歐陽森，陳義森

（華南理工大學(xué)電力學(xué)院，廣州 510640）

隨著電網(wǎng)的延伸發(fā)展，建設(shè)在復(fù)雜微地形的輸電線路日益增多[1]，然而，在依據(jù)線路所處地形的巡視難度制定固定的巡檢周期[2]時(shí)，未能充分考慮線路自身狀態(tài)及所受微氣象的影響。此外，為應(yīng)對(duì)日益增大的巡檢壓力，無人機(jī)被廣泛應(yīng)用在輸電系統(tǒng)中以提高巡檢效率，但無人機(jī)對(duì)故障隱患的探查率低于人工[3]，而傳統(tǒng)人工巡檢發(fā)現(xiàn)缺陷能力強(qiáng)但耗時(shí)長(zhǎng)，故對(duì)人機(jī)巡檢進(jìn)行合理分配成為提升線路巡檢工作效率及質(zhì)量的關(guān)鍵。

目前，國(guó)內(nèi)外對(duì)電力設(shè)備巡檢周期的研究較為深入，文獻(xiàn)[4]基于維護(hù)變更成本對(duì)設(shè)備巡檢計(jì)劃進(jìn)行優(yōu)化，但將所有設(shè)備的故障概率視為等同；文獻(xiàn)[5]基于缺陷數(shù)據(jù)計(jì)算設(shè)備故障概率，通過研究故障概率的變化規(guī)律確定最佳巡檢時(shí)刻，并可計(jì)及個(gè)體差異，但未考慮不同設(shè)備故障對(duì)電網(wǎng)的影響程度；文獻(xiàn)[6]從電網(wǎng)網(wǎng)架、系統(tǒng)運(yùn)行方式及氣候情況等多要素角度量化線路故障風(fēng)險(xiǎn)，并基于靈敏度分析實(shí)現(xiàn)線路的區(qū)別化運(yùn)維；文獻(xiàn)[7]將高壓電纜劃分為5部分，分別計(jì)算故障頻率、設(shè)定故障修復(fù)時(shí)間與線路重要性計(jì)算各部分風(fēng)險(xiǎn)，實(shí)現(xiàn)不同組件的差異化巡檢。然而，上述研究局限于巡檢頻率的改變，無法針對(duì)微氣象突變來動(dòng)態(tài)調(diào)整巡檢任務(wù)；在巡檢班組實(shí)際工作中，巡檢時(shí)刻的提前和次數(shù)的增加也是巡檢周期動(dòng)態(tài)調(diào)整的一部分，從而不可避免地增大巡檢壓力。

為克服輸電線路巡檢工作量大和運(yùn)維難度高等問題，文獻(xiàn)[8]定義了由人工和各式無人機(jī)進(jìn)行組合的15種巡檢模式，并對(duì)巡檢的綜合效益及費(fèi)用進(jìn)行估算，但未針對(duì)人機(jī)巡檢方式進(jìn)行優(yōu)化模型構(gòu)建，巡檢的效率和質(zhì)量有待挖掘。

綜上，線路巡檢周期的研究未能依據(jù)微氣象進(jìn)行動(dòng)態(tài)調(diào)整，人機(jī)巡檢的效率及質(zhì)量還有待提升。對(duì)此本文基于風(fēng)險(xiǎn)評(píng)估理論制定線路基礎(chǔ)巡檢周期；設(shè)計(jì)提前和額外巡檢判定的流程；基于動(dòng)態(tài)周期建立巡檢計(jì)劃優(yōu)化模型；以某地區(qū)輸電線路實(shí)例驗(yàn)證方法的有效性。

1 動(dòng)態(tài)巡檢周期制定方法

1.1 故障概率模型

動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估的關(guān)鍵是求取輸電線路的故障概率，其需滿足的條件為①具有時(shí)變性；②可計(jì)及線路個(gè)體差異性；③可量化不同因素對(duì)線路故障概率的影響。文獻(xiàn)[9]提出的比例風(fēng)險(xiǎn)模型可將故障時(shí)間分布與不同影響因素納入統(tǒng)一框架進(jìn)行描述，滿足上述3個(gè)條件，但其僅考慮了老化因素及健康狀態(tài)，本文對(duì)該模型進(jìn)行拓展可得

