CN106530141A - 基于差值算法的电力调度操作风险确定方法和装置 - Google Patents

Abstract

本发明提供了一种基于差值算法的电力调度操作风险确定方法和装置。其中，该方法包括：当接收到电力调度操作需求时，获取电力调度操作需求对应的电力系统的电力网络拓扑模型；通过电力系统的电力网络拓扑模型，对电力系统进行系统故障后果预测，生成第一系统风险参数；获取电力调度操作需求对应的电力调度操作行为；通过电力调度操作行为发生后的电力系统的电力网络拓扑模型，对电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标。本发明提高了电力调度操作风险分析的完备性。

Description

基于差值算法的电力调度操作风险确定方法和装置

技术领域

本发明涉及电力技术领域，尤其是涉及一种基于差值算法的电力调度操作风险确定方法和装置。

背景技术

随着经济的不断发展和电力需求的增加，电网规模和设备数量日益增加，且电力基础建设、技术改造和电网设备检修任务也增多，使得电网的调度工作越来越复杂。电网调度工作的任务是配合电网检修、改造和优化运行，其目的是为了最终实现电网的安全与经济运行。在电网调度工作中，当电网调度行为本身受到不确定因素影响后，不仅不能配合电网检修等行为，反而会给电网带来一定的风险。

现有的电力调度操作风险的分析重在关注操作失败的原因和产生的后果；然而，在实际的电力调度操作中，当电力调度操作成功后，电力系统的可靠性发生变化，也会存在一定的故障隐患；当电力系统的外界发生扰动时，系统可能发生相应的发展事故，进而产生严重影响。

针对上述电力调度操作风险分析完备性较差的问题，目前尚未提出有效的解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种基于差值算法的电力调度操作风险确定方法和装置，以提高电力调度操作风险分析的完备性。

第一方面，本发明实施例提供了一种基于差值算法的电力调度操作风险确定方法，包括：当接收到电力调度操作需求时，获取电力调度操作需求对应的电力系统的电力网络拓扑模型；通过电力系统的电力网络拓扑模型，对电力系统进行系统故障后果预测，生成第一系统风险参数；其中，系统故障后果预测包括功率平衡分析、系统网络结构的连通性识别分析、潮流分析、暂态和电压稳定性分析；第一系统风险参数包括电力系统对应的故障状态发生概率和故障状态后果参数；获取电力调度操作需求对应的电力调度操作行为，以及电力调度操作行为发生后的电力系统的电力网络拓扑模型；通过电力调度操作行为发生后的电力系统的电力网络拓扑模型，对电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；第二系统风险参数包括电力调度操作行为发生后的电力系统的故障状态发生概率和故障状态后果参数；对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述获取电力调度操作需求对应的电力调度操作行为之后，方法还包括：获取预先存储的电力调度操作行为对应的历史故障数据；根据历史故障数据，确定电力调度操作行为的事故集；其中，历史故障数据包括电力调度操作行为发生后，电力调度操作行为对应的电力系统的潮流变化值；电力调度操作行为包括断开目标线路。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标，包括：计算电力调度操作风险指标ΔR； 其中，C₀为电力调度操作行为的事故集，C₁为其他事故集；E为电力系统的所有状态集合，E＝C₀∪C₁∪{正常状态}，P为各事故发生概率；I_b,x(x∈C₀或C₁)为电力调度操作行为的事故集或其他事故集中，断开第x条线路事故对应的故障状态后果参数；I_a,x(x∈C₀或C₁)为同时断开目标线路和第x条线路事故对应的故障状态后果参数；I_b,n为电力系统的正常状态下的故障状态后果参数，I_a,n为系统正常状态下，断开目标线路对应的故障状态后果参数。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，上述方法还包括：判断其他事故集对应的线路与目标线路之间的电器距离是否大于预设的距离；如果是，计算I_a,n-I_b,n＝(I_a,n+I′_a,k)-(I_b,n+I′_b,k)＝(I_a,n-I_b,n)+(I′_a,k-I′_b,k)＝(I_a,n-I_b,n)k∈C₁；其中，I′_b,k为电力调度操作行为之前，其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数，I′_a,k为电力调度操作行为之后，其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，上述对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标，还包括：计算电力调度操作风险指标ΔR， 其中，

