基于大数据分析的500kV输电线路状态评估分析

罗昌宏 陈 铭

（1.国网湖南省电力有限公司超高压输电检修公司 2.国网湖南省电力有限公司宁乡市供电分公司）

0 引言

输电线路作为电源与电力用户之间的桥梁，其运行状态直接决定着电力系统的整体运行可靠性和安全性。线路在电力系统中承载着重要的运行作用，在这一环节中会同步生成众多的运行数据，主要包括各物理量的实时变化数据信息及出现故障状态的突变数据信息等，相关数据可作为输电线路运行状态评估时的重要参考。但由于输电线路运行数据具有低价值、海量化、来源和架构各异等特征，难以通过传统的数据分析技术进行深入挖掘和利用，而大数据分析技术可实现海量数据信息的采集、发掘以及分析，可作为当代输电线路状态评估的重要技术手段。因此，本文以大数据分析技术为基础，介绍一种500kV输电线路的状态评估方法，有效提高输电线路状态评估的准确性，具有一定的理论和现实价值。

1 评估思路

基于大数据分析的500kV输电线路状态评估基本思路如图1所示。

图1 500kV输电线路状态评估基本思路

2 基于置信度的500kV输电线路基础参量量化方法

根据我国电力系统相关规定，500kV输电线路是最常用的输电类型，且这是一种高压的输电线路，常用在工业园区和大型城市中。其在结构上主要由导电设备、操作设备和安全设施（接地线等）三大类组成，一般有8个单元。对8个单元实施进一步分解细化后，获取到115个基础参量。考虑到500kV输电线路基础参量数量较多，以下仅以绝缘子单元为例进行分析。

常用的置信度计算公式如下：

式中，F（A∪B） 为同时包含A事件和B事件的概率；F（A） 为仅包含A事件的概率；C（A⇒B）为在发生A事件的前提下又出现B事件的概率。

在故障状态条件下，基于公式（1）实施输电线路故障置信度推导，则可形成以下故障状态置信度量化计算公式［1］：

式中，I1为输电线路状态评价结果是故障状态；Xi，j为输电线路第i个单元中的第j个基础参量异常；Yi为第i个单元异常导致的输电线路故障问题。

在严重状态、异常状态以及注意状态下，基于公式（1）进行严重故障置信度推导，在此基础上得到了线路中出现的所有异常状态的置信度表达式，所得结果与公式（2）在结构和内容上较为类似，在此不再另行说明。

在获取输电线路各单元及单元基础参量故障状态、超额故障状态和其余众多不正常状态下的置信度参数后，可以使用相关参数构建权重因子矩阵，具体表达式如下：

式中，p为输电线路各单元基础参量的缺陷状态；m为第m项基础参量。

以绝缘子单元为例，500kV绝缘子单元共包含19项基础参量，则构建的单元置信度绝缘为19×4阶矩阵。

3 基于因子分析法的关键参量提取及体系构建

假设变量总数为p，所有变量记作x1，x2，…，xp；因子变量记作F1，F2，…，Fm，且m ＜p，则可将变量通过矩阵表示为：

式中，X为所有变量的集合，X ＝｛x1，x2，…，xp｝；F为因子变量，可视作多维空间中的m个相互垂直的坐标轴；aij为因子载荷；ε为特殊因子。

假设随机变量集合的协方差为C，该协方差的矩阵特征值为λ1＞λ2＞…＞λk，特征向量为β1，β2，…，βp，其与协方差的对应矩阵为：

假设p个公共因子中前m个公共因子的贡献度较大，则：

根据公式（6）对公式（5）进行简化推导，可获取到：

根据公式（4）进行推导，可获取到以下公式：

根据公式（7）和公式（8）继续推导，可获取到以下公式：

由此可获取到因子载荷矩阵估算结果为：

在实际的应用中，有些情况会将估算状态下的载荷分配进行均匀处理，此时会导致因子的可解释性较弱，需要通过正交旋转法或者因子方差最大化进行处理，获取因子载荷的最大平方和［2］。

利用正交矩阵B与因子载荷矩阵A相乘，获得相乘后（旋转后）的因子载荷矩阵表达式如下：

根据因子包含信息量百分数和旋转后的因子载荷矩阵确定原因子参数权系数。其中因子包含信息量可等效视作因子贡献率，设为α1，α2，…，αm，则因子参量权系数计算公式如下：

