一種基于數據挖掘技術的輸電線路桿塔雷擊風險評估方法
【專利摘要】一種基于數據挖掘技術的輸電線路桿塔雷擊風險評估方法，將輸電線路桿塔坐標、桿塔結構信息、絕緣配置信息輸入GIS，運用GIS系統(tǒng)，提取桿塔周圍高程信息和桿塔處的地閃密度等級；根據高程信息計算地形特征參數；根據桿塔坐標、桿塔結構、絕緣配置信息計算得到桿塔的雷擊跳閘率的預測值，其特征在于，所述方法還包括運用數據挖掘軟件，輸入獲得的桿塔地形特征參數、地閃密度等級、雷擊跳閘率預測值和雷擊跳閘記錄，建立數據挖掘模型，分析輸出逐基桿塔發(fā)生雷擊跳閘的概率；通過桿塔雷擊跳閘概率與曾經發(fā)生過雷擊跳閘桿塔的雷擊跳閘概率比較評估桿塔雷擊跳閘風險等級，為輸電線路防雷設計和防雷差異化改造提供可靠的數據支持。
【專利說明】一種基于數據挖掘技術的輸電線路桿塔雷擊風險評估方法

【技術領域】
[0001] 本發(fā)明涉及輸電線路雷電防治應用領域，具體是一種基于數據挖掘技術的輸電線 路桿塔雷擊風險評估方法，其適用于電力系統(tǒng)高壓、超高壓及特高壓架空輸電線路桿塔雷 擊風險的評估。

【背景技術】
[0002] 運行統(tǒng)計數據表明，雷擊已成為造成輸電線路跳閘的主要原因，目前雖然已經采 取了多種防雷措施，但是雷擊跳閘率仍然居高不下。線路避雷器等防雷措施雖然能夠有效 降低雷擊跳閘率，但是由于造價十分昂貴，不可能在輸電線路上大面積推廣試用?，F(xiàn)有研究 表明，不同地區(qū)、不同雷區(qū)等級、不同桿塔結構輸電線路的防雷性能是存在差異的，因此如 何更加有效地對輸電線路桿塔雷擊風險進行評估，從而針對風險等級最高的桿塔安裝有效 防雷措施將會極大降低輸電線路的雷擊跳閘率，同時也具有最好的經濟性。
[0003] 申請人:在研究中發(fā)現(xiàn)，影響輸電線路桿塔雷擊風險的主要因素應包括桿塔處雷電 活動情況，地形地貌，線路結構和絕緣配置。對于線路走廊雷電活動特征，中國專利文獻 (申請?zhí)?00810048399. 5)《基于雷電參數統(tǒng)計的輸電線路防雷性能評估方法》給予了關 注，并細致描述了雷電活動差異對于線路防雷性能的影響。對于地形地貌特征，中國專利文 獻（申請?zhí)?01010526035. 0)《基于精細地形數據的輸電線路繞擊防雷性能評估方法》給 予了關注，細致的描述了輸電線路桿塔及檔距中央地形起伏和地面傾角對輸電線路繞擊防 雷性能的影響。對于線路結構和絕緣配置，目前所應用的防雷性能評估尚能反映各基桿塔 的結構特征和絕緣配置差異。然而，卻無法考慮雷擊運行經驗的指導作用，即無法利用發(fā)生 過雷擊跳閘的桿塔信息來修正評估方法，造成評估結果與實際運行經驗存在較大差異。
[0004] 申請人:在研究中還發(fā)現(xiàn)，根據目前所應用的防雷性能評估方法評估結果為不可能 發(fā)生雷擊跳閘的桿塔卻在運行中發(fā)生了雷擊跳閘，說明目前的防雷性能評估方法仍然存在 缺陷，尚不能準確評估輸電線路桿塔的雷擊風險。在我國電力系統(tǒng)的運行和發(fā)展中，積累 了大量雷擊跳閘數據，這些曾經雷擊跳閘的桿塔必然具有相對較高的雷擊風險，倘若能夠 探索出這些曾經發(fā)生過雷擊跳閘的桿塔自身和環(huán)境信息中的共性特征及其對輸電線路雷 擊桿塔跳閘風險的影響程度，則可以使用桿塔自身及環(huán)境特點對輸電線路雷擊風險進行評 估，且隨著運行經驗的增多，評估的準確性也會越來越高，從而指導輸電線路桿塔防雷設計 和防雷差異化改造。


