CN112001645A - 一种中压架空线路雷击跳闸风险评估方法及装置 - Google Patents

Abstract

本申请公开了一种中压架空线路雷击跳闸风险评估方法及装置，方法包括：对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分；采用预置熵权法和预置层次分析法计算各个预置指标之间的客观权值和主观权值，并将客观权值和主观权值组合成指标权值序列；根据预置关联知识库构建对比序列，预置关联知识库根据中压配电网特性构建；根据指标权值序列和对比序列计算各个杆塔区段序列相应的加权马氏距离，得到序列距离；采用预置Topsis算法根据序列距离计算杆塔区段序列的评估结果。解决了现有的高压电网的防雷评估指标和技术直接套用至中压配电网的雷击跳闸评估中带来的评估误差较大的技术问题。

Description

一种中压架空线路雷击跳闸风险评估方法及装置

技术领域

本申请涉及配电网安全评估技术领域，尤其涉及一种中压架空线路雷击跳闸风险评估方法及装置。

背景技术

10kV配电网电压等级较低，绝缘水平较差，一般配电网架空线路无避雷线保护，因而在雷雨天气极易发生雷击跳闸事故，对供电安全造成极大隐患。现有的研究中，主要通过规程法、蒙卡罗特法、先导发展法等数学模型计算架空线路雷击跳闸率实现线路防雷评估，其不足之处有二：其一为上述数学模型中大多适用于35kV以上高中压输电网，其杆塔结构，输电走廊环境等指标与10kV的中压配电网存在明显差异，直接套用会造成较大误差；其二为不同地域的中电压配网防雷水平因气候地理环境等要素不同具有较大差异性，数学模型未能全面考虑这些要素，造成评估结果误差较大。

发明内容

本申请提供了一种中压架空线路雷击跳闸风险评估方法及装置，用于解决现有的高压电网的防雷评估指标和技术直接套用至中压配电网的雷击跳闸评估中带来的评估误差较大的技术问题。

有鉴于此，本申请第一方面提供了一种中压架空线路雷击跳闸风险评估方法，包括：

对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列，每个所述杆塔区段序列包括多个预置指标，所述预置指标包括线路本体指标和地形地貌指标；

采用预置熵权法和预置层次分析法计算各个所述预置指标之间的客观权值和主观权值，并将所述客观权值和所述主观权值组合成指标权值序列；

根据预置关联知识库构建对比序列，所述预置关联知识库根据中压配电网特性构建，所述对比序列包括最优对比序列和最劣对比序列；

根据所述指标权值序列和所述对比序列计算各个所述杆塔区段序列相应的加权马氏距离，得到序列距离，所述序列距离包括最优序列距离和最劣序列距离；

采用预置Topsis算法根据所述序列距离计算所述杆塔区段序列的评估结果。

可选的，所述对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列，之前还包括：

获取各个所述预置指标的量化数据，并进行标准化处理，得到所述预置指标。

可选的，所述预置关联知识库的构建过程为：

采用预置关联分析算法计算各个所述预置指标与杆塔雷击跳闸次数之间的关联度，并根据所述关联度构建所述预置关联知识库。

可选的，所述采用预置关联分析算法计算各个所述预置指标与杆塔雷击跳闸次数之间的关联度，之前还包括：

获取中压配电网架空线路中的杆塔雷击跳闸数据，并进行数据清洗，得到所述杆塔雷击跳闸次数。

可选的，所述根据所述指标权值序列和所述对比序列计算各个所述杆塔区段序列相应的加权马氏距离，得到序列距离，包括：

计算所述杆塔区段序列与所述对比序列之间的灰色关联系数矩阵，所述灰色关联系数矩阵包括最优灰色关联系数矩阵和最劣灰色关联系数矩阵；

根据所述指标权值序列计算灰色关联序列与所述对比序列之间的加权马氏距离，得到所述序列距离，所述灰色关联序列为所述灰色关联系数矩阵的行序列。

本申请第二方面提供了一种中压架空线路雷击跳闸风险评估装置，包括：

划分模块，用于对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列，每个所述杆塔区段序列包括多个预置指标，所述预置指标包括线路本体指标和地形地貌指标；

