计及多维隐患因素的输变电设备中长期故障率建模方法

马江泓 马龙涛 范 越

计及多维隐患因素的输变电设备中长期故障率建模方法

马江泓 马龙涛 范 越

（国家电网有限公司西北分部，西安 710048）

随着新能源并网比例的不断提高，电网装备水平和管理模式快速发展，电网的风险管理面临新的不确定因素挑战。本文提出一种计及多维隐患因素的输变电设备中长期故障率建模方法。该方法首先运用头脑风暴法汇总相关业务部门对不同类型设备风险隐患因素的经验化筛选结果，完成设备风险隐患因素的识别，再按照不同的维度对隐患因素进行归类，在对每一个维度的故障频度进行单独建模后，经加权得到设备的中长期故障率。通过西北电网750kV罐式断路器的风险评估案例分析，展示了所提方法的实际应用效果。

电网风险；设备风险；头脑风暴法；严重度；故障频度

0 引言

受新能源并网和设备升级换代等内外部不可控因素的干扰，电力系统运行管理长期面临各类系统风险。电力系统风险评估理论研究已开展多年[1-6]，设备故障率是系统风险评估的基本参数，与设备隐患因素密切相关，揭示其内在联系是系统风险研究普遍关心的热点问题，对提高系统风险管理水平至关重要[7]。

电网中的电力设备受负荷波动、网络运行方式及随机故障的影响，运行工况较为复杂，尤其对输电线、变压器和开关等输变电设备而言，导致其故障停运的隐患因素繁多。现阶段，对输变电设备停运建模的研究主要集中在模型结构、数据处理及协变量选取三个方面。在模型结构选取方面，杨才明等[8]根据架空线路故障机理，提出多因素驱动的架空线路故障率模型（multi-drive-proportional hazard model, MDPHM），以设备老化、健康状态、负载率和天气状况作为协变量，利用Levenberg-Marquardt方法进行模型参数估计。鹿鸣明等[9]基于比例风险模型（proportional hazard model, PHM）提出一种综合考虑老化和设备状态的故障率模型，采用极大似然估计方法对参数进行估计。Alvehag K等[10]结合季节变化规律和恶劣天气（大风、闪电）的随机强度，提出一种基于非齐次泊松过程的架空线路可靠性模型。Zhou Y等[11]提出一种基于泊松回归模型和贝叶斯网络的与配电架空线路天气相关的故障率模型。Moradkhani A等[12]提出一种基于多项式和谐波模型的泊松回归模型来刻画架空线的故障率，并利用累积计数过程展示了故障数据的非单调性。

除模型结构的选取外，设备故障率采用何种方法建模还与所能获取的故障数据样本和故障影响因素密切相关。近年来，人们对于故障数据充分条件下的电力设备停运隐患因素相依的故障率模型已开展了相关研究，如温度相依的输电线路老化失效模型[13]，基于历史故障信息的配电网设备故障概率模型[14]，以及考虑山火条件下的架空输电线路停运概率模型[15]和冰冻灾害条件下的架空输电线路风险评估模型[16]等。此外，研究人员Clavijo-Blanco J A 等[17]对配电网不同电压等级的线路故障进行统计分析，并估算出线路故障率。Jaech A等[18]提出一种故障线路停电时长预测方法，该方法借助自然语言处理方法对实时回传的检修报告进行加工处理，从而实现对停电时长Gamma分布参数的实时修正。除以上基于充足故障样本的研究外，基于删失和截断故障数据的架空线故障率建模问题也引起了关注。Moradkhani A等[19]为了克服数据缺失和组件异质性问题，提出一种基于分层贝叶斯泊松回归（hierar- chical Bayesian Poisson regression, HBPR）方法，并通过信息偏差准则（deriance information criterion, DIC）和模型检查程序比较了可交换层次贝叶斯模型（exchangeable hierarchical Bayesian model, EHBM）和HBPR的拟合优度，得出HBPR估计的故障率准确度优于EHBM的结论。Wang Yue等[20]考虑天气-故障关联信息缺失的问题，提出一种计及不明因素作用的故障率模型，并提出一种双层聚类方法，基于不完整数据进行模型参数估计。

目前，现有的电力设备故障率建模方法未能充分考虑不同性质电力设备隐患因素的影响，因此本文结合西北电网多年运行实践，提出一种计及多维隐患因素的输变电设备中长期故障率建模方法。该方法运用头脑风暴法（brain storming）以“自下而上”的方式收集设备故障的主要隐患因素，并建立设备故障率的量化评价方法。与现有的电网设备故障率建模方法相比，所提方法将设备故障率依照不同的设备类型进行不同维度建模，其优势在于，分维度建模能够将性质相似的单一隐患因素合并，在缓解数据样本稀有性的同时，也能从不同侧面量化设备故障率，有利于精准落实职能部门的设备风险管控责任。在建模方法方面，将设备故障的客观数据统计与专家经验进行结合，从而形成不同类电网设备故障率的归一化模型表达。这种方式以客观故障统计为核心，引入专家经验的修正，弥补因数据缺失而难以察觉的设备停运相关性影响，以期形成一套对工程实践具有现实指导意义的设备故障率实用建模方法。

1 设备中长期风险评估基本框架

1.1 设备分类

本文定义的电网运行中长期风险是指在较长时间跨度（一般为半年或一年）内可能影响电网安全运行的因素、事件或状态发生的可能性及后果的组合。在对电网设备中长期风险的研究中，本文将电网主设备分为线圈类设备、开关类设备、输电设备、直流一次设备、站用交直流系统和二次系统。其中，各类主设备所包含的常见设备见表1。采用这种设备分类方式开展设备中长期风险评估，能够保证不同类设备风险管理的独立性，有利于落实不同设备管理部门的责任，提升设备风险管理的组织性和条理性。

表1 主设备分类

1.2 隐患因素筛选

对于设备的中长期风险评估，本文将隐患因素（hazard factors）定义为可能诱发设备故障的各种原因构成的集合。设备风险隐患因素可以分为多个维度，如设备固有属性、环境条件、运行履历（如不良工况、在线监测、例行试验等）。为了实现对主设备隐患因素的全面筛选，本文提出采用头脑风暴法建立隐患因素信息库。

头脑风暴法又称智力激励法、脑力激荡法、专家会议决策法，是由美国创造学家阿历克斯·奥斯本于1939年首次提出的一种激发创造性思维的方法。运用该方法进行风险隐患因素筛选的主要步骤如下：

1）建立临时工作组，召开周期性集中会议，对设备的故障因素各抒己见，建立设备风险隐患因素信息库。工作组成员宜从本单位业务部门、第三方监管部门、科研院所及大专院校广泛聘请业务能力强、电网规划运行经验丰富、代表不同主体利益且无上下级领导关系的人员构成，人员数量不少于20人。会议气氛要保持自由、平等、民主，保证信息库的客观公正。

2）发布原始诱因信息库，通过办公自动化系统开展加密问卷调查，在确保电网信息安全的前提下，广泛征集一线生产部门的反馈信息，并反馈给临时工作组，对设备风险原始诱因信息库进行修正。

3）迭代步骤1）和步骤2）直到无重大修改意见。本文定义重大修改意见为同一批问卷出现两次（含）以上的相同意见。

依照步骤1）～3），本文得到的电网主设备特殊隐患因素的详细分类如图1所示。

2 故障率模型

2.1 多维特性故障率

为反映多维隐患因素对设备风险的影响，本文定义电网设备多维特性故障率EFR为

式中：BFR为基础故障率（base failure rate），是指同电压等级同类设备群体中，故障累计次数与扣除计划停运时间后的总投运年限之比，其数值代表该类设备故障发生频次的统计均值，需根据累计历史数据进行滚动更新；HCC为隐患因素修正系数（hazard correction coefficient），综合反映设备故障的可观性（detectability）及隐患因素对单台设备差异化的影响。

2.2 基础故障率

电网每类主设备的风险隐患因素不同，某些隐患因素实际所诱发的设备故障可能具有稀有性，难以建立单个隐患因素与设备故障率的关联模型。为克服单一隐患因素设备故障稀少造成的建模困难，并建立不同类主设备故障率的统一计算模型，本文提出对隐患因素分维度进行归类，如设备固有属性、环境条件及运行履历等，从而可分别统计不同隐患因素维度下的基础故障率BFRsd，再对单维度基础故障率进行加权即得到设备的基础故障率BFR。

设同电压等级的某类设备某维度过去年（扣除计划停运时间）内发生故障跳闸的总次数为，该类设备该统计维度的总数量为台，则该类设备的单维度基础故障率BFRsd为

对于同一电压级总维护长度为的输电线路，单维度基础故障率BFRsd的计算方法为

根据式（2）和式（3），某主设备个维度的综合基础故障率BFR为

2.3 隐患因素修正系数

经长期摸索实践，本文定义设备故障率隐患因素修正系数HCC为

HCC的计算流程如下：

2.4 隐患因素严重度

1）线性计算法

其中

或

2）数量统计法

对于无明确性能指标但易于统计发生数量的隐患因素，如直流一次设备的接头异常发热、鸟害跳闸和二次系统的通道运行情况等，可以根据经验设定其单次分值，累计计算其隐患严重程度分值，但不得超过其基值，即

3）条件赋值法

4）专有公式法

对于与工况履历相关的隐患因素，如“变压器本体累计短路电流”，其严重程度分值可按式（11）计算。

5）纵横比分析赋值法

6）显著性差异分析赋值法

2.5 多维故障率权重参数估计

表2 k值与n的关系

对式（12）取对数可得

3 案例分析

本文以西北电网投运的LW13—800/Y5000—50 SF6罐式断路器为例，说明采用本文方法计算断路器故障率的过程，其他输变电设备的故障率计算过程类似。此类型断路器被广泛应用于西北五省电网中，是西北电网750kV网架的主要开关类设备，其误跳和拒动均对西北五省主网运行有较大影响，有必要从多个维度对其故障率进行建模分析。

3.1 设备基础故障率

选取与该断路器同型号的西北五省750kV断路器，故障记录统计时间从2008年1月—2021年12月，包含跳闸、拒动及非计划停运（非停）。开关类设备的基础故障率统计维度包括生产厂家、投运年限和额定短路开断电流。这三个维度分别对应设备品控质量、服役时长及参数规格，对设备故障率进行评估，具有不同的指导意义。

1）生产厂家维度

从生产厂家的维度度量统计设备故障率可用于动态评估产品质量，为设备质量监控和入网遴选提供客观依据。2008年1月—2021年12月期间西北电网投运的750kV罐式断路器生产厂家共计10家，各生产厂家每年新投运断路器数量统计见表3。据此，依据式（2）计算断路器生产厂家维度的基础故障率见表4，如河南某有限公司的断路器，误跳的故障率为8/190/13=0.003 2次/(台∙年)，该维度的合计故障率为0.004 0次/(台∙年)。

表3 西北电网各生产厂家每年新投运750kV罐式断路器数量统计 单位：台

表4 西北五省750kV罐式断路器生产厂家维度基础故障率 单位：次/(台·年)

2）投运年限维度

设备的投运年限是判断设备进入老化状态的重要依据，体现设备服役时长对本地设备老化的影响。2008年1月—2021年12月西北五省750kV罐式断路器故障次数统计见表5。根据表5，按照式（2）计算得到断路器投运年限维度的基础故障率见表6，可以看到，客观统计的故障率总体变化规律符合浴盆曲线，即故障频发多见于投运早期，如新断路器投运后1年内的跳闸概率稍大，达到0.478次/(台∙年)；随着投运年限的增加，初期的跳闸故障率迅速下降；之后随投运时间增加，跳闸概率缓慢上升，当投运时间达到12～13年时未见任何故障，说明此时已进入设备稳定运行期。

3）额定短路开断电流维度

额定短路开断电流是断路器设备的核心参数，该参数与其他一系列跟电网运行相关的重要参数密切关联，因而很大程度上影响设备的制造工艺和规格。额定短路开断电流分别为50kA和63kA时，断路器历年投运台数与跳闸统计见表7。据此计算的断路器额定短路开断电流维度的基础故障率见表8，该维度下的合计故障率为0.008 25次/(台∙年)。

表5 2008年1月—2021年12月西北五省750kV罐式断路器故障次数统计 单位：次

表6 西北五省750kV罐式断路器投运年限维度基础故障率 单位：次/(台·年)

表7 不同额定短路开断电流的750kV罐式断路器历年投运台数与跳闸统计 单位：台

表8 西北五省750kV罐式断路器额定短路开断电流维度基础故障率 单位：次/(台∙年)

3.2 隐患因素修正系数

断路器各个维度下的风险隐患因素较多，以下分别举例说明若干不同性质隐患因素的HCC贡献值计算过程。

其他隐患因素严重程度分值见表9，根据式（5）可计算得到该断路器的HCC值为1.92。

表9 某750kV罐式断路器隐患严重程度分值

（续表9）

3.3 基础故障率的权重

根据表7得到750kV罐式断路器原始故障统计曲线如图2所示，将相应数据代入式（14）后，通过调用Ipopt求解权重，再代入式（4）和式（1），得到750kV罐式断路器多维隐患因素故障率如图3所示。可以看到，故障率估计值的总体趋势与原始故障统计数据良好吻合，说明所提建模方法符合实际。

图2 750kV罐式断路器原始故障统计曲线

图3 750kV罐式断路器多维隐患因素故障率

4 结论

本文提出了一种计及多维隐患因素的输变电设备中长期故障率建模方法。该方法首先运用头脑风暴法建立不同类设备隐患因素信息库，提出设备故障率按隐患因素的不同维度进行加权，每个维度的故障率由基础统计故障率经隐患因素特性系数修正得到，并提出采用极大似然估计得到不同维度隐患因素故障率的权重。最后，通过西北电网750kV罐式断路器故障率的案例分析，说明了本文所提方法对于故障率的估计符合实际故障统计规律。

[1] 丁茂生, 孙维佳, 蔡星浦, 等. 电力系统极端事件的风险评估与防范[J]. 中国电力, 2020, 53(1): 32-39, 65.

[2] 王申华, 何湘威, 方小方, 等. 基于泛在电力物联网多源信息的电网动态风险评估系统[J]. 中国电力, 2019, 52(12): 10-19.

[3] 朱道俊, 张文锋, 李国彬. 基于熵权和TOPSIS法的山区35kV架空线路雷击风险评估[J]. 电气技术, 2022, 23(8): 23-30.

[4] 陈剑平, 石恒初, 游昊, 等. 双母线接线主变失灵保护整定风险及防范措施[J]. 电气技术, 2020, 21(6): 127-131.

[5] 杨帅, 南东亮, 杨飞, 等. 基于移动运维平台的二次设备风险隐患评价系统[J]. 电气技术, 2020, 21(9): 66-69, 76.

[6] 张沛, 田佳鑫, 谢桦. 计及多个风场预测误差的电力系统风险快速计算方法[J]. 电工技术学报, 2021, 36(9): 1876-1887.

[7] 谭波, 刘丙财, 陈永德, 等. 基于风险评估的输电设备差异化运维策略[J]. 中国电力, 2016, 49(增刊1): 21-26, 30.

[8] 杨才明, 项中明, 谢栋, 等. 多因素驱动架空线路故障率模型[J]. 电力系统保护与控制, 2018, 46(12): 9-15.

[9] 鹿鸣明, 王逸飞, 郭创新, 等. 一种基于PHM考虑老化和设备状态的油浸式变压器故障率模型[J]. 电力系统保护与控制, 2014, 42(18): 66-71.

[10] ALVEHAG K, SO De R L. A reliability model for distribution systems incorporating seasonal variations in severe weather[J]. IEEE Transactions on Power Delivery, 2011, 26(2): 910-919.

[11] ZHOU Y, PAHWA A, YANG S S. Modeling weather- related failures of overhead distribution lines[J]. IEEE Transactions on Power Systems, 2006, 21(4): 1683- 1690.

[12] MORADKHANI A, RAHIMKHANI M. Determining the pattern of MV overhead line failure rate using Poisson regression[C]//2015 20th Conference on Electrical Power Distribution Networks Conference (EPDC), Zahedan, Iran, 2015: 143-149.

[13] 何剑, 程林, 孙元章, 等. 条件相依的输变电设备短期可靠性模型[J]. 中国电机工程学报, 2009, 29(7): 39-46.

[14] 王辉, 郝丽丽, 黄梅, 等. 基于历史故障信息的配电网设备故障概率建模[J]. 电力自动化设备, 2020, 40(3): 76-84.

[15] 宋嘉婧, 郭创新, 张金江, 等. 山火条件下的架空输电线路停运概率模型[J]. 电网技术, 2013, 37(1): 100-105.

[16] 杨洪朝. 架空输电线路冰冻灾害风险评估系统研究及应用[D]. 长沙: 湖南大学, 2012.

[17] CLAVIJO-BLANCO J A, ROSENDO-MACIAS J A. Failure rates in distribution networks: estimation methodology and application[J]. Electric Power Systems Research, 2020, 185: 106398.

[18] JAECH A, ZHANG Baosen, OSTENDORF M, et al. Real-time prediction of the duration of distribution system outages[J]. IEEE Transactions on Power Systems, 2019, 34(1): 773-781.

[19] MORADKHANI A, HAGHIFAM M R, MOHAMMADZADEH M. Failure rate estimation of overhead electric distribution lines considering data deficiency and population variability[J]. International Transactions on Electrical Energy Systems, 2015, 25(8): 1452-1465.

[20] WANG Yue, CHEN Lu, YAO Meng, et al. Evaluating weather influences on transmission line failure rate based on scarce fault records via a bi-layer clustering technique[J]. IET Generation, Transmission & Distri- bution, 2019, 13(23): 5305-5312.

Mid- and long-term risk assessment of power equipment accounting for multi-dimensional hazard factors

MA Jianghong MA Longtao FAN Yue

(Northwest China Grid Co., Ltd, Xi’an 710048)

Power grid equipment and management mode are evolving fast to adapt for the ever-increasing portfolios of renewable energy in power generation. Power grid risk management is facing continuous challenge of new stochastic factors. This paper proposes a mid- and long-term failure rate model of power transmission equipment accounting for multi-dimensional hazard factors. Firstly, the proposed method employs the brain storming to summarize empirical equipment-related hazards factors which are provided by professional equipment management departments. Such a process can be regarded as the hazard factor identification. The summarized hazards factors are classified into various categories with distinct dimension sense. For each category or dimension, an independent failure frequency indicator is defined, which is then weighted to result in the so-called multi-dimensional failure rate (EFR). Case study on risk assessment of the Northwest 750kV tank circuit breakers is conducted to demonstrate a practical application of the proposed method.

power grid risk; component risk; brain storming; severity; failure frequency

2022-11-28

2023-01-10

马江泓（1972—），男，工学学士，高级工程师，先后从事设备技术监督、检修，安全管理工作。