CN107292478A - 一种灾害对配电网影响态势的获取方法 - Google Patents
一种灾害对配电网影响态势的获取方法 Download PDFInfo
- Publication number
- CN107292478A CN107292478A CN201610230212.8A CN201610230212A CN107292478A CN 107292478 A CN107292478 A CN 107292478A CN 201610230212 A CN201610230212 A CN 201610230212A CN 107292478 A CN107292478 A CN 107292478A
- Authority
- CN
- China
- Prior art keywords
- disaster
- situation
- distribution network
- influence
- power distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012913 prioritisation Methods 0.000 claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000003672 processing method Methods 0.000 claims description 8
- 238000001556 precipitation Methods 0.000 claims description 7
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 230000001373 regressive effect Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 239000011248 coating agent Substances 0.000 claims description 3
- 238000000576 coating method Methods 0.000 claims description 3
- 239000004020 conductor Substances 0.000 claims description 3
- 239000012212 insulator Substances 0.000 claims description 3
- 238000005381 potential energy Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 241001365789 Oenanthe crocata Species 0.000 claims description 2
- 230000002265 prevention Effects 0.000 abstract description 10
- 231100001261 hazardous Toxicity 0.000 abstract description 8
- 230000008859 change Effects 0.000 abstract description 6
- 230000006872 improvement Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 240000002853 Nelumbo nucifera Species 0.000 description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 125000001475 halogen functional group Chemical group 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000012800 visualization 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
- G06Q10/0635—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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种灾害对配电网影响态势的获取方法,通过对影响配电网的各灾害进行态势分级,确定量化指标;根据层次分析算法对各灾害的影响子态势进行合成,确定配电网的供电态势评级及优化方案的综合评价评分;根据配电网的供电态势评级及优化方案的综合评价评分,基于灰色关联法获取灾害态势结果。本发明提出的方法具有较强的适应性,准确且有效地实现了对各类设备的影响态势量化描述,可靠实现了灾害条件影响下的运行态势感知推理分析,能够全面量化地考虑灾害的影响进行配电网运行变化的分析推理,为配电网的灾害防御及治理提供了准确、全面且可靠地数据依据,提高了对配电网的灾害防御及治理效率,进而提高了配电网的安全性及运行可靠性。
Description
技术领域
本发明涉及一种智能配电网领域中对于配电网运行层面的态势感知分析技术,具体涉及一种灾害对配电网影响态势的获取方法。
背景技术
优质可靠供电是配电网运行关键目标之一。受技术条件限制,传统配电网很难实现灾害条件下的电力持续稳定供应,只能依赖事后抢修的被动防御模式,在全球气候变化导致自然灾害频发的大背景下,配电网亟需发展主动型灾害防御技术,减少灾害导致的重大损失。
自然灾害中能对电网产生损害的包括台风、暴雨、海啸、洪涝、地震、雷电、地磁暴、覆冰、盐雾、滑坡、高温、严寒、高污秽等。影响中国电网正常运行的各类灾害中覆冰、污秽、暴雨这三种灾害的影响范围最广,几乎涵盖了所有地区。山火、台风、雷电的分布范围次之,其中台风影响的省份多集中于中国东部沿海,雷电则主要影响中东部及西南地区。影响范围相对较小的灾害类型包括洪水、地震、沙尘暴、大风和暴风雪。因我国幅员广阔,南北气候差异明显,地理环境多样,各地自然灾害的情况也不尽相同,如北方电网灾害主要包括雷击,风灾,污闪,覆冰,水灾,低温六种。
为应对各种灾害影响,从国家到地方制定了不同层面的应急预案,主要针对电力系统遭受各种扰动后失去稳定运行的大面积停电或系统崩溃事故,从不同层面对突发事件的应急做出了原则性和具体的规定。但对于输配电设备可能受到灾害影响和破坏的电网,仅有应急预案和调度控制措施是不够的,还需要在电网运行态势分析等方面加强研究,才能有效地提高电网抵御灾害影响的能力。
当前,配电网虽然已经部分建立了配电自动化、生产指挥、应急系统等高级应用,但主要基于预案和被动抢修思路,并且由于采集数据不足、质量不佳、考虑的因素有限、缺乏多因素/多维度/多目标的灾害态势感知能力和预测能力,态势可视化与交互功能不 佳,灾害防御手段不足,缺乏系统性,配电网难以有效应对灾害条件下的供电保障需求,亟待进行灾害条件下的配电网运行态势感知研究,为灾害主动防御技术提供支撑。
发明内容
有鉴于此,本发明提供的一种灾害对配电网影响态势的获取方法,该方法具有较强的适应性,准确且有效地实现了对各类设备的影响态势量化描述,可靠实现了灾害条件影响下的运行态势感知推理分析,能够全面量化地考虑灾害的影响进行配电网运行变化的分析推理,为配电网的灾害防御及治理提供了准确、全面且可靠地数据依据,提高了对配电网的灾害防御及治理效率,进而提高了配电网的安全性及运行可靠性。
本发明的目的是通过以下技术方案实现的:
一种灾害对配电网影响态势的获取方法,所述方法包括如下步骤:
步骤1.对影响配电网的各灾害进行态势分级,确定量化指标;
步骤2.根据层次分析算法对各所述灾害的影响子态势进行合成,确定所述配电网的供电态势评级及优化方案的综合评价评分;其中,所述供电态势评级的态势包括:安全供电态势、正常供电态势、网络应急态势、自备应急态势及无法供电态势;
步骤3.根据所述配电网的供电态势评级及优化方案的综合评价评分,基于灰色关联法获取灾害对配电网影响态势的最终结果。
优选的,所述步骤1包括:
1-1.确定配电网的各灾害类型的影响因素;
1-2.根据所述灾害类型的影响因素确定各所述灾害的环境数据的影响因素,根据所述环境数据的影响因素,基于模糊逻辑理论对各所述灾害进行态势分级;
1-3.确定各所述灾害的总体影响态势,并根据配电网中各类设备的灾害影响子态势,确定用于对配电网灾害影响态势分析的量化指标。
优选的,所述步骤1-1中的所述灾害类型包括:台风灾害、覆冰灾害、洪涝灾害、 雷电灾害及暴雨灾害;
其中,所述台风灾害的影响因素包括:风速或风力等级、风向、台风走向及地形;
所述覆冰灾害的影响因素包括:环境温度、线路温度、风速、风向、降水率、线路电流及相对湿度;
所述洪涝灾害的影响因素包括:日平均温度、日平均风速、最大风速、日降雨量、空气湿度、河网密度、河流径流量、海拔、植被覆盖率、土壤深度及土壤湿度;
所述雷电灾害的影响因素包括:潜在性稳定度指数、对流性稳定度指数、潜在-对流性稳定度指数、抬升指数、对流有效位能、700hPa相当位温、线路保护角、接地电阻及加装避雷器的必要性指数;
所述暴雨灾害的影响因素包括:最大风速、日降雨量及最大降雨强度。
优选的,所述步骤1-2中的所述环境数据包括:气象数据、地质数据、电力设备数据及电网数据;
其中,所述气象数据的影响因素包括:环境温度、相对湿度、风速或风力等级、风向、降水率、最大降雨强度、平均降水量、落雷概率、落雷密度、落雷强度及灾害类型;
所述地质数据的影响因素包括:海拔高度、地形地貌及电网拓扑结构;
所述电力设备数据的影响因素包括:变压器容量、导线半径、导线阻抗、线路设计最大风速、电压等级、开关运行状态、继电保护信息、线路覆冰厚度及绝缘子受污情况;
所述电网数据的影响因素包括:电压、电流、频率、有功功率及无功功率;
且所述步骤1-2中的所述灾害的态势等级从轻至重依次包括:可接受等级、勉强可接受等级、不可接受等级、高等级、非常高等级、危急等级及灾难性等级。
优选的,所述步骤1-3中的所述量化指标包括1至7,其中,所述灾害的态势等级中的可接受等级的量化指标为1,其他等级的量化指标值依次增加1。
优选的,所述步骤2包括:
2-1.将层次结构中的树叶属性与各方案连线就形成方案属性决策表,计算得到针对各个配网运行方式的优化方案的指标wAij,填入方案属性决策向量表Wi;其中Wi=(wAij)T,i=1,2,…,j=1,2,…,8;
2-2.确定所述方案属性决策向量表中各个所述优化方案的指标wAij的属性权重;
2-3.采用AHP的相对标量法,通过计算比较各个所述优化方案属性决策向量中的分量,形成7个方案权重判断矩阵,每个矩阵代表了一个对应于某个指标的所述优化方案权重判断矩阵Aj:
式(1)中,n为子属性个数;
2-4.求解各个所述优化方案针对Aj的属性权重Wj *:
式(2)中,λmax为权重判断矩阵Aj的最大特征根;
2-5.计算当前所述优化方案对上一层所述优化方案属性的权重:
式(3)中,m为所述优化方案的个数;Wi (k+1)为所述优化方案i对层次结构中k+1层某属性A(k+1)的所述优化方案权重;Wj (k)为A(k+1)在k层的子属性j的权重,Wij (k)为所述优化方案i对子属性j的所述优化方案权重;
得到所述优化方案的综合评价评分G(i)。
优选的,所述步骤3包括:
3-1.根据所述配电网的供电态势评级及优化方案的综合评价评分,基于灰色关联法求解各灾害影响态势等级与该灾害等级下设备故障概率之间相关系数;
3-2.根据所述各灾害影响态势等级与该灾害等级下设备故障概率之间相关系数,获取灾害对配电网影响态势的最终结果。
优选的,所述3-1包括:
a.确定灰色关联法中的反映系统行为特征的参考数列和影响系统行为的比较数列:
其中,所述反映系统行为特征的参考数列为当前所述灾害等级下设备故障概率;
影响系统行为的比较数列为各所述灾害的影响态势等级;
b.对所述参考数列和比较数列进行无量纲化处理;
c.求解所述参考数列与比较数列的灰色关联系数,即第k个时刻比较曲线xi与参考曲线x0的相对差值ξi(k):
式(4)中,x0为一个参考数据列;x1,x2,···,xn为x0的各所述比较数列;为分辨系数,取值在0与1之间;Δi(min)为两极最小差即Δi(max)为两极最大差即
d.求解所述比较数列与参考数列间关联程度的关联度ri:
式(5)中,N为时刻k的总数;
e.对所述关联度ri排序,得到关联序{x};
f.根据所述关联序{x},得到各类灾害与该设备故障率之间的相关系数rij。
优选的,所述步骤b包括:
b-1对所述参考数列和比较数列进行无量纲化处理的方法为初值化处理方法或均值化处理方法;
b-2.对原始时间序列进行数据处理,得到生成列;
所述对原始时间序列进行数据处理的方法为累加方法或累减方法。
优选的,所述3-2包括:
g.根据所述相关系数rij,得到关联度结果;
h.根据所述关联度结果,定义i类灾害对j类设备的影响子态势SAEij:
SAEij=FORj×rij×SACi (6)
式(6)中,FORj表示j类电网设备的故障停运率,rij表示i类灾害与该设备故障率之间的相关系数,SACi表示i类灾害的影响态势;
即得到灾害对配电网影响态势的最终结果。
从上述的技术方案可以看出,本发明提供了一种灾害对配电网影响态势的获取方法,通过对影响配电网的各灾害进行态势分级,确定量化指标;根据层次分析算法对各灾害的影响子态势进行合成,确定配电网的供电态势评级及优化方案的综合评价评分;根据配电网的供电态势评级及优化方案的综合评价评分,基于灰色关联法获取灾害态势结果。本发明提出的方法具有较强的适应性,准确且有效地实现了对各类设备的影响态势量化描述,可靠实现了灾害条件影响下的运行态势感知推理分析,能够全面量化地考虑灾害的影响进行配电网运行变化的分析推理,为配电网的灾害防御及治理提供了准 确、全面且可靠地数据依据,提高了对配电网的灾害防御及治理效率,进而提高了配电网的安全性及运行可靠性。
与最接近的现有技术比,本发明提供的技术方案具有以下优异效果:
1、本发明所提供的技术方案中,对灾害特点进行分析,根据相应气象数据、地质数据、电力设备数据、电网数据,并通过决策树算法对灾害进行态势等级划分,共7个等级,进而通过灰色关联法形成对各类设备(主要包括杆塔、线路、变压器、断路器等)的影响态势量化描述,结合电网拓扑结构根据不确定性原理量化描述了供电网络、用户、分布式电源的影响子态势。同时基于对多维态势的合成,进行了灾害条件影响下的运行态势感知推理分析,能全面量化地考虑灾害的影响进行配电网运行变化的分析推理,方法具有较强的适应性。
2、本发明所提供的技术方案,为配电网的灾害防御及治理提供了准确、全面且可靠地数据依据,提高了对配电网的灾害防御及治理效率,进而提高了配电网的安全性及运行可靠性。
3、本发明提供的技术方案,应用广泛,具有显著的社会效益和经济效益。
附图说明
图1是本发明的一种灾害对配电网影响态势的获取方法的流程图;
图2是本发明获取方法中步骤1的流程示意图;
图3是本发明获取方法中步骤2的流程示意图;
图4是本发明获取方法中步骤3的流程示意图;
图5是本发明的具体应用例中的配电网受灾害影响态势的建立示意图;
图6是本发明的具体应用例中的层次分析法递阶性层次结构示意图;
图7是本发明的具体应用例中的多维态势合成示意图;
图8是本发明的具体应用例中的用户影响子态势说明示意图;
图9是本发明的具体应用例中的台风态势等级决策树划分示意图;
图10是本发明的具体应用例中的第一台风灾害影响子态势示意图;
图11是本发明的具体应用例中的第二台风灾害影响子态势示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,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。
如图1所示,本发明提供一种灾害对配电网影响态势的获取方法,包括如下步骤:
步骤1.对影响配电网的各灾害进行态势分级,确定量化指标;
步骤2.根据层次分析算法对各灾害的影响子态势进行合成,确定配电网的供电态势评级及优化方案的综合评价评分;其中,供电态势评级的态势包括:安全供电态势、正常供电态势、网络应急态势、自备应急态势及无法供电态势;
步骤3.根据配电网的供电态势评级及优化方案的综合评价评分,基于灰色关联法获取灾害对配电网影响态势的最终结果。
如图2所示,步骤1包括:
1-1.确定配电网的各灾害类型的影响因素;
1-2.根据灾害类型的影响因素确定各灾害的环境数据的影响因素,根据环境数据的影响因素,基于模糊逻辑理论对各灾害进行态势分级;
1-3.确定各灾害的总体影响态势,并根据配电网中各类设备的灾害影响子态势,确 定用于对配电网灾害影响态势分析的量化指标。
其中,步骤1-1中的灾害类型包括:台风灾害、覆冰灾害、洪涝灾害、雷电灾害及暴雨灾害;
其中,台风灾害的影响因素包括:风速或风力等级、风向、台风走向及地形;
覆冰灾害的影响因素包括:环境温度、线路温度、风速、风向、降水率、线路电流及相对湿度;
洪涝灾害的影响因素包括:日平均温度、日平均风速、最大风速、日降雨量、空气湿度、河网密度、河流径流量、海拔、植被覆盖率、土壤深度及土壤湿度;
雷电灾害的影响因素包括:潜在性稳定度指数、对流性稳定度指数、潜在-对流性稳定度指数、抬升指数、对流有效位能、700hPa相当位温、线路保护角、接地电阻及加装避雷器的必要性指数;
暴雨灾害的影响因素包括:最大风速、日降雨量及最大降雨强度。
其中,步骤1-2中的环境数据包括:气象数据、地质数据、电力设备数据及电网数据;
其中,气象数据的影响因素包括:环境温度、相对湿度、风速或风力等级、风向、降水率、最大降雨强度、平均降水量、落雷概率、落雷密度、落雷强度及灾害类型;
地质数据的影响因素包括:海拔高度、地形地貌及电网拓扑结构;
电力设备数据的影响因素包括:变压器容量、导线半径、导线阻抗、线路设计最大风速、电压等级、开关运行状态、继电保护信息、线路覆冰厚度及绝缘子受污情况;
电网数据的影响因素包括:电压、电流、频率、有功功率及无功功率;
且步骤1-2中的灾害的态势等级从轻至重依次包括:可接受等级、勉强可接受等级、不可接受等级、高等级、非常高等级、危急等级及灾难性等级。
其中,步骤1-3中的量化指标包括1至7,其中,灾害的态势等级中的可接受等级的量化指标为1,其他等级的量化指标值依次增加1。
如图3所示,步骤2包括:
2-1.将层次结构中的树叶属性与各方案连线就形成方案属性决策表,计算得到针对各个配网运行方式的优化方案的指标wAij,填入方案属性决策向量表Wi;其中Wi=(wAij)T,i=1,2,…,j=1,2,…,8;
2-2.确定方案属性决策向量表中各个优化方案的指标wAij的属性权重;
2-3.采用AHP的相对标量法,通过计算比较各个优化方案属性决策向量中的分量,形成7个方案权重判断矩阵,每个矩阵代表了一个对应于某个指标的优化方案权重判断矩阵Aj:
式(1)中,n为子属性个数;
2-4.求解各个优化方案针对优化方案权重判断矩阵Aj的属性权重Wj *:
式(2)中,λmax为权重判断矩阵Aj的最大特征根;
2-5.计算当前优化方案对上一层优化方案属性的权重:
式(3)中,m为优化方案的个数;Wi (k+1)为优化方案i对层次结构中k+1层某属性A(k+1)的优化方案权重;Wj (k)为A(k+1)在k层的子属性j的权重,Wij (k)为优化方案i对 子属性j的优化方案权重;
得到优化方案的综合评价评分G(i)。
如图4所示,步骤3包括:
3-1.根据配电网的供电态势评级及优化方案的综合评价评分,基于灰色关联法求解各灾害影响态势等级与该灾害等级下设备故障概率之间相关系数;
3-2.根据各灾害影响态势等级与该灾害等级下设备故障概率之间相关系数,获取灾害对配电网影响态势的最终结果。
其中,3-1包括:
a.确定灰色关联法中的反映系统行为特征的参考数列和影响系统行为的比较数列:
其中,反映系统行为特征的参考数列为当前灾害等级下设备故障概率;
影响系统行为的比较数列为各灾害的影响态势等级;
b.对参考数列和比较数列进行无量纲化处理;
c.求解参考数列与比较数列的灰色关联系数,即第k个时刻比较曲线xi与参考曲线x0的相对差值ξi(k):
式(4)中,x0为一个参考数据列;x1,x2,···,xn为x0的各比较数列;为分辨系数,取值在0与1之间;Δi(min)为两极最小差即Δi(max)为两极最大差即
d.求解比较数列与参考数列间关联程度的关联度ri:
式(5)中,N为时刻k的总数;
e.对关联度ri排序,得到关联序{x};
f.根据关联序{x},得到各类灾害与该设备故障率之间的相关系数rij。
其中,步骤b包括:
b-1对参考数列和比较数列进行无量纲化处理的方法为初值化处理方法或均值化处理方法;
b-2.对原始时间序列进行数据处理,得到生成列;
对原始时间序列进行数据处理的方法为累加方法或累减方法。
其中,3-2包括:
g.根据相关系数rij,得到关联度结果;
h.根据关联度结果,定义i类灾害对j类设备的影响子态势SAEij:
SAEij=FORj×rij×SACi (6)
式(6)中,FORj表示j类电网设备的故障停运率,rij表示i类灾害与该设备故障率之间的相关系数,SACi表示i类灾害的影响态势;
即得到灾害对配电网影响态势的最终结果。
如图5至7所示,本发明提供一种灾害对配电网影响态势的获取方法的具体应用例,如下:
(1)灾害信息的结构化表达
对于不同的灾害类型主要的影响因素各有不同,对于灾害的态势等级划分主要数据 输入量如表1所示。
表1灾害主要影响因素
将各灾害根据气象或地质数据进行态势分级后,可分别确定该灾害总体影响态势,而配电网可以分为“源、网、荷”三个环节,并且其中“源”不再单单是上级变电站,配电网中将逐渐接入各类分布式电源,其归属方也将不再单一属于电力公司,可能由用户或能源服务商提供接入,因此其对自然灾害的抵抗能力有待进一步研究。
对于配电网中“源、网、荷”各类设备的灾害影响子态势进行研究,得出量化指标以供对灾害影响态势进行分析。将灾害影响态势等级进行量化如表2所示。
表2态势等级的量化对应关系
对传统“源、网、荷”设备进行灾害影响子态势分析,主要包括变压器、开关设备、线路和杆塔。可通过设备历史故障信息与历史天气、地质数据,获取不同类型设备在不同灾害影响态势下的故障概率,或是根据相关设备对各类灾害的耐受能力进行设定。
对于灾害态势等级划分,主要的依据为气象或地质数据以及对应的主要影响设备的耐受能力,因此可将主要考虑的因素概括为表3所示种类。
表3灾害态势分级考虑因素
根据以上输入数据信息,采用模糊逻辑理论对灾害态势等级进行划分。
(2)基于层次分析法的多维态势合成
多维态势的合成技术,可输出表征配电网状态的明确结果,以供调度人员或电网公司判断当前电网形势,及时对危险状态进行预警,以帮助检修人员及时发现问题并排除隐患。采用层次分析算法对不同灾害影响子态势进行合成,其目标是对配电网生命线用户提供供电态势评级,将评级分为五个态势:安全供电态势、正常供电态势、网络应急态势、自备应急态势、无法供电态势。
层次分析法主要针对一些较为复杂、较为模糊的问题做出决策的简易方法,是在决策过程中对非定量事件做定量分析、对主观判断做客观分析的有效方法。它特别适用于一些难于完全定量分析的问题,清晰的层次结构是AHP分解简化综合复杂问题的关键。
层次分析法的核心思想可以归纳为“先分解后综合”,首先通过建立清晰的层次结构分解复杂问题,其次引入测度理论,通过两两比较,用相对标度将不同的指标标量化,归一化,逐层建立判断矩阵,再求解矩阵权重,最后计算方案的综合权重并排序。
应用层次分析法分析决策问题时,首先需要将问题条理化、层次化,构造出一个有层次的结构模型(递阶性层次结构)。在这个模型下,复杂问题被分解为元素或因素的组成部分,这些元素又按其属性及关系形成若干层次,上一层次的元素作为准则对下一层次有关元素起支配作用。
递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关,一般层次数不受限制。然后形成相应的方案属性判断矩阵,通过逐层计算,得到方案层对目标层的权重,比重最大的一个方案即为解决问题的最优方案。
将层次结构中的树叶属性与各方案连线就形成方案属性决策表,在程序中计算出针对各个配网运行方式优化方案的相关指标数据,填入方案属性决策向量表。其中Wi=(wAij)T,i=1,2,…,j=1,2,…,8。
对于各个指标的属性权重,可以根据各种状态,由专家根据需要提前定好固定值。在进行态势感知计算过程中,根据不同的配网运行态势选择不同的属性权重组和,体现不同运行态势下的重点。
建立方案判断矩阵这一过程的实质是数据的标量化。方案属性决策表中数据存在两方面的问题:一方面,表中的定量属性虽已量化,但其量纲和数量级不统一,无法直接 比较,需规范化处理;另一方面,定性数据也需通过标量化手段转换为规范化的定量数据。要综合这些属性数据进行定量评判,就必须将其标量化。采用AHP的相对标量法,通过计算比较各个方案属性决策向量中的分量,形成7个方案权重判断矩阵,每个矩阵代表了一个对应于某个指标的方案权重判断矩阵,即
最后利用求解该矩阵最大特征值对应的特征向量的方法来求的各个方案针对方案Aj的属性权重,即
这样求得的Wj *将各个指标的数据归一化,标量化。可以方便的进行综合权重的计算。
求解各层判断矩阵得到局部权重后,为计算方案对上一层属性的权重,采用以下公式:
式中m为方案个数;Wi (k+1)为方案i对层次结构中k+1层某属性A(k+1)的方案权重;n为属性A(k+1)的子属性个数;Wj (k)为A(k+1)在k层的子属性j的权重,Wij (k)为方案i对子属性j的方案权重。层层向上计算,最终得到该方案的综合评价评分G(i)。
(3)灾害条件下配电网态势分析求解
由于各灾害影响态势等级与该灾害等级下设备故障概率存在联系,为了求得这种联系具体表达形式,本节通过灰色关联法对各灾害影响态势等级与该灾害等级下设备故障概率之间联系进行定量求取,灰色关联法对样本量的多少没有过分的要求,也不需要典型的分布规律,计算量小,且不致于出现关联度的量化结果与定性分析不一致的情况,因此在对抽象系统进行分析时可以取得较为满意的结果。
利用灰色关联法求解各灾害影响态势等级与该灾害等级下设备故障概率之间相关系数过程如下:
1)确定反映系统行为特征的参考数列和影响系统行为的比较数列
反映系统行为特征的数据序列,称为参考数列,本节中即该灾害等级下设备故障概率。影响系统行为的因素组成的数据序列,称比较数列,本节中即各灾害影响态势等级,这里采用了量化后的数据。
2)对参考数列和比较数列进行无量纲化处理
由于系统中各因素的物理意义不同,导致数据的量纲也不一定相同,不便于比较,或在比较时难以得到正确的结论。因此在进行灰色关联分析时,一般都要进行无量纲化的数据处理。
无量纲化的方法常用的有初值化与均值化区间相对值化。初值化是指所有数据均用第1个数据除,然后得到一个新的数列,这个新的数列即是各个不同时刻的值相对于第一个时刻的值的百分比。经济序列中常用此法处理。均值化处理则是用平均值去除所有数据,以得到一个占平均值百分比的数列。
为了弱化原始时间序列的随机性,在建立灰色模型之前,需先对原始时间序列进行数据处理,经过数据处理后的时间序列即称为生成列。灰色系统常用的数据处理方式有累加和累减两种。
累加是将原始序列通过累加得到生成列。累加的规则如下:将原始序列的第一个数据作为生成列的第一个数据,将原始序列的第二个数据加到原始序列的第一个数据上,其和作为生成列的第二个数据,将原始序列的第三个数据加到生成列的第二个数据上,其和作为生成列的第三个数据,按此规则进行下去,便可得到生成列。累减原理类似,不再赘述。
3)求参考数列与比较数列的灰色关联系数ξi(k)
所谓关联程度,实质上是曲线间几何形状的差别程度。因此曲线间差值大小,可作为关联程度的衡量尺度。
对于一个参考数据列x0,有几个比较数列x1,x2,···,xn的情况。可以用下述关系表示各比较曲线与参考曲线在各点(时刻)的差。
式中,ξi(k)是第k个时刻比较曲线xi与参考曲线x0的相对差值,它称为xi对x0在k时刻的关联系数。其中,0.5是分辨系数,记为一般在0与1之间选取。
4)求关联度ri
因为关联系数是比较数列与参考数列在各个时刻(即曲线中的各点)的关联程度值,所以它的数不止一个,而信息过于分散不便于进行整体性比较。因此有必要将各个时刻(即曲线中的各点)的关联系数集中为一个值,即求其平均值,作为比较数列与参考数列间关联程度的数量表示。
关联度的一般表达式为:
5)排关联序
因素间的关联程度,主要是用关联度的大小次序描述,而不仅是关联度的大小。将n个子序列对同一母序列的关联度按大小顺序排列起来,便组成了关联序,记为{x},它反映了对于母序列来说各子序列的“优劣”关系。若r0i>r0j,则称xi对于同一母序列x0优于xj,记为xi>xj。
通过以上灰色关联分析后可得出各类灾害与该设备故障率之间的相关系数rij,该值越接近于1则表明i类灾害与j类设备的故障相关性越强,其中i类灾害包括台风、覆冰、洪涝、雷电、暴雨,j类设备在本节中包括了各类变压器、断路器以及隔离开关。
基于灰色关联分析得到的关联度结果,定义i类灾害对j类设备的影响子态势为:
SAEij=FORj×rij×SACi (5)
式中,SAEij为i类灾害对j类电网设备的影响子态势,FORj表示j类电网设备的故障停运率,rij表示i类灾害与该设备故障率之间的相关系数,SACi表示i类灾害的影响态势。SAEij越大,则表明在i类灾害的SACi影响态势下,j类电网设备的影响子态势。
以下述具体示例为例,上述具体应用例展开后,如下:
(1)灾害对供电网络的影响子态势
目前国内配电网主要采用闭环设计、开环运行的方式进行供电,其整体供电网络受灾害影响态势由各电网设备受灾害影响态势决定。以单条馈线的网络为分析对象,其受灾害影响子态势可由该条馈线上所有电网设备受灾害影响子态势计算得到,计算公式可由下式表达:
式中,SAN为i类灾害对网络的影响子态势,n为该网络内设备数量,SAEij为i类灾害对j类电网设备的影响子态势。
(2)灾害对用户的影响子态势
对于用户来说,本身并无故障与否的概念,用户是否停电受其供电路径上设备的运行情况而定。因此,灾害对用户的影响子态势可由灾害对电网设备与供电网络的影响子态势得到,具体方法与用户用电可靠性计算方法类似。以辐射状配电网络为例,如图8所示,对于用户A来说,i类灾害对其影响子态势可表示为:
SAEiA=1-(1-SAEi1)(1-SAEi2) (7)
而对于用户B,i类灾害对其影响子态势可表示为:
SAEiA=1-(1-SAEi1)(1-SAEi2)(1-SAEi3) (8)
对于环网供电情况,需对两边影响子态势进行计算后,按下式计算i类灾害对用户A 影响子态势
SAEiA=1-SAEiA1·SAEiA2 (9)
式中SAEiA1为线路1对用户的影响子态势,SAEiA2为线路1对用户的影响子态势。
(3)灾害对分布式电源的影响子态势
配电网中分布式电源主要包括了光伏发电设备、风力发电设备、储能电池、微型燃气轮机、冷热电联供系统等。而分布式电源的引入使得配电网“源、网、荷”三个环节中,“源”不在单一的由变电站提供,分布式电源同样可承担部分负荷,甚至可以形成孤岛进行供电。因此,灾害对分布式电源的影响子态势同样将影响用户的影响子态势,因此i类灾害对用户A影响子态势的表达式为:
SAEiA=1-SAEiA,old·SAEiDG (10)
式中,SAEiA,old为不考虑分布式电源时i类灾害对用户A的影响子态势,SAEiDG为i类灾害对分布式电源的影响子态势。
由于分布式电源一般容量较小,不可能对电气距离较远的负荷进行供电,因此SAEiDG中一般只考虑与用户处在同一节点或相邻节点的分布式电源。
(4)灾害态势分析实例
在没有灾害的情况下,SAEij=FORj×rij×SACi中的SACi将为0,既i类灾害对j类电网设备的影响子态势为0,从而表明目前j类电网设备没有受到外界附加灾害的影响,其故障率等数值没有因为灾害的影响而升高,一切都在正常运行中。而本地区出现了自然灾害后,可以分为以下两种情况:
1)i类灾害发生区域非设备所在区域,对电网不产生影响;
针对第1)种情况,可认为i类灾害没有发生,SACi为0,既i类灾害对j类电网设备的影响子态势为0。
2)i类灾害发生区域为设备所在区域,对设备运行产生影响,从而影响电网供电。
对于第二种情况,计算灾害对于电网设备的影响态势,以台风灾害为例进行具体说明。台风灾害的影响程度主要受风圈半径和相应风速决定,因此根据台风等级划分的风速我们可以得到相应的台风灾害态势等级,其所对应的决策树如图9所示。
对于台风灾害而言,最大风速对应的是台风底层中心的最大风速,然后外围风圈风速是逐渐减弱的,因此其真正对应的态势等级图在实际地理图上反应出来的是从中心开始想外,态势等级逐渐降低的一簇同心圆。
根据气象预报中台风所移动的路径以及相应的风圈半径,可以确定某一确定区域是否受台风影响,受台风影响情况下,具体受何种等级风圈的影响即受何种态势等级影响。以图10为例,其中线路、开关只受1级台风态势等级影响,这种情况下,即使台风最大态势等级为7级,但对某一确定设备影响可能低于该最大态势等级。所获得台风影响子态势数值也相对较小。
随着台风的逐渐移动,如图11所示,设备可能受到的灾害态势等级上升,因而该设备的台风灾害影响子态势数值也相应升高,用以表征灾害对该设备的影响程度。
考虑某一设备的灾害影响子态势时,需考虑其可能受到影响的最大灾害态势等级。所得到的线路上各个设备受台风灾害影响子态势的最大数值后,可以用以合成用户受台风灾害影响子态势的具体程度。因此得到的灾害影响子态势的数值表征了设备受灾害影响的具体程度,数值越大说明受灾害影响程度越大,从而在该灾害下风险越高。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,而这些未脱离本发明精神和范围的任何修改或者等同替换,其均在申请待批的本发明的权利要求保护范围之内。
Claims (10)
1.一种灾害对配电网影响态势的获取方法,其特征在于,所述方法包括如下步骤:
步骤1.对影响配电网的各灾害进行态势分级,确定量化指标;
步骤2.根据层次分析算法对各所述灾害的影响子态势进行合成,确定所述配电网的供电态势评级及优化方案的综合评价评分;其中,所述供电态势评级的态势包括:安全供电态势、正常供电态势、网络应急态势、自备应急态势及无法供电态势;
步骤3.根据所述配电网的供电态势评级及优化方案的综合评价评分,基于灰色关联法获取灾害对配电网影响态势的最终结果。
2.如权利要求1所述的方法,其特征在于,所述步骤1包括:
1-1.确定配电网的各灾害类型的影响因素;
1-2.根据所述灾害类型的影响因素确定各所述灾害的环境数据的影响因素,根据所述环境数据的影响因素,基于模糊逻辑理论对各所述灾害进行态势分级;
1-3.确定各所述灾害的总体影响态势,并根据配电网中各类设备的灾害影响子态势,确定用于对配电网灾害影响态势分析的量化指标。
3.如权利要求2所述的方法,其特征在于,所述步骤1-1中的所述灾害类型包括:台风灾害、覆冰灾害、洪涝灾害、雷电灾害及暴雨灾害;
其中,所述台风灾害的影响因素包括:风速或风力等级、风向、台风走向及地形;
所述覆冰灾害的影响因素包括:环境温度、线路温度、风速、风向、降水率、线路电流及相对湿度;
所述洪涝灾害的影响因素包括:日平均温度、日平均风速、最大风速、日降雨量、空气湿度、河网密度、河流径流量、海拔、植被覆盖率、土壤深度及土壤湿度;
所述雷电灾害的影响因素包括:潜在性稳定度指数、对流性稳定度指数、潜在-对流性稳定度指数、抬升指数、对流有效位能、700hPa相当位温、线路保护角、接地电阻及加装避雷器的必要性指数;
所述暴雨灾害的影响因素包括:最大风速、日降雨量及最大降雨强度。
4.如权利要求2所述的方法,其特征在于,所述步骤1-2中的所述环境数据包括:气象数据、地质数据、电力设备数据及电网数据;
其中,所述气象数据的影响因素包括:环境温度、相对湿度、风速或风力等级、风向、降水率、最大降雨强度、平均降水量、落雷概率、落雷密度、落雷强度及灾害类型;
所述地质数据的影响因素包括:海拔高度、地形地貌及电网拓扑结构;
所述电力设备数据的影响因素包括:变压器容量、导线半径、导线阻抗、线路设计最大风速、电压等级、开关运行状态、继电保护信息、线路覆冰厚度及绝缘子受污情况;
所述电网数据的影响因素包括:电压、电流、频率、有功功率及无功功率;
且所述步骤1-2中的所述灾害的态势等级从轻至重依次包括:可接受等级、勉强可接受等级、不可接受等级、高等级、非常高等级、危急等级及灾难性等级。
5.如权利要求4所述的方法,其特征在于,所述步骤1-3中的所述量化指标包括1至7,其中,所述灾害的态势等级中的可接受等级的量化指标为1,其他等级的量化指标值依次增加1。
6.如权利要求1所述的方法,其特征在于,所述步骤2包括:
2-1.将层次结构中的树叶属性与各方案连线就形成方案属性决策表,计算得到针对各个配网运行方式的优化方案的指标wAij,填入方案属性决策向量表Wi;其中Wi=(wAij)T,i=1,2,…,j=1,2,…,8;
2-2.确定所述方案属性决策向量表中各个所述优化方案的指标wAij的属性权重;
2-3.采用AHP的相对标量法,通过计算比较各个所述优化方案属性决策向量中的分量,形成7个方案权重判断矩阵,每个矩阵代表了一个对应于某个指标的所述优化方案权重判断矩阵Aj:
式(1)中,n为子属性个数;
2-4.求解各个所述优化方案针对Aj的属性权重Wj *:
式(2)中,λmax为权重判断矩阵Aj的最大特征根;
2-5.计算当前所述优化方案对上一层所述优化方案属性的权重:
式(3)中,m为所述优化方案的个数;为所述优化方案i对层次结构中k+1层某属性A(k+1)的所述优化方案权重;为A(k+1)在k层的子属性j的权重,为所述优化方案i对子属性j的所述优化方案权重;
得到所述优化方案的综合评价评分G(i)。
7.如权利要求6所述的方法,其特征在于,所述步骤3包括:
3-1.根据所述配电网的供电态势评级及优化方案的综合评价评分,基于灰色关联法求解各灾害影响态势等级与该灾害等级下设备故障概率之间相关系数;
3-2.根据所述各灾害影响态势等级与该灾害等级下设备故障概率之间相关系数,获取灾害对配电网影响态势的最终结果。
8.如权利要求7所述的方法,其特征在于,所述3-1包括:
a.确定灰色关联法中的反映系统行为特征的参考数列和影响系统行为的比较数列:
其中,所述反映系统行为特征的参考数列为当前所述灾害等级下设备故障概率;
影响系统行为的比较数列为各所述灾害的影响态势等级;
b.对所述参考数列和比较数列进行无量纲化处理;
c.求解所述参考数列与比较数列的灰色关联系数,即第k个时刻比较曲线xi与参考曲线x0的相对差值ξi(k):
式(4)中,x0为一个参考数据列;x1,x2,…,xn为x0的各所述比较数列;为分辨系数,取值在0与1之间;Δi(min)为两极最小差即Δi(max)为两极最大差即
d.求解所述比较数列与参考数列间关联程度的关联度ri:
式(5)中,N为时刻k的总数;
e.对所述关联度ri排序,得到关联序{x};
f.根据所述关联序{x},得到各类灾害与该设备故障率之间的相关系数rij。
9.如权利要求8所述的方法,其特征在于,所述步骤b包括:
b-1对所述参考数列和比较数列进行无量纲化处理的方法为初值化处理方法或均值化处理方法;
b-2.对原始时间序列进行数据处理,得到生成列;
所述对原始时间序列进行数据处理的方法为累加方法或累减方法。
10.如权利要求8或9所述的方法,其特征在于,所述3-2包括:
g.根据所述相关系数rij,得到关联度结果;
h.根据所述关联度结果,定义i类灾害对j类设备的影响子态势SAEij:
SAEij=FORj×rij×SACi (6)
式(6)中,FORj表示j类电网设备的故障停运率,rij表示i类灾害与该设备故障率之间的相关系数,SACi表示i类灾害的影响态势;
即得到灾害对配电网影响态势的最终结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610230212.8A CN107292478B (zh) | 2016-04-13 | 2016-04-13 | 一种灾害对配电网影响态势的获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610230212.8A CN107292478B (zh) | 2016-04-13 | 2016-04-13 | 一种灾害对配电网影响态势的获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107292478A true CN107292478A (zh) | 2017-10-24 |
CN107292478B CN107292478B (zh) | 2022-08-09 |
Family
ID=60095451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610230212.8A Active CN107292478B (zh) | 2016-04-13 | 2016-04-13 | 一种灾害对配电网影响态势的获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292478B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108869202A (zh) * | 2018-07-09 | 2018-11-23 | 安徽诚意电气科技有限公司 | 一种用于山区的避雷针架设移植方法 |
CN109188208A (zh) * | 2018-09-26 | 2019-01-11 | 国网江苏省电力有限公司南通供电分公司 | 导线的故障率评估方法 |
CN109359896A (zh) * | 2018-12-10 | 2019-02-19 | 国网福建省电力有限公司 | 一种基于svm的电网线路故障风险预警方法 |
CN110852615A (zh) * | 2019-11-11 | 2020-02-28 | 黑龙江省电工仪器仪表工程技术研究中心有限公司 | 一种典型环境下智能电能表可靠性综合评价模型 |
CN110929391A (zh) * | 2019-11-08 | 2020-03-27 | 中国农业大学 | 一种台风灾害下配电网故障率计算方法及系统 |
CN112103911A (zh) * | 2020-11-19 | 2020-12-18 | 国网江西省电力有限公司电力科学研究院 | 一种用于继电保护系统的隐藏故障判别方法及装置 |
CN112270616A (zh) * | 2020-10-09 | 2021-01-26 | 南方电网科学研究院有限责任公司 | 电网应急能力指标间关联度的计算方法、装置及存储介质 |
CN112330118A (zh) * | 2020-10-27 | 2021-02-05 | 西南石油大学 | 一种地质目标评价参数权重求取的新方法 |
CN114444862A (zh) * | 2021-12-24 | 2022-05-06 | 国网浙江省电力有限公司温州供电公司 | 一种综合多类指标阈值的配电网灾害预警分级方法 |
CN115456325A (zh) * | 2022-07-27 | 2022-12-09 | 北方工业大学 | 一种用于非煤矿山的灾害设防能力的分析方法 |
CN117117926A (zh) * | 2023-10-25 | 2023-11-24 | 国网江西省电力有限公司经济技术研究院 | 一种配电网储能配置方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
CN103455708A (zh) * | 2013-07-24 | 2013-12-18 | 安徽省电力科学研究院 | 基于卫星及气象信息的输电线路灾害监测与风险评估平台 |
CN103678943A (zh) * | 2013-12-31 | 2014-03-26 | 国家电网公司 | 一种灾害引发电网故障的多指标模糊判定方法 |
CN105303020A (zh) * | 2014-07-14 | 2016-02-03 | 国家电网公司 | 一种基于ahp的电网自然灾害风险评估方法 |
-
2016
- 2016-04-13 CN CN201610230212.8A patent/CN107292478B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
CN103455708A (zh) * | 2013-07-24 | 2013-12-18 | 安徽省电力科学研究院 | 基于卫星及气象信息的输电线路灾害监测与风险评估平台 |
CN103678943A (zh) * | 2013-12-31 | 2014-03-26 | 国家电网公司 | 一种灾害引发电网故障的多指标模糊判定方法 |
CN105303020A (zh) * | 2014-07-14 | 2016-02-03 | 国家电网公司 | 一种基于ahp的电网自然灾害风险评估方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108869202A (zh) * | 2018-07-09 | 2018-11-23 | 安徽诚意电气科技有限公司 | 一种用于山区的避雷针架设移植方法 |
CN109188208A (zh) * | 2018-09-26 | 2019-01-11 | 国网江苏省电力有限公司南通供电分公司 | 导线的故障率评估方法 |
CN109359896A (zh) * | 2018-12-10 | 2019-02-19 | 国网福建省电力有限公司 | 一种基于svm的电网线路故障风险预警方法 |
CN110929391A (zh) * | 2019-11-08 | 2020-03-27 | 中国农业大学 | 一种台风灾害下配电网故障率计算方法及系统 |
CN110929391B (zh) * | 2019-11-08 | 2021-08-24 | 中国农业大学 | 一种台风灾害下配电网故障率计算方法及系统 |
CN110852615A (zh) * | 2019-11-11 | 2020-02-28 | 黑龙江省电工仪器仪表工程技术研究中心有限公司 | 一种典型环境下智能电能表可靠性综合评价模型 |
CN112270616A (zh) * | 2020-10-09 | 2021-01-26 | 南方电网科学研究院有限责任公司 | 电网应急能力指标间关联度的计算方法、装置及存储介质 |
CN112330118A (zh) * | 2020-10-27 | 2021-02-05 | 西南石油大学 | 一种地质目标评价参数权重求取的新方法 |
CN112330118B (zh) * | 2020-10-27 | 2022-07-22 | 西南石油大学 | 一种地质目标评价参数权重求取的方法 |
CN112103911A (zh) * | 2020-11-19 | 2020-12-18 | 国网江西省电力有限公司电力科学研究院 | 一种用于继电保护系统的隐藏故障判别方法及装置 |
CN114444862A (zh) * | 2021-12-24 | 2022-05-06 | 国网浙江省电力有限公司温州供电公司 | 一种综合多类指标阈值的配电网灾害预警分级方法 |
CN115456325A (zh) * | 2022-07-27 | 2022-12-09 | 北方工业大学 | 一种用于非煤矿山的灾害设防能力的分析方法 |
CN115456325B (zh) * | 2022-07-27 | 2023-06-02 | 北方工业大学 | 一种用于非煤矿山的灾害设防能力的分析方法 |
CN117117926A (zh) * | 2023-10-25 | 2023-11-24 | 国网江西省电力有限公司经济技术研究院 | 一种配电网储能配置方法及系统 |
CN117117926B (zh) * | 2023-10-25 | 2024-04-09 | 国网江西省电力有限公司经济技术研究院 | 一种配电网储能配置方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107292478B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292478A (zh) | 一种灾害对配电网影响态势的获取方法 | |
Hossain et al. | Metrics and enhancement strategies for grid resilience and reliability during natural disasters | |
CN102629294B (zh) | 台风引发输电线路故障的概率评估方法 | |
Wang et al. | Time‐varying failure rate simulation model of transmission lines and its application in power system risk assessment considering seasonal alternating meteorological disasters | |
Liu et al. | Research on fault scenario prediction and resilience enhancement strategy of active distribution network under ice disaster | |
Bollinger et al. | Evaluating infrastructure resilience to extreme weather–the case of the Dutch electricity transmission network | |
Han et al. | Comprehensive risk assessment of transmission lines affected by multi-meteorological disasters based on fuzzy analytic hierarchy process | |
Liu et al. | A comprehensive risk analysis of transportation networks affected by rainfall‐induced multihazards | |
CN111680862A (zh) | 基于时空网格关联的配电网多源数据融合风险预警方法 | |
Serrano-Fontova et al. | A comprehensive review and comparison of the fragility curves used for resilience assessments in power systems | |
CN115204713A (zh) | 极端气象灾害下电力系统稳定控制与辅助决策方法和系统 | |
Hou et al. | Outage duration prediction under typhoon disaster with stacking ensemble learning | |
Jones et al. | Geospatial assessment methodology to estimate power line restoration access vulnerabilities after a hurricane in Puerto Rico | |
Hou et al. | Modeling the resilience of power distribution systems subjected to extreme winds considering tree failures: An integrated framework | |
Broström | Ice storm modelling in transmission system reliability calculations | |
CN111092430B (zh) | 一种适应于电力系统恢复的应急资源优化配置方法 | |
Chen et al. | Review of distribution network’s resilience based on typhoon disaster | |
Geping et al. | Assessment method for wind-resistance resilience of power grid based on extension analytic hierarchy process | |
Xu et al. | Early Warning Method of Power Grid Meteorological Disasters Based on Scene Recognition | |
Teh | Analysis of dynamic thermal rating system of transmission lines | |
Zhou et al. | Evaluation of precipitation forecasts from NOAA global forecast system in hydropower operation | |
Xu et al. | An Power Outage Prediction Method Based on XGBoost with Improved Objective Function | |
Zhang et al. | RISK ASSESSMENT OF HIGH VOLTAGE POWER LINES CROSSING FOREST AREAS–A CASE STUDY OF WILDFIRES | |
Tao et al. | Sharing Overhead Transmission Line System Based on Public Perceptual Information | |
Peng et al. | Research of the Disaster Situation Impact on Low Voltage Urban Distribution Grid's Power Supply Reliability |
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 |