第一计算模块，用于采用预置熵权法和预置层次分析法计算各个所述预置指标之间的客观权值和主观权值，并将所述客观权值和所述主观权值组合成指标权值序列；

构建模块，用于根据预置关联知识库构建对比序列，所述预置关联知识库根据中压配电网特性构建，所述对比序列包括最优对比序列和最劣对比序列；

第二计算模块，用于根据所述指标权值序列和所述对比序列计算各个所述杆塔区段序列相应的加权马氏距离，得到序列距离，所述序列距离包括最优序列距离和最劣序列距离；

第三计算模块，用于采用预置Topsis算法根据所述序列距离计算所述杆塔区段序列的评估结果。

可选的，还包括：

第一预处理模块，用于获取各个所述预置指标的量化数据，并进行标准化处理，得到所述预置指标。

可选的，所述预置关联知识库的构建过程为：

采用预置关联分析算法计算各个所述预置指标与杆塔雷击跳闸次数之间的关联度，并根据所述关联度构建所述预置关联知识库。

可选的，还包括：

第二预处理模块，用于获取中压配电网架空线路中的杆塔雷击跳闸数据，并进行数据清洗，得到所述杆塔雷击跳闸次数。

可选的，所述第二计算模块具体包括：

第一计算子模块，用于计算所述杆塔区段序列与所述对比序列之间的灰色关联系数矩阵，所述灰色关联系数矩阵包括最优灰色关联系数矩阵和最劣灰色关联系数矩阵；

第二计算子模块，用于根据所述指标权值序列计算灰色关联序列与所述对比序列之间的加权马氏距离，得到所述序列距离，所述灰色关联序列为所述灰色关联系数矩阵的行序列。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请中，提供了一种中压架空线路雷击跳闸风险评估方法，包括：对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列，每个杆塔区段序列包括多个预置指标，预置指标包括线路本体指标和地形地貌指标；采用预置熵权法和预置层次分析法计算各个预置指标之间的客观权值和主观权值，并将客观权值和主观权值组合成指标权值序列；根据预置关联知识库构建对比序列，预置关联知识库根据中压配电网特性构建，对比序列包括最优对比序列和最劣对比序列；根据指标权值序列和对比序列计算各个杆塔区段序列相应的加权马氏距离，得到序列距离，序列距离包括最优序列距离和最劣序列距离；采用预置Topsis算法根据序列距离计算杆塔区段序列的评估结果。

本申请提供的中压架空线路雷击跳闸风险评估方法，针对中压配电网中的架空线路的本体特征和所处的地形地貌进行指标选取，充分考虑了中压配电网的雷击跳闸的相关影响因素；根据不同的分析算法计算出了各个指标之间的主客观权值，从而权衡了各指标对评估结果的影响；同时，根据中压配电网的特性构建了预置关联知识库，使得根据预置关联知识库构建的对比序列更加可靠；而预置Topsis算法就可以计算待评估目标与最优距离和最劣距离之间的距离关系，从而根据计算的到的距离相近度对目标进行评估，它能够精确的反映评估目标的优劣情况。因此，本申请能够解决现有的高压电网的防雷评估指标和技术直接套用至中压配电网的雷击跳闸评估中带来的评估误差较大的技术问题。

附图说明

图1为本申请实施例提供的一种中压架空线路雷击跳闸风险评估方法的一个流程示意图；

图2为本申请实施例提供的一种中压架空线路雷击跳闸风险评估方法的另一个流程示意图；

图3为本申请实施例提供的一种中压架空线路雷击跳闸风险评估装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了便于理解，请参阅图1，本申请提供的一种中压架空线路雷击跳闸风险评估方法的实施例一，包括：

步骤101、对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列，每个杆塔区段序列包括多个预置指标，预置指标包括线路本体指标和地形地貌指标。

