基于随机风场概率加权的输电线路破损概率预测混合模型

基于随机风场概率加权的输电线路破损概率预测混合模型

0输电线路损坏预测模型台风灾害频繁发生，建设期长，影响范围广，具有明显的连通性。它对沿海地区的电网造成了巨大的破坏，电网线路的塔架倾斜，塔架和连接线的衰落，以及大面积的能源损失。尽管许多学者已对台风灾害下的电网风险进行了研究关于相关数据的收集，文献关于数据的利用，文献在当前的输电线路损毁预测建模工作中，文献综上所述，未来的研究趋势是统计分析与因果算法相结合，而当前研究在统计分析方面考虑因素不够全面，建立的因果算法效率偏低、适用性不够。因此，本文构建了台风灾害下输电线路损毁预警框架，在该框架中建立了基于极值Ⅰ型概率分布、蒙特卡洛法及随机森林法的输电线路损毁概率预测混合模型，其中极值Ⅰ型概率分布对随机阵风风值进行模拟，蒙特卡洛法实现了随机风场的概率生成，随机森林法预测每个风场下的线路损毁概率。随后介绍了各功能模块在中国广东电网台风“山竹”预警中的应用，通过与实际灾损情况对比，验证了本文所提方法的科学性与实用性。1基于功能模块为了防止台风灾害对输电线路造成的损毁，拟构建台风灾害下输电线路损毁预警框架，包括信息采集、信息处理、损毁预警等3个功能模块，如图1所示。信息采集模块用于收集各类信息并传递到信息处理模块进行处理，信息经过处理后进入损毁预警模块，建立损毁概率预测混合模型，对预测结果进行可视化展示。2为应对能源线路损坏而设计的框架模块为2.1利用新能源的地理信息技术信息采集模块的功能是采集输电线路风灾预警所需信息，主要包括气象信息、设备运行信息、微地形信息、实时损毁信息等，信息来源主要是气象部门、电力部门等。可利用地理信息技术辅助采集，如利用ArcGIS10.4.1对阵风、微地形特征进行反距离权重插值处理，并将相关数据提取到设备所在坐标点。因输电线路是由输电杆塔、绝缘子和金具、导地线等组成的结构体系，本文主要考虑输电线路这一结构体系中的输电杆塔其中，气象信息和实时损毁信息可根据现场情况实时更新，以保证建模能够使用更新和更全面的数据，因此，信息采集模块具备在线监测能力。2.2缺省值填充方法信息处理模块的功能是信息量化、缺省值处理、基准值换算、标准化处理等。信息量化的作用是将非数据格式的信息转化为数据格式；缺省值填充方法的选择主要与数据的缺失程度和原始分布形式有关，本文使用中位数填充缺失值式中：V气象台站在开阔平坦地区，地面粗糙度一般按B类考虑。本研究的V对数据进行标准化处理（normalization），即式中：X2.3破坏报告模块的建设损毁预警模块，主要是建立基于极值Ⅰ型概率分布、蒙特卡洛法及随机森林法的输电线路损毁概率预测混合模型。2.3.1基于矩估计法的尺度参数估计极值Ⅰ型概率分布得到的结果更加保守式中：a为分布的尺度参数；u为分布的位置参数。并且a>0,u∈(-∞，+∞)。其概率密度分布函数为：本文利用矩估计法对尺度参数和位置参数进行估计。一阶矩（数学期望）为：其中y≈0.57722，二阶矩（方差）为：由此得到：由式（3）可知，风速x本文采用柯尔莫哥洛夫-斯米尔诺夫假设检验式中：n2.3.2学习器的多样性随机森林法因此，随机森林法中的基学习器的多样性不仅来自样本扰动，还来自属性扰动，这使得最终集成的泛化性能可通过个体学习器之间差异度的增加而提升2.3.3系统风速点风速集合的确定非序贯蒙特卡洛法又称为状态抽样法本文中，每个风速点相当于系统的一个元件，风速点的集合相当于系统，抽样风速相当于元件的一种状态，且符合极值Ⅰ型概率分布，所有风速点风速的集合即整个风场分布相当于系统的状态。2.3.4点和点预测风场为更为精确地计算输电线路损毁概率，本文提出输电线路损毁概率预测混合模型，用极值Ⅰ型概率分布和蒙特卡洛法模拟随机风场，用随机森林法预测每个风场下的线路损毁概率，实现了基于随机风场概率加权的输电线路损毁概率预测。该模型首先基于极值Ⅰ型概率分布，以风速点为单位模拟预测风场的分布，风速点的精度可达到1km×1km。阵风系数是平均风折算到瞬时风时乘以的系数，一般定义为3s瞬时风速与时距10min的平均风速之间的比值其次，基于蒙特卡洛法实现随机风场的概率生成。由于本文的数据是各个风速点的预测风速，因此可以直接用来拟合风场的边缘概率分布，而无须考虑整个风场的联合概率分布。在每个风速点上依据极值Ⅰ型概率分布随机生成K次风速w最后，在每次随机风场下，利用随机森林法计算杆塔的损毁概率f(x式（12）不仅使用多次生成风速w由于本文建立的损毁概率预测混合模型在预测时需要使用蒙特卡洛法，计算量较大，因此，离线进行数据处理、模型训练、损毁预测，并将预警结果进行可视化。同时，结合在线监测技术，实时监控损毁信息，更新建模数据库，将离线计算的高效性与在线监测的实时性相结合，不断提升模型预测精度。2.4动态相似度分析为了对比单一模型与本文所提混合模型的预测结果，定义4个相似度指标。1）分布相似度为了量化预测损毁与实际损毁的相对位置，利用文献2）量级相似度为了分析不同概率阈值下损毁预测量级与实际损毁量级的相似关系，定义概率阈值P式中：P3）累积相似度同时定义累积相似度为：式中：l为概率阈值的级数；S4）综合相似度最后，综合分布相似度和累积相似度，定义综合相似度为二者的算数平均数，即式中：C3电力线路“庐山”的破坏和报警3.1广东“山竹”概况2018年9月16日17时，第22号热带气旋“山竹”（强台风级）在广东台山海宴镇登陆，登陆时中心附近最大风力14级（风速45m/s，相当于162km/h），中心最低气压95.5kPa根据广东省气候中心的统计数据，“山竹”是历史上登陆广东且造成陆面大风影响范围最广、大风影响持续时间最长、阵风风速最大的台风。3.2通过配电线路破坏报警结构系统的应用3.2.1信息采集及描述除了气象部门、电网部门等直接提供的信息，本文根据2.1节用ArcGIS10.4.1辅助采集，采集“威马逊”“彩虹”“海鸥”“天鸽”4次台风的数据进入信息处理模块进行处理。针对此次台风“山竹”，采集以下信息。1）台风登陆前24h逐小时预测最大阵风和1340个监测点的实测最大阵风，并根据2.1节用ArcGIS10.4.1辅助采集，预测及实测阵风分布分别如附录A图A2、图A3所示。2）广东沿海11个市主网（35kV及以上线路）设计风速、运行年限等运行信息，其中杆塔历史加固效应反映在数据中是设计风速的变更，线路分布如附录A图A4所示。3）广东省1km×1km地理信息数据，包含海拔、坡向、坡度、坡位、下垫面、地表粗糙度等，利用ArcGIS10.4.1辅助采集，各地理信息分布如附录A图A5所示。坡位及下垫面释义分别如附录A表A1和表A2所示。3.2.2数填充缺省值随机森林训练首先对收集的信息进行量化，本文用1表示杆塔损毁状态，0表示杆塔未损毁状态；用中位数填充缺省值，用式（1）和式（2）对数据进行处理，最终得到表2所示变量，部分训练数据如附录A表A3所示。以表2中的变量作为输入对模型进行随机森林训练，用于建立线路损毁预测模型。预测时，表2中除实时损毁信息外的变量作为输入，模型输出预测损毁概率。3.2.3损坏概率预测混合模型预测结果及比较首先计算不同置信度水平下的拒绝率，以验证极值Ⅰ型概率分布模型的拟合精度。如附录A表A4所示，拒绝率在α=0.2时最高为0.0915，即极值Ⅰ型概率分布模型的拟合精度至少为90.85%，表明了本文使用该模型的科学性。随后比较各方法的预测效果。1）利用2.3.2节所述的单一模型随机森林法分别对预测风场及实测风场情况下的输电线路损毁情况进行评估，预测阵风情况下的评估结果如附录A图A6所示。从图中可以看出，损毁概率较高的线路集中分布在江门、中山、珠海、惠州、汕尾等沿海地区且较为贴近海岸线。