方 健，林 翔， 王紅斌，張 敏，方 敏，李盛楠

(1.廣東電網(wǎng)廣州供電局,廣州 510620；2.重慶大學 輸配電裝備及系統(tǒng)安全與新技術國家重點實驗室，重慶 400044)

配電網(wǎng)的運行環(huán)境復雜，配電設備容易受到環(huán)境的影響發(fā)生各類故障。由于配電設備的價格便宜，大部分配電設備上沒有傳感設備，因此傳統(tǒng)的風險評估主要是利用歷史故障率來計算故障停電的風險，不能有效反映設備的實時狀態(tài)，該種方式不能有效減少配電網(wǎng)的故障停電次數(shù)，應對故障通常采用事后維修?，F(xiàn)有的配電設備實時故障率評估模型一般是利用部分在線監(jiān)測數(shù)據(jù)計算設備的運行風險，由于沒有充分考慮突發(fā)性環(huán)境因素、設備水平以及網(wǎng)架結構水平對設備潛在故障率的影響，在這種情況下采用的狀態(tài)維修忽略了很多潛在的故障停電可能，導致不能及時發(fā)現(xiàn)潛在的故障隱患。因此有必要充分考慮這些因素，通過配電網(wǎng)的實時風險評估找到配電網(wǎng)的薄弱環(huán)節(jié)，在故障發(fā)生前對配電網(wǎng)進行狀態(tài)維修，從而減少配電網(wǎng)故障停電的發(fā)生[1-3]。穆斌等[4]考慮了最大供電能力，利用節(jié)點深度編碼和遺傳算法相結合的方式實現(xiàn)了配電網(wǎng)的網(wǎng)絡重構，為配電網(wǎng)的檢修提供了依據(jù)。張文俊[5]利用調查法和最小二乘法擬合不同用戶的停電損失函數(shù)，并計算了配電網(wǎng)的風險值，找到了配電網(wǎng)的薄弱環(huán)節(jié)。栗然等[6]考慮了設備的狀態(tài)及檢修的作用，使用粒子群優(yōu)化算法找到了配電網(wǎng)合適的檢修方案。這些研究使用設備的歷史故障率，考慮停電損失的影響建立了風險評估模型，通過算法找到風險最小值從而提供了合適的檢修方案。

隨著配電設備的在線監(jiān)測數(shù)據(jù)不斷完善，研究人員利用主要影響因素或者健康指數(shù)模型來實現(xiàn)配電設備的實時風險評估。林子釗等[7]考慮了多種因素對配電網(wǎng)運行風險的影響，實現(xiàn)了配電網(wǎng)的風險量化評估。王浩鳴等[8]和趙會茹等[9]考慮了設備自身的影響以及主要的環(huán)境因素，計算出設備的實時故障率和設備的故障停電實時風險值。史常凱等[10]和馬釗等[11]利用配電設備的實時健康指數(shù)反應設備的狀態(tài)水平，利用最小路法計算出了配電網(wǎng)的實時停電損失。李二霞等[12]考慮配電設備檢修導致的網(wǎng)架結構薄弱引發(fā)的停電風險，進一步建立了故障停電的風險模型和檢修模型，實現(xiàn)了檢修計劃的優(yōu)化。上述研究利用主要影響因素對故障率進行修正，只有在這些因素影響下發(fā)生故障時，該方法才能有效計算設備的實時故障率?；诮】抵笖?shù)的實時風險評估模型參數(shù)難以準確確定，如何借鑒歷史故障數(shù)據(jù)特征使得檢修更加準確是一個難點。更為重要的是這些研究普遍沒有充分考慮突發(fā)性環(huán)境因素、設備水平以及網(wǎng)架結構水平對設備潛在故障率的影響。

針對以上問題，筆者提出了一種基于綜合故障率的配電網(wǎng)實時風險評估方法。首先使用配電設備在漸變性因素作用下發(fā)生故障的歷史數(shù)據(jù)，利用基于主要故障因素的設備狀態(tài)評價改進模型計算結果擬合得到實時故障率量化模型。接著利用在線監(jiān)測數(shù)據(jù)計算待評估設備健康指數(shù)，進一步計算設備在漸變性因素影響下的故障率。根據(jù)待評估配電設備所處環(huán)境突發(fā)性因素的實時強度、裝備水平和網(wǎng)架結構水平，計算突發(fā)性潛在故障率和綜合故障率。采用饋線分區(qū)的方法計算各負荷點的實時停電概率和停電風險，并通過廣州地區(qū)的實例分析找到了配電設備和負荷點的薄弱環(huán)節(jié)。

