基于arma模型的输变电设备故障率预测研究-电测与仪表.doc

输变电可靠性估中故障率预测方法研究李莉1，熊炜2，陆冬梅2，龙燕2，袁旭峰2，邹晓松2 （1、贵州电力试验研究院，贵阳 550001；2、贵州大学电气工程学院，贵阳 550025） 摘要：由于输变电在地域分布复杂性、运行状态的随机多样性，使输变电故障率具有时变性、随机性特点。同时由于反映故障的信息获取困难，故难以应用常规的回归分析法、分解分析法等时间序列分析法建立准确的故障率预测模型。本文以全网输变电故障率为研究对象提出了一种基于自回归-移动平均混合模型（ARMA模型）的输变电故障率预测方法克服了常规解析法进行输变电可靠性评估信息获取困难的缺点，能有效提高全网输变电可靠性评估的合理性和准确性。最后，对220kV输电线路故障率进行了预测，结果表明，所提预测模型具有较高的精度，能够满足实际工程的应用要求。 关键词：输变电；可靠性评估；设备故障率预测；ARMA模型；中图分类号：TM 文献标识码：B 文章编号：1001-1390（201）0-0000-00 Study on the prediction method for failure rate in the reliability evaluation of power transmission and transformation facility Li Li1, Xiong Wei2, Long Yan2, Lu Dongmei2, Yuan Xufeng2, Zou Xiaosong2 （1. Guizhou Test and Research Institute of Power System Equipment， 550001, China. 2. Guizhou University， 550025, China） Abstract: validity of the reliability of the whole transmission system. Finally, the method is used to predict the failure rate of 220kV transmission lines, and the results show that the method has a high accuracy, and can meet the application requests of the practical projects. Key words: power transmission and transformation system， reliability evaluation， prediction of equipment failure rate，ARMA model 0 引言 输变电设备故障率是组率是输变电可靠性评估的基础，故障率预测模型对提高变电设施可靠性评估的可信度和输变电可靠性指标有着重要影响[]。 近年来，一些学者对故障率的预测进行了一定的探讨，如文献[4]建立了可靠性参数与可靠性指标的函数关系，并利用偏最小二乘法进行参数拟合，为原始参数的获取提供了一种新的方法。文献[5]在考虑系统中影响设备故障率的各种因素的基础上，利用BP神经网络来获取电力系统设备故障率参数。文献[6] 在运行年限的基础上结合年平均湿度来评估设备故障率。文献[7]采用威布尔分布Marquardt法对电气设备的早期故障率和偶然期故障率进行拟合。这些方法应用于输变电可靠率评估中存在一定的局限性：（1）输变电设备故障率的影响因素多且复杂，故障率具有时变和随机性的特点，导致输变电故障率变模型的预测难度增大；（2）输变电可靠性统计资料的限制，使得可使用的统计样本少，导致很难找到合适的拟合函数拟合精度差[]。 回归平均混合模型）是目前最常用的拟合平稳序列的模型不仅能反映值与历史值之间的关系，也能反映回归部分的误差需统计样本数少合精度较高。为此，本文建立了基于ARMA模型的输变电设备故障率预测模型，并将其应用于220kV输电线路故障率的预测中。 自回归滑动平均模型（Auto-Regressive and Moving Average Model，ARMA模型）是由美国统计学家G. E. Box和英国统计学家G. M. Jenkins在二十世纪七十年代提出的时序分析模型，其原理是利用已知的信号序列、误差以及已知序列对信号自身的影响规律来预测未来的信号序列。运用ARMA模型的前提条件是，建立模型的时间序列是由一个零均值的平稳随机过程产生的[]。即其过程的随机性质具有时间上的不变性，在图形上表现为所有的样本点皆在某一水平线上下随机地波动。 ARMA模型可描述为： （1） 式中 称为自回归系数，称