除肇庆市、深圳市因缺乏相关信息而没有预测结果外，损毁概率为0.6～1.0的预测损毁线路分布与实际损毁位置较为一致。实测风场情况下，利用单一模型随机森林法计算得到损毁概率评估结果如附录A图A7所示。可见，其结果与预测阵风的预测结果相似，说明实际风速下的损毁预测结果较为合理。2）利用本文所提出的损毁概率预测混合模型，按照2.3.4节所述的方法进行输电线路损毁预测，预测结果如附录A图A8所示。从图中可以看出，江门、中山、珠海、惠州、汕尾等沿海地区的损毁概率较高，除肇庆市、深圳市外，损毁概率大于0.6的损毁预测分布与实际损毁位置较为接近，说明损毁概率预测混合模型的预测结果较为合理。通过与附录A图A6、图A7中的预测结果对比可见，损毁概率预测混合模型的预测结果中，损毁概率位于0.6～1.0的高损毁概率线路分布更为集中，除保持与实际损毁位置较为接近的特征外，还减小了湛江东部沿海等风速较小地区的损毁概率。在配置为Inteli5-4210U,4GB内存的计算机上，完成一次计算所需时间是3333.11s，小于1h。因此，当使用24h预测数据时，可以实现台风登陆前23h发布预警，从而为应急抢修工作提供更为精确的指导。根据工程经验，广东省内各供电局抢修人员和物资可在10h内完成跨区支援和部署3）相似度分析。分别对3种预测结果与实际损毁情况进行分布相似度计算，得到的结果如附录A表A5所示。可见，单一模型随机森林法在实测阵风下的损毁预测分布与实际损毁情况最为接近，为0.0152，而在预测阵风下仅为0.00985，说明预测风速分布的不确定性对预测结果影响较大。采用损毁概率预测混合模型后，相似度提升到了0.0107，说明采用极值Ⅰ型概率分布与蒙特卡洛法模拟台风风场具有一定的科学性，能够计入台风的不确定性，提升预测结果的精度。假设预测损毁概率大于某个阈值时认为杆塔损毁，统计得到3种预测结果在各级概率阈值下的损毁量级如表3所示，可视化如图2所示。从图2中可见，当概率阈值为0.7时，损毁概率预测混合模型量级相似度最高，而单一模型随机森林法在预测和实测阵风下均是概率阈值为0.9时相似度最高，但远低于预测混合模型，说明损毁概率预测混合模型量级更加精确。为便于比较，将断线塔段的相关杆塔计入实际损毁杆塔，得到现有数据范围内杆塔实际损毁数量为16，则各模型的累积相似度如附录A表A6所示。可见，预测阵风下单一模型随机森林法的累积相似度为0.0471，尽管在实测阵风下，单一模型随机森林法的累积相似度也仅为0.0416，而损毁概率预测混合模型的累积相似度最高，为0.347。这说明在量级预测方面，损毁概率预测混合模型更为合理，能够减小预测误差。最后，综合相似度结果如附录A表A7所示。可见，综合相似度以损毁概率预测混合模型为最优，因此本文所提模型具有科学性和合理性，能应用于工程实际。同时，本文为了验证工程经验的24h预测风速分布最准确的说法，使用登陆前36h、48h和72h风速预测数据，计算并比较分布相似度指标，其结果如附录A表A8所示。可见，提前更长时间的分布相似度远低于24h，这会导致预测损毁与实际损毁地理分布有较大偏差，对人员物资调配不利。因此，应当使用登陆前24h预测风速数据，与工程经验相符。损毁概率预测混合模型利用极值Ⅰ型分布与蒙特卡洛法多次模拟风场，在给出风场置信概率的前提下采用随机森林法计算每个风场下输电线路的损毁概率，最后计算平均损毁效应。而单一模型随机森林法则仅利用预测期间的最大阵风风场，会导致有效信息的损失。因此，损毁概率预测混合模型比单一模型实际应用价值更高。4符合未来展望和展望1）本文建立了台风灾害下输电线路损毁预警框架，在该框架的损毁预警模块中，提出了基于极值Ⅰ型概率分布、蒙特卡洛法及随机森林法的输电线路损毁概率预测混合模型，实现了数值模拟与统计分析的结合。2）与单一模型随机森林法相比：一方面，损毁概率预测混合模型能够提升损毁预测分布的精度；另一方面，又能弥补单一模型损毁量级预测的不足，减