一种配电设备实时故障率计算方法与流程

本发明属于配电网运维
技术领域：
，涉及一种配电设备实时故障率计算方法。
背景技术：
：配电网由于运行环境复杂，容易受到外力破坏、自然灾害、设备使用年限等因素的影响，发生故障停电。为了减少配电网的故障停电次数，电网公司投入大量人力物力来提高各地区的供电可靠性。如何计算配电设备的实时故障率，进而实现配电网的实时风险评估及状态检修是目前的研究热点和难点。目前，配电设备实时故障率计算模型主要包括基于主要故障因素参数修正[1～2]和基于健康指数[3～6]这两种。现有的基于主要故障因素参数修正计算配电设备实时故障率的方法，使用的故障率基准值大多使用的是年平均故障率，在此情况下由于小动物、树木影响等外力破坏对设备故障率的影响规律难以拟合，因此大多都忽略了外力破坏的影响。然而对于外力破坏因素发生频率高的地区，这些因素对配电设备实时故障率的影响不可忽略。研究人员也研究了配电主设备的健康指数与实时故障率之间的量化关系。广西电科院梁朔、南昌大学张忠会等人根据状态评价结果计算设备健康度指数，利用指数模型表征配电设备健康指数与实时故障率之间的关系[5-6]，但是并没有说明指数模型中待定系数如何准确测定。中国电科院史常凯、李二霞等人将设备的常用故障率及最小故障率带入指数模型中，确定了待定系数，建立了开关柜、电力电缆等四种配电主设备的健康指数与实时故障率之间具体的数学模型[3～4]，但是常用故障率及最小故障率与设备实际的健康指数对应关系并不明确，仅用这两个数据确定待定系数，数据量单一，确定的待定系数并不能有效反映同类设备之间的差异性。参考文献如下：[1]王浩鸣,唐翀,吴莉萍,等.基于设备状态评价的配电网动态可靠性评估[j].电力系统及其自动化学报,2017,29(07):68-74.[2]赵会茹,李娜娜,郭森,等.配电网设备故障停电风险实时评估[j].电力自动化设备,2014,34(11):89-94.[3]李二霞,亢超群,李玉凌,等.基于设备状态评价和电网损失风险的配电网检修计划优化模型[j].高电压技术,2018,44(11):3751-3759.[4]史常凯,宁昕,孙智涛,等.基于设备实时健康指数的配电网风险量化评估[j].高电压技术,2018,44(02):534-540.[5]梁朔,秦丽文,李春华,等.基于风险评估的配电设备状态检修决策方法[j].电力系统及其自动化学报,2019,31(01):47-52.[6]何乐彰,张忠会,姚峰,等.基于状态检修的电网运行风险评估[j].电测与仪表,2014,51(24):22-27.[7]王建,朱文兵,辜超,等.基于健康指数的电力变压器状态评估[j].高压电器,2018,54(05):248-253+258.技术实现要素：为解决现有技术中的不足，本申请提供一种配电设备实时故障率计算方法，得到更加准确的配电设备健康指数模型，能够根据配电设备的健康指数计算单个配电设备的实时故障率。为了实现上述目标，本申请采用如下技术方案：一种配电设备实时故障率计算方法，所述方法包括以下步骤：1)利用参数修正的方法计算待评估地区内各类配电设备ii的实时故障率λi′，i表示配电设备类型；2)计算配电设备ii的实时健康指数h；3)将实时故障率λi′和实时健康指数h带入配电设备ii的健康指数模型λi′＝aebh，确定待定系数a和b；4)通过确定待定系数的健康指数模型计算待评估地区内任一配电设备的实时故障率。本发明进一步包括以下优选方案：优选地，步骤1)具体包括：101)获取配电设备ii的各月份历史故障率，计算配电设备ii连续n年各月份的月平均故障率λi；102)获取连续n年待评估地区的故障情况，确定配电网故障停电因素jj，并计算故障停电因素jj引起故障停电次数占故障停电总次数的权重ωij；103)计算故障停电因素jj对配电设备ii实时故障率λi′的修正系数cij；104)将步骤101)-步骤103)计算结果带入参数修正模型，计算配电设备ii的实时故障率λi′，所述参数修正模型为：其中，k为故障停电因素数量。优选地，步骤102)所述故障停电因素为：j1：设备超期服役老化、j2：负荷过载、j3：雷击、j4：大风大雨、j5：小动物、j6：树木影响以及j7：其他因素。优选地，步骤103)中，j1对应修正系数ci1，ci1的计算公式为：其中，β为未知参量，t表示运行时间，t1表示故障率浴盆曲线第二阶段偶发故障期开始时间，t2表示故障率浴盆曲线第三阶段耗损故障期开始时间；j2对应修正系数ci2，ci2的计算公式为：式中，llim表示配电设备的最大负载率，lov为负荷过载值，l表示配电设备的实时负载率,l1表示额定负载率；j3、j4、j5分别对应修正系数ci3、ci4、ci5，ci3、ci4、ci5的计算公式为：式中，m表示待评估月的天数，nm表示待评估月第m天的雷击次数/降雨量/监测到的监测设备上小动物出现次数，nx表示第x统计年待评估月份对应的雷击次数/降雨量/小动物出现次数；j6对应的修正系数ci6＝1；j7对应的修正系数ci7＝1。优选地，步骤3)中，利用最小二乘法拟合计算基于健康指数模型中的待定系数a和b。优选地，利用最小二乘法拟合计算待定系数a和b时，健康指数h的范围内以10分为一个数据段，每一个数据段内不少于1个数据点(λ′，h)，以保证拟合得到系数的准确性。优选地，所述配电设备ii包括：i1：电缆、i2：架空线、i3：柱上断路器、i4：柱上隔离开关、i5：柱上负荷开关和i6：变压器。本申请所达到的有益效果：1.传统的基于主要故障因素参数修正使用的故障率基准值大多使用的是年平均故障率，在此情况下由于小动物、树木影响等外力破坏对设备故障率的影响规律难以拟合，因此大多都忽略了外力破坏的影响。本方法将设备故障率按照月份进行统计，发现12个月的故障率差异较大，但连续几年相同月份设备故障率基本相同。本方法中故障率基准值使用连续几年每个月的设备平均故障率，由于小动物、树木对设备故障率的影响随季节变化，这里认为连续几年相同月份树木对设备故障率的影响相同，其修正系数取ci6＝1；同时考虑了小动物破坏对配电设备实时故障率的影响，更加符合实际情况。2.由于不同方法计算出的同一配电设备的实时故障率相等，本方法使得健康指数模型λi′＝aebh中的待定系数a、b拟合更加准确，更加符合设备的实际情况，能够体现不同个体之间的差异性。3.当只需了解配电网各负荷点的停电风险时，可以使用基于主要故障因素参数修正的设备实时故障率模型，即步骤1)快速计算出同一地区同类型的配电设备实时故障率；当需要逐一了解各设备的实时故障率时，可使用基于健康指数的配电设备实时故障率方法进行实时故障率计算。附图说明图1是本申请一种配电设备实时故障率计算方法的流程图；图2是本申请实施例中广州地区的一条线路的简化网架结构图。具体实施方式下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。本申请的一种配电设备实时故障率计算方法，根据参考文献[3～4]，配电设备的健康指数与设备实时故障率λ′之间的呈指数关系，如式(3)所示。λi′＝aebh(3)其中，λi′为配电设备ii实时故障率，h为配电设备ii的健康指数，a、b为待定系数，i表示配电设备类型。如图1所示，本申请的一种配电设备实时故障率计算方法，包括以下步骤：1)利用参数修正的方法计算待评估地区内各类配电设备ii的实时故障率λi′；本申请具体实施例中，所述配电设备ii包括：i1：电缆、i2：架空线、i3：柱上断路器、i4：柱上隔离开关、i5：柱上负荷开关和i6：变压器。这种方法对于同类型配电设备的实时故障率计算比较实用，具体包括：101)获取配电设备ii的各月份历史故障率，计算配电设备ii连续n年各月份的月平均故障率λi；当统计得到配电设备ii连续n年各月份的月平均故障率λi以后，需要对主要故障停电因素进行修正，具体为：102)获取连续n年待评估地区的故障情况，确定配电网故障停电因素jj，并计算故障停电因素jj引起故障停电次数占故障停电总次数的权重ωij；本申请具体实施例中，所述故障停电因素为：j1：设备超期服役老化、j2：负荷过载、j3：雷击、j4：大风大雨、j5：小动物、j6：树木影响以及j7：其他因素。103)计算故障停电因素jj对配电设备ii实时故障率λi′的修正系数cij；j1对应修正系数ci1，ci1的计算公式为：其中，β为未知参量，可以用极大似然估计法求解，将配电设备运行年限与设备故障率的历史数据带入构造的似然方程组中，对方程组进行优化求出β。t表示运行时间，配电设备的故障率变化符合浴盆曲线，故障率的变化大致可以分成三个阶段，t1表示故障率浴盆曲线第二阶段偶发故障期开始时间，t2表示故障率浴盆曲线第三阶段耗损故障期开始时间。