CN106779443B - 电力调度中的操作风险确定方法和装置 - Google Patents

电力调度中的操作风险确定方法和装置 Download PDF

Info

Publication number
CN106779443B
CN106779443B CN201611230430.8A CN201611230430A CN106779443B CN 106779443 B CN106779443 B CN 106779443B CN 201611230430 A CN201611230430 A CN 201611230430A CN 106779443 B CN106779443 B CN 106779443B
Authority
CN
China
Prior art keywords
state
power
risk
model
probability
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
Application number
CN201611230430.8A
Other languages
English (en)
Other versions
CN106779443A (zh
Inventor
刘昊
崔志国
徐涛
杨鑫
李丰华
林涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
TaiAn Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
TaiAn Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, TaiAn Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201611230430.8A priority Critical patent/CN106779443B/zh
Publication of CN106779443A publication Critical patent/CN106779443A/zh
Application granted granted Critical
Publication of CN106779443B publication Critical patent/CN106779443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种电力调度中的操作风险确定方法和装置。其中，该方法包括：获取当前调度需求对应的电力调度策略中的操作行为和操作行为对应的电力系统的网络拓扑模型；对电力系统内的元件建立概率模型，并生成电力系统的状态模型；将操作行为作为电力系统的状态模型的输入因子，生成操作行为对应的系统状态的参数，通过故障状态监测系统，对操作行为的系统故障状态进行预测，生成电力系统对应的系统故障状态列表；根据操作行为对应的系统状态的参数和系统故障状态列表，确定操作行为的风险指标。本发明可以定量分析调度任务和调度行为的风险代价，使调度人员清楚其调度行为的风险大小，合理选择调度操作，进而降低了电力调度操作的风险。

