3.1 關鍵技術研究

1.基于全景信息的輸變電設備風險多維度動態預警技術

基于全景信息的輸變電設備風險多維度動態預警技術包含多維度風險評估方法、設備故障動態預警方法以及對自然災害的動態預警等三方面的主要研究工作。通過對設備自身及外在環境的全面綜合監視，實現對大電網設備運行狀態的全面感知。通過實時安全分析及智能診斷，實現電網設備運行風險的動態預警。

（1）多維度風險評估方法

輸變電設備多維度風險評估包括運行風險要素分析、故障模式分析和運行風險評估三個環節。在運行風險要素分析的基礎上，以云南電網典型故障模式和故障樹分析為基礎，建立了基于故障模式因果關系的多維度綜合診斷模型，實現了基于物聯網智能監測的氣象環境、運行工況和實時狀態的動態風險評估。

1）輸變電設備運行風險要素分析。

風險要素是后續風險評估和風險預測的基礎。風險有三個構成要素：風險因素、風險事件和風險損失。具體到輸變電設備運行階段的風險，三要素為故障原因、故障模式與故障后果，如圖3-1所示。對輸變電設備運行風險要素進行分析即為識別輸變電設備故障原因及其特性，確定故障發生條件及其表現形式，評價故障后果的過程。本任務從輸變電設備的故障統計數據出發，更加客觀地確定了輸變電設備的故障原因及其故障原因的時間特性、故障模式及故障模式的因果關系、故障后果及故障后果的估計方法。

表3-1匯總了各組織機構對輸變電設備故障原因的調查結果。根據以上統計結果，可以發現輸變電設備的主要故障原因包括：設計/制造/工藝因素、不良工況、老化和人為原因。基于故障原因的特點，本任務將其劃分為三類，設計/制造/工藝造成的隱患在輸變電設備投運時就存在，稱之為固有故障隱患；老化通常為輸變電設備在工作應力作用下的劣化結果，不良工況產生的隨機應力為輸變電設備在運行環境中所遭受的主要誘因；人為因素指在輸變電設備操作、維修等過程中人為引入的運行風險隱患。

2）基于因果網絡圖的輸變電設備故障模式分析。

本任務將因果網絡圖引入到輸變電設備故障模式分析中，以表征故障模式之間的因果關系。因果網絡圖用網絡圖的形式反映故障模式的故障原因、故障后果。構建的輸變電設備（以變壓器繞組為例）故障模式的因果網絡如圖3-2所示，不同的部件采用不同顏色區分，有助于直觀清晰地觀察故障在部件間的傳播過程。

3）基于綜合故障診斷模型的輸變電運行風險評估。

在分析輸變電設備各故障要素之間因果關系的基礎上，建立了以故障模式為中心、綜合運行工況和故障征兆的貝葉斯因果網絡，如圖3-3所示，表3-2是以變壓器為例相關節點符號的說明。輸變電設備的不良工況、故障模式、故障征兆分別對應于貝葉斯網絡中的背景變量、問題變量和征兆變量。

將圖3-3所示模型轉變為可直接應用的綜合故障診斷模型，如圖3-4所示。圖3-4a所示模型為僅已知變壓器經歷不良工況時的變壓器運行風險評估模型，不良工況為致險因素，故障診斷依據是不良工況對變壓器的劣化作用機理；圖3-4b所示模型為依據故障征兆與故障模式之間的概率因果關系以及考慮不良工況為增險因素作為故障診斷的輔助證據信息兩種情況下的運行風險評估模型。

動態故障診斷機制的流程如圖3-5所示。該方法基于貝葉斯網絡綜合故障診斷模型，利用網絡推理算法求取證據信息對故障模式支持度高低，從而確定逐步診斷中證據信息獲取的先后順序。圖3-5所示P_th為預先設定的概率閾值，即當故障模式的后驗概率大于該閾值時就認為該故障模式發生。變壓器運行風險評估流程如圖3-6所示。

（2）設備故障動態預警方法

通過輸變電設備故障原因與后果的分析，提出了基于領結模型的風險預測方法，建立了基于半馬爾科夫過程和輸變電設備劣化統一理論的輸變電設備狀態轉化模型，并以變壓器為例，進行了基于半馬爾科夫過程的變壓器風險預測和故障動態預警分析。

