電網污閃預測系統

電網污閃預測系統是指具備污閃預測的系統。將污閃臨界電壓預測模型所預測的污閃臨界電壓值與電網中絕緣子的運行電壓進行比較，當污閃臨界電壓預測值接近、等於或低於絕緣子運行電壓時，根據絕緣子污閃臨界電壓值與運行電壓之間關係判斷電網污閃發生與否及發生機率等級，對電網污閃風險進行預測與分級預警。

當污閃臨界電壓預測模型的輸出污閃電壓接近，等於或低於運行電壓後，根據預測污閃臨界電壓與運行電壓之間的差值大小，將污閃風險分為幾個等級，並根據污閃風險等級進行污閃預警。採用污閃分級預警機制，可為電網運行管理部門提供清晰有效的污閃風險數據，能夠為電網防污工作指導提供明確的指導，有效提高污閃防治工作的效率和效果。

基本介紹

• 中文名：電網污閃預測系統
• 外文名：Grid pollution flash prediction system
• 類型：預測系統
• 優點：預防閃污
• 領域：能源
• 學科：電氣工程

系統簡介

污閃是絕緣子表面污穢達到一定程度，周圍空氣濕度超過特定值，絕緣子表面泄漏電流達到可持續臨界值，導致高壓輸變電設備的高壓帶電部位對地閃絡放電。絕緣子表面發生污閃極易導致輸變電設備跳閘，是發生在高壓線路和變電站的一種常見事故[t]。輸電線路和變電站的外絕緣要求在大氣過電壓、內部過電壓和長期運行電壓下均能可靠運行。但沉積在絕緣子表面上的固體、液體和氣體微粒在霧、毛毛雨、融冰、融雪等惡劣氣象條件及其它氣象因素作用下，絕緣子的電氣強度將大大降低，使輸電線路和變電站的外絕緣不僅可能在過電壓作用下發生閃絡，而且可能在正常運行電壓下發生閃絡，造成輸變電線路跳閘從而導致大面積停電事故

隨著國民經濟的快速發展，我國電網規模不斷增大，電網額定電壓等級不斷提高，電力系統輸變電設備外絕緣的污閃事故也日益嚴重。我國電力行業已把電網污穢閃絡歸結為氣象災害事故的一種。污閃災害事故與電網電氣事故的最大不同之處是，污閃災害事故的發生規律很難掌握，也沒有現行的比較有效的事故預防和處理措施。因此，污閃的研究，尤其是污閃預測的相關研究，己成為近年來國內外電力行業和研究機構普遍重點關注的熱點研究領域。

危害性

目前，據我國電力行業統計，在我國因污穢而引起的絕緣閃絡事故次數在電網的總事故次數中己占居第二位，僅次於雷電災害事故，而污閃事故造成的損失卻是雷害事故的10倍以上。以甘肅省為例，110/330kV送電線路在1955-1986年的31年間發生大小事故448次，其中絕緣子污閃事故134次，占總事故次數的29%，雷擊閃絡事故33次，占總事故數的7.4% 011 OkV線路的污閃跳閘率平均為0.182次/百公里·年，220kV線路為0.402次/百公里·年，330kV線路為0.019次/百公里·年，總的污閃跳閘 t率為0.202次/百公里·年。

據不完全統計，我國1969-1979年的10年中發生污ICJ事故1483次，1979-1987年的8年中發生污閃事故1463次，而1986-1987的兩年間污閃事故竟發生了577次，電量損失達4667萬度。顯然，隨著大氣環境的惡化，空氣污染的加劇，污閃事故有所增加，因污閃所造成的損失也相應增大。從電壓等級來看，我國500kV線路己多次發生污閃，其中東北、華北9條線路投入運行以來，污閃事故已占總事故數的25%}華北和東北電網的500kV線路的污閃跳閘率分別高達1.235次/百公里·年和1.0次/百公里·年。同時污閃事故常常波及多條線路和多個變電站，造成大面積停電。

1986年，蘭州電網的“3.16”污閃事故，導致14條線路41處發生污閃，5條線路的9處架空地線斷線，2條線路的3處導線斷線，全網開關跳閘106台次，5個220kV變電站和28個110kV變電站全部停電，1個220kV變電站部分停電，蘭州電網與西北主網解列，電廠與系統解列兩次。

1997年2月27日陝西電網發生了波及面最廣、損失最重的一次污閃事故，東起秦嶺電廠、西至寶雞湯峪、南起戶縣電廠、北到韓城地區，總計4條330kV線路、2條220kV線路、4台330kV/240MVA變壓器跳閘，損失出力280MW，停電時間達3小22分，其中秦嶺一廠、220kV閏良、代王變電站與系統解列，失壓23分鐘。時隔一年，1998年2月19日，220kV秦代線、330kV秦南線、秦渭線發生污閃跳閘事故，致使秦嶺電廠與系統解列。330kV安南1, 2線污閃跳閘導致安康地區與系統解列，同時跳閘的還有330kV韓金線、220kV閏代線。

1999年3月12日，北京西北部地區突降雪霧和冰凍，持續長達一周，造成北京供電局管轄的輸電線路多次發生污閃跳閘事故。在幾天之內，北京地區110kV}S00kV輸電線路共跳閘11路43次，發生跳閘的線路長度占北京地區輸電線路的9.8%，造成部分地區停電，對北京電網的安全運行構成極大威脅。

2000年12月18日，陝西全省大霧，渭南地區尤其嚴重，並伴有冰凌，當日12:27,位於渭南地區中東部的秦嶺二電廠330kV母線相繼發生污閃跳閘，造成330kV秦渭線、秦南線跳閘、損失2台機組共280MW出力，所幸的是調度有方，才一未造成巨大損失。

2001年2月2122日，大霧籠罩我國北方地區，造成一次大面積污閃停電事故[5]0在遼寧中部電網，事故造成220kV及以上線路跳閘44條，151次，10座220kV變電所停電。66kV線路跳閘171條次，120座66kV變電所全停。全省損失電量937萬kWh。同時，在河北南部電網，220}SOOkV線路跳閘59條，225次;110kV線路跳閘209條次，35kV線路跳閘110條次，10座220kV變電所停電。在京津唐電，35kV及以上線路跳閘29條，44次。在河南北部電網，SOOkV線路跳閘2條，2次，220kV線路跳閘18條，71次。這次污閃事故造成慘重的經濟損失和嚴重的社會影響。

由以上分析可以看出，污閃作為一種災害事故，已嚴重威脅著電網的安全穩定運行。同時，我國是一個電源與等值鹽密分布極不均衡的國家[[6]。我國高海拔地區的水電資源約占全國的75%以上，這些地區是易發生覆冰、覆雪的高寒地帶;我國煤電資源基本上集中在西北、華北大部，這些地區是粉塵、沙塵污染嚴重地區;我國的大規模用電中心基本上集中在水力、煤電資源相對缺少的東南沿海地區。隨著大型水電站、火力發電廠的不斷建立和西電東送工程的建設，必將有更多超高壓、特高壓交、直流輸電線路將大量的電力送到內地及東南工業區，正在建設的超高壓和即將試運的特高壓輸電線路必然要通過高海拔、高污染地區。隨著工農業的日益發展，高海拔及高寒地區的空氣污染也日益嚴重，所以氣壓、污穢、覆冰、覆雪對絕緣子電氣強度的影響是電力生產運行企業必須面對的嚴峻問題。由於污穢微粒的物理化學特性(主要是導電性和吸水性)、污穢層(包括覆冰、覆雪)的厚度及其分布、作用電壓的大小以及污穢層受潮(包括融冰、融雪)的氣象條件等都因時因地而變化，所以具有很強的隨機性和分散性，這就使得實測和統計工作的工作量極大，絕緣污染和氣象條件的模擬極為複雜，給試驗和研究工作帶來較大的困難。

將絕緣子等值鹽密非線性時間序列預測、絕緣子污穢閃絡臨界電壓預測及污穢閃絡臨界值判斷三個功能結合，組成污閃預測模型，最終實現對電網污閃的預測預警。絕緣子等值鹽密非線性時間序列預測研究是整個污閃預測研究的基礎;而在等值鹽密可預測的基礎上進行的污閃臨界電壓預測則是污閃預測的關鍵;最後，在污閃臨界電壓可預測的基礎上建立電網污閃預測預警模型，則實現了對污閃發生與否、發生機率大小的預測和預警。將三個預測研究建立的數學模型連結在一起，成為一個完整數學模型—電網污閃預測模型。

在建立電網污閃預測數學模型的基礎上，套用Java和Oracle資料庫技術，開發以電網污閃預測模型為核心的電網污閃預測系統(軟體)，實現電網污閃預測系統與防災減災系統功能的無縫連結，及電網污閃預測系統與大型氣象資料庫、電力運行調度管理資料庫的無縫連結，建立污閃預測資料庫及污閃分級預警資料庫，實現污閃預測數據在電力系統內部網(Intranet)的實時共享與發布。

預警模型

將污閃臨界電壓預測模型所預測的污閃臨界電壓值與電網中絕緣子的運行電壓進行比較，當污閃臨界電壓預測值接近、等於或低於絕緣子運行電壓時，根據絕緣子污閃臨界電壓值與運行電壓之間關係判斷電網污閃發生與否及發生機率等級，對電網污閃風險進行預測與分級預警。

電網污閃分級預測預警模型原理。當污閃臨界電壓預測模型的輸出污閃電壓接近，等於或低於運行電壓後，根據預測污閃臨界電壓與運行電壓之間的差值大小，將污閃風險分為幾個等級，並根據污閃風險等級進行污閃預警。採用污閃分級預警機制，可為電網運行管理部門提供清晰有效的污閃風險數據，能夠為電網防污工作指導提供明確的指導，有效提高污閃防治工作的效率和效果。

電網污閃分級預測預警模型的基本原理為:設運行電壓為Unn，污閃預測模型輸出的污閃臨界電壓為Ur:F。

建立一個以氣象參數、污閃臨界電壓與電網運行電壓為輸入的人工神經網路模糊推理模型，根據實時氣象條件及污閃臨界狀態對電網某一區域內特定電壓等級的電網污閃狀態及其等級作出預測，並給出預警等級。

預測模型

將基於非線性時間序列的絕緣子等值鹽密預測模型、基於人工神經網路模型的絕緣子污穢閃絡臨界電壓預測模型和電網污閃分級預測預警模型三個數學模型組合成為一個完整的電網污閃預測系統模型，通過電網污閃預測系統實現對電網污閃描述參數的預測和污閃風險的預測預警。在絕緣子等值鹽密非線性時間序列預測模型的基礎上，等值鹽密預測模型的輸出預測結果作為污閃臨界電壓預測模型的輸入之一，由污閃臨界電壓預測模型對在預測等值鹽密及實時氣象輸入條件下的污閃臨界電壓做出預測，在污閃臨界電壓預測值的基礎上，對電網污閃臨界電壓進行判斷，最終給出污閃的分級預測預警信息。

電網污閃預測模型結構。污閃預測模型總的輸入條件為氣象數據，包括歷史記錄數據和預報，輸出為污穢閃絡電壓等級，根據污穢閃絡電壓等級即可對污穢閃絡發生風險做出判斷。

污閃預測模型的輸入條件包括溫度、濕度、風速、氣壓和降雨量等，各輸入條件首先進入等值鹽密預測模型，對等值鹽密當前值做出實時預測;在得到等值鹽密的實時預測值後，由等值鹽密、溫度、濕度、風速、氣壓和降雨量等作為輸入條件進入污閃電壓預測模型，對當前等值鹽密下的污閃臨界電壓做出預測;在得到污閃臨界電壓預測值後，污閃臨界電壓預測值進入污閃分級預測預警模型，電網絕緣子污閃狀態做出預測。如果預測的污閃電壓值大於絕緣子運行電壓，則不進行污閃預警;若預測的污閃電壓值接近運行電壓，則做出污閃臨近預警;若預測的污閃電壓等於運行電壓，則做出污閃50%機率預警;若預測的污閃電壓低於運行電壓，則根據污閃電壓低於運行電壓的程度做出污閃分級預警。

軟體實現

基於Java技術的電網污閃預測系統

研究的電網污閃預測系統以電網污閃預測數學模型為核心，採用Java技術與Oracle資料庫技術，建立電網污閃預測系統Java軟體包，能夠與電網防災減災系統服務程式和大型資料庫的無縫連結。在污閃預測理論研究的基礎上，實現了污閃預測的實用化、智慧型化和網路化。

電網污閃預測系統套用Java技術是基於其技術的主導地位及其優秀的套用性能。Java是一種跨平台，適合於分散式計算環境的面向對象程式語言。

其主要特點有:

(1)簡單、面向對象和套用廣泛。Java的簡單首先體現在精簡的系統上，力圖用最小的系統實現足夠多的功能;對硬體的要求不高，在小型的計算機上便可以良好的運行。和所有的新一代的程式設計語言一樣，Java也採用了面向對象技術並更加徹底，所有的Java程式均是對象，封裝性實現了模組化和信息隱藏，繼承性實現了代碼的復用，用戶可以建立自己的類庫。而且Java採用的是相對簡單的面向對象技術，去掉了運算符重載、多繼承的複雜概念，而採用了單一繼承、類強制轉換、多執行緒、引用(非指針)等方式，無用記憶體自動回收機制也使得程式設計師不必費心管理記憶體，是程式設計更加簡單，同時大大減少了出錯的可能。Java語言採用了C語言中的大部分語法，熟悉C語言的程式設計師會發現Java語言在語法上與C語言極其相似。

(2)魯棒性和安全性。Java語言在編譯及運行程式時，都要進行嚴格的檢查。作為一種強制類型語言，Java在編譯和連線時都進行大量的類型檢查，防止不匹配問題的發生。如果引用一個非法類型、或執行一個非法類型操作，Java將在解釋時指出該錯誤。在Java程式中不能採用地址計算的方法通過指針訪問記憶體單元，大大減少了錯誤發生的可能性;而且Java的數組並非用指針實現，這樣就可以在檢查中避免數組越界的發生。無用記憶體自動回收機制也增加了Java的魯棒性。作為網路語言，Java必須提供足夠的安全保障，並且要防止病毒的侵襲。Java在運行應用程式時，嚴格檢查其訪問數據的許可權，比如不允許網路上的應用程式修改本地的數據。下載到用戶計算機中的位元組代碼在其被執行前要經過一個核實工具，一旦位元組代碼被核實，便由Java解釋器來執行，該解釋器通過阻止對記憶體的直接訪問來進一步提高Java的安全性。同時Java極高的魯棒性也增強了Java的安全性。

(3)結構中立且可移植。計算機網路上充滿了各種不同類型的機器和作業系統，為使Java程式能在網路的任何地方運行，Java編譯器編譯生成了與體系結構無關的位元組碼結構檔案格式。任何種類的計算機，只有在其處理器和作業系統上有Java運行時環境，位元組碼檔案就可以在該計算機上運行。即使是在單一系統的計算機上，結構中立也有非常大的作用。隨著處理器結構的不斷發展變化，程式設計師不得不編寫各種版本的程式以在不同的處理器上運行，這使得開發出能夠在所有平台上工作的軟體集合是不可能的。而使用Java將使同一版本的應用程式可以運行在所有的平台上。體系結構的中立也使得Java系統具有可移植性。Java運行時系統可以移植到不同的處理器和作業系統上，Java的編譯器是由Java語言實現的，解釋器是由Java語言和標準C語言實現的，因此可以較為方便的進行移植工作。

電網污閃預測系統套用軟體

套用Java程式語言，將污閃預測模型轉化為污閃預測套用軟體。污閃預測系統軟體是電網綜合防災減災系統的分系統軟體，也可獨立運行。

污閃預測套用軟體的主要功能有:自動從氣象預報資料庫中提取氣象預報信息，並將氣象預報信息進行預處理，轉換為污閃預測模型能夠使用的數據類型;根據氣象預報數據對等值鹽密、污閃電壓做出預測;對污閃等級做出分級預警;將等值鹽密、污閃電壓及污閃分級預報信息存儲到污閃資料庫，並根據系統要求將相關信息在防災減災系統中發布;能夠根據新的氣象記錄信息自動完成數學模型的不斷最佳化和修正。

污閃預測軟體包括:等值鹽密預測軟體包、污閃臨界電壓預測軟體包及污閃分級預警分析軟體包、資料庫接入軟體包及其它外圍服務軟體包組成。這些功能軟體包按照功能和相互之間關係分別封裝不同的類(Class )中。

污閃預測軟體的完成形式為一個按一定命名規則封裝好的帶有程式包入口的Java服務程式包，污閃預測軟體按防災減災綜合服務程式要求，與其它分系統功能的套用軟體包一起被封裝在防災減災系統的綜合服務程式內。

污閃預測軟體的一個重要組成部分是Oracle資料庫訪問軟體包。在完成污閃預測軟體的同時，根據防災減災系統功能的要求，還需要同時建立污閃預測數據相關的Oracle資料庫。

污閃預測軟體系統的Oracle資料庫

Oracle資料庫是污閃預測軟體系統的重要組成部分，是有效地進行污閃相關數據存儲、共享及處理的環境和工具。

Oracle資料庫系統是一個套用廣泛、技術成熟的資料庫系統。Oracle是面向對象系統，具有很好的網路性能，資料庫功能強大。支持大資料庫、多用戶的高性能的事務處理l’2v]。Oraclea支持大資料庫，其大小可到幾百千兆，可充分利用硬體設備。支持大量用戶同時在同一數據上執行各種數據套用，並使數據爭用最小，保證數據一致性。

Oracle資料庫系統具有高開放性能。Oracle資料庫系統每天可連續24小時工作，正常的系統操作(後備或個別計算機系統故障)不會中斷資料庫的使用。可控制資料庫中數據的可用性，可在資料庫級或在子資料庫級上控制。Oracle遵守數據存取語言、作業系統、用戶接口和網路通信協定的工業標準。所以它是一個開放系統，最大限度的保護了用戶的投資。

Oracle支持分散式資料庫和分布處理。為了充分利用計算機系統和網路，允許將處理分為資料庫伺服器和客戶應用程式，所有共享的數據管理由資料庫管理系統的計算機處理，而運行資料庫套用的工作站集中於解釋和顯示數據。通過網路連線的計算機環境，Oracle將存放在多台計算機上的數據組合成一個邏輯資料庫，可被全部網路用戶存取。分散式系統像集中式資料庫一樣具有透明性和數據一致性。

Oracle軟體具有可移植性、可兼容性和可連線性。可在許多不同的作業系統上運行，以致Oracle上所開發的套用可移植到任何作業系統，只需很少修改或不需修改。Oracle軟體同工業標準相兼容，包括許多工業標準的作業系統，所開發套用系統可在任何作業系統上運行。可連線性是指Oracle允許不同類型的計算機和作業系統通過網路可共享信息。

Oracle資料庫系統為具有管理資料庫功能的軟體系統。每一個運行的Oracle資料庫與一個Oracle實例(Instance)相聯繫。一個Oracle實例為存取和控制一資料庫的軟體機制。每一次在資料庫伺服器上啟動一資料庫時，稱為系統全局區(System GlobalArea，簡稱SGA)的一記憶體區被分配，有一個或多個Oracle進程被啟動。該SGA和Oracle進程的結合稱為一個Oracle資料庫實例。一個實例的SGA和進程為管理資料庫數據、為該資料庫一個或多個用戶服務而工作。

污閃預測系統共建立三個資料庫:一個是存儲實時氣象預報信息的氣象輸入條件資料庫;第二個是用來存儲等值鹽密、污閃電壓及污閃預報等級的污閃資料庫;最後一個是用來存儲等值鹽密預測模型和污閃電壓預測模型參數的模型參數資料庫。這三個資料庫構成了污閃預測軟體的資料庫系統，是污閃預測軟體重要的組成部分。

工程套用

污閃預測模型及其套用軟體已在福建電力公司投入使用。 根據“福建電網防災減災技術支持系統—污閃預測預警分系統研究開發”項目要求，污閃預測算法模型建立後，需完成相關實用化軟體編程工作，且污閃預測算法軟體包及污閃預測預警資料庫應與防災減災系統實現無縫連結，預測結果能夠作為福建省電力公司相關運行管理部門的污閃防治工作的指導性數據。2008年4月1日，具有全部防災減災系統要求功能的污閃預測預警分系統軟體包在防災減災系統伺服器上調試通過，並掛網運行。

展望

非線性時間序列預測理論是近年來非線性系統和混沌理論研究的熱點之一。非線性時間序列預測利用重構相空間和混沌吸引子來實現對該時間序列所代表的動力學系統的運動進行預測，通過相空間重構來近似恢復原來的多維非線性混沌系統。因此，研究污閃的非線性預測模型具有十分重要的理論研究和實踐套用價值。

研究了污閃相關參數預測的多種非線性預測模型和方法，但由於時間和精力有限，還有一些問題今後要進行更深入的研究:

(1)等值鹽密時間序列是污閃預測研究的基礎，現場等值鹽密的監測工作應更加準確和持續，為污閃預測研究提供更加豐富的數據基礎。

(2)無論是等值鹽密單變數時間序列還是包含氣象因素的多變數時間序列，對含噪聲序列的處理方法仍有待深入研究，以使等值鹽密非線性時間序列重構的相空間能更加接近原動力系統，能更為準確的描述原系統的動力學行為。

(3)污閃預測在氣象預測數據的基礎上進行，如何在本身存在預測誤差的氣象預測數據基礎上提高預測精度，仍是需要研究的重要問題。