（国网重庆铜梁区供电公司 402560）
前言
针对10千伏配网线路数据管理不到位，巡视维护和技改大修没有专业数据支撑而缺乏针对性等问题，铜梁公司从PMS系统、ERP系统、OPEN3000系统、雷电定位系统、营销系统导出电力线路所有相关数据，通过对配网线路设备参数、外部环境、运行情况以及故障原因等数据比对评估，构建配电网线路管理权重分析系统。通过本系统的智能预判，科学描绘配网线路高风险单元，为配电网立项和运检提供数据支撑，提升立项方向的精准度和智能运检的精益化水平。
一、项目简介
1.1 项目背景
国网重庆铜梁区供电公司10千伏配网线路163条，长约2271公里。重庆铜梁地形地处渝西丘陵与渝东平行岭谷交界地带，农配网线路设备健康水平参差不齐。由于丘陵高山等地域条件影响，加之外部因素环境复杂多变，非常不利于日常巡线、检修工作。加之，农配网线路的投入产出比相对较低，就需要把有限的资金用到刚性需求的各方面。
1.2存在的问题
1.2.1线路巡视缺乏针对性
一是部份巡线人员“人到眼没到”，没有认真查看线路的每一处，忽视线路安全隐患。如下表中铜梁公司2016年因树木生长过于茂盛没有及时发现，造成的线路跳闸事故 32 次／年。
图1 2016 年 1月-2016年 12月铜梁公司因树木临近导线导致的线路跳闸图
二是配网线路翻山越岭、穿街走巷，其所在环境不同，且经多年的运行检修，线路上的设备批次、运行年份都有所不同，因此整条线的不同位置发生故障的概率是不同的。而配网巡线工作依旧是以常态化的周期性巡视为主，巡视工作缺乏针对性，并不会对配网线路的高风险的位置重点检查。
1.2.2线路改造缺乏针对性
由于公司每年的工程项目投资经费相对有限，必须要找到最需要技改大修的配电网线路设备进行重点规划和储备。而在实际工作中，由于存在着大量的线路资料、检修（抢修）记录等数据，无法进行全面系统的分析，往往只能根据部份数据和管理人员的经验决定项目改造计划，不能全面科学地为立项做出准确的判定。
图 2 2016 年铜梁公司大修项目上报下达情况统计
1.2.3线路故障排查困难
当线路故障时，现有故障判断机制（故障定位系统未全部覆盖且）只能大致圈定故障范围。抢修人员在故障范围内进行地毯式搜寻，没有重点，抢修时间大量消耗在寻找故障点上。以铜梁公司侣俸供电所为例，2016年1月至2016月12月，故障停电 3177 分钟，故障排查时长 1342 分钟，占比高达 42％。
图3 铜梁公司侣俸供电所抢修工作排查故障时长占比统计（2016.01-2016.12）
另外，在排查故障过程中，由于故障点不明，排查时可能还会造成重复停送电，引起用户投诉风险。
图4 铜梁公司因频繁停电引起的投诉事件统计（2016.01-2016.12）
1.3思路
为更好地管理配网线路，有针对性的对高风险配网线路单元进行特别“看护”、为配网线路改造提供大数据分析支撑，并可有针对性巡检，预判故障点提高抢修效率，铜梁公司创新提出“洞若观火”配网线路智能防控卫士，搜集海量数据进行权重分析并建立模型，为配网安全可靠运行保驾护航。
1.4模型及算法
1.4.1线路单元划分
根据已有可靠性系统、PMS系统大馈线及大馈线支线，划分原则来对整条配电线路进行分段。原则上，主线以分段开关为分段点进行分段，支线按照各级支线开关（刀闸）作为分段点进行分段。如下图：
图5 配网线路单元划分示意图
1.4.2数据选择和收集
数据组收集了2016年01月到2017年12月铜梁区10kV配电线路故障数据，并进行了分析和原因归类，得出了铜梁区供区内导致10kV线路故障的所有原因因子。
该项目组使用算法推算出每个因子对于该线路单元发生故障的影响程度，即确定各因子对于该处线路故障发生概率的权重值，导出一个合理的计算公式来量化故障发生概率即风险值。
最终确定使用数据归纳、概率统计以及层次分析法来推算权重公式。
（1）数据整理-关键因子选择
项目组通过PMS、GIS、OPEN3000中的数据总共提炼出运行年限、线路长度、线路绝缘化率等20个因子，对因子进行相关性筛选，选出相关性较大的因子。使用IBM SPSS软件，将清洗后的数据通过C&R树、神经元网络、CHAID、SVM等11种具有监督性质的算法分别计算，进行数据挖掘。运用概率统计的方式，将11种算法的结果进行数理统计，筛选出相关性发生频率高的因子，排除相关性出现频率低的因子，最后得出8项故障相关性最大的因子。经过IBM SPSS数理统计可得，此8项因子对结果影响系数总额达到97.6%。舍弃其他因子后计算误差可以接受，符合统计学相关要求。
图6 相关性较高因子饼图
（2）构建模型
选取8种关键因子后进行建模，重新建立模型算法。通过前次模型的经验积累，我们认为神经网络算法，逻辑回归算法和层次分析法是比较好的算法，准确度也接近。详细研究三种算法的特点后选择准确度更有优势、算法对人友好，容易理解的层次分析法建立最终的算法模型。
图7 线路发生故障的风险率层次结构图
A表示线路发生故障的风险率；B1表示线路硬件设施情况指标，B2表示线路外界环境指标，B3表示线路运行情况指标；C1-C8分别表示单元线路长度、绝缘化率、雷区程度、周边树木障碍程度、周边彩钢瓦（异物）程度、负载程度、运行年限、线路缺陷情况。
按照图示的层次结构用层次分析法对每一个目标进行计算，用1-9标度构造4个比较判断矩阵分别为：
由此可以得出权重为：
表1 SWY体系权重表
表2二级指标权重表
计算公示如下：
A=B1*（C1*A1+ C2*A2）+B2*（C3*A3+C4*A4+C5*A5）+B3*（C6*A6+C7*A7+C8*A8）
=0.3*（0.49A1+0.51A2）+0.37*（0.33A3+0.42A4+0.25A5）+0.33*（0.38A6+0.35A7+0.27A8）
①经由GIS、PMS系统数据支撑分析得到，本地10KV电力网络平均每公里故障风险系数i1=3.067，由此可得单元线路长度C1与线路故障风险率A1的关系为：
②绝缘化率越高，线路风险值越低，通过MATLAB数据分析可得当地线路绝缘化率C2与线路故障风险值A2的数理关系为：
，i2=12.56
③雷区程度：雷区程度一般按照强雷、多雷、少雷区分，按照雷区程度，将强雷区域赋值为3，多雷区域赋值为2，少雷区域赋值为1，雷击情况低于少雷标准的视为0。雷区程度C3与线路故障风险值A3数理关系如下：
，i3为雷击线路故障系数，i3=43.45（以当地电网线情况路数据得出）
④周边树木情况C4：将周边树木情况按照茂盛、有、无三个等级进行区分，周边树木生长茂盛C4=2，周边有树木C4=1，周边无树木C4=0，C4与A4数理关系如下：
A4=i4*C4，i4=23.85（竹树故障系数）
⑤周边彩钢瓦（异物）程度C5：彩钢瓦在遇到大风等天气，易对电力线路造成短路及接地等故障，线路周边有彩钢瓦视为数值C5=1，无彩钢瓦C5=0，C5与A5数理关系如下：
A5=i5*C5，i5为彩钢瓦造成线路故障风险系数，i5=60.56
⑥负载程度C6：将负载程度分为过载C6=2，重载C6=1，轻载及以下C6=0三个数量等级，负载程度C6与A6数理关系如下：
A6=i6*C6，i6=31.658
⑦年限系数C7与线路故障风险值数A7理关系如下：
A7=i7*C7，i7=1.054
⑧线路缺陷情况C8与线路故障风险值A8数理关系如下：
A8=i8*C8，C8为线路缺陷数理，i8为线路缺陷导致的线路故障风险系数，i8=44.76
综上所述，模型公式如下：
线路单元故障风险值模型=0.045008*单元线路长度+0.3689*运行年限（<0.63年=53.5；>12.5=35.93；其它=10）+6.405*（1-绝缘化率）+12.068*缺陷数+14.34*雷区程度（强雷=3，多雷=2，少雷=1）+12.038*负载情况（过载=2；重载=1；）+10.016*树障情况（茂盛=2；有=1）+15.114*彩钢棚等异物情况（有=1；否=0）
1.4.3模型验证
用BP神经网络算法在MATLAB上构建一个模型，BP神经网络训练完成后，随机选取20组数据，与层次分析法算出的风险值进行对比，相对误差7.51%，其结果满足预期要求。
蓝色：层次分析法的风险值 红色：BP神经网络的风险值
图8 层次分析法与BP神经网络比较图
接下来，调阅铜梁公司2018年1月-2018年5月发生的故障数据，发生故障的线路单元平均风险值为77.36分。
