输电线路气象灾害故障的时间分布特征的拟合方法及系统技术方案

本发明专利技术公开了一种输电线路气象灾害故障的时间分布特征的拟合方法及系统，该方法包括：以历史同期某一地区输电线路跳闸次数逐月分布为对象，分别统计不同月份下输电线路气象灾害故障率的频率分布；并对其不同月份下输电线路气象灾害故障率的频率分布进行云变换拟合，得到相应的多个正态云模型；通过多个正态云模型，采用云模型的跃升方法，分别计算综合云概念的期望值、熵值及幅度系数，拟合输电线路气象灾害的故障率分布。本发明专利技术可建立全年纵向时间方向的故障率分布函数，得到时间相依的故障率数学模型，用以反映不同地区、不同电压等级、不同气象环境下的输电线路故障时间分布规律，实现对电网灾害与气象灾害的全景分析。

Fitting method and system of time distribution characteristics of meteorological disasters in transmission lines

【技术实现步骤摘要】
输电线路气象灾害故障的时间分布特征的拟合方法及系统
本专利技术涉及输电线路防护
，尤其涉及一种基于云模型的输电线路气象灾害故障的时间分布特征的拟合方法及系统。
技术介绍
输电线路网络遍布中国各地，具有点多、线长、面广等特点。当前，大部分输电设备位于荒郊野外，所处区域地形地貌差异很大，天气变化多端，自然灾害严重。大风、冰灾、暴雨等极端气象灾害在短时间内会造成多条输电线路故障，加上电网潮流转移诱发继电保护装置不正确动作，会加速线路连锁跳闸，甚至引发大面积停电事故。因此，准确认识气象灾害对输电线路作用的规律，充分利用气象预报数据做好架空输电线路的故障风险预警，已经成为电网调度运行、运维检修和应急抢险等工作所亟需的支撑手段。输电线路故障率是随时间变化的，且不同地区由于其地理位置和输电网络布局的差异，也具有不同的故障率时间分布特性。因此在得到历史同期各月故障率基础上，若能模拟得到全年故障率的时间变化特性，则可以用于电网运行与检修策略的制定。但电网具有春夏秋冬四季分明的气候特点，输电线故障逐月时间分布通常具有峰-谷-峰-谷特性，难以仅通过调节拟合模型周期系数来适应峰谷周期，传统傅里叶函数、高斯函数对多峰周期性曲线的拟合效果不佳。因而需要建立全年纵向时间方向的故障率分布函数，用以反映不同地区、不同电压等级、不同气象环境下的输电线路故障时间分布规律，实现对电网灾害与气象灾害的全景分析。
技术实现思路
本专利技术提供了一种输电线路气象灾害故障的时间分布特征的拟合方法及系统，用以解决因输电线路的故障率时间分布特性复杂，从而难以仅通过调节拟合模型周期系数来适应峰谷周期，且传统傅里叶函数、高斯函数对多峰周期性曲线的拟合效果不佳的技术问题。为解决上述技术问题，本专利技术提出的技术方案为：一种输电线路气象灾害故障的时间分布特征的拟合方法，包括以下步骤：S1：以历史同期某一地区输电线路跳闸次数逐月分布为对象，分别统计不同月份下输电线路气象灾害故障率的频率分布；S2：并对其不同月份下输电线路气象灾害故障率的频率分布进行云变换拟合，得到相应的多个正态云模型；S3：通过多个正态云模型，采用云模型的跃升方法，分别计算综合云概念的期望值、熵值及幅度系数，拟合输电线路气象灾害的故障率分布。优选地，步骤S1，包括：获取气象灾害故障率序列频率分布：将所在区域的输电线路气象灾害故障率序列按月分成12个区间，分别统计落在每个月的个数，求取第k个月线路跳闸时间序列ΔPk的频率分布，得到输电线路气象灾害故障率的频率分布函数f(x)。优选地，步骤S2，包括：对于给定输电线路逐月故障率时间序列的频率分布函数f(x)，采用基于峰值的云变换算法，其数学表达式为：式中ri为幅度系数；K为生成的离散概念的个数；C(Exi,Eni,Hei)为变换后的其中一个云模型；将论域上输电线路逐月故障率数据的频率分布函数视为若干具有正态分布的云模型的叠加，由此可得到：其中ε为事先定义的可允许最大误差；fi(x)为基于正态云的概率密度期望函数，即频率分布函数f(x)的各个云模型的分布函数。优选地，步骤S2中基于峰值的云变换算法，包括：(1)将输电线路逐月故障率数据的频率分布函数f(x)中幅值最大处的极大值点视为云概念的中心，即期望值Exi；(2)计算以Exi为期望的云模型的熵Eni，得到基于原始输电线路逐月故障率序列分离出的云模型表征函数fi(x)；(3)在原来的输电线路逐月故障率的频率分布函数中减去上述云模型表征函数部分，再寻找幅值最大处的局部极大值点；重复上述过程，直到剩余数据出现的频率低于事先设定的阈值；(4)根据已知的f(x)，得到用于拟合输电线路逐月故障率的分布函数的各个云模型的分布函数，用不带确定度的逆向云算法求取各个云概念的超熵值。优选地，步骤S3中云模型的跃升为：通过逐步合并各个云概念中距离最近的两个云概念，以获取综合后的综合云概念。优选地，步骤S3，包括：设C1(Ex1,En1,He1)和C2(Ex2,En2,He2)是论域U上的两个相邻的基本云概念，若Ex1≤Ex2，则C1和C2首先按照基于“软或”方式的概念跃升方法，得到的综合云概念C3(Ex3,En3,He3)的数字特征值为：He3＝max(He1,He2)通过上述操作，将相邻的两个基本云概念提升为综合云概念；分别计算综合云概念的期望值、熵值及幅度系数，得到输电线路气象灾害故障率曲线的拟合方程本专利技术还提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。本专利技术具有以下有益效果：本专利技术的输电线路气象灾害故障的时间分布特征的拟合方法及系统，针对输电线路气象灾害故障率，采用“分段-统计-拟合”的方法，将所有线路跳闸事故按照地区和时间进行分类，并统计落在各区间内功率值的频率，再对同一地区同一时段线路跳闸次数-数值频率进行函数拟合，将输电线路逐月故障率序列的频率分布分解为若干个具有正态分布的云模型叠加，从而实现从定量表示到定性概念的转换。可建立全年纵向时间方向的故障率分布函数，得到时间相依的故障率数学模型，用以反映不同地区、不同电压等级、不同气象环境下的输电线路故障时间分布规律，实现对电网灾害与气象灾害的全景分析。本专利技术可较好地模拟输电线路的时间相依故障规律，据此用于预测未来某时段的故障率，减少线路跳闸事故。除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照附图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术优选实施例1的输电线路气象灾害故障的时间分布特征的拟合方法的流程示意图；图2是本专利技术优选实施例2的对比例：高斯模拟函数拟合曲线示意图；图3是本专利技术优选实施例2的对比例：威布尔函数拟合曲线示意图；图4是本专利技术优选实施例2的云模型拟合曲线示意图。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。实施例1：参见图1，本实施例的输电线路气象灾害故障的时间分布特征的拟合方法。包括：S1：获取气象灾害故障率序列频率分布。即以历史同期某一地区输电线路跳闸次数逐月分布为对象，分别统计不同月份下输电线路气象灾害故障率的频率分布。获取气象灾害故障率序列频率分布：将所在区域的输电线路气象灾害故障率序列按月分成12个区间，分别统计落在每个月的个数，求取第k个月线路跳闸时间序列ΔPk的频率分布，得到输电线路气象灾害故障率的频率分布函数f(x)。S2：频率分布的云变本文档来自技高网...

【技术保护点】
1.一种输电线路气象灾害故障的时间分布特征的拟合方法，其特征在于，包括以下步骤：/nS1：以历史同期某一地区输电线路跳闸次数逐月分布为对象，分别统计不同月份下输电线路气象灾害故障率的频率分布；/nS2：并对其不同月份下输电线路气象灾害故障率的频率分布进行云变换拟合，得到相应的多个正态云模型；/nS3：通过多个正态云模型，采用云模型的跃升方法，分别计算综合云概念的期望值、熵值及幅度系数，拟合输电线路气象灾害的故障率分布。/n

【技术特征摘要】
1.一种输电线路气象灾害故障的时间分布特征的拟合方法，其特征在于，包括以下步骤：
S1：以历史同期某一地区输电线路跳闸次数逐月分布为对象，分别统计不同月份下输电线路气象灾害故障率的频率分布；
S2：并对其不同月份下输电线路气象灾害故障率的频率分布进行云变换拟合，得到相应的多个正态云模型；
S3：通过多个正态云模型，采用云模型的跃升方法，分别计算综合云概念的期望值、熵值及幅度系数，拟合输电线路气象灾害的故障率分布。


2.根据权利要求1所述的输电线路气象灾害故障的时间分布特征的拟合方法，其特征在于，所述步骤S1，包括：
获取气象灾害故障率序列频率分布：将所在区域的输电线路气象灾害故障率序列按月分成12个区间，分别统计落在每个月的个数，求取第k个月线路跳闸时间序列ΔPk的频率分布，得到输电线路气象灾害故障率的频率分布函数f(x)。


3.根据权利要求1所述的输电线路气象灾害故障的时间分布特征的拟合方法，其特征在于，所述步骤S2，包括：
对于给定输电线路逐月故障率时间序列的频率分布函数f(x)，采用基于峰值的云变换算法，其数学表达式为：



式中ri为幅度系数；K为生成的离散概念的个数；C(Exi,Eni,Hei)为变换后的其中一个云模型；
将论域上输电线路逐月故障率数据的频率分布函数视为若干具有正态分布的云模型的叠加，由此可得到：






其中ε为事先定义的可允许最大误差；fi(x)为基于正态云的概率密度期望函数，即频率分布函数f(x)的各个云模型的分布函数。


4.根据权利要求3所述的输电线路气象灾害故障的时间分布特征的拟合方法，其特征在于，所述步骤S2中基于峰值的云变换算法，包括...

【专利技术属性】
技术研发人员：章国勇，李波，罗晶，周秀冬，何立夫，
申请(专利权)人：国网湖南省电力有限公司，国网湖南省电力有限公司防灾减灾中心，国家电网有限公司，
类型：发明
国别省市：湖南;43