CN103279808B - 恶劣天气下的电力系统线路状态转移概率预测分析方法 - Google Patents
恶劣天气下的电力系统线路状态转移概率预测分析方法 Download PDFInfo
- Publication number
- CN103279808B CN103279808B CN201310163139.3A CN201310163139A CN103279808B CN 103279808 B CN103279808 B CN 103279808B CN 201310163139 A CN201310163139 A CN 201310163139A CN 103279808 B CN103279808 B CN 103279808B
- Authority
- CN
- China
- Prior art keywords
- circuit
- model
- branch road
- transition probability
- analysis method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种恶劣天气下的电力系统线路状态转移概率预测分析方法，包括以下步骤：A：构建以线路故障概率为因变量指标和以气象因子为自变量指标的回归模型；B：计算某支路断线后其它各支路的潮流转移因子；C：获得各支路连锁跳闸概率模型；D：获得恶劣气象条件下线路状态转移概率模型。本发明能够实现恶劣气象条件下各支路状态转移概率评估，从而获得高危故障支路信息，保证电网在恶劣天气下安全稳定地运行。
Description
技术领域
本发明涉及电力系统安全防护技术领域，尤其涉及一种恶劣天气下的电力系统线路状态转移概率预测分析方法。
背景技术
恶劣天气一直是造成电力系统设备故障的重要因素之一，其造成的不良影响突显出多样性、扩大化特点。恶劣天气所引起的电网负荷急剧波动对设备安全运行及人身安全造成严重威胁。同时，随着大电网建设的快速发展，导致恶劣天气对电网的危害范围也逐步扩大，电网因其地理位置决定了所处地区出现的各类恶劣天气特征更为明显。虽然在恶劣天气到来之前，气象部门会对其做出一定的预报，但是电网方面却很难及时对恶劣天气下某线路故障后的潮流转移路径提前进行有效识别与严重性评估，也不能有效的对各支路在恶劣天气条件下的状态转移概率进行预测。统计分析表明，恶劣天气下，电网各元件故障的概率将明显增加，其造成系统连锁故障的概率也必然随之增加。因此，将恶劣天气下线路故障概率模型与连锁故障概率模型综合考虑，对保障恶劣天气下电网安全稳定运行有着十分重要的意义。
目前，现有的连锁故障预测方法大致分为模式搜索法、复杂系统理论和复杂网路理论模型法。具体的研究涉及到物理过程的模拟、抽象的宏观动态模拟等诸多层面，国内外广大学者对此做了深入的研究。文献“Optimal locations for protection systemenhancement：a simulation of cascading outages”采用启发式搜索策略实现连锁故障的搜索；文献“中国电网停电事故统计与自组织临界性特征”通过对我国电网的事故统计分析发现了系统的停电规模服从幂率分布，并指出其是系统自组织临界特征的表现。现有的连锁故障预测方法效果不佳，不能较为准确地对恶劣天气下线路状态转移概率进行预测，无法保证电网在恶劣天气下安全稳定地运行。
发明内容
本发明的目的是提供一种恶劣天气下的电力系统线路状态转移概率预测分析方法，能够实现恶劣气象条件下各支路状态转移概率评估，从而获得高危故障支路信息，保证电网在恶劣天气下安全稳定地运行。
本发明采用下述技术方案：
一种恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于，包括以下步骤：
A：采用回归模型建立方法，辨识模型参数，构建以线路故障概率为因变量指标和以气象因子为自变量指标的回归模型，并借助模型检验统计量判定相关度模型的拟合程度和模型参数的可靠性；
B：应用潮流转移因子分析方法，综合考虑电力系统拓扑结果图与电网参数，计算某支路断线后其它各支路的潮流转移因子，进行系统潮流转移路径的识别与潮流转移严重等级划分；
C：利用步骤B中计算出的潮流转移因子，计算某支路故障后其余各支路的潮流情况，并求解各支路整定比率，从而获得各支路连锁跳闸概率模型；
D：综合步骤A中建立的恶劣气象下线路故障概率模型和步骤C中计算出的各支路连锁跳闸概率模型，获得恶劣气象条件下线路状态转移概率模型。
所述的步骤A中，以线路故障概率为因变量指标和以气象因子为自变量指标的回归模型为其中，y是线路故障概率，X1、X2…Xg是自变量指标；为待求回归系数，θ为随机误差项。
所述的步骤A中，模型检验统计量为以下三种中的一种：①相关系数的平方r2，用于表征模型对回归指标的解释程度；
②检验统计量F，用于表征模型的显著程度；
③模型参数检验统计量t，用于表征模型参数的显著程度。
所述的步骤B中，潮流转移因子计算方式如下：
其中，Y1为发生支路i切除事件的潮流转移等值网络中由非接地支路构成的支路导纳矩阵；A1为等值网络中由非接地支路构成的关联矩阵；Δ为潮流转移等值网络的节点导纳矩阵YN的行列式，Δai为YN中第a行、第i列元素的代数余子式；Δci为YN中第c行、第i列元素的代数余子式；a和c为支路i关联节点所对应的节点编号。
所述的步骤B中，潮流转移路径的识别方法为预先剔除潮流因子为零的支路，并依照潮流转移因子大小进行严重度分类：
所述的步骤C中，某支路故障后其余各支路的潮流为其中，为线路i故障前线路m电流，λim为线路i对线路m的潮流转移因子，为故障前线路i电流。
所述的步骤C中，整定比率为：其中，为线路m电流，为线路m保护整定值。
所述步骤C中，线路i故障造成线路m连锁跳闸概率为其中，β为线路m的整定比率。
所述的线路状态转移是指线路状态从正常运行状态转变成停止运行状态，线路正常运行状态为1，线路停止运行状态为0。
所述步骤D中，线路m状态转移率计算方法为pflow_m＝p(m)+[1-p(m)]p(m|i)p(i)，其中，p(m)为气象因素导致线路m出现状态转移的概率，p(i)为恶劣气象影响下线路i的故障率，p(m|i)为线路i引起线路m状态改变的概率。
本发明将机理分析与回归分析有机结合，构建以线路故障概率为因变量和气象因子为自变量的回归模型，从而计算出恶劣气象下线路故障概率；然后，应用潮流转移因子对恶劣天气下故障支路切除后的潮流转移情况进行预测，实现了潮流转移路径的识别和潮流转移严重等级划分，考虑潮流转移后支路电流不确定性建立保护动作概率模型，得到线路保护动作跳闸概率；最后，通过综合恶劣天气下首条支路故障概率和下条支路保护动作概率来描述恶劣天气下线路状态转移的可能性指标，从而构建了一种新的恶劣天气条件下线路状态转移概率描述模型。
附图说明
图1为本发明的流程示意图；
图2为本发明所述保护动作连锁跳闸概率图。
图3为本发明所述整定比率与线路运行状态转移关系图。
具体实施方式
如图1所示，本发明包括以下步骤：
A：采用回归模型建立方法，辨识模型参数，构建以线路故障概率为因变量指标和以气象因子为自变量指标的回归模型，并借助模型检验统计量判定相关度模型的拟合程度和模型参数的可靠性；
B：应用潮流转移因子分析方法，综合考虑电力系统拓扑结果图与电网参数，计算某支路断线后其它各支路的潮流转移因子，进行系统潮流转移路径的识别与潮流转移严重等级划分；
C：利用步骤B中计算出的潮流转移因子，计算某支路故障后其余各支路的潮流情况，并求解各支路整定比率，从而获得各支路连锁跳闸概率模型；
D：综合步骤A中建立的恶劣气象下线路故障概率模型和步骤C中计算出的各支路连锁跳闸概率模型，获得恶劣气象条件下线路状态转移概率模型。
本实施例中，本发明所述的恶劣天气下的电力系统线路状态转移概率预测分析方法具体包括以下步骤：
1.确定恶劣气象下线路故障概率回归模型：
本发明将机理分析与相关性分析有机结合，采用相关及回归等相关度模型建立方法，辨识模型参数，构建以线路故障概率为因变量指标、以气象因子为自变量指标的回归模型，回归模型为
其中，y是线路故障概率，X1、X2…Xg是自变量指标；为待求回归系数，θ为随机误差项；回归分析方法可采用多元回归分析法、逐步回归分析法、或逻辑回归分析法等等。在建立相关度模型后，借助模型检验统计量判定模型的拟合程度和模型参数的可靠性，模型检验统计量为以下三种中的一种：
①相关系数的平方r2，用于表征模型对回归指标的解释程度；
②检验统计量F，用于表征模型的显著程度；
③模型参数检验统计量t，用于表征模型参数的显著程度。
如，从机理分析中，可以得知大风与覆冰是造成输电线路断线的主要因素，而且可能在覆冰的恶劣气象环境中携带着大风这种恶劣气象。因此，可以构建模型如Y为某输电线路故障概率，X为大风风速，Z为覆冰厚度的回归模型：
Y＝β0+β1X+β2Z+β3XZ+ε，其中，β0、β1、β2和β3为待求回归系数，ε为随机误差项。
2.进行系统潮流转移路径的识别与潮流转移严重等级划分：
2.1潮流转移因子计算：
潮流转移因子是指电网中发生支路切除事件后，被切除支路的原有潮流将按照一定的比例转移到电网中的其它支路上，将这一比例定义为潮流转移因子。潮流转移因子计算方式如下：
其中，Y1为发生支路i切除事件的潮流转移等值网络中由非接地支路构成的支路导纳矩阵；A1为等值网络中由非接地支路构成的关联矩阵；Δ为潮流转移等值网络的节点导纳矩阵YN的行列式，Δai为YN中第a行、第i列元素的代数余子式；Δci为YN中第c行、第i列元素的代数余子式；a和c为支路i关联节点所对应的节点编号。
2.2潮流转移严重等级划分
进行潮流转移因子筛选，剔除潮流转移因子为零的支路，并依照潮流转移因子大小进行严重度分类，得出各支路状态转移比例的分类级别为：
3.获得各支路连锁跳闸概率模型
3.1计算某支路故障后其余各支路潮流
利用步骤2.1中计算出的潮流转移因子，计算某支路故障后其余各支路的潮流情况，其支路i故障后，支路m上的潮流为：
其中，为线路i故障前线路m电流，λim为线路i对线路m的潮流转移因子，为故障前线路i电流。支路过载问题导致保护动作切除事件可认为是条件概率问题，因此，本发明定义支路实际电流与支路保护整定电流的比值称为整定比率，其计算公式如下所示：
其中，为线路m电流，为线路m保护整定值；
如图2所示，本发明考虑当整定比率小于0.85时，保护动作概率为零；整定比率大于1.25时，保护动作概率为1；整定比率在(0.85，1.25)区间时，保护动作概率呈线性增加，其线路i故障造成线路m连锁跳闸概率为：
其中，β为线路m的整定比率。
4.确定恶劣气象条件下线路状态转移概率模型
在复杂电网系统中，由于气象因素造成线路m出现状态转移的原因分为两种。一种为气象因素直接导致线路m出现状态变化的直接影响；另一种为由于线路i断开，导致线路m出现状态变化的间接影响。因此，本发明从以上两点入手，求得线路m出现状态转移的概率模型为：
pflow_m＝p(m)+[1-p(m)]p(m|i)p(i)，其中，p(m)为气象因素导致线路m出现状态转移的概率，p(i)为恶劣气象影响下线路i的故障率，p(m|i)为线路i引起线路m状态改变的概率，其中，p(m)、p(i)均可通过步骤1中所确定的恶劣气象下线路故障概率回归模型求出。
图3为本发明所述整定比率与线路运行状态μ转移关系图，由图3可知，当线路m的整定比率β为0.85时，为线路传输容量的越限警戒线；当线路m的整定比率β为1.25时，为线路状态转换点。所述的线路状态转移是指线路状态从正常运行状态转变成停止运行状态，线路正常运行状态为1，线路停止运行状态为0。
本方法的优点在于，利用潮流转移因子只取决于系统拓扑结构与电网参数的特性，在支路切除前可计算并便于向实时应用扩展；实现了系统潮流转移路径的识别和潮流转移严重等级划分，其计算结果与系统潮流收敛与否的情况无关；综合考虑天气直接和间接影响因素，实现了恶劣天气下线路状态转移概率的计算。
Claims (9)
1.一种恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于，包括以下步骤：
A：采用回归模型建立方法，辨识模型参数，构建以线路故障概率为因变量指标和以气象因子为自变量指标的回归模型，并借助模型检验统计量判定相关度模型的拟合程度和模型参数的可靠性；
B：应用潮流转移因子分析方法，综合考虑电力系统拓扑结果图与电网参数，计算某支路断线后其它各支路的潮流转移因子，进行系统潮流转移路径的识别与潮流转移严重等级划分；
C：利用步骤B中计算出的潮流转移因子，计算某支路故障后其余各支路的潮流情况，并求解各支路整定比率，从而获得各支路连锁跳闸概率模型；
D：综合步骤A中建立的恶劣气象下线路故障概率模型和步骤C中计算出的各支路连锁跳闸概率模型，获得恶劣气象条件下线路状态转移概率模型；其中，恶劣气象条件下线路m出现状态转移的概率模型为：
pflow_m＝p(m)+[1-p(m)]p(m|i)p(i)，其中，p(m)为气象因素导致线路m出现状态转移的概率，p(i)为恶劣气象影响下线路i的故障率，p(m|i)为线路i引起线路m状态改变的概率，p(m)、p(i)均可通过步骤A中所确定的恶劣气象下线路故障概率回归模型求出。
2.根据权利要求1所述的恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于：所述的步骤A中，以线路故障概率为因变量指标和以气象因子为自变量指标的回归模型为其中，y是线路故障概率，X1、X2…Xg是自变量指标；为待求回归系数，θ为随机误差项。
3.根据权利要求2所述的恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于：所述的步骤A中，模型检验统计量为以下三种中的一种：①相关系数的平方r2，用于表征模型对回归指标的解释程度；
②检验统计量F，用于表征模型的显著程度；
③模型参数检验统计量t，用于表征模型参数的显著程度。
4.根据权利要求3所述的恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于：所述的步骤B中，潮流转移因子计算方式如下：
其中，Y1为发生支路i切除事件的潮流转移等值网络中由非接地支路构成的支路导纳矩阵；A1为等值网络中由非接地支路构成的关联矩阵；Δ为潮流转移等值网络的节点导纳矩阵YN的行列式，Δai为YN中第a行、第i列元素的代数余子式；Δci为YN中第c行、第i列元素的代数余子式；a和c为支路i关联节点所对应的节点编号。
5.根据权利要求4所述的恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于：所述的步骤B中，潮流转移路径的识别方法为预先剔除潮流因子为零的支路，并依照潮流转移因子大小进行严重度分类：
6.根据权利要求5所述的恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于：所述的步骤C中，某支路故障后其余各支路的潮流为
其中，为线路i故障前线路m电流，λim为线路i对线路m的潮流转移因子，为故障前线路i电流。
7.根据权利要求6所述的恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于：所述的步骤C中，整定比率为：其中，为线路m电流，为线路m保护整定值。
8.根据权利要求7所述的恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于：所述步骤C中，线路i故障造成线路m连锁跳闸概率为其中，β为线路m的整定比率。
9.根据权利要求8所述的恶劣天气下的电力系统线路状态转移概率预测分析方法，其特征在于：所述的线路状态转移是指线路状态从正常运行状态转变成停止运行状态，线路正常运行状态为1，线路停止运行状态为0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310163139.3A CN103279808B (zh) | 2013-05-06 | 2013-05-06 | 恶劣天气下的电力系统线路状态转移概率预测分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310163139.3A CN103279808B (zh) | 2013-05-06 | 2013-05-06 | 恶劣天气下的电力系统线路状态转移概率预测分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103279808A CN103279808A (zh) | 2013-09-04 |
| CN103279808B true CN103279808B (zh) | 2017-03-29 |
Family
ID=49062320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310163139.3A Active CN103279808B (zh) | 2013-05-06 | 2013-05-06 | 恶劣天气下的电力系统线路状态转移概率预测分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103279808B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104156605A (zh) * | 2014-08-18 | 2014-11-19 | 浙江群力电气有限公司 | 机动车状态综合评估体系的建立方法及装置 |
| CN104462404B (zh) * | 2014-12-11 | 2018-03-23 | 华北电力大学（保定） | 电力系统潮流转移危险线路快速搜索方法 |
| CN104463376A (zh) * | 2014-12-24 | 2015-03-25 | 贵州电网公司电力调度控制中心 | 一种基于cim标准的电网连锁性事故灾害预测模型建模方法 |
| CN106327033B (zh) * | 2015-06-18 | 2020-08-28 | 中国电力科学研究院 | 一种基于马尔可夫过程的电力系统连锁故障解析方法 |
| CN105574614B (zh) * | 2015-12-15 | 2019-10-11 | 东北大学 | 基于多属性分析的电力系统线路脆弱度评估系统及方法 |
| CN105867347B (zh) * | 2016-03-29 | 2020-01-17 | 全球能源互联网研究院 | 一种基于机器学习技术的跨空间级联故障检测方法 |
| CN106845757B (zh) * | 2016-12-06 | 2020-09-29 | 北京四方继保自动化股份有限公司 | 一种电网潮流转移危害度评估方法 |
| CN106940869B (zh) * | 2017-03-10 | 2020-10-30 | 国网山东省电力公司经济技术研究院 | 考虑负荷不确定性的参考电网鲁棒优化评价方法 |
| CN109116184B (zh) * | 2018-07-05 | 2020-11-03 | 福建工程学院 | 一种计算电网对于连锁跳闸事件危险度的方法 |
| CN109933953B (zh) * | 2019-04-11 | 2023-04-07 | 东南大学 | 基于概率图模型的配电网开关状态辨识方法 |
| CN111082402B (zh) * | 2019-12-31 | 2022-01-07 | 西安理工大学 | 一种关于输电网连锁故障序列的预测方法 |
| CN113258573B (zh) * | 2021-05-10 | 2022-07-01 | 湖南大学 | 电力调配指令安全评估方法、系统与潮流计算方法及系统 |
-
2013
- 2013-05-06 CN CN201310163139.3A patent/CN103279808B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| "基于潮流转移因子的电力系统连锁跳闸风险评估";马瑞等;《电力系统自动化》;20080625;第32卷(第12期);第17-21页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103279808A (zh) | 2013-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103279808B (zh) | 恶劣天气下的电力系统线路状态转移概率预测分析方法 | |
| WO2022134596A1 (zh) | 一种计及新能源影响的主动配电网脆弱节点辨识方法 | |
| CN100438251C (zh) | 一种大型电力系统脆弱线路辨识的方法 | |
| CN104901306B (zh) | 一种考虑连锁故障的电网运行安全裕度计算方法 | |
| CN102214920A (zh) | 基于线路集群的电网连锁故障分析方法 | |