第二方面，本发明实施例提供了一种基于差值算法的电力调度操作风险确定装置，包括：第一获取模块，用于当接收到电力调度操作需求时，获取电力调度操作需求对应的电力系统的电力网络拓扑模型；第一预测模块，用于通过电力系统的电力网络拓扑模型，对电力系统进行系统故障后果预测，生成第一系统风险参数；其中，系统故障后果预测包括功率平衡分析、系统网络结构的连通性识别分析、潮流分析、暂态和电压稳定性分析；第一系统风险参数包括电力系统对应的故障状态发生概率和故障状态后果参数；第二获取模块，用于获取电力调度操作需求对应的电力调度操作行为，以及电力调度操作行为发生后的电力系统的电力网络拓扑模型；第二预测模块，用于通过电力调度操作行为发生后的电力系统的电力网络拓扑模型，对电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；第二系统风险参数包括电力调度操作行为发生后的电力系统的故障状态发生概率和故障状态后果参数；风险指标生成模块，用于对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，上述装置还包括：数据获取模块，用于获取预先存储的电力调度操作行为对应的历史故障数据；事故集确定模块，用于根据历史故障数据，确定电力调度操作行为的事故集；其中，历史故障数据包括电力调度操作行为发生后，电力调度操作行为对应的电力系统的潮流变化值；电力调度操作行为包括断开目标线路。

结合第二方面的第一种可能的实施方式，本发明实施例提供了第二方面的第二种可能的实施方式，其中，上述风险指标生成模块还用于计算电力调度操作风险指标ΔR； 其中，C₀为电力调度操作行为的事故集，C₁为其他事故集；E为电力系统的所有状态集合，E＝C₀∪C₁∪{正常状态}，P为各事故发生概率；I_b,x(x∈C₀或C₁)为电力调度操作行为的事故集或其他事故集中，断开第x条线路事故对应的故障状态后果参数；I_a,x(x∈C₀或C₁)为同时断开目标线路和第x条线路事故对应的故障状态后果参数；I_b,n为电力系统的正常状态下的故障状态后果参数，I_a,n为系统正常状态下，断开目标线路对应的故障状态后果参数。

结合第二方面的第二种可能的实施方式，本发明实施例提供了第二方面的第三种可能的实施方式，其中，上述装置还包括：判断模块，用于判断其他事故集对应的线路与目标线路之间的电器距离是否大于预设的距离；计算模块，用于当其他事故集对应的线路与目标线路之间的电器距离大于预设的距离时，计算I_a,n-I_b,n＝(I_a,n+I′_a,k)-(I_b,n+I′_b,k)＝(I_a,n-I_b,n)+(I′_a,k-I′_b,k)＝(I_a,n-I_b,n)k∈C₁；其中，I′_b,k为电力调度操作行为之前，其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数，I′_a,k为电力调度操作行为之后，其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数。

结合第二方面的第三种可能的实施方式，本发明实施例提供了第二方面的第四种可能的实施方式，其中，上述风险指标生成模块还用于计算电力调度操作风险指标ΔR； 其中，

本发明实施例带来了以下有益效果：

本发明实施例提供的一种基于差值算法的电力调度操作风险确定方法和装置，当接收到电力调度操作需求时，通过电力系统的电力网络拓扑模型对电力系统进行系统故障后果预测，生成第一系统风险参数；通过电力调度操作行为发生后的电力系统的电力网络拓扑模型，对电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；通过对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标。上述方式将电力调度操作行为发生前后的系统风险变化量作为电力调度操作行为的风险指标，可以精确地反应电力调度操作行为对电力系统产生的影响，从而提高了电力调度操作风险分析的完备性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于差值算法的电力调度操作风险确定方法的流程图；

图2为本发明实施例提供的电力调度操作风险来源故障树模型图；

图3为本发明实施例提供的一种基于差值算法的电力调度操作风险确定方法的具体流程图；

图4为本发明实施例提供的一种基于差值算法的电力调度操作风险确定装置的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对电力调度操作风险分析完备性较差的问题，本发明实施例提供了一种基于差值算法的电力调度操作风险确定方法和装置；该技术可以应用于电网的中长期规划和电网运行安全分析系统的对电力调度操作的风险评估中；下面通过实施例进行描述。

实施例一：

参见图1所示的一种基于差值算法的电力调度操作风险确定方法的流程图，该方法包括如下步骤：

步骤S102，当接收到电力调度操作需求时，获取该电力调度操作需求对应的电力系统的电力网络拓扑模型。

例如，上述电力调度操作需求可以为：电力调度系统中的部分线路(例如，线路Bus15～Bus24)需由运行转冷备用，此时该电力调度操作需求对应的电力系统的电力网络拓扑模型应当包括线路Bus15～Bus24和与线路Bus15～Bus24相关联的元件。

步骤S104，通过上述电力系统的电力网络拓扑模型，对电力系统进行系统故障后果预测，生成第一系统风险参数；其中，该系统故障后果预测包括功率平衡分析、系统网络结构的连通性识别分析、潮流分析、暂态和电压稳定性分析；上述第一系统风险参数包括电力系统对应的故障状态发生概率和故障状态后果参数。

通常，上述电力调度操作风险主要来源于以下三个方面：第一，元件本身发生故障，导致电力调度操作失败产生的风险；第二，调度操作成功后系统本身所存在的风险；第三，调度操作成功后系统可靠性降低产生的风险。电力调度操作可能会使电力网络拓扑发生变化，因此，本发明实施例提供的基于差值算法的电力调度操作风险确定方法中，将电力调度操作风险指标定义为电力调度操作前后系统运行风险指标的变化，该定义体现了电力调度操作的实质是系统运行状态的变化。因此，本发明实施例提供的基于差值算法的电力调度操作风险确定方法中，需要关注电力调度操作风险对系统运行状态的影响。

步骤S106，获取上述电力调度操作需求对应的电力调度操作行为，以及该电力调度操作行为发生后的电力系统的电力网络拓扑模型；

步骤S108，通过上述电力调度操作行为发生后的电力系统的电力网络拓扑模型，对该电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；该第二系统风险参数包括电力调度操作行为发生后的电力系统的故障状态发生概率和故障状态后果参数；

参见图2所示的电力调度操作风险来源故障树模型图；该图以电力调度操作风险为顶端事件，利用故障树原理解释调度操作风险模型；该图中，F1、F2、…、Fk为电力调度操作成功执行后的发展故障；C1、C2、…、Cm为导致电力调度操作识别的元件故障；N代表调度操作成果执行。

进一步，把电力调度操作风险转换为一系列与操作相关的系统状态风险，相应系统状态包括：操作失败状态集Sf、操作成功发展状态集Sd和操作成功状态Sn。电力调度操作风险状态主要分为实时操作风险状态和延时操作风险状态。

其中，上述实时操作风险状态Sn和Sf发生概率为P(Sn)＝P(N),P(Sf,i)＝P(Ci|F)P(F),其中，P(Sn)和P(Sf,i)分别为操作成功状态Sn和第i个操作失败状态发生的概率，P(N)和P(F)分别为操作成功和操作失败的概率，P(Ci|F)为操作失败条件下，元件故障Ci发生的比例。上述延时操作风险状态Sd发生概率为P(Sd,j)＝P(Fj|N)P(N),其中，P(Sd,j)为第j个操作成功发展状态发生的概率，P(Fj|N)为在操作成功条件下，第j个操作成功发展故障发生的概率。

步骤S110，对上述第一系统风险参数和上述第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标。

具体地，上述差值计算可用下式表示：ΔR＝R_a-R_b；其中，R_a为第二系统风险参数，即，电力调度操作之前系统的风险参数；R_b为第一系统风险参数，即，电力调度操作之后系统的风险参数。

本发明实施例提供的一种基于差值算法的电力调度操作风险确定方法，当接收到电力调度操作需求时，通过电力系统的电力网络拓扑模型对电力系统进行系统故障后果预测，生成第一系统风险参数；通过电力调度操作行为发生后的电力系统的电力网络拓扑模型，对电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；通过对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标。上述方式将电力调度操作行为发生前后的系统风险变化量作为电力调度操作行为的风险指标，可以精确地反应电力调度操作行为对电力系统产生的影响，从而提高了电力调度操作风险分析的完备性。

参见图3所示的一种基于差值算法的电力调度操作风险确定方法的具体流程图，上述一种基于差值算法的电力调度操作风险确定方法还可以以下述方式实现，包括如下步骤：

步骤S302，当接收到电力调度操作需求时，获取该电力调度操作需求对应的电力系统的电力网络拓扑模型；

步骤S304，通过上述电力系统的电力网络拓扑模型，对电力系统进行系统故障后果预测，生成第一系统风险参数；

步骤S306，获取上述电力调度操作需求对应的电力调度操作行为，以及该电力调度操作行为发生后的电力系统的电力网络拓扑模型；

上述获取电力调度操作需求对应的电力调度操作行为之后，方法还包括：

步骤S308，获取预先存储的上述电力调度操作行为对应的历史故障数据；

步骤S310，根据该历史故障数据，确定电力调度操作行为的事故集；其中，该历史故障数据包括电力调度操作行为发生后，电力调度操作行为对应的电力系统的潮流变化值；上述电力调度操作行为包括断开目标线路。

步骤S312，通过电力调度操作行为发生后的电力系统的电力网络拓扑模型，对该电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；

步骤S314，对上述第一系统风险参数和上述第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标。

具体地，上述步骤S314可以通过下述方式实现：

计算电力调度操作风险指标ΔR；

其中，C₀为电力调度操作行为的事故集，C₁为其他事故集；E为电力系统的所有状态集合，E＝C₀∪C₁∪{正常状态}，P为各事故发生概率；I_b,x(x∈C₀或C₁)为电力调度操作行为的事故集或其他事故集中，断开第x条线路事故对应的故障状态后果参数；I_a,x(x∈C₀或C₁)为同时断开目标线路和第x条线路事故对应的故障状态后果参数；I_b,n为电力系统的正常状态下的故障状态后果参数，I_a,n为系统正常状态下，断开目标线路对应的故障状态后果参数。

为了减小计算量，上述方法还包括如下步骤：

(1)判断其他事故集对应的线路与目标线路之间的电器距离是否大于预设的距离；

(2)如果是，计算I_a,n-I_b,n

＝(I_a,n+I′_a,k)-(I_b,n+I′_b,k)

＝(I_a,n-I_b,n)+(I′_a,k-I′_b,k)

＝(I_a,n-I_b,n)k∈C₁；

其中，I′_b,k为电力调度操作行为之前，其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数，I′_a,k为电力调度操作行为之后，其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数。

如果其他事故集C₁对应的线路与待操作的目标线路之间的电器距离较远，则可以认为其他事故集C₁对应的线路与待操作的目标线路之间仅存在弱耦合。因此，断开C₁中的线路造成的后果与断开目标线路造成的后果互不影响。

进一步，由于电力系统处于电力调度操作行为的事故集C₀、其他事故集C₁和正常状态的概率之和为1，因此，上述对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标，还可以通过下述方式实现：

计算电力调度操作风险指标ΔR

其中，

上述在计算电力调度操作风险指标ΔR的过程中，在考虑了电力系统的所有状态集合的条件下，将电力调度操作行为发生前后的系统风险变化量作为电力调度操作行为的风险指标进行计算；相较于现有技术中，风险指标的计算仅针对某一电力网络运行状态进行的计算方式，该方式可以精确地反应电力调度操作行为对电力系统产生的影响，从而提高了电力调度操作风险分析的完备性。

实施例二：

对应于上述方法实施例，参见图4所示的一种基于差值算法的电力调度操作风险确定装置的结构图，该装置包括如下部分：

第一获取模块402，用于当接收到电力调度操作需求时，获取电力调度操作需求对应的电力系统的电力网络拓扑模型；

第一预测模块404，用于通过电力系统的电力网络拓扑模型，对电力系统进行系统故障后果预测，生成第一系统风险参数；其中，该系统故障后果预测包括功率平衡分析、系统网络结构的连通性识别分析、潮流分析、暂态和电压稳定性分析；上述第一系统风险参数包括电力系统对应的故障状态发生概率和故障状态后果参数；

第二获取模块406，用于获取电力调度操作需求对应的电力调度操作行为，以及该电力调度操作行为发生后的电力系统的电力网络拓扑模型；

第二预测模块408，用于通过电力调度操作行为发生后的电力系统的电力网络拓扑模型，对电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；该第二系统风险参数包括电力调度操作行为发生后的电力系统的故障状态发生概率和故障状态后果参数；

风险指标生成模块410，用于对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标。

本发明实施例提供的一种基于差值算法的电力调度操作风险确定装置，当接收到电力调度操作需求时，通过电力系统的电力网络拓扑模型对电力系统进行系统故障后果预测，生成第一系统风险参数；通过电力调度操作行为发生后的电力系统的电力网络拓扑模型，对电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；通过对第一系统风险参数和第二系统风险参数进行差值计算，生成电力调度操作行为对应的电力调度操作风险指标。上述方式将电力调度操作行为发生前后的系统风险变化量作为电力调度操作行为的风险指标，可以精确地反应电力调度操作行为对电力系统产生的影响，从而提高了电力调度操作风险分析的完备性。

进一步，上述装置还包括：(1)数据获取模块，用于获取预先存储的电力调度操作行为对应的历史故障数据；(2)事故集确定模块，用于根据历史故障数据，确定电力调度操作行为的事故集；其中，该历史故障数据包括电力调度操作行为发生后，电力调度操作行为对应的电力系统的潮流变化值；上述电力调度操作行为包括断开目标线路。

具体地，上述风险指标生成模块还用于计算电力调度操作风险指标ΔR；

其中，C₀为电力调度操作行为的事故集，C₁为其他事故集；E为电力系统的所有状态集合，E＝C₀∪C₁∪{正常状态}，P为各事故发生概率；I_b,x(x∈C₀或C₁)为电力调度操作行为的事故集或其他事故集中，断开第x条线路事故对应的故障状态后果参数；I_a,x(x∈C₀或C₁)为同时断开目标线路和第x条线路事故对应的故障状态后果参数；I_b,n为电力系统的正常状态下的故障状态后果参数，I_a,n为系统正常状态下，断开目标线路对应的故障状态后果参数。

为了减小计算量，上述装置还包括如下部分：

(1)判断模块，用于判断其他事故集对应的线路与目标线路之间的电器距离是否大于预设的距离；

(2)计算模块，用于当其他事故集对应的线路与目标线路之间的电器距离大于预设的距离时，计算I_a,n-I_b,n

＝(I_a,n+I′_a,k)-(I_b,n+I′_b,k)

＝(I_a,n-I_b,n)+(I′_a,k-I′_b,k)

＝(I_a,n-I_b,n)k∈C₁；

其中，I′_b,k为电力调度操作行为之前，其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数，I′_a,k为电力调度操作行为之后，其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数。

由于电力系统处于电力调度操作行为的事故集C₀、其他事故集C₁和正常状态的概率之和为1，因此，风险指标生成模块还用于计算电力调度操作风险指标ΔR

其中，

上述在计算电力调度操作风险指标ΔR的过程中，在考虑了电力系统的所有状态集合的条件下，将电力调度操作行为发生前后的系统风险变化量作为电力调度操作行为的风险指标进行计算；相较于现有技术中，风险指标的计算仅针对某一电力网络运行状态进行的计算方式，该方式可以精确地反应电力调度操作行为对电力系统产生的影响，从而提高了电力调度操作风险分析的完备性。

本发明实施例所提供的一种基于差值算法的电力调度操作风险确定方法和装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于差值算法的电力调度操作风险确定方法，其特征在于，包括：

当接收到电力调度操作需求时，获取所述电力调度操作需求对应的电力系统的电力网络拓扑模型；

通过所述电力系统的电力网络拓扑模型，对所述电力系统进行系统故障后果预测，生成第一系统风险参数；其中，所述系统故障后果预测包括功率平衡分析、系统网络结构的连通性识别分析、潮流分析、暂态和电压稳定性分析；所述第一系统风险参数包括所述电力系统对应的故障状态发生概率和故障状态后果参数；

获取所述电力调度操作需求对应的电力调度操作行为，以及所述电力调度操作行为发生后的电力系统的电力网络拓扑模型；

通过所述电力调度操作行为发生后的电力系统的电力网络拓扑模型，对所述电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；所述第二系统风险参数包括所述电力调度操作行为发生后的电力系统的故障状态发生概率和故障状态后果参数；

对所述第一系统风险参数和所述第二系统风险参数进行差值计算，生成所述电力调度操作行为对应的电力调度操作风险指标。

2.根据权利要求1所述的方法，其特征在于，所述获取所述电力调度操作需求对应的电力调度操作行为之后，所述方法还包括：

获取预先存储的所述电力调度操作行为对应的历史故障数据；

根据所述历史故障数据，确定所述电力调度操作行为的事故集；其中，所述历史故障数据包括所述电力调度操作行为发生后，所述电力调度操作行为对应的电力系统的潮流变化值；所述电力调度操作行为包括断开目标线路。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一系统风险参数和所述第二系统风险参数进行差值计算，生成所述电力调度操作行为对应的电力调度操作风险指标，包括：

计算电力调度操作风险指标ΔR；

$\begin{array}{c}\mathrm{\Δ}R=R_a-P_b={\Σ}_{i\∈E}{I}_{a,i}\·P_i-{\Σ}_{i\∈E}{I}_{b,i}\·P_i={\Σ}_{i\∈E}(I_{a,i}-I_{b,i})\·P_i=\\ {\Σ}_{j\∈C_0}(I_{a,j}-I_{b,j})\·P_j+{\Σ}_{k\∈C_1}(I_{a,k}-I_{b,k})\·P_k+(I_{a,n}-I_{b,n})\·P_n\end{array};$

其中，C₀为所述电力调度操作行为的事故集，C₁为其他事故集；E为所述电力系统的所有状态集合，E＝C₀∪C₁∪{正常状态}，P为各事故发生概率；I_b,x(x∈C₀或C₁)为所述电力调度操作行为的事故集或其他事故集中，断开第x条线路事故对应的故障状态后果参数；I_a,x(x∈C₀或C₁)为同时断开目标线路和所述第x条线路事故对应的故障状态后果参数；I_b,n为所述电力系统的正常状态下的故障状态后果参数，I_a,n为系统正常状态下，断开目标线路对应的故障状态后果参数。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

判断所述其他事故集对应的线路与所述目标线路之间的电器距离是否大于预设的距离；

如果是，计算所述I_a,n-I_b,n＝I_a,n+I′_a,k)-I_b,n+I′_b,k)＝I_a,n-I_b,n)+I′_a,k-I′_b,k)＝I_a,n-I_b,n)k∈C₁；其中，I′_b,k为所述电力调度操作行为之前，所述其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数，I′_a,k为所述电力调度操作行为之后，所述其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数。

5.根据权利要求4所述的方法，其特征在于，所述对所述第一系统风险参数和所述第二系统风险参数进行差值计算，生成所述电力调度操作行为对应的电力调度操作风险指标，还包括：

计算电力调度操作风险指标ΔR

$\begin{array}{c}\mathrm{\Δ}R=\underset{j\∈C_0}{\Σ}(I_{a,j}-I_{b,j})\·P_j+\underset{k\∈C_1}{\Σ}(I_{a,k}-I_{b,k})\·P_k+(I_{a,n}-I_{b,n})\·P_n\\ =\underset{j\∈C_0}{\Σ}(I_{a,j}-I_{b,j})\·P_j+(I_{a,n}-I_{b,n})\left(\underset{k\∈C_1}{\Σ}{P}_k+P_n\right)\\ ={\Σ}_{j\∈C_0}(I_{a,j}-I_{b,j})\·P_j+(I_{a,n}-I_{b,n})(1-{\Σ}_{j\∈C_0}{P}_j)\end{array};$

其中，

6.一种基于差值算法的电力调度操作风险确定装置，其特征在于，包括：

第一获取模块，用于当接收到电力调度操作需求时，获取所述电力调度操作需求对应的电力系统的电力网络拓扑模型；

第一预测模块，用于通过所述电力系统的电力网络拓扑模型，对所述电力系统进行系统故障后果预测，生成第一系统风险参数；其中，所述系统故障后果预测包括功率平衡分析、系统网络结构的连通性识别分析、潮流分析、暂态和电压稳定性分析；所述第一系统风险参数包括所述电力系统对应的故障状态发生概率和故障状态后果参数；

第二获取模块，用于获取所述电力调度操作需求对应的电力调度操作行为，以及所述电力调度操作行为发生后的电力系统的电力网络拓扑模型；

第二预测模块，用于通过所述电力调度操作行为发生后的电力系统的电力网络拓扑模型，对所述电力调度操作行为发生后的电力系统进行系统故障后果预测，生成第二系统风险参数；所述第二系统风险参数包括所述电力调度操作行为发生后的电力系统的故障状态发生概率和故障状态后果参数；

风险指标生成模块，用于对所述第一系统风险参数和所述第二系统风险参数进行差值计算，生成所述电力调度操作行为对应的电力调度操作风险指标。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

数据获取模块，用于获取预先存储的所述电力调度操作行为对应的历史故障数据；

事故集确定模块，用于根据所述历史故障数据，确定所述电力调度操作行为的事故集；其中，所述历史故障数据包括所述电力调度操作行为发生后，所述电力调度操作行为对应的电力系统的潮流变化值；所述电力调度操作行为包括断开目标线路。

8.根据权利要求7所述的装置，其特征在于，所述风险指标生成模块还用于计算电力调度操作风险指标ΔR；

$\begin{array}{c}\mathrm{\Δ}R=R_a-P_b={\Σ}_{i\∈E}{I}_{a,i}\·P_i-{\Σ}_{i\∈E}{I}_{b,i}\·P_i={\Σ}_{i\∈E}(I_{a,i}-I_{b,i})\·P_i=\\ {\Σ}_{j\∈C_0}(I_{a,j}-I_{b,j})\·P_j+{\Σ}_{k\∈C_1}(I_{a,k}-I_{b,k})\·P_k+(I_{a,n}-I_{b,n})\·P_n\end{array};$

其中，C₀为所述电力调度操作行为的事故集，C₁为其他事故集；E为所述电力系统的所有状态集合，E＝C₀∪C₁∪{正常状态}，P为各事故发生概率；I_b,x(x∈C₀或C₁)为所述电力调度操作行为的事故集或其他事故集中，断开第x条线路事故对应的故障状态后果参数；I_a,x(x∈C₀或C₁)为同时断开目标线路和所述第x条线路事故对应的故障状态后果参数；I_b,为所述电力系统的正常状态下的故障状态后果参数，I_a,n为系统正常状态下，断开目标线路对应的故障状态后果参数。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

判断模块，用于判断所述其他事故集对应的线路与所述目标线路之间的电器距离是否大于预设的距离；

计算模块，用于当所述其他事故集对应的线路与所述目标线路之间的电器距离大于预设的距离时，计算所述I_a,n-I_b,n＝I_a,n+I′_a,k)-(I_b,n+I′_b,k)＝(I_a,n-I_b,n)+(I′_a,k-I′_b,k)＝(I_a,n-I_b,n)k∈C₁；其中，I′_b,k为所述电力调度操作行为之前，所述其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数，I′_a,k为所述电力调度操作行为之后，所述其他事故集C₁中的断开第x条线路事故对应的故障状态后果参数。

10.根据权利要求9所述的装置，其特征在于，所述风险指标生成模块还用于计算电力调度操作风险指标ΔR

$\begin{array}{c}\mathrm{\Δ}R=\underset{j\∈C_0}{\Σ}(I_{a,j}-I_{b,j})\·P_j+\underset{k\∈C_1}{\Σ}(I_{a,k}-I_{b,k})\·P_k+(I_{a,n}-I_{b,n})\·P_n\\ =\underset{j\∈C_0}{\Σ}(I_{a,j}-I_{b,j})\·P_j+(I_{a,n}-I_{b,n})\left(\underset{k\∈C_1}{\Σ}{P}_k+P_n\right)\\ ={\Σ}_{j\∈C_0}(I_{a,j}-I_{b,j})\·P_j+(I_{a,n}-I_{b,n})(1-{\Σ}_{j\∈C_0}{P}_j)\end{array};$

其中，