表3铜梁公司2018年1月-2018年5月发生故障线路权重区间统计表
1.5结论
通过对健康状况等级不同的线路进行权重分析，经实际比对、测算评估，可以划出权重分在40分以内的线路单元健康状况良好；权重分在40-60分间的为一般；60分以上的发生故障风险较高，需要特别“看护”。
健康区域为绿色、一般区域为黄色、高风险区域为红色，绘制配电网健康状况评估三色图，优先将高风险区域纳入立项储备，科学规划线路改造方案。
同时，还具备以下成效：一是在巡线时，巡线人员对红色高风险区域进行重点检查、频繁检查，科学合理利用有限时间和资源。二是在配网线路发生故障时，结合配电网故障定位系统等配网自动化延判结果，安排抢修人员优先对故障定位段的红色高风险区域进行故障排查，缩短故障查找时间。
二、项目创新点
2.1健康状况“洞若观火”
在国内首次提出将配网线路设备健康状况模型化，实现了配网线路风险程度的数字化，直观定量的表征配网线路真实情况。改变了经验式判断配网线路状况的现状，开启了配网线路智能运检新模式。
2.2“前世今生”尽在掌握
通过对历年配网线路参数的收集，可对配网线路历年的设备状况进行量化统计分析，找出其中的管理及技术原因，对症下药。同时，对配网线路技改大修实施后的效果进行量化预测。
2.3设备与主人“心有灵犀”
让运行管理人员（设备主人）首次体验到设备不同运行参数的任意变化，给健康状况带来的直观变化效果。为运行管理人员积累运行经验，提升设备状态判定的综合能力打下坚实基础。
三、项目成效及应用前景
通过对辖区内全部10千伏线路上的分段数据进行收集并展开权重分析，根据分析结果对设备健康程度进行颜色区分，将线路的健康状况简洁直观地呈现给线路管理人员和设备巡视人员。管理人员可以通过对线路各段健康状况进行分析，有针对性的进行排查，故障排查时间大为缩短。另外，巡线人员从原来的盲目性巡视变成现在的针对性巡视，有效提高巡视工作效率，提升巡视工作质量。同时根据分段线路的颜色区分，有效的为后续几年设备大修技改提供了可靠的支撑数据，从而根本性提高设备可靠性。
3.1项目成效
3.1.1预期经济效益
“洞若观火”配电线路智能防控卫士为故障前针对性巡视消缺，快速排障恢复供电提供了保证，保守估计铜梁公司一年可挽回电量100万度，挽回经济损失30万元。如果在全省范围内推广该管理模式，节省的人财物开支将预计达到“千万元”数量级。同时，有针对性的对高风险配网线路进行技改大修，提高了公司的投入产出比。
3.1.2预期管理效益
通过应用“洞若观火”配电线路智能防控卫士，配电线路管理方式从人为主观判断、粗放型排查、“打补丁”到大数据客观评估、事前预判、主动“杀毒”转变。
3.1.3预期社会效益
“洞若观火”配电线路智能防控卫士可以减少因排查故障点造成的重复停送电，主线路送电之后，优先试送大数据反馈的权重分较高的支线，减少重复停电次数，降低投诉风险，提升公司品牌形象，产生良好的社会效益。
3.2项目应用前景
3.2.1多地域应用前景
“洞若观火”配电线路智能防控卫士现为铜梁（丘陵）地区的权重算法，今后，随着全国各种地域故障信息样本的增加，权重算法将可拓展成“平原模式”、“海岛模式”、“高原模式”，变成多地域应用。只要样本足够多，可无限拓展为适用全球的算法。
3.2.2可扩展应用前景
“洞若观火”配电线路智能防控卫士可以作业务延伸，与物资管理工作相接合，针对线路风险情况，推算出下阶段配电生产、检修物资使用量，对比库存情况，进行物资提前备货，防止出现物资供应不上或是物资备货过多压仓情况发生。
3.2.3多领域应用前景
“洞若观火”配电线路智能防控卫士可以移植应用于城市路灯管理、用户定位报修服务、电力设计等诸多领域，成为电力企业内外管理的重要一环。
3.2.4多行业应用前景
“洞若观火”配电线路智能防控卫士可拓展到发电企业、通信行业、采矿业等多种需要巡视检修的行业。
论文作者:余光明,田恒,范怀瑾,杨洪,陈建
论文发表刊物:《电力设备》2018年第28期
论文发表时间:2019/3/12
标签：线路论文; 故障论文; 铜梁论文; 网线论文; 权重论文; 风险论文; 数据论文; 《电力设备》2018年第28期论文;