基于比例风险模型的输电线路状态评估方法
时间：2023-03-27 12:25:06 来源：柠檬阅读网 本文已影响 人 
颜祖明,钟富城,王星华
(广东工业大学,广东 广州 510006)
输电线路在长期的运行过程中,由于外部环境的作用及自身的老化,线路会逐渐劣化并形成缺陷,若不加以处理则可能进一步演变为故障。因此制定合理的运维策略有助于及时消除缺陷,防止缺陷劣化发展为故障[1],既考虑设备的安全稳定运行,又尽量减少运维成本。目前国内外的输电运维也由定期检修逐渐过渡到状态检修,在考虑运维成本的情况下,状态检修预期成本更低且检修策略更加优越,而状态评估则是状态检修的基础。因此,开展全面有效的输电线路状态监测、状态评估预警是输电线路智能化运维的发展趋势,为输电线路智能化运维提供决策支持。
输电线路状态评估是一项复杂的系统工程,通过借鉴以往的缺陷和故障经验,并根据相应的数学模型对状态信息进行分析计算,得出线路总体状态等级的过程[2-4]。
输变电设备状态评估导则是目前设备评估的主要依据[5]。评估导则根据巡检、试验等结果,按照导则规定的各类设备状态量扣分标准,对状态量进行扣分,以确定设备的状态等级。此方法简单易行,应用广泛。其不足之处也较为明显:状态量众多,无轻重之分,评估工作量大,效率低;评估过程仅涉及设备自身的状态量,无法综合考虑电网运行、外部环境等因素对设备状态的影响。另外,输电线路分布广且环境复杂,导致巡线过程部分参量信息收集困难[6]。文献[7]提出了基于贝叶斯网络的状态评估方法;文献[8]采用数据挖掘技术对输电线路的运行状态进行分析,建立了基于主成分分析的输电线路状态评估模型。上述评估模型主要还是根据导则规定的状态量进行评估,同样没有计及内在、外在因素的差异对线路状态演变的影响。
因此本文提出一种基于比例风险模型的输电线路状态评估模型。在状态评估导则的基础上构建状态评估关键参量体系;在比例风险模型中,考虑输电线路实际运行年限及检修时间间隔的影响,获得模型等效运行时间输入特征用于状态评估;将求解得到的模型参数初值通过网格搜索和交叉验证的方法获得模型参数最优值。最后通过某地区输电线路运行数据做算例分析,验证本文方法的有效性。
参照《架空输电线路状态评价导则》,输电线路的状态评估主要有杆塔、导地线、金具、基础、绝缘子、接地装置、通道环境、附属设施8个单元作为综合评估指标,由各单元的细分指标构建状态评估状态参量体系,得到共103个状态量。
输电线路在实际运维中的缺陷都存在相应的特征量表征,要对其运行状态进行准确评估,需要选择最具代表性的状态量,建立合理全面的输电线路状态评估体系[9]。
在评估参量有效和评估结果准确的基础上对参数体系进行精简和规约,构建基础参数体系,确保评估参量的全面性。文献[10]提出一种基于关联规则和主成分分析的输电线路状态评估关键参量体系构建,结合输电线路实际运维记录,根据关联规则中的置信度量化评估参量,通过主成分分析法获得关键参量,最终建立关键参量体系。本文引用文献[11]建立的关键参量体系进行状态评估研究。
2.1 比例风险模型
比例风险模型,又称Cox回归模型,是由英国统计学家D.R.Cox于1972年提出的一种通过联合协变量进行风险分析的半参数回归模型[12],目前广泛运用于电力系统领域当中。该模型能表征几种不同风险因素对生存时间的影响,将之引用到输电线路状态评估当中,结合输电线路状态量和运行时间,实现输电线路的状态评估。
经典的比例风险模型如式(1)所示,由两部分组成的,一部分为设备的基准风险值,在此表征基准缺陷风险值;另一部分为连接函数,其中连接函数用来量化影响因素对故障的影响,在此表征输电线路单元的特征量对各单元状态的影响
式中:H(t,X)表示时变风险函数,在此表示各单元状态评估扣分值;X为风险事件协变量,表示风险事件的影响因素,在此表示各单元的状态量X=[X1,X2,…,X m];β为回归系数,表示协变量对事件的影响程度,β=[β1,β2,…,βm];m为协变量的个数,表示需要考虑的影响因素个数,在此表示特征量的个数;h0(t)为基准缺陷风险函数,表达式为
式中:t为输电线路运行时间;η为特征寿命参数;λ为形状参数。
本文通过上述比例风险模型计算可得到输电线路各单元的状态量分值。
2.2 线路运行时间的修正
输电线路的运行时间的长短一定程度上影响着线路的状态评估,在运维过程中的检修行为会改善或修复元件的若干功能,从而延长使用寿命。表现在元件寿命曲线上,检修行为会对元件的使用寿命产生回退作用,由此改变了输电线路各单元的等效运行时间,如图1所示。
