CN104361531A - 变电站自动化系统的高风险故障设备的识别方法和系统 - Google Patents
变电站自动化系统的高风险故障设备的识别方法和系统 Download PDFInfo
- Publication number
- CN104361531A CN104361531A CN201410648796.1A CN201410648796A CN104361531A CN 104361531 A CN104361531 A CN 104361531A CN 201410648796 A CN201410648796 A CN 201410648796A CN 104361531 A CN104361531 A CN 104361531A
- Authority
- CN
- China
- Prior art keywords
- probability
- function
- logic
- malfunction
- secondary device
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000010586 diagram Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 230000007257 malfunction Effects 0.000 claims description 154
- 238000004891 communication Methods 0.000 claims description 39
- 230000001174 ascending effect Effects 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 230000008439 repair process Effects 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 8
- 238000004801 process automation Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 14
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
一种变电站自动化系统的高风险故障设备的识别方法和系统,其方法包括:获取变电站自动化系统的各项功能的属性信息,并绘制该功能的逻辑图;根据变电站自动化系统中各二次设备的历史数据计算各二次设备稳态故障概率;根据各二次设备稳态故障概率计算逻辑节点、逻辑连接的故障概率;进而计算功能的故障概率;根据功能的属性信息从预存信息中获取功能的功能类型权重值、一次设备类型权重值、一次设备电压等级权重值,并计算功能的有效状态评估值;将各个功能的有效状态评估值相加获得系统有效状态评估值,分别计算系统有效状态评估值对各二次设备的故障概率的偏导数,根据偏导数识别该系统的高风险故障设备。本方案可以识别高风险故障设备。
Description
技术领域
本发明涉及电力系统自动化技术领域,特别是涉及一种变电站自动化系统的高风险故障设备的识别方法和系统。
背景技术
当前,电网正经历着快速发展,智能电网战略的推进,给电网运行形态带来巨大变化。未来电网是电力、信息、能源综合一体的复杂大系统。作为智能电网的重要组成部分,智能变电站的建设能够实现设备信息和运行维护策略与电力调度全面互动,能够支撑电网实时控制、智能调节和各类高级应用。但是,由于智能变电站各种设备智能化的推进,使得站内一、二次系统的融合愈加紧密,在保证系统安全、经济运行的同时,也引入了新的安全影响因素,变电站自动化系统安全日益成为一个紧迫的问题。
传统的变电站自动化系统安全评估一般从安全防御角度提出构想,或单独从设备可靠性、信息系统安全防护设计和威胁因素等方面着手,关注影响系统安全的各个因素。获取自动化系统各设备的历史故障次数,从而推断出该系统的故障设备。采用这种方法,无法确定故障中影响最大的二次设备,从而无法对影响最大的二次设备进行预检修,影响变电站自动化系统的正常运行。
发明内容
基于此,有必要针对无法确定故障中影响最大的二次设备,从而无法对影响最大的二次设备进行预检修的问题,提供一种变电站自动化系统的高风险故障设备的识别方法和系统。
一种变电站自动化系统的高风险故障设备的识别方法,包括:
获取变电站自动化系统的各项功能的属性信息,所述属性信息包括功能类型、功能的一次设备类型、功能的一次设备电压等级、功能组成及交互信息;
根据所述功能的属性信息绘制该功能的逻辑图,其中,所述逻辑图包括逻辑节点和逻辑连接,逻辑节点为功能的各个操作对应的执行模块,逻辑连接为逻辑节点之间的通信连接;
根据变电站自动化系统中各二次设备的历史数据,获取二次设备的平均修复时间和平均故障间隔时间,并计算各二次设备稳态故障概率;
根据各所述二次设备稳态故障概率计算所述逻辑节点的故障概率和逻辑连接的故障概率;
根据所述逻辑节点的故障概率和逻辑连接的故障概率计算所述功能的故障概率;
根据所述功能的属性信息从预存信息中获取所述功能的功能类型权重值、一次设备类型权重值、一次设备电压等级权重值,根据所述功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值计算功能的有效状态评估值;
