基于决策树区域输电线路雷击风险可视化识别技术

中国南方电网有限责任公司超高压输电公司广州局 张 鑫 郑武略 严逸进 梁凯旋 刘 贺

引发电网停电事故一般有以下两种情况，其一为电网内部因素，即输电线路、设备本身故障，其二为自然因素，即大风、火灾、雷电等自然灾害造成的电网故障，其中电网雷击风险呈现出高概率水平。电网通过采取恰当的防雷措施，将雷击风险控制在输电线路上，有效减小雷击对电网的损害。

杜平等[1]针对当前灾害风险量化等级，界定存在仍需凭借主观因素的弊端，提出了输电线路灾害风险评估云模型的改进方法，但该方法的预测误差仍然较大；陈嘉宁等[2]在对输电线路、变电站设备可靠性模型构建的基础上，利用复杂网络理论对输电网各元件的可靠性指标权重进行确定，从而实现雷击灾害风险评估，但该方法对雷击风险跳闸识别具有偏差，存在局限性特点。

1 区域输电线路雷击风险可视化识别

1.1 区域输电线路雷击风险指标权重确定

1.1.1 雷击跳闸风险指标H1

该指标由两个二级指标构成，分别为H11、H12。输电线路雷击跳闸主要由两个因素决定，分别为输电线路区域的雷电流分布、杆塔的耐雷性能。采用Origin软件对历史雷电监测数据进行拟合，获取其雷电流幅值概率分布函数。由于不同区间内的雷电流幅值呈现差异性特点，因此采取分段拟合方式，提高雷电流幅值概率分布函数精度，其公式描述为：

区域输电线路雷击跳闸率与该区域内的地闪密度具有直接关联，本文利用广义帕累托分布（GPD）模型对选取的雷达监测数据进行拟合分析，确定平均地闪密度Nave，计算公式用下式描述：

其中：地闪密度表示为γ，其概率密度函数表示为f（γ），受雷范围内的地闪密度阈值表示为γ0，其峰值表示为γh。当区域输电线路遭受雷击，会引发闪络故障，其故障形式分为反击、绕击两种。该故障的界定标准为超过危险雷电流幅值最低值，即反击耐雷水平。其中，前者为输电线路非导线位置遭受雷击，使得输电线路与绝缘子出现过电压现象，由此引发的闪络故障即为反击耐雷水平，表示为If，计算公式描述为：

式中：对于绝缘子串，其冲击放电电压的一半表示为U50%，杆塔分流因子表示为k，横担对地高度表示为ha，导线高度均值表示为hc，对于杆塔，其电感表示为Lt，冲击接地电阻表示为Ri，对于输电线路导线、避雷线的高度hg与ht，二者间的几何耦合因子表示为k0，耦合因子表示为k。

杆塔雷击跳闸率包含两部分内容，分别为反击雷跳闸率、绕击雷跳闸率，求解公式分别描述为：其中：对于杆塔而言，其遭受雷击时的相对影响面积表示为（b+4h），其雷电流高于反击危险雷电流幅值最低值的概率表示为P`1，建弧率表示为θ，绕击率表示为Pa，其雷电流高于绕击危险雷电流幅值最低值的概率表示为P`2。由此可确定杆塔的雷击跳闸率为：。

在对杆塔雷击跳闸风险进行评估时，需考虑H111、H112指标对其的影响，杆塔雷击跳闸风险可用下式进行求解：Rgt=f1×f2×T，式中：H11风险指标表示为f1，H12风险指标表示为f2。区域输电线路雷击跳闸风险的计算公式描述为：，其中，区域输电线路遭受雷击风险时，各杆塔区段所占权重表示为Mi，对于区段内各杆塔，其雷击跳闸风险Rgt的加权均值表示为。

1.1.2 雷击故障风险指标H2

该指标由三个二级指标构成，分别为H21、H22、H23，其中：H21对区域输电线路风险表示为RU，计算公式为：RU=WU×GU=WU×RL×Ch，式中：H21指标下的各区段输电线路的权重表示为WU，H21指标风险表示为GU，恢复合闸概率表示为Ch。H22对区域输电线路风险表示为Rc，计算公式为：Rc=Wc×Gc=Wc×RL×（1-Ch）Qs，式中：H22指标下的各区段输电线路的权重表示为Wc，H22指标风险表示为Gc，通过强送电手段实现恢复供电的概率表示为Qs。

H23对区域输电线路风险表示为RQ，计算公式为：RQ=WQ×GQ=WQ×RL×（1-Ch）×（1-Qs），式中：H23指标下的各区段输电线路的权重表示为WQ，H23指标风险表示为GQ。由此可确定区域输电线路的雷击故障风险，表示为RiskL，可利用下式进行求解：RiskL=[RU,RC,RQ]×W，其中：在区域输电线路雷击风险下，RU、RC、RQ风险的初始权重表示为W。

1.1.3 时间和运行方式风险指标H3

该指标由两个二级指标构成，其中H31指标表示当输电线路因发生永久性故障，使得所有元件跳闸时，造成的损失负荷的极大值。由于部分场所具有持续供电需求，一旦停电将造成很大的影响，H32指标由两部分内容决定，分别为负荷重要程度、用户用电时间。H32风险指标可通过下式进行描述：

式中：在H3指标下，负荷所占权重表示为Mload，负荷损失等级表示为wtW、不同重要程度负荷表示为Li，损失负荷极大值表示为Lmax，负荷的重要程度表示为Zli，用户电力需求等级表示为Z2。

1.2 确定各指标权重向量

采用层次分析法对各指标权重向量进行确定，区域输电线路雷击风险权重向量表示为Ws=[WH1,WH2,WH3]，其中WH1=[WH11,WH12]、WH11=[WH111,WH112]、WH12=[WH121,WH122]、WH2=[WH21,WH22,WH23]、WH3=[WH31,WH32]、WH32=[WH321,WH322]。

1.3 基于决策树的区域输电线路雷击风险识别

本文采用C4.5决策树分类方法对区域输电线路雷击风险进行识别。该方法原理为：将信息增益率作为搜索指标，对各变量属性进行逐层挖掘，确定增益率极值所对应的变量属性，将其作为根从而获取决策树的根节点、叶子节点及枝干信息，实现区域输电线路雷击风险识别决策树结构的设计。信息增益率的作用是对变量属性进行确定，对训练样本T的熵进行运算，其运算公式可通过下式进行描述：

式中：样本集合表示为V，其样本数目表示为|V|，可将其划分为k，其中归属于类别Cj的样本个数表示为freq（Cj,V）。X为非类别属性，以X值作为划分依据对T进行划分，获得集合{T1,…,Tj}，对于各子集，通过下式完成熵的加权处理，表达式为：，对信息增益进行运算，其求解公式用下式描述：Gain（X）=inf0（T）-inf0X（T）。

通过信息增益对属性进行确定时，多值属性更受其青睐，为避免出现此弊端，本文采用信息增益率对其进行改进，使其具有分类优势。其原理是对样本进行划分时，将子节点数量及其大小作为考量点，忽略信息量对其的影响：。对于属性X，其信息增益率可通过下式进行描述：

基于决策树的区域输电线路雷击风险识别步骤为：采用层次分析法构建区域输电线路雷击风险识别层次结构模型；对区域输电线路雷击风险指标权重进行求解，并完成一致性验证。验证成功后，对数据进行划分，选择部分数据构建训练数据集，其余为测试数据；训练数据集输入到决策树算法中，完成决策树模型的训练；应用训练完成的决策树模型对测试数据进行检测，识别区域输电线路雷击风险。图1为基于决策树的区域输电线路雷击风险识别过程。

图1 基于决策树的区域输电线路雷击风险识别流程

1.4 区域输电线路雷击风险识别结果的可视化

富互联网应用程序（RIA）既具有桌面应用程序的高交互性的特性，又具备传统Web应用的高灵活性特点，是目前信息可视化展现的有效工具，Flex作为一种有效RIA方案，由Macromedia提出，作为.net server的应用程序，其.SWF文件是由.mxml文件生成，将其传输至客户端，经flash player输出后即可实现信息的可视化，为客户提供良好体验感。因此，本文采用Flex技术提供区域输电线路雷击风险识别结果的可视化呈现。

2 试验分析

以某地区输电线路为研究对象，选取其中3条输电线路作为实验目标，分别用line1、line2、line3进行标记，采用本文方法对上述输电线路雷击风险进行识别，验证本文方法的风险识别性能。三条输电线路参数信息见表1。

表1 各输电线路参数

Line1、Line2、Line3输电线路所含杆塔数分别为23、38、40，应用本文方法对各输电线路的各基杆塔的雷击跳闸率进行求解，并与文献[1]、文献[2]方法进行对比，通过分析误差之和、极大、极小误差，验证本文方法的运算精度，试验结果见表2。

表2 杆塔雷击跳闸率运算结果分析

分析表2可知，应用三种方法对不同输电线路的杆塔雷击跳闸率进行求解，误差分析结果各不相同，采用本文方法计算的各条输电线路雷击跳闸率误差之和最低，且极大、极小误差值也低于文献[1]方法、文献[2]，说明本文方法获取的雷击跳闸率更为精准。对比两种文献方法得出，文献[1]方法对Line1、Line2的低电压输电线路更具优势，文献[2]方法更适合获取高压输电线路的雷击跳闸率。

试验结果表明，通过本文方法确定输电线路雷击跳闸率准确度更高。进行各条输电线路的雷击风险识别，三条线路的风险等级、风险识别结果分别为：三级/危险、二级/严加关注、四级/高风险，可确定line2线路雷击风险级别最低，为二级风险，需时刻对该条输电线路进行关注，line1线路处于雷击危险中，需加强防护，line3线路处于高风险级别，需采取有效措施应对雷电灾害。

本文提出基于决策树的区域输电线路雷击风险可视化识别技术，确定各输电线路的雷击调整率、各项指标权重及雷击风险识别结果，获取的雷击风险跳闸率误差较低，计算精度高，可以根据各指标权重能够完成各线路雷击风险等级识别。