1、第 47 卷 第 4 期 电 网 技 术 Vol.47 No.4 2023 年 4 月 Power System Technology Apr.2023 文章编号：1000-3673（2023）04-1721-07 中图分类号：TM 721 文献标志码：A 学科代码：47040 数据与模型驱动在输电杆塔风致灾损预测中的应用对比分析侯慧1，朱韶华1，吴细秀1，魏瑞增2，梁永超2，何浣2（1武汉理工大学自动化学院，湖北省 武汉市 430070；2广东省电力装备可靠性重点实验室(广东电网有限责任公司电力科学研究院)，广东省 广州市 510080）Comparative Analysis of Dat
2、a-driven Method and Model-driven Method in Wind-induced Damage Prediction of Transmission Towers HOU Hui1,ZHU Shaohua1,WU Xixiu1,WEI Ruizeng2,LIANG Yongchao2,HE Huan2(1.School of Automation,Wuhan University of Technology,Wuhan 430070,Hubei Province,China;2.Guangdong Key Laboratory of Electric Power
3、Equipment Reliability(Electric Power Research Institute of Guangdong Power Grid Co.,Ltd.),Guangzhou 510080,Guangdong Province,China)ABSTRACT:Coping with the power grid disasters caused by climate changes is one of the keys to ensure the safe operation of the new power system.Based on the wind-induce
4、d damage prediction for the transmission towers,this paper compares the existing two mainstream prediction methods:the data-driven method and the model-driven method.In the data-driven method,a data driving set is constructed based on the multi-source heterogeneous data,and the random forest algorit
5、hm is used to predict the wind-induced disaster probability on a network tower.In the model-driven method,the tower line system composed of the transmission lines and the towers is modeled and analyzed.And the damage probability of the towers is calculated by using the correlation between the equipm
6、ent stress intensity and the wind load.Finally,through the case analysis of typhoon Mujigae,the results of the two prediction methods are compared.It shows that the model-driven method has a higher prediction accuracy but it is more complex to model for it,unappliable for widespread areas.The data-d
7、riven method has lower modeling complexity,but higher computational efficiency,wider application range,lower data dependence and lower realization economy.At the same time,it has 73.5%precision rate and 70.5%recall rate,which provides guidance for production practice.With the popularization of digit
8、al,information and 基金项目：教育部产学合作协同育人项目(201902056044)；中国南方电网有限责任公司科技项目(GDKJXM20198441(036100KK52190053)、GDKJXM20210044(036100KK52210047)。Project Supported by the University-industry Collaborative Education Program of the Ministry of Education(No.201902056044);China Southern Power Grid Co.,Ltd.Science
9、and Technology Project(No.GDKJXM20198441(036100KK52190053)and No.GDKJXM20210044(036100KK52210047).intelligent technologies,the data-driven method will play a more and more important role in the scientific response to the power grid disasters in the future because of its superiorities above.KEY WORDS
10、:wind-induced damage;transmission tower;disaster prevention and reduction;data-driven;model-driven 摘要：应对气候变化带来的电网灾损是保障新型电力系统安全运行的关键之一。该文以输电杆塔风致灾损预测为出发点，对现有两类主流方法数据驱动与模型驱动进行对比分析。在数据驱动方面，基于多源异构数据构建样本集，利用随机森林算法对输电杆塔风致灾损概率进行预测。在模型驱动方面，将输电线路与杆塔构成的塔线系统进行建模分析，利用设备应力强度与风荷载相关关系求取杆塔损毁概率。最后，通过台风“彩虹”下我国沿海某地区案例，
11、对两类方法的预测结果进行对比，结果表明，模型驱动方法的预测精度较高，但建模复杂度较高，难以大范围广域应用；而数据驱动方法建模复杂度较低，计算效率高，同时具有较高预测精度，可为生产实际提供指导。随着数字化、信息化及智能化等技术普及，数据驱动方法因其建模复杂度低等特点，将会在未来科学应对电网灾害中发挥关键作用。关键词：风致灾损；输电杆塔；防灾减灾；数据驱动；模型驱动 DOI：10.13335/j.1000-3673.pst.2022.0191 0 引言 全球气候变化及我国提出的“双碳”目标1为电网防灾能力提出了新的要求2。如何应对气候变化导致的自然灾害下电网灾损已成为新型电力系统防灾减灾的研究热点
12、之一。现有关于自然灾害下电网灾损的主流研究可1722 侯慧等：数据与模型驱动在输电杆塔风致灾损预测中的应用对比分析 Vol.47 No.4 分为数据驱动与模型驱动等两大类。数据驱动方法是通过大量数据，运用机器学习算法对电网灾损进行预测，随着电网信息数据化与规范化，使得数据驱动方法的大规模应用成为可能3。文献4提出了一个基于公开数据的台风停电预测模型，并验证了其有效性。文献5利用决策树算法，开发了一个三阶段停电预测模型，大大提高了预测准确度。文献6探究雷暴天气下的停电预测情况，并对数据的零膨胀问题进行讨论。文献7将植被特征融入到数据驱动的停电预测模型中，结果表明植被特征的加入对提高模型预测准确度
13、有明显作用。为了更好地给灾后抢修工作提供参考，有学者以输电杆塔为研究对象，探究台风灾害下输电杆塔损毁情况。文献8构建多源异构数据库，结合六种机器学习算法，构建杆塔损毁风险预测智能模型，并分析模型通用性和样本数量级对预测效果的影响。文献9在 1km1km 网格的基础上，对网格内的损毁杆塔数量以及停电用户数量进行预测，并进行随机风场构建，利用各种静态和动态变量提供更为精确的预测。而相对于主网，配电网设备强度较低，发生损毁的概率较高，且与人们日常生活息息相关。文献10以配网用户为研究对象，探究停电区域分布问题，在综合考虑电网信息、地理信息与气象信息的情况下，达到了较高预测精度。文献11以10kV 配
14、网杆塔为研究对象，预测其在台风灾害下受损的空间分布。分析对比五种机器学习算法，利用拟合优度法进行最优模型选取，选择了在预测精度与计算时间上表现都较好的预测算法。文献12以支持向量机算法为基础，探究了强台风影响下的10kV 杆塔损毁情况。数据驱动算法虽然可解释性不够，但因为其计算效率高、应用范围广等特点，近些年来逐渐应用到各个场景中。模型驱动方法则是对电网设备进行物理建模，从而进行极端天气下的损毁分析。文献13基于可靠性理论，对 110kV 输电线路中不同塔形建立有限元模型，预测台风暴雨天气下的倒塔断线概率。文献14在极端天气下电网恢复力评估框架中构建了一个输电走廊时空脆弱性模型，为后期抗风弹性
15、规划设计方案提供了依据。文献15基于网格化的区域划分，利用应力干涉模型进行输电线路损毁预测。然而上述文献多是对灾害情况进行讨论，未及考虑输电设备自身状态。文献16将输电线路与杆塔视为一个整体，考虑塔线耦合下的杆塔损毁概率，并考虑了设备老化、腐蚀与加固对损毁概率的影响。针对考虑单一灾害的局限性，文献17建立复合自然灾害和群发故障下输电线路与杆塔的故障率计算模型。文献18分析台风及暴雨影响电力设备故障原因，同时研究了异物挂线、风偏闪络、滑坡、山洪以及泥石流等突发情况下整条输电线路的故障概率。除却上述对输电线路设备的受损建模分析，文献19以配变设备为研究对象，建立恶劣气象条件下的损毁模型。模型驱动方
16、法因为其预测准确率高、模型可解释性强等特点，得到了广泛应用。为探究以上两类主流方法的优劣，本文以沿海某地区输电杆塔为研究对象，分别建立数据驱动方法与模型驱动方法下输电杆塔风致灾损预测模型，以对比的研究视角对两类方法的预测结果进行分析。数据驱动方法搜集设计风速、最大阵风风速、杆塔运行年限、海拔、坡向、坡度、坡位、下垫面类型、地表粗糙度等九个特征变量，利用随机森林(random forest)算法进行杆塔损毁预测。模型驱动方法考虑塔线耦合20情况，利用设备强度与风荷载关系计算杆塔损毁概率。最后通过台风“彩虹”下沿海某地区作为实际案例分析了两类模型在输电杆塔风致灾损预测方面的差异。1 对比分析研究框架 本文以中国南方地区 35500kV 输电杆塔为研究对象，分别构建了基于数据驱动与模型驱动方法的两类风致灾损预测模型，并通过实际案例，对两类模型的预测结果进行对比分析。数据驱动方法利用随机森林算法对输电杆塔损毁概率进行预测，并选取合适概率阈值对输电杆塔是否损毁进行判断。模型驱动方法通过杆塔应力强度概率分布与风荷载关系计算输电线路与杆塔的失效概率。最后将两类方法的预测结果进行对比，研究框架如图 1