CN115115163A - 台风过境下输电线路杆塔故障危险度评估方法及存储介质 - Google Patents

Abstract

本发明公开了一种台风过境下输电线路杆塔故障危险度评估方法及存储介质，该方法首先通过台风过境时线路杆塔所处区域的气象、地形的分析，得到线路杆塔所承受的风力荷载及杆塔地基的地质承载，计算外部因素对线路杆塔的直接影响程度；其次，对杆塔本身的物理结构、历史变化进行分析，得到结构承载能力和历史减值承载能力，并进行故障综合分析，最终得到线路杆塔在各种工况下的危险度计算方法。本发明的方法一方面减少对外部因素数据质量低的干扰，另一方面也提高了历史故障数据的利用率，形成的故障危害度评估模型能够有效应用到实际场景中，对于台风登陆前、登陆中、登陆后的电网设备运维抢修提供了可靠的依据。

Description

台风过境下输电线路杆塔故障危险度评估方法及存储介质

技术领域

本发明涉及一种台风过境下输电线路杆塔故障危险度评估方法，尤其是一种利用大数据、人工智能等方法对台风过境下输电线路杆塔故障危险度评估方法及存储介质。

背景技术

台风是沿海地区可能会遇到的自然灾害之一，历年来因为台风造成的电网经济损失十分严重，反映出现有电网防台风能力普遍不足。电网建设经过多年的建设，稳定可靠运行已有较大改进，不过对于抵御强台风袭击的要求还存在差距，沿海部分中心城区500千伏变电站布点不足，区域500千伏供电电源通道过于集中，极端灾害情况下大面积停电风险比较突出。

但是由于线路杆塔上安装监测终端覆盖率低等问题，台风对电网影响的数据收集一直不大完善，台风期间的各种缺陷故障很难和相应的台风等相关数据相融合，形成有用的结构化数据，所以数据质量问题一直是困扰各个台风相关应用场景的关键点之一，用少量的结构化数据建立台风影响模型会导致模型泛化性能较弱，准确性不高。

针对以上问题，利用大数据、人工智能等方法与现有分析方法结合，研究如何评估台风过境下输电线路杆塔故障危险度，以便有效提高台风过境对线路巡检、抢修工作安排的准确性和高效性等，具有较强的必要性和针对性。

发明内容

本发明要解决的技术问题在于提供一种台风过境下输电线路杆塔故障危险度评估方法，该方法首先通过台风过境时线路杆塔所处区域的气象、地形的分析，得到线路杆塔所承受的风力荷载及杆塔地基的地质承载，计算外部因素对线路杆塔的直接影响程度；其次，对杆塔本身的物理结构、历史变化进行分析，得到结构承载能力和历史减值承载能力，并进行故障综合分析，最终得到线路杆塔在各种工况下的危险度计算方法。本发明用于评估输电线路杆塔故障危险度的主要要素包括以下4个方面：

(1)气象因素：线路杆塔所处的台风风力、风速引起的载荷变化；

(2)地形因素：线路杆塔地基的地形、地质在台风降雨下引起的载荷变化；

(3)结构参数：线路杆塔的电压等级、类型、材质所确定的结构承载能力变化；

(4)运行历史：线路杆塔的投运时间、检修时间、缺陷情况所引起的减值承载能力变化。

本发明台风过境下输电线路杆塔故障危险度评估方法包括下列步骤：

步骤1，气象因素评估

台风中风力、风圈移速、风向是对线路杆塔设备造成破坏的最重要的几大因素，风力越高破坏力越强，强风会导致主网和配网的杆塔倒塌，倾斜。风圈移速越缓慢对电网设备的持久破坏力越大。风向与输电线路的走向垂直，与风向垂直的线路段落受风力度最大，杆塔的横向拉力达到最大，与风向平行的段落受风力度最小。

气象因素的影响基于梯度提升决策树(GBDT)算法进行评估，采用历史电网台风灾害管理中累积的大量历史灾情样本用于训练模型。评估步骤如下：

(1)特征加工

选取历史受破坏的线路杆塔在风圈过程中累积的最大风力、最小风力、平均风力、单日累加最大风力、单日累加平均风力、七级风圈持续时长、十级风圈持续时长、十二级风圈持续时长、最大风偏角、平均风偏角、最小风偏角等11个特征指标作为模型输入特征。

(2)构建训练集

训练集T₁:

T₁＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)},每个样本点由实例与标记组成。实例x_i∈X∈Rⁿ,标记y_i∈Y∈{0,1}；Rⁿ为所有实例空间，X为实例集合，Y为标记集合。

(3)模型初始化

输入GBDT模型f(x)，初始化模型，估计使损失函数极小化的常数值，它是只有一个根节点的树，其中L为损失函数，γ学习率是一个常数值。

(4)计算样本残差

令迭代次数m＝1,2,...,M，样本i＝1,2,...,N，利用每个样本计算损失函数的负梯度在当前模型的值r_im，做为此次迭代中回归树的拟合目标，将它作为残差的估计，估计回归树叶节点区域，以拟合残差的近似值，其中L为损失函数，计算公式如下：

(5)拟合回归树

对r_im拟合一个CART回归树，得到叶子节点集合R_jm，j＝1,2,...,J_m。利用线性搜索估计叶节点区域的值，计算每个叶子节点的参数δ_jm，使损失函数L极小化，其中γ学习率是一个常数值，计算公式如下：

(6)得到结果

根据公式

更新回归树，并得到最终的气象因素影响度TFS_m。

步骤2，地形因素评估

线路杆塔所处的地形、地质等位置环境也至关重要，在高坡或着山地等高海拔地区的设备受到风力的影响会更大，地质较松散地区遇到台风的强风强降雨影响可能会发生滑坡、泥石流等地质灾害，从而破坏电网设备，主要影响线路杆塔的抗风能力的要素及量化评分如表1所示。

表1地形要素量化评分表(0-10分)

地形因素的计算首先采用网格法将区域划分为1*1km²的网格单元，对每个网格评价单元进行各因素信息量值的加权叠加，从而得到研究区每个评价单元的地质灾害敏感性指数，主要反映该因子对地质灾害影响的相对重要性，通过相关专家根据每个因子对地质灾害发生的相对影响程度并结合研究区实际地质环境情况进行针对性打分，依据于此构建层次分析法模型，合理地给出每个因子的权重值k_i，如表2所示，k_i可结合预测结果与实际发生情况的对照验证从而作适当调整。

表2地形要素评价因子权重取值

地形因素计算方法如下公式：

步骤3，结构参数评估

不同结构的设备类型也是影响故障的一大原因，同一地区的不同类型的杆塔或者设备对台风的响应也不一样，设备的结构参数也决定了线路杆塔的抗风等级，主要影响线路杆塔的抗风能力的要素及量化评分如表3所示。

表3结构参数影响要素量化评分表(0-10分)

表4结构参数评价因子权重取值

针对表3中的各项因子确定权重如表4所示，结合历史上线路杆塔的实际台风受损情况进行针对性专家打分，通过相关专家根据每个因子抵抗台风的相对影响程度进行，并依据于此构建层次分析法模型，合理地给出每个因子n_i的权重值s_i，结构参数影响度计算方法如下公式：

步骤4，运行历史评估

线路杆塔的投运时间决定了设备的老化程度，越是老化的设备在台风经过时故障率就越是频繁，新设备相对老设备来说抗风能力要强很多。遭受破坏的线路杆塔会进行大量的修复加固工作，所以在下次台风中仍然出现故障的几率会小很多，所以设备上次的检修时间也是故障率高低的一大因素，距离上次检修时间越长，产生故障的概率就越高。发生重大及以上结构缺陷会引起线路杆塔的结构性受损，特别是发生多次缺陷，隐含的风险变得更高，在下一次台风中存在隐患的部位将产生严重问题。主要影响线路杆塔的抗风能力降低的要素以及进行量化转化的数值如表5所示。

表5运行历史影响要素及量数值化表

运行历史因素的影响规律较复杂，难以通过专家评分的方法进行，采用逻辑回归(Logistic Regression)算法进行评估，用历史电网台风灾害管理中累积的大量历史灾情样本用于训练模型，用历史样本进行训练得到评估模型。计算步骤如下：

(1)特征量化

根据历史灾害数据，按照不同要素类型Sⁿ进行统计，对投运年限、杆塔检修年限、重大及以上结构缺陷累计次数三类要素进行量化处理，按照[0-10]分进行量化，具体要素S的量化数值见表5。

(2)构建训练集

训练集T₂：

T₂＝{(a₁,b₁),(a₂,b₂),...,(a_n,b_n)},每个样本点由实例与标记组成。实例a_i∈A∈Sⁿ,标记b_i∈B∈{0,1}；Sⁿ为所有实例空间，A为实例集合，B为标记集合；

(3)模型初始化

输入LR模型FR(a)，初始化模型，采用线性边界求解z＝w₀+w₁a₁+w₂a₂+...+w_na_n，其中z是边界函数，w_n是待求解的权值，a_n是样本。构造的预测函数FR(a)如下：

(4)模型训练

模型的求解使用极大似然估计法，令迭代次数m＝1,2,...,M，样本i＝1,2,...,N，利用每个样本计算损失函数的梯度，损失函数L_cost定义如下：

(5)得到结果

不断更新(4)中的权重w，计算(4)中概率P(a_i,w)，使得(4)中损失函数L_cost的值能够不断减小，经过M轮迭代后的损失函数L_cost达到最小，从而得到运行历史影响度TFS_r。

步骤5，计算综合影响度

根据之前得到的气象因素影响度TFS_m、地形因素影响度TFS_t、结构参数影响度TFS_s、运行历史影响度TFS_r，分别对4个因素进行规范化处理，规范化计算公式如下：

最终按照下面公式计算，得出线路杆塔的故障危险度TFS：

TFS＝TFS_m+TFS_t+TFS_s+TFS_r

步骤6，评估线路杆塔故障危险度

线路杆塔故障危险度TFS等级的标准定义如下:

(1)若TFS≤25，则危险度为一级，线路杆塔发生故障概率低，安全。

(2)若25<TFS≤50，则危险度为二级，线路杆塔发生故障概率较高，低度危险。

(3)若50<TFS≤60，则危险度为三级，线路杆塔发生故障概率高，中度危险。

(4)若60<TFS≤80，则危险度为四级，线路杆塔发生故障概率非常高，高度危险。

(5)若TFS>80，线路杆塔发生故障概率极高，其高度危险。

一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本发明所述的台风过境下输电线路杆塔故障危险度评估方法的步骤。

本发明的有益效果：

本发明通过线路杆塔所处的气象、地形等外部因素与设备结构、运行历史等内部因素进行结合，一方面减少对外部因素数据质量低的干扰，另一方面也提高了历史故障数据的利用率，形成的故障危害度评估模型能够有效应用到实际场景中，对于台风登陆前、登陆中、登陆后的电网设备运维抢修提供了可靠的依据。

附图说明

图1为本发明的台风过境下输电线路杆塔故障危险度评估方法的流程图。

具体实施方式

以下结合附图和实施例具体说明本发明的技术方案。

实施例1

本发明台风过境下线路杆塔故障危险度评估方法的计算步骤具体如下：

1)气象因素计算

获取2016年至今5年的历史台风气象数据和台风路径上的设备数据，按照台风发生的时间(天)将设备数据和气象数据进行整合，数据包括设备名称、是否故障、天、小时、风圈级别、风速、风向。详细评估步骤如下：

(1)特征加工

对样本数据进行特征加工，样本数据处理为最大风力、最小风力、平均风力、单日累加最大风力、单日累加平均风力、七级风圈持续时长、十级风圈持续时长、十二级风圈持续时长、最大风偏角、平均风偏角、最小风偏角等11个特征。

(2)构建训练集

发生故障或缺陷的设备数据作为正样本，无故障或缺陷的设备数据作为负样本、正负样本数量比例为1:2。

(3)模型初始化

采用GBDT模型进行训练，选择exponential损失函数，学习率为0.1，迭代次数为300，其他参数为默认值。

(4)模型训练

开始模型训练，GBDT模型不断计算样本残差，不断拟合回归树，完成迭代，如果残差过早或还未收敛，进一步调整迭代次数。

(5)得到结果

完成模型训练，得到气象因素影响结果TFS_m。

2)地形因素计算

获取设备所处的地形数据，采用网格法将区域划分为1*1km²的网格单元，针对每个线路杆塔进行打分，打分要素量化评分表参见表1，得分结果如下表(示例)。

设备	地形要素	影响分值
			#1杆塔	坡度m<sub>1</sub>	5
#1杆塔	地质类型m<sub>2</sub>	5
			#1杆塔	矿山开采度m<sub>3</sub>	7
#1杆塔	地貌类型m<sub>4</sub>	5
			#1杆塔	地面植被m<sub>5</sub>	7
#2杆塔	坡度m<sub>1</sub>	3
			#2杆塔	地质类型m<sub>2</sub>	10
#2杆塔	矿山开采度m<sub>3</sub>	5
			#2杆塔	地貌类型m<sub>4</sub>	5
#2杆塔	地面植被m<sub>5</sub>	6
			...	...	...

