基于大數(shù)據(jù)的電網(wǎng)覆冰災(zāi)害預(yù)測與風(fēng)險(xiǎn)管理研究.pdf

1、隨著全球持續(xù)低溫、雨雪、冰凍、霧霾等災(zāi)害性天氣頻發(fā)，惡劣氣候?qū)е碌碾娋W(wǎng)災(zāi)害不斷加劇，電力線路覆冰造成的危害越來越嚴(yán)重，輕則引起閃絡(luò)跳閘，重則導(dǎo)致金具損壞、斷線倒桿、倒塔等嚴(yán)重事故，冰凍災(zāi)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(yán)重的冰雪事故。作為受極端天氣災(zāi)害影響比較嚴(yán)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(zāi)害頻繁發(fā)生，對(duì)電力線路的安全運(yùn)行構(gòu)成嚴(yán)重威脅，

2、給社會(huì)造成了巨大的經(jīng)濟(jì)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(dòng)、覆冰閃絡(luò)等多種災(zāi)害。此次冰災(zāi)持續(xù)時(shí)間長、影響范圍廣、覆冰強(qiáng)度大，電網(wǎng)設(shè)施遭到損害的程度也達(dá)到了歷史之最。隨著電網(wǎng)在線監(jiān)測技術(shù)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(gòu)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(tái)對(duì)大規(guī)

3、模異構(gòu)性覆冰數(shù)據(jù)進(jìn)行分析，研究輸電線路的覆冰增長規(guī)律，構(gòu)建有效地覆冰預(yù)測模型與覆冰風(fēng)險(xiǎn)管理方法，對(duì)于提前預(yù)防區(qū)域電網(wǎng)冰凍災(zāi)害、保障電網(wǎng)安全穩(wěn)定運(yùn)行具有十分重要的科學(xué)意義和應(yīng)用前景。
　　本文針對(duì)輸電線路覆冰問題，從研究線路覆冰產(chǎn)生機(jī)理出發(fā)，對(duì)導(dǎo)線覆冰影響因素進(jìn)行了識(shí)別，在建立基于Spark大數(shù)據(jù)平臺(tái)的覆冰數(shù)據(jù)預(yù)處理模型基礎(chǔ)上，構(gòu)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(shí)別與量化為依據(jù)，結(jié)合Spark處理平臺(tái)分別建立了輸

4、電線路覆冰預(yù)測模型和覆冰狀態(tài)風(fēng)險(xiǎn)智能評(píng)估模型，并因此構(gòu)建了區(qū)域電網(wǎng)覆冰災(zāi)害風(fēng)險(xiǎn)管理體系，進(jìn)行了多個(gè)實(shí)證研究。本文主要研究成果和創(chuàng)新如下:
　　(1)對(duì)輸電線路覆冰影響因素的識(shí)別和量化分析進(jìn)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(tái)的無限深度卷積神經(jīng)網(wǎng)絡(luò)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(gè)方面展開影響因素識(shí)別的研究，并在此基礎(chǔ)上，對(duì)影響因素的深度性、關(guān)聯(lián)性和層次性三個(gè)方面進(jìn)行了建模和量化

5、。在方法選擇上，采用影響深度系數(shù)實(shí)現(xiàn)因素深度性分析，采用Person相關(guān)系數(shù)模型和灰色關(guān)聯(lián)度方法則對(duì)影響因素的關(guān)聯(lián)性進(jìn)行分析，采用網(wǎng)絡(luò)層次分析模型則對(duì)影響因素的層次性權(quán)重進(jìn)行量化，通過對(duì)三個(gè)方面的加權(quán)平均形成了影響因素綜合量化系數(shù)。進(jìn)一步，構(gòu)建了基于無限深度卷積神經(jīng)網(wǎng)絡(luò)(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(tái)設(shè)置和運(yùn)行，實(shí)現(xiàn)覆冰大數(shù)據(jù)的并行化處理、訓(xùn)練和學(xué)習(xí)，從而對(duì)影響因素進(jìn)行綜合量化分析。通過實(shí)例測算，

6、驗(yàn)證了覆冰影響因素綜合量化模型的有效性和可行性。
　　(2)對(duì)輸電線路覆冰智能預(yù)測模型進(jìn)行研究，在Spark大數(shù)據(jù)運(yùn)行平臺(tái)上建立了基于離散小波不一致率特征提取和改進(jìn)煙花算法優(yōu)化加權(quán)最小二乘支持向量機(jī)的覆冰預(yù)測模型(QFA-W-LSSVM)。基于離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(hào)進(jìn)行分解-重構(gòu)，進(jìn)而計(jì)算分解后的高、低頻信號(hào)的不一致率，通過比較選擇得到最優(yōu)特征子集?；诹孔痈倪M(jìn)的煙花優(yōu)化算法中(QFA)，通過

7、量子編碼和量子旋轉(zhuǎn)門對(duì)煙花個(gè)體位置分別進(jìn)行編碼和更新，提高算法的空間搜索性能?；诩訖?quán)的最小二乘支持向量機(jī)中(W-LSSVM)，主要是對(duì)最小二乘支持向量機(jī)的輸入向量進(jìn)行了橫向加權(quán)，同時(shí)對(duì)訓(xùn)練樣本進(jìn)行了縱向加權(quán)，加強(qiáng)了算法的學(xué)習(xí)和訓(xùn)練能力。將所構(gòu)建的QFA-W-LSSVM覆冰預(yù)測模型放置于Spark大數(shù)據(jù)平臺(tái)運(yùn)行，并從覆冰數(shù)據(jù)倉庫中調(diào)取實(shí)例數(shù)據(jù)進(jìn)行模型有效性驗(yàn)證，相關(guān)計(jì)算結(jié)果表明本文所提出的輸電線路覆冰厚度預(yù)測模型，與其它傳統(tǒng)預(yù)測方法對(duì)比

8、，有效地提高了預(yù)測精度和效果，是可行的和有效的。
　　(3)對(duì)輸電線路覆冰狀態(tài)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系和評(píng)估方法進(jìn)行研究，建立了基于Spark大數(shù)據(jù)平臺(tái)的動(dòng)態(tài)貝葉斯推理自適應(yīng)模糊智能推斷系統(tǒng)的覆冰狀態(tài)風(fēng)險(xiǎn)評(píng)估模型(DBN-ANFIS)。本文為輸電線路覆冰狀態(tài)劃分了五個(gè)風(fēng)險(xiǎn)等級(jí)，并基于微氣象參數(shù)、環(huán)境因素和線路參數(shù)三個(gè)方面構(gòu)建了覆冰狀態(tài)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。在覆冰風(fēng)險(xiǎn)評(píng)估模型中，動(dòng)態(tài)貝葉斯推理結(jié)合覆冰時(shí)序樣本信息，將經(jīng)驗(yàn)和知識(shí)作為先驗(yàn)信息，不斷

9、完善自適應(yīng)模糊智能推斷系統(tǒng)模型中每層網(wǎng)絡(luò)上的先前經(jīng)驗(yàn)和知識(shí)，并能對(duì)先前結(jié)果進(jìn)行不斷修正，提高了算法的泛化能力和擬合能力。為實(shí)現(xiàn)對(duì)大數(shù)據(jù)量的風(fēng)險(xiǎn)評(píng)估狀態(tài)參量的有效處理和識(shí)別，本文將所構(gòu)建的DBN-ANFIS覆冰狀態(tài)風(fēng)險(xiǎn)評(píng)估模型放置于Spark大數(shù)據(jù)平臺(tái)上運(yùn)行，通過覆冰數(shù)據(jù)倉庫中的實(shí)例驗(yàn)證，相關(guān)測試結(jié)果表明，基于DBN-ANFIS模型的覆冰風(fēng)險(xiǎn)智能評(píng)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(qiáng)。
　　(4)對(duì)輸電線路覆冰災(zāi)害經(jīng)

10、濟(jì)性損失評(píng)估進(jìn)行了研究，建立了覆冰斷線經(jīng)濟(jì)性損失評(píng)估指標(biāo)體系和覆冰災(zāi)害引起區(qū)域大停電經(jīng)濟(jì)性損失評(píng)估指標(biāo)體系。本文將層次分析法和熵權(quán)法進(jìn)行組合得到組合權(quán)重模型，并結(jié)合模糊綜合評(píng)估方法分別對(duì)覆冰斷線經(jīng)濟(jì)性損失和覆冰災(zāi)害引起區(qū)域大停電經(jīng)濟(jì)性損失進(jìn)行了評(píng)估，實(shí)例驗(yàn)證表明，本文所構(gòu)建的覆冰災(zāi)害經(jīng)濟(jì)性評(píng)估指標(biāo)體系和評(píng)估方法是有效的和可行的。
　　(5)基于Spark大數(shù)據(jù)平臺(tái)的覆冰影響因素量化分析、覆冰厚度預(yù)測以及覆冰狀態(tài)風(fēng)險(xiǎn)評(píng)估等，構(gòu)建了基

11、于大數(shù)據(jù)的區(qū)域電網(wǎng)覆冰災(zāi)害風(fēng)險(xiǎn)管理體系。本文基于大數(shù)據(jù)構(gòu)建的覆冰風(fēng)險(xiǎn)管理體系包括電網(wǎng)覆冰災(zāi)害管理組織機(jī)構(gòu)、大數(shù)據(jù)在線預(yù)警系統(tǒng)、大數(shù)據(jù)應(yīng)急保障體系和大數(shù)據(jù)應(yīng)急處理預(yù)案四個(gè)方面。在覆冰災(zāi)害管理組織機(jī)構(gòu)中，主要構(gòu)建了區(qū)域和地方兩大應(yīng)急管理組織機(jī)構(gòu)。在覆冰災(zāi)害大數(shù)據(jù)在線預(yù)警系統(tǒng)中，構(gòu)建了電網(wǎng)結(jié)構(gòu)、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(quán)系統(tǒng)和操作系統(tǒng)七大模塊。在覆冰災(zāi)害大數(shù)據(jù)應(yīng)急保障體系中，建立了通信與信息保障體系、應(yīng)急隊(duì)伍

12、保障體系、應(yīng)急物資裝備保障體系、技術(shù)資源保障體系和其它保障體系。在覆冰災(zāi)害大數(shù)據(jù)應(yīng)急處理預(yù)案中，根據(jù)在線預(yù)警系統(tǒng)對(duì)數(shù)據(jù)倉庫中大量異構(gòu)性覆冰數(shù)據(jù)的處理，結(jié)合IDNN因素量化模型、QFA-W-LSSVM覆冰預(yù)測模型和DBN-ANFIS覆冰狀態(tài)風(fēng)險(xiǎn)評(píng)估模型對(duì)區(qū)域電網(wǎng)覆冰災(zāi)害作出預(yù)警，在劃分覆冰預(yù)警與響應(yīng)等級(jí)的基礎(chǔ)上，分別就不同風(fēng)險(xiǎn)等級(jí)的應(yīng)急預(yù)警啟動(dòng)流程和應(yīng)急響應(yīng)方式進(jìn)行了詳細(xì)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(zāi)害風(fēng)險(xiǎn)管理體系，可幫助電