基于风速风向联合概率的输电线路漂浮物故障风险评估

胡筱筱 李柯纯

摘 要：近年来，我国国民经济逐渐获得了高速的发展，相应的逐渐提高了电网的可靠性要求，输电线路的风险评估、健康状态和控制在一定程度上将会直接影响到电网的运行的安全性、可靠性。但是，线路漂浮物会对电网的安全运行造成显著威胁。根据研究显示，在总跳闸事故中35～500 kV输电线路发生漂浮物跳闸事故占7.2%，其中引发的停车事故率高达56.8%，并且在经济发达地区因大风吹起漂浮物所造成的线路故障率较高，为解除安全隐患，输电部门需要致力于清除输电走廊的漂浮物。

关键词：风速风向联合概率；输电线路漂浮物；故障风险评估

输电线路作为组成电网的重要部分，承担着电能输送的重要责任，且通常会跨越多个区域，面临恶劣的环境，大多数设备都会受到机械等的影响，外部环境干扰大，如污染、冰雪和雷电等。关于风险评估和预测电网故障，需要针对实际工程的设计需求，根据电网运行将与之相对应的定级体系与风险评估提出来，以此可以提供一定的决策性辅助信息以供实现电网的调度管理。为有效的将输电走廊中存在的各种安全隐患提前消除，输电部门需要对线路的风险状况进行事先了解。

时空分析

漂浮物所造成的线路故障，主要是指各种异物借助强风，与输电线路触碰或飘挂在上面，以此诱发线路空间电场出现畸变而降低线路绝缘裕度，如薄膜、风筝、尼龙绳和包装袋等，甚至还会引发直接短接空气间隙，造成导线对地、对导线和对塔材放电，从而导致输电线路出现跳闸的情况。基于漂浮物一般悬挂在输电导线上，一时之间很难脱离，且发生第一次闪络后，空气间隙中的游离导电离子会有所增加，但是，空气间隙在重合闸过程中会出现二次闪络事故。为此，线路飘挂物造成电网连续跳闸的可能性较大，更有甚者会导致导线出现熔断的情况。

根据输电走廊环境、线路本身特性和气候特征，可以发现因漂浮物所造成的电网故障要素主要有异物源、致灾风速、线路和风向夹角，其中与人類生产活动、环境状况息息相关的为异物源的产生。同时在人口相对稠密的地方，基于存在存在较多的生产生活废弃物，出现跳闸的几率较高，如农业生产活动区域、公园草坪、城市废弃物品处理区等。

线路漂浮物跳闸率的计算方法

2. 极值风速风向的联合概率密度

在工程领域中为能够对风的强度和方向进行精确合理的评估、预测，经常会用到极值风速风向的联合概率密度函数，在气象站实测数据的帮助下，可以根据双特征参数将该密度分布函数建立起来，如下：

2. 漂浮异物挂线故障敏感参数

该参数具体是指输电线路在强风径向下的等效迎风面积，与线路档距、风强度影响系数、最小极值风速等其他7个因素有很大的关系。

2.3 输电线路漂浮物跳闸率

不同的输电走廊环境在不同地区所拥有的线路漂浮密度也会有很大的差异，经时空分析得知人口密度和地理环境直接决定了该密度，不同地区的线路漂浮密度计算公式为：

3 风险评估

关于对风险的评估主要包括三个环节。第一，采集线路信息：输电线路的本体基础信息、走廊环境信息、附近站点气象历史信息等；第二，计利用JPDF函数和相关公式完成对线路漂浮物跳闸率的计算；第三，评定风险等级：采用线路漂浮物跳闸率表征。

4 实例分析

4. 计算跳闸率

选取南方某市100kV的一条输电线路为例。从输电部门获取线路的坐标与杆塔参数，TG全线长度为8.9千米，共有杆塔38级，沿途会经过多个区域，如农业区、工业区和居民区，线路主要分为南北和东西走向。

数据来源于本地区的气象自动站，共332个，精确到500m×500m的方格，整个研究地区都覆盖。采用2013年到2015年之内的“小时内极大风速及其风向”数据，来将12个月以内的极值风速风向联合概念密度构建起来。

采用人口密度与地理环境可以将本地区致灾漂浮物的分布情况准确的得到，然后根据TG线的本体特征可以将每月各段跳闸率计算出来，在时域、杆塔段均不同的情况下故障发生的可能性均有明显不同。

4. 分析评估结果

为对该方法的有效性进行准确的验证，采用2015年前的数据样本来展开漂浮物的故障风险评估，然后比较2016年的跳闸情况，如下表。

5 结语

通过时空分析，3、4、6、10月份是线路漂浮物跳闸率最高的时间，多在草地、工农业生产区、城市废弃物处理区发生；根据联合密度函数和线路特征参数、地理环境等跳闸率计算方法，可以准确的计算每段杆塔在每个月的跳闸率，从而有助于更好的评估时空风险，保证能够科学的运营管理输电线路。

参考文献：

[1]CARTA J A，BUENO C，Ramirez P.Statistical modelling of directional wind speeds using mixtures of von Mises distributions：case study[J].Energy Conversion and Management，2008，（05）.

[2]XIAO Y Q，LI Q S，LI Z N，et al.Probability distributions of extreme wind speed and its occurrence interval[J].Engineering Structures，2006，（08）.

[3]ERDEM E，SHI J.Comparison of bivariate distribution construction approaches for analyzing wind speed and direction data[J].Wind Energy，2011，（01）.

[4]苏盛，高大兵，杨洪明，等.郭志全极值风速地域性演化及对风力发电机组安全性的影响[J].高电压技术，2017，（07）.

[5]陆佳政，周特军，吴传平，等.某省级电网220 kV及以上输电线路故障统计与分析[J].高电压技术，2016，（01）.