需要说明的是，受不同杆塔线路本体特征和环境因素的影响，不同杆塔区域的架空线路雷击跳闸的情况都不尽相同，按照一定的区域划分机制将雷击跳闸的杆塔架空线路划分成不同的区域，获取每个区域中的杆塔区域序列的预置指标，也就是影响雷击跳闸的相关指标，例如线路本体指标和地形地貌指标；具体的线路本体指标可以包括杆塔接地电阻、杆塔高度、线路档距和绝缘子50％闪络电压等，地形地貌指标则可以包括地闪密度、土壤电阻率、区域雷电流幅值、地面倾角和输电走廊屏蔽物等。区域划分机制可以是按照地形划分，例如盆地、丘陵、平原和山地等，也可以根据实际情况进行具体设置，在此不作限定。

步骤102、采用预置熵权法和预置层次分析法计算各个预置指标之间的客观权值和主观权值，并将客观权值和主观权值组合成指标权值序列。

需要说明的是，鉴于上述获取的各类指标中存在不同领域的不同量纲，因此，在采用预置指标进行计算之前可以进行适当的预处理，例如标准化消除量纲，统一量纲后就可以对预置指标进行具体的分析研究。从信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序程度的一个度量；根据信息熵的定义，对于某项指标，可以用熵值来判断某个指标的离散程度，其信息熵值越小，指标的离散程度越大，该指标对综合评价的影响(即权值)就越大，如果某项指标的值全部相等，则该指标在综合评价中不起作用；因此，可利用信息熵这个工具，计算出各个预置指标的客观权值，为多指标综合评价提供依据，这就是本实施例中的预置熵权法的意义。层次分析法是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。通过预置熵权法计算各个预置指标的客观权值，通过预置层次分析法计算各个预置指标的主观权值，将客观权值和主观权值组合在一起就可以得到高可信度的指标权值序列。指标权值序列能够权衡各个指标对于综合评价的影响，从而得到准确可靠的评估结果。

步骤103、根据预置关联知识库构建对比序列，预置关联知识库根据中压配电网特性构建，对比序列包括最优对比序列和最劣对比序列。

需要说明的是，预置关联知识库是根据中压配电网特性构建的，准确而言，是根据不同杆塔雷击跳闸区域中雷击跳闸数据与线路本体特征和所处的环境特征构建的适用于中压配电网架空线路雷击跳闸评估分析的关联知识库；该关联知识库主要用于存储各个指标因素与雷击跳闸之间的影响关联关系，或者说是映射关系，因此，可以在关联知识库中构建出最优对比序列和最劣对比序列，最优对比序列即为在各个指标因素的影响下雷击跳闸情况最为乐观的序列，最劣对比序列即为在各个指标因素的影响下雷击跳闸情况最差的序列。最优对比序列和最劣对比序列是作为基准构建的，便于后的计算和分析。

步骤104、根据指标权值序列和对比序列计算各个杆塔区段序列相应的加权马氏距离，得到序列距离，序列距离包括最优序列距离和最劣序列距离。

需要说明的是，对比序列包括最优对比序列和最劣对比序列，因此，根据指标权值序列进行加权马氏距离计算，每个杆塔区段序列中每个指标都可以得到两种结果，序列距离，即最优序列距离和最劣序列距离。

步骤105、采用预置Topsis算法根据序列距离计算杆塔区段序列的评估结果。

需要说明的是，预置Topsis算法的基本过程就是找到有限方案中的最优方案和最劣方案，然后计算各评价对象与最优方案和最劣方案间的距离，获得各评价对象与最优方案的相对接近程度，以此作为评价优劣的依据；而且，预置Topsis算法对数据分布及样本含量没有严格限制，数据计算简单易行。本实施例上述已经求得了评估对象与最优对比序列与最劣对比序列之间的最优序列距离和最劣序列距离，根据序列距离计算杆塔区段序列与最优序列距离之间的接近度，以及是否与最劣序列距离之间相距较远，就可以得到杆塔区段序列的评估结果，即该区段中相应的架空线路雷击跳闸风险的评估结果；如果与最优序列距离接近度越高，且与最劣序列距离接近度最低，则说明风险越低，否则，说明该区段架空线路雷击跳闸风险越高。

