1010100 kVkVkVV線路選拉接地序位表的制定

李 媛，李易斯，張司宇，秦永寬

（國網宜春供電公司，江西宜春 336000）

0 引言

變電站的10 kV配網線路擔負著主網和配網的連接樞紐，其安全穩定運行是保證配網可靠運行的重要保障[1]。在110 kV及以下的非直接接地系統中，線路單相或兩相10 kV線路接地故障是配電網頻發的故障之一[2]，也是配網運行面臨的主要問題。接地會抬高正常相電壓，加快線路絕緣老化甚至引發火災[3]。調度管理規程規定10 kV線路接地不允許超過2 h[4]，否則需停電檢修。線路接地故障查找和處理起來困難較大[5]，通常采用選拉接地的方法排除接地線路。

現有選拉接地的原則及方法主要考慮負荷的重要性，為考慮線路運行水平，選拉接地的先后順序主要依靠區縣公司提供的選拉順序以及老調度員的經驗[6]，受主觀影響較大，在變電站10 kV出線較多時，試拉路選線次數多，持續時間長，將大大縮短設備的機械壽命，降低線路的絕緣水平[7]。有必要梳理10 kV出線的運行情況，根據出線的重要性以及接地的可能性，制定科學合理的選拉序位表，供調度員參考，確保安全、快速、有效的排除接地故障。

1 10 kV線路接地選拉線現狀

截至2014年底，宜春電網110 kV及以上變電站供電的10 kV線路共有292條，除城網直屬78條外，其他由縣（區）公司負責運行管理。

對2012-2014年宜春地調網內的10 kV配網線路接地情況的統計發現架空線路發生單相接地的故障概論較高，且接地故障的產生存在一定的隨機性、突發性，現有的選拉原則主要考慮用戶重要性，準確率較低。同時，監控系統遠控失靈、調度員的經驗差異以及選線過程缺乏時間順序的約束等導致接地時間不必要的延長。

宜春地區春、夏季的雷暴、降雨較為集中，雷雨大風天氣對線路接地影響明顯。對比3年的數據及縱向對比3年每月的平均接地次數，4、6、7、8月平均接地次數明顯高于其他月份。

2 影響線路接地的客觀原因

該文選取110 kV東山變作為研究對象，分析各影響因子對線路接地的影響。該變電站共有28條出線，其中16條公用線路，12條專線，3條農網線路，25條城網線路，統計到2012-2014年間的線路接地共27次。

該文先對統計容易引起接地故障的線路其特征和原因，確定對接地影響明顯的客觀因素。10 kV配網線路出現接地故障的主要原因是導線斷線落地或搭在橫擔上、配電變壓器高壓引下線斷線、竹樹短接等[8]。對比宜春電網10 kV線路接地情況，發現線路接地出現次數受線路的投運時間、線路長度等因素影響明顯。分析2012-2014年接地次數超過6次的線路的特性，發現接地次數較多的線路均具有以下特點：屬于農村農網，線路投運時間長，線路長且線路多為架空線路甚至裸導線。

1）線路投運時間。

投運時間超過15年的線路接地有17次，占62.97%。可知投運時間長的線路，因為設備老舊，絕緣相對受損程度大，發生接地的可能性增加。

2）線路長度。

線路長度超過10公里的也是17次，占總次數的62.97%。可知線路長度越長，遭遇異常、故障而發生接地的范圍會擴大，概率隨之增加。

3）線路類別。

電纜率低于50%的線路發生接地21次，占總接地次數的77.8%。由于電力電纜受氣候條件和周圍環境的影響相對架空線路小，傳輸性能穩定，可靠性高，因此同樣的長度和投運時間下，電纜發生接地的可能性遠小于架空線路。

4）用戶特性。

公用線接地次數達21次，占比為77.7%。分析可知公用線路包含用戶數量較多，并且電纜化率較低。

5）地區特征。

農網和城網線路建設管理水平存在較大差異。農網線路平均接地1.33次/條，而城網線路平均接地0.3次/條。分析可知農網受所處地域開闊，易出現導線斷線，絕緣子擊穿，且易受樹木短接、風偏、異物、雷雨等影響，接地概率更大。

統計分析未發現其他特性存在明顯規律，根據以上分析，初步確認線路接地的原因主要是以上幾點因素，由此根據10 kV線路的運行情況詳細分析，利用數學建模對各個影響因素的權重進行初步分配[9]。

3 基于神經網絡的影響因子的權重計算

確定權重的方法主要有客觀和主觀賦權法[10]，主觀賦權法主要是由專家根據經驗主觀判斷而得到，如起步較早的AHP法、Delphi法等但客觀性較差。客觀方法中有網絡神經權重法等，該文采用人工神經網絡法分析各因素的權重，再制定出選拉線序列表[11]。

