CN104750976A - 一种输电线路状态评价参数体系的构建方法 - Google Patents

Abstract

本发明公开了一种输电线路状态评价参数体系的构建方法，包括：步骤S1，建立基础参数体系；步骤S2，将基础参数体系中各部件的基础参量量化；步骤S3，对主成分分析法稍作改进，提取各部件的关键参量，最终建立关键参数体系。本发明降低状态评价参量的复杂性，去除了和故障缺陷相关性不大的参量，有利于降低输电线路人工巡检、运维等实际工作的成本和复杂度。

Description

一种输电线路状态评价参数体系的构建方法

技术领域

本发明涉及输电线路检测技术领域，具体是一种输电线路状态评价参数体系的构建方法。

背景技术

运行中的输电线路，由于外界环境条件和内部性能在不断变化，其整体运行状态也是不断变化的。因此，全面有效地对输电设备进行状态评估，及时发现输电设备存在的缺陷及安全隐患，不仅能为检修决策提供依据，实现输电设备的状态检修，更能确保电网的安全稳定运行。

选取最具代表性且能够灵敏反映输电设备工况的关键参量，建立关键参数体系具有很大的必要性。一方面，建立关键参数体系能够降低状态评价参量的复杂性，同时保证对输电设备运行状态评价的全面性和准确性；另一方面，由于输电线路分布地理位置广、运行环境恶劣，导致大量的参量信息收集整理困难，因此建立关键参数体系在保留原有状态评价信息的基础上去除了和故障缺陷相关性不大的参量，保留信息整理的参量。

目前，国内外对输电设备的状态评价参数体系的研究较少，大体分为以下两类：

1)在现有的输电设备状态评价规范中，国网状态评价导则及电力行业标准中将输电线路分为基础、杆塔、导线、绝缘子、金具、接地、附属设施、通道环境这8个部件，对每个部件建立相关的巡视参量，最终根据线路总得分来判断输电线路运行状态。但是导则、行业标准中规定的评价参量不全面且存在差异，导致对同一条线路往往会出现不同的评价结果；

2)在国内的一些状态评价文献中，大部分以参量获取方式作为分类基础，将参数体系分为日常巡视、在线监测、预防性试验、带电检测这四个方面，日常巡视中的参量可通过直接观测得到，预防性试验、在线监测、带电检测中的参量(如等值覆冰厚度)通过检测数据的数学模型计算得到，但是由于不同来源中的参量存在交叉重叠，会导致不同来源对应的同一参量评价结果不统一，影响线路整体的状态评价。

发明内容

本发明目的在于克服上述现有技术的不足，提供一种输电线路状态评价参数体系的构建方法，在确保评价参量有效和评价结果准确的基础上对参数体系进行了精简和规约。通过对相关标准文件的收集整理，构建基础参数体系，以包含最全面的评价参量。结合输电线路实际运维记录对基础参量进行量化，构建起参量与故障、缺陷、理论规程的相关关系。通过主成分分析法将量化结果进行降维处理，将计算每个部件中参量的权重，将权重为正的基础参量选为关键参量，最终建立关键参数体系。

本发明的技术解决方案如下：

一种输电线路状态评价参数体系的构建方法，其特点在于所述方法包括以下步骤：

步骤S1，建立基础参数体系；

步骤S2，将基础参数体系中各部件的基础参量量化；

步骤S3，对主成分分析法稍作改进，提取各部件的关键参量，最终建立关键参数体系。

与现有技术相比，本发明的有益效果是：建立了统一的状态评价参数体系，降低状态评价参量的复杂性，去除了和故障缺陷相关性不大的参量，有利于降低输电线路人工巡检、运维等实际工作的成本和复杂度。

附图说明

图1是本发明输电线路状态评价参数体系的构建方法流程图。

图2是各基础参量的贡献率图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，但不应以此限制本发明的保护范围。

请参阅图1，图1是本发明输电线路状态评价参数体系的构建方法流程图，如图所示，一种输电线路状态评价参数体系的构建方法，包括：步骤S1，建立基础参数体系，并确立关键参数体系提取流程；步骤S2，结合历年故障、缺陷统计和南网公司缺陷库，将基础参数体系中各部件的基础参量量化；步骤S3，将各部件中基础参量的量化矩阵作为主成分分析模型的输入，通过奇异值分解、主成分加权综合等步骤计算出各参量对主成分的权重，以此作为依据提取关键参量，并综合各部件形成关键参数体系。

所述步骤S1具体包括：

建立基础参数体系，基础参数体系是由部件层和参量层组成(如表1所示)，部件层分为基础、杆塔、导线、绝缘子、金具、接地装置、附属设施、通道环境这8个部件，参量层为每个部件对应的基础参量，共计134个。

表1基础参数体系

所述步骤S2具体包括：

将南网超高压公司历年故障统计、历年紧急/重大缺陷统计、历年一般缺陷统计、南网缺陷库作为参量量化的4大依据，将基础参数体系中各个部件中的参量进行量化。

1)确立参量的量化依据

考虑到输电线路运行历史记录与理论规程，将南网超高压公司历年故障统计、历年紧急/重大缺陷统计、历年一般缺陷统计、南网缺陷库作为参量量化的4大依据，在选取关键参数时将基础参数体系各部件的参量进行量化。

2)各部件中参量的量化方法

1.对每个部件中的基础参量进行量化，设某一部件对应p个基础参量；

2.每个基础参量量化为一个4维数组，即参量＝(A1，A2，A3，A4)。

A1表示故障统计中对应该基础参量的个数，

A2表示紧急/重大缺陷统计中对应该基础参量的个数，

A3表示一般缺陷中对应该基础参量的百分比，

A4表示南网缺陷库中各类缺陷对应该基础参量的个数；

3.将每个部件的基础参量分布量化成p×4维的矩阵X，其中p表示该部件对应基础参量的个数；

4.基础参数体系中的8个部件最终量化成8个矩阵X₁,X₂,…,X₉.

所述步骤S3包括：

主成分分析能够用来对高维数据进行降维，并能用来解释变量的内在结构，特别是在综合评价或排名的研究中，主成分分析得到广泛采用。本发明在现有技术主成分分析法的基础上稍作改进，推导出主成分的综合得分的计算公式，以利用综合得分对各基础参量进行排名和评价。步骤S3中先通过以下的步骤1～5选取各部件的关键参量，再通过步骤6将各部件的关键参量整合起来，形成关键参数体系。

1)设步骤S2中各部件量化后的矩阵为X_p×n，这里p为矩阵的行数，即该部件中基础参量个数，n为矩阵的列数，向量X₁,X₂,…,X_p表示该部件中p个参量量化后的数组，将X展开如(1)所示。

$X=\left[\begin{array}{c}{X}_1\\ X_2\\ \·\\ \·\\ \·\\ X_p\end{array}\right]=\left[\begin{array}{cccc}{x}_{11}& x_{12}& \·\·\·& x_{1n}\\ x_{21}& x_{22}& \·\·\·& x_{2n}\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& \·& \·\\ x_{p1}& x_{p2}& \·\·\·& x_{\mathrm{pn}}\end{array}\right]---\left(1\right)$

2)令R＝XX^T，并对R进行奇异值分解，得到R的特征值λ₁,λ₂,…,λ_p和特征向量α₁,α₂,…,α_p，其中λ₁≥λ₂≥…≥λ_p≥0表示按大小顺序排列的p个特征值，α₁,α₂,…,α_p为特征值对应的特征向量。

3)确定主成分的个数及计算公式

计算各特征值的贡献率：

$\frac{{\mathrm{\λ}}_i}{\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\λ}}_k}(i=\mathrm{1,2},\·\·\·,n)---\left(2\right)$

计算各特征值的累计贡献率：

$\frac{\underset{k=1}{\overset{i}{\mathrm{\Σ}}}{\mathrm{\λ}}_k}{\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\λ}}_k}(i=\mathrm{1,2},\·\·\·,n)---\left(3\right)$

假设λ₁,λ₂,…,λ_m的累计贡献率属于85％-95％的置信区间，则确定有m个主成分能够用来表征原始的p个基础参量信息(m≤p)，记为F＝(F₁,F₂,…,F_m)^T，m个定义主成分的计算公式如下：

$F=\mathrm{AX}={(\sqrt{{\mathrm{\λ}}_1}{\mathrm{\α}}_1,\sqrt{{\mathrm{\λ}}_2}{\mathrm{\α}}_2,\·\·\·,\sqrt{{\mathrm{\λ}}_m}{\mathrm{\α}}_m)}^T\·{(X_1,X_2,\·\·\·,X_p)}^T---\left(4\right)$

其中，表示因子载荷矩阵，X₁,X₂,…,X_p表示该部件中p个参量量化后的数组，λ₁,λ₂,…,λ_m为累计贡献率属于85％-95％的置信区间的R的特征值，α₁,α₂,…,α_p为特征值对应的特征向量。

4)计算主成分综合得分

对m个主成分进行加权，计算出主成分的综合得分以利用综合得分对各基础参量进行排名和评价，公式如下：

$\begin{array}{c}\hat{F}=\mathrm{\ωF}=\mathrm{\ωAX}=(\sqrt{{\mathrm{\λ}}_1},\sqrt{{\mathrm{\λ}}_2},\·\·\·,\sqrt{{\mathrm{\λ}}_m})\·{(\sqrt{{\mathrm{\λ}}_1}{\mathrm{\α}}_1,\sqrt{{\mathrm{\λ}}_2}{\mathrm{\α}}_2,\·\·\·,\sqrt{{\mathrm{\λ}}_m}{\mathrm{\α}}_m)}^T{(X_1,X_2,\·\·\·,X_p)}^T\\ ={({\mathrm{\λ}}_1{\mathrm{\α}}_1+{\mathrm{\λ}}_2{\mathrm{\α}}_2+\·\·\·+{\mathrm{\λ}}_m{\mathrm{\α}}_m)}^T{(X_1,X_2,\·\·\·,X_p)}^T\end{array}---\left(5\right)$

其中，ω＝(ω₁,ω₂,…,ω_m)为主成分F＝(F₁,F₂,…,F_m)^T对综合得分的权重，表示因子载荷矩阵，X₁,X₂,…,X_p表示该部件中p个参量量化后的数组，λ₁,λ₂,…,λ_m为累计贡献率属于85％-95％的置信区间的R的特征值，α₁,α₂,…,α_p为特征值对应的特征向量。

5)以部件中参量的权重为依据选取各部件的关键参量

c＝(c₁,c₂,…,c_p)＝(λ₁α₁+λ₂α₂+…+λ_mα_m)^T   (6)

其中，c＝(c₁,c₂,…,c_p)表示部件中基础参量对综合得分的权重，作为关键参量筛选的依据，λ₁,λ₂,…,λ_m为累计贡献率属于85％-95％的置信区间的R的特征值，α₁,α₂,…,α_p为特征值对应的特征向量。基础参量对综合得分的权重c＝(c₁,c₂,…,c_p)反映了基础参量与评价依据(故障、缺陷、缺陷库等)的相关性，权重越大表明相关性越强、该基础参量越具有代表性，而权重为0或负数表明该基础参量与评价依据不存在相关关系或负相关，因此以权重作为关键参量提取依据，将权重为正的基础参量选为关键参量。

6)建立关键参数体系

将各部件的关键参量整合起来，形成关键参数体系。关键参数体系是由部件层和参量层组成(如表2所示)，部件层分为基础、杆塔、导线、绝缘子、金具、接地装置、附属设施、通道环境这8个部件，参量层为每个部件对应的参量，共计54个。

表2关键参数体系

将基础参数体系各部件的参量进行量化，然后通过主成分分析法将量化结果进行降维处理形成关键参数体系，最后通过南网超高压的巡视数据验证关键参数体系的有效性。

1)关联规则对基础参量的量化(以导线为例)

以导线为例，通过梳理了南网超高压公司06～13年的56例线路故障跳闸记录，涉及到“导线闪络烧伤”、“导线舞动”、“导线覆冰”这三个参量的故障分别为19、0、7例；紧急/重大缺陷共35例，涉及到“导线闪络烧伤”、“导线舞动”、“导线覆冰”这三个参量的紧急/重大缺陷分别为1、0、0例；一般缺陷540例，涉及到“导线闪络烧伤”、“导线舞动”、“导线覆冰”这三个参量的一般缺陷所占比重为12％、0％、0％；缺陷库中规定的导线缺陷43例，涉及到“导线闪络烧伤”、“导线舞动”、“导线覆冰”这三个参量的规定分别为4、1、0。因此，“导线闪络烧伤”、“导线舞动”、“导线覆冰”这三个参量分别量化为[19 1 0.12 4],[0 0 0 1]和[7 0 0 0]。同理，对部件“导线”的其它基础参量进行量化，结果如表3所示。

表3导线基础参量的量化结果

2)主成分分析法提取关键参量(以导线为例)

解特征方程|λI-R|＝0，用Jacobi方法求出矩阵R的特征值并使其按大小顺序排列，结果如下

λ₁＝4.6961

λ₂＝9.7759

λ₃＝1.2279

λ₄＝0.0002

λ₅…λ₂₄＝0

计算主成分的贡献率及累计贡献率，可得第1～4个主成分的贡献率分别为62.27％，29.91％，7.82％，0.001％。进而计算可以得到第1、2个主成分的累计贡献率为92.18％，属于算法所要求的85％～95％的置信区间，因此特征值λ₁,λ₂对应的特征向量可以用来计算各参量的权重。

特征值λ₁,λ₂对应的特征向量分别为

计算综合得分矩阵表示每个基础参量的权重。

综合得分如上所示，根据综合得分画出各个基础参量的贡献率图。

图中横轴上方的线段对应正贡献率的基础参量，横轴下方的线段对应贡献率为0或负的基础参量。将正贡献率对应的8个基础参量选为导线的关键参量，结果如表4所示。将主成分分析法应用到整个基础参数体系中，对每个分部件提取关键参量，最终形成关键参数体系，包含了54个关键参量，见表2。

表4导线的关键参量

基础参量序号	关键参量
		1	导地线存在腐蚀、断股、损伤和闪络烧伤

3	导地线舞动
		4	导地线覆冰
5	导地线弧垂
		6	分裂导线间距发生变化
8	导地线风偏
		9	导地线异物悬挂
10	导地线在线夹内滑移
		15	跳线断股、扭曲、变形、烧伤、损伤
18	OPGW光缆线表面有金钩、磨损、断股、漏油等现象

3)关键参量有效性的验证

结合南网超高压公司2012～2013年桂山甲线的巡视、预防性试验记录与该条线路的运行记录，将基础参数体系、关键参数体系根据累计扣分法的状态评价结果与线路实际运行情况对比，以验证本文提取的关键参数体系的有效性。

以2013年12月为状态评价时段，该段输电线路的部分巡视记录如表5：

表5巡视记录

参照《国网状态评价导则》，使用累计扣分法作为输电线路的状态评价方法，设备运行状态满分为100分，0分表示设备需要立即检修，100分则表示设备运行正常，无需检修。针对线路的巡视及预试记录，按照国网评价导则、基础参数体系、关键参数体系对桂山甲线进行状态评价，其结果如表6所示。

表6评价结果对比

该段输电线路的实际情况为：当时处于冬季的大雪天气，输电线路上覆冰厚度已接近设计值，由于覆冰的影响导线的弧垂已偏离正常值，导线存在异常振动；维修记录显示该段导线之前已进行过有关接续金具和修复导线断股的维修。综合以上实际情况，可以判断该段输电线路运行状态正处于“异常”状态，整体工作性能欠佳，应密切注意其后续状态发展，尽快安排维修。

根据表3的评价结果和线路实际运行记录，可以看出基础参数体系和关键参数体系的评价结果稍有差异，但都符合线路实际运行情况，并优于南网评价导则的结果。这说明基础参数体系中的参量综合了各类评价导则、技术规范，能够更全面、准确地对输电线路进行状态评价；关键参数体系从基础参数体系中提取，在确保状态评价结果准确的同时降低了参数体系的复杂性，更有利于状态监测的具体实施。

Claims (5)

1.一种输电线路状态评价参数体系的构建方法，其特征在于所述方法包括以下步骤：

步骤S1，建立基础参数体系；

步骤S2，将基础参数体系中各部件的基础参量量化；

步骤S3，对主成分分析法稍作改进，提取各部件的关键参量，最终建立关键参数体系。

2.根据权利要求1所述的输电设备状态评估方法，其特征在于所述步骤S1中基础参数体系是由部件层和参量层组成，部件层分为基础、杆塔、导线、绝缘子、金具、接地装置、附属设施、通道环境这8个部件，参量层为每个部件对应的状态参量。

3.根据权利要求1所述的输电设备状态评估方法，其特征在于所述步骤S2将基础参数体系中各部件的基础参量量化，具体是：

以历年故障统计、历年紧急/重大缺陷统计、历年一般缺陷统计、南网缺陷库为量化依据，将各部件的基础参量量化为一个4维数组，具体如下：

步骤S2.1设某一部件对应p个基础参量；

步骤S2.2每个基础参量量化为一个4维数组，即参量＝(A1，A2，A3，A4)，其中，A1表示故障统计中对应该基础参量的个数，A2表示紧急/重大缺陷统计中对应该基础参量的个数，A3表示一般缺陷中对应该基础参量的百分比，A4表示南网缺陷库中各类缺陷对应该基础参量的个数；

步骤S2.3将每个部件的基础参量分布量化成p×4维的矩阵X，其中p表示该部件对应基础参量的个数；

步骤S2.4基础参数体系中的8个部件最终量化成8个矩阵X₁,X₂,…,X₉ 。

4.根据权利要求1所述的输电设备状态评估方法，其特征在于所述步骤S3具体包括：

步骤S3.1对于各个部件的量化矩阵X标准化、正交化后得到相关矩阵 R＝XX^T；

步骤S3.2对相关矩阵R进行奇异值分解，得到R的特征值λ₁,λ₂,…,λ_p和特征向量α₁,α₂,…,α_p，其中λ₁≥λ₂≥…≥λ_p≥0表示按大小顺序排列的p个特征值，α₁,α₂,…,α_p为特征值对应的特征向量；

步骤S3.3计算特征根的累计贡献率，公式如下：

确定前m个特征根λ₁,λ₂,…,λ_m的累计贡献率属于85％-95％的置信区间；

步骤S3.4对前m个特征值和对应的特征向量进行加权，计算出主成分的综合得分公式如下：

其中，ω＝(ω₁,ω₂,…,ω_m)为主成分F＝(F₁,F₂,……F_m)^T对综合得分的权重， 表示因子载荷矩阵，X₁,X₂,…,X_p表示该部件中p个参量量化后的数组，λ₁,λ₂,…,λ_m为累计贡献率属于85％-95％的置信区间的R的特征值，α₁,α₂,…,α_m为特征值对应的特征向量；

步骤S3.5计算部件中各基础参量的权重，公式如下

c＝(c₁,c₂,…,c_p)＝(λ₁α₁+λ₂α₂+…+λ_mα_m)^T

其中，c＝(c₁,c₂,…,c_p)表示部件中基础参量对综合得分的权重，作为关键参量筛选的依据，λ₁,λ₂,…,λ_m为累计贡献率属于85％-95％的置信区间的R的特征值，α₁,α₂,…,α_p为特征值对应的特征向量；

步骤S3.6将权重为正的各基础参量选为关键参量；

步骤S3.7将关键参量按照基础参数体系进行整合起来，形成关键参数体系。

5.根据权利要求4所述的输电设备状态评估方法，其特征在于所述的关键参数体系是由部件层和参量层组成，部件层分为基础、杆塔、导线、绝缘子、金具、接地装置、附属设施、通道环境这8个部件，参量层为每个部件对应的参量。