图1 线路状态评估回退曲线
图1中,对输电线路采取检修后,不仅能使设备因故障丧失的功能得到恢复,还能改善设备整体的性能,减少缺陷的发生,使该元件等效运行年限回退一定时刻,t k回退之后的扣分值等于t"k时的扣分值。考虑元件在运行过程中,未损坏的部件会逐渐老化,而检修行为是在上一次检修的基础上对元件的损坏部件进行修复,因此检修不能使元件恢复如新,即第k次检修后的等效运行时间t"k应大于第k-1次检修时间t"k-1。通过引入检修回退系数,可以得到采取检修后的等效运行时间
式中:θ为检修回退系数,表征输电线路元件检修的效果。在工程实际当中,设备元件的检修类别分为故障后检修、状态检修,其中状态检修又分为大修和小修[13-14]。
故障事后检修,只能恢复设备因故障所丧失的功能,不会改变设备元件缺陷发生的概率,即θ=0;状态检修使设备的功能得到恢复的同时,还能降低设备元件缺陷的发生,但不能使设备恢复如新,即0＜θ＜1;其中大修是对设备整体的修复和维护,取θ=0.5;小修是对设备的部件、功能块的检修或更换等,可取θ=0.2。检修回退系数具体值需根据现场运行检修状况制定。
根据式(3),当元件已采取k次检修,且第k+1次检修还没有到来时,该元件的等效运行时间为
式中:t为元件当前运行时间;t"为等效运行时间;ΔT1为检修行为对运行时间的修正间隔。
2.3 比例风险模型协变量参数优化
比例风险模型的最重要参数为协变量参数β=[β1,β2,…,βm],表征的是各协变量对事件的影响程度,即各状态参量对单元状态评估的影响程度。通过Cox生存分析库求解比例风险模型协变量参数,得到各单元的比例风险模型的参数初始值。由于模型参数设置很大程度上影响了评估模型的性能,为了提高模型分类的精度,本文采用网格搜索法与交叉验证法优化参数,获得最优参数值。
网格搜索法与交叉验证是机器学习中2个非常重要的概念,有着广泛的应用[15]。网格搜索法是将参数空间划分为若干网络,遍历网络交叉点处所有参数组合,计算其对应模型的准确率,误差最小的参数组合即为模型的最优参数组合。
交叉验证是为了减少模型在随机取样时所带来的训练偏差,提高模型的泛化性能。将数据集随机地平均划分为K个互斥子集,每次取一份作测试集,其余K-1份作训练集,进行K轮的模型训练和评估,根据K次迭代所得的均方根误差的平均值估计期望泛化误差,选择最小的平均均方根误差所对应的最佳优化参数[16]。
本文针对比例故障模型中较重要的协变量参数,用网络搜索法进行调节优化。其过程如下:
(1)进行K折划分。将数据集划分为训练集、测试集,并将训练集平均分为K份。
(2)建立网络坐标。以参数初值为坐标原点,选取合适的步长,建立参数网络,网格的交点即为对应的参数组合。
(3)按顺序选取训练集中的K -1份数据作为训练样本,剩余一份作为测试样本,取网格中的每一组参数组合训练模型后对测试样本进行预测,统计测试结果的均方根误差。
(4)重复步骤(3),直到遍历完K -1份训练样本的预测效果。
(5)遍历网络交叉点处所有的参数组合,选择最优参数组合,构建比例风险模型的参数。
2.4 综合状态评估
在关键参量体系的基础上,确定输电线路各单元的重要度权重,由各单元状态评估结果得到输电线路最终的综合状态评估分值
式中:S为输电线路综合评估分值,H i为第i个单元的状态扣分值,W i为第i个单元的权重。
其中各单元的权重利用层次分析法确定,主要步骤如下:
(1)构造判断矩阵。在确定各单元权重时,通过1-9标度与各单元的重要度确定各单元之间的判断矩阵,并通过求解判断矩阵的特征值确定权值。标度的取值如表1所示。
表1 标度的取值
(2)通过求解特征值和特征向量,并进行归一化处理,得到各单元权重[17],并对判断矩阵作一致性检验。
计算判断矩阵A的特征向量,则A的最大特征根λ对应的特征向量记为μ,经归一化处理后即得到各单元权值。
进行一致性检验,分别计算一致性指标和一致性比率
若CR＜0.1,则认为判断矩阵的一致性满足要求,否则应对判断矩阵作适当修正,直至达到满意的一致性。
基于比例风险模型的输电线路状态评估的整体流程如图2(a)所示,图2(b)则为传统的基于导则的状态评估过程。
图2 输电线路状态评估
为了验证本文方法的有效性,以某地区架空输电线路2020-2021年的2000余条状态量评估数据进行算例分析。对其中220 kV架空输电线路的相关数据进行数据清理后形成样本集和测试集。训练样本总数为510条,测试样本为143条,包含架空输电线路所有状态量的取值和相应评估等级,分布情况如表2所示。其中,正常状态样本数为243条,注意状态样本数为209,异常状态样本数为41条,严重状态样本数为17条。
表2 输电线路状态评估训练样本 条
3.1 模型的参数计算
输电线路各部件的使用寿命差异较大,根据国家电网有限公司和南方电网公司的统计数据,以及国家电网基建【2012】386号文《关于印发国家电网公司输变电工程提高设计使用寿命指导意见(试行)的通知》,推荐输电线路各部件的使用寿命建议如表3 所示。其中未包括通道环境使用年限,通道环境主要是安全距离不足及通道内树木、建筑情况等。
表3 各单元使用寿命 年
将各单元寿命由年换算成日,即可获得参数ηi(i=1,2,...,8)的取值。
使用Python lifelines 库中的Weibull AFTFitter模型求解模型参数,求得各单元比例故障模型的初始参数[12]。通过网格搜寻法和交叉验证寻优获得最优参数集如表4所示。
表4 比例风险模型协变量参数
将参数求解结果代入式(1),结合线路的等效服役时间、及各单元协变量值即可评估输电线路状态值。
3.2 状态评估结果及分析
由1.2建立的输电线路各单元状态评估体系,得到的关键状态量参数用于输电线路状态评估。将各单元的关键状态量作为该单元比例故障模型的协变量输入X i=[X1,X2,...,X m],代入式(1)和(2),由此得到比例风险模型的输出H i为该单元的状态扣分值。
通过层次分析计算得出各单元的权重W 如表5所示,经过一致性校验满足要求。
表5 各单元重要度权值
将各单元的状态扣分值及重要度权重值代入式(5),即可得到线路的综合状态评估分值S。
由3.1可得各单元比例风险模型的参数,并将参数代入式(1)中。将143条测试样本数据用本文方法进行状态评估得到的结果与实际的结果进行比对,如表6所示。
表6 输电线路状态评估测试样本
从表中可得,最后评估总的重合度为92.31%,各状态的评估结果重合度偏差相对较大,主要是因为各类状态样本分布不均且样本总数量较少。
本方法评估结果与实际样本的评估结果基本相符合。其中评估有偏差的结果与测试样本结果相比只偏差一个状态,且主要是往更严重方向偏差一个状态。进一步分析这些评估有偏差的线路得到,有5条线路从正常偏到注意,4条线路从注意到异常,2条线路异常到严重。这11条线路均是运行年限较为久远,且各单元距离上一次检修时间较长,即等效运行时间较长,因此导致评估分值较低。由于数据方来源目前的输电线路状态评估主要是基于输电线路状态评估导则,在这过程中并未考虑线路运行时间及检修间隔的影响,因此运行时间较长或检修间隔较长的线路与其他线路的状态评分并无区别。由此结果可得,本方法提出的模型进一步完善了这个问题。本文的方法与传统的方法相比可能存在一定的偏差,关于评估的偏差结果,还需要在实际运用过程中进一步的检验。
本文提出的基于比例风险模型输电线路状态评估方法,通过算例验证,具有良好的评估能力,并且与基于导则的评估结果相比,重合度在一定的范围之内,满足基本状态评估的精度要求。将评估偏差相对较大的线路比较可得,主要是运行年限较久且距离上一次检修间隔较为久远的线路。这也是本文提出的结合输电线路时间特征进行状态评估的原因。在考虑了输电线路运行年限和检修时间间隔之后,相对于原本未考虑时间特征的评估模型来说,会造成一定的偏差,这之间的偏差主要是由于考虑了时间特征的影响,等效运行时间越长的线路其状态扣分值越大。关于本模型的状态评估效果还需要在实践过程中进一步的检验,以获得更准确实用的输电线路状态评估模型。
猜你喜欢 参量分值检修 一起来看看交通违法记分分值有什么变化工会博览(2022年8期)2022-06-30太阳黑子自动识别与特征参量自动提取空间科学学报(2020年3期)2020-07-24含参量瑕积分的相关性质现代职业教育·高职高专(2020年10期)2020-01-05基于含时分步积分算法反演单体MgO:APLN多光参量振荡能量场*物理学报(2019年24期)2019-12-24基于双偏振雷达参量的层状云零度层亮带识别研究成都信息工程大学学报(2019年4期)2019-11-04检修当代工人(2019年24期)2019-01-17体育考核新方案出炉 项目分值变化大新校长(2018年7期)2018-07-23按病种(病组)分值结算：现状、做法和评价中国医疗保险(2018年3期)2018-07-14变电站一次设备检修的意义及具体检修内容分析山东工业技术(2016年15期)2016-12-01电力系统继电保护二次回路的维护与检修电子制作(2016年19期)2016-08-24
