基于區(qū)塊鏈技術(shù)的電網(wǎng)災(zāi)害預(yù)警決策系統(tǒng)

張中丹，楊德州，王洲，賈春蓉，彭婧

（國(guó)網(wǎng)甘肅省電力公司經(jīng)濟(jì)技術(shù)研究院，甘肅省 蘭州市 730050）

0 引言

近年來，全球氣候變化劇烈，惡劣天氣和極端自然災(zāi)害頻發(fā)給電力系統(tǒng)帶來了極大的沖擊，造成了電網(wǎng)大規(guī)模停電和輸變電等相關(guān)設(shè)備損壞，使得在極端自然災(zāi)害下電網(wǎng)的安全穩(wěn)定運(yùn)行以及相應(yīng)的災(zāi)害預(yù)警防災(zāi)策略得到廣泛研究[1]。電網(wǎng)預(yù)警防災(zāi)的重點(diǎn)在于降低設(shè)備故障發(fā)生的概率和頻率，隨著現(xiàn)在設(shè)備制造工藝水平和設(shè)備運(yùn)行維護(hù)水平的提高，電網(wǎng)故障率主要由雷電、山火、冰災(zāi)等氣象因素造成，因此，現(xiàn)在電網(wǎng)預(yù)警決策研究應(yīng)重點(diǎn)關(guān)注極端自然氣象災(zāi)害致災(zāi)[2-3]。

如何實(shí)現(xiàn)電網(wǎng)在極端自然災(zāi)害條件下的故障預(yù)警，相關(guān)專家做了諸多研究。文獻(xiàn)[4]分析了極端冰雪災(zāi)害下電力系統(tǒng)安全評(píng)估研究現(xiàn)狀和技術(shù)需求，設(shè)計(jì)考慮冰雪災(zāi)害影響的電網(wǎng)安全評(píng)估框架，提出了氣象–電氣混合仿真的概念并討論混合仿真實(shí)現(xiàn)的途徑。文獻(xiàn)[5]針對(duì)降雨誘發(fā)滑坡災(zāi)害下輸電桿塔的預(yù)警，提出了滑坡影響因子的量化分級(jí)方法，并基于雙因素分級(jí)疊合法分別構(gòu)建輸電桿塔的風(fēng)險(xiǎn)預(yù)警方法。文獻(xiàn)[6]分析了凍雨影響電網(wǎng)故障率的相關(guān)規(guī)律，通過線路實(shí)測(cè)信息在線評(píng)估輸電線故障率的變化，根據(jù)潮流轉(zhuǎn)移的電氣及系統(tǒng)崩潰的動(dòng)力學(xué)規(guī)律，建立冰災(zāi)停電風(fēng)險(xiǎn)的早期預(yù)警模型。文獻(xiàn)[7]根據(jù)山火造成電力設(shè)備故障的途徑和機(jī)理，將山火信息與地理環(huán)境、氣象信息相結(jié)合，預(yù)報(bào)輸電線故障率的時(shí)空分布，提高電網(wǎng)停電防御系統(tǒng)對(duì)山火災(zāi)害的預(yù)警能力。文獻(xiàn)[8]通過分析災(zāi)害的成因和過程，根據(jù)先進(jìn)科學(xué)研究與歷史資料探索，建立知識(shí)平臺(tái)、數(shù)據(jù)探勘及綜合管理機(jī)制，構(gòu)建了防災(zāi)預(yù)警與救災(zāi)決策支持系統(tǒng)。文獻(xiàn)[9]系統(tǒng)整合了專業(yè)氣象數(shù)據(jù)、雷電數(shù)據(jù)、電網(wǎng)生產(chǎn)運(yùn)行等信息資源，采用B/S分層框架設(shè)計(jì)模式，結(jié)合J2EE等跨平臺(tái)技術(shù)，實(shí)現(xiàn)了具有較強(qiáng)針對(duì)性的電網(wǎng)氣象預(yù)警防災(zāi)應(yīng)用功能。諸多學(xué)者對(duì)于自然災(zāi)害下電網(wǎng)大規(guī)模停電亦提出了較多相關(guān)預(yù)防措施，仍然無法完全避免該類事故的發(fā)生[10-11]。綜合以上研究文獻(xiàn)可以看出，諸多學(xué)者已經(jīng)對(duì)自然災(zāi)害下電網(wǎng)的預(yù)警決策技術(shù)、方法以及相關(guān)的系統(tǒng)進(jìn)行了研究，但仍然存在以下問題：1）對(duì)于災(zāi)害數(shù)據(jù)缺少分布式存儲(chǔ)、管理、分析、共享的機(jī)制，各類災(zāi)害之間相互獨(dú)立，導(dǎo)致電網(wǎng)災(zāi)害預(yù)警決策方面未能對(duì)已有的信息資源進(jìn)行充分挖掘；2）電網(wǎng)和自然災(zāi)害之間缺少耦合作用關(guān)系的分析，未能制定災(zāi)害發(fā)生全過程、系統(tǒng)性的預(yù)警決策解決方案。

