的恢复决策.文献[60]采用故障树分析方法对停电风险进行预评估后,基于贝叶斯网络实现了社区配电网的实时风险评估.文献[64]则以贝叶斯网络将设备故障与负荷停电之间的随机关系建模,然后利用牛顿迭代法求解负荷停电概率,以此实现配电网的在线风险评估.
蒙特卡洛模拟法(MCS)是模拟法中最典型的方法,利用计算机与随机数来解决复杂问题,配电网的灾害风险评估中可以运用MCS生成大量的停电场景[65],具体可分为序贯蒙特卡洛与非序贯蒙特卡洛两种[62].序贯蒙特卡洛模拟考虑了系统运行的时序性与元件的修复情况,更适用于激烈程度一般的灾害扰动.文献[66-67]使用序贯蒙特卡洛方法对风暴灾害下的配电网进行了准确评估.非序贯蒙特卡洛模拟又称为状态抽样法,并未计及系统与元件的时序特性.持续时间短或较为激烈的灾害发生时,元件修复工作一般在灾后进行,此种情况可以考虑使用状态抽样法.文献[68]基于状态抽样法实现了雷电灾害下的配电网风险评估.文献[69]则采用改进的状态抽样法兼顾系统的时序性,实现了配电网的短期风险评估.文献[70]将气象模型与地质模型相结合,估计出由暴雨引发的次生地质灾害导致的输电线路故障概率,采用非序贯蒙特卡洛模拟进行风险评估.为了提高极端灾害下故障的模拟效率,子集模拟、拉丁超立方抽样等抽样方法[71-73]也应用于蒙特卡洛模拟中,以降低风险评估的耗时.
由于自然灾害频发,极端灾害下电力系统的故障预警与风险评估已经成为当前的研究热点.由暴雨引发的城市内涝与次生地质灾害均会给配电网带来严重的破坏,如何有效对其进行预警与评估是必须解决的问题.然而,目前研究仍有诸多问题有待解决,主要有关键基础设施协同、电力气象精准预警、配电网暴雨风险评估体系三个方面.
电网、道路和通信等关键基础设施是现代社会的生命线,关键基础设施的故障可能会导致严重的经济与社会后果,同时严重威胁居民的人身安全.配电网作为关键基础设施的一部分,与道路、通信等基础设施的耦合极为紧密,因此暴雨灾害下配电网的故障预警应综合考虑道路、通信等基础设施的抵御灾害能力.
目前灾害下气象预警的指标类型多种多样,而有效的指标应具备明确的物理意义,如何在繁多的指标下选择有效指标,进而确定气象预警的级别有待进一步研究.暴雨灾害影响配电网的因素有很多,配电网预警的智能算法应选择能够充分反映灾害影响且足够多的输入变量,提升预测的准确度.
暴雨、台风和覆冰等极端灾害频发,而现有研究多从台风灾害入手,暴雨灾害下的配电网评估指标和高效评估方法有所欠缺,如何针对暴雨灾害建立配电网风险评估理论体系有待讨论.评估指标可以从有效降雨量出发,针对暴雨引发的内涝与次生地质灾害问题分别进行构建.为了满足暴雨灾害下配电网风险评估的实时性,风险评估方法应具备较高的计算速度,未来研究可以考虑将人工智能算法与现有方法相融合.
极端灾害作为小概率高风险事件,一旦发生便会对配电网造成严重毁坏.面对暴雨灾害频发的现状,进行配电网预警与风险评估技术研究十分必要.暴雨灾害引发的城市内涝与次生地质灾害会给配电网带来严重故障,而故障预警能够极大程度地降低暴雨灾害引起的配电网损失,灾中的风险评估则可用于为灾后恢复提供辅助决策.本文分析了暴雨灾害对配电网的影响机理,介绍了暴雨灾害下气象预警与配电网预警的研究现状,综述了目前的配电网风险评估研究,最后对未来暴雨灾害下配电网预警与评估体系的研究方向进行展望.未来应重点研究关键基础设施协同、电力气象精准预警、配电网暴雨风险评估体系等方面的理论与关键技术.