将各个功能的有效状态评估值相加获得系统有效状态评估值,分别计算系统有效状态评估值对各二次设备的故障概率的偏导数,将偏导数升序排列,将排列在前面预设数位的偏导数对应的二次设备识别为该系统的高风险故障设备。
一种变电站自动化系统的高风险故障设备的识别系统,包括:
属性信息获取模块,用于获取变电站自动化系统的各项功能的属性信息,所述属性信息包括功能类型、功能的一次设备类型、功能的一次设备电压等级、功能组成及交互信息;
逻辑图绘制模块,用于根据所述功能的属性信息绘制该功能的逻辑图,其中,所述逻辑图包括逻辑节点和逻辑连接,逻辑节点为功能的各个操作对应的执行模块,逻辑连接为逻辑节点之间的通信连接;
稳态故障概率计算模块,用于根据变电站自动化系统中各二次设备的历史数据,获取二次设备的平均修复时间和平均故障间隔时间,并计算各二次设备稳态故障概率;
第一故障概率计算模块,用于根据各所述二次设备稳态故障概率计算所述逻辑节点的故障概率和逻辑连接的故障概率;
第二故障概率计算模块,用于根据所述逻辑节点的故障概率和逻辑连接的故障概率计算所述功能的故障概率;
有效状态评估值计算模块,用于根据所述功能的属性信息从预存信息中获取所述功能的功能类型权重值、一次设备类型权重值、一次设备电压等级权重值,根据所述功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值计算功能的有效状态评估值;
故障设备识别模块,用于将各个功能的有效状态评估值相加获得系统有效状态评估值,分别计算系统有效状态评估值对各二次设备的故障概率的偏导数,将偏导数升序排列,将排列在前面预设数位的偏导数对应的二次设备识别为该系统的高风险故障设备。
上述变电站自动化系统的高风险故障设备的识别方法和系统,根据功能的属性信息确定功能正常运行所需的逻辑节点和逻辑连接,根据二次设备稳态故障概率计算逻辑节点的故障概率和逻辑连接的故障概率,从变电站自动化系统功能的逻辑图出发,计算功能的故障概率;综合属性信息中的功能类型、一次设备类型和依次设备电压等级,根据功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值获得功能的有效状态评估值,并将各个功能的有效状态评估值相加获得系统有效状态评估值,分别计算系统有效状态评估值对各二次设备的故障概率的偏导数,将偏导数升序排列,从而将排列在前面预设数位的偏导数对应的二次设备识别为该系统发生故障时影响最大的故障设备,即识别为高风险故障设备。从而可以对预测出的故障设备进行预检,为后续研究和运行人员掌握系统运行情况和系统高风险二次设备信息提供帮助。
附图说明
图1为本发明变电站自动化系统的高风险故障设备的识别方法实施例的流程示意图;
图2为本发明变电站自动化系统的高风险故障设备的识别系统实施例的结构示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细说明,但本发明的实施方式不限于此。
如图1所示,为本发明变电站自动化系统的高风险故障设备的识别方法实施例的流程示意图,包括步骤:
步骤S101:获取变电站自动化系统的各项功能的属性信息,所述属性信息包括功能类型、功能的一次设备类型、功能的一次设备电压等级、功能组成及交互信息;
可以预先依据IEC61850标准对变电站自动化系统的各个功能进行定义,获得每个功能的属性信息。属性信息包括功能类型、功能的一次设备类型、功能的一次设备电压等级、功能组成及交互信息,进一步的还可以包括功能描述、运行结果、性能等。
步骤S102:根据所述功能的属性信息绘制该功能的逻辑图,其中,所述逻辑图包括逻辑节点和逻辑连接,逻辑节点为功能的各个操作对应的执行模块,逻辑连接为逻辑节点之间的通信连接;
可以根据功能属性信息中的功能组成及交互信息绘制该功能的逻辑图,功能的逻辑图又可以称为功能逻辑结构图。每个功能都有对应的功能逻辑结构图。
功能:二次系统中独立执行某个任务的信息和物理实体的集合。功能由若干交换信息的逻辑节点和逻辑连接组成。例如遥控、遥调、自动发电控制功能。
二次设备:电力二次系统中客观存在的二次设备。例如:断路器、继电器,或者变电站计算机。
逻辑节点:电力二次系统中交换数据或执行任务的最小部分。逻辑节点是二次设备、电力软件和控制人员的整体或部分的行为和方法的抽象,代表二次设备内执行某项功能的某些操作。例如二次系统中负责模拟量采集的智能电子设备(intelligent electronic device,IED)可以抽象为电流互感器逻辑节点、电压互感器逻辑节点等。
逻辑连接:逻辑节点之间的通信连接,是信息传送的途径,具有方向性。逻辑连接可以视为对通信信道和通信设备的抽象。
功能的逻辑图(功能逻辑结构图):表示功能包含的逻辑节点、逻辑连接之间交互关系的图谱,即功能完成流程图。
步骤S103:根据变电站自动化系统中各二次设备的历史数据,获取二次设备的平均修复时间和平均故障间隔时间,并计算各二次设备稳态故障概率;
首先获取变电站自动化系统中各二次设备的历史平均修复时间和平均故障间隔时间,根据这些历史数据可以计算各二次设备稳态故障概率。稳态故障概率,顾名思义发生故障的概率。
具体的,可以采用以下公式计算各二次设备稳态故障概率:
其中,pe表示二次设备稳态故障概率,MTTR表示二次设备的平均修复时间,MTBF表示二次设备的平均故障间隔时间。
步骤S104:根据各所述二次设备稳态故障概率计算所述逻辑节点的故障概率和逻辑连接的故障概率;
逻辑节点的故障概率即逻辑节点发生故障的概率,逻辑连接的故障概率即逻辑连接发生故障的概率。二次设备稳态故障概率计算每个功能对应的逻辑节点的故障概率和逻辑连接的故障概率。
步骤S105:根据所述逻辑节点的故障概率和逻辑连接的故障概率计算所述功能的故障概率;
功能的故障概率即功能发生故障的概率。由于功能由逻辑节点和逻辑连接组成,因此可以根据逻辑节点的故障概率和逻辑连接的故障概率计算功能的故障概率。
步骤S106:根据所述功能的属性信息从预存信息中获取所述功能的功能类型权重值、一次设备类型权重值、一次设备电压等级权重值,根据所述功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值计算功能的有效状态评估值;
预先给各功能类型设置对应的功能类型权重值,给各一次设备类型设置对应一次设备类型权重值,给一次设备电压等级设置对应一次设备电压等级权值。预存信息包括功能类型与功能类型权重值关系表、一次设备类型与一次设备类型权重值关系表、一次设备电压等级与一次设备电压等级权值关系表。
根据所述功能的属性信息从预存信息中获取所述功能的功能类型权重值、一次设备类型权重值、一次设备电压等级权重值步骤,包括:根据功能的属性信息中的功能类型、功能的一次设备类型、功能的一次设备电压等级从预存信息中查找对应的功能类型权重值、一次设备类型权重值、一次设备电压等级权重值。
功能的有效状态评估值又可以称为功能状态评价值,是评估功能有效状态的值。综合考虑功能类型与失效概率、功能作用的一次设备的类别和电压等级可以确定功能的有效状态评估值。该步骤可以计算出每个功能对应的有效状态评估值。
步骤S107:将各个功能的有效状态评估值相加获得系统有效状态评估值,分别计算系统有效状态评估值对各二次设备的故障概率的偏导数,将偏导数升序排列,将排列在前面预设数位的偏导数对应的二次设备识别为该系统的高风险故障设备。
将偏导数升序排列,排列在最前的偏导数最小,该偏导数对应的二次设备则为该变电站自动化系统最薄弱的设备,即发生故障时影响最大的二次设备。影响最大或较大的二次设备可以称为该系统的高风险故障设备。可以根据偏导数排序选出高风险故障设备。预设数位可以是1位,也可以是3位,具体根据需要设定。
本实施例根据功能的属性信息确定功能正常运行所需的逻辑节点和逻辑连接,根据二次设备稳态故障概率计算逻辑节点的故障概率和逻辑连接的故障概率,从变电站自动化系统功能的逻辑图出发,计算功能的故障概率;综合属性信息中的功能类型、一次设备类型和依次设备电压等级,根据功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值获得功能的有效状态评估值,并将各个功能的有效状态评估值相加获得系统有效状态评估值,分别计算系统有效状态评估值对各二次设备的故障概率的偏导数,将偏导数升序排列,从而将排列在前面预设数位的偏导数对应的二次设备识别为该系统发生故障时影响最大的故障设备。从而可以对预测出的故障设备进行预检,为后续研究和运行人员掌握系统运行情况和系统高风险二次设备信息提供帮助。
计算所述逻辑节点的故障概率和逻辑连接的故障概率的方法有很多种,在其中一个实施例中,所述根据各所述二次设备稳态故障概率计算所述逻辑节点的故障概率和逻辑连接的故障概率步骤,包括:
检测逻辑节点所属的二次设备,将所述逻辑节点的故障概率取值为该二次设备的稳态故障概率;
当逻辑连接为同一二次设备内的两个逻辑节点之间的连接时,将所述逻辑连接的故障概率取值为该二次设备的稳态故障概率;
当逻辑连接为不同二次设备内的两个逻辑节点之间的连接时,获取连接e1和e2的通信通道中交换机的数量及其故障概率,获取连接e1和e2的通信通道中通信线路的数量及其故障概率,采用以下公式确定e1和e2内逻辑节点的逻辑连接的故障概率:
其中,e1和e2表示两个不同的二次设备,plc表示逻辑连接的故障概率,m表示连接e1和e2的通信通道中交换机的数量;表示第i个交换机的故障概率;n表示连接e1和e2的通信通道中通信线路的数量;表示第j个通信线路的故障概率。
换句话说,二次设备内部所有逻辑节点具有相同的故障率,统一用该二次设备的稳态故障概率表示。即:对于分布于二次设备e的逻辑连接ln,其故障率pln=pe,pe为二次设备e的稳态故障概率。
连接同一二次设备内两个逻辑节点的逻辑连接的故障率,用该二次设备的稳态故障概率表示。即:对于连接分布于二次设备e的逻辑节点ln1和ln2的逻辑连接lc,其故障率plc=pe,pe为二次设备e的稳态故障概率。
连接两个不同二次设备内逻辑节点的逻辑连接的故障概率,用相关通信设备的稳态故障概率表示。
采用上述方法计算出来的逻辑节点的故障概率和逻辑连接的故障概率准确率高,从而可以使后续确定高风险故障设备的准确率高。
在计算功能的故障概率时,可以满足以下原则:
1)功能包含的任一逻辑节点或逻辑连接故障,该功能即失效,且逻辑节点和逻辑连接只有工作和失效两种状态。
2)不考虑功能失效的连锁效应,即认为功能失效互相独立。
3)不考虑时序配合、通信延时。
例如,在其中一个实施例中,所述根据所述逻辑节点的故障概率和逻辑连接的故障概率计算所述功能的故障概率步骤,包括:
根据所述功能的逻辑图,分别判断逻辑节点和逻辑连接是否有冗余,获得有冗余的逻辑节点、有冗余的逻辑连接、无冗余的逻辑节点和无冗余的逻辑连接,其中,逻辑节点有冗余是该逻辑节点存在备用逻辑节点,逻辑连接有冗余是该逻辑连接存在备用逻辑连接;
采用以下公式计算功能无冗余故障概率:
其中,p1表示功能无冗余故障概率,m表示无冗余的逻辑节点的数量,n表示无冗余的逻辑连接的数量,表示第i个无冗余的逻辑节点的故障概率,为第j个无冗余的逻辑连接的故障概率;
采用以下公式计算功能有冗余故障概率:
其中,p2表示功能有冗余故障概率,m表示有冗余的逻辑节点的数量,n表示有冗余的逻辑连接的数量,表示第i个有冗余的逻辑节点的故障概率,表示第j个有冗余的逻辑连接的失效概率;
采用以下公式计算功能的故障概率:
pf=1-(1-p1)(1-p2)
其中,pf表示功能的故障概率,p1表示功能无冗余故障概率,p2表示功能有冗余故障概率。
有冗余又可以称为双重冗余。逻辑节点有冗余是该逻辑节点存在备用逻辑节点,逻辑连接有冗余是该逻辑连接存在备用逻辑连接。即有冗余的逻辑节点是存在备用逻辑节点的逻辑节点,有冗余的逻辑连接是存在备用逻辑连接的逻辑连接。无冗余的逻辑节点是不存在备用逻辑节点的逻辑节点,无冗余的逻辑连接是不存在备用逻辑连接的逻辑连接。
本实施例具体公开了如何计算功能无冗余故障概率、功能有冗余故障概率,以及如何根据功能无冗余故障概率和功能有冗余故障概率计算功能的故障概率的方法,进一步提高了确定功能故障概率的准确性。
在其中一个实施例中,还公开一种计算功能的有效状态评估值的方法,即所述根据所述功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值计算功能的有效状态评估值步骤,包括:
采用以下公式计算功能的有效状态评估值:
Sf=100×(1-pf)×ω1×ω2×ω3
其中,Sf表示该功能的有效状态评估值,pf表示该功能的故障概率,ω1表示该功能的功能类型权重值,ω2表示该功能的一次设备类型权重值,ω3表示该功能的一次设备电压等级权重值。
在其中一个实施例中,所述功能类型包括系统支持功能、系统配置功能、运行或控制功能、本地过程自动化功能、分布式自动化支持功能、分布式过程自动化功能;
和/或
所述一次设备类型包括线路、变压器、母线;
和/或
所述一次设备电压等级包括500KV、220KV、110KV、35KV及以下。
采用这种方式划分功能类型、一次设备类型、一次设备电压等级,在保证功能的有效状态评估值准确度的前提了,减少了计算量,提高了计算效率。
以上述划分为依据,举其中一种预存信息为例进行说明,即预存信息可以包括表1-功能类型与功能类型权重值关系表、表2-一次设备类型与一次设备类型权重值关系表、表3-一次设备电压等级与一次设备电压等级权值关系表。
表1-功能类型与功能类型权重值关系表
功能类型 | 系统支持功能 | 系统配置功能 | 运行或控制功能 |
取值 | 0.3 | 0.3 | 1 |
功能类型 | 本地过程自动化功能 | 分布式自动化支持功能 | 分布式过程自动化功能 |
取值 | 0.9 | 0.8 | 0.8 |
表2-一次设备类型与一次设备类型权重值关系表
一次设备类型 | 线路 | 变压器 | 母线 |
取值 | 0.8 | 0.8 | 1 |
表3-一次设备电压等级与一次设备电压等级权值关系表
一次设备电压等级 | 500kV | 220kV | 110kV | 35kV及以下 |
取值 | 1 | 0.8 | 0.6 | 0.3 |
以上实施方式中的各种技术特征可以任意进行组合,只要特征之间的组合不存在冲突或矛盾,但是限于篇幅,未进行一一描述,因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。
根据上述方法,本发明还提供一种变电站自动化系统的高风险故障设备的识别系统,如图2所示,为本发明变电站自动化系统的高风险故障设备的识别系统实施例的结构示意图,包括:
属性信息获取模块210,用于获取变电站自动化系统的各项功能的属性信息,所述属性信息包括功能类型、功能的一次设备类型、功能的一次设备电压等级、功能组成及交互信息;
逻辑图绘制模块220,用于根据所述功能的属性信息绘制该功能的逻辑图,其中,所述逻辑图包括逻辑节点和逻辑连接,逻辑节点为功能的各个操作对应的执行模块,逻辑连接为逻辑节点之间的通信连接;
稳态故障概率计算模块230,用于根据变电站自动化系统中各二次设备的历史数据,获取二次设备的平均修复时间和平均故障间隔时间,并计算各二次设备稳态故障概率;
第一故障概率计算模块240,用于根据各所述二次设备稳态故障概率计算所述逻辑节点的故障概率和逻辑连接的故障概率;
第二故障概率计算模块250,用于根据所述逻辑节点的故障概率和逻辑连接的故障概率计算所述功能的故障概率;
有效状态评估值计算模块260,用于根据所述功能的属性信息从预存信息中获取所述功能的功能类型权重值、一次设备类型权重值、一次设备电压等级权重值,根据所述功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值计算功能的有效状态评估值;
故障设备识别模块270,用于将各个功能的有效状态评估值相加获得系统有效状态评估值,分别计算系统有效状态评估值对各二次设备的故障概率的偏导数,将偏导数升序排列,将排列在前面预设数位的偏导数对应的二次设备识别为该系统的高风险故障设备。
在其中一个实施例中,所述第一故障概率计算模块用于:
检测逻辑节点所属的二次设备,将所述逻辑节点的故障概率取值为该二次设备的稳态故障概率;
当逻辑连接为同一二次设备内的两个逻辑节点之间的连接时,将所述逻辑连接的故障概率取值为该二次设备的稳态故障概率;
当逻辑连接为不同二次设备内的两个逻辑节点之间的连接时,获取连接e1和e2的通信通道中交换机的数量及其故障概率,获取连接e1和e2的通信通道中通信线路的数量及其故障概率,采用以下公式确定e1和e2内逻辑节点的逻辑连接的故障概率:
其中,e1和e2表示两个不同的二次设备,plc表示逻辑连接的故障概率,m表示连接e1和e2的通信通道中交换机的数量;表示第i个交换机的故障概率;n表示连接e1和e2的通信通道中通信线路的数量;表示第j个通信线路的故障概率。
在其中一个实施例中,所述第二故障概率计算模块,用于:
根据所述功能的逻辑图,分别判断逻辑节点和逻辑连接是否有冗余,获得有冗余的逻辑节点、有冗余的逻辑连接、无冗余的逻辑节点和无冗余的逻辑连接,其中,逻辑节点有冗余是该逻辑节点存在备用逻辑节点,逻辑连接有冗余是该逻辑连接存在备用逻辑连接;
采用以下公式计算功能无冗余故障概率:
其中,p1表示功能无冗余故障概率,m表示无冗余的逻辑节点的数量,n表示无冗余的逻辑连接的数量,表示第i个无冗余的逻辑节点的故障概率,为第j个无冗余的逻辑连接的故障概率;
采用以下公式计算功能有冗余故障概率:
其中,p2表示功能有冗余故障概率,m表示有冗余的逻辑节点的数量,n表示有冗余的逻辑连接的数量,表示第i个有冗余的逻辑节点的故障概率,表示第j个有冗余的逻辑连接的失效概率;
采用以下公式计算功能的故障概率:
pf=1-(1-p1)(1-p2)
其中,pf表示功能的故障概率,p1表示功能无冗余故障概率,p2表示功能有冗余故障概率。
在其中一个实施例中,所述有效状态评估值计算模块,用于:
采用以下公式计算功能的有效状态评估值:
Sf=100×(1-pf)×ω1×ω2×ω3
其中,Sf表示该功能的有效状态评估值,pf表示该功能的故障概率,ω1表示该功能的功能类型权重值,ω2表示该功能的一次设备类型权重值,ω3表示该功能的一次设备电压等级权重值。
以上实施方式中的各种技术特征可以任意进行组合,只要特征之间的组合不存在冲突或矛盾,但是限于篇幅,未进行一一描述,因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。
本发明的变电站自动化系统的高风险故障设备的识别系统与本发明的变电站自动化系统的高风险故障设备的识别方法是一一对应的,上述变电站自动化系统的高风险故障设备的识别方法实施例中的相关技术特征及其技术效果均适用于变电站自动化系统的高风险故障设备的识别系统实施例中,在此不再赘述。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种变电站自动化系统的高风险故障设备的识别方法,其特征在于,包括:
获取变电站自动化系统的各项功能的属性信息,所述属性信息包括功能类型、功能的一次设备类型、功能的一次设备电压等级、功能组成及交互信息;
根据所述功能的属性信息绘制该功能的逻辑图,其中,所述逻辑图包括逻辑节点和逻辑连接,逻辑节点为功能的各个操作对应的执行模块,逻辑连接为逻辑节点之间的通信连接;
根据变电站自动化系统中各二次设备的历史数据,获取二次设备的平均修复时间和平均故障间隔时间,并计算各二次设备稳态故障概率;
根据各所述二次设备稳态故障概率计算所述逻辑节点的故障概率和逻辑连接的故障概率;
根据所述逻辑节点的故障概率和逻辑连接的故障概率计算所述功能的故障概率;
根据所述功能的属性信息从预存信息中获取所述功能的功能类型权重值、一次设备类型权重值、一次设备电压等级权重值,根据所述功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值计算功能的有效状态评估值;
将各个功能的有效状态评估值相加获得系统有效状态评估值,分别计算系统有效状态评估值对各二次设备的故障概率的偏导数,将偏导数升序排列,将排列在前面预设数位的偏导数对应的二次设备识别为该系统的高风险故障设备。
2.根据权利要求1所述的变电站自动化系统的高风险故障设备的识别方法,其特征在于,所述根据各所述二次设备稳态故障概率计算所述逻辑节点的故障概率和逻辑连接的故障概率步骤,包括:
检测逻辑节点所属的二次设备,将所述逻辑节点的故障概率取值为该二次设备的稳态故障概率;
当逻辑连接为同一二次设备内的两个逻辑节点之间的连接时,将所述逻辑连接的故障概率取值为该二次设备的稳态故障概率;
当逻辑连接为不同二次设备内的两个逻辑节点之间的连接时,获取连接e1和e2的通信通道中交换机的数量及其故障概率,获取连接e1和e2的通信通道中通信线路的数量及其故障概率,采用以下公式确定e1和e2内逻辑节点的逻辑连接的故障概率:
其中,e1和e2表示两个不同的二次设备,plc表示逻辑连接的故障概率,m表示连接e1和e2的通信通道中交换机的数量;表示第i个交换机的故障概率;n表示连接e1和e2的通信通道中通信线路的数量;表示第j个通信线路的故障概率。
3.根据权利要求1所述的变电站自动化系统的高风险故障设备的识别方法,其特征在于,所述根据所述逻辑节点的故障概率和逻辑连接的故障概率计算所述功能的故障概率步骤,包括:
根据所述功能的逻辑图,分别判断逻辑节点和逻辑连接是否有冗余,获得有冗余的逻辑节点、有冗余的逻辑连接、无冗余的逻辑节点和无冗余的逻辑连接,其中,逻辑节点有冗余是该逻辑节点存在备用逻辑节点,逻辑连接有冗余是该逻辑连接存在备用逻辑连接;
采用以下公式计算功能无冗余故障概率:
其中,p1表示功能无冗余故障概率,m表示无冗余的逻辑节点的数量,n表示无冗余的逻辑连接的数量,表示第i个无冗余的逻辑节点的故障概率,为第j个无冗余的逻辑连接的故障概率;
采用以下公式计算功能有冗余故障概率:
其中,p2表示功能有冗余故障概率,m表示有冗余的逻辑节点的数量,n表示有冗余的逻辑连接的数量,表示第i个有冗余的逻辑节点的故障概率,表示第j个有冗余的逻辑连接的失效概率;
采用以下公式计算功能的故障概率:
pf=1-(1-p1)(1-p2)
其中,pf表示功能的故障概率,p1表示功能无冗余故障概率,p2表示功能有冗余故障概率。
4.根据权利要求1至3任意一项所述的变电站自动化系统的高风险故障设备的识别方法,其特征在于,所述根据所述功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值计算功能的有效状态评估值步骤,包括:
采用以下公式计算功能的有效状态评估值:
Sf=100×(1-pf)×ω1×ω2×ω3
其中,Sf表示该功能的有效状态评估值,pf表示该功能的故障概率,ω1表示该功能的功能类型权重值,ω2表示该功能的一次设备类型权重值,ω3表示该功能的一次设备电压等级权重值。
5.根据权利要求1至3任意一项所述的变电站自动化系统的高风险故障设备的识别方法,其特征在于,采用以下公式计算各二次设备稳态故障概率:
其中,pe表示二次设备稳态故障概率,MTTR表示二次设备的平均修复时间,MTBF表示二次设备的平均故障间隔时间。
6.根据权利要求1至3任意一项所述的变电站自动化系统的高风险故障设备的识别方法,其特征在于,
所述功能类型包括系统支持功能、系统配置功能、运行或控制功能、本地过程自动化功能、分布式自动化支持功能、分布式过程自动化功能;
和/或
所述一次设备类型包括线路、变压器、母线;
和/或
所述一次设备电压等级包括500KV、220KV、110KV、35KV及以下。
7.一种变电站自动化系统的高风险故障设备的识别系统,其特征在于,包括:
属性信息获取模块,用于获取变电站自动化系统的各项功能的属性信息,所述属性信息包括功能类型、功能的一次设备类型、功能的一次设备电压等级、功能组成及交互信息;
逻辑图绘制模块,用于根据所述功能的属性信息绘制该功能的逻辑图,其中,所述逻辑图包括逻辑节点和逻辑连接,逻辑节点为功能的各个操作对应的执行模块,逻辑连接为逻辑节点之间的通信连接;
稳态故障概率计算模块,用于根据变电站自动化系统中各二次设备的历史数据,获取二次设备的平均修复时间和平均故障间隔时间,并计算各二次设备稳态故障概率;
第一故障概率计算模块,用于根据各所述二次设备稳态故障概率计算所述逻辑节点的故障概率和逻辑连接的故障概率;
第二故障概率计算模块,用于根据所述逻辑节点的故障概率和逻辑连接的故障概率计算所述功能的故障概率;
有效状态评估值计算模块,用于根据所述功能的属性信息从预存信息中获取所述功能的功能类型权重值、一次设备类型权重值、一次设备电压等级权重值,根据所述功能的故障概率、功能类型权重值、一次设备类型权重值、一次设备电压等级权重值计算功能的有效状态评估值;
故障设备识别模块,用于将各个功能的有效状态评估值相加获得系统有效状态评估值,分别计算系统有效状态评估值对各二次设备的故障概率的偏导数,将偏导数升序排列,将排列在前面预设数位的偏导数对应的二次设备识别为该系统的高风险故障设备。
8.根据权利要求7所述的变电站自动化系统的高风险故障设备的识别系统,其特征在于,所述第一故障概率计算模块用于:
检测逻辑节点所属的二次设备,将所述逻辑节点的故障概率取值为该二次设备的稳态故障概率;
当逻辑连接为同一二次设备内的两个逻辑节点之间的连接时,将所述逻辑连接的故障概率取值为该二次设备的稳态故障概率;
当逻辑连接为不同二次设备内的两个逻辑节点之间的连接时,获取连接e1和e2的通信通道中交换机的数量及其故障概率,获取连接e1和e2的通信通道中通信线路的数量及其故障概率,采用以下公式确定e1和e2内逻辑节点的逻辑连接的故障概率:
其中,e1和e2表示两个不同的二次设备,plc表示逻辑连接的故障概率,m表示连接e1和e2的通信通道中交换机的数量;表示第i个交换机的故障概率;n表示连接e1和e2的通信通道中通信线路的数量;表示第j个通信线路的故障概率。
9.根据权利要求7所述的变电站自动化系统的高风险故障设备的识别系统,其特征在于,所述第二故障概率计算模块,用于:
根据所述功能的逻辑图,分别判断逻辑节点和逻辑连接是否有冗余,获得有冗余的逻辑节点、有冗余的逻辑连接、无冗余的逻辑节点和无冗余的逻辑连接,其中,逻辑节点有冗余是该逻辑节点存在备用逻辑节点,逻辑连接有冗余是该逻辑连接存在备用逻辑连接;
采用以下公式计算功能无冗余故障概率:
其中,p1表示功能无冗余故障概率,m表示无冗余的逻辑节点的数量,n表示无冗余的逻辑连接的数量,表示第i个无冗余的逻辑节点的故障概率,为第j个无冗余的逻辑连接的故障概率;
采用以下公式计算功能有冗余故障概率:
其中,p2表示功能有冗余故障概率,m表示有冗余的逻辑节点的数量,n表示有冗余的逻辑连接的数量,表示第i个有冗余的逻辑节点的故障概率,表示第j个有冗余的逻辑连接的失效概率;
采用以下公式计算功能的故障概率:
pf=1-(1-p1)(1-p2)
其中,pf表示功能的故障概率,p1表示功能无冗余故障概率,p2表示功能有冗余故障概率。
10.根据权利要求7至9任意一项所述的变电站自动化系统的高风险故障设备的识别系统,其特征在于,所述有效状态评估值计算模块,用于:
采用以下公式计算功能的有效状态评估值:
Sf=100×(1-pf)×ω1×ω2×ω3
其中,Sf表示该功能的有效状态评估值,pf表示该功能的故障概率,ω1表示该功能的功能类型权重值,ω2表示该功能的一次设备类型权重值,ω3表示该功能的一次设备电压等级权重值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410648796.1A CN104361531B (zh) | 2014-11-14 | 2014-11-14 | 变电站自动化系统的高风险故障设备的识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410648796.1A CN104361531B (zh) | 2014-11-14 | 2014-11-14 | 变电站自动化系统的高风险故障设备的识别方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104361531A true CN104361531A (zh) | 2015-02-18 |
CN104361531B CN104361531B (zh) | 2018-03-30 |
Family
ID=52528789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410648796.1A Active CN104361531B (zh) | 2014-11-14 | 2014-11-14 | 变电站自动化系统的高风险故障设备的识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104361531B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122254A (zh) * | 2016-02-25 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种计算机修复控制方法及系统、修复方法及系统 |
CN108320079A (zh) * | 2018-01-04 | 2018-07-24 | 浙江大学 | 考虑信息系统连接与传输的电力二次系统风险评估方法 |
CN111492632A (zh) * | 2017-12-22 | 2020-08-04 | 瑞典爱立信有限公司 | 用于预测网络节点的状态改变的系统和方法 |
CN111639141A (zh) * | 2020-05-26 | 2020-09-08 | 李云祥 | 数据测试方法、装置及计算机终端 |
CN112564845A (zh) * | 2019-09-10 | 2021-03-26 | 华为技术有限公司 | 一种确定逻辑连接的方法和相关设备 |
CN113052473A (zh) * | 2021-03-31 | 2021-06-29 | 贵州电网有限责任公司 | 一种基于故障率和静态安全分析的电网风险分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102723775A (zh) * | 2012-04-26 | 2012-10-10 | 上海市电力公司 | 一种智能变电站二次系统可靠性评估方法 |
-
2014
- 2014-11-14 CN CN201410648796.1A patent/CN104361531B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102723775A (zh) * | 2012-04-26 | 2012-10-10 | 上海市电力公司 | 一种智能变电站二次系统可靠性评估方法 |
Non-Patent Citations (3)
Title |
---|
侯伟宏 等: "数字化变电站系统可靠性与可用性研究", 《电力系统保护与控制》 * |
俞斌: "基于功能分解的电力二次系统风险评估方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
杜双育等: "基于IEC61850的变电站自动化系统可靠性评估", 《电力系统保护与控制》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122254A (zh) * | 2016-02-25 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种计算机修复控制方法及系统、修复方法及系统 |
CN107122254B (zh) * | 2016-02-25 | 2020-08-21 | 阿里巴巴集团控股有限公司 | 一种计算机修复控制方法及系统、修复方法及系统 |
CN111492632A (zh) * | 2017-12-22 | 2020-08-04 | 瑞典爱立信有限公司 | 用于预测网络节点的状态改变的系统和方法 |
US11570238B2 (en) | 2017-12-22 | 2023-01-31 | Telefonaktiebolaget Lm Ericsson (Publ) | System and method for predicting the state changes of network nodes |
CN111492632B (zh) * | 2017-12-22 | 2023-04-28 | 瑞典爱立信有限公司 | 用于预测网络节点的状态改变的系统和方法 |
CN108320079A (zh) * | 2018-01-04 | 2018-07-24 | 浙江大学 | 考虑信息系统连接与传输的电力二次系统风险评估方法 |
CN108320079B (zh) * | 2018-01-04 | 2021-12-24 | 浙江大学 | 考虑信息系统连接与传输的电力二次系统风险评估方法 |
CN112564845A (zh) * | 2019-09-10 | 2021-03-26 | 华为技术有限公司 | 一种确定逻辑连接的方法和相关设备 |
CN111639141A (zh) * | 2020-05-26 | 2020-09-08 | 李云祥 | 数据测试方法、装置及计算机终端 |
CN111639141B (zh) * | 2020-05-26 | 2023-08-15 | 湖北华中电力科技开发有限责任公司 | 数据测试方法、装置及计算机终端 |
CN113052473A (zh) * | 2021-03-31 | 2021-06-29 | 贵州电网有限责任公司 | 一种基于故障率和静态安全分析的电网风险分析方法 |
CN113052473B (zh) * | 2021-03-31 | 2024-03-22 | 贵州电网有限责任公司 | 一种基于故障率和静态安全分析的电网风险分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104361531B (zh) | 2018-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104361531A (zh) | 变电站自动化系统的高风险故障设备的识别方法和系统 | |
CN106021596B (zh) | 一种电网故障电流冲击拓扑图的分析方法 | |
CN103336222B (zh) | 基于模糊推理脉冲神经膜系统的电力系统故障诊断方法 | |
CN103278746B (zh) | 考虑不确定信息的电网故障诊断系统的实现方法 | |
CN104931857B (zh) | 一种基于d-s证据理论的配电网故障定位方法 | |
CN101673965B (zh) | 一种电力系统广域备用电源自动投切控制方法 | |
CN101666841B (zh) | 一种数字化变电站电子式互感器的故障诊断方法 | |
CN111049266B (zh) | 一种面向调控业务的智能化秒级复电方法和系统 | |
CN103020713A (zh) | 一种结合拓扑与继电保护逻辑的智能变电站故障诊断方法 | |
CN104504607A (zh) | 一种基于模糊聚类算法的光伏电站故障诊断方法 | |
CN104657913A (zh) | 一种基于全数据模型的智能告警系统 | |
CN103414169B (zh) | 基于电网调度自动化系统的继电保护防误系统及工作方法 | |
CN103259333B (zh) | 智能告警及故障综合分析系统 | |
CN104463696A (zh) | 电网运行风险识防方法及系统 | |
CN104009467A (zh) | 一种计及预安排停电影响的配电网可靠性评估和预测方法 | |
CN109490702A (zh) | 一种基于自适应优化脉冲神经膜系统的故障诊断方法 | |
CN102570450A (zh) | 一种适用于复杂电网的静态可靠性评估方法 | |
CN107491876A (zh) | 一种智能变电站保护系统的风险评估方法 | |
CN106972517A (zh) | 基于双极对称特征的特高压直流输电系统可靠性计算方法 | |
CN105703356A (zh) | 电力系统多重故障后恢复系统安全的调度方法 | |
CN105656036A (zh) | 考虑潮流和灵敏度一致性等值的概率静态安全分析方法 | |
CN104680239A (zh) | 一种基于元件失效模型的配电网检修方案优化方法及装置 | |
CN104201766B (zh) | 基于电源点追踪确定备自投时序及组合的方法 | |
CN105117840A (zh) | 一种考虑信息系统作用的电力系统风险评估方法 | |
CN102868218A (zh) | 常规变电站进行智能化改造中监控系统改造的过渡方法 |
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 |