區(qū)塊鏈(block chaint，BC)技術(shù)因其安全性、可追溯、具有良好的共享機(jī)制等優(yōu)點(diǎn)在電力系統(tǒng)領(lǐng)域得到了廣泛應(yīng)用[12-15]?；谝陨蠁栴}，本文將區(qū)塊鏈技術(shù)應(yīng)用到電網(wǎng)自然災(zāi)害預(yù)警決策系統(tǒng)，設(shè)計(jì)了基于區(qū)塊鏈的電網(wǎng)自然災(zāi)害預(yù)警決策的總體框架，并根據(jù)系統(tǒng)測(cè)得的實(shí)時(shí)信息對(duì)電網(wǎng)故障進(jìn)行預(yù)警，修正了配電網(wǎng)線路覆冰預(yù)測(cè)模型，并基于該模型構(gòu)建了由線路覆冰、舞動(dòng)以及絕緣子閃絡(luò)引發(fā)的線路故障概率模型，提高了預(yù)警決策系統(tǒng)的預(yù)警能力和準(zhǔn)確率。

1 電網(wǎng)災(zāi)害預(yù)警決策系統(tǒng)總體設(shè)計(jì)

1.1 電網(wǎng)與自然災(zāi)害耦合作用關(guān)系

電網(wǎng)自然災(zāi)害主要是指電網(wǎng)（承災(zāi)體）設(shè)備和系統(tǒng)主體與自然環(huán)境（孕災(zāi)環(huán)境）綜合作用下，由致災(zāi)因子對(duì)電網(wǎng)產(chǎn)生破壞性影響的現(xiàn)象和過程[16]。孕災(zāi)環(huán)境主要作用是孕育產(chǎn)生致災(zāi)因子和作為載體承載傳遞災(zāi)害，可將孕災(zāi)環(huán)境劃分為氣象環(huán)境、地質(zhì)地貌環(huán)境、植被環(huán)境等常規(guī)孕災(zāi)環(huán)境，及走廊微地形和走廊微氣象等電網(wǎng)特有孕災(zāi)環(huán)境。孕災(zāi)因子是由孕災(zāi)環(huán)境發(fā)生異變產(chǎn)生，不能獨(dú)立存在，孕災(zāi)因子不斷演變的過程會(huì)改變所處環(huán)境和電網(wǎng)承災(zāi)體的時(shí)空特性，其影響將會(huì)反作用于孕災(zāi)環(huán)境，各要素間相互影響和轉(zhuǎn)化關(guān)系見圖1。

圖1 電網(wǎng)自然災(zāi)害各要素之間生態(tài)關(guān)系圖Fig.1 Ecological relationship among elementary factors of power grid natural disasters