相关专家按照表2确定每个因子对地质灾害发生的相对影响程度并结合研究区实际地质环境情况，进行针对性打分，结果如下(示例)：

依据权重值k构建层次分析法模型，按照如下公式计算，得到地形因素影响结果TFS_t。

3)结构参数计算

获取设备的铭牌参数数据，打分要素量化评分表参见表3，得分结果如下表(示例)。

设备	结构参数	影响分值
			#1杆塔	电压等级n<sub>1</sub>	3
#1杆塔	杆塔分类n<sub>2</sub>	5
			#1杆塔	导线类型n<sub>3</sub>	7
#1杆塔	杆塔类型n<sub>4</sub>	5
			#1杆塔	杆塔材质n<sub>5</sub>	5
#2杆塔	电压等级n<sub>1</sub>	3
			#2杆塔	杆塔分类n<sub>2</sub>	9
#2杆塔	导线类型n<sub>3</sub>	7
			#2杆塔	杆塔类型n<sub>4</sub>	5
#2杆塔	杆塔材质n<sub>5</sub>	5
			...	...	...

相关专家根据每个因子抵抗台风的相对影响程度，进行针对性打分，得到结构参数评价因子结果如下(示例)：

依据权重值s构建层次分析法模型，按照如下公式计算，得到地形因素影响结果TFS_s。

4)运行历史计算

获取2016年至今5年的设备运维类数据，包括设备的投运时间、检修情况、缺陷(故障)情况等，每个设备杆塔的打分要素量化评分表参见表4，得分结果如下表(示例)。

运行历史因素的综合打分采用逻辑回归(Logistic Regression)算法，通过2016年至今5年的台风中缺陷(故障)设备作为正样本进行训练，训练过程与本发明的“1)气象因素计算”环节类似，这里不再赘述。最终得到运行历史影响结果为TFS_r。

5)计算综合影响度

根据之前得到的气象因素影响度TFS_m、地形因素影响度TFS_t、结构参数影响度TFS_s、运行历史影响度TFS_r，分别对4个因素进行规范化处理，规范化计算公式如下：

最终按照下面公式计算，得出线路杆塔的故障TFS。

TFS＝TFS_m+TFS_t+TFS_s+TFS_r

6)线路杆塔故障危险度

根据本发明定义的线路杆塔故障危险度等级的标准，得到最终危险度TFS分值及等级。

本实施例的评估及检验结果：

通过以上步骤的计算，得到台风环境下的线路杆塔故障危险度TFS，整体的精准度较高，稳定性强，不会出现不同台风、不同路径下的危险度跳跃、突变问题，通过建立更为准确的电网台风影响分析模型，模拟台风过境对电网的影响及危险情况，辅助企业在台风登陆前后的开展科学的应急策略制定。

Claims (9)

1.一种台风过境下输电线路杆塔故障危险度评估方法，其特征在于，包括以下步骤：

步骤1，气象因素的影响评估：基于梯度提升决策树(GBDT)算法进行评估，采用历史电网台风灾害管理中累积的大量历史灾情样本用于训练模型，得到最终的气象因素影响度度TFS_m；

步骤2，地形因素的影响评估：首先对影响线路杆塔的抗风能力的多种地形要素进行量化评分，得到各地形要素的影响分值m_i；然后对每个地形要素给出权重值k_i；按照下式计算地形因素的影响度TFS_t：

步骤3，杆塔结构参数的影响评估：首先对不同杆塔结构参数的抗风能力进行量化评分，得到不同杆塔结构参数的影响分值n_i；然后对每个杆塔结构参数给出权重值s_i；按照下式计算杆塔结构参数的影响度度TFS_s：

步骤4，运行历史评估

(1)特征量化：根据历史灾害数据，按照不同要素类型Sⁿ进行量化处理，各要素分值S；

(2)训练集T₂：

T₂＝{(a₁，b₁)，(a₂，b₂)，...，(a_n，b_n)}，每个样本点由实例与标记组成；实例a_i∈A∈Sⁿ，标记b_i∈B∈{0，1}；Sⁿ为所有实例空间，A为实例集合，B为标记集合；

(3)模型初始化：输入LR模型FR(a)，初始化模型，采用线性边界求解z＝w₀+w₁a₁+w₂a₂+…+w_na_n，其中z是边界函数，w_n是待求解的权值，a_n是样本；构造的预测函数FR(a)如下：

(4)模型训练：模型的求解使用极大似然估计法，令迭代次数m＝1，2，...，M，样本i＝1，2，...，N，利用每个样本计算损失函数的梯度，损失函数L_cost定义如下：

(5)得到结果：不断更新(4)中的权重w，计算(4)中概率P(a_i，w)，使得(4)中损失函数L_cost的值能够不断减小，经过M轮迭代后的损失函数L_cost达到最小，从而得到运行历史影响度TFS_r；

步骤5，计算综合影响度

根据气象因素影响度TFS_m、地形因素影响度TFS_t、结构参数影响度TFS_s、运行历史影响度TFS_r，分别对4个因素进行规范化处理，规范化计算公式如下：

最终得出线路杆塔的故障危险度TFS：TFS＝TFS_m+TFS_t+TFS_s+TFS_r；

步骤6，按照不同阈值评估线路杆塔故障危险度。

2.根据权利要求1所述的评估方法，其特征在于，所述步骤1还包括：

(1)特征加工

选取历史受破坏的线路杆塔在风圈过程中累积的最大风力、最小风力、平均风力、单日累加最大风力、单日累加平均风力、七级风圈持续时长、十级风圈持续时长、十二级风圈持续时长、最大风偏角、平均风偏角、最小风偏角等11个特征指标作为模型输入特征；

(2)构建训练集

构建训练集T：

T＝{(x₁，y₁)，(x₂，y₂)，...，(x_n，y_n)}，每个样本点由实例与标记组成；实例x_i∈X∈Rⁿ，标记y_i∈Y∈{0，1}；Rⁿ为所有实例空间，X为实例集合，Y为标记集合；

(3)模型初始化

输入GBDT模型f(x)，初始化模型，估计使损失函数极小化的常数值，它是只有一个根节点的树，其中γ是一个常数值；

(4)计算样本残差

令迭代次数m＝1，2，...，M，样本i＝1，2，...，N，利用每个样本计算损失函数的负梯度在当前模型的值，将它作为残差的估计，估计回归树叶节点区域，以拟合残差的近似值，计算公式如下：

(5)拟合回归树

对r_im拟合一个CART回归树，得到叶子节点集合R_jm，j＝1，2，...，Jm；利用线性搜索估计叶节点区域的值，使损失函数极小化，计算公式如下：

(6)得到结果

根据公式

更新回归树，并得到气象因素影响度TFS_m。

3.根据权利要求1所述的评估方法，其特征在于，在步骤2中，所述影响线路杆塔的抗风能力的多种地形要素进行量化评分为：

4.根据权利要求3所述的评估方法，其特征在于，在步骤2中，所述每个地形要素的权重值k_i为：

评价因子m_i 坡度 地质类型 矿山开采度 地貌类型 地面植被 权重k_i 5 8 4 7 4

。

5.根据权利要求1所述的评估方法，其特征在于，在步骤3中，所述对不同杆塔结构参数的抗风能力进行量化评分为：

6.根据权利要求5所述的评估方法，其特征在于，在步骤3中，所述对每个杆塔结构参数给出权重值s_i为：

评价因子n_i 电压等级 杆塔分类 导线类型 杆塔类型 杆塔材质 权重s_i 4 8 8 5 4

。

7.根据权利要求1所述的评估方法，其特征在于，在步骤4中，所述不同要素类型的分值为：

8.根据权利要求5所述的评估方法，其特征在于，在步骤6中，所述按照不同阈值评估线路杆塔故障危险度包括：

(1)若TFS≤25，则危险度为一级，线路杆塔发生故障概率低，安全；

(2)若25<TFS≤50，则危险度为二级，线路杆塔发生故障概率较高，低度危险；

(3)若50<TFS≤60，则危险度为三级，线路杆塔发生故障概率高，中度危险；

(4)若60<TFS≤80，则危险度为四级，线路杆塔发生故障概率非常高，高度危险；

(5)若TFS>80，线路杆塔发生故障概率极高，其高度危险。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8任一项所述的台风过境下输电线路杆塔故障危险度评估方法的步骤。

Images