江苏鑫华半导体科技股份有限公司 许 军
由于交直流并联输电系统相比较普通输电系统,其输送距离更远、功率更大,并且输电能力更强,因此交直流并联输电系统已经广泛应用于跨区域、远距离输电领域,但是对输电系统的稳定性要求更高[1-2]。在实际中经常采取一些手段对交直流并联输电线路运行状态自动化检修,自动化技术可以发挥重要的作用[3]。通过对交直流并联输电线路的数据进行分析和处理,可以快速定位故障点,并提出相应的解决方案。最初采取的检修方式为人工检修方式,由专业技术人员到现场通过对输电线路现场测试和检查,确定线路运行状态,并根据检测结果采取相应的维修措施。这种检修方式不仅工作效率比较低,而且检修成本比较高。自动化检修方式逐渐取代人工检修,为此提出交直流并联输电线路运行状态检修方法研究。
对交直流输电线路运行状态自动化检修,对每个单元进行状态分解,提取出输电线路运行状态参量,其中绝缘子单元运行状态参考包括零值绝缘子片数超标、绝缘子掉串、绝缘子爬距、伞裙脱落、表面破损等[4-5]。根据以上提取的基础参量,采用因子分析法对以上提取的基础参量进行降维处理,对输电线路运行状态参量进行精简,提取到关键状态参量[6]。将输电线路绝缘子、杆塔、接地装置、导地线、基础五个单元作为变量,将每个变量下的基础参量作为因子变量,因子变量可以理解为在多维空间中相互垂直的坐标轴,变量与因子变量之间的关系用公式表示为:
式中,X表示输电线路运行状态自动化检修变量;A表示因子载荷矩阵;F表示因子变量;e表示因子载荷;u表示特殊因子,即不能被因子变量描述的部分[7]。根据特征值计算出每个因子变量的贡献率,其计算公式为:
式中,Y表示因子变量特征值贡献率;vX表示变量协方差矩阵;b表示协方差矩阵的特征量[8]。按照贡献率大小对因子变量排序,如果变量的前三个因子变量特征值贡献率相加接近于100%,则该三个因子变量为该因子的关键参量,由此可以选择出关键参量,用于检测交直流并联输电线路运行状态。
采用置信度的数据处理方法对提取的关键状态参量进行量化,提取出每个状态参量的具体数值,置信度可以反映出关联规则中一个事件对另一个事件的依赖程度,将以上提取的因子变量作为一个事件,将该因子变量对应的单元状态作为另一个事件,则置信度可以定义为输电线路某个单元运行状态异常的前提下因子变量出现的概率,其计算公式为:
式中,C(BDY)表示输电线路运行状态参量置信度;F(B∪DY)表示同时包含两个事件的事件数;B表示一个事件;DY表示因子变量对应的事件;|F(B)|表示包含B的事件[9]。置信度是一个相对值,是因子变量与输电线路运行状态关联准确程度的一个量化,关联程度越高则表示状态参量对输电线路运行状态检测越重要,因此根据状态参量的置信度以及相对劣化度计算出输电线路运行故障率,其计算公式为:
式中,p表示交直流并联输电线路运行故障率;n表示输电线路运行状态关键参量数量;rn表示第n个状态参量的相对劣化度;xn表示第n个状态量[10]。根据输电线路故障率计算出输电线路运行状态异常率,其计算公式为:
式中,g表示交直流并联输电线路运行状态异常率;N表示输电线路单元数量;表示第N个单元对交直流并联输电线路运行状态的重要度权重。根据计算数值可以确定输电线路运行状态,如果g值在0~0.15,则表示当前交直流并联输电线路运行状态正常;如果g值在0.15~0.35,则表示当前交直流输电线路运行处于一般异常状态,继续运行可能会出现故障;如果g值在0.35~0.75,则表示当前交直流输电线路运行处于严重异常状态,继续运行可能会出现轻微故障;如果g值在0.75~1,则表示当前交直流输电线路运行处于危急异常状态,继续运行可能会出现重大故障。根据以上规则得出交直流并联输电线路运行状态检测结果。
