论文部分内容阅读
架空输电线路长期处于复杂的运行环境之中,成为电力网络中最为薄弱的环节,传统输电线路机理模型难以适应复杂环境下的设备风险评估,这给输电线路状态评估和故障预测带来了挑战。随着输电线路相关数据的大量积累和大数据技术的发展,大数据分析在设备状态评估和故障预测中逐渐呈现优势,本文针对架空输电线路状态评估和故障预测开展了以下研究工作:(1)提出了基于关联规则和信念网络的架空输电线路的状态评估方法。结合了实际工程中输电线路状态数据和气象数据,采用Hotspot关联算法,形成了输电线路状态关联规则库;结合历史状态数据构建了架空输电线路状态预测贝叶斯网络;构建了输电线路状态预测模型。以GZ电网2016年-2018年实际运行数据对预测结果进行了验证,表明了该方法的有效性。(2)提出了基于多维关联信息融合的架空输电线路雷害风险评估方法。采用关联规则量化分析了线路本体特征因子及环境特征因子与架空输电线路雷击故障事故的关联关系;结合信息熵理论、灰色关联理论和证据理论融合了多源关联信息;构建了以数据价值为驱动的输电线路雷害风险评估模型,并以2016年和2017年的实际工程数据验证了该方法的有效性。(3)提出了基于风速风向联合概率的输电线路漂浮物故障风险评估方法。以GZ电网为研究样本,分析了漂浮物故障的时空分布特性。以极值风速风向联合概率密度函数为基准,提出了线路漂浮异物跳闸率计算方法。同时利用2016年实际运行数据对该方法的有效性进行验证。(4)提出了面向大数据平台的架空输电线路状态评估和故障预测体系。分析了关键信息提取及数据交互方法;研究了架空输电线路知识建模方法。并以GZ电网为例,建立了架空线路关联知识库。提出了面向大数据平台的架空输电线路状态评估和故障预测体系。并就该体系分析了典型输电线路实时状态评估和故障预测结果,该结果可为电网的调度运行提供支持,同时为架空输电线路的运维管理提供依据。