基于电网跳闸数据分析的供电线路异常状态预警方法

为提升电力系统的稳定性与安全性,研究基于电网跳闸数据分析的供电线路异常状态预警方法。以广州市电网为例,统计分析在2010—2014年中,其电网电压小于或等于75 kV的电网跳闸数据,得出跳闸主要因素为天气;以风速、温度、相对湿度及线路走向同风向间夹角作为输入特征量,以实际出现的跳闸异常状况为输出,创建基于BP神经网络的供电线路跳闸异常状态预警模型,并实现跳闸异常状态预估;依据预估结果,结合供电线路跳闸异常状态预警过程完成预警,并通过训练来调整漏警集与虚警集,提升预警准确率。结果表明,所提方法的训练集平均准确率为99.69%,测试集平均准确率为97.65%,而其他对比方法最高值仅为90.32%;所提方法的空报率和漏报率均在1.5%以下,说明其准确率高且性能稳定,预估结果与现实状况相符,可作为供电线路跳闸的有效预警方法。