1.2 基于區(qū)塊鏈的電網(wǎng)災(zāi)害預(yù)警決策系統(tǒng)

區(qū)塊鏈支持的電網(wǎng)災(zāi)害預(yù)警決策系統(tǒng)應(yīng)該滿足以下幾點(diǎn)實(shí)際需求：1）針對(duì)災(zāi)害發(fā)生點(diǎn)進(jìn)行數(shù)據(jù)采集、存儲(chǔ)、管理；2）就災(zāi)害發(fā)展態(tài)勢(shì)進(jìn)行實(shí)時(shí)計(jì)算分析，準(zhǔn)確有效地發(fā)出預(yù)測(cè)預(yù)警信號(hào)；3）對(duì)災(zāi)害現(xiàn)場(chǎng)能實(shí)現(xiàn)全景信息可視化；4）加強(qiáng)災(zāi)害預(yù)警決策過程中各部門工作人員的信息共享和協(xié)同。

基于電網(wǎng)與自然災(zāi)害耦合作用關(guān)系及系統(tǒng)需求，本文將區(qū)塊鏈技術(shù)與邊緣計(jì)算(edge computing，EC)結(jié)合來設(shè)計(jì)災(zāi)害預(yù)警決策系統(tǒng)的架構(gòu)。EC主要是貼近災(zāi)害發(fā)生點(diǎn)對(duì)現(xiàn)場(chǎng)信息數(shù)據(jù)進(jìn)行采集，為區(qū)塊鏈提供實(shí)時(shí)計(jì)算和對(duì)災(zāi)情演化進(jìn)行分析預(yù)測(cè)，利用區(qū)塊鏈技術(shù)將計(jì)算分析結(jié)果進(jìn)行分布式存儲(chǔ)管理，彌補(bǔ)EC在存儲(chǔ)和設(shè)備管理上的不足，二者相輔相成，優(yōu)勢(shì)互補(bǔ)[17]?？紤]到系統(tǒng)中設(shè)備異構(gòu)性和分布式管理等問題，為有效實(shí)現(xiàn)數(shù)據(jù)信息共享和決策的快速共識(shí)，本文采用圖2所示基于區(qū)塊鏈技術(shù)的EC 工業(yè)物聯(lián)網(wǎng)架構(gòu)(block chaintindustrial internet of things，BC-IIoT)，區(qū)塊鏈的哈希算法、非對(duì)稱加密算法和共識(shí)機(jī)制等關(guān)鍵技術(shù)和基礎(chǔ)架構(gòu)等基礎(chǔ)內(nèi)容不再贅述[18-20]。

圖2 電網(wǎng)自然災(zāi)害預(yù)警決策系統(tǒng)總體架構(gòu)Fig.2 Overall architecture of power grid natural disaster early warning and decision making system

1）設(shè)備層：主要是電網(wǎng)中的感知和測(cè)量等邊緣設(shè)備，通過能量管理系統(tǒng)（energy management system，EMS）和廣域測(cè)量系統(tǒng)（wide area measurement system，WAMS）采集電網(wǎng)模型參數(shù)以及實(shí)時(shí)設(shè)備運(yùn)行工況信息，常規(guī)的氣象和災(zāi)害等信息通過提供的數(shù)據(jù)端口進(jìn)行采集，并將采集的信息相應(yīng)的存儲(chǔ)到BC-1、BC-2等區(qū)塊中，該層區(qū)塊鏈為系統(tǒng)提供數(shù)據(jù)支持和文件服務(wù)工程，以供其他結(jié)構(gòu)層讀取和存儲(chǔ)信息數(shù)據(jù)。