人工神經網絡（Artificial Neural Network，ANN），其數學模型建立的理論是依據動物的神經活動，進行分布式并行處理以及非線性轉化。該文采用前向型BP（Back Propagation）神經網絡，它是時下人工神經網絡中研究最透徹、實際應用最為寬廣的一種模型。

BP神經網絡學習時，輸入信號從輸入層經過中間的隱含層正向傳播傳至輸出層，若輸出層輸出值在范圍內，則相應的學習算法結束；若沒有達到期望范圍之內，則將誤差信號反向計算，為使誤差信號下降。反向計算采用最優化算法中的梯度下降法調整各層神經元的權值。

如果本神經元的輸入為：

4 110 kV變電站的序位表制定

本文以110 kV東山變電站為例，先計算線路投運時間、線路長度、線路類別、用戶特性、地區特征的影響權重，再制定10 kV線路接地選拉序位表。

由于投運時間、用戶性質、地區特征、線路長度、線路類別（電纜線路、架空線路、裸導線）五個影響因子的屬性不同，先進行無量綱化和歸一化，經過BP神經網絡反復訓練計算，最終確定各因素對線路接地情況的權值為：w1=0.45，w2=0.05，w3=0.05，w4=0.25，。

w1為為投運時間的權值，w2為為用戶性質的權值，w3為為地區特征的權值，w4為線路長度的權值，w5為線路類別的權值。

從計算結果可知，線路投運時間、線路類別、線路長度等因素對線路接地的影響較明顯，而用戶性質及所處地區對接地的影響較弱。

根據計算的權重分配得出該變電站上各出線的選拉序列表。序位值越大，認為接地的可能性最大，先被選拉。由于部分專線需要先通知用戶后，才能選拉，將序位值為處理為負值。制定該序位表后，在10 kV母線出線接地后，調度員可以直接參考做出判斷，快速準確進行試拉路，克服傳統試拉路選線時對經驗的依賴性，并簡化了中間等待和溝通過程。

宜春地調值班人員參考選拉線序列表后，接地故障排除時間由原來平均35.6 min縮短至12.1 min，停電線路減少了1至8條，停電時間和工作量明顯減少。

5 結束語

本文通過統計10 kV配網線路接地試拉現狀，分析了線路運行情況對接地故障的影響程度，制定出變電站選拉接地序位表，縮短了停電時間，減少了停電線路，與傳統人工拉路方法做出比較，充分體現了接地選拉的客觀性和快速性。

提高了用戶的用電可靠性，通過信息搜集對線路進行摸底，加強了對專線的了解，深入了解了用戶需求，可以有效避免重要用戶因臨時停電產生的經濟損失和人生安全威脅等。

對供電企業，通過相對減少單相接地故障試拉線路條數，減少了調度員的操作量，提高選拉成功率，有效減少因拉路造成的停電次數并縮短停電時問，提升了電網運行的安全系數。保障電網的安全穩定運行和對客戶的持續可靠供電，顯著提升供電連續性和減少部分電量損失，提高了用戶滿意度，有助于實現供電企業的優質服務。

對于結構復雜、線路較多且發生單相接地故障幾率較高的10 kV配網，變電站10 kV線路單相接地故障試拉路序位表的制定使電網的安全可靠運行又向前邁進了一步，具有廣泛的應用空間。

[1]于曉麗.淺談10kV配電網的規劃設計電源技術應用，2013，（09）.

[2]時勇.10kV配電線路跳閘次數的方法[J].中國電力教育，2010，（06）：228-229.

[3]陳銳波.減少線路跳閘次數提高供電可靠性[J].應用科技，2010，11：26.

[4]江西省電力公司.江西電網調度管理規程[M]2011：76-77.

[5]肖白.改進的拉路選線法[J].吉林電力，2003，（04）：7-9.

[6]黃張峰.降低10 kV小電流接地系統試拉路選線不成功率[J].南京電力，2011，11：111-116 1.

[7]任艷君.提高10 kV配網供電可靠性的技術措施[J].科技咨詢，2011，（32）.

[8]果然.影響電力系統短期負荷預測因素的權重分析方法[J].華北電力學報，2007.9.

[9]陳久奇.10kV線路單相接地故障試拉路序位表[J].安全生產，2013，（05）：33-34.

[10]周開利.神經網絡模型及其MATLAB仿真程序設計[M].清華大學出版社，2005.

[11]林韜.BP算法的MATLAB工具箱在短期負荷預測中的應用[D].西南交通大學，2010.