基于大數(shù)據(jù)的電網(wǎng)覆冰災害預測與風險管理研究.pdf

1、隨著全球持續(xù)低溫、雨雪、冰凍、霧霾等災害性天氣頻發(fā)，惡劣氣候?qū)е碌碾娋W(wǎng)災害不斷加劇，電力線路覆冰造成的危害越來越嚴重，輕則引起閃絡跳閘，重則導致金具損壞、斷線倒桿、倒塔等嚴重事故，冰凍災害問題已經(jīng)成為許多國家的電網(wǎng)共同面臨的難題，其中美國、加拿大、俄羅斯、法國、日本等國家都曾發(fā)生過嚴重的冰雪事故。作為受極端天氣災害影響比較嚴重的國家之一，我國受到氣候和微氣象、微地形條件的影響較大，電網(wǎng)冰凍災害頻繁發(fā)生，對電力線路的安全運行構成嚴重威脅，

2、給社會造成了巨大的經(jīng)濟損失。尤其是2008年初，冰凍天氣給我國電網(wǎng)系統(tǒng)造成了大范圍的破壞，湖南、江西、浙江、安徽、湖北等地的電網(wǎng)發(fā)生倒塔、斷線、舞動、覆冰閃絡等多種災害。此次冰災持續(xù)時間長、影響范圍廣、覆冰強度大，電網(wǎng)設施遭到損害的程度也達到了歷史之最。隨著電網(wǎng)在線監(jiān)測技術的發(fā)展，輸電線路覆冰數(shù)據(jù)種類越來越越多，各種各樣的異構大數(shù)據(jù)不斷增長，傳統(tǒng)數(shù)據(jù)分析方法與模型已不能滿足日益增長的覆冰數(shù)據(jù)需求。因此，采用大數(shù)據(jù)分析工具與處理平臺對大規(guī)

3、模異構性覆冰數(shù)據(jù)進行分析，研究輸電線路的覆冰增長規(guī)律，構建有效地覆冰預測模型與覆冰風險管理方法，對于提前預防區(qū)域電網(wǎng)冰凍災害、保障電網(wǎng)安全穩(wěn)定運行具有十分重要的科學意義和應用前景。
　　本文針對輸電線路覆冰問題，從研究線路覆冰產(chǎn)生機理出發(fā)，對導線覆冰影響因素進行了識別，在建立基于Spark大數(shù)據(jù)平臺的覆冰數(shù)據(jù)預處理模型基礎上，構建了輸電線路覆冰影響因素量化分析模型。以覆冰影響因素識別與量化為依據(jù)，結合Spark處理平臺分別建立了輸

4、電線路覆冰預測模型和覆冰狀態(tài)風險智能評估模型，并因此構建了區(qū)域電網(wǎng)覆冰災害風險管理體系，進行了多個實證研究。本文主要研究成果和創(chuàng)新如下:
　　(1)對輸電線路覆冰影響因素的識別和量化分析進行研究，建立了輸電線路覆冰影響因素庫和基于Spark大數(shù)據(jù)平臺的無限深度卷積神經(jīng)網(wǎng)絡的影響因素綜合量化模型。分別從氣象因素、環(huán)境因素和線路參數(shù)三個方面展開影響因素識別的研究，并在此基礎上，對影響因素的深度性、關聯(lián)性和層次性三個方面進行了建模和量化

5、。在方法選擇上，采用影響深度系數(shù)實現(xiàn)因素深度性分析，采用Person相關系數(shù)模型和灰色關聯(lián)度方法則對影響因素的關聯(lián)性進行分析，采用網(wǎng)絡層次分析模型則對影響因素的層次性權重進行量化，通過對三個方面的加權平均形成了影響因素綜合量化系數(shù)。進一步，構建了基于無限深度卷積神經(jīng)網(wǎng)絡(IDNN)的輸電線路覆冰影響因素綜合量化模型，通過Spark大數(shù)據(jù)平臺設置和運行，實現(xiàn)覆冰大數(shù)據(jù)的并行化處理、訓練和學習，從而對影響因素進行綜合量化分析。通過實例測算，

6、驗證了覆冰影響因素綜合量化模型的有效性和可行性。
　　(2)對輸電線路覆冰智能預測模型進行研究，在Spark大數(shù)據(jù)運行平臺上建立了基于離散小波不一致率特征提取和改進煙花算法優(yōu)化加權最小二乘支持向量機的覆冰預測模型(QFA-W-LSSVM)?；陔x散小波不一致率的特征選取中，通過離散小波變化將覆冰數(shù)據(jù)信號進行分解-重構，進而計算分解后的高、低頻信號的不一致率，通過比較選擇得到最優(yōu)特征子集。基于量子改進的煙花優(yōu)化算法中(QFA)，通過

7、量子編碼和量子旋轉門對煙花個體位置分別進行編碼和更新，提高算法的空間搜索性能?；诩訖嗟淖钚《酥С窒蛄繖C中(W-LSSVM)，主要是對最小二乘支持向量機的輸入向量進行了橫向加權，同時對訓練樣本進行了縱向加權，加強了算法的學習和訓練能力。將所構建的QFA-W-LSSVM覆冰預測模型放置于Spark大數(shù)據(jù)平臺運行，并從覆冰數(shù)據(jù)倉庫中調(diào)取實例數(shù)據(jù)進行模型有效性驗證，相關計算結果表明本文所提出的輸電線路覆冰厚度預測模型，與其它傳統(tǒng)預測方法對比

8、，有效地提高了預測精度和效果，是可行的和有效的。
　　(3)對輸電線路覆冰狀態(tài)風險評估指標體系和評估方法進行研究，建立了基于Spark大數(shù)據(jù)平臺的動態(tài)貝葉斯推理自適應模糊智能推斷系統(tǒng)的覆冰狀態(tài)風險評估模型(DBN-ANFIS)。本文為輸電線路覆冰狀態(tài)劃分了五個風險等級，并基于微氣象參數(shù)、環(huán)境因素和線路參數(shù)三個方面構建了覆冰狀態(tài)風險評估指標體系。在覆冰風險評估模型中，動態(tài)貝葉斯推理結合覆冰時序樣本信息，將經(jīng)驗和知識作為先驗信息，不斷

9、完善自適應模糊智能推斷系統(tǒng)模型中每層網(wǎng)絡上的先前經(jīng)驗和知識，并能對先前結果進行不斷修正，提高了算法的泛化能力和擬合能力。為實現(xiàn)對大數(shù)據(jù)量的風險評估狀態(tài)參量的有效處理和識別，本文將所構建的DBN-ANFIS覆冰狀態(tài)風險評估模型放置于Spark大數(shù)據(jù)平臺上運行，通過覆冰數(shù)據(jù)倉庫中的實例驗證，相關測試結果表明，基于DBN-ANFIS模型的覆冰風險智能評估具有較好的適用性和精確性，算法穩(wěn)定性高、擬合能力強。
　　(4)對輸電線路覆冰災害經(jīng)

10、濟性損失評估進行了研究，建立了覆冰斷線經(jīng)濟性損失評估指標體系和覆冰災害引起區(qū)域大停電經(jīng)濟性損失評估指標體系。本文將層次分析法和熵權法進行組合得到組合權重模型，并結合模糊綜合評估方法分別對覆冰斷線經(jīng)濟性損失和覆冰災害引起區(qū)域大停電經(jīng)濟性損失進行了評估，實例驗證表明，本文所構建的覆冰災害經(jīng)濟性評估指標體系和評估方法是有效的和可行的。
　　(5)基于Spark大數(shù)據(jù)平臺的覆冰影響因素量化分析、覆冰厚度預測以及覆冰狀態(tài)風險評估等，構建了基

11、于大數(shù)據(jù)的區(qū)域電網(wǎng)覆冰災害風險管理體系。本文基于大數(shù)據(jù)構建的覆冰風險管理體系包括電網(wǎng)覆冰災害管理組織機構、大數(shù)據(jù)在線預警系統(tǒng)、大數(shù)據(jù)應急保障體系和大數(shù)據(jù)應急處理預案四個方面。在覆冰災害管理組織機構中，主要構建了區(qū)域和地方兩大應急管理組織機構。在覆冰災害大數(shù)據(jù)在線預警系統(tǒng)中，構建了電網(wǎng)結構、覆冰監(jiān)測與信息采集系統(tǒng)、通信系統(tǒng)、數(shù)據(jù)中心、中央處理器、授權系統(tǒng)和操作系統(tǒng)七大模塊。在覆冰災害大數(shù)據(jù)應急保障體系中，建立了通信與信息保障體系、應急隊伍

12、保障體系、應急物資裝備保障體系、技術資源保障體系和其它保障體系。在覆冰災害大數(shù)據(jù)應急處理預案中，根據(jù)在線預警系統(tǒng)對數(shù)據(jù)倉庫中大量異構性覆冰數(shù)據(jù)的處理，結合IDNN因素量化模型、QFA-W-LSSVM覆冰預測模型和DBN-ANFIS覆冰狀態(tài)風險評估模型對區(qū)域電網(wǎng)覆冰災害作出預警，在劃分覆冰預警與響應等級的基礎上，分別就不同風險等級的應急預警啟動流程和應急響應方式進行了詳細的描述。本文提出的基于大數(shù)據(jù)的區(qū)域電網(wǎng)覆冰災害風險管理體系，可幫助電