CN104123682B - 一种基于气象影响因素的配网故障风险评估方法 - Google Patents
一种基于气象影响因素的配网故障风险评估方法 Download PDFInfo
- Publication number
- CN104123682B CN104123682B CN201410361584.5A CN201410361584A CN104123682B CN 104123682 B CN104123682 B CN 104123682B CN 201410361584 A CN201410361584 A CN 201410361584A CN 104123682 B CN104123682 B CN 104123682B
- Authority
- CN
- China
- Prior art keywords
- meteorological
- failure
- cluster
- data
- distribution network
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 40
- 238000012502 risk assessment Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000000694 effects Effects 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 3
- 238000007792 addition Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Abstract
本发明公开了一种基于气象影响因素的配网故障风险评估方法,其特征在于,包括如下步骤:1)历史气象数据抽取及特征化;2)利用Canopy算法计算得到历史气象数据的初始中心点;3)利用K‑Means算法计算得到气象簇;4)抽取电网故障数据并与气象数据关联;5)将电网故障数据与气象簇进行关联映射;6)计算得出各个气象簇的故障气象熵;7)根据电网区域的天气预报数据,与气象簇进行关联,并根据对应气象簇的故障气象熵得到其故障风险评估等级。本发明旨在建立配网故障与气象各因素之间的关联关系并进行量化,进而利用天气预报对配网故障进行风险评估和预警。
Description
技术领域
本发明涉及一种基于气象影响因素的配网故障风险评估方法,属于电力系统的电网故障分析领域。
背景技术
配网作为电网向用户供电的最终环节,直接影响着社会正常生产生活秩序。由于地域分散、线路分支多、新旧设备混杂等因素,配网故障数量较高,约占整个电网故障数量的70%左右。配网故障的成因很多,如外力破坏、树线矛盾、恶劣天气、设备老化等。其中外力破坏具有偶然性,一般难以预测;而其他类型故障往往与天气有关,是由气象因素直接或间接造成的。目前,福建、江苏等多个网省电力公司都建立了电网气象监测预警系统,然而这些系统往往只在台风、冰雹、飓风等强对流气象下对所涉及的电网区域进行预警,并未将电网故障与常规的温度、湿度、风速和雨量等气象因素进行量化关联分析和预警提示。
因此,找出配网故障与气象各因素之间的关联关系并进行量化,进而利用天气预报对配网故障进行风险评估和预警具有重要的意义。
发明内容
本发明所要解决的是克服现有配网故障缺乏有效风险评估与预警手段的问题,提供一种基于气象影响因素的配网故障风险评估方法。
为解决上述技术问题,本发明提供一种基于气象影响因素的配网故障风险评估方法,其特征在于,包括以下步骤:
步骤1:历史气象数据抽取及特征化;
步骤2:利用Canopy算法计算得到历史气象数据的初始中心点;
步骤3:利用K-Means算法计算得到气象簇;
步骤4:抽取电网故障数据并与气象数据关联;
步骤5:将电网故障数据与气象簇进行关联映射;
步骤6:计算得出各个气象簇的故障气象熵;
步骤7:根据电网区域的天气预报数据,与气象簇进行关联,并根据对应气象簇的故障气象熵得到其故障风险评估等级;
前述的基于气象影响因素的配网故障风险评估方法,其特征在于,
所述步骤1包括:
步骤1a:从气象信息系统中获取全省各自动气象站历史气象数据,取1-2年的数据,气象数据至少包括温度、湿度、雨量和风速因素;
步骤1b:将所有气象数据转换为特征值数据,直接使用数据值作为特征值,并根据数据重要程度设置权重系数,默认值均为1。
前述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤2具体为:取历史气象数据的温度、湿度、风速和雨量四个维度的值,利用Canopy聚类算法确定所有气象特征值初始中心点,对于Canopy算法的距离值参数t1和t2,初始设定为t1=30,t2=15。
前述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤3具体为:在步骤2得到所有气象特征值初始中心点的基础上,分别通过K-Means聚类算法生成气象簇,并得到各个气象簇对应的中心坐标值;K-Means最大迭代次数默认为20。