本实施例提供的中压架空线路雷击跳闸风险评估方法，针对中压配电网中的架空线路的本体特征和所处的地形地貌进行指标选取，充分考虑了中压配电网的雷击跳闸的相关影响因素；根据不同的分析算法计算出了各个指标之间的主客观权值，从而权衡了各指标对评估结果的影响；同时，根据中压配电网的特性构建了预置关联知识库，使得根据预置关联知识库构建的对比序列更加可靠；而预置Topsis算法就可以计算待评估目标与最优距离和最劣距离之间的距离关系，从而根据计算的到的距离相近度对目标进行评估，它能够精确的反映评估目标的优劣情况。因此，本实施例能够解决现有的高压电网的防雷评估指标和技术直接套用至中压配电网的雷击跳闸评估中带来的评估误差较大的技术问题。

为了便于理解，请参阅图2，本申请提供了一种中压架空线路雷击跳闸风险评估方法的实施例二，包括：

步骤201、获取各个预置指标的量化数据，并进行标准化处理，得到预置指标。

需要说明的是，预置指标预置指标包括线路本体指标和地形地貌指标，主要是指10kv架空线路的线路本体特征和地形地貌特征，每种可以包括多种次级指标；具体的线路本体指标可以包括杆塔接地电阻、杆塔高度、输电导线型号(绝缘导线和裸导线)、线路档距和绝缘子50％闪络电压等；地形地貌指标则可以包括地闪密度、土壤电阻率、区域雷电流幅值、地面倾角(即地形地貌)和输电走廊屏蔽物等。区域划分机制可以是按照地形划分，例如盆地、丘陵、平原和山地等等。这些指标中的量纲不尽相同，数值型指标能够较好的应用在具体的计算分析研究中，因此，可以将一些定性指标转化为数据描述的定量指标，总之就是为了得到消除量纲的指标，便于后续的统一计算分析。

步骤202、对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列。

需要说明的是，每个杆塔区段序列包括多个预置指标，这一点在上述的指标数据获取中已经说明。受不同杆塔线路本体特征和环境因素的影响，不同杆塔区域的架空线路雷击跳闸的情况都不尽相同，按照一定的区域划分机制将雷击跳闸的杆塔架空线路划分成不同的区域，根据不同的指标就可以得到多个不同的杆塔区段序列。具体的区域划分机制不作限定。

步骤203、采用预置熵权法和预置层次分析法计算各个预置指标之间的客观权值和主观权值，并将客观权值和主观权值组合成指标权值序列。

需要说明的是，采用预置熵权法和预置层次分析法计算指标之间的客观权值和主观权值，并将两类权值合并为高精度的指标权值序列的具体过程为：计算各相指标的熵H(j)，熵越大则熵权越小，计算得到的指标熵权即为客观权值λ₁；考虑到仅根据数据信息熵得到的客观权值会存在于事实相悖的情况，为了规避此类风险，以各项指标与雷击跳闸之间的关联影响为依据，再通过预置层次分析法计算得到雷击跳闸关联事实的主观权值λ₂；然后采用拉屎变化求解极值的方法求解λ₁和λ₂的条件方程：

其中，X是求得的最小值，k、m、n分别是求取权值的方法类别(本实施例中k＝2)、杆塔区段序列数量和预置指标数量，λ_l(j)为第l种求取权值的方法对第j个指标求取的权值结果，λ(j)为第j个指标组合后的权值结果，x_ij为各指标的权值矩阵第i行(杆塔区段序列)第j列(预置指标)的值；目标求取量即为每种指标的客观权值和主观权值的组合权值，即λ(j)，可以构造拉格朗日函数，求得该综合权值：为了求解λ(j)，需要对模型构造拉格朗日函数L(λ(j),k)表达如下：

分别对λ(j)，k求偏导，并令其等于零：

将上式以j＝1,2,......,n分别展开，形成矩阵形式：

其中：

e^T＝[1,1,...,1]；

λ(j)^T＝[λ(1),λ(2),......,λ(n)]；

求解λ(j)得：

最后可以求得每个预置指标的指标权值序列λ(j)。

步骤204、获取中压配电网架空线路中的杆塔雷击跳闸数据，并进行数据清洗，得到杆塔雷击跳闸次数。

需要说明的是，以10kv的配电网架空线路雷击跳闸情况为例，获取雷击跳闸数据进行数据清洗，去除干扰较为严重的数据，得到杆塔雷击跳闸次数，也就是不同的杆塔架空线路的跳闸次数，形成雷击跳闸次数集合。

步骤205、采用预置关联分析算法计算各个预置指标与杆塔雷击跳闸次数之间的关联度，并根据关联度构建预置关联知识库。

需要说明的是，计算关联度的过程就是采用支持度支持度置信度函数对各预置指标与杆塔雷击跳闸次数的关联性进行分析，根据指标与雷击跳闸次数之间的关联映射就可以构建出预置关联知识库。举例说明，可以得到山地、丘陵和平原等不同地形地貌下的架空线路雷击跳闸次数，在同一时间维度下不同的地形与对应的不同的雷击跳闸次数之间就是一种映射，计算地形指标下的关联度，所有的指标标准化处理后，得到的关联度都可以在0-1之间，关联度越大，表明该项指标与雷击跳闸风险相关性更大，线路在该指标下发生雷击跳闸的风险更大；例如地形地貌指标下山地地形与雷击跳闸次数关联度为0.6，平原地形与雷击跳闸次数关联度为0.2，那么表明山地地形对雷击跳闸的影响更大，架空线路处于山地地形雷击跳闸风险更高。多种预置指标的关联性分析方法类似，不再赘述，得到的预置关联知识库是较为复杂的多维指标与雷击跳闸次数之间的关联关系库。

步骤206、根据预置关联知识库构建对比序列，预置关联知识库根据中压配电网特性构建，对比序列包括最优对比序列和最劣对比序列。

需要说明的是，最优对比序列即为在各个指标因素的影响下雷击跳闸情况最为乐观的序列，最劣对比序列即为在各个指标因素的影响下雷击跳闸情况最差的序列。最优对比序列和最劣对比序列是作为基准构建的，便于后的计算和分析；所谓雷击跳闸情况最为乐观的序列也就是雷击跳闸次数最少的情况；同理，雷击跳闸情况最差的序列就是雷击跳闸次数最多的情况。对比序列就是反映雷击跳闸风险最低和最高时各项预置指标的取值情况。

步骤207、计算杆塔区段序列与对比序列之间的灰色关联系数矩阵，灰色关联系数矩阵包括最优灰色关联系数矩阵和最劣灰色关联系数矩阵。

需要说明的是，计算杆塔区段序列i中的预置指标j与对比序列的灰色关联系数矩阵就是计算序列中单个指标与对比序列之间的灰色关联系数，对比序列包括最优对比序列和最劣对比序列，经过计算后，相应的，会得到最优灰色关联系数矩阵和最劣灰色关联系数矩阵。灰色关联系数的计算方法为：

其中，ρ为分辨系数，取值为0.5，

为第i个杆塔区段序列第j项指标与最优(劣)对比序列之间的灰色关联系数，

为最优(最劣)对比序列第j个取值。预置指标数量为m，杆塔区段序列为n，那么可以求得n×m阶的最优(劣)灰色关联系数矩阵，且灰色关联系数矩阵中的每一行对应与一个杆塔区段序列样本。

步骤208、根据指标权值序列计算灰色关联序列与对比序列之间的加权马氏距离，得到序列距离，灰色关联序列为灰色关联系数矩阵的行序列。

需要说明的是，灰色关联序列即为灰色关联系数矩阵的行序列，也就是对应的一个杆塔区段序列样本，但是是被处理成统一表达形式的样本，计算加权马氏距离的过程为：

其中，

分别为第i个样本的最优灰色关联系数向量与最劣灰色关联系数向量，B⁺、B^-分别是最优对比序列和最劣对比序列，W是各项指标权值序列的根植形成的对角矩阵，即

∑^+(-)-1为各项指标之间形成协方差矩阵的逆矩阵。求得的序列距离包括最优序列距离

和最劣序列距离

步骤209、采用预置Topsis算法根据序列距离计算杆塔区段序列的评估结果。

需要说明的是，上述已经求得了评估对象杆塔区段序列样本与最优对比序列与最劣对比序列之间的最优序列距离d_i ⁺和最劣序列距离d_i ^-，根据序列距离计算杆塔区段序列与最优序列距离之间的相对接近度，以及是否与最劣序列距离之间相距较远，就可以根据相对接近度的大小得到杆塔区段序列的评估结果，即该区段中相应的架空线路雷击跳闸风险的评估结果；如果与最优序列距离接近度越高，且与最劣序列距离接近度最低，则说明风险越低，否则，说明该区段架空线路雷击跳闸风险越高。

为了便于理解，请参阅图3，本申请还提供了一种中压架空线路雷击跳闸风险评估装置的实施例，包括：

划分模块301，用于对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列，每个杆塔区段序列包括多个预置指标，预置指标包括线路本体指标和地形地貌指标；

第一计算模块302，用于采用预置熵权法和预置层次分析法计算各个预置指标之间的客观权值和主观权值，并将客观权值和主观权值组合成指标权值序列；

构建模块303，用于根据预置关联知识库构建对比序列，预置关联知识库根据中压配电网特性构建，对比序列包括最优对比序列和最劣对比序列；

第二计算模块304，用于根据指标权值序列和对比序列计算各个杆塔区段序列相应的加权马氏距离，得到序列距离，序列距离包括最优序列距离和最劣序列距离；

第三计算模块305，用于采用预置Topsis算法根据序列距离计算杆塔区段序列的评估结果。

进一步地，还包括：

第一预处理模块306，用于获取各个预置指标的量化数据，并进行标准化处理，得到预置指标。

进一步地，预置关联知识库的构建过程为：

采用预置关联分析算法计算各个预置指标与杆塔雷击跳闸次数之间的关联度，并根据关联度构建预置关联知识库。

进一步地，还包括：

第二预处理模块307，用于获取中压配电网架空线路中的杆塔雷击跳闸数据，并进行数据清洗，得到杆塔雷击跳闸次数。

进一步地，第二计算模块304具体包括：

第一计算子模块3041，用于计算杆塔区段序列与对比序列之间的灰色关联系数矩阵，灰色关联系数矩阵包括最优灰色关联系数矩阵和最劣灰色关联系数矩阵；

第二计算子模块3042，用于根据指标权值序列计算灰色关联序列与对比序列之间的加权马氏距离，得到序列距离，灰色关联序列为灰色关联系数矩阵的行序列。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以通过一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种中压架空线路雷击跳闸风险评估方法，其特征在于，包括：

对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列，每个所述杆塔区段序列包括多个预置指标，所述预置指标包括线路本体指标和地形地貌指标；

采用预置熵权法和预置层次分析法计算各个所述预置指标之间的客观权值和主观权值，并将所述客观权值和所述主观权值组合成指标权值序列；

根据预置关联知识库构建对比序列，所述预置关联知识库根据中压配电网特性构建，所述对比序列包括最优对比序列和最劣对比序列；

根据所述指标权值序列和所述对比序列计算各个所述杆塔区段序列相应的加权马氏距离，得到序列距离，所述序列距离包括最优序列距离和最劣序列距离；

采用预置Topsis算法根据所述序列距离计算所述杆塔区段序列的评估结果。

2.根据权利要求1所述的中压架空线路雷击跳闸风险评估方法，其特征在于，所述对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列，之前还包括：