【發(fā)明內容】

[0005] 本發(fā)明所要解決的技術問題是，提供一種新的基于數據挖掘技術的輸電線路桿塔 雷擊風險評估方法，以實現(xiàn)對輸電線路桿塔雷擊風險的準確估算，為輸電線路防雷設計和 防雷差異化改造提供可靠地數據依據。
[0006] 本發(fā)明的技術問題通過下述方案予以解決：
[0007] 將輸電線路桿塔坐標、桿塔結構信息、絕緣配置信息輸入GIS (地理信息系統(tǒng)），運 用GIS系統(tǒng)，根據桿塔所在地區(qū)的數字高程地圖和地閃密度分布圖，提取桿塔周圍一定范 圍內高程信息和桿塔處的地閃密度等級；根據桿塔周圍內的高程信息計算桿塔地形特征參 數；根據輸電線路桿塔坐標信息、桿塔結構信息、絕緣配置信息計算得到輸電線路桿塔的雷 擊跳閘率的預測值，其特征在于，所述方法還包括運用數據挖掘軟件，輸入獲得的桿塔地形 特征參數、地閃密度等級、雷擊跳閘率預測值和雷擊跳閘記錄，建立數據挖掘模型，分析輸 出逐基桿塔發(fā)生雷擊跳閘的概率；通過輸電線路桿塔雷擊跳閘概率與曾經發(fā)生過雷擊跳閘 桿塔的雷擊跳閘概率比較評估輸電線路桿塔雷擊跳閘風險等級用以為輸電線路防雷設計 和防雷差異化改造提供可靠的數據支持，具體步驟是：
[0008] 步驟10 :將輸電線路桿塔坐標輸入GIS系統(tǒng)，運用GIS系統(tǒng)，根據輸電線路桿塔所 在地區(qū)的數字高程地圖（DEM)和地閃密度分布圖，提取輸電線路桿塔周圍一定范圍內高程 信息、桿塔處的地閃密度等級和地面傾角；
[0009] 步驟20 :對步驟10獲得的桿塔周圍高程信息計算得到輸電線路桿塔周圍地形特 征參數，包括桿塔處海拔H、高程差Λ H和相對高程差AHr;
[0010] 步驟30 :根據輸電線路桿塔坐標信息、桿塔結構信息、絕緣配置信息、防雷措施安 裝情況、歷史跳閘記錄，運用輸電線路差異化防雷評估系統(tǒng)計算得到輸電線路桿塔的雷擊 跳閘率預測值；
[0011] 步驟40 :對步驟20和步驟30獲得的桿塔周圍地形特征參數、地閃密度等級、地面 傾角、歷史跳閘記錄和雷擊跳閘率預測值輸入數據挖掘軟件，建立數據挖掘模型，分析輸出 逐基桿塔可能發(fā)生雷擊跳閘的概率；
[0012] 步驟50 :依據比較基本步驟40中所獲得的輸電線路桿塔雷擊跳閘概率和曾經發(fā) 生過雷擊跳閘桿塔的雷擊跳閘概率，評估確定輸電線路桿塔的雷擊風險。
[0013] 所述的數據挖掘模型使用專家決策樹作數據分類算法，建立分類規(guī)則，包括輸入 參數和預測結果；
[0014] 輸入參數包括桿塔處海拔、高程差、相對高程差、地面傾角、地閃密度等級、雷擊跳 閘率預測值和歷史雷擊跳閘記錄；
[0015] 預測結果是輸電線路桿塔是否發(fā)生雷擊跳閘和發(fā)生雷擊跳閘的概率。
