CN104143158A - 多气象因子的电力系统元件可靠性监控方法 - Google Patents

Abstract

本发明公开了一种多气象因子的电力系统元件可靠性监控方法，涉及电力系统可靠性分析领域。本发明多气象因子的电力系统元件可靠性监控方法包括以下步骤：a.计算电网元件的故障率；b.划分风险等级；c.计算气象因素的权重集；d.模糊综合判定；e.对评判结果进行处理。由于本发明多气象因子的电力系统元件可靠性监控方法，不仅考虑了多种不同气象因素下共同对元件故障率的影响，还考虑了各种气象因素的不同气象等级对故障率的影响，能准确的得到气候条件对元件故障率的影响，得到电力系统的风险等级，便于工作人员能准确及时的处理电力系统的隐患。

Description

多气象因子的电力系统元件可靠性监控方法

技术领域

本发明涉及电力系统可靠性分析领域，特别涉及一种多气象因子的电力系统元件可靠性监控方法。

背景技术

随着电网建设的快速发展，我国多数电网规模已经达到较高水平，但与高速发展的电网负荷和高可靠性的供电要求相比，部分偏远地区的电网结构还比较薄弱，威胁电网安全的因素比较多，特别是各种自然灾害（凝冻、雷暴、大风、山火等）对电网运行安全的影响范围最大、程度最深，很有可能导致电网灾难性事件，城市供电（特别是县城供电）可靠性也较差。因此，通过分析电网基于气象因素的元件可靠性参数的影响，建立气象的元件可靠性模型，以发布气象因素影响的元件可靠性指标体系和电力系统可靠性指标体系的形式，协助调度人员对当前电网运行状态下的安全隐患和潜在危险做出合理的判断，力求在故障发生之前使电网恢复稳定运行状态,对于防止电力系统大面积停电、保证系统安全正常运行有着非常重要的意义。

在电力系统中对电网元件可靠性的评估十分重要，而很多元件常常暴露在恶劣的环境因素下，所以必须考虑气候因素对电网元件的影响。在对元件可靠性分析时，元件的可靠性水平随着系统运行、气象因素的变化而变化，随不同气象因素的气象等级变化而变换。因此元件可靠性模型参数必须反映系统运行气象的变化。而现阶段分析在电网可靠性的研究较少，而且以往的研究一般只考虑单独一种气候因子对元件可靠性的影响，但一般在同一时刻会有多种气候因素影响元件，而且不同气候因素的不同等级也会对可靠性造成不同的影响。并且现有技术中，不考虑气象条件的电网可靠性模型，一条输电线路只涉及一个故障率，处在不同气象条件下的输电线路应有不同的故障率；而对于考虑气象条件的电网可靠性模型，仅考虑计算不同气象因素下的输电线路故障率，并没有考虑在一种气象因素条件下，由于气象等级不同其故障率的差异性，故障率差异较大。

发明内容

本发明的目的在于克服现有技术中所存在的上述不足，提供一种在多种不同气象因素及气候不同等级情况下研究气象因子对电力系统元件可靠性监控方法。

为了实现上述发明目的，本发明提供了以下技术方案：

一种多气象因子的电力系统元件可靠性监控方法，包括以下步骤：

a.计算电网元件的故障率：通过设置于电力系统的传感器收集电力系统元件的状态信息，所述状态信息包括气象因素，并通过故障率模型来计算第i种气象因素在气象等级x_i下电网元件的故障率其中i为正整数，其取值范围为[1，6]，的取值范围是[0,1]；

b.划分风险等级：将电力系统的风险等级划分为3个等级，即Ｖ＝｛Ｖ₁，Ｖ₂，Ｖ₃｝，其中Ｖ₁为故障状态，Ｖ₂为亚健康状态，Ｖ₃为健康状态，并利用三角隶属度函数来计算评判因素集中气象因素的隶属度；

c.计算气象因素的权重集：通过对各气象因素相对于风险等级的相对重要性两两比较得到判断矩阵∧，再由判断矩阵∧推导得到拟优矩阵∧*，利用方根法求得到∧*的特征向即气象因素的权重集；

d.模糊综合判定：由各个故障率的实际取值与对应的三角隶属度函数，得到灰色模糊评判矩阵在灰色模糊评判矩阵的模糊部分运算中采用（·）算子，得到电力系统元件可靠性分析综合评判结果

e.对评判结果进行处理：对电力系统元件可靠性分析综合评判结果采用内积法和最大隶属度相结合的方法进行处理，根据等式得到综合评判向量取范数，并根据评判等级的隶属度得到电力系统的风险等级。

优选的，在步骤a中，通过等式计算，其中，N_xi为第i种气象因素在气象等级x_i下输电线路发生故障的次数；为第i种气象因素下出现气象等级x_i的总次数。

优选的，在步骤a中，气象因素包括雷电ｍ₁、覆冰ｍ₂、降雨ｍ₃、风ｍ₄、冰雹ｍ₅、雪ｍ₆。

优选的，在步骤b中，所述三个风险等级相对于三个评判等级的隶属度μ₁、μ₂、μ₃分别为：

${\mathrm{\&mu;}}_1\left(x\right)=\left\{\begin{array}{c}1,x\&GreaterEqual;x_3\\ (x-x_2)/(x_3-x_2),x_2\&le;x<x_3\\ 0,x<x_2\end{array}\right.,$ ${\mathrm{\&mu;}}_2\left(x\right)=\left\{\begin{array}{c}(x_3-x)/(x_3-x_2),x_2\&le;x<x_3\\ 0,x\&GreaterEqual;x_3\mathrm{orx}\&le;x_2\\ (x-x_1)/(x_2-x_1),x_1\&le;x<x_2\end{array}\right.,$

${\mathrm{\&mu;}}_3\left(x\right)=\left\{\begin{array}{c}0,x\&GreaterEqual;x_2\\ (x_2-x)/(x_2-x_1),x_1\&le;x<x_2\\ 1,x<x_1\end{array}\right.,$ 其中，气象等级ｘ₃、ｘ₂、ｘ₁分别表示Ｖ₁～Ｖ₃三个等级的阈值。

优选的，在步骤e中，设b_i是的第i个向量，通过简化为求解范数来比较大小，则有：等式中，为向量b_i的内积。

与现有技术相比，本发明的有益效果：

由于本发明多气象因子的电力系统元件可靠性监控方法，不仅考虑了多种不同气象因素下共同对元件故障率的影响，还考虑了各种气象因素的不同气象等级对故障率的影响，能准确的得到气候条件对元件故障率的影响，得到电力系统的风险等级，便于工作人员能准确及时的处理电力系统的隐患。

附图说明：

图1为本发明多气象因子的电力系统元件可靠性监控方法的流程图。

图2为本发明多气象因子的电力系统元件可靠性监控方法中三角隶属度函数示意图。

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

实施例

一种多气象因子的电力系统元件可靠性监控方法，如图1所示，包括以下步骤：

a.计算电网元件的故障率：通过设置于电力系统的传感器收集电力系统元件的状态信息，所述状态信息包括气象因素，气象因素包括雷电ｍ₁、覆冰ｍ₂、降雨ｍ₃、风ｍ₄、冰雹ｍ₅、雪ｍ₆，并通过建立故障率模型来计算第i种气象因素在气象等级x_i下电网元件的故障率通过等式计算，其中，N_xi为第i种气象因素在气象等级x_i下输电线路发生故障的次数；为第i种气象因素下出现气象等级x_i的总次数。气象等级x_i根据气象部门的气候资料得到。

b.划分风险等级：将电力系统的风险等级划分为3个等级，即Ｖ＝｛Ｖ₁，Ｖ₂，Ｖ₃｝，其中Ｖ₁为故障状态，Ｖ₂为亚健康状态，Ｖ₃为健康状态，并利用三角隶属度函数来计算评判因素集中气象因素的隶属度，如图2所示；

所述三个风险等级相对于三个评判等级的隶属度μ₁、μ₂、μ₃分别为：

${\mathrm{\&mu;}}_1\left(x\right)=\left\{\begin{array}{c}1,x\&GreaterEqual;x_3\\ (x-x_2)/(x_3-x_2),x_2\&le;x<x_3\\ 0,x<x_2\end{array}\right.,$ ${\mathrm{\&mu;}}_2\left(x\right)=\left\{\begin{array}{c}(x_3-x)/(x_3-x_2),x_2\&le;x<x_3\\ 0,x\&GreaterEqual;x_3\mathrm{orx}\&le;x_2\\ (x-x_1)/(x_2-x_1),x_1\&le;x<x_2\end{array},\right.$

${\mathrm{\&mu;}}_3\left(x\right)=\left\{\begin{array}{c}0,x\&GreaterEqual;x_2\\ (x_2-x)/(x_2-x_1),x_1\&le;x<x_2\\ 1,x<x_1\end{array}\right.,$ 其中，气象等级ｘ₃、ｘ₂、ｘ₁分别表示Ｖ₁～Ｖ₃三个等级的阈值。

c.计算气象因素的权重集：通过对各气象因素相对于风险等级的相对重要性两两比较得到判断矩阵∧，再由判断矩阵∧推导得到拟优矩阵∧*，利用方根法求得到∧*的特征向即气象因素的权重集。

将气象因素雷电ｍ₁、覆冰ｍ₂、降雨ｍ₃、风ｍ₄、冰雹ｍ₅、雪ｍ₆相对于风险等级的相对重要性两两比较，按照表1所示的1-9标度表示：

表1  1-9标度表示

将两两比较的结果写成判断矩阵A。其中元素a_ij（ｉ，ｊ＝1，2，…，ｎ）表示评判因素ｍ_i和ｍ_j相比较的结果，且a_ij=1。当i≠j时，a_ij=1/a_ji，即标度具有互反性。

d.模糊综合判定：由各个故障率的实际取值与对应的三角隶属度函数，得到灰色模糊评判矩阵在灰色模糊评判矩阵的模糊部分运算中采用（·）算子，得到电力系统元件可靠性分析综合评判结果

e.对评判结果进行处理：对电力系统元件可靠性分析综合评判结果采用内积法和最大隶属度相结合的方法进行处理，根据等式得到综合评判向量取范数，并根据评判等级的隶属度得到电力系统的风险等级。

设b_i是的第i个向量，通过简化为求解范数来比较大小，则有：式中，为向量b_i的内积，即可根据||b_i||得出综合评判结论。

以某地区供电局管辖的220kV输电线路为例：

（1）计算电网元件的故障率：根据下一时段的气象因素，假设为雷电黄色预警，大雨，5级大风，下一时段不出现的气象因素为默认1级，结合表2，可得到各个气象因素下的线路故障率即：ｍ₁雷电为0.52、ｍ₂覆冰为0.0032、ｍ₃降雨为0.03、ｍ₄风为0.06、ｍ₅冰雹为0.0028、ｍ₆雪为0.003。

表2  各气象因素在不同气象等级下的故障率

（2）划分风险等级：针对风险等级的6个评判因素，根据输电线路运行、维修历史记录及相关数据库，假设图2中x₁～x₃取值分别为8，6，4,得出风险等级评判因素的评判标准，见表3。

表3  各气象因素的风险等级评判标准

（3）建立各因素的灰色模糊评判矩阵，计算气象因素的权重集：根据表3将表2的各个气象因数故障率实际值代入等式中，可得各个气象因素对应各隶属度的值，得到一个6×3的模糊评判矩阵具体如下所示：

$\hat{R}=\left[\begin{array}{ccc}1& 0& 0\\ 0& 0.625& 0.375\\ 0.15& 0.85& 0\\ 0& 1& 0\\ 0& 1& 0\\ 0& 0.6& 0.4\end{array}\right]$

（4）模糊综合判定：进行灰色模糊综合评判，由等式

$\hat{B}=\hat{W}\&CenterDot;\hat{R}{\&lsqb;(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i\&CenterDot;{\mathrm{\&mu;}}_{\mathrm{it}}\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}1\mathrm{\&Lambda;}(v_i+v_{\mathrm{it}}))\&rsqb;}_{1\&times;4}$ 可得到综合评判结果

$\hat{B}=\hat{W}\&CenterDot;\hat{R}=\&lsqb;\mathrm{0.3704,0.5627,0.0669}\&rsqb;$

（5）对评判结果进行处理：依据等式对得到的综合评判向量取范数，得‖b₁‖＝1.0653，‖b₂‖＝1.0607，‖b₃‖＝1.0110。根据最大隶属度原则可以判断该线路的风险级别为“亚健康状态”。

Claims (5)

1.一种多气象因子的电力系统元件可靠性监控方法，其特征在于，包括以下步骤：

a.计算电网元件的故障率：通过设置于电力系统的传感器收集电力系统元件的状态信息，所述状态信息包括气象因素，并通过故障率模型来计算第i种气象因素在气象等级x_i下电网元件的故障率其中i为正整数，其取值范围为[1，6]，的取值范围是[0,1]；

b.划分风险等级：将电力系统的风险等级划分为3个等级，即Ｖ＝｛Ｖ₁，Ｖ₂，Ｖ₃｝，其中Ｖ₁为故障状态，Ｖ₂为亚健康状态，Ｖ₃为健康状态，并利用三角隶属度函数来计算评判因素集中气象因素的隶属度；

c.计算气象因素的权重集：通过对各气象因素相对于风险等级的相对重要性两两比较得到判断矩阵∧，再由判断矩阵∧推导得到拟优矩阵∧*，利用方根法求得到∧*的特征向即气象因素的权重集；

d.模糊综合判定：由各个故障率的实际取值与对应的三角隶属度函数，得到灰色模糊评判矩阵在灰色模糊评判矩阵的模糊部分运算中采用（·）算子，得到电力系统元件可靠性分析综合评判结果

e.对评判结果进行处理：对电力系统元件可靠性分析综合评判结果采用内积法和最大隶属度相结合的方法进行处理，根据等式得到综合评判向量取范数，并根据评判等级的隶属度得到电力系统的风险等级。

2.根据权利要求1所述的多气象因子的电力系统元件可靠性监控方法，其特征在于，在步骤a中，通过等式计算，其中，N_xi为第i种气象因素在气象等级x_i下输电线路发生故障的次数；为第i种气象因素下出现气象等级x_i的总次数。

3.根据权利要求2所述的多气象因子的电力系统元件可靠性监控方法，其特征在于，在步骤a中，气象因素包括雷电ｍ₁、覆冰ｍ₂、降雨ｍ₃、风ｍ₄、冰雹ｍ₅、雪ｍ₆。

4.根据权利要求1所述的多气象因子的电力系统元件可靠性监控方法，其特征在于，在步骤b中，所述三个风险等级相对于三个评判等级的隶属度μ₁、μ₂、μ₃分别为：

${\mathrm{\&mu;}}_1\left(x\right)=\left\{\begin{array}{c}1,x\&GreaterEqual;x_3\\ (x-x_2)/(x_3-x_2),x_2\&le;x<x_3\\ 0,x<x_2\end{array}\right.,$ ${\mathrm{\&mu;}}_2\left(x\right)=\left\{\begin{array}{c}(x_3-x)/(x_3-x_2),x_2\&le;x<x_3\\ 0,x\&GreaterEqual;x_3\mathrm{orx}\&le;x_2\\ (x-x_1)/(x_2-x_1),x_1\&le;x<x_2\end{array}\right.,$

${\mathrm{\&mu;}}_3\left(x\right)=\left\{\begin{array}{c}0,x\&GreaterEqual;x_2\\ (x_2-x)/(x_2-x_1),x_1\&le;x<x_2\\ 1,x<x_1\end{array}\right.,$ 其中，气象等级ｘ₃、ｘ₂、ｘ₁分别表示Ｖ₁～Ｖ₃三个等级的阈值。

5.根据权利要求1所述的多气象因子的电力系统元件可靠性监控方法，其特征在于，在步骤e中，设b_i是的第i个向量，通过简化为求解范数来比较大小，则有：等式中，为向量b_i的内积。