1 配電設備實時故障率計算

1.1 基于主要故障因素的設備狀態(tài)評價改進模型

(1)

式中：λi為第i類設備的歷史故障率；ωij為故障因素j在第i類設備中所占權重；cij為故障因素對應的修正系數(shù)。當配電設備出現(xiàn)單一故障，或者多種故障因素并發(fā)但相互之間沒有顯著影響時，計算結果才較為準確。

但是該方法忽略了不同故障因素同時發(fā)生可能存在的協(xié)同效果。通過對廣州地區(qū)故障案例進行統(tǒng)計發(fā)現(xiàn)，設備超期服役、設備過載、大雨三者之間存在相對明顯的協(xié)同相應，因此需要在修正系數(shù)cij的基礎上乘以一個協(xié)同系數(shù)A。

根據(jù)中國氣象局對小雨至特大暴雨6個等級的劃分，將對應的降雨等級用1～6來代表，如表1所示。

表1 降雨等級

對廣州地區(qū)在大風大雨天氣且超期服役狀態(tài)下發(fā)生故障的290個配電設備進行統(tǒng)計，結果如圖1。

圖1 大風大雨與超役年限之間的協(xié)同效果Fig. 1 Synergistic effect of strong wind and heavy rain with years of overservice

超役年限定義為T-t2，即設備運行年限T超過劣化階段開始的年限t2?？梢钥闯龉收现饕性诖笥甑酱蟊┯昙俺勰晗?～10年，A主要在1.1～1.7。將降雨量等級x，超役年限y與協(xié)同系數(shù)A進行擬合，得到的表達式如下：

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

(2)

同理，使用這種方法可以計算出設備超期服役與設備過載，大風大雨與設備過載之間的協(xié)同系數(shù)。

1.2 基于健康指數(shù)的配電設備實時故障率計算模型

(3)

式中：K、C為待定系數(shù)。原有方法將最小故障率、常用故障率及對應的健康指數(shù)帶入式(3)，通過擬合確定了待定系數(shù)。由于不同個體之間存在差異性，僅通過這兩個數(shù)據(jù)確定的模型并不準確。

健康指數(shù)H的計算可參考標準《配電網(wǎng)設備狀態(tài)評價導則》(Q/GDW 645—2011)選擇配電設備各部件的狀態(tài)參量并確定相關權重，根據(jù)該導則和參考文獻[10-12]，這里將健康指數(shù)H等于部件狀態(tài)評分值，H=mpKFKT。其中，H上限取100，部件的基礎評分mp=100-相應部件最大扣分值；存在家族缺陷時，家族缺陷系數(shù)KF=0.95,否則KF=1；壽命系數(shù)KT=(100-運行年數(shù)×0.5)/100。各部件狀態(tài)量的數(shù)值通過在線監(jiān)測數(shù)據(jù)、檢修報告、試驗測試結果等獲取，由于設備各部分部件的健康指數(shù)得分可能不同，這里將部件最低的健康指數(shù)H作為設備的健康指數(shù)。

(4)

(5)

(6)

(7)

(8)

(9)

2 突發(fā)性潛在故障率λ″計算

2.1 故障因素分類

廣州地區(qū)2013—2018年停電因素數(shù)量統(tǒng)計如圖2。由圖可以看出，除開運行維護導致的停電，導致配電網(wǎng)故障停電的主要因素大致可分為4類：1)設備自身因素，比如設備超期服役會導致設備故障率升高、設備質量問題也會導致故障發(fā)生等；2)運行條件的影響，比如長時間過載會加速設備絕緣老化進而引發(fā)故障；3)天氣的影響主要分成兩類，一類是漸變性天氣的影響，比如高溫天氣會加速設備老化，一類是突發(fā)性天氣的影響，比如雷擊可能瞬間燒壞避雷器，大風等惡劣天氣會導致架空線受損；4)突發(fā)的外力破壞，比如施工作業(yè)、小動物、樹木影響等會直接導致設備故障。

圖2 廣州全局故障原因統(tǒng)計Fig. 2 Statistics of global failure causes in Guangzhou

上述4類可劃分為漸變性因素和突發(fā)性因素2個大類，其中設備自身因素、運行條件、漸變性天氣等漸變性因素對設備故障的影響相對緩慢，影響的過程都可以在線監(jiān)測數(shù)據(jù)中體現(xiàn)。因此基于健康指數(shù)的故障率模型可以有效反應設備故障率λ′，可以實現(xiàn)設備的故障預警。當施工作業(yè)、雷擊、大風、非施工作業(yè)導致的外力破壞、小動物和樹木影響等6類突發(fā)性因素發(fā)生時，設備參數(shù)可能瞬時從正常到故障狀態(tài)。此時在線監(jiān)測數(shù)據(jù)來不及反映設備的預警狀態(tài)，只能反映設備發(fā)生故障后的狀態(tài)，因此基于健康指數(shù)的故障率模型不能準確計算突發(fā)性故障因素導致的故障率λ″。同時從圖中可以看出這些突發(fā)性因素導致的故障停電占比很大，因此不能忽略突發(fā)性故障因素發(fā)生時設備的潛在故障率λ″[8-9]。

2.2 突發(fā)性故障因素導致的潛在故障率λ″計算

綜合故障率λre應該由兩部分組成，一部分是第一節(jié)中配電設備在漸變性因素影響下，利用健康指數(shù)模型計算出的實時故障率λ′，另一部分是當突發(fā)性因素發(fā)生時，設備的突發(fā)性潛在故障率λ″。

λre=λ′+λ″。

(10)

λ″的大小主要由設備裝備水平、網(wǎng)架結構水平以及突發(fā)性因素的強度決定。裝備水平主要包含設備的絕緣質量、防雷質量、超期服役設備占比、繼電保護水平這4個指標，網(wǎng)架結構水平主要包括線路N-1通過率、分段開關的配置情況這2個指標[13]。

統(tǒng)計廣州白云等12個地區(qū)主要故障停電因素和停電設備發(fā)現(xiàn)由于設備所處的地理位置、設備的運行維護水平、電網(wǎng)設備的建設程度不同，不同地區(qū)的主要故障因素發(fā)生數(shù)量差異較大。因此可以按照地區(qū)、設備類型計算λ″，計算步驟如下[12-13]。

(11)

(12)

式中：Nmn表示第m類設備中第n類突發(fā)性因素導致的故障數(shù)量，ωmn表示相應權重，cmn表示相應的影響因子。此處m為斷路器等6類配電設備,n為施工作業(yè)等6類突發(fā)性因素。

施工作業(yè)、雷擊、大風、非施工作業(yè)導致的外力破壞、小動物等5類突發(fā)性因素的影響因子cm1～5計算如下：

(13)

一般情況下樹木受風力級別Sm3的影響較大，因此樹木導致故障的影響因子cm6計算如下：

(14)

式中D表示待評估配電設備附近一定范圍內是否有樹木，有樹木則D的取值為1，沒有則為0。

當突發(fā)性故障因素發(fā)生時，設備的裝備水平和網(wǎng)架結構水平越高，則設備發(fā)生突發(fā)性故障的可能性越低。因此裝備水平和網(wǎng)架結構水平會影響設備發(fā)生突發(fā)性故障的概率，這些影響的計算步驟如下。

(15)

(16)

綜合故障率λre可按式(17)計算：

(17)

3 配電網(wǎng)的實時停電概率及停電風險計算

計算出設備的綜合故障率以后，采用“饋線分區(qū)”計算各負荷點的實時停電概率和停電風險。計算步驟如下[13-14]。

3.1 實時停電概率和停電時間計算

(18)

(19)

(20)

(21)

式中n3表示開關元件個數(shù)。

3.2 配電網(wǎng)設備的實時風險評估

配電網(wǎng)的實時風險評估主要是為電網(wǎng)部門的運行維護提供幫助，因此需要實時評估各配電設備以及各負荷點故障停電的可能性以及嚴重性。配電網(wǎng)的實時綜合故障停電風險Rr如式(22)所示：

(22)

式中：C1表示配電設備故障停電給供電企業(yè)帶來的停電損失，C2表示用戶的停電損失。

對于供電企業(yè)，故障停電損失主要包括電費損失R1和設備的維修費用R2；對于用戶而言，故障停電損失主要是停電導致用戶無法正常生產(chǎn)運營。

(23)

(24)

(25)

(26)

式中x表示一二級負荷的比重。

4 配電網(wǎng)實時風險評估流程

漸變性因素影響下的實時風險和突發(fā)性潛在風險評估主要步驟如下[15-16]。

5)兩部分故障率疊加得到待評估設備的實時綜合故障率λre=λ′+λ″。

5 實例分析

以廣州白云地區(qū)的一條配電線路在2018年7月12日的情況為例分析，該線路網(wǎng)架結構如圖3所示。該條線路包含10個負荷點、10臺變壓器、20個負荷開關、1個隔離開關、2臺斷路器，上級電源接入母線BUS1。該線路都是架空線路，參數(shù)如表2所示。

圖3 配電網(wǎng)算例系統(tǒng)Fig. 3 Distribution network example system

表2 線路長度

以變壓器T4為例，該變壓器所有部件中健康指數(shù)H最低的是油箱，以油箱的健康指數(shù)H作為變壓器的健康指數(shù)。檢查發(fā)現(xiàn)油枕的油位偏低，扣分為15，該變壓器無家族缺陷，因此KF=1。該變壓器運行了6年，因此KT=0.97，由此可得該變壓器的H=82.5。同理可以計算所有設備的健康指數(shù)H，將實時H代入擬合好的式(4)～(9)，設備實時故障率如表3所示，可以看出負荷開關LS8、LS10的漸變性λ′最大。

表3 配電設備健康指數(shù)及實時故障率

表4 月歷史故障率

當出現(xiàn)雨夾雷天氣時，5類設備由于6類突發(fā)性因素導致的故障權重ωmn和影響因子如表5～6所示。

表5 故障權重

表6 突發(fā)性因素的影響因子

表和計算結果

由式(16)計算λ″如表8所示。

表8 突發(fā)性潛在故障率

由式(17)可知，綜合故障率λre為表3結果疊加上相應的λ″。

各設備的維修費用、修復時間等如表9所示。將各負荷點的一二級負荷占比x代入式(26)得到負荷重要因數(shù)Z，各負荷點的基本情況如表10所示。

表9 設備基本情況

表10 算例基本情況

原有的基于健康指數(shù)的風險評估中使用漸變性因素故障率λ′如表3所示，各負荷點的停電概率、供電企業(yè)停電損失C1、用戶停電損失C2、停電風險值Rr如表11所示。使用綜合故障率λre的結果如表12所示。其中C1由式(23)和(25)計算可得，設備的維修費用R2分攤到各負荷點為9 463.03元。

表11 使用λ′時各負荷點停電損失及風險

續(xù)表11

表12 使用λre時各負荷點停電損失及風險

表11和12的停電損失C1和C2相同，因此表12中沒有重復展示。同時可以看出LP1的實時停電風險Rr最小，LP2的Rr最大。LP1的Rr最小主要是因為其實時停電概率最小，而LP7和LP10的綜合停電概率雖然最大，但是因為該負荷點是居民用戶，導致該負荷點的綜合停電損失較小，因此停電風險不是最大。LP2的Rr最大主要是因為該負荷點是工業(yè)用戶，綜合停電損失很大導致最后的停電風險值最大。因此停電概率最大不代表停電風險最大。

目前依據(jù)該研究已經(jīng)開發(fā)了基于綜合故障率的配電網(wǎng)實時風險評估軟件，該軟件已經(jīng)在廣州部分線路開始試點運行。從目前的運行效果來看，在一般的天氣情況下，該方法的風險評估效果和往年同期使用原有方法相比差異不大。當出現(xiàn)大風大雨等較為惡劣的天氣以及待評估設備的裝備水平和網(wǎng)架結構水平較差時，該方法可以及時發(fā)現(xiàn)配電網(wǎng)的薄弱環(huán)節(jié)，使電網(wǎng)工作人員可以實施狀態(tài)維修，較大程度地減少了故障停電次數(shù)和故障停電損失，提高了配電網(wǎng)的可靠性。由于不同負荷點之間裝備水平、網(wǎng)架水平、環(huán)境因素等存在差異，因此不同線路的預警值不同。如何設置合適的風險預警值，使其可以較大程度減少故障停電次數(shù)的同時可以避免過度狀態(tài)維修是接下來的研究重點。

6 結 論