1）基于領結模型的風險致因分析。

以風險控制為導向的風險動態預警需要對故障模式同時進行向前向后的分析。本任務應用領結模型（Bow Tie，BT），結合故障樹和事件樹分析方法，分析常見故障模式的原因及后果，形成以故障模式為中心節點的領結模型，在此基礎上進行風險預測。領結模型用圖形的方式來描述一個關鍵事件的原因和結果，如圖3-7所示，關鍵事件位于圖形的中間，左側用故障樹分析關鍵事件的原因，右側用事件樹分析關鍵事件可能造成的后果。

傳統的輸變電設備故障樹和事件樹都可以用因果網絡圖表示，通過結果的前向分析和原因的后向分析可形成故障模式的領結模型。以常見的變壓器繞組絕緣老化故障為例（圖3-8），由圖可見繞組絕緣老化的故障原因中含有絕緣油的作用，這是因為它們在物理位置和功能上有連接，造成部件間的故障傳播。繞組絕緣老化的直接故障原因可以分為三類：固有故障隱患（統包絕緣膨脹、導線制造不良）、應力（過載、工作應力）和其他部件影響（絕緣油散熱不良）。其他故障類似分析，不同的故障原因類別，會造成不同的故障發展過程，風險控制措施上也會有所差異。本任務基于故障模式的領結模型分析其前因后果，然后根據輸變電設備的實際運行參數，形成對故障發展過程的定量化描述，并以貨幣值描述故障模式的風險。

2）基于半馬爾科夫過程的變壓器風險預測。

如果設備未來可能的狀態僅與當前狀態有關，則故障發展過程可用馬爾科夫過程表示。傳統的馬爾科夫過程假設狀態的停留時間分布為指數分布，但實際情況中很難滿足此要求，為此本任務采用半馬爾科夫過程描述故障模式的發展過程。

半馬爾科夫過程與馬爾科夫更新過程有關，馬爾科夫更新過程中，如n為非負整數，設隨機變量X={X_n}，X_n∈S，T={T_n}，T_n≥0，隨機變量0=T₀≤T₁≤…＜T_n-1≤T_n≤…。若對于任意n≥0，j∈S，t≥0滿足：

則稱隨機過程{X，T}={（X_n，T_n），n≥0}為狀態空間S上的馬爾科夫更新過程。其中

被定義為半馬爾科夫核。

若{X，T}={（X_n，T_n），n≥0}為馬爾科夫更新過程，則Y_t=X_n，t∈[T_n，T_n+1]即為半馬爾科夫過程。半馬爾科夫過程對狀態停留時間的分布沒有要求，可以為任意分布，當其為指數分布時，半馬爾科夫過程就是連續時間的馬爾科夫鏈。

獲取故障概率的核心是量化關鍵事件與領結模型左側原因節點和右側后果節點間的概率關系，首先需要對領結模型左側和右側的結構進行簡化。圖3-9描述了領結模型化簡后的基本結構，更復雜的情況一般可由這兩種基本結構組成。

在獲得領結模型的化簡結構后，下一步工作是量化其中的因果關系。本任務采用半馬爾科夫過程描述其中的劣化過程，如圖3-10所示。

本任務假設輸變電設備在劣化狀態停留時間的概率密度分布為威布爾分布，由此形成了半馬爾科夫過程中常見的模型形式Weibull-Markov模型，如圖3-11所示。在獲取Weibull-Markov模型中的參數后，即可根據半馬爾科夫過程的數值求解過程獲取各個時刻輸變電設備處于每個狀態的概率，得到輸變電設備風險中的故障概率因素。

Weibull-Markov風險模型的故障后果即為維修各狀態所需費用。首先依據經驗估算狀態的維修時間類別，然后查找維修時間類別對應的維修費用。故障維修時間與領結模型左側的故障原因密不可分，在確定維修時間類別后，即可獲得對應的維修費用。某變壓器繞組過熱引起短路故障的維修費用估算見表3-3。

設備風險為故障概率和故障后果的乘積。通過以上分析獲得了圖3-11中輸變電設備處于各狀態的概率和各狀態的維修費用后，根據式（3-3）即可獲得設面臨的運行風險：

式中，R（t）為在t時刻面臨的運行風險的修復費用；n為圖3-11中的狀態數；P_i（t）為在t時刻設備處于第i個狀態的概率；C_i為修復第i個狀態所需的費用。

圖3-12描述了風險預測的流程，其中灰色填充部分為該步驟的理論基礎。

（3）自然災害因子預測方法

自然災害包括山火、雷電、沙暴、臺風、地震、覆冰等，都可能對電網和輸變電設備帶來巨大損失。本任務建立了變電站及輸電線路的危險點信息庫，提出了災害因子的發展趨勢和移動路徑的預測方法，實現了雷電和覆冰的早期預警。

1）雷電預測。

本任務基于雷電定位系統歷史與實時數據建立了輸電線路雷擊概率和輸電線路閃絡概率的實時預測方法：首先將落雷區域劃分為0.01°×0.01°（約1km²）網格單元，并結合地理坐標確定網格參數，利用DBSCAN算法剔除噪聲點，利用多項式擬合預測未來雷云移動路徑，利用反距離加權插值算法預測相應時刻雷云的覆蓋區域，并根據引雷寬度、區域地形、是否易擊點等數據預測每個網格內輸電線路的雷擊概率和跳閘概率。

雷云趨勢預測：

本任務通過計算近10組雷電監測數據所占地理網格的數量和形狀變化，預測下一時間段雷云形態變化趨勢；通過擬合6組數據“質心網格”的運動軌跡，預測雷云路徑。首先根據雷云路徑擬合曲線求得該時刻雷云網格質心的地理坐標，然后將最后一時間段網格結構數據按照雷云路徑擬合曲線進行計算，得到新的一組結構數據，然后進行反距離加權插值法確定落雷區域與區域內所有網格的落雷數量與雷電流賦值平均值，從而預測雷云趨勢。

雷擊概率預測：

本任務用引雷寬度C_w來描述落雷點與線路水平距離對線路雷擊概率的影響，用網格易擊系數C_p來描述地形與是否易擊點和易擊段對線路雷擊概率的影響。

圖3-13為線路雷擊示意圖，圖中共有1#、2#、3#、4#、5#五座桿塔，用X表示，桿塔間相連的線段代表線路，·代表落雷點，矩形EFHG代表某網格，矩形ABCD代表引雷區域，線段O₁O₂代表引雷寬度。

引雷寬度C_w是描述輸電線路及其附屬設施（包括桿塔、避雷線）遭受雷擊近乎必然事件的最小水平距離，如圖3-13中EF所示。易知：

式中，l_AB為A、B相導線水平距離（m）；r_s為擊距（m）。

易擊系數C_p是引雷寬度內落雷密度與網格內其他區域落雷密度之比，C_p綜合了地形與線路是否易擊段對線路遭受雷擊概率的影響，在地理跨度不大的情況下，可以較準確描述在引雷區域面積與非引雷區域面積相同情況下某高壓輸電線路雷擊概率大小。當發生一次落雷時，線路遭受雷擊概率：

式中，為線路遭受單次雷擊概率；l為線路在網格內的長度；S_g為網格內總面積；C_w、C_p為線路2-3在該網格內的引雷寬度與易擊系數。

因此線路2-3遭受單次雷擊概率為

式中，為線路2-3遭受單次雷擊概率；C_p（2-3）為線路2-3在該網格內的易擊系數。

假設線路2-3所在網格在未來某時刻預測將發生N次落雷，則線路2-3引雷區域內的落雷數量為

式中，N（l_2-3）為線路2-3引雷區域內的落雷數量，由此可以確定雷擊概率。

2）覆冰預測。

這里研究了輸電線路覆冰過程預測的數據驅動模型，如圖3-14所示。該模型可以充分利用在線的實時數據和豐富的離線歷史數據，定性和定量地對覆冰過程進行預測。定性預測模型采用基于粒子群及SOM聚類的輸電線路覆冰過程微氣象特征提取方法，克服了輸電線路覆冰負荷預測及預警定性模型中主要依靠人工經驗確定氣象特征參數的弊端；定量預測模型基于Takens相空間理論和SVM的機器學習方法，建立了覆冰過程混沌時間序列模型，實現了覆冰的定量預測。

①覆冰過程微氣象特征提取與定性預測模型。

本任務提出了基于Kohonen的自組織圖（Self-Organizing Map，SOM）及粒子群（Particle Swarm Optimization，PSO）聚類算法的輸電線路覆冰過程微氣象特征提取模型，數據來源于滇東北大鎮線覆冰監測，模型結構如圖3-15所示。

具體實現步驟如下：

Step1：對參與聚類的變量，包括微氣象信息、時效因子與對應的覆冰負荷數據進行相關分析，剔除與覆冰過程相關性小的變量，降低聚類數據的維度；

Step2：基于粒子群聚類算法，對微氣象信息、時效因子與對應的覆冰負荷數據等過程信息進行自動分類；

Step3：通過統計學模型計算微氣象信息的特征數據，包括溫度、濕度、日照等的平均值、最大值、最小值；

Step4：依據微氣象特征數據，確定覆冰過程定性預測的模糊推理模型，包括論域的劃分、隸屬度函數參數的確定等。

Step5：依據覆冰過程定性預測結果，結合該監測點對應的導線覆冰載荷設計標準，得到覆冰預測信息。

②覆冰過程混沌時間序列模型。

輸電線路的覆冰負荷會隨時間的增加而快速增加，特別是連續的凍雨天氣，輸電線路的覆冰負荷達到桿塔設計冰載荷只需1至2天的時間。因此必須解決覆冰分析過程的時效性問題。

覆冰增長過程的狀態方程如式（3-8）所示：

輸電線路覆冰狀態過程是由u（k）驅動的時間序列過程，而u（k）由微氣象因子所決定，主要包括環境溫度、濕度、風速、風向、氣壓以及日照強度，如式（3-9）所示。

因此可以用如下的狀態方程對覆冰過程進行描述。

式中的變量定義見表3-4。

因此，k時刻的輸電線覆冰負荷是由k-1時刻的微氣象因子和覆冰負荷決定的，它是一個多變量的時間序列過程。

根據Takens嵌入定理及相空間重構理論，可以得到覆冰和微氣象數據構成的多變量時間序列的關系式為

式中，Φ_i（·）是各時間序列從時間點n -k到時間點n的非線性映射。因此q_W（n +k）和V（n）之間的映射關系可用式（3-12）來表示：

③基于SVM的覆冰負荷定量預測模型。

由覆冰過程混沌時間序列分析可知，n時刻的覆冰重量與式（3-12）所示的重構相空間存在多變量的高維非線性映射Φ_r（·），Φ_r（·）可由各類機器學習方法等建立。其學習的目的是使式（3-13）的值達到最小。

得到Φ_r（·）后，根據覆冰負荷定量估計與預測系統數據處理流程，可實現覆冰的在線定量預測。

2.輸變電設備全壽命周期過程優化管理技術

基于全景信息的輸變電設備風險多維度動態預警技術包含基于統一劣化模型的設備壽命評估方法、輸變電設備全壽命運維費用分析模型、全壽命周期關鍵指標體系、全壽命周期閉環管理機制等四方面的研究內容，將可靠性量化指標覆蓋全壽命周期管理的各個環節，實現了輸變電設備全壽命周期閉環管理。

（1）基于統一劣化模型的設備壽命評估方法

本任務采用壽命損耗的概念將不同種類時變應力（熱應力、電應力、機械應力、隨機應力）對輸變電設備的影響進行歸一化處理，并在此基礎上考慮多種應力的綜合影響，提出了多老化時變應力作用下剩余壽命評估方法，使壽命評估結果更準確和符合實際。

多種時變應力作用下設備壽命的計算方法流程如下：

1）將輸變電設備運行時間段t劃分為n個單位時間段t_Δ，記為t₁，t₂，…，t_n，獲取運行時間段t內受到的持續應力和隨機應力，熱應力以第一熱點溫度θ₁，θ₂，…，θ_n表示，電應力以第一場強E₁，E₂，…，E_n表示，機械應力以第一機械應力M₁，M₂，…，M_n表示，過負荷沖擊應力以輸變電設備第二熱點溫度θ_o1，θ_o2…，θ_ox和相應的過負荷沖擊次數n_o1，n_o2，…，n_ox表示，雷電沖擊應力以第二電壓U_l1，U_l2，…，U_lx和相應的雷電沖擊次數n_l1，n_l2…，n_lx表示，外部短路沖擊應力以第二電流I_s1，I_s2，…，I_sx和相應的短路沖擊次數n_s1，n_s2，…，n_sx表示。

2）對熱應力，根據阿倫紐斯模型，分別計算在第一熱點溫度θ₁，θ₂，…，θ_n下的輸變電設備熱使用壽命L_θ1，L_θ2，…，L_θn：

根據熱使用壽命L_θ1，L_θ2，…，L_θn，計算得到輸變電設備在時段t內由于熱應力引起的熱壽命損耗d_θ為

對電應力，根據反冪模型，分別計算在第一場強E₁，E₂，…，E_n下的輸變電設備電使用壽命L_E1，L_E2，…，L_En：

根據電使用壽命L_E1，L_E2，…，L_En，計算得到輸變電設備在時段t內由于電應力引起的電壽命損耗d_E為

對機械應力，根據反冪模型，分別計算在第一機械應力M₁，M₂，…，M_n下的輸變電設備機械使用壽命L_M1，L_M2，…，L_Mn：

根據機械使用壽命L_M1，L_M2，…，L_Mn，計算得到輸變電設備在時段t內由于機械應力引起的機械壽命損耗d_M為

對過負荷沖擊應力，根據阿倫紐斯模型，計算輸變電設備在第二熱點溫度θ_o1，θ_o2，…，θ_ox下可承受的總過負荷次數N_o1，N_o2，…，N_ox。

然后，根據可承受的總過負荷次數N_o1，N_o2，…，N_ox，計算得到輸變電設備在時段t內由于過負荷沖擊應力引起的過負荷沖擊壽命損耗d_θo為

對雷電沖擊應力，根據已有的輸變電設備U-N曲線，得到輸變電設備在第二電壓U_l1，U_l2，…，U_lx下可承受的總雷電沖擊次數N_l1，N_l2，…，N_lx。

然后，根據可承受的總雷電沖擊次數N_l1，N_l2，…，N_lx，計算得到輸變電設備在時段t內由于雷電沖擊應力引起的雷電沖擊壽命損耗d_Ul為

對外部短路沖擊應力，根據已有的輸變電設備I-N曲線，得到輸變電設備在第二電流I_s1，I_s2，…，I_sx下可承受的總短路沖擊次數N_s1，N_s2，…，N_sx。

然后，根據可承受的總短路沖擊次數N_s1，N_s2，…，N_sx，計算得到輸變電設備在時段t內由于外部短路沖擊應力引起的短路沖擊壽命損耗d_Is為

在時段t內，由所有應力引起的輸變電設備壽命損耗為

3）計算T_k=T_k-1+t（k=1，2，…，n）時刻，輸變電設備的累積壽命損耗D_k=D_k-1+d（k=1，2，…，n），對D進行判斷，若D大于1，則表明輸變電設備使用壽命到期，即輸變電設備的估算壽命為L=T；若D小于1，則表明輸變電設備使用壽命未到期，重復步驟2）～步驟3），直到輸變電設備使用壽命終止。

其計算機的流程實現如圖3-16所示。

（2）輸變電設備全壽命運維費用分析模型

若認為輸變電設備僅有運行和停運兩種狀態，則一個維修周期中總費用應該由兩部分組成：日常維護和計劃停運過程中預防性維修期間的費用（C_P），以及故障預警或者事故后的非計劃停運期間的費用（C_F）。因此總維修費用為

式中，λ（T）為故障率；C_P為預防性維修的費用；C_F為非計劃停運時的維修費用。

因為求解最佳預防性維修周期的目標函數是單位時間的維修費用，所以，需要通過總費用及周期時間計算單位時間費用函數C（T）：

結合電力變壓器維修周期模型，可得單位時間的維修費用為

式中，C_P為每次計劃停運維修平均費用；C_F為每次非計劃停運維修平均費用；λ（t）為故障率。

C（T）計算式的分母部分表示在該維修周期內設備的平均工作時間；分子表示該維修周期內的總維修費用，其中前一項表示計劃停運部分，后一項表示非計劃停運部分，二者在總費用中所占的比重與設備的可靠度函數有關，隨著時間T的加長，非計劃停運所占費用的比例加大。

以C（T）為目標函數，認為滿足C（T）最小的T值為最佳維修周期T^*。對單位時間維修費用C（T）進行求導，令

經過整理可得最佳維修周期T^*滿足

式中，λ（t）為故障率函數；k為費用系數（k=C_P/C_F）。

當設備運行時間服從威布爾分布時，故障率

將上述的威布爾分布的故障率表達式代入總維修費用公式，可得

與最大可用度原則獲得的最佳維修周期方程相似，最小維修費用原則下，對于早期故障期和偶然故障期，單位時間的維修費用也無解，而對于耗損故障期，由于故障率λ（t）為增函數（威布爾分布時m＞1），最佳維修周期T^*有確定解。也就是說，最小維修費用原則和最大可用度原則都僅適用于耗損故障期。

輸變電設備兩種維修周期確定原則所對應的可靠性、維修性和經濟性指標，可歸納如表3-5所示。

為了獲取設備電力變壓器的上述相關指標，考慮了以下三點：①維修性指標t₁和t₂可充分、合理地利用電力部門已有的可靠性數據，直接從電力部門發布的統計資料中獲得；②可靠性指標λ需自行統計，應針對輸變電設備的可維修性特點進行；③經濟性指標C_P和C_F應根據電力變壓器的運行和維修實際，針對一個維修周期進行費用分析，從而較為準確地獲得有關的停運費用。

（3）全壽命周期關鍵指標體系

本任務建立了全壽命周期管理體系、技術體系和執行體系，通過精細化和科學化管理，提高設備檢修的針對性和有效性，提高設備完好率和利用率，如圖3-17中橢圓標注的為關鍵因素。

輸變電設備全壽命周期關鍵指標體系層級結構如圖3-18所示。決策層確定可靠性、經濟性和社會影響三類企業目標；管理層將目標分解，即可靠性、維修性、保障性和費用，確保檢修工作的目標和企業目標的一致性，使檢修工作有效、更具針對性；執行層涉及設備運維檢修的各方面信息。

通過制定從執行層到管理層和決策層的數據信息反饋機制，定期評估KPI值，不斷改進檢修策略，如圖3-19所示。

（4）全壽命周期閉環管理機制

建立了基于關鍵組部件失效機理和家族缺陷的設備可靠性關聯分析方法，提出了對設備采購、基建、運行、維護、技改退役各業務環節中影響設備安全服役主要因素的控制策略，形成了輸變電設備全壽命周期閉環管理機制，如圖3-20所示。

輸變電設備全壽命周期管理系統的功能包括輸變電設備狀態監視、環境監視、異常預警、智能診斷、狀態評價、風險預測、檢修決策、績效評估等功能，涉及多個技術管理部門，其所關心的技術經濟指標有較大差異，管理流程和側重點相互獨立，典型的采購、基建、運維流程如圖3-21～圖3-23所示。

3.基于物聯網的運維協同管控策略

（1）全方位運行風險防控策略

提出了基于風險源綜合辨識和分級防控的云南電網全壽命周期運維管理策略，建立了基于環境風險預測的重點管控設備應急防控方案，如圖3-24所示。

建立了輸變電設備運維、檢修、更換、故障等成本分析模型，結合成本分析模型的研究，提出了輸變電設備績效評估方法，如圖3-25所示。

（2）基于物聯網的檢修資源聯動策略

應用目標識別、實時跟蹤、風險分類和區域定位等相關物聯網技術，建立了基于物聯網的備品備件、物資人員的優化配置和協調聯動策略，實現了對輸變電設備檢修資源的智能調配。

1）設備關鍵組部件與備件庫進行關聯。

2）記錄設備各部件更換歷史、缺陷及維修記錄。

3）記錄備件的型號、廠家、儲運年限、運輸方式（車輛及道路要求）、安裝方式、安裝技術條件（含人員、裝備）、狀況及質量評價、備件存儲地點、與相鄰變電站設備的關聯。

4）針對電網的實時風險預測結果，建立應急預案。自動分析備料時間、運送時間（路線選擇分析與導航系統交互）、安裝調試時間以及投運時間。形成若干搶修方案，從時間和經濟性兩方面進行評估。

5）電網緊急風險下的搶修組織（人員、裝備、設備資源）。