基于贝叶斯线性回归的鸟害故障分析

朱朋辉 赵全忠 廖志文 黄智明

0 引言

输电线路的安全运行是用户稳定用电的前提,也是广东电网高质量发展的保障[1]．随着广东经济的高速发展,从日常生活到工业生产对电力质量提出了越来越高的要求,这给输电线路的运维保障带来了挑战．广东江门电网2015—2019年的运维数据显示,鸟害故障是影响输电线路安全稳定的主要原因[2]．因此,建立鸟害故障分析模型,对采取有效的防鸟措施具有重要的指导意义[3-5]．

国内专家对输电线路鸟害故障特征进行了相关研究并取得了一定的成果[6-7]．国家电网公司对2004—2006年发生过鸟害故障的220 kV线路统计分析,发现害鸟引起输电线路故障的数量逐年上升．害鸟引起输电线路发生的故障主要集中在电压等级为110 kV线路上,同时杆塔的绝缘子类型也对鸟害故障发生概率有一定的影响[8]．鸟粪是引起输电线路跳闸的主要因素,中相发生鸟粪跳闸的概率远大于两边相[9]．云南电网对2008—2013年发生过鸟害故障的输电线路进行了相关研究,总结了鸟害故障概率与输电线路的地理环境分布、季节分布、杆塔特征之间的关系[10]．

对鸟害故障研究表明,影响鸟害的因素是多方面的,每年发生鸟害故障的范围也会因生态环境和人类活动区域的变化而变化,因此加大了预防鸟害的难度[11]．如何提高鸟害故障防治效率成为输电线路亟需解决的关键问题,对电网安全稳定运行具有重要意义．

针对上述问题,有必要对防止鸟害故障工作提出相关的理论指导,在架线工程施工以及安装防鸟装置时,依据已构建的鸟害故障分析模型对线路遭受鸟害的可能性进行分析,可以有效减少鸟害故障[12]．因此本文提出了一种基于贝叶斯线性回归的鸟害故障分析方法,针对搜集到的某地区部分鸟害历史数据进行分析,其中历史数据主要包括杆塔结构特征、杆塔所处位置的地理环境特征以及发生鸟害的季节,构建数据集训练鸟害故障分析模型．通过所提出的模型分析发生鸟害的高风险地区,从而对输电线路设备的安装和鸟害装置的设置提供理论指导．

1 鸟害故障的影响因素

鸟类非常喜欢在架设于高空的杆塔上停留或者活动,因而极易导致鸟害事故,发生跳闸故障．输电线路运维人员把这些巡检过程进行记录,尤其是跳闸记录、清除鸟害记录等．因此可以根据广东电网提供的鸟害运维数据分析鸟害的影响因素．

1.1 鸟害故障的地理环境特征

地理环境越适合鸟类生存,则该区域发生鸟害故障的概率就越大[13],因此地理环境特征是影响鸟害故障的一个重要因素．参考广东沿海地理环境情况,本文主要参考水田、鱼塘、菜地、林地、空旷5大地理环境因素作为鸟害故障分析的影响因素．从广东电网提供的运维数据随机抽取20处杆塔,统计情况如表1所示.

表1 地理环境特性与杆塔结构统计

表1中发生鸟害故障的杆塔中水田占12次、林地4次、鱼塘2次、菜地1次、空旷1次,鸟害故障主要集中在水田和林地,是因为水田和林地是鸟类适合扑食的地方．

1.2 鸟害故障的杆塔结构特征

除了地理环境特征的影响,杆塔结构特征是影响鸟害故障的一个重要影响因素．依据中国电力科学研究院、南方电网科学研究院以及有关高等院校的研究结果发现:在杆塔结构方面,鸟害故障同线路电压等级、导线排列方式、杆塔类型有关[14]．

表1的统计结果显示：20处杆塔电压等级为110 kV发生鸟害的有16次、220 kV有4次;杆塔类型一般而言主要分为直线型塔和耐张型塔,直线型塔发生鸟害有15次、耐张型塔有5次;导线排列方式主要分为水平、三角和垂直3种排布方式,水平排列方式发生鸟害有13次、三角形有5次、垂直有2次．就上述统计结果来看,在电压等级方面,鸟害故障主要集中在110 kV线路上,主要原因是杆塔高度适合鸟类停留;在杆塔类型方面,鸟害故障发生在直线型杆塔上的概率较高,主要原因是直线型杆塔方便鸟类停留;在导线排列方式方面,当导线水平排列时,害鸟筑巢比较容易,因而直线型杆塔适合鸟类活动,最容易遭受鸟害．

1.3 鸟害故障的季节特征

季节的不同会导致鸟害故障发生概率也不一样．害鸟活动受到季节的波动较大,在鸟类活动频繁的季节,鸟害发生的概率也就越高．表2的结果显示鸟类在冬季导致输电线路发生故障的概率最高,主要是因为冬季害鸟需要准备较多的过冬物资,使得害鸟在扑食地点和巢穴之间往返频繁,大大加重了害鸟的活动力度．同时,冬天小雨偏多,在小雨的作用下,鸟粪等污秽物不易被洗刷掉反而扩大了污秽面积,导致更高的故障和污闪率[12]．

表2 鸟害故障的季节分布

2 基于Mask R-CNN的地理环境特征识别

地理环境特征作为鸟害故障分析模型的重要影响因素,人工测量耗费大量的资金成本,因此需要训练神经网络实现对整个广东地区地理环境特征的自动提取．

Mask R-CNN[15]不仅可以对瓦片图像中的目标进行检测,还可以对每一个地理环境给出一个高质量的分割结果,达到对目标的精确提取．

Mask R-CNN是目标检测领域的一种新方法,它通过在模型末尾添加一个分支FCN来扩展Faster R-CNN[16]的目标检测框架,分割、识别和定位任务平行进行．如图1所示,Mask R-CNN框架由3个阶段组成．首先,主干网络从输入图像提取特征映射；其次,从主干网络输出的特征图被发送到区域建议网络RPN中生成感兴趣区域RoI；最后,对RPN输出的RoI进行映射,提出共享特征映射中对应的目标特征,分别输出到FC和FCN进行目标分类和实列分割．该过程生成分类分数、边界框和分段掩码．

收集1 000张谷歌地图瓦片作为数据集,900张作为训练集,剩下的独立构成测试集．针对水田、鱼塘、菜地、林地、空旷5大地理环境因素作为鸟害故障分析的影响因素,利用LabelMe[17]软件手动标记对象．根据实际实验,设学习率为0.002,每次迭代的批处理量为50,该模型一共迭代了20 000次．如图2所示,Mask R-CNN可以精确提取地图瓦片的地理环境特征．

3 贝叶斯线性回归模型

鸟害故障分析的主要影响因素有3个,分别为地理环境特征、杆塔结构特征以及季节特征[18]．以鸟害的影响因素为自变量,鸟害故障概率为因变量,利用贝叶斯线性回归构建模型,分析鸟害故障．

3.1 贝叶斯线性回归方程

贝叶斯线性回归是利用贝叶斯概率推断方法求解的线性回归模型,具有贝叶斯统计模型的基本性质．提供一组数据样本X={X1,X2,…,XN}∈RN,y={y1,y2,…,yN},X为输入变量,y为对应的目标值,N为数据样本数量,则贝叶斯线性回归模型f(X):

f(X)=XTw,y=f(X)+ε,

(1)

其中w为权重系数,ε为残差．

贝叶斯线性回归的求解方法有3种,分别为共轭先验求解、极大后验估计以及数值方法,前两者需要满足似然或先验特定条件,数值方法不需要特定要求,因此本文采用数值方法求解贝叶斯线性回归．

3.2 数值方法

图1 Mask R-CNN的结构框架Fig.1 Structural frame of Mask R-CNN

图2 基于Mask R-CNN的地理环境特征识别Fig.2 Geographical features identification based on Mask R-CNN

图3 吉布斯采样Fig.3 Gibbs sampling

3.3 贝叶斯线性回归模型的评估

为评估贝叶斯线性回归模型的回归效果,一般选择以下检验参数:回归平方和(SSR)、残差平方和(SSE)、相关系数R2、F检验统计量及T统计量.

(2)

本文采用相关系数R2评估贝叶斯线性回归模型,由式(2)可以看出,0≤R2≤1,R2越接近1,回归模型的拟合程度越高．

4 实验结果分析

本文通过对广东地区2015—2019年的历史鸟害数据进行收集分析,以地理环境特征、杆塔结构特征、季节特征作为模型的输入,鸟害故障概率作为模型的输出,训练得到鸟害故障分析模型．首先通过相关系数r分别独自分析地理环境特征、杆塔结构特征、季节与鸟害故障概率的相关性:

(3)

由式(3)可知,x为地理环境特征、杆塔结构特征、季节,y为鸟害故障概率,0≤r≤1,r越接近1,两者的相关性越强．一般定义相关系数0～0.3为弱相关,0.3～0.6为中等程度相关,0.6～1为强相关．由表3可知,杆塔类型、导线排列方式、季节与鸟害故障概率是弱相关,电压等级与鸟害故障概率是中等强度关系,地理环境与鸟害故障概率具有比较强的线性关系．

表3 杆塔特征、地理特征、季节与鸟害故障概率的相关性

根据以上分析,本文设计两个案例分析杆地理环境特征、杆塔结构特征与季节对鸟害故障概率的影响．

案例1.考虑电压等级、杆塔类型、导线排列方式、季节、地理环境的影响,根据建立的贝叶斯线性回归模型,输入测试集后,分析结果如图4所示．

案例2.考虑电压等级、杆塔类型、地理环境的影响,根据构建的贝叶斯线性回归模型,输入测试集,分析结果如图5所示．

图4 考虑电压等级、杆塔类型、导线排列方式、季节、地理环境,基于贝叶斯线性回归的鸟害故障分析Fig.4 Bird caused transmission line fault analysis based on Bayesian linear regression,considering voltage level,tower type,wire arrangement,season,and geographical characteristics

图5 考虑电压等级、杆塔类型、地理环境,基于贝叶斯线性回归的鸟害故障分析Fig.5 Bird caused transmission line fault analysis based on Bayesian linear regression,considering voltage level,tower type,and geographical characteristics

本文选用相关系数R2作为鸟害故障分析模型的评估效果,两个案例的相关系数R2分别为0.887、0.922,并结合图4、图5获得的结果分析,案例2所提出的方法比较案例1具有更好的效果,本文所提出的方法能够精确地分析输电线路的故障情况．

5 结论

本文提出一种基于贝叶斯线性回归的鸟害故障分析模型,用电压等级、杆塔类型、地理特征影响因素分析鸟害故障,并比较其他方法．通过相关系数R2评估模型效果,表明该方法的收敛速度和准确性对分析鸟害故障具有良好的效果．