来源：《中国电力》2024年第7期
引文：裴梓翔, 舒恺, 周勋甜, 等. 基于信息融合的配网线路雷害风险评估[J]. 中国电力, 2024, 57(7): 125-131.
配电线路是配电系统中的重要组成部分，配电线路一般为裸导线，绝缘水平低下，且配电线路上方一般不架设避雷线，因此雷电容易对配电线路造成危害。过大的雷电流注入配电线路，传送至配电变压器，可能造成雷击跳闸。2018—2021年华东某市级电网配电线路故障类型统计中，雷击故障常居第1位，因此，建立一套有效的配网线路雷害风险评估方法具有重要的指导意义。《中国电力》2024年第7期刊发了裴梓翔等撰写的《基于信息融合的配网线路雷害风险评估》一文。文章结合熵权理论和证据理论的方法，以2018—2020年华东某市配网线路3年的雷击故障数据为研究样本，从接地电阻、人口密度、杆塔高度、河网密度和坡向5个方面，构建雷害风险指标评价体系，评估结果与2021年实际故障数据进行对比分析，验证本文方法的合理性。
雷害严重影响配电线路的安全运行，引入敏感因子和易损性指标，提出一种基于信息融合的雷害风险评估方法。首先，从接地电阻、人口密度、杆塔高度、河网密度和坡向5个方面构建雷害风险指标评价体系；其次，引入信息融合的层次分析法，结合灰色、熵权和证据理论，建立雷害关联矩阵，进行综合评估；最后，对某配电线路进行案例分析。研究结果表明，对于雷害的整体趋势，所提方法评价结果与实际结果基本一致，验证了该指标体系的合理性。配网线路雷害风险评估的影响因素较多，河网密度、人口密度、杆塔高度属于连续属性因素，接地电阻、坡向属于离散属性因素，因此一种合适的关联规则量化显得尤为重要。熵权法可考虑多种因素，比较客观地实现权重值量化，即权重值相差越大，信息熵越小，熵权越大。设![]()
为第i基杆塔处于第j个特征因子，发生雷击故障的可能性，归一化后得原始矩阵X为
基于熵权理论，确定客观权重，得到加权关联度矩阵![]()
具体计算过程如下。P(Θ)={ ∅,{θ1},{θ2},⋯,{θN},{θ1,θ2},⋯,{θ1,θ2,⋯,θi},⋯,Θ} 设A为P(Θ)的任意子集，若函数f将幂集P(Θ)中每个元素映射到[0,1]，则有式中：函数f为BPA函数；f(A)为命题A的基本概率数；A为基本概率指派f的焦元。设定f1和f2为Θ的两组基本概率指派，对应的焦元分别为Ai和Bj，组合后新的基本概率指派为f，采用D-S组合规则，即根据影响因素，因素集设置为U={u1,u2,u3,u4,u5}，评语集设置为Z={I,II,III,IV,V}，即分为5个等级。两者之间的映射关系为隶属度函数，这里采用梯形-三角形隶属度函数，对应于风险评估的隶属度矩阵表示为参照架空输电线路雷害风险评估方法，如表1所示，其中Gl为本文方法计算的配网线路雷害发生概率值。所有配网线路雷害发生的概率平均值Gav为
Table 1 Lightning risk level for distribution network lines![]()
式中：N为t年累计的雷击故障次数；Lall为线路的总长度；t为累积年数。
配网线路风险评估的关键是找出风险程度与评估指标之间的转换关系，区别于传统的层次分析法，本文采用模糊灾害评估理论，为能实现雷害对输电通道的风险评估，综合考虑多因素的方法，提出配网线路雷害的风险性评价模型，即式中：R为风险性评估值；H为敏感性评估值；V为易损性评估值。这里敏感因子是河网密度、人口密度、坡向，易损性指标是接地电阻、杆塔高度。配网线路风险评估流程如图1所示，主要包含信息层、融合层和目标层。其中信息层通过灰色理论，对配网线路雷击故障的历史数据与敏感因子或易损性指标进行关联分析，得到配网线路的各特征因子雷害关联度值，构建雷害关联矩阵。
![]()
Fig.1 Risk assessment process of distribution network lines
依据灰色理论，并根据重要性进行排列，依次为接地电阻、人口密度、杆塔高度、河网密度、坡向，对应编号为U1、U2、U3、U4、U5，建立雷击关联矩阵，如表2所示。
Table 2 Correlation matrix of lightning impact factors![]()
计算可知，雷击关联矩阵的最大特征值为5.05，一致性比例为0.019＜0.100，说明该矩阵的一致性是合理的。然后通过熵权理论，基于式（4），确定各特征因子的权重，构建雷击加权关联矩阵，进一步，通过证据理论，基于式（6），计算融合不同特征因子的基本信度分配值，从而推算出雷击确信度。河网密度为[0, 0.5] km/km2的配网杆塔数量为56782个，发生过雷害的杆塔数量为205个，本地区总的配网杆塔数量为61810个，则可支持度为0.33%，置信度为0.36%。同理可计算出其他影响因子下的置信度。因本地区有61810个杆塔组成，证据体由5个特征因子组成，则可得到61811个置信度Bel(T1) 、Bel(T2)、···、Bel(T61810)、Bel(TΘ)。最后，将雷击确信度映射成配网线路的雷击跳闸率，这里，令Pi=k×Bel(Ti) + C ,表示第i个杆塔单位雷害发生概率，单位为次/年，其中k为修正系数，C为常量，则存在依据表1给出的雷害风险定级方法，将线路雷害风险划分为5级，实现配网线路的雷害风险等级评估。
依据配网线路雷击故障点的环境和本体特征，开展不同影响因子对雷害发生概率的影响研究。在1 km×1 km的每个网格内，计算河流的面积，得到河网密度，绘制华东某配网线路所处河网密度与雷害发生概率的关系，如图2所示。河网密度为0~0.5 km/km2，随着河网密度的增加，雷害发生概率呈现增大的趋势。这可能是因为华东地区水源比较丰富，水汽条件比较好，容易引发雷暴天气；同时，因为水源丰富的地方，人类活动较多，水体的导电能力要大，孕育雷灾的可能性更大。
![]()
Fig.2 Probability of lightning risk under different river network densities
人口密度分布为1.5~4.5 千人/km2，绘制人口密度与雷害发生概率的关系，如图3所示。人口密度较低时，地形一般为山地，孕育雷灾的可能性较大。随着人口密度的增加，基础设施更加完善，城市建筑会对线路有一定的屏蔽作用，从而减少雷害发生的概率。
![]()
Fig.3 Probability of lightning risk under different population densities
坡向按照东北、东南、西北、西南、正东、正西、正南、正北划分成8个方向，计算各个方向雷害发生率，如图4所示。因为华东地区夏季雷害较多且主导风向为东风或者东南风，所以正东或者东南的山地丘陵地带，为迎风坡，气流容易抬升，从而产生强对流天气，更易发生雷害。
![]()
Fig.4 Probability of lightning risk under different slope directions
部分山区地表是高电阻率的岩石或风化石，高达4 kΩ·m，接地装置经过长时间的腐蚀或者破坏外，接地电阻达到50 Ω以上，绘制不同接地电阻与雷害发生概率的关系，如图5所示。随着接地电阻的增加，雷害发生概率会有明显增加，两者呈现正相关的关系。这是因为当接地电阻较低时雷击塔顶或避雷线时的杆塔顶部电位会降低，从而提高线路耐雷水平，通常杆塔接地电阻每提升1 Ω，杆塔的耐雷水平会降低5%左右。
![]()
Fig.5 Probability of lightning risk under different ground resistance
配网线路的杆塔高度一般较低，为10~30 m，但由于部分线路地形特殊，或者跨越特殊障碍物，杆塔高度会有所提升，绘制不同杆塔高度与雷害发生概率的关系，如图6所示。随着杆塔高度的增加，雷害发生的概率也随之增加，这可能因为塔身电感增大，使反击电压增高，而配网线路的防雷措施有限。
![]()
Fig.6 Probability of lightning risk under different tower heights
式中：h为导线高度；Im为雷击电流。随着h的增加，Rg会减少，雷害发生的概率更大，且更容易产生雷电直击过电压。
对某条配网线路，通过熵权理论确定权重，基于证据理论的方法，计算影响因子在５种状态等级下各指标的隶属度如表3所示。
Table 3 Membership assignment under information layer![]()
由此可知，接地电阻和杆塔高度的评价水平一般，坡向的评价水平较高，人口密度和河网密度的评价水平较低，这可能是因为当年东南沿海台风天气较多，导致雷害天气较多，与实际运行情况一致。应用证据理论，依据式（6），对信息层各单项状态量的评价值进行融合，合成过程的各项结果如表4所示。随着融合程度的加深，不确定性逐步降低，说明评估结果更加准确。
Table 4 Fusion results under D-S combination![]()
最后，基于最大可信度函数值决策方法得到最终评估结果如表5所示。该配网线路雷害风险非常高和非常低的可能性较小，分别为0.05和0.06。较低的可能性最大，为0.34，且不确定性为0，由此确定雷害风险评估结果为较低，即发生雷害的概率较低。尽管单项因素评价中，信息层中坡向的评价水平较高，这可能与坡向的权重比例较低有关。
Table 5 Lightning risk assessment result of distribution network line![]()
对2018—2020年华东地区某市配网线路所有的雷害数据进行统计，本文方法的预测结果与2021年的实际结果进行对比，统计数据如表6所示。
Table 6 Assessment results of lightning risk for 2021![]()
由表6可知，整体趋势基本一致，随着雷害风险等级的上升，对应的雷害风险数量明显降低。不同风险等级下，雷害数量也基本一致，该评估模型与实际雷害结果表现出较高的一致性，说明了本文方法的有效性。
本文对配电线路雷害风险评估，开展了不同影响因素的研究并验证了本文方法的合理性，形成结论为：1）提出了基于信息融合的配网线路雷害风险评估方法，结合灰色、熵权和证据理论，对信息层的不同影响因子，进行了关联规则、置信度以及风险等级的确定，实现了配网线路雷害风险指标评价体系的建立。2）对某条配网线路的雷害风险进行了详细的评价，坡向的雷害风险评价结果较高，这与当年台风天气较多的情况一致。整体评价结果较低，这与坡向的权重比例较低有关。3）对比2021年的雷害预测结果和实际结果，两者雷害发生的整体趋势和各等级比例基本一致，由此证明本文算法的合理性。
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。