Description

电力调度中的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，尤其是涉及一种电力调度中的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。
现有的电网调度工作中，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。在电力调度操作中，不论操作的主体是操作员还是自动装置，其操作的可靠性不能完全保证，使得电力调度操作存在较高的风险。
针对上述电力调度操作风险较高的问题，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电力调度中的操作风险确定方法和装置，以降低电力调度操作的风险。
第一方面，本发明实施例提供了一种电力调度中的操作风险确定方法，包括：获取当前调度需求对应的电力调度策略中的操作行为；获取操作行为对应的电力系统的网络拓扑模型；其中，该网络拓扑模型包括电力系统内的元件；对电力系统内的元件建立概率模型，并根据元件的概率模型生成电力系统的状态模型；其中，该概率模型中包括元件的当前的状态向量和元件的状态转移概率矩阵；将操作行为作为电力系统的状态模型的输入因子，生成操作行为对应的系统状态的参数，其中，该系统状态的参数包括系统状态概率、系统状态频率和系统状态的平均持续时间；系统状态包括系统故障状态和系统正常运行状态；通过故障状态监测系统，对操作行为的系统故障状态进行预测，生成电力系统对应的系统故障状态列表；根据操作行为对应的系统状态的参数和系统故障状态列表，确定操作行为的风险指标；其中，该风险指标包括电压越限风险指标、潮流越限风险指标和负荷削减风险指标。
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，上述方法还包括：对系统故障状态进行系统故障后果分析；其中，系统故障后果分析包括功率平衡分析、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。
结合第一方面，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，上述对电力系统内的元件建立概率模型，包括：采用马尔科夫模型，对电力系统内的元件建立概率模型；其中，该元件包括发电机、输电线路和变压器。
结合第一方面，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，上述根据元件的概率模型生成电力系统的状态模型，包括：采用状态枚举法，选择电力系统的系统状态，并对选择的电力系统状态建立状态模型；其中，上述状态枚举法通过公式(P1+Q1)(P2+Q2)…(PN+QN)完成；Pi为不失效概率；Qi为失效概率。
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，上述将操作行为作为电力系统的状态模型的输入因子，得到操作行为对应的系统状态的参数，包括：计算系统状态概率
Figure BDA0001192534170000031
其中，Nf和N-Nf分别为状态S中失效元件和未失效元件的数量；计算系统状态频率
Figure BDA0001192534170000032
计算平均持续时间
Figure BDA0001192534170000033
其中，λk为第k个元件从状态s离开的转移率。
结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，上述方法还包括计算系统故障状态的负荷削减风险指标的均值E(C)＝∑s∈GC(s)P(s)；其中，C(s)为状态s的负荷削减风险指标。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，上述根据电力调度操作行为对应的系统状态的参数和系统故障状态列表，确定电力调度操作行为的风险指标，包括：计算风险指标
Figure BDA0001192534170000034
Figure BDA0001192534170000035
其中，U、n和x为上述电力调度操作行为对应的系统状态的参数，U为不确定因素，n为不确定因素的数量，x为不确定因素U1发生之后系统存在的不确定因素数量，P为上述系统故障状态列表中不确定因素发生的概率，f为上述系统故障状态列表中表示不确定因素对系统产生的影响。
第二方面，本发明实施例提供了一种电力调度中的操作风险确定装置，包括：操作行为获取模块，用于获取当前调度需求对应的电力调度策略中的操作行为；网络拓扑模型获取模块，用于获取操作行为对应的电力系统的网络拓扑模型；其中，该网络拓扑模型包括电力系统内的元件；模型建立模块，用于对电力系统内的元件建立概率模型，并根据元件的概率模型生成电力系统的状态模型；其中，该概率模型中包括元件的当前的状态向量和元件的状态转移概率矩阵；参数生成模块，用于将操作行为作为电力系统的状态模型的输入因子，生成操作行为对应的系统状态的参数，其中，该系统状态的参数包括系统状态概率、系统状态频率和系统状态的平均持续时间；系统状态包括系统故障状态和系统正常运行状态；故障状态列表生成模块，用于通过故障状态监测系统，对操作行为的系统故障状态进行预测，生成电力系统对应的系统故障状态列表；风险指标确定模块，用于根据操作行为对应的系统状态的参数和系统故障状态列表，确定操作行为的风险指标；其中，该风险指标包括电压越限风险指标、潮流越限风险指标和负荷削减风险指标。
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，上述参数生成模块包括：系统状态概率计算单元，用于计算系统状态概率P(s)，
Figure BDA0001192534170000041
其中，Nf和N-Nf分别为状态S中失效元件和未失效元件的数量；系统状态频率计算单元，用于计算系统状态频率f(s)，
Figure BDA0001192534170000042
平均持续时间计算单元，用于计算平均持续时间
Figure BDA0001192534170000043
其中，λk为第k个元件从状态s离开的转移率。
结合第二方面，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，上述风险指标确定模块还用于计算风险指标
Figure BDA0001192534170000044
Figure BDA0001192534170000045
Figure BDA0001192534170000046
其中，U、n和x为上述电力调度操作行为对应的系统状态的参数，U为不确定因素，n为不确定因素的数量，x为不确定因素U1发生之后系统存在的不确定因素数量，P为上述系统故障状态列表中不确定因素发生的概率，f为上述系统故障状态列表中不确定因素对系统产生的影响。
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电力调度中的操作风险确定方法和装置，通过将当前调度需求对应的电力调度策略中的操作行为作为电力系统的状态模型的输入因子，生成操作行为对应的系统状态的参数；通过故障状态监测系统，对操作行为的系统故障状态进行预测，生成电力系统对应的系统故障状态列表；并根据操作行为对应的系统状态的参数和系统故障状态列表，确定操作行为的风险指标。上述方式可以定量分析调度任务和调度行为的风险代价，使调度人员清楚其调度行为的风险大小，合理选择调度操作，进而降低了电力调度操作的风险。
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电力调度中的操作风险确定方法的流程图；
图2为本发明实施例提供的一种电力调度中的操作风险确定方法中，将操作行为作为电力系统的状态模型的输入因子，得到操作行为对应的系统状态的参数的具体流程图；
图3为本发明实施例提供的一种电力调度中的操作风险确定装置的结构图；
图4为本发明实施例提供的一种电力调度中的操作风险确定装置中，参数生成模块的具体结构图。
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较高的问题，本发明实施例提供了一种电力调度中的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所示的一种电力调度中的操作风险确定方法的流程图，该方法包括如下步骤：
步骤S102，获取当前调度需求对应的电力调度策略中的操作行为；
例如，上述当前调度需求可以为：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，此时需要运行综合调度操作；该综合调度操作包括多个具体的操作行为，例如：第一步，断开母线Bus15侧开关；第二步，断开母线Bus24侧开关；第三步，拉开母线Bus15侧刀闸；第四步，拉开母线Bus15侧刀闸；第五步，拉开母线Bus24侧刀闸；第六步，拉开母线Bus24侧刀闸等。
步骤S104，获取操作行为对应的电力系统的网络拓扑模型；其中，该网络拓扑模型包括电力系统内的元件；
由于上述操作行为涉及母线Bus15～Bus24，因此需要调取母线Bus15～Bus24及其周围的电力系统的网络拓扑模型，该网络拓扑模型包括所涉及到的多种元件，例如，开关、刀闸、以及线路等。
步骤S106，对电力系统内的元件建立概率模型，并根据元件的概率模型生成电力系统的状态模型；其中，上述概率模型中包括元件的当前的状态向量和元件的状态转移概率矩阵；
上述概率模型可以反映元件随时间的变化规律以及该元件在接收到外界因素输入时，从当前状态转移的规律。
步骤S108，将操作行为作为电力系统的状态模型的输入因子，生成操作行为对应的系统状态的参数，其中，系统状态的参数包括系统状态概率、系统状态频率和系统状态的平均持续时间；系统状态包括系统故障状态和系统正常运行状态；
步骤S110，通过故障状态监测系统，对操作行为的系统故障状态进行预测，生成电力系统对应的系统故障状态列表；
上述故障状态监测系统通过传感装置对电力系统中的元器件进行实时监测，当针对某元器件监测到的参数异常，例如，温度过高时，则可以说明该元器件可能发生了老化，有较大的可能性发生故障；当某操作行为针对该元器件进行，或者，某操作行为发生后，该元器件负荷较大，易导致该元器件发生损坏，则可以预测出上述操作行为可能导致该元器件发生故障，进而生成一个系统故障状态。上述方式，通过故障状态预测系统可以实现故障状态的预扫描，降低了通过系统状态的参数分析故障状态的数量，缩短了计算时间。
步骤S112，根据操作行为对应的系统状态的参数和系统故障状态列表，确定操作行为的风险指标；其中，该风险指标包括电压越限风险指标、潮流越限风险指标和负荷削减风险指标。针对不同的操作风险分析，其风险指标不限于上述三项指标。
本发明实施例提供的一种电力调度中的操作风险确定方法，通过将当前调度需求对应的电力调度策略中的操作行为作为电力系统的状态模型的输入因子，生成操作行为对应的系统状态的参数；通过故障状态监测系统，对操作行为的系统故障状态进行预测，生成电力系统对应的系统故障状态列表；并根据操作行为对应的系统状态的参数和系统故障状态列表，确定操作行为的风险指标。上述方式可以定量分析调度任务和调度行为的风险代价，使调度人员清楚其调度行为的风险大小，合理选择调度操作，进而降低了电力调度操作的风险。
为了进一步了解电力调度操作对系统状态的影响，上述方法还包括：对系统故障状态进行系统故障后果分析；其中，该系统故障后果分析包括功率平衡分析、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。上述系统故障后果分析也可以称为故障损失估计，根据电力系统的不同，该分析过程可以仅包括功率平衡分析、系统网络结构的连通性识别分析；还可以包括潮流分析、最优潮流分析、暂态和电压稳定性分析、以及暂态稳定控制等分析。上述方式可以获得电力调度操作使系统发生故障后，该系统故障的具体数据，使调度人员进一步了解电力调度操作的风险及后果。
具体地，考虑到需要准确地建立元件的概率模型，上述对电力系统内的元件建立概率模型，包括：采用马尔科夫模型，对电力系统内的元件建立概率模型；其中，该元件包括发电机、输电线路和变压器。上述马尔科夫模型的基本模型为：X(k+1)＝X(k)×P；其中，X(k)表示趋势分析与预测对象(例如，元件)在t＝k时刻的状态向量，P表示一步转移概率矩阵，X(k+1)表示趋势分析与预测对象在t＝k+1时刻的状态向量。上述通过马尔科夫模型建立电力系统中的概率模型，可以表达元件根据时间或外界影响因素的状态转移，进而准确地表达元件在不同调度操作下的状态变化。
考虑到电力系统中的元件较多，上述根据元件的概率模型生成电力系统的状态模型，包括：采用状态枚举法，选择电力系统的系统状态，并对选择的电力系统状态建立状态模型；其中，状态枚举法通过公式(P1+Q1)(P2+Q2)…(PN+QN)完成；Pi为不失效概率；Qi为失效概率。由于系统状态的数量随元件数量呈指数增加，对于包含大量元件的系统，要枚举所有的系统状态在计算量上难度较大。通常，上述状态枚举法将枚举终止在某个给定的层次上，该层次通常由失效的阶数表示，可以为二阶或者三阶。
另外，还可以通过蒙特卡罗模拟法进行系统状态的选择，并进行电力系统风险的评估。在一定的精度要求下，蒙特卡罗模拟法的抽样次数与系统的规模无关，因此较为适合大型电力系统的评估计算；采用蒙特卡罗模拟法可以获得系统的概率性指标，还可以获得频率和持续时间指标；且基于蒙特卡罗模拟法的数学模型较为简单，容易模拟负荷变化等随机因素和系统的矫正控制措施。但是，蒙特卡罗模拟法计算量较大，耗时长，不适合处理实际系统中的在线计算问题。
参见图2所示的一种电力调度中的操作风险确定方法中，将操作行为作为电力系统的状态模型的输入因子，得到操作行为对应的系统状态的参数的具体流程图，包括如下步骤：
步骤S202，计算系统状态概率
Figure BDA0001192534170000091
其中，Nf和N-Nf分别为状态S中失效元件和未失效元件的数量；
步骤S204，计算系统状态频率
Figure BDA0001192534170000092
步骤S206，计算平均持续时间
Figure BDA0001192534170000101
其中，λk为第k个元件从状态s离开的转移率。例如，如果第k个元件在工作，则λk是失效率；如果第k个元件处于停运，则λk是修复率。
进一步，上述方法还包括计算系统故障状态的负荷削减风险指标的均值E(C)＝∑s∈GC(s)P(s)；其中，C(s)为状态s的负荷削减风险指标。
进一步，上述根据电力调度操作行为对应的系统状态的参数和系统故障状态列表，确定电力调度操作行为的风险指标，包括：
计算风险指标
Figure BDA0001192534170000102
Figure BDA0001192534170000103
其中，U、n和x为上述电力调度操作行为对应的系统状态的参数，U为不确定因素，n为不确定因素的数量，x为不确定因素U1发生之后系统存在的不确定因素数量，P为上述系统故障状态列表中不确定因素发生的概率，f为上述系统故障状态列表中不确定因素对系统产生的影响，第一项表示系统当前状态风险，第二项表示系统下一状态的风险。上式中风险深度为2，在实际应用中，可以根据要求设定风险深度。该风险深度为电力系统发展轨迹中所包含的系统状态数量；相应地，风险广度为电力系统所要分析的不确定因素数量。
实施例二：
对应于上述方法实施例，参见图3所示的一种电力调度中的操作风险确定装置的结构图，该装置包括如下部分：
操作行为获取模块302，用于获取当前调度需求对应的电力调度策略中的操作行为；
网络拓扑模型获取模块304，用于获取操作行为对应的电力系统的网络拓扑模型；其中，该网络拓扑模型包括电力系统内的元件；
模型建立模块306，用于对电力系统内的元件建立概率模型，并根据元件的概率模型生成电力系统的状态模型；其中，该概率模型中包括元件的当前的状态向量和元件的状态转移概率矩阵；
参数生成模块308，用于将操作行为作为电力系统的状态模型的输入因子，生成操作行为对应的系统状态的参数，其中，该系统状态的参数包括系统状态概率、系统状态频率和系统状态的平均持续时间；上述系统状态包括系统故障状态和系统正常运行状态；
故障状态列表生成模块310，用于通过故障状态监测系统，对操作行为的系统故障状态进行预测，生成电力系统对应的系统故障状态列表；
风险指标确定模块312，用于根据操作行为对应的系统状态的参数和系统故障状态列表，确定操作行为的风险指标；其中，该风险指标包括电压越限风险指标、潮流越限风险指标和负荷削减风险指标。
本发明实施例提供的一种电力调度中的操作风险确定装置，通过将当前调度需求对应的电力调度策略中的操作行为作为电力系统的状态模型的输入因子，生成操作行为对应的系统状态的参数；通过故障状态监测系统，对操作行为的系统故障状态进行预测，生成电力系统对应的系统故障状态列表；并根据操作行为对应的系统状态的参数和系统故障状态列表，确定操作行为的风险指标。上述方式可以定量分析调度任务和调度行为的风险代价，使调度人员清楚其调度行为的风险大小，合理选择调度操作，进而降低了电力调度操作的风险。
参见图4所示的一种电力调度中的操作风险确定装置中，参数生成模块的具体结构图，该模块包括如下部分：
系统状态概率计算单元402，用于计算系统状态概率P(s)，
Figure BDA0001192534170000111
其中，Nf和N-Nf分别为状态S中失效元件和未失效元件的数量；
系统状态频率计算单元404，用于计算系统状态频率f(s)，
Figure BDA0001192534170000121
平均持续时间计算单元406，用于计算平均持续时间
Figure BDA0001192534170000122
其中，λk为第k个元件从状态s离开的转移率。
进一步，上述风险指标确定模块还用于计算风险指标
Figure BDA0001192534170000123
其中，U、n和x为上述电力调度操作行为对应的系统状态的参数，U为不确定因素，n为不确定因素的数量，x为不确定因素U1发生之后系统存在的不确定因素数量，P为上述系统故障状态列表中不确定因素发生的概率，f为上述系统故障状态列表中不确定因素对系统产生的影响。
本发明实施例所提供的电力调度中的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 (7)

1.一种电力调度中的操作风险确定方法，其特征在于，包括：
获取当前调度需求对应的电力调度策略中的操作行为；
获取所述操作行为对应的电力系统的网络拓扑模型；其中，所述网络拓扑模型包括所述电力系统内的元件；
对所述电力系统内的元件建立概率模型，并根据所述元件的概率模型生成所述电力系统的状态模型；其中，所述概率模型中包括所述元件的当前的状态向量和所述元件的状态转移概率矩阵；
将所述操作行为作为所述电力系统的状态模型的输入因子，生成所述操作行为对应的系统状态的参数，其中，所述系统状态的参数包括系统状态概率、系统状态频率和系统状态的平均持续时间；所述系统状态包括系统故障状态和系统正常运行状态；
通过故障状态监测系统，对所述操作行为的所述系统故障状态进行预测，生成所述电力系统对应的系统故障状态列表；
根据所述操作行为对应的系统状态的参数和所述系统故障状态列表，确定所述操作行为的风险指标；其中，所述风险指标包括电压越限风险指标、潮流越限风险指标和负荷削减风险指标；
所述方法还包括：对所述系统故障状态进行系统故障后果分析；其中，所述系统故障后果分析包括功率平衡分析、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；
所述根据所述电力调度操作行为对应的系统状态的参数和所述系统故障状态列表，确定所述电力调度操作行为的风险指标，包括：
计算所述风险指标
Figure FDA0002695360000000021
其中，U、n和x为所述电力调度操作行为对应的系统状态的参数，U为不确定因素，n为不确定因素的数量，x为不确定因素U1发生之后系统存在的不确定因素数量，P为所述系统故障状态列表中不确定因素发生的概率，f为所述系统故障状态列表中不确定因素对系统产生的影响；L为风险最低值；H为风险最高值；
Figure FDA0002695360000000022
为不确定因素U1发生之后的风险最低值；
Figure FDA0002695360000000023
为不确定因素U1发生之后的风险最高值。
2.根据权利要求1所述的方法，其特征在于，所述对所述电力系统内的元件建立概率模型，包括：采用马尔科夫模型，对所述电力系统内的元件建立概率模型；其中，所述元件包括发电机、输电线路和变压器。
3.根据权利要求1所述的方法，其特征在于，所述根据所述元件的概率模型生成所述电力系统的状态模型，包括：采用状态枚举法，选择所述电力系统的系统状态，并对选择的所述电力系统状态建立状态模型；其中，所述状态枚举法通过公式(P1+Q1) (P2+Q2) ... (PN+QN)完成；Pi为不失效概率；Qi为失效概率。
4.根据权利要求3所述的方法，其特征在于，所述将所述操作行为作为所述电力系统的状态模型的输入因子，得到所述操作行为对应的系统状态的参数，包括：
计算所述系统状态概率
Figure FDA0002695360000000024
其中，Nf和N-Nf分别为状态S中失效元件和未失效元件的数量；
计算所述系统状态频率
Figure FDA0002695360000000025
计算所述平均持续时间
Figure FDA0002695360000000031
其中，λk为第k个元件从状态s离开的转移率。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括计算所述系统故障状态的负荷削减风险指标的均值E(C)＝∑s∈GC(s)P(s)；其中，C(s)为状态s的负荷削减风险指标。
6.一种电力调度中的操作风险确定装置，其特征在于，包括：
操作行为获取模块，用于获取当前调度需求对应的电力调度策略中的操作行为；
网络拓扑模型获取模块，用于获取所述操作行为对应的电力系统的网络拓扑模型；其中，所述网络拓扑模型包括所述电力系统内的元件；
模型建立模块，用于对所述电力系统内的元件建立概率模型，并根据所述元件的概率模型生成所述电力系统的状态模型；其中，所述概率模型中包括所述元件的当前的状态向量和所述元件的状态转移概率矩阵；
参数生成模块，用于将所述操作行为作为所述电力系统的状态模型的输入因子，生成所述操作行为对应的系统状态的参数，其中，所述系统状态的参数包括系统状态概率、系统状态频率和系统状态的平均持续时间；所述系统状态包括系统故障状态和系统正常运行状态；
故障状态列表生成模块，用于通过故障状态监测系统，对所述操作行为的所述系统故障状态进行预测，生成所述电力系统对应的系统故障状态列表；
风险指标确定模块，用于根据所述操作行为对应的系统状态的参数和所述系统故障状态列表，确定所述操作行为的风险指标；其中，所述风险指标包括电压越限风险指标、潮流越限风险指标和负荷削减风险指标；
所述装置还包括：系统故障后果分析模块，用于对所述系统故障状态进行系统故障后果分析；其中，所述系统故障后果分析包括功率平衡分析、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；
所述风险指标确定模块还用于计算所述风险指标
Figure FDA0002695360000000041
其中，U、n和x为所述电力调度操作行为对应的系统状态的参数，U为不确定因素，n为不确定因素的数量，x为不确定因素U1发生之后系统存在的不确定因素数量，P为所述系统故障状态列表中不确定因素发生的概率，f为所述系统故障状态列表中不确定因素对系统产生的影响；L为风险最低值；H为风险最高值；
Figure FDA0002695360000000042
为不确定因素U1发生之后的风险最低值；
Figure FDA0002695360000000043
为不确定因素U1发生之后的风险最高值。
7.根据权利要求6所述的装置，其特征在于，所述参数生成模块包括：
系统状态概率计算单元，用于计算所述系统状态概率P(s)，
Figure FDA0002695360000000044
其中，Nf和N-Nf分别为状态S中失效元件和未失效元件的数量；
系统状态频率计算单元，用于计算所述系统状态频率f(s)，
Figure FDA0002695360000000045
平均持续时间计算单元，用于计算所述平均持续时间
Figure FDA0002695360000000046
其中，λk为第k个元件从状态s离开的转移率。
CN201611230430.8A 2016-12-26 2016-12-26 电力调度中的操作风险确定方法和装置 Active CN106779443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611230430.8A CN106779443B (zh) 2016-12-26 2016-12-26 电力调度中的操作风险确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611230430.8A CN106779443B (zh) 2016-12-26 2016-12-26 电力调度中的操作风险确定方法和装置

Publications (2)

Publication Number Publication Date
CN106779443A CN106779443A (zh) 2017-05-31
CN106779443B true CN106779443B (zh) 2020-11-03

Family

ID=58922864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611230430.8A Active CN106779443B (zh) 2016-12-26 2016-12-26 电力调度中的操作风险确定方法和装置

Country Status (1)

Country Link
CN (1) CN106779443B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107316135B (zh) * 2017-06-16 2020-09-11 广西电网有限责任公司 一种面向开关及刀闸操作过程的风险量化评估方法
WO2019087101A1 (en) * 2017-11-03 2019-05-09 3M Innovative Properties Company System and method for anomaly detection in an electrical network
CN112332420B (zh) * 2020-10-10 2022-04-26 国网湖北省电力有限公司电力科学研究院 电力系统风险评估中的分层负荷削减量确定装置及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102737286A (zh) * 2012-04-23 2012-10-17 中国电力科学研究院 一种地区电网在线风险分析系统和方法
CN103903196A (zh) * 2014-04-24 2014-07-02 中国南方电网有限责任公司 一种考虑设备老化因素的电网调度运行实时风险评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2523191C2 (ru) * 2009-12-31 2014-07-20 Абб Рисерч Лтд Способ и система управления для планирования нагрузки электростанции

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102737286A (zh) * 2012-04-23 2012-10-17 中国电力科学研究院 一种地区电网在线风险分析系统和方法
CN103903196A (zh) * 2014-04-24 2014-07-02 中国南方电网有限责任公司 一种考虑设备老化因素的电网调度运行实时风险评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
侯恺等.基于马尔可夫链的调度操作流程风险评估及优选方法.《电力系统自动化》.2015,第142-147页. *
基于马尔可夫链的调度操作流程风险评估及优选方法;侯恺等;《电力系统自动化》;20151015;第142-147页 *
电网调度操作过程实时风险量化评估方法研究;王恩;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20150515;第16-18页 *

Also Published As

Publication number Publication date
CN106779443A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
US7107187B1 (en) Method for modeling system performance
WO2020046286A1 (en) Integrated cybersecurity risk assessment and state monitoring for electrical power grid
Barabadi Reliability model selection and validation using Weibull probability plot—a case study
Canizes et al. Hybrid fuzzy Monte Carlo technique for reliability assessment in transmission power systems
US20200134516A1 (en) Method for asset management of electric power equipment
CN110930052A (zh) 一种变电设备故障率预测方法，系统，设备及可读存储介质
CN106779443B (zh) 电力调度中的操作风险确定方法和装置
US20220308573A1 (en) System and method for predicting failure in a power system in real-time
KR102315580B1 (ko) 건물의 화재 예측 분석 장치 및 방법
Honarmand et al. Reliability modeling of process-oriented smart monitoring in the distribution systems
CN111340287A (zh) 配电柜运行状态预测方法及装置
Halilcevic et al. Prediction of power system security levels
Guo et al. Power transmission risk assessment considering component condition
Zhai et al. Analysis of time-to-failure data with Weibull model in product life cycle management
CN113487086A (zh) 设备剩余使用寿命预测方法、装置、计算机设备和介质
Ma et al. Probabilistic vulnerability assessment based on power flow and voltage distribution
US11133674B2 (en) System operation support device and method in power system, and wide-area monitoring protection control system
Gavgani et al. A graph model for enhancing situational awareness in power systems
Ridwan et al. Application of life data analysis for the reliability assessment of numerical overcurrent relays
Leao et al. Asymmetric unscented transform for failure prognosis
JP6818658B2 (ja) 電力系統監視システム、電力系統監視方法、及びプログラム
CN109146341A (zh) 一种基于抽样的冷备系统剩余寿命预测方法
KR102683088B1 (ko) Lvdc 농공단지 마이크로그리드 전력망 안정화 시스템 및 계통환경 분석 장치
JP7257455B2 (ja) コントローラの意思決定論理の性能を監視するための方法および監視システム
Cervantes et al. Contingency ranking in power systems via reliability rates

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant