CN103207340B - 一种输电线路雷电绕击跳闸在线预警方法 - Google Patents

Abstract

本发明公开了一种输电线路雷电绕击跳闸在线预警方法，该方法通过统计历史雷电绕击跳闸信息，应用二维信息扩散理论和条件概率方法得到输电线路绕击跳闸概率分布。选取回波强度、回波顶高，垂直积累液态水含量等雷达预报数据，建立了基于反向传播神经网络的雷电流幅值预测模型，根据预测的雷电流幅值和落雷侧面距离，应用输电线路跳闸概率分布模型，对输电线路绕击跳闸概率进行实时预警并发布预警等级。本发明根据气象雷达实时预报数据，得出输电线路的预报跳闸概率，发布预警信号，给电网调度的运行人员决策分析提供依据，及时做好输电线路调度策略，提高供电可靠性，降低电网的经济损失，提高电网的可靠运行能力。

Description

一种输电线路雷电绕击跳闸在线预警方法

技术领域

本发明涉及一种输电线路雷电绕击跳闸在线预警方法，属于电力系统防雷保护领域。

背景技术

雷电是发生于大气中的一种瞬态大电流、高电压、强电磁辐射的天气现象，通常伴随着强对流天气过程而发生。电力系统的运行经验表明，雷电流侵入电网过程中，可能造成短路，闪络等电气扰动，影响系统的安全稳定运行，统计表明，随着电网规模的扩大，雷击引起的故障对输电线路和电气设备的危害越来越大。对于国内500kV及以下电压等级输电线路，雷击跳闸事故占总跳闸事故的50%，而对于特高压输电线路，这一比例提高到了75%-90%，随着输电线路耐雷水平的提高，反击雷引起的跳闸故障比例逐步较低，雷电引起的跳闸故障主要是由雷电绕击导线引起的。因此，需要对输电线路的绕击跳闸进行分析研究，建立输电线路雷电绕击预警机制，及时采取相应的应对措施，最大限度的提升电网安全性和减少经济损失。

传统的研究重点主要是输电线路绕击的评估方法，为输电线路的防雷设计提供依据，很少涉及到对输电线路进行雷电灾害的实时预警。为了提高电力系统运行的可靠性，降低雷电灾害带来的经济损失和社会影响，有必要对输电线路雷电绕击概率进行预警，为调度人员的运行安排作出指导，以确保系统的可靠运行。

发明内容

针对现有技术存在的上述不足，本发明提出一种输电线路雷电绕击跳闸概率在线预警方法，本方法可根据气象雷达实时预报数据，得出输电线路的跳闸概率，进而发布预警信号，给电网调度的运行人员决策分析提供依据，及时做好输电线路调度策略，提高供电可靠性，降低电网的经济损失，提高电网的可靠运行能力。

本发明实现上述目的的技术解决方案如下：

一种输电线路雷电绕击跳闸在线预警方法，按如下步骤进行：

1）根据历史雷电绕击跳闸事件，应用信息扩散方法分析得到绕击条件概率，然后结合条件概率方法，得到特定雷电流幅值和落雷侧面距离下输电线路发生雷电绕击跳闸的概率分布；

2）根据历史雷达预报数据中的回波强度、回波顶高和垂直积累液态水含量三个参数信息以及对应的雷电流幅值信息，应用bp神经网络训练得到雷达预报数据中回波强度、回波顶高和垂直积累液态水含量三个参数信息跟雷电流幅值之间的关系；

3）对输电线路的经过区域进行网格划分，根据雷电设备得到包括回波强度、回波顶高和垂直积累液态水含量在内的每个网格的实际雷达预报数据，根据第2）步所得结果得出每个网格预测的雷电流幅值；同时依据网格信息计算得到每个网格输电线路的落雷侧面距离；

4）根据第3）步预测得到的每个网格雷电流幅值和计算得到的落雷侧面距离，结合第1）步的输电线路雷电绕击跳闸概率分布，得出每个网格在实际雷达预报数据下输电线路发生绕击跳闸的概率，并发布预警信息；

其中，第1）步中特定雷电流幅值和落雷侧面距离下输电线路发生雷电绕击跳闸的概率分布按如下步骤获得：

1.1）获取历史雷电绕击跳闸事件发生时的信息作为概率分析的样本值，包括雷电流幅值和落雷侧面距离：

(X,Y)={(x₁,y₁),(x₂,y₂),…,(x_M,y_M)}

式中：X表示雷电流幅值

Y表示落雷侧面距离

1.2）信息扩散方法分析样本数据

选取历史M次故障事件作为样本值，分别进行电流幅值指标和侧面距离指标扩展。其指标论域分别为：

U={u₁,u₂,…,u_m}

V={v₁,v₂,…,v_n}

式中；U表示电流幅值指标论域，

V表示侧面距离指标论域。

把观测样本(x_k，y_k)依下式将其信息扩散到u_i，v_j中的所有点。

$f_k(u_i,v_j)=\frac{1}{2\mathrm{\π}{h}_1{h}_2}\exp (-\frac{1}{2}(\frac{{(x_k-u_i)}^2}{{h_1}^2}+\frac{{(y_k-v_j)}^2}{{h_2}^2}))$