根据输电线路运行状态检测结果,确定输电线路运行状态维修时限以及措施,如果检测结果为输电线路运行状态正常,则无须开展任何维修工作,继续保持当前运行状态即可;如果检测结果为输电线路运行状态为一般异常状态,则维修时限为适时开展(≤1个月),适时开启故障单元两端的隔离开关,将故障区段隔离,并对故障单元进行适时维修;如果检测结果为输电线路运行状态为严重异常状态,则维修时限为尽快开展(≤1周),尽快开启故障单元两端的隔离开关,将故障区段隔离,并对故障单元进行尽快维修;检测结果为输电线路运行状态为危急异常状态,则维修时限为立即开展(≤24h),立即开启故障单元两端的隔离开关,将故障区段隔离,并对故障单元进行立即维修。按照上述规则确定输电线路运行状态维修时限以及措施,以此完成了交直流并联输电线路运行状态检修。
为实现对设计方法在实际应用中效果的检验,采用对比试验对设计方法的适用性进行检验,以某区域交直流并联输电线路为试验对象,输电线路长度为12.45km,共计56基杆塔,利用本次设计方法对该交直流并联输电线路运行状态检修,选择两种传统方法作为比较对象,两种传统方法分别为基于BP神经网络的检修方法和基于数据挖掘的检修方法,以下分别用传统方法1与传统方法2表示。调取该交直流并联输电线路本年度第一季度、第二季度运行数据以及巡视记录,获取输电线路各状态参量数据共10000Byte,按照上述流程对各个状态参量量化,计算每个参量的故障率以及状态异常率,确定运行状态、维修时限,具体检修结果见表1。
表1 输电线路运行状态检修结果
本文设计方法基本可以完成线路运行状态检修任务,以下将对具体检修效果进行检验。
试验以检修用时作为三种方法评价指标,以获取输电线路运行状态参量数据时间为开始时间,以输电线路维修决策时间为结束时间,两个时间作差求出输电线路检修时间。试验以输电线路运行状态数据量为变量,使用电子表格记录不同状态数据量下三种方法检修时间,具体数据见表2。
表2 三种方法检修用时对比(s)
从表2中数据可以看出,本文设计方法线路运行状态检修时间相对比较短,虽然三种方法检修时间均随着线路运行状态数据量的增加而增加,但是设计方法检修时间增长幅度比较小,当线路运行状态数据量达到10000Byte时,检修时间仅为1.57s,可以将检修时间控制在2s以内。而两种传统方法检修时间均随着线路运行状态数据量的增加而大幅度增长,当线路运行状态数据量达到10000Byte时,传统方法1检修时间比设计方法长约14s,传统方法2检修时间比设计技术长约16s,因此从检修时间方面来看,设计方法优于传统方法。为了进一步验证设计方法的适用性,对三种方法错检率进行对比,以检修次数为变量,记录三种方法错误检修次数,将其与总检修次数作商求出错检率,根据记录的实验数据绘制三种方法错检率对比图如图1所示。
图1 三种方法错检率对比图
从图1可以看出,在本次试验中设计方法错检率相对比较低,虽然三种方法错检率均随着检修次数的增加而增加,但是设计方法增长比例比较小,当检修次数达到600次时,设计方法错检率仅为1.35%,可以将错检率控制在2%以内,相比之下传统方法1错检率是设计方法的3.86倍,传统方法2错检率是设计方法的4.52倍。因此,本次试验证明了,无论是在检修时间方面还是在错检率方面,设计方法均表现出明显的优势,相比较两种传统方法更适用于交直流并联输电线路运行状态检修。
状态检修是交直流并联输电线路稳定、安全、可靠运行的重要保障手段,此次参考相关文献资料,针对传统方法存在的不足与缺陷,提出了一个新的检修思路,有效缩短了输电线路检修时间,降低了错检率,实现了对传统方法的优化与创新,以及对当前交直流并联输电线路运行状态检修理论的补充与完善。此次研究有助于提高交直流并联输电线路运行状态检修工作的自动化、智能化水平,同时还为实际操作提供了参考依据,具有良好的研究价值。