依次计算各单元基础参量的权系数值，其中权系数为正数的基础参量为与因子相关性较强参量；权系数为负值的基础参量为与因子关联性较弱参量。分别选取至多10种关联性较强的基础参量，根据8个单元共同构成关键参量体系。

4 关键参量故障率计算方法与权重评估方法

4.1 相对劣化度方法

通过相对劣化度反映设备、系统的劣化程度，其实际数值区间为 [0，]1 。其中相对劣化度为1表示该设备、系统正处于故障状态；反之，相对劣化度为0表示该设备、系统正处于最优状态。数值越接近于1，说明设备、系统劣化程度越严重；反之，则说明劣化程度越轻［3］。一般情况下，设备、系统的相对劣化度评语区间划分见表1。

表1 相对劣化度状态评语

邀请业内专业人士根据现行标准对设备、系统的相对劣化度进行打分评估［4］。

计算状态评价结果的总体标准差，见公式（13）：

式中，n为打分标准种类；V为不同打分评价结果集；Vi为去除掉某一类打分评价标准后的打分评价结果集。

若δ＜1，说明根据多种标准的打分结果基本一致；若δ≥1，说明打分结果过于分散。

通过一致性检验后，求取基于不同评估标准的打分结果均值，该均值就是最终打分结果。

4.2 层次分析法

根据500kV输电线路状态评估特点，构建层次结构模型，如图2所示。

对同一层次的所有指标进行两两对比，进而构建各元素之间的比较矩阵，如下：

通过MATLAB软件计算每一种因素对上层因素的相对权重（重要性权重），实施判断矩阵一致性检验［5］。以绝缘子单元为例，关键参量权重结果见表2。

表2 绝缘子单元关键参量相对权重结果

4.3 500kV输电线路状态评估模型构建

500kV输电线路单元故障率模型如下：

式中，m为各单元关键参数数量；μi和wi分别为第i个关键参量的故障率、对该单元的重要性权重。500kV输电线路故障模型如下：

式中，F（Tk）为输电线路第k基杆塔的故障率；n为输电线路上杆塔数量。

500kV输电线路监控状态评估模型如下：

5 500kV输电线路状态评估分析

某500kV输电线路于2012年投运，全长16.7km，共设置57基杆塔。将输电线路2023年第一季度运行数据、巡视记录信息进行归纳汇总后，通过大数据技术进行深入挖掘分析，并将分析后形成的数据信息作为500kV输电线路状态评估的关键参量数据。

5.1 故障率计算

基于大数据分析获取的关键参量数据，采用相对劣化度方法，根据多种评价标准进行故障打分。以某500kV输电线路2号杆塔塔材缺失故障为例，选取5种较为常用的评估标准进行杆塔故障率打分评估，进而获取到5种标准针对2号杆塔塔材故障的量化打分结果，分别为0.032、0.035、0.029、0.030、0.031。对5种标准下的量化打分结果进行一致性检验分析，获取到一致性检验结果为0.0023＜1，确认5种标准下打分结果基本一致。求取5种标准下的打分结果均值为0.0314，此结果为最终打分结果。

同理，依次计算出2号杆塔周围区域取土、杆塔倾斜度的故障率分别为0.25和0.10。

5.2 状态评估分析

仍以2号杆塔为例，根据杆塔周围区域取土（基础单元）、杆塔倾斜度（杆塔单元）、塔材缺失（杆塔单元）三种故障的故障率及其所在单元位置，合理计算杆塔重要性权重分别为0.0535、0.1022、0.1809。

根据公式（15）计算2号杆塔各单元及其整体故障率，进而获取到基础单元、杆塔单元以及杆塔整体故障率计算结果，分别为0.013、0.016、0.071。

同理，可计算其他杆塔故障率。随机选取500kV输电线路10基杆塔作为主要分析对象，根据公式（16）计算输电线路整体故障率为0.0071，进而通过公式（17）计算500kV输电线路健康状态为0.9929＞0.99，确认某500kV输电线路运行处于正常状态。结合某500kV输电线路具体运行情况，确认此状态评估结果精准性较高，证明了基于大数据分析的500kV输电线路状态评估方法具有较强可行性和有效性。

6 结束语

综上所述，本文基于大数据分析技术，介绍一种适用于500kV输电线路的状态评估方法。此方法以500kV输电线路运行数据、故障检修记录的大数据分析结果为主要参考，结合置信度、因子分析、相对劣化度、层次分析等多种方法共同构建500kV输电线路状态评估模型。根据某500kV输电线路状态评估结果可知，此500kV输电线路状态评估方法的准确性较高。