j2对应修正系数ci2，负载率与设备故障停电有着正相关的关系，负荷过载值lov可以表示为：式中，l表示配电设备的实时负载率,l1表示额定负载率。由于设备过载j2引起的设备实时故障率的变化，在计算出lov的前提下可以用指数型效用函数表示，因此负荷过载j2的修正系数ci2为：式中，llim表示配电设备的最大负载率。j3、j4、j5分别对应修正系数ci3、ci4、ci5，ci3、ci4、ci5的计算公式为：式中，m表示待评估月的天数，nm表示待评估月第m天的雷击次数/降雨量/监测到的监测设备上小动物出现次数，nx表示第x统计年待评估月份对应的雷击次数/降雨量/小动物出现次数；j6对应的修正系数ci6＝1；j7对应的修正系数ci7＝1。104)将步骤101)-步骤103)计算结果带入参数修正模型，计算配电设备ii的实时故障率λi′，所述参数修正模型为：其中，k为故障停电因素数量。2)计算配电设备ii的实时健康指数h，具体包括：首先建立并量化配电设备ii的健康指标；然后利用spss软件对配电设备ii分层、分部件进行关键部件的多特征参量统计，确定健康指标权重及健康指数评价模型[7]；所述关键部件及特征参量根据南方电网公司2010年颁布的标准s.00.00.05/q100-0006-0912-814《广东电网公司设备状态评价与风险评估技术导则》进行选择。最后基于健康指标权重及健康指数评价模型，计算配电设备ii的实时健康指数h。3)由于不同方法计算出的同一配电设备的实时故障率相等，因此将(2)式计算出来的实时故障率λi′和步骤2)计算出的实时健康指数h带入(3)式，即配电设备ii的健康指数模型λi′＝aebh，利用最小二乘法拟合可计算基于健康指数模型中的待定系数a和b。利用最小二乘法拟合计算待定系数a和b时，健康指数h的范围内以10分为一个数据段，每一个数据段内不少于1个数据点(λ′，h)，以保证拟合得到系数的准确性。4)健康指数模型λi′＝aebh确定以后，将单个设备的实时健康指数h带入λi′＝aebh中，可计算单一配电设备的实时故障率。如图2所示，以广州地区某条线路2017年8月5号为例，上级电源接入母线bus1，图2接线图实质上是个辐射状网络。该配电网中包括8个负荷点(lp)和8个变压器(t)，2个断路器(b)、1个隔离开关(is)、8个一般的柱上负荷开关、6个熔断器式负荷开关，2个具有自动释放功能的负荷开关，根据实际统计发现各种类型负荷开关的故障率几乎相同，因此一共16个负荷开关都取柱上负荷开关(ls)的故障率。设备负载率额定值l1为0.7，最大限值llim为1.1。该实施例中，配电设备有i1-i6，分别为电缆、架空线、柱上断路器、柱上隔离开关、柱上负荷开关和变压器6类；故障停电因素有j1-j7，分别为设备超期服役老化、负荷过载、雷击、大风大雨、小动物、树木影响以及其他因素。1)利用参数修正的方法计算待评估地区内各类配电设备ii的实时故障率λi′，i表示配电设备类型；101)获取配电设备ii的各月份历史故障率，计算配电设备ii连续n年各月份的月平均故障率λi；该实施例中，统计得到该地区各类设备8月份的月平均故障率如表1所示。表1各类设备8月份的月平均故障率设备类型月平均故障率电缆i10.031次/km·a架空线i20.022次/km·a断路器i30.011次/a柱上隔离开关i40.025次/a柱上负荷开关i50.037次/a变压器i60.020次/aa是指每年，电气相关文献中常用符号。102)统计该地区2014年-2018年的故障情况，故障停电因素jj引起故障停电次数及其占故障停电总次数的权重ωij分别如表2、表3所示。表2故障停电因素jj引起故障停电次数j1j2j3j4j5j6j7i113450872281i23061561311351324i3113664131i41720277057i53967192364i6593128338表3不同故障停电因素所占权重ωijj1j2j3j4j5j6j7i10.30660.01140.00000.01830.01600.00460.6430i20.04220.00840.21940.18420.01830.07170.4557i30.17740.04840.09680.09680.06450.01610.5000i40.15450.01820.00000.24550.06360.00000.5182i50.27860.04290.05000.13570.01430.02140.4571i60.06410.11540.03850.15380.10260.03850.4872103)根据参考文献[1]，使用weibull模型，各类设备的浴盆曲线β值可通过历史数据拟合得到，结果如表5所示。设备的全生命周期的故障率曲线符合浴盆曲线，分成三个阶段。各类设备的第二阶段开始时间t1，第三阶段开始时间t2以及投运时间t如表4所示。表4配电设备的运行情况将表4的数据代入式可以得到配电设备i1～i6超期服役老化修正参数如表5所示表5设备超期服役老化修正参数类型i1i2i3i4i5i6ci1111111.77根据参考文献[1]，由于负载率额定值l1为0.7，而该条线路的8月份该天的最高负载率为18.79％，因此配电设备i1-i6的负荷过载修正系数ci2＝0。通过广州供电局的雷电定位系统发现当天该地区发生雷击2次，该地区连续5年8月份总共发生18次雷击，带入式(1)得到当天的雷击气象因素修正系数ci3＝17.2。天气预报历史数据查得该地区2017年8月5号的降雨量28.1毫米，该地区2014年-2018年的8月降水量一共为1531.6毫米，带入式(1)由此可以得到8月份当天的大风大雨修正系数ci4＝2.84。通过监测设备发现该地区当天出现小动物0次，带入式(1)因此ci5＝0。由此可以得到2017年8月5号的设备状态修正系数矩阵如表7所示，每一行代表不同故障因素在同一类型设备中对应的修正系数。表6不同故障因素修正系数cijj1j2j3j4j5j6j7i11017.22.84011i21017.22.84011i31017.22.84011i41017.22.84011i51017.22.84011i61.77017.22.84011104)由可以得到基于历史月平均故障率修正值的配电设备ii的实时故障率λi′，统计各设备的历史年平均故障率，如表7所示。由表7可以看出，两种方法得到的架空线故障率相差很大，这可能是由于当天的雷击和风雨天气影响了架空线的实时故障率，而基于历史年平均故障率体现不出来这种差异性。表7设备故障率对比设备类型i1i2i3i4i5i6年平均故障率0.0250.0140.0090.0150.0430.015修正故障率0.0310.1070.0280.0340.0740.0352)根据配电设备ii的在线监测量等运检数据，健康指数h的大小由状态特征参量的实时劣化程度和健康指标权重决定，具体包括：首先建立并量化配电设备ii的健康指标；然后利用spss软件对配电设备ii分层、分部件进行关键部件的多特征参量统计，确定健康指标权重及健康指数评价模型；所述关键部件及特征参量根据南方电网公司2010年颁布的标准s.00.00.05/q100-0006-0912-814《广东电网公司设备状态评价与风险评估技术导则》进行选择。最后基于健康指标权重及健康指数评价模型，计算配电设备ii的实时健康指数h。103)将该地区的基于(2)式得到的实时故障率λ′与对应设备的健康指数h的多组数据代入(3)式，利用最小二乘法拟合计算出a和b，得到该地区6类配电设备的数学模型如下所示。电缆实时故障率λ′与健康指数h的数学模型：λ′cab＝0.7558e-0.045h(4)架空线实时故障率λ′与健康指数h的数学模型：λ′ove＝2.2098e-0.0595h(5)柱上断路器实时故障率λ′与健康指数h的数学模型：λ′bre＝0.0699e-0.0262h(6)柱上隔离开关实时故障率λ′与健康指数h的数学模型：λ′iso＝1.4711e-0.0552h(7)柱上负荷开关实时故障率λ′与健康指数h的数学模型：λ′lod＝1.7374e-0.0457h(8)变压器实时故障率λ′与健康指数h的数学模型：λ′tra＝8.9971e-0.0675h(9)4)在确定模型(4)-(9)以后，根据在线监测量的数据可以计算出该条线路上各设备的健康指数以及实时故障率，如表8所示。表8配电设备健康指数及实时故障率对比表7和表8，可以看出基于健康指数的配电设备实时故障率模型的差异化性能最好，能够反映每个设备的实时故障率；而基于故障因素参数修正的模型次之，一般用于计算同类型同型号的设备实时故障率；基于历史年平均故障率的差异化性能最差。本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。当前第1页12