[0016] 所述數據挖掘模型按照如下方法建立：將待評估某一電壓等級輸電線路的桿塔 周圍地形特征參數、地閃密度等級、地面傾角、雷擊跳閘率預測值和歷史跳閘記錄作為訓練 樣本，將地形特征參數、地閃密度等級、地面傾角、雷擊跳閘率預測值、歷史跳閘記錄作為輸 入變量，是否發(fā)生雷擊作為分類變量，對專家決策樹進行訓練，生成不同變量區(qū)間組合的分 類規(guī)則，并對樣本的分類準確率進行計算，待到分類準確率達到預先設定的要求時，訓練結 束，所得到的分類規(guī)則即是桿塔雷擊跳閘概率預測數據挖掘模型。
[0017] 本發(fā)明采用數據挖掘技術對輸電線路桿塔周圍特征地形參數、地閃密度等級、地 面傾角、雷擊跳閘率預測值和歷史跳閘記錄進行數據挖掘，得出逐基桿塔可能發(fā)生雷擊跳 閘的概率，實現(xiàn)對輸電線路桿塔雷擊風險的評估，為輸電線路防雷設計和防雷差異化改造 提供可靠地數據依據。

【專利附圖】

【附圖說明】
[0018] 圖1是本發(fā)明基于數據挖掘技術的輸電線路桿塔雷擊風險評估方法的流程圖；
[0019] 圖2是本發(fā)明桿塔周圍地形特征參數的定義示意圖；
[0020] 圖3是本發(fā)明桿塔雷擊跳閘概率預測數據挖掘模型的獲取示意圖；
[0021] 圖4是本發(fā)明桿塔雷擊跳閘概率預測示意圖。

【具體實施方式】
[0022] 下面將結合本發(fā)明中的附圖，對本發(fā)明中的技術方案進行清楚、完整地描述。
[0023] 圖1所示為本發(fā)明基于數據挖掘技術的輸電線路桿塔雷擊風險評估方法的結構 示意圖，所述方法包括如下步驟：
[0024] 步驟10 :將輸電線路桿塔坐標輸入GIS系統(tǒng)，運用GIS系統(tǒng)，根據輸電線路桿塔所 在地區(qū)的數字高程地圖（DEM)和地閃密度分布圖，提取輸電線路桿塔周圍一定范圍內高程 信息、桿塔處的地閃密度等級和地面傾角；
[0025] 具體的，將桿塔所處地區(qū)的數字高程地圖（DEM)、地閃密度分布圖和桿塔坐標信息 輸入到GIS系統(tǒng)（地理信息系統(tǒng)）；根據數字高程地圖（DEM)，生成桿塔所處地區(qū)的坡度圖， 包含地面任一點的地面傾角信息；然后，利用GIS系統(tǒng)自帶的多圖層交叉分析功能提取出 桿塔對應點的高程值、地閃密度等級和地面傾角S ;利用桿塔坐標生成一個以桿塔為中心， 半徑為200m的圓形區(qū)域，利用GIS系統(tǒng)獲取桿塔周圍圓形區(qū)域內高程的最大值Hmax和最小 值 Hmin。
[0026] 步驟20 :對步驟10獲得的桿塔周圍高程信息計算得到輸電線路桿塔周圍地形特 征參數，包括桿塔處海拔H、高程差Λ H和相對高程差AHr;
[0027] 具體的，線路桿塔周圍地形參數的定義如圖2所示。利用如下公式計算桿塔周圍 地形特征參數：
[0028] AH = Hmax-Hmin
[0029] Λ Hr = (H-Hniin) / Λ H
[0030] 步驟30 :根據輸電線路桿塔坐標信息、桿塔結構信息、絕緣配置信息、防雷措施安 裝情況、歷史跳閘記錄，運用雷擊跳閘率計算軟件計算得到輸電線路桿塔的雷擊跳閘率預 測值；
[0031] 具體的，將輸電線路桿塔結構信息（桿塔型號、導線、地形的結構和幾何尺寸）、線 路絕緣絕緣特征（絕緣子串干弧距離、桿塔接地電阻）錄入到雷擊跳閘率計算軟件，利用規(guī) 程法或者IEEE推薦電氣幾何法計算得到逐基桿塔的雷擊跳閘率的預測值。
[0032] 步驟40 :對步驟20和步驟30獲得的桿塔周圍地形特征參數、地閃密度等級、地面 傾角、歷史跳閘記錄和雷擊跳閘率預測值輸入數據挖掘軟件，建立數據挖掘模型，分析輸出 逐基桿塔可能發(fā)生雷擊跳閘的概率，實現(xiàn)對逐基桿塔雷擊風險的評估。
[0033] 具體的，如圖3所示，將待評估某一電壓等級輸電線路的桿塔周圍地形特征參數、 地閃密度等級、地面傾角、雷擊跳閘率預測值和歷史跳閘記錄作為訓練樣本，將地形特征參 數、地閃密度等級、地面傾角、雷擊跳閘率預測值、歷史跳閘記錄作為輸入變量，是否發(fā)生雷 擊作為分類變量，對專家決策樹進行訓練，生成不同變量區(qū)間組合的分類規(guī)則，并對樣本的 分類準確率進行計算，待到分類準確率達到預先設定的要求時，訓練結束，所得到的分類規(guī) 則即是桿塔雷擊跳閘概率預測數據挖掘模型。
[0034] 然后，如圖4所示，將需要評估的線路桿塔周圍地形特征參數、地閃密度等級、地 面傾角和雷擊跳閘率預測值輸入桿塔雷擊跳閘概率預測數據挖掘模型，獲取輸電線路桿塔 逐基桿塔發(fā)生雷擊跳閘的概率。
[0035] 步驟50 :依據比較基本步驟40中所獲得的輸電線路桿塔雷擊跳閘概率和曾經發(fā) 生過雷擊跳閘桿塔的雷擊跳閘概率，評估確定輸電線路桿塔的雷擊風險，評估指標如表1 所示，其中=P s為輸電線路桿塔雷擊跳閘概率；Pt為曾經發(fā)生過雷擊跳閘的桿塔的雷擊跳閘 概率，當曾經發(fā)生多基桿塔雷擊跳閘時，取曾經發(fā)生過雷擊跳閘桿塔雷擊跳閘概率的平均 值;A級為最優(yōu)，D級為最1?。
[0036] 表1輸電線路桿塔雷擊風險評估分級指標
[0037]

【權利要求】
1. 一種基于數據挖掘技術的輸電線路桿培雷擊風險評估方法，將輸電線路桿培坐標、 桿培結構信息、絕緣配置信息輸入GIS，運用GIS系統(tǒng)，根據桿培所在地區(qū)的數字高程地圖 和地閃密度分布圖，提取桿培周圍一定范圍內高程信息和桿培處的地閃密度等級；根據桿 培周圍內的高程信息計算桿培地形特征參數；根據輸電線路桿培坐標信息、桿培結構信息、 絕緣配置信息計算得到輸電線路桿培的雷擊跳間率的預測值，其特征在于，所述方法還包 括運用數據挖掘軟件，輸入獲得的桿培地形特征參數、地閃密度等級、雷擊跳間率預測值和 雷擊跳間記錄，建立數據挖掘模型，分析輸出逐基桿培發(fā)生雷擊跳間的概率；通過輸電線路 桿培雷擊跳間概率與曾經發(fā)生過雷擊跳間桿培的雷擊跳間概率比較評估輸電線路桿培雷 擊跳間風險等級用W為輸電線路防雷設計和防雷差異化改造提供可靠的數據支持，具體步 驟是： 步驟10 ;將輸電線路桿培坐標輸入GIS系統(tǒng)，運用GIS系統(tǒng)，根據輸電線路桿培所在地 區(qū)的數字高程地圖和地閃密度分布圖，提取輸電線路桿培周圍一定范圍內高程信息、桿培 處的地閃密度等級和地面傾角； 步驟20 ;對步驟10獲得的桿培周圍高程信息計算得到輸電線路桿培周圍地形特征參 數，包括桿培處海拔H、高程差AH和相對高程差A卑； 步驟30 ;根據輸電線路桿培坐標信息、桿培結構信息、絕緣配置信息，計算得到輸電線 路桿培的雷擊跳間率預測值； 步驟40 ;對步驟20和步驟30獲得的桿培周圍地形特征參數、地閃密度等級、地面傾 角、雷擊跳間率預測值和歷史跳間記錄輸入數據挖掘軟件，建立數據挖掘模型，分析輸出逐 基桿培可能發(fā)生雷擊跳間的概率； 步驟50 ;依據比較基本步驟40中所獲得的輸電線路桿培雷擊跳間概率和曾經發(fā)生過 雷擊跳間桿培的雷擊跳間概率，評估確定輸電線路桿培的雷擊風險。
2. 如權利要求1所述的基于數據挖掘技術的輸電線路桿培雷擊風險評估方法，其特征 在于：所述步驟40所述的數據挖掘模型使用專家決策樹作數據分類算法，建立分類規(guī)則， 包括輸入參數和預測結果； 輸入參數包括桿培處海拔、高程差、相對高程差、地面傾角、地閃密度等級、雷擊跳間率 預測值和歷史雷擊跳間記錄； 預測結果是輸電線路桿培是否發(fā)生雷擊跳間和發(fā)生雷擊跳間的概率。
3. 如權利要求1或2所述的基于數據挖掘技術的輸電線路桿培雷擊風險評估方法，其 特征在于，所述數據挖掘模型按照如下方法建立；將待評估某一電壓等級輸電線路的桿培 周圍地形特征參數、地閃密度等級、地面傾角、雷擊跳間率預測值和歷史跳間記錄作為訓練 樣本，將地形特征參數、地閃密度等級、地面傾角、雷擊跳間率預測值、歷史跳間記錄作為輸 入變量，是否發(fā)生雷擊作為分類變量，對專家決策樹進行訓練，生成不同變量區(qū)間組合的分 類規(guī)則，并對樣本的分類準確率進行計算，待到分類準確率達到預先設定的要求時，訓練結 束，所得到的分類規(guī)則即是桿培雷擊跳間概率預測數據挖掘模型。
4. 如權利要求1所述的基于數據挖掘技術的輸電線路桿培雷擊風險評估方法，其特征 在于；所述步驟10中的所述桿培周圍一定范圍是指W桿培為圓也，半徑為r的圓形區(qū)域，其 中r> = 200m;所述步驟10中的所述桿培周圍一定范圍的高程信息包括桿培處海拔H，海拔 最大值Hmax，海拔最小值Hmi。。
5.如權利要求1所述的基于數據挖掘技術的輸電線路桿培雷擊風險評估方法，其特征 在于，所述步驟20中所述的計算桿培周圍地形參數具體方法為： 胃矛呈差；么H=Hmax_Hm化相對高程差AHr= (H-HmJ/AH
6.如權利要求1所述的基于數據挖掘技術的輸電線路桿培雷擊風險評估方法，其特征 在于：所述步驟30中所述的輸電線路桿培雷擊跳間率預測值為輸電線路桿培繞擊跳間率 預測值與反擊跳間率預測值之和。
【文檔編號】G06Q50/06GK104463700SQ201410736827
【公開日】2015年3月25日 申請日期:2014年12月5日 優(yōu)先權日:2014年12月5日
【發(fā)明者】李健, 姚堯, 周學明, 黃俊杰, 朱昌成 申請人:國家電網公司, 國網湖北省電力公司電力科學研究院