基于综合故障率的配电网实时风险评估

方 健，林 翔， 王红斌，张 敏，方 敏，李盛楠

(1.广东电网广州供电局,广州 510620；2.重庆大学 输配电装备及系统安全与新技术国家重点实验室，重庆 400044)

配电网的运行环境复杂，配电设备容易受到环境的影响发生各类故障。由于配电设备的价格便宜，大部分配电设备上没有传感设备，因此传统的风险评估主要是利用历史故障率来计算故障停电的风险，不能有效反映设备的实时状态，该种方式不能有效减少配电网的故障停电次数，应对故障通常采用事后维修。现有的配电设备实时故障率评估模型一般是利用部分在线监测数据计算设备的运行风险，由于没有充分考虑突发性环境因素、设备水平以及网架结构水平对设备潜在故障率的影响，在这种情况下采用的状态维修忽略了很多潜在的故障停电可能，导致不能及时发现潜在的故障隐患。因此有必要充分考虑这些因素，通过配电网的实时风险评估找到配电网的薄弱环节，在故障发生前对配电网进行状态维修，从而减少配电网故障停电的发生[1-3]。穆斌等[4]考虑了最大供电能力，利用节点深度编码和遗传算法相结合的方式实现了配电网的网络重构，为配电网的检修提供了依据。张文俊[5]利用调查法和最小二乘法拟合不同用户的停电损失函数，并计算了配电网的风险值，找到了配电网的薄弱环节。栗然等[6]考虑了设备的状态及检修的作用，使用粒子群优化算法找到了配电网合适的检修方案。这些研究使用设备的历史故障率，考虑停电损失的影响建立了风险评估模型，通过算法找到风险最小值从而提供了合适的检修方案。

随着配电设备的在线监测数据不断完善，研究人员利用主要影响因素或者健康指数模型来实现配电设备的实时风险评估。林子钊等[7]考虑了多种因素对配电网运行风险的影响，实现了配电网的风险量化评估。王浩鸣等[8]和赵会茹等[9]考虑了设备自身的影响以及主要的环境因素，计算出设备的实时故障率和设备的故障停电实时风险值。史常凯等[10]和马钊等[11]利用配电设备的实时健康指数反应设备的状态水平，利用最小路法计算出了配电网的实时停电损失。李二霞等[12]考虑配电设备检修导致的网架结构薄弱引发的停电风险，进一步建立了故障停电的风险模型和检修模型，实现了检修计划的优化。上述研究利用主要影响因素对故障率进行修正，只有在这些因素影响下发生故障时，该方法才能有效计算设备的实时故障率。基于健康指数的实时风险评估模型参数难以准确确定，如何借鉴历史故障数据特征使得检修更加准确是一个难点。更为重要的是这些研究普遍没有充分考虑突发性环境因素、设备水平以及网架结构水平对设备潜在故障率的影响。

针对以上问题，笔者提出了一种基于综合故障率的配电网实时风险评估方法。首先使用配电设备在渐变性因素作用下发生故障的历史数据，利用基于主要故障因素的设备状态评价改进模型计算结果拟合得到实时故障率量化模型。接着利用在线监测数据计算待评估设备健康指数，进一步计算设备在渐变性因素影响下的故障率。根据待评估配电设备所处环境突发性因素的实时强度、装备水平和网架结构水平，计算突发性潜在故障率和综合故障率。采用馈线分区的方法计算各负荷点的实时停电概率和停电风险，并通过广州地区的实例分析找到了配电设备和负荷点的薄弱环节。

1 配电设备实时故障率计算

1.1 基于主要故障因素的设备状态评价改进模型

(1)

式中：λi为第i类设备的历史故障率；ωij为故障因素j在第i类设备中所占权重；cij为故障因素对应的修正系数。当配电设备出现单一故障，或者多种故障因素并发但相互之间没有显著影响时，计算结果才较为准确。

但是该方法忽略了不同故障因素同时发生可能存在的协同效果。通过对广州地区故障案例进行统计发现，设备超期服役、设备过载、大雨三者之间存在相对明显的协同相应，因此需要在修正系数cij的基础上乘以一个协同系数A。

根据中国气象局对小雨至特大暴雨6个等级的划分，将对应的降雨等级用1～6来代表，如表1所示。

表1 降雨等级

对广州地区在大风大雨天气且超期服役状态下发生故障的290个配电设备进行统计，结果如图1。

图1 大风大雨与超役年限之间的协同效果Fig. 1 Synergistic effect of strong wind and heavy rain with years of overservice

超役年限定义为T-t2，即设备运行年限T超过劣化阶段开始的年限t2。可以看出故障主要集中在大雨到大暴雨及超役年限2～10年，A主要在1.1～1.7。将降雨量等级x，超役年限y与协同系数A进行拟合，得到的表达式如下：

A=35.19-0.007 8sin(0.423 6πxy)-33.99e-(0.009 5y)2。

(2)

同理，使用这种方法可以计算出设备超期服役与设备过载，大风大雨与设备过载之间的协同系数。

1.2 基于健康指数的配电设备实时故障率计算模型

(3)

式中：K、C为待定系数。原有方法将最小故障率、常用故障率及对应的健康指数带入式(3)，通过拟合确定了待定系数。由于不同个体之间存在差异性，仅通过这两个数据确定的模型并不准确。

健康指数H的计算可参考标准《配电网设备状态评价导则》(Q/GDW 645—2011)选择配电设备各部件的状态参量并确定相关权重，根据该导则和参考文献[10-12]，这里将健康指数H等于部件状态评分值，H=mpKFKT。其中，H上限取100，部件的基础评分mp=100-相应部件最大扣分值；存在家族缺陷时，家族缺陷系数KF=0.95,否则KF=1；寿命系数KT=(100-运行年数×0.5)/100。各部件状态量的数值通过在线监测数据、检修报告、试验测试结果等获取，由于设备各部分部件的健康指数得分可能不同，这里将部件最低的健康指数H作为设备的健康指数。

(4)

(5)

(6)

(7)

(8)

(9)

2 突发性潜在故障率λ″计算

2.1 故障因素分类

广州地区2013—2018年停电因素数量统计如图2。由图可以看出，除开运行维护导致的停电，导致配电网故障停电的主要因素大致可分为4类：1)设备自身因素，比如设备超期服役会导致设备故障率升高、设备质量问题也会导致故障发生等；2)运行条件的影响，比如长时间过载会加速设备绝缘老化进而引发故障；3)天气的影响主要分成两类，一类是渐变性天气的影响，比如高温天气会加速设备老化，一类是突发性天气的影响，比如雷击可能瞬间烧坏避雷器，大风等恶劣天气会导致架空线受损；4)突发的外力破坏，比如施工作业、小动物、树木影响等会直接导致设备故障。

图2 广州全局故障原因统计Fig. 2 Statistics of global failure causes in Guangzhou

上述4类可划分为渐变性因素和突发性因素2个大类，其中设备自身因素、运行条件、渐变性天气等渐变性因素对设备故障的影响相对缓慢，影响的过程都可以在线监测数据中体现。因此基于健康指数的故障率模型可以有效反应设备故障率λ′，可以实现设备的故障预警。当施工作业、雷击、大风、非施工作业导致的外力破坏、小动物和树木影响等6类突发性因素发生时，设备参数可能瞬时从正常到故障状态。此时在线监测数据来不及反映设备的预警状态，只能反映设备发生故障后的状态，因此基于健康指数的故障率模型不能准确计算突发性故障因素导致的故障率λ″。同时从图中可以看出这些突发性因素导致的故障停电占比很大，因此不能忽略突发性故障因素发生时设备的潜在故障率λ″[8-9]。

2.2 突发性故障因素导致的潜在故障率λ″计算

综合故障率λre应该由两部分组成，一部分是第一节中配电设备在渐变性因素影响下，利用健康指数模型计算出的实时故障率λ′，另一部分是当突发性因素发生时，设备的突发性潜在故障率λ″。

λre=λ′+λ″。

(10)

λ″的大小主要由设备装备水平、网架结构水平以及突发性因素的强度决定。装备水平主要包含设备的绝缘质量、防雷质量、超期服役设备占比、继电保护水平这4个指标，网架结构水平主要包括线路N-1通过率、分段开关的配置情况这2个指标[13]。

统计广州白云等12个地区主要故障停电因素和停电设备发现由于设备所处的地理位置、设备的运行维护水平、电网设备的建设程度不同，不同地区的主要故障因素发生数量差异较大。因此可以按照地区、设备类型计算λ″，计算步骤如下[12-13]。

(11)

(12)

式中：Nmn表示第m类设备中第n类突发性因素导致的故障数量，ωmn表示相应权重，cmn表示相应的影响因子。此处m为断路器等6类配电设备,n为施工作业等6类突发性因素。

施工作业、雷击、大风、非施工作业导致的外力破坏、小动物等5类突发性因素的影响因子cm1～5计算如下：

(13)

一般情况下树木受风力级别Sm3的影响较大，因此树木导致故障的影响因子cm6计算如下：

(14)

式中D表示待评估配电设备附近一定范围内是否有树木，有树木则D的取值为1，没有则为0。

当突发性故障因素发生时，设备的装备水平和网架结构水平越高，则设备发生突发性故障的可能性越低。因此装备水平和网架结构水平会影响设备发生突发性故障的概率，这些影响的计算步骤如下。

(15)

(16)

综合故障率λre可按式(17)计算：

(17)

3 配电网的实时停电概率及停电风险计算

计算出设备的综合故障率以后，采用“馈线分区”计算各负荷点的实时停电概率和停电风险。计算步骤如下[13-14]。

3.1 实时停电概率和停电时间计算

(18)

(19)

(20)

(21)

式中n3表示开关元件个数。

3.2 配电网设备的实时风险评估

配电网的实时风险评估主要是为电网部门的运行维护提供帮助，因此需要实时评估各配电设备以及各负荷点故障停电的可能性以及严重性。配电网的实时综合故障停电风险Rr如式(22)所示：

(22)

式中：C1表示配电设备故障停电给供电企业带来的停电损失，C2表示用户的停电损失。

对于供电企业，故障停电损失主要包括电费损失R1和设备的维修费用R2；对于用户而言，故障停电损失主要是停电导致用户无法正常生产运营。

(23)

(24)

(25)

(26)

式中x表示一二级负荷的比重。

4 配电网实时风险评估流程

渐变性因素影响下的实时风险和突发性潜在风险评估主要步骤如下[15-16]。

5)两部分故障率叠加得到待评估设备的实时综合故障率λre=λ′+λ″。

5 实例分析

以广州白云地区的一条配电线路在2018年7月12日的情况为例分析，该线路网架结构如图3所示。该条线路包含10个负荷点、10台变压器、20个负荷开关、1个隔离开关、2台断路器，上级电源接入母线BUS1。该线路都是架空线路，参数如表2所示。

图3 配电网算例系统Fig. 3 Distribution network example system

表2 线路长度

以变压器T4为例，该变压器所有部件中健康指数H最低的是油箱，以油箱的健康指数H作为变压器的健康指数。检查发现油枕的油位偏低，扣分为15，该变压器无家族缺陷，因此KF=1。该变压器运行了6年，因此KT=0.97，由此可得该变压器的H=82.5。同理可以计算所有设备的健康指数H，将实时H代入拟合好的式(4)～(9)，设备实时故障率如表3所示，可以看出负荷开关LS8、LS10的渐变性λ′最大。

表3 配电设备健康指数及实时故障率

表4 月历史故障率

当出现雨夹雷天气时，5类设备由于6类突发性因素导致的故障权重ωmn和影响因子如表5～6所示。

表5 故障权重

表6 突发性因素的影响因子

表和计算结果

由式(16)计算λ″如表8所示。

表8 突发性潜在故障率

由式(17)可知，综合故障率λre为表3结果叠加上相应的λ″。

各设备的维修费用、修复时间等如表9所示。将各负荷点的一二级负荷占比x代入式(26)得到负荷重要因数Z，各负荷点的基本情况如表10所示。

表9 设备基本情况

表10 算例基本情况

原有的基于健康指数的风险评估中使用渐变性因素故障率λ′如表3所示，各负荷点的停电概率、供电企业停电损失C1、用户停电损失C2、停电风险值Rr如表11所示。使用综合故障率λre的结果如表12所示。其中C1由式(23)和(25)计算可得，设备的维修费用R2分摊到各负荷点为9 463.03元。

表11 使用λ′时各负荷点停电损失及风险

续表11

表12 使用λre时各负荷点停电损失及风险

表11和12的停电损失C1和C2相同，因此表12中没有重复展示。同时可以看出LP1的实时停电风险Rr最小，LP2的Rr最大。LP1的Rr最小主要是因为其实时停电概率最小，而LP7和LP10的综合停电概率虽然最大，但是因为该负荷点是居民用户，导致该负荷点的综合停电损失较小，因此停电风险不是最大。LP2的Rr最大主要是因为该负荷点是工业用户，综合停电损失很大导致最后的停电风险值最大。因此停电概率最大不代表停电风险最大。

目前依据该研究已经开发了基于综合故障率的配电网实时风险评估软件，该软件已经在广州部分线路开始试点运行。从目前的运行效果来看，在一般的天气情况下，该方法的风险评估效果和往年同期使用原有方法相比差异不大。当出现大风大雨等较为恶劣的天气以及待评估设备的装备水平和网架结构水平较差时，该方法可以及时发现配电网的薄弱环节，使电网工作人员可以实施状态维修，较大程度地减少了故障停电次数和故障停电损失，提高了配电网的可靠性。由于不同负荷点之间装备水平、网架水平、环境因素等存在差异，因此不同线路的预警值不同。如何设置合适的风险预警值，使其可以较大程度减少故障停电次数的同时可以避免过度状态维修是接下来的研究重点。

6 结 论