| CN101592700B (zh) | 基于事故链的大电网连锁故障分析方法 | |
| CN110210095B (zh) | 一种基于混合整数线性规划的配电网可靠性指标计算方法 | |
| CN102222890B (zh) | 一种计及恶劣天气因素的复杂电网连锁故障分析方法 | |
| CN108389002B (zh) | 一种基于n-1严重故障集的多重故障生成方法 | |
| CN105183952B (zh) | 一种基于分层时间模糊Petri网的输电网故障诊断方法 | |
| Aliyan et al. | Decision tree analysis to identify harmful contingencies and estimate blackout indices for predicting system vulnerability | |
| CN101917001A (zh) | 一种用于电力系统在线静态安全分析的故障排序方法 | |
| CN103440400A (zh) | 考虑灾害因素的电力系统短期风险判定方法 | |
| CN102934312A (zh) | 能量产生系统及其控制 | |
| Fu et al. | Vulnerability assessment for power grid based on small-world topological model | |
| CN103311926A (zh) | 基于统一潮流控制器的电力系统连锁故障模拟方法 | |
| Guohua et al. | Vulnerability assessment of bulk power grid based on complex network theory | |
| CN107633320A (zh) | 一种基于气象预测和风险评估的电网线路重要度评估方法 | |
| CN104750878A (zh) | 一种基于混合搜索策略的拓扑故障诊断方法 | |
| CN104166940A (zh) | 配电网运行风险评估方法及评估系统 | |
| CN103093097A (zh) | 基于规范切的电力系统脆弱断面识别方法 | |
| Tasdighi et al. | Preventing transmission distance relays maloperation under unintended bulk DG tripping using SVM-based approach | |
| CN106529763A (zh) | 一种配电系统运行分析方法和装置 | |
| CN106356846A (zh) | 一种基于时间的初期电网连锁故障模拟仿真方法 | |
| CN114186849A (zh) | 一种计及二次系统影响的电力系统连锁故障风险评估方法及其系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 450052 Songshan, Zhengzhou, Henan District No. 27 South Road, No. 85 Applicant after: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute Applicant after: CHANGSHA University OF SCIENCE AND TECHNOLOGY Applicant after: State Grid Corporation of China Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: State Grid Corporation of China Applicant before: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute Applicant before: CHANGSHA University OF SCIENCE AND TECHNOLOGY Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant after: State Grid Corporation of China Applicant after: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute Applicant after: CHANGSHA University OF SCIENCE AND TECHNOLOGY Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: State Grid Corporation of China Applicant before: HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute Applicant before: CHANGSHA University OF SCIENCE AND TECHNOLOGY |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |