CN107230015A - 一种基于系统信息熵的配电网韧性评估方法 - Google Patents
一种基于系统信息熵的配电网韧性评估方法 Download PDFInfo
- Publication number
- CN107230015A CN107230015A CN201710381588.3A CN201710381588A CN107230015A CN 107230015 A CN107230015 A CN 107230015A CN 201710381588 A CN201710381588 A CN 201710381588A CN 107230015 A CN107230015 A CN 107230015A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- distribution network
- power distribution
- munderover
- 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 33
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 239000004020 conductor Substances 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 5
- 230000007257 malfunction Effects 0.000 claims description 3
- 238000003012 network analysis Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000005611 electricity Effects 0.000 abstract description 6
- 230000004044 response Effects 0.000 abstract description 6
- 238000010276 construction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009329 sexual behaviour Effects 0.000 description 1
- 238000004088 simulation Methods 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (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)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
一种基于系统信息熵的配电网韧性评估方法,包括:根据网络结构相关参数及台风气象数据,计算配电网各元件故障率;基于系统信息熵选取满系统熵值约束的典型故障场景;配电网韧性评估计算,包括计算典型故障场景发生概率,确定典型故障场景对应系统的缺供电量,以及配电网韧性指标的计算。本发明利用系统信息熵的方法分析极端天气下配电网可能出现的故障规模,采用配电网负荷曲线缺失面积计算得到的配电网韧性指标,既能够反映配电网在极端灾害故障过程中的失电损失的大小,又能够反映配电网恢复到正常供电状态所用的时间。该模型可用于评价配电网的灾害应对能力,为进一步研究韧性提高措施提供基础,进而指导配电网建设。
Description
技术领域
本发明涉及一种配电网韧性评估方法。特别是涉及一种适用于极端天气下配电网灾害应对能力的基于系统信息熵的配电网韧性评估方法。
背景技术
随着近年来全球气候的变化,极端天气灾害发生日益频繁,所造成的大规模停电事故频发,由此带来了的停电经济损失也越来越严重。作为直接服务于用户的关键环节,配电网在极端天气情况下的正常运行,对保障人们生产生活,抵御灾害事故,推动社会发展具有重要意义。配电网的灾害应对能力由此受到了广泛的关注。因此,配电网引入了韧性的概念,来评估配电网在极端天气条件下,减小故障造成的损失,并尽快恢复到正常供电状态的能力。
不同于配电网可靠性的概念,配电网韧性考虑的是极端天气条件下,尽量减小负荷损失的能力;配电网可靠性描述的是正常运行条件下,满足用户供电需求的能力。二者分别从不同角度描述了配电网故障状态特性。因此,开展配电网韧性评估工作是研究配电网的灾害应对能力,进而研究采取相应措施提升韧性,缩小极端天气对电网危害的重要基础。
综上所述,建立基于系统信息熵的配电网韧性评估模型,反映配电网应对极端灾害的能力,是亟待解决的实际问题,具有良好的理论价值和应用价值。
发明内容
本发明所要解决的技术问题是,提供一种可用于评价配电网的灾害应对能力的基于系统信息熵的配电网韧性评估方法。
本发明所采用的技术方案是:一种基于系统信息熵的配电网韧性评估方法,包括如下步骤:
1)根据网络结构相关参数及台风气象数据,计算配电网各元件故障率;
2)基于系统信息熵选取满系统熵值约束的典型故障场景;
3)配电网韧性评估计算,包括计算典型故障场景发生概率,确定典型故障场景对应系统的缺供电量,以及配电网韧性指标的计算。
步骤1)包括:
(1)建立极端天气下的元件故障率模型,包括:
(a)配电网元件的风载荷N1与线路上的风速和风向之间的关系模型:
式中,D为导线外径;V为风速,θ为风向与线路的夹角;
(b)导线与电杆的不可靠运行的概率模型:
式中,pfl为架空导线的故障率,pfp为电杆的故障率,σg为导线截面所受应力,μl、δl分别为导线强度的均值和标准差,MT为杆根承受的弯矩,μp、δp分别为电杆强度的均值和标准差;
(c)架空配电线路故障率模型:
式中,pl,i为架空线路i的故障率;m1为线路i的电杆数,m2为线路i的导线档数;pfp,k,i为线路i的第k个电杆的故障率,pfl,k,i为线路i的第k档导线的故障率,均是该导线上时变风速的函数;
(2)将导线外径、线路的电杆数、导线档数、导线强度、电杆强度和风速和风向代入第(1)所建立的模型中,得到配电网各元件故障率。
步骤2)包括:
(1)故障场景对应的配电系统的熵值W计算公式:
式中,T表示台风穿越该配电网区域所用的时间;ΩB表示配电网线路集;pi,t为线路i在t时刻的故障率;zi,t表示t时刻线路i是否发生故障,而非线路是否处于故障状态,发生故障其值为1,否则为0;
(2)选满足熵值约束的典型故障场景,各场景对应的配电系统的熵值W必须在一定范围内,即满足:
根据上式熵值约束条件选取的故障场景,具有发生概率大、故障后果危害严重的特点,构成了配电网韧性分析中的典型故障场景;Wmax和Wmin分别为典型场景对应的配电系统熵值分布的最大值和最小值。
步骤3)所述的计算典型故障场景发生概率,包括:
故障场景n的发生概率λn与该场景对应的故障重数有关,利用单一线路的故障率计算出多重故障场景的发生概率的表达式为:
式中,λi1表示该区域配电网中仅有线路i1故障的场景发生概率,λi1i2表示该区域配电网中仅有元件i1及线路i2故障的场景发生概率,vi1表示线路i1故障的发生概率,vi1i2表示线路i1和线路i2同时故障的发生概率,vi1i2i3表示线路i1、i2、i3同时故障的场景发生概率,Pi1、Pi2、Pi3分别为架空线路i1、i2、i3的故障率,H为区域配电系统中线路总条数。
步骤3)所述的确定典型故障场景对应系统的缺供电量,是根据每一种场景下对应的线路故障顺序、停电范围和修复顺序,获取从极端天气发生到恢复正常运行的整个过程中的系统功能曲线,采用负荷曲线来描述系统功能,得到各典型故障场景对应系统的缺供电量。
步骤3)所述的配电网韧性指标的计算,是利用典型故障场景的发生概率及对应系统的缺供电量来计算配电网韧性指标,表达式为:
式中,λn为故障场景n的发生概率;N为选取的故障场景数目;Imn为故障场景n的供电量缺失程度;T0表示配电网受极端天气影响的时间,包括了台风穿越该配电网所用的时间和配电网恢复正常供电的时间;L(t)表示极端天气导致大规模故障发生时的实际负荷曲线;TL(t)表示系统无故障运行时的目标负荷曲线;RESn表示典型故障场景n系统的缺供电量,也表现为负荷曲线的缺失面积。
本发明的一种基于系统信息熵的配电网韧性评估方法,利用系统信息熵的方法分析极端天气下配电网可能出现的故障规模,采用配电网负荷曲线缺失面积计算得到的配电网韧性指标,既能够反映配电网在极端灾害故障过程中的失电损失的大小,又能够反映配电网恢复到正常供电状态所用的时间。该模型可用于评价配电网的灾害应对能力,为进一步研究韧性提高措施提供基础,进而指导配电网建设。
附图说明
图1是配电网在极端天气下的系统功能曲线图;
图2是区域配电网示意图;
图3是各负荷点峰值负荷及负荷等级示意图;
图4是故障率-风速关系曲线及线路的时变故障率示意图;
图5a是系统熵值概率分布曲线图;
图5b是故障元件数概率分布曲线图;
图6是极端天气下的配电网供电恢复负荷曲线图。
具体实施方式
下面结合实施例和附图对本发明的一种基于系统信息熵的配电网韧性评估方法做出详细说明。
本发明的一种基于系统信息熵的配电网韧性评估方法,包括如下步骤:
1)根据网络结构相关参数及台风气象数据,计算配电网各元件故障率;包括:
(1)以台风作为极端天气的代表,分析台风天气对配电网元件故障率的影响。建立极端天气下的元件故障率模型,包括:
(a)台风影响范围内各点的风速与风向常用Batts模型来模拟。配电网元件的风载荷N1与线路上的风速和风向之间的关系模型:
式中,D为导线外径;V为风速,θ为风向与线路的夹角;
(b)架空导线的最高悬挂点易发生断线故障,导线截面所受应力σg正比于导线风载荷与重力载荷之和。电杆承受的荷载在杆根引起的弯矩最大,杆根承受的弯矩MT为杆身风荷载和导线风荷载引起的杆根弯矩矢量和。通过相应的力学载荷效应分析获得元件载荷和风载荷之间的力学关系。由线路元件强度和荷载效应,可通过功能函数计算元件在该外部荷载作用下的可靠运行概率。当元件功能函数取值大于0时,元件处于可靠运行状态,其概率为可表示为:
pr=P{R-S>0} (2)
式中,S为风载荷引起导线应力或电杆弯矩;R为元件的强度。钢芯铝绞线的抗拉强度和混凝土电杆抗弯强度均服从正态分布,所以,导线与电杆的不可靠运行的概率模型:
式中,pfl为架空导线的故障率,pfp为电杆的故障率,σg为导线截面所受应力,μl、δl分别为导线强度的均值和标准差,MT为杆根承受的弯矩,μp、δp分别为电杆强度的均值和标准差;
(c)架空配电线路故障率模型:
式中,pl,i为架空线路i的故障率;m1为线路i的电杆数,m2为线路i的导线档数;pfp,k,i为线路i的第k个电杆的故障率,pfl,k,i为线路i的第k档导线的故障率,均是该导线上时变风速的函数;
(2)将导线外径、线路的电杆数、导线档数、导线强度、电杆强度和风速、风向代入第(1)所建立的模型中,得到配电网各元件故障率。
2)基于系统信息熵选取满系统熵值约束的典型故障场景;包括:
(1)极端天气使配电网线路故障率大幅度提升,大规模多重故障场景发生概率也随之增大;同时,大规模故障场景下,故障及恢复的过程更为复杂。因此,有必要通过分析极端天气可能导致的故障场景,来进行配电网韧性评估计算。
配电网元件众多,故障场景数目巨大,有必要根据场景出现的可能性和不确定性对场景进行选取,削减待分析场景的数目。根据架空线路故障率,找到极端天气下的易损元件,进而生成包含多个故障元件的故障场景,而本发明所采用的系统信息熵方法,即是根据单一事件概率来选取合理的系统状态场景的方法。
借鉴香农信息理论中信息熵的概念,熵表示了系统的不确定性程度。配电网是一个每一时刻都可能发生故障的不确定系统,由若干个某一线路是否发生故障的不确定性事件构成,故障场景对应的配电系统的熵值W计算公式:
式中,T表示台风穿越该配电网区域所用的时间;ΩB表示配电网线路集;pi,t为线路i在t时刻的故障率;zi,t表示t时刻线路i是否发生故障,而非线路是否处于故障状态,发生故障其值为1,否则为0;
(2)系统的总信息熵值,是系统本身的固有属性,与系统运行人员对系统的操作控制有关,反映了系统是否发生故障的不确定性程度。从故障场景出现的不确定性角度考虑,zi,t的取值应当服从故障率的分布,某条线路的故障率越高,该线路故障这种不确定性事件出现的概率越大,则存在越多的场景对应zi,t取值为1,例如,线路i故障率为0,该元件故障事件出现的不确定度就无穷大,相应在所有场景下一定有zi,t=0;反之,故障率为1,那么该元件一定故障,该元件故障事件出现的不确定度为0,相应一定有zi,t=1,因此从实际场景出现的可能性看,W取值不可能过大或过小。选满足熵值约束的典型故障场景,各场景对应的配电系统的熵值W必须在一定范围内,即满足:
根据上式熵值约束条件选取的故障场景,具有发生概率大、故障后果危害严重的特点,构成了配电网韧性分析中的典型故障场景。Wmax和Wmin分别为典型场景对应的配电系统熵值分布的最大值和最小值。
3)配电网韧性评估计算,包括计算典型故障场景发生概率,确定典型故障场景对应系统的缺供电量,以及配电网韧性指标的计算;其中:
(1)所述的计算典型故障场景发生概率,包括:
故障场景n的发生概率λn与该场景对应的故障重数有关,利用单一线路的故障率计算出多重故障场景的发生概率的表达式为:
式中,λi1表示该区域配电网中仅有线路i1故障的场景发生概率,λi1i2表示该区域配电网中仅有元件i1及线路i2故障的场景发生概率,vi1表示线路i1故障的发生概率,vi1i2表示线路i1和线路i2同时故障的发生概率,vi1i2i3表示线路i1、i2、i3同时故障的场景发生概率,Pi1、Pi2、Pi3分别为架空线路i1、i2、i3的故障率,H为区域配电系统中线路总条数。
(2)所述的确定典型故障场景对应系统的缺供电量,是根据每一种场景下对应的线路故障顺序、停电范围和修复顺序,获取从极端天气发生到恢复正常运行的整个过程中的系统功能曲线,采用负荷曲线来描述系统功能,得到各典型故障场景对应系统的缺供电量。
(3)在系统遭受台风影响的过程中,大量配电网元件在风力作用下发生故障,进而导致大范围停电,在台风过境后,系统逐渐恢复到原有的正常运行状态。配电网在整个极端天气影响过程中系统功能曲线示意图见图1所示。
采用系统功能在极端天气下的缺失面积来反映配电网韧性,它同时考虑了系统恢复正常所用的时间和灾害过程中故障损失的大小。所述的配电网韧性指标的计算,是利用典型故障场景的发生概率及对应系统的缺供电量来计算配电网韧性指标,表达式为:
式中,λn为故障场景n的发生概率;N为选取的故障场景数目;Imn为故障场景n的供电量缺失程度;T0表示配电网受极端天气影响的时间,包括了台风穿越该配电网所用的时间和配电网恢复正常供电的时间;L(t)表示极端天气导致大规模故障发生时的实际负荷曲线;TL(t)表示系统无故障运行时的目标负荷曲线;RESn表示典型故障场景n系统的缺供电量,也表现为负荷曲线的缺失面积。
本发明的实例是采用如图2所示的某靠近海岸线,夏、秋季常常经受台风等极端天气的影响的区域配电网,来验证本发明的一种基于系统信息熵的配电网韧性评估方法的实用性。
各条馈线的地理走向与图中一致,馈线段长度如表1所示,架空线路的平均档距为50m。各负荷点的峰值负荷和负荷等级如图3所示。以馈线F3出线端为原点建立如图2所示的坐标系,台风登陆位置坐标为(-150km,-125km),与横坐标呈45°方向移动,速度20km/h。架空配电线路倒杆断线故障后,线路无法自动重合闸,需要人工更换或修复,所以一般台风过境后安排线路元件修复。
表1馈线段长度
馈线段 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |
长度(km) | 2.8 | 2.5 | 1.6 | 0.9 | 1.6 | 2.5 | 0.6 | 1.6 | 0.8 | 0.9 | 3.2 | 2.8 | 0.6 | 3.5 | 1.6 |
馈线段 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 |
长度(km) | 2.8 | 3.2 | 2.5 | 3.2 | 1.6 | 0.8 | 2.8 | 2.5 | 3.2 | 2.8 | 2.5 | 0.8 | 1.6 | 3.2 | 2.8 |
馈线段 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | ||
长度(km) | 2.8 | 2.5 | 1.6 | 0.9 | 1.6 | 2.5 | 3.2 | 1.6 | 2.8 | 2.8 | 2.5 | 1.6 | 0.9 |
(1)配电网元件故障率仿真结果
根据元件故障率模型获得受台风影响过程中各条线路(以线路1和40为例)的时变故障率如图4所示,台风登陆时刻为仿真起始时刻。
由图4可以看出,随着台风靠近,线路上的风速逐渐增大;但当线路位于最大风速半径内部时,风速反而减小,因此图4中线路时变故障率曲线均呈两个尖峰。在受台风影响的整个过程中,当线路处于最大风速半径附近时,最易发生故障。
(2)韧性分析场景
根据线路故障率生成典型故障场景,由不同场景对应的zi,t向量结合式(5)计算该场景对应的系统熵值W,系统信息熵的数值大小满足如图5(a)所示概率分布。
熵值大小的分布与系统特性有关,图5a中90%的场景熵值分布在(3.5,28),可知对本算例中数据来说,式(6)应取(Wmin=3.5,Wmax=28)。一个场景对应熵值的出现概率越高,该场景在极端天气条件下出现的可能性越大,表明熵值W∈(3.5,28)的场景较为合理。例如,线路7、8、21、34在台风登陆后13.5h、7.75h、8.25h、15.5h时刻的故障率较大,因此这四条线路分别在对应时刻故障的场景出现可能性较大,此场景对应的系统熵值为9.98,属于典型故障场景;而线路1在8h故障,其余线路均不故障的场景出现可能性很小,此场景对应的系统熵值为1.15,不满足式(6)约束,在韧性分析时不需要考虑。
对故障场景中的故障元件数目进行分析统计,满足如图5b所示的分布。可知在算例中所述的较为严重台风天气的影响下,该区域配电网发生3~5重故障的概率最大,更多重故障及不发生故障的概率都极低,总体呈左偏峰分布。相应地在韧性分析过程中,考虑的故障规模也以3~5重故障为主,对于8重及以上故障,由于发生概率之和小于10%,计算时可以忽略。
(3)配电网韧性评估
以一种4重故障场景为例,描述配电网在极端天气下的负荷恢复过程,并计算负荷曲线缺失面积。在该场景下,线路3、28、37和42分别在台风登陆后8.25h、8.5h、13.5h和7.25h时发生故障,对应负荷曲线如图6所示,图中描述了按元件的故障顺序依次进行修复时故障过程,其中虚线为系统正常运行时的负荷曲线。
由图6可知,随着故障元件的增加,电网供应的负荷逐渐减小,在故障最严重时,所带负荷仅为正常运行的约15%,在23h后台风过境,开始安排故障线路的逐个恢复,各负荷点逐渐恢复供电,在43h后恢复正常运行。
通过计算各典型故障场景下的负荷曲线缺失面积和各场景的发生概率,最终可以得到相应的配电网韧性评估结果。配电网韧性指标AR计算结果为0.572。可知,对于原始配电网,受到极端天气影响过程中负荷供电量仅为正常水平的57.2%。
Claims (6)
1.一种基于系统信息熵的配电网韧性评估方法,其特征在于,包括如下步骤:
1)根据网络结构相关参数及台风气象数据,计算配电网各元件故障率;
2)基于系统信息熵选取满系统熵值约束的典型故障场景;
3)配电网韧性评估计算,包括计算典型故障场景发生概率,确定典型故障场景对应系统的缺供电量,以及配电网韧性指标的计算。
2.根据权利要求1所述的一种基于系统信息熵的配电网韧性评估方法,其特征在于,步骤1)包括:
(1)建立极端天气下的元件故障率模型,包括:
(a)配电网元件的风载荷N1与线路上的风速和风向之间的关系模型:
<mrow>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>1.2</mn>
<mo>&times;</mo>
<mfrac>
<msup>
<mi>V</mi>
<mn>2</mn>
</msup>
<mn>1.6</mn>
</mfrac>
<mi>D</mi>
<mi> </mi>
<msup>
<mi>sin</mi>
<mn>2</mn>
</msup>
<mi>&theta;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,D为导线外径;V为风速,θ为风向与线路的夹角;
(b)导线与电杆的不可靠运行的概率模型:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>f</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<msub>
<mi>&sigma;</mi>
<mi>g</mi>
</msub>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msqrt>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</msqrt>
<msub>
<mi>&delta;</mi>
<mi>l</mi>
</msub>
</mrow>
</mfrac>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>l</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>l</mi>
</msub>
</mrow>
<msub>
<mi>&delta;</mi>
<mi>l</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
<msub>
<mi>d&sigma;</mi>
<mi>l</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>f</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<msub>
<mi>M</mi>
<mi>T</mi>
</msub>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msqrt>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</msqrt>
<msub>
<mi>&delta;</mi>
<mi>p</mi>
</msub>
</mrow>
</mfrac>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>M</mi>
<mi>p</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>p</mi>
</msub>
</mrow>
<msub>
<mi>&delta;</mi>
<mi>p</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
<msub>
<mi>dM</mi>
<mi>p</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,pfl为架空导线的故障率,pfp为电杆的故障率,σg为导线截面所受应力,μl、δl分别为导线强度的均值和标准差,MT为杆根承受的弯矩,μp、δp分别为电杆强度的均值和标准差;
(c)架空配电线路故障率模型:
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>V</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>m</mi>
<mn>1</mn>
</msub>
</munderover>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>f</mi>
<mi>p</mi>
<mo>,</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>V</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>m</mi>
<mn>2</mn>
</msub>
</munderover>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>f</mi>
<mi>l</mi>
<mo>,</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>V</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,pl,i为架空线路i的故障率;m1为线路i的电杆数,m2为线路i的导线档数;pfp,k,i为线路i的第k个电杆的故障率,pfl,k,i为线路i的第k档导线的故障率,均是该导线上时变风速的函数;
(2)将导线外径、线路的电杆数、导线档数、导线强度、电杆强度和风速和风向代入第(1)所建立的模型中,得到配电网各元件故障率。
3.根据权利要求1所述的一种基于系统信息熵的配电网韧性评估方法,其特征在于,步骤2)包括:
(1)故障场景对应的配电系统的熵值W计算公式:
<mrow>
<mi>W</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>&Omega;</mi>
<mi>B</mi>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
<mi>t</mi>
<mo>&Element;</mo>
<mi>T</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,T表示台风穿越该配电网区域所用的时间;ΩB表示配电网线路集;pi,t为线路i在t时刻的故障率;zi,t表示t时刻线路i是否发生故障,而非线路是否处于故障状态,发生故障其值为1,否则为0;
(2)选满足熵值约束的典型故障场景,各场景对应的配电系统的熵值W必须在一定范围内,即满足:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>W</mi>
<mi>min</mi>
</msub>
<mo>&le;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>&Omega;</mi>
<mi>B</mi>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>W</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>t</mi>
</munder>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>t</mi>
<mo>&Element;</mo>
<mi>T</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
根据上式熵值约束条件选取的故障场景,具有发生概率大、故障后果危害严重的特点,构成了配电网韧性分析中的典型故障场景;Wmax和Wmin分别为典型场景对应的配电系统熵值分布的最大值和最小值。
4.根据权利要求1所述的一种基于系统信息熵的配电网韧性评估方法,其特征在于,步骤3)所述的计算典型故障场景发生概率,包括:
故障场景n的发生概率λn与该场景对应的故障重数有关,利用单一线路的故障率计算出多重故障场景的发生概率的表达式为:
<mrow>
<msub>
<mi>&lambda;</mi>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
</msub>
<mo>=</mo>
<msub>
<mi>v</mi>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
</msub>
<mo>-</mo>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>&NotEqual;</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
</mrow>
<mi>H</mi>
</munderover>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>&NotEqual;</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
</mrow>
<mi>H</mi>
</munderover>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mo>&NotEqual;</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</mrow>
<mi>H</mi>
</munderover>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>6</mn>
</mfrac>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>&NotEqual;</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
</mrow>
<mi>H</mi>
</munderover>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mo>&NotEqual;</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</mrow>
<mi>H</mi>
</munderover>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>4</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<msub>
<mi>i</mi>
<mn>4</mn>
</msub>
<mo>&NotEqual;</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
</mrow>
<mi>H</mi>
</munderover>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<msub>
<mi>i</mi>
<mn>4</mn>
</msub>
</mrow>
</msub>
<mo>+</mo>
<mn>...</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&lambda;</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<mo>-</mo>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mo>&NotEqual;</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</mrow>
<mi>H</mi>
</munderover>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<mo>&NotEqual;</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</mrow>
<mi>H</mi>
</munderover>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>4</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<msub>
<mi>i</mi>
<mn>4</mn>
</msub>
<mo>&NotEqual;</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
</mrow>
<mi>H</mi>
</munderover>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
<msub>
<mi>i</mi>
<mn>4</mn>
</msub>
</mrow>
</msub>
<mo>-</mo>
<mn>...</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>p</mi>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
</msub>
<msub>
<mi>p</mi>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>p</mi>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
</msub>
<msub>
<mi>p</mi>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</msub>
<msub>
<mi>p</mi>
<msub>
<mi>i</mi>
<mn>3</mn>
</msub>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,λi1表示该区域配电网中仅有线路i1故障的场景发生概率,λi1i2表示该区域配电网中仅有元件i1及线路i2故障的场景发生概率,vi1表示线路i1故障的发生概率,vi1i2表示线路i1和线路i2同时故障的发生概率,vi1i2i3表示线路i1、i2、i3同时故障的场景发生概率,Pi1、Pi2、Pi3分别为架空线路i1、i2、i3的故障率,H为区域配电系统中线路总条数。
5.根据权利要求1所述的一种基于系统信息熵的配电网韧性评估方法,其特征在于,步骤3)所述的确定典型故障场景对应系统的缺供电量,是根据每一种场景下对应的线路故障顺序、停电范围和修复顺序,获取从极端天气发生到恢复正常运行的整个过程中的系统功能曲线,采用负荷曲线来描述系统功能,得到各典型故障场景对应系统的缺供电量。
6.根据权利要求1所述的一种基于系统信息熵的配电网韧性评估方法,其特征在于,步骤3)所述的配电网韧性指标的计算,是利用典型故障场景的发生概率及对应系统的缺供电量来计算配电网韧性指标,表达式为:
<mrow>
<mi>A</mi>
<mi>R</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>n</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>Im</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>n</mi>
</msub>
<mo>&times;</mo>
<mi>E</mi>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</msubsup>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
<mrow>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</msubsup>
<mi>T</mi>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>n</mi>
</msub>
<mo>&times;</mo>
<mi>E</mi>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</msubsup>
<mi>T</mi>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>RES</mi>
<mi>n</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</msubsup>
<mi>T</mi>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,λn为故障场景n的发生概率;N为选取的故障场景数目;Imn为故障场景n的供电量缺失程度;T0表示配电网受极端天气影响的时间,包括了台风穿越该配电网所用的时间和配电网恢复正常供电的时间;L(t)表示极端天气导致大规模故障发生时的实际负荷曲线;TL(t)表示系统无故障运行时的目标负荷曲线;RESn表示典型故障场景n系统的缺供电量,也表现为负荷曲线的缺失面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710381588.3A CN107230015B (zh) | 2017-05-25 | 2017-05-25 | 一种基于系统信息熵的配电网韧性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710381588.3A CN107230015B (zh) | 2017-05-25 | 2017-05-25 | 一种基于系统信息熵的配电网韧性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107230015A true CN107230015A (zh) | 2017-10-03 |
CN107230015B CN107230015B (zh) | 2020-08-21 |
Family
ID=59934266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710381588.3A Active CN107230015B (zh) | 2017-05-25 | 2017-05-25 | 一种基于系统信息熵的配电网韧性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107230015B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427856A (zh) * | 2018-04-04 | 2018-08-21 | 哈尔滨工业大学 | 一种配电网10千伏杆塔故障概率曲线拟合方法 |
CN108876194A (zh) * | 2018-07-16 | 2018-11-23 | 国网福建省电力有限公司 | 一种台风灾害场景下配电网风险评估方法 |
CN109473992A (zh) * | 2019-01-21 | 2019-03-15 | 国网河北省电力有限公司经济技术研究院 | 一种提高配电网韧性的方法、系统及终端设备 |
CN109784780A (zh) * | 2019-03-04 | 2019-05-21 | 广东工业大学 | 一种电力系统韧性的评估方法、装置及设备 |
CN110190606A (zh) * | 2019-06-04 | 2019-08-30 | 中国人民解放军国防科技大学 | 受损环境下微电网系统韧性评价方法和系统 |
CN110910045A (zh) * | 2019-12-05 | 2020-03-24 | 广东省气象公共安全技术支持中心 | 气象灾害防御方法及系统 |
CN111313419A (zh) * | 2019-12-13 | 2020-06-19 | 山东大学 | 极端天气下基于动态重构的配电网弹性提升方法及系统 |
CN111507606A (zh) * | 2020-04-13 | 2020-08-07 | 华北电力大学 | 用于复杂能源互联系统的韧性评估方法 |
CN111582512A (zh) * | 2020-03-31 | 2020-08-25 | 清华大学深圳国际研究生院 | 一种配电网韧性恢复方法及计算机可读存储介质 |
CN111985160A (zh) * | 2020-08-20 | 2020-11-24 | 重庆大学 | 一种台风天气下架空配电线路加固规划方法 |
CN112257233A (zh) * | 2020-09-29 | 2021-01-22 | 深圳供电局有限公司 | 弹性电网恢复力评估方法、装置、计算机设备和介质 |
CN112257990A (zh) * | 2020-09-30 | 2021-01-22 | 深圳供电局有限公司 | 配电网弹性评价方法、装置、计算机设备和存储介质 |
CN113177717A (zh) * | 2021-05-06 | 2021-07-27 | 天津大学 | 一种基于影响增量灵敏度的输电系统韧性快速评估方法 |
CN113505967A (zh) * | 2021-06-04 | 2021-10-15 | 上海电力大学 | 一种基于实时故障率的配电网韧性提升方法 |
CN113541211A (zh) * | 2021-06-11 | 2021-10-22 | 国网上海市电力公司 | 一种确定交直流配电网韧性的方法及系统 |
CN113609637A (zh) * | 2021-06-24 | 2021-11-05 | 国网浙江杭州市余杭区供电有限公司 | 一种考虑故障连锁的多灾害配电网弹性评估方法 |
CN113610371A (zh) * | 2021-07-27 | 2021-11-05 | 国网经济技术研究院有限公司 | 基于韧性的冰冻灾害电网薄弱环节评估方法及装置 |
CN114254878A (zh) * | 2021-12-01 | 2022-03-29 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑极端灾害发生频率的配电网弹性评估方法及装置 |
CN114297744A (zh) * | 2021-11-25 | 2022-04-08 | 国网河北省电力有限公司保定供电分公司 | 一种输电铁塔结构健康度概率计算方法 |
CN115330244A (zh) * | 2022-08-26 | 2022-11-11 | 天津大学 | 考虑电网支路故障概率变化韧性指标快速修正方法 |
CN115809836A (zh) * | 2023-02-09 | 2023-03-17 | 华南理工大学 | 考虑分布式储能应急供电能力的配电网韧性规划的方法 |
CN115879833A (zh) * | 2023-03-02 | 2023-03-31 | 国网山东省电力公司威海供电公司 | 考虑灾害响应和恢复的双层配电网韧性评估方法及系统 |
CN116362622A (zh) * | 2023-04-23 | 2023-06-30 | 国网河南省电力公司电力科学研究院 | 一种极端气象条件下电网供电能力评估方法和装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111276974A (zh) * | 2020-03-13 | 2020-06-12 | 南方电网科学研究院有限责任公司 | 配电系统的可靠性评估方法、装置及单环配电系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013164651A (ja) * | 2012-02-09 | 2013-08-22 | Chugoku Electric Power Co Inc:The | 送電用避雷装置故障予測装置、故障予測プログラムおよび故障予測方法 |
CN103593707A (zh) * | 2013-11-27 | 2014-02-19 | 国家电网公司 | 一种配电网可靠性评估的方法和装置 |
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 |
CN104217253A (zh) * | 2014-08-29 | 2014-12-17 | 重庆大学 | 台风天气下配电线路荷载可靠度分析方法 |
CN104504525A (zh) * | 2014-12-26 | 2015-04-08 | 国家电网公司 | 通过大数据挖掘技术实现电网设备故障预警的方法 |
CN105974273A (zh) * | 2016-07-26 | 2016-09-28 | 潘燕 | 配电网故障定位系统 |
-
2017
- 2017-05-25 CN CN201710381588.3A patent/CN107230015B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013164651A (ja) * | 2012-02-09 | 2013-08-22 | Chugoku Electric Power Co Inc:The | 送電用避雷装置故障予測装置、故障予測プログラムおよび故障予測方法 |
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 |
CN103593707A (zh) * | 2013-11-27 | 2014-02-19 | 国家电网公司 | 一种配电网可靠性评估的方法和装置 |
CN104217253A (zh) * | 2014-08-29 | 2014-12-17 | 重庆大学 | 台风天气下配电线路荷载可靠度分析方法 |
CN104504525A (zh) * | 2014-12-26 | 2015-04-08 | 国家电网公司 | 通过大数据挖掘技术实现电网设备故障预警的方法 |
CN105974273A (zh) * | 2016-07-26 | 2016-09-28 | 潘燕 | 配电网故障定位系统 |
Non-Patent Citations (1)
Title |
---|
高海翔等: "《配电网韧性及其先关研究进展》", 《电力系统自动化》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427856B (zh) * | 2018-04-04 | 2021-08-20 | 哈尔滨工业大学 | 一种配电网10千伏杆塔故障概率曲线拟合方法 |
CN108427856A (zh) * | 2018-04-04 | 2018-08-21 | 哈尔滨工业大学 | 一种配电网10千伏杆塔故障概率曲线拟合方法 |
CN108876194A (zh) * | 2018-07-16 | 2018-11-23 | 国网福建省电力有限公司 | 一种台风灾害场景下配电网风险评估方法 |
CN109473992A (zh) * | 2019-01-21 | 2019-03-15 | 国网河北省电力有限公司经济技术研究院 | 一种提高配电网韧性的方法、系统及终端设备 |
CN109784780A (zh) * | 2019-03-04 | 2019-05-21 | 广东工业大学 | 一种电力系统韧性的评估方法、装置及设备 |
CN109784780B (zh) * | 2019-03-04 | 2022-12-30 | 广东工业大学 | 一种电力系统韧性的评估方法、装置及设备 |
CN110190606A (zh) * | 2019-06-04 | 2019-08-30 | 中国人民解放军国防科技大学 | 受损环境下微电网系统韧性评价方法和系统 |
CN110910045A (zh) * | 2019-12-05 | 2020-03-24 | 广东省气象公共安全技术支持中心 | 气象灾害防御方法及系统 |
CN111313419A (zh) * | 2019-12-13 | 2020-06-19 | 山东大学 | 极端天气下基于动态重构的配电网弹性提升方法及系统 |
CN111582512A (zh) * | 2020-03-31 | 2020-08-25 | 清华大学深圳国际研究生院 | 一种配电网韧性恢复方法及计算机可读存储介质 |
CN111507606B (zh) * | 2020-04-13 | 2022-05-20 | 华北电力大学 | 用于复杂能源互联系统的韧性评估方法 |
CN111507606A (zh) * | 2020-04-13 | 2020-08-07 | 华北电力大学 | 用于复杂能源互联系统的韧性评估方法 |
CN111985160A (zh) * | 2020-08-20 | 2020-11-24 | 重庆大学 | 一种台风天气下架空配电线路加固规划方法 |
CN111985160B (zh) * | 2020-08-20 | 2024-01-02 | 重庆大学 | 一种台风天气下架空配电线路加固规划方法 |
CN112257233A (zh) * | 2020-09-29 | 2021-01-22 | 深圳供电局有限公司 | 弹性电网恢复力评估方法、装置、计算机设备和介质 |
CN112257990A (zh) * | 2020-09-30 | 2021-01-22 | 深圳供电局有限公司 | 配电网弹性评价方法、装置、计算机设备和存储介质 |
CN112257990B (zh) * | 2020-09-30 | 2024-04-26 | 深圳供电局有限公司 | 配电网弹性评价方法、装置、计算机设备和存储介质 |
CN113177717A (zh) * | 2021-05-06 | 2021-07-27 | 天津大学 | 一种基于影响增量灵敏度的输电系统韧性快速评估方法 |
CN113505967A (zh) * | 2021-06-04 | 2021-10-15 | 上海电力大学 | 一种基于实时故障率的配电网韧性提升方法 |
CN113505967B (zh) * | 2021-06-04 | 2022-05-20 | 上海电力大学 | 一种基于实时故障率的配电网韧性提升方法 |
CN113541211A (zh) * | 2021-06-11 | 2021-10-22 | 国网上海市电力公司 | 一种确定交直流配电网韧性的方法及系统 |
CN113609637B (zh) * | 2021-06-24 | 2023-10-27 | 国网浙江杭州市余杭区供电有限公司 | 一种考虑故障连锁的多灾害配电网弹性评估方法 |
CN113609637A (zh) * | 2021-06-24 | 2021-11-05 | 国网浙江杭州市余杭区供电有限公司 | 一种考虑故障连锁的多灾害配电网弹性评估方法 |
CN113610371A (zh) * | 2021-07-27 | 2021-11-05 | 国网经济技术研究院有限公司 | 基于韧性的冰冻灾害电网薄弱环节评估方法及装置 |
CN114297744A (zh) * | 2021-11-25 | 2022-04-08 | 国网河北省电力有限公司保定供电分公司 | 一种输电铁塔结构健康度概率计算方法 |
CN114254878A (zh) * | 2021-12-01 | 2022-03-29 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑极端灾害发生频率的配电网弹性评估方法及装置 |
CN115330244A (zh) * | 2022-08-26 | 2022-11-11 | 天津大学 | 考虑电网支路故障概率变化韧性指标快速修正方法 |
CN115809836A (zh) * | 2023-02-09 | 2023-03-17 | 华南理工大学 | 考虑分布式储能应急供电能力的配电网韧性规划的方法 |
CN115879833A (zh) * | 2023-03-02 | 2023-03-31 | 国网山东省电力公司威海供电公司 | 考虑灾害响应和恢复的双层配电网韧性评估方法及系统 |
CN116362622A (zh) * | 2023-04-23 | 2023-06-30 | 国网河南省电力公司电力科学研究院 | 一种极端气象条件下电网供电能力评估方法和装置 |
CN116362622B (zh) * | 2023-04-23 | 2023-11-21 | 国网河南省电力公司电力科学研究院 | 一种极端气象条件下电网供电能力评估方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107230015B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107230015A (zh) | 一种基于系统信息熵的配电网韧性评估方法 | |
US11922335B2 (en) | Method and system for evaluating macro resilience of offshore oil well control equipment | |
CN107992962B (zh) | 一种基于熵权法的输电线路防雷措施优化选择方法 | |
CN105427019B (zh) | 一种地理气象相关的输电线路风险差异评价方法 | |
CN101425681B (zh) | 电网系统继电保护在线校核方法 | |
CN107633320B (zh) | 一种基于气象预测和风险评估的电网线路重要度评估方法 | |
CN110222946B (zh) | 基于台风场景模拟的配电网架空线路薄弱环节辨识方法 | |
CN104657822A (zh) | 一种基于风险评估结果的电力系统灾害预警分级方法及系统 | |
CN104299116A (zh) | 一种电网运行安全风险定量评估方法 | |
CN110378549B (zh) | 一种基于fahp-熵权法的输电杆塔鸟害等级评估方法 | |
CN111815476B (zh) | 基于极端冰灾的电网薄弱环节识别方法及装置 | |
CN113569411B (zh) | 一种面向灾害天气的电网运行风险态势感知方法 | |
CN104636578A (zh) | 一种输电线路铁塔安全性评估系统及其评估方法 | |
CN105760979A (zh) | 一种考虑自然灾害的电力系统暂态风险评估方法 | |
CN106768933A (zh) | 一种基于遗传算法的风电机组叶片故障诊断方法 | |
CN111126672A (zh) | 一种基于分类决策树的高压架空输电线路台风灾害预测方法 | |
CN111191832A (zh) | 一种台风灾害配电网杆塔故障预测方法及系统 | |
CN112684294B (zh) | 一种基于环境动态影响的配电网故障抢修定位方法 | |
CN107067126A (zh) | 一种基于潮流转移比的热稳定关键输电通道识别方法 | |
CN104143158A (zh) | 多气象因子的电力系统元件可靠性监控方法 | |
CN110739689A (zh) | 一种配电网线路系统运行安全性识别方法及其系统 | |
CN110021933A (zh) | 考虑组件故障的电力信息系统控制功能可靠性评估方法 | |
CN113077358B (zh) | 一种应对飓风灾害的电力系统脆弱线路辨识方法 | |
CN115809836A (zh) | 考虑分布式储能应急供电能力的配电网韧性规划的方法 | |
CN107886227A (zh) | 用于评估配电网抗灾害能力提升程度的方法 |
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 |