2）容器層：架設(shè)了具備數(shù)據(jù)緩存和本地計(jì)算能力的物聯(lián)網(wǎng)（internet of things，IoT）網(wǎng)關(guān)，該種數(shù)據(jù)傳輸終端將分散布置的邊緣設(shè)備與網(wǎng)絡(luò)服務(wù)器以分布式點(diǎn)對(duì)點(diǎn) (peer to peer, P2P) 結(jié)構(gòu)橋接起來，實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)交流并一同封裝到容器中進(jìn)行虛擬化成為功能發(fā)布到中間層。這樣將不同設(shè)備進(jìn)行組合有利于資源整合，同時(shí)數(shù)據(jù)經(jīng)過容器層處理以后得到精簡(jiǎn)，使得核心網(wǎng)絡(luò)的傳播數(shù)據(jù)大大降低，有利于預(yù)警決策系統(tǒng)高效運(yùn)行和信息的實(shí)時(shí)共享。

3）中間層：在BC-IIoT架構(gòu)上開發(fā)子區(qū)塊鏈系統(tǒng)及其應(yīng)用功能，為外部環(huán)境信息提供接口和進(jìn)行交互管理；對(duì)多源環(huán)境數(shù)據(jù)的預(yù)處理和修正，提高環(huán)境數(shù)據(jù)精度；計(jì)算外部環(huán)境數(shù)據(jù)和電網(wǎng)設(shè)備的關(guān)聯(lián)結(jié)果；封裝可視化基礎(chǔ)應(yīng)用程序等。

4）應(yīng)用層：主要將中間層所提供的功能和服務(wù)根據(jù)不同的需求實(shí)現(xiàn)多層次應(yīng)用。分析預(yù)警區(qū)塊鏈能夠在線評(píng)估災(zāi)害引發(fā)設(shè)備故障率；并根據(jù)采集的災(zāi)害現(xiàn)場(chǎng)實(shí)時(shí)數(shù)據(jù)自動(dòng)生成預(yù)想事故集；對(duì)群發(fā)性故障進(jìn)行仿真和安全性評(píng)估等?？刂茮Q策區(qū)塊鏈將預(yù)警區(qū)塊鏈計(jì)算得到的預(yù)警結(jié)果進(jìn)行匯總分析，除了常規(guī)情況下的安全穩(wěn)定預(yù)防控制和校正輔助決策外，還可以根據(jù)環(huán)境對(duì)電網(wǎng)設(shè)備產(chǎn)生的影響在線識(shí)別調(diào)節(jié)范圍和調(diào)節(jié)代價(jià)，動(dòng)態(tài)刷新控制決策空間。在電網(wǎng)發(fā)生大面積停電時(shí)，啟動(dòng)緊急狀態(tài)下校正輔助控制幫助調(diào)度人員迅速、安全、經(jīng)濟(jì)地恢復(fù)供電，應(yīng)用層的設(shè)計(jì)能有效地規(guī)避恢復(fù)過程中的停電風(fēng)險(xiǎn)，提高預(yù)警決策的效率和電網(wǎng)的智能化水平。

5）用戶層：主要包括管理人員（負(fù)責(zé)管理服務(wù)器和設(shè)備）、分析人員（負(fù)責(zé)分析災(zāi)情發(fā)展態(tài)勢(shì)）、操作人員（負(fù)責(zé)設(shè)備控制操作）以及安全監(jiān)督人員（負(fù)責(zé)監(jiān)督系統(tǒng)異常數(shù)據(jù)）這4種類型的用戶，不同的用戶擁有不同的管理權(quán)限，可以根據(jù)不同的需求增加或刪除用戶類型。

2 線路覆冰預(yù)測(cè)預(yù)警模型

山火、泥石流、覆冰、雷電、地震等極端自然災(zāi)害對(duì)電網(wǎng)設(shè)備或系統(tǒng)主體造成直接性或間接性的破壞，其中覆冰災(zāi)害影響范圍最廣，破壞程度較深，諸多學(xué)者也對(duì)覆冰災(zāi)害進(jìn)行了研究[21-24]。

在構(gòu)建的區(qū)塊鏈電網(wǎng)自然災(zāi)害預(yù)警決策系統(tǒng)的支持下，自然災(zāi)害預(yù)測(cè)預(yù)警模型能實(shí)時(shí)獲取電網(wǎng)設(shè)備和自然環(huán)境等信息，彌補(bǔ)以往預(yù)測(cè)預(yù)警模型在獲取全局信息方面的不足，本文接下來將以線路覆冰災(zāi)害為例，結(jié)合模型預(yù)測(cè)控制(model prediction control，MPC)算法[25]構(gòu)建覆冰厚度預(yù)測(cè)模型，改進(jìn)覆冰過重、舞動(dòng)、絕緣子閃絡(luò)等因素引發(fā)線路故障率模型，提高預(yù)測(cè)預(yù)警準(zhǔn)確度。

2.1 構(gòu)建基于MPC的覆冰預(yù)測(cè)模型

圖3 MPC原理圖Fig.3 Schematic diagram of MPC

MPC主要包括3個(gè)特點(diǎn)：預(yù)測(cè)模型、滾動(dòng)優(yōu)化和反饋校正，其預(yù)測(cè)控制原理如圖3所示，橫坐標(biāo)軸為時(shí)間軸，縱坐標(biāo)軸表示輸出值，坐標(biāo)原點(diǎn)k處表示當(dāng)前所在的時(shí)刻，原點(diǎn)左側(cè)代表代表過去的狀態(tài)、右側(cè)代表未來的狀態(tài)，M、P分別表示了控制步長(zhǎng)和預(yù)測(cè)步長(zhǎng)（通常M＞P）。ys為設(shè)定值，yr(k)期望值不斷逼近設(shè)定值。預(yù)測(cè)控制算法通過計(jì)算當(dāng)前及未來預(yù)測(cè)M個(gè)時(shí)刻內(nèi)的控制量u(k)使得預(yù)測(cè)值ym(k)逼近于期望值，從而使誤差最小。簡(jiǎn)而言之，就是根據(jù)被控系統(tǒng)模型、當(dāng)前狀態(tài)和約束條件，在線反復(fù)的求出最優(yōu)的控制序列的過程。MPC的數(shù)學(xué)模型為：

輸入變量：

滾動(dòng)優(yōu)化函數(shù)：

約束條件：

式中：R()為性能指標(biāo)函數(shù)；V()為滾動(dòng)變量函數(shù)；X為系統(tǒng)狀態(tài)集合； u (k|k)為被控對(duì)象的第一個(gè)輸入量；U為系統(tǒng)控制輸入集合；通過性能指標(biāo)函數(shù)求出的最優(yōu)控制集合表示為U*，并取U*的第一個(gè)元素作用于被控系統(tǒng)。

在輸電線路覆冰形成的過程中，風(fēng)向、風(fēng)速、濕度、溫度、氣壓5個(gè)氣象因素對(duì)輸電線路覆冰厚度影響最大，其形成條件一般需要滿足設(shè)備表面溫度在0 ℃以下、空氣濕度在85%以上且風(fēng)速大于1 m/s。文獻(xiàn)[26]構(gòu)建了凍雨滴在物體上形成均勻覆冰的厚度預(yù)測(cè)模型：

式中：L為覆冰厚度；p為降水量；ρ為覆冰密度；v為風(fēng)速；θ為空氣相對(duì)濕度；? L為覆冰厚度增量。

為了使得預(yù)測(cè)模型在復(fù)雜的自然環(huán)境中具有更準(zhǔn)確的預(yù)測(cè)值，需要基于BC-IIoT架構(gòu)構(gòu)建的智能災(zāi)害預(yù)警決策系統(tǒng)經(jīng)過區(qū)域全局統(tǒng)籌分析，對(duì)給定的參考值Ls進(jìn)行跟蹤，使得預(yù)測(cè)誤差達(dá)到最小，其誤差優(yōu)化準(zhǔn)則為

式中： Y(k)為 預(yù)測(cè)輸出序列； Y′(k)為期望輸出序列；ρ為加權(quán)控制系數(shù)； ? u(k)為控制變量向量。

根據(jù)2.1小節(jié)的預(yù)測(cè)模型，選取vt、pt、 θt、Ft構(gòu)成狀態(tài)變量x(k)，以 ? v、 ?p、 ?θ、 ? F構(gòu)成控制變量u(k)，以覆冰厚度超短期預(yù)測(cè)增量 ?L構(gòu)成擾動(dòng)變量d (k)，以 Ls構(gòu) 成輸出變量 y(k)，建立多輸入、多輸出的狀態(tài)模型為

式中 H1、 H2、 H3為系數(shù)矩陣。

為進(jìn)一步優(yōu)化式（7）滾動(dòng)預(yù)測(cè)過程，假設(shè)在滾動(dòng)預(yù)測(cè)的時(shí)段內(nèi)，測(cè)得tk時(shí)刻之前n個(gè)時(shí)刻的覆冰厚度參考值，在滾動(dòng)預(yù)測(cè)時(shí)間段內(nèi)tk時(shí)刻之后n個(gè)覆冰厚度預(yù)測(cè)值，則通過超短時(shí)段內(nèi)參考值與預(yù)測(cè)值的吻合度來進(jìn)一步校正覆冰厚度預(yù)測(cè)模型，其吻合度表達(dá)式為

通過上述分析得到修正后的覆冰厚度預(yù)測(cè)模型為

2.2 覆冰引發(fā)輸電線路故障率計(jì)算

覆冰線路故障引發(fā)因素主要包括線路覆冰過重、線路舞動(dòng)、絕緣子污穢，本文將輸電線路按照地形、地貌和污染程度等周邊環(huán)境特征跨檔分成不同的線段。假設(shè)同一劃分線段覆冰厚度、風(fēng)力和污穢程度均相同，其中一檔的覆冰荷載表達(dá)式為

式中： g0為 重力加速度； Ld為 線路覆冰厚度；Li為該檔線路長(zhǎng)度；D為線路截面等效直徑。

考慮微地形因素對(duì)線路在垂直方面的風(fēng)荷載的影響，構(gòu)建風(fēng)荷載表達(dá)式為

式中：a=1表示垂直風(fēng)荷載；a=2表示水平風(fēng)荷載。該檔輸電線路自重G的表達(dá)式為

式中 ρl為輸電導(dǎo)線的密度。

由此得出，該檔導(dǎo)線在冰凍災(zāi)害下的冰風(fēng)總比載的表達(dá)式為

采用指數(shù)函數(shù)擬合覆冰過重導(dǎo)致線路斷線故障概率 Pice與 導(dǎo)線承受最大承受力 σmax之間的關(guān)系表達(dá)式[6]為

式中： σs為 導(dǎo)線設(shè)計(jì)承受力；λ為線路安全系數(shù)；A1和 B1為常數(shù)。

參照式（14）得出桿塔傾倒故障率表達(dá)式為

式中： ? F為桿塔兩側(cè)不平衡拉力，其具體表達(dá)式如式（16）所示；η為桿塔設(shè)計(jì)的安全系數(shù)； A2和B2為常數(shù)。

式中： σ1、 σ2分 別為桿塔兩側(cè)水平拉力； θz為桿塔兩側(cè)線路夾角；h為桿塔兩側(cè)輸電線路數(shù)量。

通過該檔線路進(jìn)行受力分析，線路主要是由于風(fēng)力與導(dǎo)線的自重力形成的合力導(dǎo)致舞動(dòng)，其線路舞動(dòng)幅值表達(dá)式為

式中：c 為舞動(dòng)點(diǎn)到終端點(diǎn)的距離； Dmax為舞動(dòng)最大幅值； ?為舞動(dòng)頻率；λ為舞動(dòng)波長(zhǎng)。

由式（17）可以看出，舞動(dòng)的幅值僅與舞動(dòng)頻率、舞動(dòng)夾角和線路舞動(dòng)點(diǎn)到終端點(diǎn)的距離有關(guān)，因此文章近似認(rèn)為舞動(dòng)幅值引發(fā)線路故障呈線性關(guān)系，其故障率表達(dá)式用分段函數(shù)表示為

式中： D1、 D2為與線路長(zhǎng)度、覆冰厚度、水平拉力等相關(guān)的系數(shù)。

影響絕緣子閃絡(luò)電壓U的因素主要包括覆冰前絕緣子鹽密、絕緣子類型、海拔高度、覆冰重量等，文章采用絕緣子閃絡(luò)電壓U表達(dá)式為

式中：C 和d為絕緣子相關(guān)參數(shù)； ρSSD為覆冰前絕緣子鹽密； σ20為 20 ℃時(shí)覆冰水電導(dǎo)率； Hins為海拔高度；GI?wei為覆冰重量；e為污染特征指數(shù)。

參照式（14）的形式得出絕緣子閃絡(luò)故障率的表達(dá)式為

基于上述分析可以計(jì)算第i條線路的第j檔的故障率，文章假設(shè)不同故障類型之間相互獨(dú)立，則j檔線路故障率表達(dá)式為

第i線路總的故障率表達(dá)式為

式中n為第i線路檔個(gè)數(shù)。

3 預(yù)測(cè)預(yù)警模型的求解方法

實(shí)時(shí)MPC算法具有較好的魯棒性，并且對(duì)模型的精確性要求不高，文章利用實(shí)時(shí)MPC算法對(duì)預(yù)測(cè)預(yù)警模型進(jìn)行求解。從區(qū)塊鏈智能預(yù)測(cè)預(yù)警系統(tǒng)的設(shè)備層讀取天氣環(huán)境、地理環(huán)境和電網(wǎng)設(shè)備運(yùn)行工況等信息，并按照地理環(huán)境特征對(duì)輸電線路進(jìn)行分段。通過構(gòu)建的覆冰預(yù)測(cè)預(yù)警狀態(tài)空間模型對(duì)覆冰厚度進(jìn)行預(yù)測(cè)，進(jìn)而對(duì)覆冰過重引發(fā)的線路斷線、桿塔傾倒、線路舞動(dòng)和絕緣子閃絡(luò)等故障率進(jìn)行評(píng)估，區(qū)塊鏈支持的MPC預(yù)測(cè)模型求解流程如圖4所示。

圖4 區(qū)塊鏈支持的覆冰災(zāi)害引發(fā)線路故障率評(píng)估方法流程圖Fig.4 Flowchart of block chain supported method to assess line failure rate caused by ice-coating disaster

4 算例分析

為了驗(yàn)證本文搭建的基于區(qū)塊鏈的電網(wǎng)自然災(zāi)害預(yù)測(cè)預(yù)警模型的可行性和有效性，選取某市西北部和中部幾條220 kV線路進(jìn)行覆冰預(yù)測(cè)分析。

某市1條220 kV北發(fā)線某檔線路在連續(xù)5天時(shí)間里覆冰厚度實(shí)際測(cè)量數(shù)據(jù)見表1。由1月6日早間開始覆冰變化，隨著未來5天內(nèi)的降雨量的增加，線路覆冰厚度也隨之增加，但覆冰變化情況也根據(jù)風(fēng)速和溫度的變化不盡相同。

以表1實(shí)測(cè)數(shù)據(jù)作為基準(zhǔn)參照，比較原系統(tǒng)與本文系統(tǒng)對(duì)該線路覆冰厚度預(yù)測(cè)值，如圖5所示。通過比較分析得出，本文預(yù)警系統(tǒng)對(duì)覆冰厚度預(yù)測(cè)的相對(duì)誤差最大值為2.14%，相對(duì)誤差最小值為0.41%，而原系統(tǒng)測(cè)得覆冰厚度值的相對(duì)誤差最大值為7.46%，相對(duì)誤差最小值為1.36%。通過對(duì)比可以看出，本文研究的預(yù)測(cè)預(yù)警系統(tǒng)能夠有效地提高覆冰預(yù)測(cè)準(zhǔn)確性。

表1 某市220 kV北發(fā)線覆冰厚度實(shí)測(cè)數(shù)據(jù)Table 1 Measured ice-coated thickness of a 220 kV Bei-Fa transmission line in a certain city

圖5 北發(fā)線覆冰厚度預(yù)測(cè)值對(duì)比圖Fig.5 Comparison chart of measured and forecasted icecoated thickness of Bei-Fa transmission line

圖6 給出了70號(hào)、60號(hào)、09號(hào)和83號(hào)線路段覆冰故障率與降雨量之間的變化趨勢(shì)圖。由圖6可以看出，4條線路段故障率變化的總體趨勢(shì)均為隨降雨量的增加而上升，但不同線路段因所處地理環(huán)境因素、風(fēng)速和溫度等氣象因素的影響而存在一定的差異。

圖6 降雨量引發(fā)線路故障率變化趨勢(shì)圖Fig.6 Varying trend of transmission line fault rate caused by rainfall

為進(jìn)一步對(duì)比修正后模型與未修正模型對(duì)冰災(zāi)引發(fā)線路故障率的預(yù)測(cè)效果，本文選取了6條架空線路段進(jìn)行預(yù)測(cè)分析，并且按照故障嚴(yán)重程度進(jìn)行排序，其預(yù)測(cè)對(duì)比結(jié)果見表2。由表2可知，經(jīng)MPC算法修正后的覆冰災(zāi)害故障率比未修正時(shí)預(yù)測(cè)準(zhǔn)確度更高，且更符合實(shí)際情況。其中，37號(hào)線路段、26號(hào)線路段和67號(hào)線路段覆冰災(zāi)害發(fā)生故障率較高，主要因?yàn)檫@3條線路段與風(fēng)向所成夾角均約為90°，較易形成覆冰，11號(hào)線路段與風(fēng)向所成夾角很小，不易形成覆冰。58號(hào)線路段與67號(hào)線路段同屬于1條輸電線路，2個(gè)線路分段引發(fā)的故障率存在著較大差別，主要是因?yàn)閮煞侄尉€路所處的地理環(huán)境不同，由此可以看出微地形、微地貌對(duì)線路覆冰具有較大影響。本文基于區(qū)塊鏈智能預(yù)測(cè)預(yù)警系統(tǒng)將線路進(jìn)行分段分析具有實(shí)際意義。

5 結(jié)論

隨著區(qū)塊鏈技術(shù)的飛速發(fā)展，電網(wǎng)企業(yè)愈加重視區(qū)塊鏈技術(shù)的應(yīng)用，本文基于區(qū)塊鏈技術(shù)構(gòu)建了電網(wǎng)自然災(zāi)害預(yù)測(cè)預(yù)警系統(tǒng)。以覆冰災(zāi)害為例，利用MPC方法修正了覆冰厚度預(yù)測(cè)模型，提高了覆冰預(yù)測(cè)模型的準(zhǔn)確度，驗(yàn)證了基于區(qū)塊鏈預(yù)測(cè)預(yù)警系統(tǒng)的可行性和有效性。

接下來，將在現(xiàn)有研究的基礎(chǔ)上，增加山火、臺(tái)風(fēng)等自然災(zāi)害的預(yù)測(cè)預(yù)警功能，增強(qiáng)該系統(tǒng)應(yīng)對(duì)自然災(zāi)害的預(yù)測(cè)預(yù)警能力，為區(qū)塊鏈技術(shù)在電網(wǎng)自然災(zāi)害預(yù)警和防范等方面的應(yīng)用提供參考。