式中：p(·)為輸電線路的故障概率；λ0(t)為基準(zhǔn)函數(shù)，用以描述線路基本的老化失效過程；Φ(·)為連接函數(shù)，用以量化不同因素對(duì)線路故障概率的影響程度，選取指數(shù)函數(shù)作為連接函數(shù)；t為線路服役年齡或等效運(yùn)行年限；f1為線路整體長(zhǎng)期運(yùn)行工況的故障概率；f2為微氣象預(yù)警對(duì)線路區(qū)段的短期故障概率。由式（1）可知，求取故障概率的關(guān)鍵是計(jì)算λ0(t)、f1、f2，本文將進(jìn)行詳細(xì)介紹。

1.1.1 老化失效

輸電線路任一元件發(fā)生故障均可導(dǎo)致線路停電，而元件因老化導(dǎo)致故障概率的變化情況可利用浴盆曲線進(jìn)行描述[10]。威布爾分布通過設(shè)置不同的形狀參數(shù)和尺度參數(shù)，可較好地體現(xiàn)浴盆曲線的不同階段，其模型表達(dá)式為

式中，α、β分別為威布爾分布的形狀參數(shù)和尺度參數(shù)。結(jié)合線路的故障歷史數(shù)據(jù)，通過非線性最小二乘法對(duì)2個(gè)參數(shù)進(jìn)行擬合。

1.1.2 運(yùn)行工況

電力系統(tǒng)元件的傳輸功率超過某一定值時(shí)，由內(nèi)部因素造成的故障概率會(huì)隨著傳輸功率的增大呈現(xiàn)線性上升的趨勢(shì)[11]。設(shè)PN為線路的額定傳輸功率，Plim為線路的極限傳輸功率，當(dāng)線路長(zhǎng)期運(yùn)行在額定傳輸功率的約束內(nèi)時(shí)，其故障概率為定值v0；隨著傳輸功率的上升，線路的運(yùn)行溫度增高，故障概率上升。因此，定義Pt為線路年平均運(yùn)行負(fù)荷，基于在量化長(zhǎng)期運(yùn)行工況下線路的故障概率f1可表示為

1.1.3 微氣象預(yù)警

考慮到小樣本情況下模型的有效性，基于關(guān)聯(lián)規(guī)則理論[12]挖掘微氣象告警等級(jí)與線路故障的關(guān)系，第j個(gè)微氣象所屬的第k個(gè)告警等級(jí)對(duì)輸電線路發(fā)生故障的支持度S(Uj,k→V)可表示為

式中：σ(Uj,k→V)為事后確認(rèn)第j個(gè)微氣象特征因子在第k個(gè)告警等級(jí)下造成輸電線路故障的次數(shù)；Ω為事務(wù)總集數(shù)量。

第j個(gè)微氣象第k個(gè)告警等級(jí)與輸電線路發(fā)生故障的置信度C(Uj,k→V)可表示為

式中，σ(Uj,k)為處于監(jiān)測(cè)到第j個(gè)微氣象在第k個(gè)告警等級(jí)下的總告警次數(shù)。

通過置信度可衡量微氣象在不同告警等級(jí)下導(dǎo)致輸電線路故障的可能性，當(dāng)系統(tǒng)接收到多個(gè)微氣象預(yù)警時(shí)，以預(yù)警值中最大置信度作為導(dǎo)致故障的附加概率f2。

1.2 故障后果評(píng)價(jià)

傳統(tǒng)故障后果評(píng)價(jià)方法以線路故障后造成系統(tǒng)減供負(fù)荷為標(biāo)準(zhǔn)劃分等級(jí)[6]，適用于配電網(wǎng)?？紤]到輸電網(wǎng)是閉環(huán)運(yùn)行，某一回線路造成整個(gè)系統(tǒng)負(fù)荷的損失難以準(zhǔn)確估計(jì)，對(duì)此從輸電線路年平均運(yùn)行負(fù)荷出發(fā)，將其與系統(tǒng)總負(fù)荷的比值作為衡量故障后果的評(píng)價(jià)標(biāo)準(zhǔn)，具有更為直觀且易于統(tǒng)計(jì)的優(yōu)勢(shì)。參考文獻(xiàn)[6]，將故障后果劃分為5個(gè)等級(jí)，見表1。

表1 輸電線路故障后果評(píng)分Tab.1 Evaluation of transmission line fault consequence

1.3 巡檢周期制定

1.3.1 基礎(chǔ)巡檢周期

當(dāng)僅考慮線路的老化失效和運(yùn)行工況對(duì)故障概率的影響時(shí)，式（1）退化為

式中，γ1為內(nèi)部漸變性影響因素的權(quán)重系數(shù)。

基于風(fēng)險(xiǎn)評(píng)估理論計(jì)算線路長(zhǎng)期運(yùn)行風(fēng)險(xiǎn)R0為

式中，g為輸電線路故障后果評(píng)分值。

基礎(chǔ)巡檢周期忽略微氣象的影響，其利用年運(yùn)行風(fēng)險(xiǎn)R0制定線路的基礎(chǔ)巡檢周期，此處參考《中國(guó)南方電網(wǎng)有限責(zé)任公司設(shè)備風(fēng)險(xiǎn)評(píng)估管理辦法》，將風(fēng)險(xiǎn)評(píng)估值劃分為4個(gè)等級(jí)，以調(diào)控巡檢工作量，輸電線路基礎(chǔ)巡檢周期見表2。

表2 輸電線路基礎(chǔ)巡檢周期Tab.2 Basic inspection periods of transmission lines

1.3.2 附加巡檢任務(wù)

當(dāng)計(jì)及微氣象預(yù)警時(shí)，線路的短期運(yùn)行風(fēng)險(xiǎn)值變?yōu)?/p>

式中，γ2為外部突發(fā)性影響因素的權(quán)重系數(shù)。

若R1評(píng)定等級(jí)高于R0，此時(shí)并非直接增加額外巡檢，而是需要考慮巡檢的必要性、緊急性；當(dāng)考慮線路故障隱患數(shù)目較多時(shí)，在微氣象的作用下，故障隱患發(fā)展為故障事件的可能性就越高，此時(shí)應(yīng)適時(shí)增加巡檢次數(shù)以降低故障風(fēng)險(xiǎn)。因此，建立附加巡檢任務(wù)判定邏輯如圖1所示。

圖1 附加巡檢任務(wù)判定邏輯Fig.1 Determination logic in added inspection task

為了衡量線路排班工作的合理性，定義巡檢密度系數(shù)ρ為

式中：T為線路的基礎(chǔ)巡檢周期；dw為線路的微氣象預(yù)警日；dl為該線路上一次巡檢日。

設(shè)dn為下一次巡檢日，可知式（9）滿足dl＜dw＜dn，ρ＞1，且隨著dw越接近dn，ρ逐漸減小，當(dāng)ρ≥4時(shí)，dw距離dl為1/4周期之內(nèi)，此時(shí)不更新巡檢周期可避免人力浪費(fèi)；當(dāng)ρ≤4/3時(shí)，dw距離dn為1/4周期之內(nèi)，可將下一次巡檢日提前，即令dn=dw，優(yōu)先巡檢存在高故障風(fēng)險(xiǎn)的線路。

當(dāng)考慮線路故障隱患數(shù)目較多時(shí)，在微氣象的作用下，故障隱患發(fā)展為故障事件的可能性就越高，此時(shí)應(yīng)適時(shí)增加巡檢次數(shù)以降低故障風(fēng)險(xiǎn)。記線路在dw前經(jīng)歷了h次巡檢，其剩余的累積故障隱患數(shù)為m(h)，依據(jù)文獻(xiàn)[7]對(duì)累積故障隱患數(shù)與基礎(chǔ)巡檢周期T的關(guān)系進(jìn)行建模，可得

式中：h為巡檢次數(shù)；k為每次線路巡檢可消除的故障隱患比例；μ為線路故障隱患出現(xiàn)的頻次。

當(dāng)不考慮微氣象預(yù)警時(shí)，h次巡檢后線路的累積故障數(shù)為

倘若線路在巡檢年限內(nèi)接收到多次微氣象預(yù)警，一味采取巡檢日提前的措施，則無法降低線路的累積故障數(shù)，可在dw時(shí)刻為線路增加1次額外巡檢。經(jīng)(h+1)次巡檢后線路的累積故障數(shù)可表示為

此時(shí)，可通過比較h次巡檢與(h+1)次巡檢后線路的累積故障數(shù)來判斷是否要增加額外巡檢計(jì)劃。n(h+1)/n(h)的比值越小，表明增加巡檢次數(shù)所取得的收益越大、必要性越高，設(shè)定0.7為判斷巡檢次數(shù)增加必要性的閾值。

2 人機(jī)巡檢計(jì)劃優(yōu)化模型

2.1 模型構(gòu)建

巡檢的目標(biāo)是及時(shí)發(fā)現(xiàn)并處理潛在的缺陷和隱患，因此，模型中首要考慮的就是輸電線路運(yùn)行的可靠性，并通過合理的人機(jī)巡檢任務(wù)分配可降低運(yùn)維人員的巡線時(shí)間及成本，即

式中：Z1為故障風(fēng)險(xiǎn)成本，104￥；Z2為巡線經(jīng)濟(jì)成本，104￥。

1）故障風(fēng)險(xiǎn)成本

式中：η為單位電價(jià)，104￥/（MW·h）；pi(t,f1,f2)為線路i的故障概率；L為系統(tǒng)下一年計(jì)劃巡檢的線路數(shù)量；Pi為線路i的運(yùn)行平均功率，MW；τ為線路的等值停運(yùn)時(shí)間，包括故障時(shí)間和修復(fù)時(shí)間，h；xi為決策變量，xi=0表示線路i的巡檢方式為人工巡檢，xi=1為無人機(jī)巡檢；ξ、ψ分別為線路在每次經(jīng)歷人工巡檢和無人機(jī)巡檢后故障概率的回退因子，可依據(jù)累積故障數(shù)n(h)進(jìn)行設(shè)定，且滿足ψ＜ξ；hi為線路i的計(jì)劃巡檢次數(shù)，包括基礎(chǔ)巡檢周期和附加巡檢任務(wù)。

2）巡線經(jīng)濟(jì)成本

式中：ε為單位工時(shí)成本，包括運(yùn)維人員工資、工傷費(fèi)用、培訓(xùn)費(fèi)用等，104￥/h；π為無人機(jī)每次執(zhí)行任務(wù)的平均成本，包括無人機(jī)等值折舊費(fèi)用、維護(hù)費(fèi)用等，次/104￥；si為線路i的巡檢長(zhǎng)度，km，實(shí)際巡檢任務(wù)的分配往往是以桿塔編號(hào)的形式進(jìn)行給定，例如，以某線路30#桿塔為巡檢起點(diǎn)，40#桿塔為巡檢終點(diǎn)，假定桿塔間的平均檔距為500 m，那么巡檢長(zhǎng)度約為0.5×（40-30）=5 km；ω為單位時(shí)間人工巡檢距離，km/h；φ為單位時(shí)間無人機(jī)巡檢距離，km/h，而無人機(jī)巡檢效率約為人工巡檢的10～15倍[5]，故設(shè)定φ=10ω；Mi為線路i的巡檢方式與其所處微地形的匹配程度。

《超高壓輸電公司二〇二〇年設(shè)備運(yùn)行維護(hù)策略》指出，微地形區(qū)段包括防雷區(qū)、防風(fēng)防汛區(qū)等，對(duì)無人機(jī)具有較強(qiáng)的偏好性，采用人工巡檢的形式難度大，耗時(shí)長(zhǎng)。此外，交叉跨越區(qū)必須采用無人機(jī)進(jìn)行巡檢，屬于特殊區(qū)段。因此，設(shè)計(jì)微地形匹配度M對(duì)巡檢方式的偏好程度進(jìn)行賦值，本文為輸電線路所處一般區(qū)段、微地形區(qū)段和特殊區(qū)段的M分別賦值為1、5、10。

2.2 模型求解

考慮所建模型的決策變量為離散變量，可選用啟發(fā)式算法進(jìn)行求解。遺傳算法GA（genetic algorithm）[13]是一種經(jīng)典的智能優(yōu)化算法，目前，已在電力系統(tǒng)諸多領(lǐng)域得到應(yīng)用。模型將GA中連續(xù)變量的種群編碼為二進(jìn)制的形式，0表示采用人工巡檢，1表示采用無人機(jī)巡檢?；贕A對(duì)人機(jī)優(yōu)化模型進(jìn)行求解。

3 算例分析

3.1 數(shù)據(jù)收集

收集到某電網(wǎng)負(fù)責(zé)管理的26回500 kV線路。26回線路的統(tǒng)計(jì)故障次數(shù)總和為143次，其中，與氣象相關(guān)（如雷擊、風(fēng)偏）的有125次，說明線路故障與外部氣象因素有顯著的關(guān)聯(lián)。由于部分現(xiàn)場(chǎng)數(shù)據(jù)資料的缺乏，巡檢周期的計(jì)算并非以線路全長(zhǎng)進(jìn)行統(tǒng)計(jì)，而是以實(shí)際發(fā)生過故障的線路區(qū)段作為驗(yàn)證對(duì)象；同時(shí)，年均運(yùn)行負(fù)荷以與額定值的比例估算給出，并作為f1的計(jì)算參數(shù)。

3.2 動(dòng)態(tài)巡檢周期計(jì)算

3.2.1 基礎(chǔ)巡檢周期

（1）統(tǒng)計(jì)線路投運(yùn)時(shí)間與故障事件發(fā)生時(shí)間差值相同的故障事件數(shù)，即線路投運(yùn)后逐年發(fā)生故障的次數(shù)總和，當(dāng)故障時(shí)間與投運(yùn)時(shí)間為同一年時(shí)，記線路服役年限為1 a，故障時(shí)間與投運(yùn)時(shí)間差值最大為26 a，統(tǒng)計(jì)結(jié)果見表3。

表3 輸電線路歷史故障時(shí)間統(tǒng)計(jì)Tab.3 Statistics of transmission line history fault time

（2）計(jì)算故障事件隨服役年限的累積概率密度分布，并利用非線性最小二次法對(duì)威布爾參數(shù)進(jìn)行估計(jì)。圖2給出了參數(shù)擬合結(jié)果，其標(biāo)準(zhǔn)差為0.049 6，由此可得α=10.577 2、β=1.543 9，將其代入式（2）即可得到老化失效模型，β＞1為損耗失效期，其對(duì)應(yīng)故障概率逐年升高的元件壽命末期，而樣本線路服役年限最短已有13 a，驗(yàn)證了方法的合理性。

圖2 參數(shù)擬合結(jié)果Fig.2 Parameter fitting result

（3）取v0=0.05、Plim=1.4PN、γ1=0.5，利用式（7）與故障后果評(píng)分計(jì)算線路運(yùn)行風(fēng)險(xiǎn)值。以500 kV玉硯乙線為例，其投運(yùn)時(shí)間為2006年，已服役16 a，將t=16代入式（2）得λ0(16)=0.182 8；因PN＜1.1PN＜1.4PN，故運(yùn)行工況影響因子為f1=0.287 5；將g=800代入式（7）得R0=168.848 0。由表2可知，其風(fēng)險(xiǎn)評(píng)級(jí)為Ⅲ級(jí)，處于較高風(fēng)險(xiǎn)，故推薦的巡檢周期為60 d。

通過上述計(jì)算可得26回線路的基礎(chǔ)巡檢周期表。為方便后文附加巡檢任務(wù)的安排，在制定基礎(chǔ)巡檢周期后，以1月1日作為巡檢執(zhí)行時(shí)間起點(diǎn)，依次對(duì)26回線路進(jìn)行巡檢的初始執(zhí)行時(shí)刻統(tǒng)計(jì)。

3.2.2 附加巡檢任務(wù)

2012年4月5日，強(qiáng)對(duì)流天氣襲擊500 kV桂山乙線，所在區(qū)段出現(xiàn)雷雨、大風(fēng)和冰雹等罕見微氣象，大風(fēng)造成122#塔A相導(dǎo)線單聯(lián)某串絕緣子內(nèi)串從碗頭掛板處脫落，導(dǎo)致該線路發(fā)生風(fēng)偏故障。假定在4月5日前系統(tǒng)收到了線路所在區(qū)段的微氣象雷電黃色預(yù)警、暴雨預(yù)警、風(fēng)力紅色預(yù)警和覆冰黃色預(yù)警，由式（4）、（5）計(jì)算可得f2={0.42，0.04，0.69，0.34}，取最大值f2=0.69。

考慮在災(zāi)害天氣作用下，輸電線路的故障概率相較于正常天氣而言呈現(xiàn)較為顯著的風(fēng)險(xiǎn)突增現(xiàn)象[14]，故取γ2=1，由式（8）得R1=278.012 1，故其風(fēng)險(xiǎn)等級(jí)為Ⅳ級(jí)，而R0=139.450 3，風(fēng)險(xiǎn)處于Ⅲ級(jí)。此時(shí)需計(jì)算巡檢密度系數(shù)，在4月5日之前，桂山乙線在巡檢年份的巡檢起始時(shí)刻依次為1月11日、3月11日，不考慮微氣象預(yù)警，則下一次巡檢時(shí)刻在5月11日，代入式（9）得ρ=3。由于 4/3＜ρ＜4，說明預(yù)警日距離前后兩次巡檢時(shí)間均較為長(zhǎng)遠(yuǎn)，此時(shí)需進(jìn)一步判斷是否需要額外巡檢。設(shè)k=0.99、μ=10，依據(jù)式（10）～（12）計(jì)算2次巡檢后線路剩余的故障隱患數(shù)m(2)=6.06、累積故障數(shù)n(2)=1.056 3、3次巡檢后累積故障數(shù)n(2+1)=0.716 1，由于n(2+1)/n(2)=0.677 9＜ 0.7，說明增加巡檢次數(shù)所取得的收益較大，可在接收到微氣象預(yù)警后增加1次巡檢。若能在4月5日之前，通過巡檢發(fā)現(xiàn)導(dǎo)線存在的故障隱患，則可能避免故障事件的發(fā)生。

以上是以一個(gè)實(shí)例分析完成了基礎(chǔ)巡檢周期和附加巡檢任務(wù)的計(jì)算流程，后續(xù)可通過同樣的手段對(duì)其他線路進(jìn)行計(jì)算。

3.3 人機(jī)巡檢優(yōu)化

3.3.1 模型參數(shù)

人機(jī)巡檢模型中Z1及Z2的計(jì)算涉及參數(shù)見表4，Pi以額定功率與年均運(yùn)行負(fù)荷的乘積給定，并設(shè)定線路額定功率為1 200 MW。此外，GA的種群大小設(shè)定為150、遺傳代數(shù)為50、交叉概率為0.9，并利用MATLAB R2019a軟件對(duì)所提方法進(jìn)行編程。

表4 人機(jī)巡檢模型參數(shù)Tab.4 Parameters of human-machine inspection model

3.3.2 方案對(duì)比

設(shè)計(jì)5個(gè)方案以驗(yàn)證所提方法的有效性。

方案1巡檢計(jì)劃基于基礎(chǔ)巡檢周期制定，所有任務(wù)采用人工巡檢的形式。

方案2巡檢計(jì)劃基于基礎(chǔ)巡檢周期制定，所有任務(wù)采用無人機(jī)巡檢的形式。

方案3建立人機(jī)巡檢優(yōu)化模型，模型中不考慮微地形匹配度，巡檢計(jì)劃基于基礎(chǔ)巡檢周期，利用GA進(jìn)行優(yōu)化求解。

方案4建立人機(jī)巡檢優(yōu)化模型，模型中考慮微地形匹配度，巡檢計(jì)劃基于基礎(chǔ)巡檢周期，利用GA進(jìn)行優(yōu)化求解。

方案5建立人機(jī)巡檢優(yōu)化模型，模型中考慮微地形匹配度，并假定每回線路在巡檢年度會(huì)接收到4次預(yù)警，以此計(jì)算動(dòng)態(tài)巡檢周期，利用GA進(jìn)行優(yōu)化求解。

各方案優(yōu)化對(duì)比見表5。

表5 方案優(yōu)化結(jié)果對(duì)比Tab.5 Comparison of optimization result among schemes

1）對(duì)比方案1、方案2、方案3

故障風(fēng)險(xiǎn)成本：方案1故障風(fēng)險(xiǎn)成本最低，約為方案2的42%，這符合人工對(duì)故障隱患識(shí)別率高于無人機(jī)的設(shè)定，方案3成本處于兩者中間。

巡線經(jīng)濟(jì)成本：方案1最高，方案3次之，方案2最低，這是因?yàn)榉桨?的巡檢工期最長(zhǎng)，而巡線經(jīng)濟(jì)成本中涵蓋了單位工時(shí)成本。

總成本：方案3總成本最低，方案1、2次之。

巡檢工期：其排序與巡線經(jīng)濟(jì)成本一致，方案1的巡檢工期為方案2的10倍，這是由于模型中定義無人機(jī)巡檢效率為人工巡檢的10倍，方案3的巡檢工期對(duì)比方案1降低了近3 000 h。

綜上，經(jīng)過構(gòu)建模型進(jìn)行人機(jī)巡檢方式優(yōu)化后，方案3獲得了最高的總效益，說明對(duì)人工巡檢方式進(jìn)行優(yōu)化求解是合理且必要的，但超過6 000 h的巡檢工期仍較長(zhǎng)，當(dāng)運(yùn)維人員面臨因微氣象而突增電力巡檢壓力時(shí)，較長(zhǎng)的工期可能導(dǎo)致任務(wù)不能及時(shí)完成。

2）對(duì)比方案3、方案4

故障風(fēng)險(xiǎn)成本：方案3優(yōu)于方案4，當(dāng)在模型中考慮微氣象匹配度時(shí)，更多線路被推薦通過無人機(jī)進(jìn)行巡檢，故提高了方案4的故障風(fēng)險(xiǎn)成本；且方案4中類型為微地形區(qū)段或特殊區(qū)段的線路大多被推薦采用無人機(jī)的形式進(jìn)行巡檢，這符合工程實(shí)際。

巡線經(jīng)濟(jì)成本：方案4優(yōu)于方案3。

總成本：方案4比方案3的高約100×104￥。

巡檢工期：方案4的巡檢工期約為方案3的60%，方案4的巡檢工期指標(biāo)顯著優(yōu)于方案3。

綜上，在模型中計(jì)及微地形匹配度后，雖故障風(fēng)險(xiǎn)成本及總成本有一定升高，但顯著降低了巡檢工期，當(dāng)需對(duì)更多線路進(jìn)行巡檢時(shí)，通過在模型中添加微地形匹配度可帶來更符合工程實(shí)際的安排。

3）對(duì)比方案4、方案5

故障風(fēng)險(xiǎn)成本：方案5顯著優(yōu)于方案4，其故障風(fēng)險(xiǎn)成本降低超過150×104￥。

巡線經(jīng)濟(jì)成本：方案4略優(yōu)于方案5，考慮微氣象后巡檢任務(wù)增加，提高了巡線經(jīng)濟(jì)成本。

總成本：方案5優(yōu)于方案4。

巡檢工期：方案5巡檢工期相較于方案4有所增加，但在可接受的范圍內(nèi)。

綜上，模型中計(jì)及微氣象預(yù)警后，雖巡線經(jīng)濟(jì)成本及巡檢工期有一定升高，但顯著降低了巡檢的總成本，所提方法取得了效益和工期的折中。

4）對(duì)比5個(gè)方案

結(jié)果表明：模型方案5的總成本在5個(gè)方案中為最低值，相較于總成本最高的方案2降低約23%；而巡檢工期相較于故障風(fēng)險(xiǎn)成本最低的方案1降低約54%，驗(yàn)證了所提方法的有效性。通過人機(jī)巡檢模型優(yōu)化、微地形匹配度構(gòu)建和考慮微氣象預(yù)警的動(dòng)態(tài)巡檢周期3個(gè)要素的共同考量，可保證巡檢計(jì)劃在具有高綜合效益下，降低線路故障風(fēng)險(xiǎn)，提高輸電系統(tǒng)運(yùn)行可靠性。

4 結(jié)論

（1）基于線路老化失效、運(yùn)行工況和故障后果多要素計(jì)算線路風(fēng)險(xiǎn)，并依據(jù)風(fēng)險(xiǎn)制定差異化巡檢周期，可降低巡檢的工作量，避免因巡檢過量而浪費(fèi)人力；

（2）結(jié)合微氣象預(yù)警所帶來風(fēng)險(xiǎn)附加值，通過計(jì)算線路巡檢密度系數(shù)和累積故障隱患數(shù)以判定是否進(jìn)行提前、額外巡檢，使巡檢周期可依據(jù)外部氣象條件進(jìn)行動(dòng)態(tài)調(diào)整，方法簡(jiǎn)單有效，易于工程應(yīng)用；

（3）以人機(jī)巡檢計(jì)劃作為研究場(chǎng)景，優(yōu)化結(jié)果表明，微地形匹配度可降低線路巡檢工期，考慮微氣象預(yù)警對(duì)巡檢計(jì)劃進(jìn)行動(dòng)態(tài)安排后，雖巡線成本有所提高，但故障風(fēng)險(xiǎn)下降顯著，提升了巡檢計(jì)劃的總效益，保障了線路運(yùn)行的可靠性。