式中：h₁，h₂为扩散系数，可以根据样本集合中样本的最大值b和最小值a及样本个数M来确定，其计算公式为：

$h=\left\{\begin{array}{cc}1.4230\×\frac{b-a}{M-1}& M\≤9\\ 1.4208\×\frac{b-a}{M-1}& M\≥10\end{array}\right.$

令

$C_k=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{f}_k(u_i,v_j)$

相应的模糊子集的隶属函数为：

${\mathrm{\μ}}_k(u_i,v_j)=\frac{f_k(u_i,v_j)}{C_k}$

其中μ_k(u_i,v_j)为样本的归一化信息分布。

对μ_k(u_i,v_j)进行处理，可得到一种效果较好的风险评估结果。令

$q(u_i,v_j)=\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\μ}}_k(u_i,v_j)$

$Q=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}q(u_i,v_j)$

样本落在(u_i,v_j)处的频率值为：

$p(u_i,v_j)=\frac{q(u_i,v_j)}{Q}$

1.3）得到输电线路雷电绕击跳闸概率分布

p(u_i,v_j)的物理意义为输电线路发生跳闸时，雷电流幅值为u_i，侧面距离为v_j的概率。其本质是条件概率，可记为p(BC|A)，A表示跳闸事件，B表示雷电流幅值，C表示侧面距离；

根据条件概率公式：

$p\left(\mathrm{BC}\right|A)=\frac{p\left(\mathrm{ABC}\right)}{p\left(A\right)}$

可得：

$p\left(A\right|\mathrm{BC})=\frac{p\left(\mathrm{ABC}\right)}{p\left(\mathrm{BC}\right)}=\frac{p\left(\mathrm{BC}\right|A)\×p\left(A\right)}{p\left(B\right)p\left(C\right)}$

式中：p(A|BC)表示在特定雷电流幅值、侧面距离条件下输电线路发生绕击跳闸的概率；p(A)表示输电线路绕击跳闸的概率，p(B)表示雷电流幅值概率，p(C)表示侧面距离分布概率，p(B)和p(C)为相互独立事件；

在输电线路绕击概率模型中，绕击跳闸概率可用输电线路绕击率计算得到,计算公式如下所示：

P(A)=1-exp(-λt)

式中：λ为输电线路绕击跳闸率；

t为M次故障发生的时间跨度；

雷电流幅值概率的计算公式如下：

p(B)=P(i>I)-P(i>I-I_m)

$P(>I)=\frac{1}{1+{(I/31)}^{2.6}}$

$I_m=\frac{u_m-u_1}{m}$

式中：u_m,u₁分别为电流幅值指标论域的最大值，最小值；

m为电流幅值指标个数；

侧面距离分布概率采用下式计算：

$P\left(C\right)=\frac{N_L}{N}\frac{(v_n-v_1)/n}{0.5L}$

式中：N_L表示线路经过网格数，N表示总网格数，L表示网格宽度；

v_n,v₁分别为侧面距离指标论域的最大值，最小值；

n为侧面距离指标个数。

本发明具有如下有益效果：本发明通过历史雷击跳闸事件分析得出输电线路绕击跳闸概率分布，根据气象雷达实时预报数据，得出输电线路的预报跳闸概率，发布预警信号，给电网调度的运行人员决策分析提供依据，及时做好输电线路调度策略，提高供电可靠性，降低电网的经济损失，提高电网的可靠运行能力。本发明是在分析历史跳闸数据的基础上建立起来的概率预警模型，能反映雷击跳闸的实际信息，根据实际数据得出的理论模型更具科学性，有一定的工程实用价值。

附图说明

图1为输电线路雷电绕击预警流程图。

图2为输电线路绕击跳闸概率分布流程图。

具体实施方式

本发明提出了一种输电线路雷电绕击跳闸概率在线预警方法；该方法通过统计历史雷电绕击跳闸信息，应用二维信息扩散理论和条件概率方法得到输电线路绕击跳闸概率分布，并针对特殊地理环境下的输电线路进行系数修正。选取回波强度、回波顶高，垂直积累液态水含量等雷达预报数据，建立基于反向传播（BP）神经网络的雷电流幅值预测模型，可根据预报的雷达数据，预测得到雷电流幅值并计算出落雷侧面距离，应用输电线路跳闸概率分布模型，可计算出在该雷达预报数据下输电线路发生绕击跳闸概率并实时预警。其具体实现步骤如下：

1）计算输电线路雷电绕击跳闸概率分布：如图2所示：获取历史绕击跳闸事件信息，包括跳闸时的雷电流幅值和落雷侧面距离，根据信息扩散方法得出绕击条件概率分布，即计算出绕击跳闸发生时，雷电流幅值和落雷侧面距离在特定某值的概率。然后结合条件概率方法，得出雷电流幅值和落雷侧面距离在特定某值时，输电线路发生绕击跳闸的概率；具体处理方法如下：

1.1）获取历史雷电绕击跳闸事件发生时的信息作为概率分析的样本值，包括雷电流幅值和落雷侧面距离：

(X,Y)={(x₁,y₁),(x₂,y₂),…,(x_M,y_M)}

式中：X表示雷电流幅值

Y表示落雷侧面距离

1.2）信息扩散方法分析样本数据

选取历史M次故障事件作为样本值，分别进行电流幅值指标和侧面距离指标扩展。其指标论域分别为：

U={u₁,u₂,…,u_m}

V={v₁,v₂,…,v_n}

式中；U表示电流幅值指标论域，

V表示侧面距离指标论域。

把观测样本(x_k，y_k)依下式将其信息扩散到u_i，v_j中的所有点。

$f_k(u_i,v_j)=\frac{1}{2\mathrm{\π}{h}_1{h}_2}\exp (-\frac{1}{2}(\frac{{(x_k-u_i)}^2}{{h_1}^2}+\frac{{(y_k-v_j)}^2}{{h_2}^2}))$

式中：h₁，h₂为扩散系数，可以根据样本集合中样本的最大值b和最小值a及样本个数M来确定，其计算公式为：

$h=\left\{\begin{array}{cc}1.4230\×\frac{b-a}{M-1}& M\≤9\\ 1.4208\×\frac{b-a}{M-1}& M\≥10\end{array}\right.$

令

$C_k=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{f}_k(u_i,v_j)$

相应的模糊子集的隶属函数为：

${\mathrm{\μ}}_k(u_i,v_j)=\frac{f_k(u_i,v_j)}{C_k}$

其中μ_k(u_i,v_j)为样本的归一化信息分布。

对μ_k(u_i,v_j)进行处理，可得到一种效果较好的风险评估结果。令

$q(u_i,v_j)=\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\μ}}_k(u_i,v_j)$

$Q=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}q(u_i,v_j)$

样本落在(u_i,v_j)处的频率值为：

$p(u_i,v_j)=\frac{q(u_i,v_j)}{Q}$

1.3）得到输电线路雷电绕击跳闸概率分布

p(u_i,v_j)的物理意义为输电线路发生跳闸时，雷电流幅值为u_i，侧面距离为v_j的概率。其本质是条件概率，可记为p(BC|A)，A表示跳闸事件，B表示雷电流幅值，C表示侧面距离。

根据条件概率公式：

$p\left(\mathrm{BC}\right|A)=\frac{p\left(\mathrm{ABC}\right)}{p\left(A\right)}$

可得：

$p\left(A\right|\mathrm{BC})=\frac{p\left(\mathrm{ABC}\right)}{p\left(\mathrm{BC}\right)}=\frac{p\left(\mathrm{BC}\right|A)\×p\left(A\right)}{p\left(B\right)p\left(C\right)}$

式中：p(A|BC)表示在特定雷电流幅值、侧面距离条件下输电线路发生绕击跳闸的概率。p(A)表示输电线路绕击跳闸的概率，p(B)表示雷电流幅值概率，p(C)表示侧面距离分布概率，p(B)和p(C)为相互独立事件。

在输电线路绕击概率模型中，绕击跳闸概率可用输电线路绕击率计算得到，计算公式如下所示：

P(A)=1-exp(-λt)

式中：λ为输电线路绕击跳闸率，

t为M次故障发生的时间跨度。

雷电流幅值概率的计算公式如下：

p(B)=P(i>I)-P(i>I-I_m)

