电网输电线路故障原因分析与分布研究

章鹿华 丁恒春 徐占河 赵 林

(冀北电力有限公司计量中心，北京 102208)

电网输电线路故障原因分析与分布研究

章鹿华 丁恒春 徐占河 赵 林

(冀北电力有限公司计量中心，北京 102208)

针对电网输电线路故障频发、表象随机性强、提前预判难度大等问题，在分析电网历史故障数据的基础上，对电网输电线路故障原因与特点进行深入剖析。采用大数据挖掘法建立多维度、多业务间的量化关系，提出并确定了典型故障类型，全面展现了典型故障的线路分布、电压等级分布、时间分布和重复发生概率等，明确了电网安全运维检修的重点环节。研究成果为制定电网运维管理策略和线路大修、投资计划提供了有力技术支撑。

电网 线路故障 大数据挖掘 线路分布 电压等级分布 时间分布 运维管理

0 引言

电网企业输电线路运维检修的最大风险表现为线路故障，线路故障的发生可能由线路缺陷、人员操作、自然环境等内外部多种因素造成，同时各种诱发因素之间也存在相互影响，可能间接导致线路故障。

目前，国家电网公司已建立国内领先、国际一流的信息集成平台。随着三地集中式数据中心的陆续投运，一级部署业务应用范围的持续拓展，电网业务数据从总量和种类上都已初具规模，电网大数据的“量类时”特性，已在海量、实时的电网业务数据中凸显出来。

但数据收集无法停止，结果无法使用仍是国网公司面临的主要问题。目前，大多数事物型数据库仅实现了数据录入、查询和统计等较低层次的功能，数据分析仍停留在对结构化数据进行指标的统计分析阶段，通过分析结果无法发现累计数据中存在的有用信息，更无法进一步通过数据分析发现更高的价值。目前，亟需加强对多样化的统计分析和数据挖掘手段的研究工作，增强关联度和预测性分析，发现数据潜藏价值，推动数字化向智能化转变，提高数据服务公司战略决策、业务应用和管理模式创新的能力。

本文从电网输电线路故障数据特点和管理需求出发，以输电线路故障数据为核心，通过大数据挖掘的方式建立多维度、多业务间的量化关系，全面了解电网设备故障类型，明确重点管理环节，深入分析典型故障，针对高、中、低危故障类型，形成分层管理体系，辅助指标管理策略并完善指标日常管理方法，并对研究中发现的问题提出改进建议。

1 故障类型分析

输电线路故障类型包括雷害、异物影响、大风、动物影响、覆冰、大型机械作业碰线、火灾、材质不良、建设施工、外部火灾、产品结构设计不合理、工艺不佳、外力破坏等[1]。本文统计了2012～2014年期间，某电力公司110 kV、220 kV和500 kV输电线路故障数据共计198条。按故障类型来说，雷害故障记录91条，占故障总数的45.96%。异物影响故障和大风故障，占故障总数的比例依次为14.14%、13.64%。雷害、异物影响、大风这3类故障发生次数占故障总数的74%，即18.8%的故障类型发生故障的概率为74%，故障类型分布较集中[2]。通过重点筛选，明确雷害、异物影响、大风等是引发线路故障的最关键因素，并主要针对这3种故障类型，从线路长路与线路条数、电压等级与区域分布、发生概率、发生时间的相关性等方面详细分析了输电线路故障发生的规律[3]。

2 典型的故障特点分析

2.1 典型故障线路分布特点

分别对雷害、异物影响和大风这3类典型故障进行帕累托曲线计算，直观分析各类典型故障在线路长度和线路条数上的分布特点，可得到各类典型故障的发生比例与线路长度、线路条数占比之间的定量关系，为典型故障的集中重点防控提供数据支撑。

通过计算分析可见，50%的雷害故障发生集中于总线路长度的9.75%[4]，总线路条数的1.39%；80%的雷害故障发生集中于总线路长度的12.68%，总线路条数的3.86%；100%的雷害故障发生集中于总线路长度的22.06%，总线路条数的5.50%。雷害故障在发生线路条数和线路长度上表现出高度集中，这种分布的集中性为雷害故障监测重点线路的选择提供了合理依据。对于占总线路长度22.06%、总线路条数5.50%的线路，应作为雷害故障监测的重点线路，可极大提高雷害故障防控的效率[5]。

同理，50%的异物影响故障集中于线路总长度的0.98%，80%异物影响故障集中于1.72%长度线路，100%异物影响故障集中于4.11%长度线路。50%的大风故障集中于3.4%长度线路,80%大风故障集中于6.81%长度线路，100%大风故障集中于12.21%长度线路。异物影响和大风故障也同样在发生线路条数和线路长度上，表现出高度集中性[6]，因此可开展重点监测工作。

2.2 典型故障电压等级分布特点

分别对2012年1月1日～2014年12月31日输电线路中的雷害故障数据、异物影响故障数据和大风故障数据按照线路电压等级进行分类。结果发现，雷害故障60%分布于500 kV线路，32%分布于220 kV线路；异物故障43%分布于500 kV线路，46%分布于220 kV线路；大风故障63%分布于500 kV线路，26%分布于220 kV线路。3种故障类型的故障发生率均较为集中，500 kV和220 kV线路应作为故障预防工作的重点线路[7]。

2.3 典型故障贝叶斯分析

对2012～2014年输电线路雷害故障数据，按照所处年份进行贝叶斯网络分析。灰色区域代表当年发生故障线路，白色区域代表当年无故障线路的条数；斜杠分隔符前数字代表发生故障的线路条数，斜杠分隔符后数字代表故障记录的次数，各角形分叉下方线代表上一年线路中发生雷害故障的线路，上方线条代表上一年线路中未发生雷害故障的线路。因大风故障3年总数为27，异物影响故障3年总数为28，故障数据量较小不适于使用贝叶斯分析，所以仅对雷害故障进行贝叶斯网络分析，结果如图2所示。

图1 贝叶斯网络分析图

Fig.1 The Bayesian network analysis

2012年发生雷害故障的线路70条，雷害故障记录85条。在2012年发生雷害故障的70条线路中，2013年再次发生雷害故障的线路14条，单线路二次雷害故障率为20%；而在2012年未发生雷害故障的1 147条线路中，2013年发生雷害故障的线路41条，单线路二次雷害故障率为3.57%，故障发生概率低于2012年雷害故障线路的20%。

在2012～2013年连续发生雷害故障的14条线路中，2014年再次发生雷害故障线路为6条，单线路三次雷害故障率42.86%，且这些线路2014年平均单线路雷害故障次数为1.5；在2012～2013年连续两年未发生雷害故障的1 106条线路中，2014年发生雷害故障的线路为21条，单线路雷害故障发生概率仅为1.91%，故障发生概率远低于2012～2013年连续发生雷害故障线路的42.86%，且这些线路2014年平均单线路雷害故障次数为1.1，远低于2012～2013年连续发生雷害故障线路的1.5。

通过以上分析，可以看到连续两年未发生故障的线路，发生故障的可能性低于连续两年同时发生故障的线路。发生故障的线路，隔年再次发生故障的可能性高于7%，单线路故障数约为1。前一年发生故障的线路，今年再次发生故障的可能性高于17%，单线路故障数约为1.3。连续两年以上发生故障的线路，再次发生故障的可能性高于40%，单线路故障数约为1.5。

单一线路雷电故障发生的重复率较高，发生过、尤其是近年发生过雷电故障的线路再次发生雷电故障的概率较高，应作为雷电故障监控重点。

2.4 典型故障时间分布

对2012～2014年输电线路典型故障数据的月份分布进行分析，分析各类典型故障类型的季节分布特点[8]。图2分别给出了雷害故障、异物故障和大风故障的月份分布图。

图2 三种故障月份分布图

Fig.2 The monthly distribution of three kindsof fault

由图2(a)可知，每年5～8月是雷害故障高发季节，在一年中33%的时间内集中了90%的雷害故障;每年9月至次年4月是雷害故障低发季节。由图2(b)和图2(c)可知，100%的异物影响故障和大风故障均发生在每年3～11月，春、夏、秋季是异物影响

故障和大风故障的高发季节，且异物影响和大风故障导致的线路故障在故障发生各月份分布较为均匀，冬季是二者低发季节。因此，雷害故障、异物故障和大风故障监控的重点时间分别为每年5～8月、3～11月、3～11月。

3 结束语

本文以线路故障数据为基础，对典型故障类型进行了历史故障高发地域分析。发现发生过雷害故障的线路，再次发生雷害故障的可能性更高，且单线路雷害故障发生次数更高。通过对历史各年度单线路发生雷害故障发生次数的统计，可预测以后年度各线路雷电故障发生的概率，从而筛选出雷害故障的高发线路，为制定线路技改大修投资计划、确定日常运维检修重点提供数据支撑。

[1] 汪洋，梁明亮，张雷,等.2012华北电网500kV线路故障分析与思考[J].电力系统自动化，2013(21)：44-49.

[2] 梁志峰.2011—2013年国家电网公司输电线路故障跳闸统计分析[J].华东电力，2014(11)：28-33.

[3] 周雨田，赵洁，董飞飞,等.自然灾害造成电网故障的地域分布评估研究[J].陕西电力，2013(10):7-10.

[4] 彭向阳，詹清华，周华敏.广东电网同塔多回线路雷击跳闸影响因素及故障分析[J].电网技术，2012(3):86-92.

[5] 桂强，刘意川，张沛超.高压电网故障信息数据挖掘系统的研究[J].继电器，2007(10):42-45.

[6] 鲁慧民，冯博琴.基于数据挖掘的电网故障关联性分析与研究[J].微电子学与计算机，2008(12):116-119.

[7] 徐岩，张锐，卫波.应用数据融合的电网故障诊断[J].电力系统及其自动化学报，2014(11):71-75.

[8] 王艳阳， 孙广辉，王兆辉.河北省南部电网线路故障分析[J].河北电力技术，2007(4):11-12.

Analysis and Research on the Causes and Distribution of Faults upon Transmission Lines of Power Grid

In view of the problems of frequent failures in transmission lines of power grid,and the strong randomness of appearance,it is difficult to predict in advance.On the basis of historical power grid fault data,the causes of faults and the features are analyzed in-depth. By using big data mining method,the quantitative relationship of multi-dimensional,and multiple businesses is established,the typical fault types are put forward and determined. The distribution upon lines,voltage grade,and time of typical faults as well as the repeated probability of occurrence are comprehensively demonstrated,thus the focused aspects of safety operation,maintenance,and management of power grid are defined.The research results provide strong technical support to formulate the strategies of operation,maintenance,and management; as well as the plans of overhaul,technical retrofits,and investment.

Power grid Line fault Big data mining Line distribution Voltage grade distribution Time distribution Operation and maintenance management

章鹿华(1980—)，男，2006年毕业于华北电力大学高电压与绝缘技术专业，获硕士学位，高级工程师；主要从事电力大数据分析、电气设备在线监测、电能计量和电磁测量方向的研究。

TH-39;TP271

A

10.16086/j.cnki.issn 1000-0380.201612023

修改稿收到日期：2016-01-13。