依托風險估測與靈敏度聚類的輸電線路逐級運維方法

夏翔宇

（重慶水務集團公用工程咨詢有限公司，重慶 401120）

0 引言

輸電線路地處野外，主要受季節及天氣的影響，制定合理的運維策略是確保輸電線路可靠性的關鍵所在[1-2]。

從電力設備運維的歷史進程來看，基本是沿著“事故維修—定期維護—狀態檢修”的軌跡發展[3]。當前，狀態檢修的一個分支是對設備進行風險估測以判定隱患嚴重程度，從而確定維護優先級[4]。對于輸電線路來說，由于其延伸廣袤、環境復雜，直接進行狀態在線監測有很大難度，特別需要科學的基于風險估測的狀態評判方法予以支撐。

賈京葦等[5]以決策樹處理架空線路運行的風險致因，以整數規劃構建目標函數，可給出相當長一段時間內的線路運維策略，但未顧及智能電網環境下新能源滲透、需求側響應以及短期機組調度等問題。周承科等[6]綜合考慮天氣狀態、隨機停運等相關因素，依托分散搜索—遺傳混合算法對所有線路作統一優化，雖計算效率高，但缺乏經濟性。武艷等[7]根據運維大數據設計設備缺陷預測模型，并據此對巡檢對象作優化，可提升運維效率，但只限于變電層面。

綜合上述，當前研究雖有成果，但存在改進空間，主要體現在未能得到科學的差異化的線路運維策略。本文將著重就此進行改進，相關技術路線有通過對影響輸電線路運行風險的底層因素的條分縷析，利用多場景技術生成被觀察輸電線路的靈敏度；基于靈敏度的時序特點，依托雙向聚類方法來確立不同線路的維護優先級。

1 總體框架

依托風險估測的運檢方法要義[8]，借助線路故障率模型，考察相異運維措施對故障率的縮減幅值，從而擇定最優運維方案以使線路的運行風險降至最低程度。據此設計如圖1所示的總體流程。

隨著信息化的發展，電力系統各類數采平臺所采集的數據越來越趨向于“量大”、“類雜”、“樣多”。為充分挖掘有效信息，宜吸納基于縱橫雙維度的大數據分析方法[9]，如圖2所示。其中，縱向維度表征風險估測數據的結構層次（以電網數據為中心），能展現相異類型數據影響的層面；橫向維度表征風險估測數據的內在差異（即同一層面之間數據的區別），能映襯電網中同一類型對象在屬性上的不同。顯然，按圖2架構進行數據挖掘，即可得到依時序排列、作用于系統風險的諸底層因素，從而有助于電網薄弱環節的凸顯，為輸電線路差異化維護奠定重要基礎。

圖1 依托風險估測的線路運維決策流程

圖2 基于雙維度分析的風險數據挖掘架構

2 輸電線路差異化運維優化建模

2.1 基于多場景技術的輸電線路靈敏度計算

在按圖2框架分析出底層因素后，應計算各因素的風險導致程度。

式中：X為所考察系統的狀態空間；x為單個狀態，L(x)和P(x)分別為x下的負荷減幅及事件幾率。設所考察系統含n條線路，以Ik為第k條線路的運行狀態（Ik=1→正常，Ik=0→不正常），則有x={I1,…,Ik,…,In}。

靈敏度分析基于偏微分手段，能體現參數微小變化與系統風險改善程度之間的關系[10]。因此，可通過對線路靈敏度計算來辨識線路運維重要性。本文中，首先引入線路失效率λ，然后計算風險指標對λ的靈敏度。

式中：λk為線路k的失效率。通過一系列數學推導（限于篇幅，不做贅述），可獲得如式（3）所示的實用計算式。

式中：ak為線路k的正常率。

在線路數目較少時，可采用狀態枚舉法進行計算；當線路數目較多時，為全面展現多重因素的作用，宜借助多場景技術合成電網運行場景集（場景的實質是對事物蘊含的變量在特定條件下的描述）[2]，以精準表征系統的風險水平和靈敏度指標。參照文獻[7]，本文采用拉丁超立方算法（LHS）生成電力系統場景集，相關步驟如圖3所示。

圖3 LHS算法的步驟

式（4）～（5）分別為基于多場景技術的系統風險指標以及靈敏度指標的計算，這樣可得到各線路隨時間變化的動態靈敏度。

2.2 基于靈敏度雙向聚類的運維優先級劃分

在多維數據環境下，進行線路運維優先級劃分需統籌縱橫雙向。橫向要對不同因素下各線路的靈敏度整體水平進行計算，以確立優先線路；縱向要慮及線路靈敏度的時序性演變，從而獲得具體線路的最優運維時段。

（1）橫向層面。首先建立“持續運維損失”指標來表征因不維護線路k而致使系統風險惡變的程度，如式（6）所示。式中：Fk,v為第v個底層因素作用下線路k的靈敏度；Dv為持續時長。其次采擇K-medoids算法進行運維優先級的橫向聚類，流程如圖4所示。

圖4 K-medoids算法流程

（2）縱向層面。首先對所有線路在各個影響因素下的靈敏度進行匯總，按照橫向聚類的原理和步驟進行聚類；其次計算各類別的平均靈敏度作為類別指標；最后將線路在各個影響因素下的類別指標按照時序排列，并按式（7）判定優先運維時間。

式中：Zk為線路k的運維占時；Ttime為整體運維占時；Ck,v為線路k第v個影響因素下所處的類別指標值；ε為閾值。

經由以上的縱橫雙向聚類操作，一方面可實現輸電線路的逐級運維，另一方面能確立最合理的運維時段區間，從而達成“應修必修、修必修好”的狀態檢修目標。

2.3 差異化運維優化相關流程

評價電力系統運行的基本指標是經濟性和可靠性。因此，在作出差異化運維決策時，一方面要給出科學的運維線路集和科學運維時段；另一方面必須根據運維資源和系統安全進行更進一步的擇優考量，相關目標函數內容和約束條件計如圖5所示。

當輸電線路數目較多時，按圖5進行解空間尋優需要智能算法的支撐。基于花授粉算法（FPA）具有控制參數少、兼顧全局和局部搜索等優點，將采用其作為尋優工具。

圖5 差異化運維優化的目標函數和約束條件構建

最后，將前述內容作綜合，梳理出輸電線路差異化運維方法的整體流程，如圖6所示。

圖6 輸電線路差異化運維方法的整體流程

3 算例檢驗

以IEEE 30系統為算例背景，從縱橫兩個維度攫取影響輸電線路運行狀態的各類因素，如圖7所示。

圖7 基本數據的相關信息

3.1 參數劃設與運行場景集產生

以東南某電網為環境背景，對IEEE 30系統作區域劃分（慮及天氣影響），如圖8所示；梳理各種天氣因素的作用時段和作用范圍，如表1所示。

圖8 IEEE 30系統

各類運行參數（如線路長度、失效率、節點負荷等）限于篇幅不作一一列舉。設定單位時段為1天，每次運維能將失效率降低50%。

圖8及表1表明，為描述系統整年運行態勢，需產生6個基本場景。經由多次抽樣計算，得到各場景下的風險水平，如表2所示（場景符號含義如表1所示）。

表1 關于算例的天氣影響信息

表2 系統初始風險

3.2 運維級別和優先運維時段劃設

首先計算各場景中設備的靈敏度，然后以雙向聚類方法確定各線路的運維優先級以及優先運維時間，如表3及圖9所示。圖9中，起始時間為當前10月，運維時間范圍為全年，以10月1日為運維第1天。

表3 線路運維優先級計算結果

圖9 各線路運維時段劃定

將以上生成的線路運維級別、優先運維時間與圖5所示的相關約束信息相結合，就可產出差異化運維計劃。

3.3 效果比對

為凸顯本文差異化運維方法的合理性，特與整體運維方法作比對（所謂整體運維，就是不區分不同線路在運維迫切性上的差異，采用同時、平等優化的運維方式）。

（1）運維資源充足的情形。在這種情形下，差異化運維和整體運維的所有計劃都可得到執行，兩種運維方式下的相關指標比對如表4所示。由表可知，在同樣保證系統風險水平得到下降的前提下，整體運維所需的總費用比差異化運維所需的費用高出約11.78%，說明其不夠經濟。

表4 運維資源充足情形下兩種運維方式比對

（2）運維資源限定情形。運維資源限定情形不妨設定為400。在這種情形下，差異化運維需逐級考察資源是否夠用，若不夠用將進行篩選優化；整體運維則至始至終需考慮對37條線路作計算，變量非常多。運維資源限定情形下兩種運維方式比對如表5所示。由表可知，在運維資源限定情形下，差異化運維可保證優先級較高線路首先得到運維，從而有效降低系統期望風險費用；整體運維雖然投入費用少，但對系統整體風險的改善較差；從綜合效益上看，差異化運維策略更為優異。

表5 運維資源限定情形下兩種運維方式比對

4 結束語

本文在多因素制約下，基于靈敏度雙向聚類的差異化運維方法為有效、經濟地開展輸電線路運維提供了新的思路。該方法首先將影響風險的因素按縱橫雙維度分解；其次以靈敏度為抓手，通過線路比對和時序分析確立各條線路的運維優先等級和運維優先時段，凸顯差異性特質；最后經由經濟性、可靠性目標限定和各類固有約束限定，獲得最為合理的運維計劃。算例表明，相較于整體運維策略，本文提出的差異化運維方法能更有效地利用資源，獲得更佳的綜合效益。