$P(>I)=\frac{1}{1+{(I/31)}^{2.6}}$

$I_m=\frac{u_m-u_1}{m}$

式中：u_m,u₁分别为电流幅值指标论域的最大值，最小值；

m为电流幅值指标个数。

侧面距离分布概率采用下式计算：

$P\left(C\right)=\frac{N_L}{N}\frac{(v_n-v_1)/n}{0.5L}$

式中：N_L表示线路经过网格数，N表示总网格数，L表示网格宽度；

v_n,v₁分别为侧面距离指标论域的最大值，最小值；

n为侧面距离指标个数。

对于地理环境特殊的输电线路区域，可用系数k对绕击跳闸概率进行修正：

P_r=k×P

2）计算雷电流幅值和雷达参数之间的关系：根据历史雷达预报数据中的回波强度、回波顶高和垂直积累液态水含量三个参数信息以及对应的雷电流幅值信息，应用bp神经网络训练得到雷达预报数据中回波强度、回波顶高和垂直积累液态水含量三个参数信息跟雷电流幅值之间的关系；

2.1）获取M次雷击事件发生时的参数信息作为训练样本数据。

2.2）应用神经网络函数建立三层前向BP网络，并初始化权值和阀值。

2.3）BP算法对网络进行训练，保存训练结果。

2.4）比较训练结果和历史数据，验证所训练网络的正确性。

3）预测雷电流幅值和落雷侧面距离：对输电线路的经过区域进行网格划分，根据雷电设备得到包括回波强度、回波顶高和垂直积累液态水含量在内的每个网格的实际雷达预报数据，根据第2）步所得结果得出每个网格预测的雷电流幅值；同时依据网格信息计算得到每个网格输电线路的落雷侧面距离；

3.1）获取每个网格的雷达预报数据，包括回波强度、回波顶高，垂直积累液态水含量值。

3.2）雷达预报数据作为输入，应用神经网络训练结果，得到预测雷电流幅值。

3.3）网格中心点近似作为落雷点，落雷点和网格内输电线路两端点可以近似认为是三角形，得出落雷点到输电线路的侧面距离。

$d=\frac{2\×\sqrt{p\×(p-a)\×(p-b)\×(p-c)}}{c}$

式中：P=(a+b+c)/2；

a，b，c为三角形的三边长度；其中c为网格内输电线路长度；

4）获取输电线路雷电绕击跳闸预报概率：根据第3）步预测得到的每个网格雷电流幅值和计算得到的落雷侧面距离，结合第1）步的输电线路雷电绕击跳闸概率分布，得出每个网格在实际雷达预报数据下输电线路发生绕击跳闸的概率，如图1所示。若跳闸概率大于预设的预警门槛值，则发出预警信号，预警信号包括预警时间，跳闸概率和预警等级；若跳闸概率小于预设门槛值，跳过本次预警，雷达设备获取下一时段回波强度等参数的预报值，进行下一时段跳闸概率预报。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种输电线路雷电绕击跳闸在线预警方法，其特征在于：按如下步骤进行：

1)根据历史雷电绕击跳闸事件，应用信息扩散方法分析得到绕击条件概率，然后结合条件概率方法，得到特定雷电流幅值和落雷侧面距离下输电线路发生雷电绕击跳闸的概率分布；

2)根据历史雷达预报数据中的回波强度、回波顶高和垂直积累液态水含量三个参数信息以及对应的雷电流幅值信息，应用bp神经网络训练得到雷达预报数据中回波强度、回波顶高和垂直积累液态水含量三个参数信息跟雷电流幅值之间的关系；

3)对输电线路的经过区域进行网格划分，根据雷电设备得到包括回波强度、回波顶高和垂直积累液态水含量在内的每个网格的实际雷达预报数据，根据第2)步所得结果得出每个网格预测的雷电流幅值；同时依据网格信息计算得到每个网格输电线路的落雷侧面距离；

4)根据第3)步预测得到的每个网格雷电流幅值和计算得到的落雷侧面距离，结合第1)步的输电线路雷电绕击跳闸概率分布，得出每个网格在实际雷达预报数据下输电线路发生绕击跳闸的概率，并发布预警信息；

其中，第1)步中特定雷电流幅值和落雷侧面距离下输电线路发生雷电绕击跳闸的概率分布按如下步骤获得：

1.1)获取历史雷电绕击跳闸事件发生时的信息作为概率分析的样本值，包括雷电流幅值和落雷侧面距离：

(X,Y)＝{(x₁,y₁),(x₂,y₂),…,(x_M,y_M)}

式中：X表示雷电流幅值；

      Y表示落雷侧面距离；

1.2)信息扩散方法分析样本数据

选取历史M次故障事件作为样本值，分别进行电流幅值指标和侧面距离指标扩展；其指标论域分别为：

U＝{u₁,u₂,…,u_m}

V＝{v₁,v₂,…,v_n}

式中；U表示电流幅值指标论域；

      V表示侧面距离指标论域；

把观测样本(x_k，y_k)依下式将其信息扩散到u_i，v_j中的所有点；

$f_k(u_i,v_j)=\frac{1}{2\mathrm{\π}{h}_1{h}_2}\exp (-\frac{1}{2}(\frac{{(x_k-u_i)}^2}{{h_1}^2}+\frac{{(y_k-v_j)}^2}{{h_2}^2}))$

式中：h₁，h₂为扩散系数，可以根据样本集合中样本的最大值b和最小值a及样本个数M来确定，其计算公式为：

$h=\left\{\begin{array}{cc}1.4230\×\frac{b-a}{M-1}& M\≤9\\ 1.4208\×\frac{b-a}{M-1}& M\≥10\end{array}\right.$

令

$C_k=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{f}_k(u_i,v_j)$

相应的模糊子集的隶属函数为：

${\mathrm{\μ}}_k(u_i,v_j)=\frac{f_k(u_i,v_j)}{C_k}$

其中μ_k(u_i,v_j)为样本的归一化信息分布；

对μ_k(u_i,v_j)进行处理，可得到一种效果较好的风险评估结果；令

$q(u_i,v_j)=\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\μ}}_k(u_i,v_j)$

$Q=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}q(u_i,v_j)$

样本落在(u_i,v_j)处的频率值为：

$p(u_i,v_j)=\frac{q(u_i,v_j)}{Q}$

1.3)得到输电线路雷电绕击跳闸概率分布

p(u_i,v_j)的物理意义为输电线路发生跳闸时，雷电流幅值为u_i，侧面距离为v_j的概率；其本质是条件概率，可记为p(BC|A)，A表示跳闸事件，B表示雷电流幅值，C表示侧面距离；

根据条件概率公式：

$p\left(\mathrm{BC}\right|A)=\frac{p\left(\mathrm{ABC}\right)}{p\left(A\right)}$

可得：

$p\left(A\right|\mathrm{BC})=\frac{p\left(\mathrm{ABC}\right)}{p\left(\mathrm{BC}\right)}=\frac{p\left(\mathrm{BC}\right|A)\×p\left(A\right)}{p\left(B\right)p\left(C\right)}$

式中：p(A|BC)表示在特定雷电流幅值、侧面距离条件下输电线路发生绕击跳闸的概率；p(A)表示输电线路绕击跳闸的概率，p(B)表示雷电流幅值概率，p(C)表示侧面距离分布概率，p(B)和p(C)为相互独立事件；

在输电线路绕击概率模型中，绕击跳闸概率可用输电线路绕击率计算得到；计算公式如下所示：

p(A)＝1-exp(-λt)

式中：λ为输电线路绕击跳闸率；

t为M次故障发生的时间跨度；

雷电流幅值概率的计算公式如下：

p(B)＝P(i>I)-P(i>I-I_m)

$P(>I)=\frac{1}{1+{(I/31)}^{2.6}}$

$I_m=\frac{u_m-u_1}{m}$

式中：u_m,u₁分别为电流幅值指标论域的最大值，最小值；

m为电流幅值指标个数；

侧面距离分布概率采用下式计算：

$p\left(C\right)=\frac{N_L}{N}\frac{(v_n-v_1)/n}{0.5L}$

式中：N_L表示线路经过网格数，N表示总网格数，L表示网格宽度；

v_n,v₁分别为侧面距离指标论域的最大值，最小值；

n为侧面距离指标个数。

2.根据权利要求1所述的输电线路雷电绕击跳闸在线预警方法，其特征在于：步骤2)中雷达预报数据中回波强度、回波顶高和垂直积累液态水含量三个参数信息跟雷电流幅值之间的关系按如下方法确定：

2.1)获取M次雷击事件发生时的参数信息作为训练样本数据，这些参数信息包括每次雷达预报数据中回波强度、回波顶高和垂直积累液态水含量以及实际对应的雷电流幅值；

2.2)应用神经网络函数建立三层前向BP网络，并初始化权值和阀值；

2.3)BP算法对网络进行训练，保存训练结果。

3.根据权利要求1所述的输电线路雷电绕击跳闸在线预警方法，其特征在于：第3)步每个网格输电线路的落雷侧面距离按如下方法确定，以网格中心点作为落雷点，落雷点和网格内输电线路两端点认为是三角形的三个顶点，按下式计算得出落雷点到输电线路的侧面距离：

$d=\frac{2\×\sqrt{p\×(p-a)\×(p-b)\×(p-c)}}{c}$

式中：p＝(a+b+c)/2；a,b,c为三角形的三边长度，其中c为网格内输电线路长度。