温晓佳 盖耀辉

摘要：输变电设备故障率具有复杂多变的特性，进而故障率表现为一种随机的特性，这也为输变电设备故障率的预测增加了难度，很难准确的确定输变电设备的故障率。还有就是目前对于输变电设施的可靠性资料的统计很少，缺乏可以参考的资料，导致很难合成有效的拟合函数， 目前形成的拟合函数的精度都比较低。本文所选用的自回归‐移动平均混合模型（ARMA 模型）是现在应用最为广泛的拟合模型，它具有很多优势，例如它能够准确的反映当前值和历史值之间的联系，它还能够反映自回归部分的误差累计，并且本方法需要的样本量很少，但是拟合精度却较高。

关键词：输变电设施；可靠性评估；设备故障率；预测措施

输变电主设备所处状态及外部因素导致的设备故障概率是风险评估中最为重要的基础数据之一，它在极大程度上直接影响输变电主设备风险的大小。因此，为实现输变电主设备的状态检修必须研究状态评价结果与故障概率之间的关系。

一、输变电设施状态检修的问题

1 缺乏定量的设备状态评价和风险评估体系。对现有输变电主设备数据资料收集、整理、综合分析等还不够完善，缺乏对输变电主设备进行风险评估的评估模型以及基于风险的运行检修策略。

2 状态监测技术有待完善。状态监测技术的作用至关重要，它是获取状态参量数据信息的主要手段。由于受到现有检测技术水平及现场环境等各种因素的制约，在安徽电网的实际操作中，仍然采用传统的停电试验为主、带电测试和在线监测为辅的状态监测手段，无法实时、准确的掌握设备的健康状况，因而需要引进先进设备，进一步完善状态监测技术。

3 各专业间横向集成度不高。使各种数据信息完整化系统化是状态检修工作的前提条件。从现有的数据信息采集情况来看，由于检修记录、试验报告、运行数据分别由不同部门完成，因而各种数据信息各自孤立，没有形成完整的数据体系，为数据分析处理带来不便，无法为状态检修工作提供数据支持。

4 设备运行维护指导依据需进一步优化。在大多数情况下依然按照传统的定期检修规定执行，例如停电试验和巡视维护按周期进行， 技术改造和检修安排按规划完成，造成了大量人力物力资源的利用不尽合理。因此，要全面开展状态检修工作，应不断完善相应的标准和规程，使状态检修有理有据，有文可依。

输变电设备的故障率不是恒定不变的，它是随时间变化而形成的随机序列，这组随机变量受到两方面的影响：①影响因素；②自身变化规律。设备故障率是评估输变电设施安全可靠性的根本，所以，所建立的设备故障率预测模型是十分重要的，因为该模型所提供的数据是评估输变电设施可靠性的重要参考依据，并且该模型所提供的数据是确定输变电设施可靠性评估的可信度的依据。

二、模型与算例分析

1 自回归-移动平均混合模型

2 基于 ARMA模型的故障预测方法

基于 ARMA 模型的故障预测方法能够划分为六个部分，分别为： 数据预处理、模型结构确定、模型定阶、参数识别、模型校验以及预测分析。在完成前面幾个步骤（数据预处理、模型结构确定、参数识别、模型校验）后就可以得到预测模型关系式，表达函数为。

三、算例分析

3.1 原始数据

通过查阅资料，选取 220kV 某输电线路的事故率，截取时间为2014 年 8 月到 2016 年 8 月。通过数据分析可以看出，220kV 输电线路的事故率的时间序列呈现出随机波动大以及还有断点存在的特点， 不能应用常规的分解分析法以及回归分析法去设备故障率进行有效的预测，但是，这是 ARMA的优势，可以应用 AMRA模型去处理， 然后得到对设备故障率的准确预测。

本文选用 2014 年 8 月到 2016 年 8 月的数据作为基本数据，建立ARMA模型后对220kV 输电线路的事故率后五个月的设备故障率进行预判以及误差分析。

3.2 数据预处理

3.3.3 模型检验

应用残差序列对上述三种模型进行检验，通过观察模型中自相关函数和偏自相关函数的残差序列可以看出他们均为截尾，因此所建模型的残差是不含相关性的白噪声，这也表明该模型的效果良好。

综上所述，应用 ARMA（4，2）模型对设备故障率进行预测是可行的，预测模型如式所示。

3.3.4 模型预测以及结果

根据预测模型公式（8）对后五个月设备故障率进行预测，其结果如表 3 所示。

3.3 模型参数的设计

3.3.1 模型结构

同时应用自相关函数和偏自相关函数对样本进行处理，应用两种函数的截尾性对 ARMA 进行初步识别，进而建立 ARMA 模型的阶数， 对于模型的参数制定如表 1 所示。

4.总结

应用 ARMA模型能够很好的对输变电设施可靠性评估中设备故障率进行预测，输变电故障率是评判供电系统可靠性的基础，但是设备故障率是随机的并且是时变的，不能应用传统的时序分析法对其建立模型，常规的时序分析法包含回归法、分解分析法。然而应用 ARMA模型能够很好的预测设备故障率，并且该方法对平稳随机变量的预测是最为合适的，该方法不需要很多的信息，只需要较少的样本就能够得到高精度预测结果，本文还对该方法进行了实例预测，对 220kV 输电线路建立了 ARMA模型，通过此模型对设备故障率进行预测，通过误差分析结果可以看出，该模型满足实际工程要求，可以应用到实际工程当中， 该方法有效解决了常规方法不能对随机性、时变性设备故障率精确分析的弊端，希望本文所介绍的方法能够对相关工作者带来帮助。

参考文献：

[1] 廖浩利。电力设备状态检修中存在的问题及对策分析[J].低碳世界，2014，（13）：52-53.

[2] 孟昭军，朱兴兴。基于状态检修的输变电设备故障率的计算[J].电网与清洁能源，2015，31（6）：15-20.

[3] 高翔，罗俊，杨能武。基于输变电设备状态评价的调控辅助决策系统研究[J].电力与能源，2015，36（6）：803-807.