获取各个所述预置指标的量化数据，并进行标准化处理，得到所述预置指标。

3.根据权利要求1所述的中压架空线路雷击跳闸风险评估方法，其特征在于，所述预置关联知识库的构建过程为：

采用预置关联分析算法计算各个所述预置指标与杆塔雷击跳闸次数之间的关联度，并根据所述关联度构建所述预置关联知识库。

4.根据权利要求3所述的中压架空线路雷击跳闸风险评估方法，其特征在于，所述采用预置关联分析算法计算各个所述预置指标与杆塔雷击跳闸次数之间的关联度，之前还包括：

获取中压配电网架空线路中的杆塔雷击跳闸数据，并进行数据清洗，得到所述杆塔雷击跳闸次数。

5.根据权利要求1所述的中压架空线路雷击跳闸风险评估方法，其特征在于，所述根据所述指标权值序列和所述对比序列计算各个所述杆塔区段序列相应的加权马氏距离，得到序列距离，包括：

计算所述杆塔区段序列与所述对比序列之间的灰色关联系数矩阵，所述灰色关联系数矩阵包括最优灰色关联系数矩阵和最劣灰色关联系数矩阵；

根据所述指标权值序列计算灰色关联序列与所述对比序列之间的加权马氏距离，得到所述序列距离，所述灰色关联序列为所述灰色关联系数矩阵的行序列。

6.一种中压架空线路雷击跳闸风险评估装置，其特征在于，包括：

划分模块，用于对中压配电网架空线路中雷击跳闸的杆塔区域进行区段划分，得到多个杆塔区段序列，每个所述杆塔区段序列包括多个预置指标，所述预置指标包括线路本体指标和地形地貌指标；

第一计算模块，用于采用预置熵权法和预置层次分析法计算各个所述预置指标之间的客观权值和主观权值，并将所述客观权值和所述主观权值组合成指标权值序列；

构建模块，用于根据预置关联知识库构建对比序列，所述预置关联知识库根据中压配电网特性构建，所述对比序列包括最优对比序列和最劣对比序列；

第二计算模块，用于根据所述指标权值序列和所述对比序列计算各个所述杆塔区段序列相应的加权马氏距离，得到序列距离，所述序列距离包括最优序列距离和最劣序列距离；

第三计算模块，用于采用预置Topsis算法根据所述序列距离计算所述杆塔区段序列的评估结果。

7.根据权利要求6所述的中压架空线路雷击跳闸风险评估装置，其特征在于，还包括：

第一预处理模块，用于获取各个所述预置指标的量化数据，并进行标准化处理，得到所述预置指标。

8.根据权利要求6所述的中压架空线路雷击跳闸风险评估装置，其特征在于，所述预置关联知识库的构建过程为：

采用预置关联分析算法计算各个所述预置指标与杆塔雷击跳闸次数之间的关联度，并根据所述关联度构建所述预置关联知识库。

9.根据权利要求8所述的中压架空线路雷击跳闸风险评估装置，其特征在于，还包括：

第二预处理模块，用于获取中压配电网架空线路中的杆塔雷击跳闸数据，并进行数据清洗，得到所述杆塔雷击跳闸次数。

10.根据权利要求6所述的中压架空线路雷击跳闸风险评估装置，其特征在于，所述第二计算模块具体包括：

第一计算子模块，用于计算所述杆塔区段序列与所述对比序列之间的灰色关联系数矩阵，所述灰色关联系数矩阵包括最优灰色关联系数矩阵和最劣灰色关联系数矩阵；

第二计算子模块，用于根据所述指标权值序列计算灰色关联序列与所述对比序列之间的加权马氏距离，得到所述序列距离，所述灰色关联序列为所述灰色关联系数矩阵的行序列。

Images