基于風速風向聯合概率的輸電線路漂浮物故障風險評估

胡筱筱 李柯純

摘 要：近年來，我國國民經濟逐漸獲得了高速的發展，相應的逐漸提高了電網的可靠性要求，輸電線路的風險評估、健康狀態和控制在一定程度上將會直接影響到電網的運行的安全性、可靠性。但是，線路漂浮物會對電網的安全運行造成顯著威脅。根據研究顯示，在總跳閘事故中35～500 kV輸電線路發生漂浮物跳閘事故占7.2%，其中引發的停車事故率高達56.8%，并且在經濟發達地區因大風吹起漂浮物所造成的線路故障率較高，為解除安全隱患，輸電部門需要致力于清除輸電走廊的漂浮物。

關鍵詞：風速風向聯合概率；輸電線路漂浮物；故障風險評估

輸電線路作為組成電網的重要部分，承擔著電能輸送的重要責任，且通常會跨越多個區域，面臨惡劣的環境，大多數設備都會受到機械等的影響，外部環境干擾大，如污染、冰雪和雷電等。關于風險評估和預測電網故障，需要針對實際工程的設計需求，根據電網運行將與之相對應的定級體系與風險評估提出來，以此可以提供一定的決策性輔助信息以供實現電網的調度管理。為有效的將輸電走廊中存在的各種安全隱患提前消除，輸電部門需要對線路的風險狀況進行事先了解。

時空分析

漂浮物所造成的線路故障，主要是指各種異物借助強風，與輸電線路觸碰或飄掛在上面，以此誘發線路空間電場出現畸變而降低線路絕緣裕度，如薄膜、風箏、尼龍繩和包裝袋等，甚至還會引發直接短接空氣間隙，造成導線對地、對導線和對塔材放電，從而導致輸電線路出現跳閘的情況?；谄∥镆话銘覓煸谳旊妼Ь€上，一時之間很難脫離，且發生第一次閃絡后，空氣間隙中的游離導電離子會有所增加，但是，空氣間隙在重合閘過程中會出現二次閃絡事故。為此，線路飄掛物造成電網連續跳閘的可能性較大，更有甚者會導致導線出現熔斷的情況。

根據輸電走廊環境、線路本身特性和氣候特征，可以發現因漂浮物所造成的電網故障要素主要有異物源、致災風速、線路和風向夾角，其中與人類生產活動、環境狀況息息相關的為異物源的產生。同時在人口相對稠密的地方，基于存在存在較多的生產生活廢棄物，出現跳閘的幾率較高，如農業生產活動區域、公園草坪、城市廢棄物品處理區等。

線路漂浮物跳閘率的計算方法

2. 極值風速風向的聯合概率密度

在工程領域中為能夠對風的強度和方向進行精確合理的評估、預測，經常會用到極值風速風向的聯合概率密度函數，在氣象站實測數據的幫助下，可以根據雙特征參數將該密度分布函數建立起來，如下：

2. 漂浮異物掛線故障敏感參數

該參數具體是指輸電線路在強風徑向下的等效迎風面積，與線路檔距、風強度影響系數、最小極值風速等其他7個因素有很大的關系。

2.3 輸電線路漂浮物跳閘率

不同的輸電走廊環境在不同地區所擁有的線路漂浮密度也會有很大的差異，經時空分析得知人口密度和地理環境直接決定了該密度，不同地區的線路漂浮密度計算公式為：

3 風險評估

關于對風險的評估主要包括三個環節。第一，采集線路信息：輸電線路的本體基礎信息、走廊環境信息、附近站點氣象歷史信息等；第二，計利用JPDF函數和相關公式完成對線路漂浮物跳閘率的計算；第三，評定風險等級：采用線路漂浮物跳閘率表征。

4 實例分析

4. 計算跳閘率

選取南方某市100kV的一條輸電線路為例。從輸電部門獲取線路的坐標與桿塔參數，TG全線長度為8.9千米，共有桿塔38級，沿途會經過多個區域，如農業區、工業區和居民區，線路主要分為南北和東西走向。

數據來源于本地區的氣象自動站，共332個，精確到500m×500m的方格，整個研究地區都覆蓋。采用2013年到2015年之內的“小時內極大風速及其風向”數據，來將12個月以內的極值風速風向聯合概念密度構建起來。

采用人口密度與地理環境可以將本地區致災漂浮物的分布情況準確的得到，然后根據TG線的本體特征可以將每月各段跳閘率計算出來，在時域、桿塔段均不同的情況下故障發生的可能性均有明顯不同。

4. 分析評估結果

為對該方法的有效性進行準確的驗證，采用2015年前的數據樣本來展開漂浮物的故障風險評估，然后比較2016年的跳閘情況，如下表。

5 結語

通過時空分析，3、4、6、10月份是線路漂浮物跳閘率最高的時間，多在草地、工農業生產區、城市廢棄物處理區發生；根據聯合密度函數和線路特征參數、地理環境等跳閘率計算方法，可以準確的計算每段桿塔在每個月的跳閘率，從而有助于更好的評估時空風險，保證能夠科學的運營管理輸電線路。

參考文獻：

[1]CARTA J A，BUENO C，Ramirez P.Statistical modelling of directional wind speeds using mixtures of von Mises distributions：case study[J].Energy Conversion and Management，2008，（05）.

[2]XIAO Y Q，LI Q S，LI Z N，et al.Probability distributions of extreme wind speed and its occurrence interval[J].Engineering Structures，2006，（08）.

[3]ERDEM E，SHI J.Comparison of bivariate distribution construction approaches for analyzing wind speed and direction data[J].Wind Energy，2011，（01）.

[4]蘇盛，高大兵，楊洪明，等.郭志全極值風速地域性演化及對風力發電機組安全性的影響[J].高電壓技術，2017，（07）.

[5]陸佳政，周特軍，吳傳平，等.某省級電網220 kV及以上輸電線路故障統計與分析[J].高電壓技術，2016，（01）.