前述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤4具体为:从电网故障辅助分析系统中获取全省电网故障数据并与气象数据进行关联,首先根据故障原因将与气象无关的故障排除,然后对于每一条故障根据故障的发生时间和地理坐标到气象历史数据库中进行匹配,获取故障发生时的天气情况。
前述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤5具体为:利用步骤4中得到的电网故障气象数据与步骤3中计算得到的气象簇进行映射关联,计算故障气象数据与各气象簇中心点的欧式距离,并将故障与距离最小的气象簇中心点进行关联。
前述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤6具体为:在步骤5的基础上,对于每个气象簇计算其对应的故障气象熵,故障气象熵是一种用于量化故障气象统计相对率的指标,其计算公式为:故障气象熵=(气象簇所关联的故障数量/总故障数量)/(气象簇包含的气象数量/总气象数量)。
前述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤7包括:
步骤7a:从格点天气预报中获取各电网区域的天气预报值计算该值与各气象簇中心点的欧式距离,取欧式距离最小的中心点,所述中心点所在气象簇即为该格点区域所属的气象簇;
步骤7b:根据格点区域所属的气象簇的故障气象熵给出该预报值对应的故障风险评估等级,故障风险评估等级根据故障气象熵规范化得到,取值区间为[0,4],各整数区间分别表示安全、黄色预警、橙色预警和红色预警。
前述的基于气象影响因素的配网故障风险评估方法,其特征在于,还包括以下步骤:进行气象要素因素增删和权重的调整,气象簇参数的变更,气象簇及故障气象熵的滚动更新计算,以实现对整个模型进行优化与完善。
本发明的有益效果是,在配网故障与气象历史数据的基础上,建立配网故障与气象各因素之间的关联模型并进行量化,进而利用天气预报对配网故障进行风险评估和预警,为配网调度、巡检和抢修提供辅助决策支持。
附图说明
附图1是本发明所述的一种基于气象影响因素的配网故障风险评估方法总体流程。
具体实施方式
下面将结合附图对本发明做更详细的说明。
参照图1所示,一种基于气象影响因素的配网故障风险评估方法,其特征在于,利用聚类分析技术建立气象簇,并用故障气象熵对配网故障与气象簇之间的关联度进行量化,进而可以利用天气预报对配网故障进行风险评估和预警。
为了有效地运用本方法,至少应保证具备一年完整的配网故障数据和历史气象数据。其中,配网故障数据应具备以下字段:故障发生时间、故障发生地点经纬度坐标、所属变电站、故障设备名称、故障电压等级、故障原因等;历史气象数据应具备以下字段:数据时间、气象站经纬度坐标、气象站id、温度、湿度、风速、雨量等。本方法包括以下七个步骤:
步骤一:历史气象数据抽取及特征化。从气象信息系统中获取全省各自动气象站历史气象数据,至少应包含温度、湿度、风速和雨量四个字段。可以直接使用数据值作为特征值,并根据数据重要程度设置权重系数,默认值均为1。在此过程中,应丢弃空值和异常值。由于历史气象数据量较大,典型的自动气象站10分钟一条数据,一年一个气象站数据量可达52560,全省近1000各个气象站一年数据量可达到5千多万。为了减少后续步骤的计算量,可以根据需要采用抽样的方式来减少数据量。具体抽样方法可以从时间和空间上进行数据削减,如:增大数据时间间隔,或减掉一部分自动气象站,或将前两者结合起来使用。值得注意的是应保证抽样的典型性和均匀性,从而不造成数据特征有大的失真。
步骤二:计算得到历史气象数据的初始中心点(以温度、湿度、风速和雨量四个维度的值来进行表征)。利用Canopy聚类算法确定所有气象特征值初始中心点,Canopy算法的距离值参数t1、t2需要结合特征值进行考虑。初始可以设定t1=30,t2=15,后期可以根据实际效果调整参数值。
步骤三:计算得到气象簇(以温度、湿度、风速和雨量四个维度的值来进行表征气象簇的中心点)。在步骤二得到气象特征值初始中心点的基础上,通过k-means聚类算法生成气象簇,并得到所有气象簇的中心坐标值。k-means算法的距离测量方法默认为平方欧几里得距离测量方法,最大迭代次数默认为20,该参数可以在后期根据实验效果进行适当调整。
步骤四:抽取电网故障数据并与气象数据关联。从电网故障辅助分析系统中获取全省电网故障数据,并与气象数据进行关联。首先根据故障原因将人为外力破坏等与气象无关的故障排除,接着对于每一条故障根据故障的发生时间和地理坐标到气象历史数据库中进行匹配,即:先根据故障发生地点找到距离最近的自动气象站,再获取该自动气象站与故障发生时间最为接近的一条气象数据;
步骤五:将电网故障数据与气象簇关联映射。利用步骤四中得到的电网故障气象数据与步骤三中计算得到的气象簇进行映射关联,具体做法是计算故障气象数据与各气象簇中心点的欧式距离,并将故障与距离最小的气象簇(中心点)进行关联。经过该步骤,所有的电网故障数据都被归类划分到各个气象簇之中。
步骤六:计算得出各个气象簇的故障气象熵。在步骤五的基础上,对于每个气象簇计算其对应的故障气象熵。故障气象熵是一种用于量化故障气象统计相对率的指标,其计算公式为:故障气象熵=(气象簇所关联的故障数量/总故障数量)/(气象簇包含的气象数量/总气象数量)
步骤七:根据电网区域的天气预报数据,计算获得其故障风险评估等级。首先,从格点天气预报中获取各电网区域的天气预报值,计算该值与各气象簇中心的欧式距离,取距离最小的中心点,从而得出其所属的气象簇。然后根据该气象簇的故障气象熵给出该预报值对应的故障风险评估等级。故障风险评估等级可根据故障气象熵规范化得到,建议取值区间为[0,4],各整数区间分别表示安全、黄色预警、橙色预警和红色预警。
步骤八:模型的优化和完善。根据实际应用结果,对整个模型进行优化与完善,如进行气象要素因素增删和权重的调整,气象簇参数的变更,气象簇及故障气象熵的滚动更新计算等。
步骤二和步骤三运算时间较长,建议在基于Hadoop的大数据平台上利用Mahout组件来进行并行计算,以提高计算的效率。
以上已以较佳实施例公开了本发明,然其并非用以限制本发明,凡采用等同替换或者等效变换方式所获得的技术方案,均落在本发明的保护范围之内。
Claims (8)
1.一种基于气象影响因素的配网故障风险评估方法,其特征在于,包括以下步骤:
步骤1:历史气象数据抽取及特征化;
步骤2:利用Canopy算法计算得到历史气象数据的初始中心点;
步骤3:利用K-Means算法计算得到气象簇;
步骤4:抽取电网故障数据并与气象数据关联;
步骤5:将电网故障数据与气象簇进行关联映射;
步骤6:计算得出各个气象簇的故障气象熵,故障气象熵是一种用于量化故障气象统计相对率的指标,其计算公式为:故障气象熵=(气象簇所关联的故障数量/总故障数量)/(气象簇包含的气象数量/总气象数量);
步骤7:根据电网区域的天气预报数据,与气象簇进行关联,并根据对应气象簇的故障气象熵得到其故障风险评估等级。
2.根据权利要求1所述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤1包括:
步骤1a:从气象信息系统中获取全省各自动气象站历史气象数据,取1-2年的数据,气象数据至少包括温度、湿度、雨量和风速因素;
步骤1b:将所有气象数据转换为特征值数据,直接使用数据值作为特征值,并根据数据重要程度设置权重系数,默认值均为1。
3.根据权利要求2所述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤2具体为:取历史气象数据的温度、湿度、风速和雨量四个维度的值,利用Canopy聚类算法确定所有气象特征值初始中心点,对于Canopy算法的距离值参数t1和t2,初始设定为t1=30,t2=15。
4.根据权利要求3所述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤3具体为:在步骤2得到所有气象特征值初始中心点的基础上,分别通过K-Means聚类算法生成气象簇,并得到各个气象簇对应的中心坐标值;K-Means最大迭代次数默认为20。
5.根据权利要求4所述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤4具体为:从电网故障辅助分析系统中获取全省电网故障数据并与气象数据进行关联,首先根据故障原因将与气象无关的故障排除,然后对于每一条故障根据故障的发生时间和地理坐标到气象历史数据库中进行匹配,获取故障发生时的天气情况。
6.根据权利要求5所述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤5具体为:利用步骤4中得到的电网故障气象数据与步骤3中计算得到的气象簇进行映射关联,计算故障气象数据与各气象簇中心点的欧式距离,并将故障与距离最小的气象簇进行关联。
7.根据权利要求6所述的基于气象影响因素的配网故障风险评估方法,其特征在于,所述步骤7包括:
步骤7a:从格点天气预报中获取各电网区域的天气预报值计算该值与各气象簇中心点的欧式距离,取欧式距离最小的中心点,所述中心点所在气象簇即为该格点区域所属的气象簇;
步骤7b:根据格点区域所属的气象簇的故障气象熵给出该预报值对应的故障风险评估等级,故障风险评估等级根据故障气象熵规范化得到,取值区间为[0,4],各整数区间分别表示安全、黄色预警、橙色预警和红色预警。
8.根据权利要求7所述的基于气象影响因素的配网故障风险评估方法,其特征在于,还包括以下步骤:进行气象要素因素增删和权重的调整,气象簇参数的变更,气象簇及故障气象熵的滚动更新计算,以实现对整个模型进行优化与完善。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410361584.5A CN104123682B (zh) | 2014-07-28 | 2014-07-28 | 一种基于气象影响因素的配网故障风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410361584.5A CN104123682B (zh) | 2014-07-28 | 2014-07-28 | 一种基于气象影响因素的配网故障风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104123682A CN104123682A (zh) | 2014-10-29 |
CN104123682B true CN104123682B (zh) | 2017-08-04 |
Family
ID=51769082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410361584.5A Active CN104123682B (zh) | 2014-07-28 | 2014-07-28 | 一种基于气象影响因素的配网故障风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104123682B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504616A (zh) * | 2014-12-22 | 2015-04-08 | 国家电网公司 | 基于gis和气象信息的存在运行风险的电网设备定位方法 |
CN104698343B (zh) * | 2015-03-26 | 2016-06-08 | 广东电网有限责任公司电力调度控制中心 | 基于历史录波数据的电网故障判断方法和系统 |
CN105654229A (zh) * | 2015-11-26 | 2016-06-08 | 国家电网公司 | 一种电网自动化系统及设备运行状态风险评估算法 |
CN106484838A (zh) * | 2016-09-30 | 2017-03-08 | 中国南方电网有限责任公司 | 基于数据挖掘的安全检查标准库动态更新方法 |
CN108062555A (zh) * | 2016-11-08 | 2018-05-22 | 南京理工大学 | 基于Spark流式聚类的监测数据预警系统 |
CN107220775B (zh) * | 2017-06-01 | 2020-04-07 | 东北大学 | 一种考虑信息系统作用的有源配电网多视角协同脆弱性评估方法 |
CN109002924B (zh) * | 2018-07-23 | 2020-08-07 | 山东鲁能软件技术有限公司 | 一种配网故障抢修预测分析系统及方法 |
CN109272057A (zh) * | 2018-11-21 | 2019-01-25 | 北京国网富达科技发展有限责任公司 | 一种雷害冰灾的聚类分析方法、设备及系统 |
CN109359700A (zh) * | 2018-11-21 | 2019-02-19 | 北京国网富达科技发展有限责任公司 | 一种输电线路外力破坏的分析方法、设备及系统 |
CN109559036A (zh) * | 2018-11-28 | 2019-04-02 | 国网山东省电力公司泰安供电公司 | 故障风险分析方法、装置及电子设备 |
CN109670690A (zh) * | 2018-12-07 | 2019-04-23 | 泰康保险集团股份有限公司 | 数据信息中心监控预警方法、系统及设备 |
CN110705824A (zh) * | 2019-08-30 | 2020-01-17 | 广东电网有限责任公司 | 一种基于聚类分析和关联分析的电压暂降分析方法 |
CN110990792B (zh) * | 2019-12-05 | 2023-05-16 | 国网湖南省电力有限公司 | 考虑气象因素的电网设备覆冰故障率计算方法 |
CN111882173A (zh) * | 2020-07-07 | 2020-11-03 | 国网浙江省电力有限公司杭州供电公司 | 基于气象信息的电网静态安全风险评估系统及评估方法 |
CN112561278A (zh) * | 2020-12-08 | 2021-03-26 | 国网吉林省电力有限公司 | 一种基于物联网和故障树的输电线路运营风险应对方法 |
CN113159365B (zh) * | 2020-12-31 | 2023-04-18 | 广东电网有限责任公司电力科学研究院 | 一种输变电设备污秽监测预警方法及装置 |
CN113269509A (zh) * | 2021-04-01 | 2021-08-17 | 国网河南省电力公司电力科学研究院 | 一种电力气象数据库的构建方法 |
CN113379143A (zh) * | 2021-06-23 | 2021-09-10 | 阳光电源股份有限公司 | 一种典型气象年的构建方法、发电量预测方法及相关装置 |
CN113408656B (zh) * | 2021-07-14 | 2022-12-27 | 广东电网有限责任公司广州供电局 | 一种适用于由气象变化引起电力故障级别分类方法 |
CN115222142A (zh) * | 2022-07-29 | 2022-10-21 | 贵州电网有限责任公司 | 一种极端气象条件下输变电变压器设备故障预测分析方法 |
CN115146881B (zh) * | 2022-09-05 | 2023-01-13 | 广东电网有限责任公司江门供电局 | 一种低压分布式光伏系统不良数据检测方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033855A (zh) * | 2012-12-12 | 2013-04-10 | 江苏省电力公司电力科学研究院 | 电网气象灾害监测预警系统 |
CN103810533A (zh) * | 2013-08-15 | 2014-05-21 | 国家电网公司 | 一种基于云模型的配电网故障风险识别方法 |
-
2014
- 2014-07-28 CN CN201410361584.5A patent/CN104123682B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033855A (zh) * | 2012-12-12 | 2013-04-10 | 江苏省电力公司电力科学研究院 | 电网气象灾害监测预警系统 |
CN103810533A (zh) * | 2013-08-15 | 2014-05-21 | 国家电网公司 | 一种基于云模型的配电网故障风险识别方法 |
Non-Patent Citations (3)
Title |
---|
基于云计算的并行K-means气象数据挖掘研究与应用;潘吴斌;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140215(第2期);第9-18页 * |
基于气象信息的电网风险预警系统应用;李俊;《广西电力》;20131031;第36卷(第5期);第25-27页 * |
基于气象环境的电力设备状态检修策略研究;李磊;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20140215(第2期);第25-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104123682A (zh) | 2014-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123682B (zh) | 一种基于气象影响因素的配网故障风险评估方法 | |
CN104091209B (zh) | 基于bp神经网络的风电机组功率特性评估方法 | |
CN102629294B (zh) | 台风引发输电线路故障的概率评估方法 | |
CN111257970B (zh) | 一种基于集合预报的降水预报订正方法及系统 | |
CN103837769B (zh) | 一种输电线路雷害预警方法及其系统 | |
CN107316163A (zh) | 一种区域灾害风险评估方法 | |
Prasad et al. | Some of the design and methodology considerations in wind resource assessment | |
CN104252649A (zh) | 一种计及多风电场相关性的区域风电出力预测方法 | |
CN109118035B (zh) | 基于网格化预警信息的台风风涝灾害配电网风险评估方法 | |
CN105279612A (zh) | 一种基于泊松分布的输电线路跳闸风险评估方法 | |
CN104063750A (zh) | 基于改进ahp-反熵权的电力系统受灾影响的预测方法 | |
CN111612315A (zh) | 一种新型电网灾害性大风预警方法 | |
CN109167387A (zh) | 风场风电功率预测方法 | |
CN109784563B (zh) | 一种基于虚拟测风塔技术的超短期功率预测方法 | |
CN105095668B (zh) | 基于亚洲极涡因子的电网覆冰长期预报方法 | |
CN105117538B (zh) | 一种输电通道舞动预警方法 | |
CN104732058A (zh) | 一种多维度输电设备状态的评估方法 | |
CN104849776A (zh) | 一种结合动态修正的电网高低温精细化预警方法 | |
CN106650977A (zh) | 应用于新建风电场的短期功率预测方法 | |
CN108399503A (zh) | 一种架空输电线路鸟害故障预警方法 | |
CN106651128A (zh) | 一种输变电系统风险预警方法 | |
CN114862278B (zh) | 一种基于配网雷击数据的输电线雷击风险评估方法及系统 | |
CN107422180A (zh) | 一种基于云监控的光伏电站的功率预测系统 | |
CN113379142A (zh) | 一种基于风速修正和融合模型的短期风电功率预测方法 | |
CN114442198B (zh) | 一种基于加权算法的森林火险气象等级预报方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |