CN108898258A - 雷电灾害天气下电力系统连锁故障风险的分析方法与系统 - Google Patents
雷电灾害天气下电力系统连锁故障风险的分析方法与系统 Download PDFInfo
- Publication number
- CN108898258A CN108898258A CN201810739600.8A CN201810739600A CN108898258A CN 108898258 A CN108898258 A CN 108898258A CN 201810739600 A CN201810739600 A CN 201810739600A CN 108898258 A CN108898258 A CN 108898258A
- Authority
- CN
- China
- Prior art keywords
- lightning
- cascading failure
- thunder
- risk
- subregion
- 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
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明涉及一种雷电灾害天气下电力系统连锁故障风险的分析方法与系统,分析方法包括:根据雷电监测与定位系统获取连续3时段的雷电信息;识别并划分雷电分区,确定每个雷电分区的圆心坐标及半径,并确定不同时段间的雷电分区的最可能移动路径;预测未来一个时段内的落雷次数以及各个雷电分区信息;计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率;对由受灾线路引发的连锁故障进行仿真;计算连锁故障路径的风险以及电力系统在雷电灾害天气下的连锁故障风险。不仅可以对雷电灾害天气下电力系统连锁故障风险进行实时预警,还可以用于分析比较不同运行策略或者不同建设方案对于雷电灾害天气下电力系统风险的影响。
Description
技术领域
本发明涉及电力系统领域,特别是涉及雷电灾害天气下电力系统连锁故障风险的分析方法与系统。
背景技术
近年来,世界范围内发生了多次电力系统大停电事故,事故给各个国家造成了巨大的经济损失和严重的社会影响。灾害天气例如冰雪、雷电或台风等往往是诱发停电事故的原因,这些大停电事故多数是由连锁故障引发的。因此,开展连锁故障搜索研究对于防御大停电事故、降低故障扩大风险、保障电力系统安全稳定运行具有重要意义。
现有的方法在研究连锁故障时主要以直流稳态潮流为基础,通过故障后的线路负载率、热稳定裕度指数或潮流转移率等指标搜索连锁故障序列。尽管基于直流稳态潮流的判断指标确实能够对故障序列中故障线路的选择给出指导性意见,但是基于直流潮流的计算结果没有考虑系统无功及节点电压的变化及影响,而且也无法实际考虑线路的容量极限,因此有可能得出错误的结果。
另一方面,气象因素对输电线路故障率及电力系统可靠性有着重要影响,在灾害天气下连锁故障的源发性故障往往也是由恶劣的气象环境引发的,因此在故障研究中考虑极端天气的影响是十分必要的。目前相关研究主要着眼于灾害天气对某条线路故障概率或电力系统整体可靠性的影响,对由灾害天气引发的连锁故障的研究还较为少见。此外,雷击是造成线路闪络的主要原因,雷击引发跳闸故障的数量一直处于各类故障数量的第一位,在雷电灾害天气下,电力系统关键线路因雷击跳闸而引发连锁故障的可能性也是不可忽略的。
发明内容
基于此,有必要提供一种雷电灾害天气下电力系统连锁故障风险的分析方法与系统。
一种雷电灾害天气下电力系统连锁故障风险的分析方法,其包括:
根据雷电监测与定位系统获取连续3时段的雷电信息;
根据雷电信息,识别并划分雷电分区,确定每个雷电分区的圆心坐标及半径,并确定不同时段间的雷电分区的最可能移动路径;
根据连续3时段的雷电信息,预测未来一个时段内的落雷次数以及各个雷电分区信息;
计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率;
对由受灾线路引发的连锁故障进行仿真;
计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,得到连锁故障路径的风险,以及得到电力系统在雷电灾害天气下的连锁故障风险。
在其中一个实施例中,所述时段为2至15分钟。
在其中一个实施例中,所述雷电信息包括落雷点位置与雷电流幅值。
在其中一个实施例中,所述雷电分区信息包括雷电分区的位置、大小、落雷次数和雷电流幅值的最大值。
在其中一个实施例中,所述计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率,具体为:利用规程法及经验公式计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率。
在其中一个实施例中,所述对由受灾线路引发的连锁故障进行仿真,具体为:利用基于交流潮流的隐性故障模型对由受灾线路引发的连锁故障进行仿真。
在其中一个实施例中,所述计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,得到连锁故障路径的风险,以及得到电力系统在雷电灾害天气下的连锁故障风险,具体为:计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,将两者相乘得到连锁故障路径的风险,将所有连锁故障路径的风险相加得到电力系统在雷电灾害天气下的连锁故障风险。
在其中一个实施例中,所述得到电力系统在雷电灾害天气下的连锁故障风险之后,所述分析方法还包括步骤:根据所述连锁故障风险对电力系统中受到雷电灾害天气影响的线路进行处理。
在其中一个实施例中,所述处理包括实时预警、输出运行策略及/或建设方案、执行运行策略及/或建设方案。
一种雷电灾害天气下电力系统连锁故障风险的分析系统,其采用上述任一项所述分析方法实现。
上述雷电灾害天气下电力系统连锁故障风险的分析方法与分析系统,充分考虑了前段雷电信息以提高对后段雷电灾害预测的准确性,采用的连锁故障仿真方法能够反映系统无功及节点电压的变化及影响并考虑线路的容量极限限制,可以更加准确地判断连锁故障的发展路径;能够切实反映雷电灾害天气以及线路防雷能力对电力系统连锁故障风险的影响,不仅可以对雷电灾害天气下电力系统连锁故障风险进行实时预警,还可以用于分析比较不同运行策略或者不同建设方案对于雷电灾害天气下电力系统风险的影响。
附图说明
图1为本发明一实施例的雷电灾害天气下电力系统连锁故障风险的分析方法流程图。
图2为本发明另一实施例的IEEE 9节点系统示意图。
图3为本发明另一实施例的雷电分区划分、追踪及预测示意图。
图4为本发明另一实施例的雷电灾害天气下电力系统连锁故障风险的分析方法流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例的限制。
需要说明的是,当元件被称为“固定于”或“设置于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示,本发明一个实施例是,一种雷电灾害天气下电力系统连锁故障风险的分析方法,其包括:根据雷电监测与定位系统获取连续3时段的雷电信息;根据雷电信息,识别并划分雷电分区,确定每个雷电分区的圆心坐标及半径,并确定不同时段间的雷电分区的最可能移动路径;根据连续3时段的雷电信息,预测未来一个时段内的落雷次数以及各个雷电分区信息;计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率;对由受灾线路引发的连锁故障进行仿真;计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,得到连锁故障路径的风险,以及得到电力系统在雷电灾害天气下的连锁故障风险。这样,充分考虑了前段雷电信息以提高对后段雷电灾害预测的准确性,采用的连锁故障仿真方法能够反映系统无功及节点电压的变化及影响并考虑线路的容量极限限制,可以更加准确地判断连锁故障的发展路径;能够切实反映雷电灾害天气以及线路防雷能力对电力系统连锁故障风险的影响,不仅可以对雷电灾害天气下电力系统连锁故障风险进行实时预警,还可以用于分析比较不同运行策略或者不同建设方案对于雷电灾害天气下电力系统风险的影响。
在其中一个实施例中,一种雷电灾害天气下电力系统连锁故障风险的分析方法,其包括以下步骤的部分或全部。
根据雷电监测与定位系统获取连续3个时段的雷电信息;进一步地,在其中一个实施例中,所述根据雷电监测与定位系统获取连续3时段的雷电信息,包括:根据雷电监测与定位系统获取连续的3个时段的多次雷电信息。
即,所述根据雷电监测与定位系统获取连续3时段的雷电信息,具体为:根据雷电监测与定位系统获取连续3个时段的雷电信息;
在其中一个实施例中,所述时段为2至15分钟。在其中一个实施例中,所述时段为2、2.5、2.8、3、3.1、4、5、6、7、8、9、10或15分钟等。在其中一个实施例中,所述时段为3分钟,即,所述根据雷电监测与定位系统获取连续3 个时段的雷电信息,具体为:根据雷电监测与定位系统获取连续3个3分钟的雷电信息;其余实施例以此类推。
在其中一个实施例中,所述雷电信息包括落雷点位置与雷电流幅值。进一步地,所述雷电信息为每次落雷的落雷点位置与雷电流幅值。进一步地,所述根据雷电监测与定位系统获取连续3时段的雷电信息,包括根据雷电监测与定位系统,获取连续3时段的每一次的雷电信息。
根据雷电信息,识别并划分雷电分区,确定每个雷电分区的圆心坐标及半径,并确定不同时段间的雷电分区的最可能移动路径;进一步地,雷电分区为圆形。进一步地,在其中一个实施例中,所述识别并划分雷电分区,包括将各次雷电信息按落雷点位置进行分区,并将分区划分为圆形。进一步地,根据落雷点位置的经度和纬度进行分区,并将分区划分为圆形。进一步地,圆形的半径根据落雷点位置的密度及/或电力系统设备位置设置。进一步地,在其中一个实施例中,识别并划分雷电分区,即识别雷电分区并划分雷电分区,其中雷电分区为圆形。
根据连续3时段的雷电信息,预测未来一个时段内的落雷次数以及各个雷电分区信息;在其中一个实施例中,所述雷电分区信息包括雷电分区的位置、大小、落雷次数和雷电流幅值的最大值。进一步地,所述雷电分区信息还包括雷电分区的落雷概率。进一步地,所述雷电分区的位置包括雷电分区的圆心及半径。
计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率;在其中一个实施例中,所述计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率,具体为:利用规程法及经验公式计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率。
对由受灾线路引发的连锁故障进行仿真;在其中一个实施例中,所述对由受灾线路引发的连锁故障进行仿真,具体为:利用基于交流潮流的隐性故障模型对由受灾线路引发的连锁故障进行仿真。
计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,得到连锁故障路径的风险,以及得到电力系统在雷电灾害天气下的连锁故障风险。在其中一个实施例中,所述计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,得到连锁故障路径的风险,以及得到电力系统在雷电灾害天气下的连锁故障风险,具体为:计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,将两者相乘得到连锁故障路径的风险,将所有连锁故障路径的风险相加得到电力系统在雷电灾害天气下的连锁故障风险。在其中一个实施例中,将每一条连锁故障路径发生的概率,与该条连锁故障路径发生连锁故障的后果严重度相乘,得到连锁故障路径的风险;然后将每一条连锁故障路径的风险相加,得到电力系统在雷电灾害天气下的连锁故障风险。在实际应用中,还可以根据每一条连锁故障路径的重要性为每一条连锁故障路径设置权重,进一步地,在其中一个实施例中,所述计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,得到连锁故障路径的风险,以及得到电力系统在雷电灾害天气下的连锁故障风险,具体为:计算每一条连锁故障路径发生的概率,并计算每一条连锁故障路径发生的连锁故障的后果严重度,分别将两者相乘并乘以该连锁故障路径的权重,得到每一条连锁故障路径的风险,将所有连锁故障路径的风险相加得到电力系统在雷电灾害天气下的连锁故障风险。
在其中一个实施例中,所述得到电力系统在雷电灾害天气下的连锁故障风险之后,所述分析方法还包括步骤:根据所述连锁故障风险对电力系统中受到雷电灾害天气影响的线路进行处理。在其中一个实施例中,所述处理包括实时预警、输出运行策略及/或建设方案、执行运行策略及/或建设方案。进一步地,所述实时预警包括:这样,本发明能够进一步地分析雷电灾害天气以及线路防雷能力对电力系统连锁故障风险的影响,由此不仅可以对雷电灾害天气下电力系统连锁故障风险进行实时预警,还可以用于分析比较不同运行策略或者不同建设方案对于雷电灾害天气下电力系统风险的影响。
在其中一个实施例中,如图4所示,一种雷电灾害天气下电力系统连锁故障风险的分析方法,包括步骤:根据雷电监测与定位系统获取连续3个时段的雷电信息;识别并划分雷电分区,确定每个雷电分区圆的圆心坐标及半径,并利用优化的方法确定不同时段间雷电分区的最可能移动路径;预测未来一个时段内的落雷次数以及各个雷电分区的位置、半径大小、落雷次数和雷电流幅值的最大值;计算系统中受到雷电灾害天气影响的线路的雷击跳闸概率;利用基于交流潮流的隐性故障模型对由受灾线路引发的连锁故障进行仿真;计算每一条连锁故障路径的风险,将所有连锁故障路径的风险相加得到系统在雷电灾害天气下的连锁故障风险。
在其中一个实施例中,所述分析方法包括步骤:根据雷电监测与定位系统获取连续3个时段的雷电信息,包括落雷点位置以及雷电流幅值,以2~15分钟为1个时段;根据获得的雷电信息,识别并划分雷电分区,确定每个雷电分区圆的圆心坐标及半径,并利用优化的方法确定不同时段间雷电分区的最可能移动路径;根据已经获得的3个时段的雷电信息,预测未来一个时段内的落雷次数以及各个雷电分区的位置、大小、落雷次数和雷电流幅值的最大值;利用规程法及经验公式计算系统中受到雷电灾害天气影响的线路的雷击跳闸概率;利用基于交流潮流的隐性故障模型对由受灾线路引发的连锁故障进行仿真;计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,将两者相乘得到连锁故障路径的风险,将所有连锁故障路径的风险相加得到系统在雷电灾害天气下的连锁故障风险。在其中一个实施例中,落雷点位置采用经度和纬度设置。上述分析方法,采用交流稳态潮流作为计算的基础,能够较好地反映系统无功及节点电压的变化及影响并考虑线路的容量极限限制,可以更加准确地判断连锁故障的发展路径。
本发明提出了一种计算雷电灾害天气下电力系统连锁故障风险的方法,其实施流程包括如下详细步骤:
步骤1、根据雷电监测与定位系统获取连续3个时段的雷电信息,包括落雷点位置以及雷电流幅值;在其中一个实施例中,落雷点位置包括落雷点的经度和纬度,或者采用类似于经度和纬度的位置设计来确定落雷点位置。
步骤2、根据获得的雷电信息,识别并划分雷电分区,确定每个雷电分区圆的圆心坐标及半径,并利用优化的方法确定不同时段间雷电分区的最可能移动路径。
进一步地,按照如下步骤识别并划分雷电分区:
(1)将监控地域按经纬度方向划分成面积相等的方格(亦可称为小方格),以经纬度方向为横纵坐标建立新坐标系,进一步地,方格的边长根据识别精度需要可以取0.05°、0.06°、0.07°、0.08°或0.1°;
(2)在一个统计时间段内,将雷电监测与定位系统监测到的落雷点(即发生落雷的位置)累计到对应的方格;
(3)根据每一方格的累计落雷数,对每一方格进行二值化处理,方格内有落雷标记为1,否则标记为0,获得以二值化表示的落雷网格图;
(4)对落雷区域进行识别,将八领域相连的标记为1的方格视作同一落雷区域;其中,八领域相连指一个方格与其上、下、左、右、左上、右上、左下、右下八个方格都是相连的;
(5)以圆代替各个落雷雷区的不规则轮廓,并采用以下方式确定落雷区域的圆心经纬度坐标(x,y)、圆半径r以及落雷概率q:
式中:xi和yi分别为第i个落雷的经度和纬度坐标,nlig为该落雷区域内的落雷总数,Nlig为该统计时段内的落雷总数;如果该落雷区域内仅有一个落雷,则该落雷区域圆的半径取方格边长的一半。
进一步地,确定不同时段间雷电分区的最可能移动路径采用以下方式得到:
以Xij表示t1时段内第i个雷电分区到t2时段内第j个雷电分区的关联情况。若Xij=1则表示2个雷电分区之间有关联,并有轨迹相连;否则表示2个雷电分区之间没有关联且没有轨迹相连。
假设t1时段内有nz1个雷电分区,t2时段内有nz2个雷电分区,表示t1时段内第i个雷电分区的位置,表示t2时段内第j个雷电分区的位置,对于获得相邻2个时段间各雷区之间最有可能的移动轨迹,可得如下优化模型:
式中:Xij为相邻时段间雷电分区的关联矩阵第i行第j列元素;Cij为成本矩阵第i行第j列元素,表示t1时段内第i个雷电分区到t2时段内第j 个雷电分区的“成本”,Cij越小表示两个雷电分区关联性越强;ω1和ω2为权重; dij表示两个雷电分区圆圆心的距离;dAij表示两个雷电分区圆面积之差的绝对值; max(dij)表示所有dij中的最大值;max(dAij)表示所有dAij中的最大值。
当dij大于一个时段内云层可能移动的距离时,将Cij设置为一个极大值,表示t1时段内的第i个雷电分区移动到t2时段内第j个雷电分区的位置几乎是不可能的,在实际应用中认为云层的移动速度不会超过60km/h。这样,既可实现利用优化的方法确定不同时段间雷电分区的最可能移动路径。
步骤3、根据已经获得的3个时段的雷电信息,预测未来一个时段内的落雷次数以及各个雷电分区信息;在其中一个实施例中,预测未来一个时段内的落雷次数以及各个雷电分区的位置、大小、落雷次数和雷电流幅值的最大值;
进一步地,对未来一个时段内的雷电信息进行预测采用以下步骤实现:
(1)根据t-2、t-1和t时段内雷电分区位置、移动轨迹和雷电分区圆半径计算雷电分区的移动速度和半径变化率,预测t时段内雷电分区的移动速度vt和半径变化率Δrt,从而预测t+1时段内雷电分区的位置和大小。本实施例采用了连续3个时段雷电分区的信息,因此相较于仅采用前两个时段信息的预测方法可以获得更高的预测精度。
式中:(xt-2,yt-2)、(xt-1,yt-1)、(xt,yt)分别表示t-2、t-1和t时段内雷电分区的位置,Δt为一个时段的时长,rt-2、rt-1、rt分别表示t-2、t-1和t时段内雷电分区的半径。
(2)计算t时段内雷电分区的移动速度vt和半径变化率Δrt采用以下方式实现:
(3)预测t+1时段内每个雷电分区位置和大小采用以下方式实现:
(xt+1,yt+1)=(xt,yt)+vtΔt
rt+1=rt(1+Δrt)
(4)在获得t+1时段内雷电分区位置和大小后,将雷电分区圆圆心距离小于方格边长的一半的分区合并为一个雷电分区,接着根据步骤2中所述方法计算t 时段到t+1时段雷电分区的关联矩阵,然后采用以下方式预测t+1时段每一个雷电分区的雷电流I[t+1]与落雷概率q[t+1]:
式中:M为t时段与所求雷电分区相关联的分区数目,为t时段与所求雷电分区相关联的第k个雷电分区中的最大雷电流,为t时段与所求雷电分区相关联的第k个雷电分区的落雷概率,Nk为与该t时段雷电分区相关联的t+1时段雷电分区的数目。
(5)根据指数平滑法预测t+1时段的落雷总数(计算结果取整数):
式中αes为指数平滑法中的权重,本实施例中αes取0.75。
步骤4、计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率;
进一步地,计算系统中受到雷电灾害天气影响的线路的雷击跳闸概率,采用以下方式实现:
(1)计算雷击杆塔时输电线路的耐雷水平Ica,采用以下方式实现:
式中:U50%为标准雷电波下的绝缘子串负极性50%闪络电压(单位为kV),kc为避雷线与输电线路间计及电晕效应的耦合系数,k0为导线与避雷线间的几何耦合系数,kc=1.1~1.3k0;ha、ht、hav和hgav分别为横档高度、杆塔高度、导线平均高度和避雷线平均高度,Rsu为杆塔冲击接地电阻,Lt为杆塔等值电感(单位为μH)。
(2)计算雷电绕击线路时耐雷水平Isf,采用以下方式实现:
式中Zsu为考虑了电晕效应后的导线波阻抗。
(3)在根据步骤3中所述方法预测雷电流最大值I[t+1]的基础上,计算雷电流超过输电线路耐雷水平的概率Pca和Psf,采用以下方式实现:
Pca=Pacc(Ica)-Pacc(I[t+1])
Psf=Pacc(Isf)-Pacc(I[t+1])
(4)计算建弧率η,采用以下方式实现:
式中Egrad为绝缘子串的平均运行电压梯度(单位为kV/m)。
(5)计算输电线路绕击率Pα,采用以下方式实现:
式中:α为避雷线对导线的保护角,h为导线高度。
(6)根据线路在不同雷击分区中的长度,预估线路在未来t+1时段在某雷电分区i中的雷击跳闸概率,采用以下方式实现:
式中:g为击杆率,平原地区取1/6,山区取1/4;Pcai为第i个雷电分区中反击雷电流超过输电线路耐雷水平的概率;Psfi为第i个雷电分区中绕击雷电流超过输电线路耐雷水平的概率;b为两根避雷线之间的距离,li为线路在第i个雷电分区中的距离,(b+4hav)li为引雷面积;Ai为预测的第i个雷电分区的面积,为预测的第i个雷电分区的最大雷电流幅值;为t+1时段雷电分区的数目。
(7)计算线路在未来t+1时段的雷击跳闸概率,采用以下方式实现:
式中ncross为线路经过的雷电分区的数目。
步骤5、利用基于交流潮流的隐性故障模型对由受灾线路引发的连锁故障进行仿真;
进一步地,对连锁故障进行仿真,采用以下方式实现:
(1)根据步骤4所述方法计算受雷电天气影响的区域中线路的故障概率,并随机选择一条线路以相应概率断开;
(2)以供电负荷最大为目标函数进行最优潮流计算,判断是否有线路负载率达到100%或更高;
(3)如果系统中有超越功率传输极限的线路,假设此时有nol条超越传输功率极限的线路,则系统从状态转移到状态的概率为进入第(6)步;
(4)如果系统中没有超越功率传输极限的线路,将当前状态下线路i的故障概率记为可通过以下方式计算得到:
式中:Si表示线路i上的潮流大小(取双向潮流中绝对值较大的数值),Si0表示线路i的额定传输功率,Simax表示线路i的极限传输功率,PH取0.0055。
并且,以表示当前状态下所有可能的线路停运概率之和,其中定义为与第k条连锁故障路径中第m条故障线路直接相连的所有线路的集合,则系统从状态转移到状态的概率大小,采用以下方式实现:
(5)如果步骤(4)中的状态转移概率大于设定的阈值,且故障规模小于设定的阈值,则随机选择一条线路作为下一级故障线路;
(6)判断是否满足终止条件,若不满足条件,切除下一级故障线路并返回第(2)步,否则结束仿真;仿真终止条件为:①系统中已经不存在符合条件的可能故障线路;②连锁故障的发生概率已经低于一个极小值,如百万分之一或千万分之一;以及,③系统失负荷比例已经达到30%。
步骤6、计算每一条连锁故障路径发生的概率、后果严重度,从而得到连锁故障路径的风险,将所有连锁故障路径的风险相加得到系统在雷电灾害天气下的连锁故障风险;
进一步地,各级故障发生的条件概率相乘作为故障路径发生的概率,具体计算方法如下所示:
式中:表示引发连锁故障k的源发性故障发生的概率;表示连锁故障路径k从第n-1条线路发展到第n条线路的条件概率,也表示系统从状态转移到状态的概率。
具体地,利用失负荷指标来反映电力系统发生连锁故障后供电能力的下降程度,由此反映连锁故障的后果严重度,具体计算方法如下:
连锁故障Ek发生后失负荷比例按照下式计算:
式中:Pload0表示系统正常时的负荷量,Ploadk表示连锁故障Ek发生后系统所能维持供电的负荷量。
连锁故障Ek发生后的后果严重度指标定义为:
式中系数c=10/3*ln(2)。
进一步地,将所有连锁故障路径的风险相加得到系统在雷电灾害天气下的连锁故障风险,具体计算方法如下式所示:
式中:Pro(Ek)表示连锁故障Ek发生的概率,Sev(Ek)表示连锁故障Ek发生后的后果严重度,Ne表示可能的连锁故障路径的数量。
本发明又一实施例是,一种雷电灾害天气下电力系统连锁故障风险的分析系统,其采用上述任一项所述分析方法实现。进一步地,所述分析系统包括若干功能模块,各所述功能模块分别用于执行所述分析方法的相关步骤。在其中一个实施例中,所述分析系统包括获取模块、识别模块、预测模块、计算模块、仿真模块以及分析模块,所述获取模块用于根据雷电监测与定位系统获取连续3 时段的雷电信息;所述识别模块用于根据雷电信息,识别雷电分区并划分为圆形,确定每个雷电分区的圆心坐标及半径,并确定不同时段间的雷电分区的最可能移动路径;所述预测模块用于根据连续3时段的雷电信息,预测未来一个时段内的落雷次数以及各个雷电分区信息;所述计算模块用于计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率;所述仿真模块用于对由受灾线路引发的连锁故障进行仿真;所述分析模块用于计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,得到连锁故障路径的风险,以及得到电力系统在雷电灾害天气下的连锁故障风险。其余实施例以此类推。进一步地,所述计算模块用于利用规程法及经验公式计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率。其余实施例以此类推。上述雷电灾害天气下电力系统连锁故障风险的分析系统,充分考虑了前段雷电信息以提高对后段雷电灾害预测的准确性,采用的连锁故障仿真方法能够反映系统无功及节点电压的变化及影响并考虑线路的容量极限限制,可以更加准确地判断连锁故障的发展路径;能够切实反映雷电灾害天气以及线路防雷能力对电力系统连锁故障风险的影响,不仅可以对雷电灾害天气下电力系统连锁故障风险进行实时预警,还可以用于分析比较不同运行策略或者不同建设方案对于雷电灾害天气下电力系统风险的影响。
为了进一步理解本发明,以下以IEEE 9节点系统为例,来解释本发明的实际应用,IEEE 9节点系统示意图如附图2所示。
由于一个城市跨越的经纬度一般不会超过2°,因此可以用千米为单位的坐标近似代替雷电监测与定位系统中使用的经纬度坐标。假设附图3中一单位长度代表10千米,以随机数的形式生成t-2、t-1和t时段内雷电的坐标以及雷电流幅值,并分别假设3个时段的落雷次数为200、250和230。
根据步骤3可得t+1时段的落雷次数为229,并根据步骤2和步骤3提出的方法预测t+1时段的雷电分区坐标、大小、落雷概率和雷电流幅值的最大值,预测结果如表1和附图3所示。附图3中虚线表示的路径及区域为预测的移动路径及雷电分区。
表1t+1时段雷电分区参数预测结果
进一步假设附图2中节点5处于附图3中坐标(50,50)处,节点6处于坐标(50,35)处,则可以按照步骤4计算线路5-6在t+1时段中的雷击跳闸概率。计算过程中使用220kV架空输电线路的常见数据,即U50%=1200kV,Zsu=400Ω,β=0.88,kc=0.296,k0=0.237,ha=25.6m、ht=29.1m,h=hav=15.4m,hgav=24.5m, Rsu=7Ω,Lt=16.4μH,η=0.918,g=1/6,b=11.6m,α=16.5°。计算得5-6在t+1 时段中的雷击跳闸概率为0.00080760。
根据步骤5中提出的基于交流潮流的隐性故障模型,对由受灾线路引发的连锁故障进行仿真,一共可以得到9条不同的连锁故障路径,系统在未来一个时段的总的连锁故障风险为0.00012325。假设通过相关强化措施使得线路4-5 的容量提高至原来的1.05倍,则系统的连锁故障风险将下降至0.00011568,下降了6.14%。
通过以上分析,可见本发明提出的雷电灾害天气下电力系统连锁故障风险的分析方法,不仅可以对雷电灾害天气下电力系统连锁故障风险进行实时预警,还可以用于分析比较不同运行策略或者不同建设方案对于雷电灾害天气下电力系统风险的影响。
需要说明的是,本发明的其它实施例还包括,上述各实施例中的技术特征相互组合所形成的、能够实施的雷电灾害天气下电力系统连锁故障风险的分析方法与系统;亦可称为雷电灾害天气下电力系统连锁故障风险的分析方法与分析系统。本发明及其各实施例中的部分步骤以计算机程序处理流程为基础,通过计算机执行按上述流程编制的计算机程序,对某些外部运行过程或外部运行装置进行控制,及/或对外部数据进行处理或者交换,由此得到电力系统在雷电灾害天气下的连锁故障风险,且进一步根据所述连锁故障风险对电力系统中受到雷电灾害天气影响的线路进行处理,在此基础上能够实现实时预警、输出运行策略及/或建设方案、执行运行策略及/或建设方案,从而能够反映系统无功及节点电压的变化及影响并考虑线路的容量极限限制,可以更加准确地判断连锁故障的发展路径;能够切实反映雷电灾害天气以及线路防雷能力对电力系统连锁故障风险的影响,不仅可以对雷电灾害天气下电力系统连锁故障风险进行实时预警,还可以用于分析比较不同运行策略或者不同建设方案对于雷电灾害天气下电力系统风险的影响。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种雷电灾害天气下电力系统连锁故障风险的分析方法,其特征在于,包括:
根据雷电监测与定位系统获取连续3时段的雷电信息;
根据雷电信息,识别并划分雷电分区,确定每个雷电分区的圆心坐标及半径,并确定不同时段间的雷电分区的最可能移动路径;
根据连续3时段的雷电信息,预测未来一个时段内的落雷次数以及各个雷电分区信息;
计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率;
对由受灾线路引发的连锁故障进行仿真;
计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,得到连锁故障路径的风险,以及得到电力系统在雷电灾害天气下的连锁故障风险。
2.根据权利要求1所述分析方法,其特征在于,所述时段为2至15分钟。
3.根据权利要求1所述分析方法,其特征在于,所述雷电信息包括落雷点位置与雷电流幅值。
4.根据权利要求1所述分析方法,其特征在于,所述雷电分区信息包括雷电分区的位置、大小、落雷次数和雷电流幅值的最大值。
5.根据权利要求1所述分析方法,其特征在于,所述计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率,具体为:利用规程法及经验公式计算电力系统中受到雷电灾害天气影响的线路的雷击跳闸概率。
6.根据权利要求1所述分析方法,其特征在于,所述对由受灾线路引发的连锁故障进行仿真,具体为:利用基于交流潮流的隐性故障模型对由受灾线路引发的连锁故障进行仿真。
7.根据权利要求1所述分析方法,其特征在于,所述计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,得到连锁故障路径的风险,以及得到电力系统在雷电灾害天气下的连锁故障风险,具体为:计算每一条连锁故障路径发生的概率,并计算连锁故障的后果严重度,将两者相乘得到连锁故障路径的风险,将所有连锁故障路径的风险相加得到电力系统在雷电灾害天气下的连锁故障风险。
8.根据权利要求1至7中任一项所述分析方法,其特征在于,所述得到电力系统在雷电灾害天气下的连锁故障风险之后,所述分析方法还包括步骤:根据所述连锁故障风险对电力系统中受到雷电灾害天气影响的线路进行处理。
9.根据权利要求8所述分析方法,其特征在于,所述处理包括实时预警、输出运行策略及/或建设方案、执行运行策略及/或建设方案。
10.一种雷电灾害天气下电力系统连锁故障风险的分析系统,其特征在于,采用如权利要求1至9中任一项所述分析方法实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810739600.8A CN108898258B (zh) | 2018-07-06 | 2018-07-06 | 雷电灾害天气下电力系统连锁故障风险的分析方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810739600.8A CN108898258B (zh) | 2018-07-06 | 2018-07-06 | 雷电灾害天气下电力系统连锁故障风险的分析方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108898258A true CN108898258A (zh) | 2018-11-27 |
CN108898258B CN108898258B (zh) | 2020-11-03 |
Family
ID=64348638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810739600.8A Active CN108898258B (zh) | 2018-07-06 | 2018-07-06 | 雷电灾害天气下电力系统连锁故障风险的分析方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108898258B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961192A (zh) * | 2019-04-03 | 2019-07-02 | 南京中科九章信息技术有限公司 | 目标事件预测方法及装置 |
CN110826228A (zh) * | 2019-11-07 | 2020-02-21 | 国网四川省电力公司电力科学研究院 | 一种地区电网运行品质极限评估方法 |
CN110879329A (zh) * | 2019-11-29 | 2020-03-13 | 国网西藏电力有限公司电力科学研究院 | 一种适用于高海拔景观塔的防雷优化与故障定位方法 |
CN111429299A (zh) * | 2020-03-10 | 2020-07-17 | 国电南瑞科技股份有限公司 | 一种预想故障集生成方法、系统及存储介质 |
CN111882125A (zh) * | 2020-07-24 | 2020-11-03 | 合肥工业大学 | 基于风险元理论的电力信息物理系统连锁故障预测方法 |
CN111931348A (zh) * | 2020-07-15 | 2020-11-13 | 国网四川省电力公司电力科学研究院 | 一种10kV配网杆塔感应雷闪络风险自动评估方法及系统 |
CN112182690A (zh) * | 2020-08-31 | 2021-01-05 | 深圳大学 | 一种基于bim模型的地铁系统多灾害耦合分析方法 |
CN112488336A (zh) * | 2020-12-09 | 2021-03-12 | 深圳供电局有限公司 | 一种用于极端天气下的电网故障处理方法及系统 |
CN113313342A (zh) * | 2021-04-08 | 2021-08-27 | 云南电网有限责任公司西双版纳供电局 | 多种自然灾害引发电网设备故障概率分析方法和系统 |
CN115830813A (zh) * | 2023-02-15 | 2023-03-21 | 江西和壹科技有限公司 | 一种基于ai技术的自然灾害监测预警系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5296842A (en) * | 1990-04-30 | 1994-03-22 | Central Lightning Protection Co., Ltd. | Thunder alarm |
CN103761414A (zh) * | 2013-12-18 | 2014-04-30 | 国网安徽省电力公司 | 输电线路的雷击停运概率分析方法 |
CN107578169A (zh) * | 2017-09-04 | 2018-01-12 | 广东电网有限责任公司惠州供电局 | 一种台风灾害条件下的电网关键线路识别方法及装置 |
-
2018
- 2018-07-06 CN CN201810739600.8A patent/CN108898258B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5296842A (en) * | 1990-04-30 | 1994-03-22 | Central Lightning Protection Co., Ltd. | Thunder alarm |
CN103761414A (zh) * | 2013-12-18 | 2014-04-30 | 国网安徽省电力公司 | 输电线路的雷击停运概率分析方法 |
CN107578169A (zh) * | 2017-09-04 | 2018-01-12 | 广东电网有限责任公司惠州供电局 | 一种台风灾害条件下的电网关键线路识别方法及装置 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961192A (zh) * | 2019-04-03 | 2019-07-02 | 南京中科九章信息技术有限公司 | 目标事件预测方法及装置 |
CN109961192B (zh) * | 2019-04-03 | 2021-11-26 | 南京中科九章信息技术有限公司 | 目标事件预测方法及装置 |
CN110826228A (zh) * | 2019-11-07 | 2020-02-21 | 国网四川省电力公司电力科学研究院 | 一种地区电网运行品质极限评估方法 |
CN110879329A (zh) * | 2019-11-29 | 2020-03-13 | 国网西藏电力有限公司电力科学研究院 | 一种适用于高海拔景观塔的防雷优化与故障定位方法 |
CN111429299A (zh) * | 2020-03-10 | 2020-07-17 | 国电南瑞科技股份有限公司 | 一种预想故障集生成方法、系统及存储介质 |
CN111429299B (zh) * | 2020-03-10 | 2022-09-06 | 国电南瑞科技股份有限公司 | 一种预想故障集生成方法、系统及存储介质 |
CN111931348A (zh) * | 2020-07-15 | 2020-11-13 | 国网四川省电力公司电力科学研究院 | 一种10kV配网杆塔感应雷闪络风险自动评估方法及系统 |
CN111882125A (zh) * | 2020-07-24 | 2020-11-03 | 合肥工业大学 | 基于风险元理论的电力信息物理系统连锁故障预测方法 |
CN111882125B (zh) * | 2020-07-24 | 2022-10-04 | 合肥工业大学 | 基于风险元理论的电力信息物理系统连锁故障预测方法 |
CN112182690B (zh) * | 2020-08-31 | 2023-08-04 | 深圳大学 | 一种基于bim模型的地铁系统多灾害耦合分析方法 |
CN112182690A (zh) * | 2020-08-31 | 2021-01-05 | 深圳大学 | 一种基于bim模型的地铁系统多灾害耦合分析方法 |
CN112488336A (zh) * | 2020-12-09 | 2021-03-12 | 深圳供电局有限公司 | 一种用于极端天气下的电网故障处理方法及系统 |
CN113313342A (zh) * | 2021-04-08 | 2021-08-27 | 云南电网有限责任公司西双版纳供电局 | 多种自然灾害引发电网设备故障概率分析方法和系统 |
CN113313342B (zh) * | 2021-04-08 | 2023-03-31 | 云南电网有限责任公司西双版纳供电局 | 多种自然灾害引发电网设备故障概率分析方法和系统 |
CN115830813B (zh) * | 2023-02-15 | 2023-05-16 | 江西和壹科技有限公司 | 一种基于ai技术的自然灾害监测预警系统 |
CN115830813A (zh) * | 2023-02-15 | 2023-03-21 | 江西和壹科技有限公司 | 一种基于ai技术的自然灾害监测预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108898258B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898258A (zh) | 雷电灾害天气下电力系统连锁故障风险的分析方法与系统 | |
CN107578169B (zh) | 一种台风灾害条件下的电网关键线路识别方法及装置 | |
CN101872964B (zh) | 基于广域测量系统的多端高压输电区域后备保护方法 | |
CN104297638B (zh) | 一种高精度、低成本的配电网故障定位方法 | |
CN109713653A (zh) | 混合式直流断路器的辅助电路、多端柔性直流电网故障性质识别方法及系统 | |
CN107633320A (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 | |
CN106093713A (zh) | 一种含分布式电源的配电网区段故障定位方法及系统 | |
CN105353268A (zh) | 一种用于输电线路分布式行波故障判断及定位方法 | |
CN103440400A (zh) | 考虑灾害因素的电力系统短期风险判定方法 | |
CN104914351A (zh) | 一种基于最优波速的区域电网故障定位方法 | |
CN104103019A (zh) | 含分布式电源的配电网运行风险评估方法及评估系统 | |
CN104361529A (zh) | 一种基于云模型的配电系统可靠性评测方法 | |
CN104166940A (zh) | 配电网运行风险评估方法及评估系统 | |
CN104112076A (zh) | 基于模糊数学的运行风险评估方法及评估系统 | |
Laouid et al. | Optimal PMUs placement using hybrid PSO-GSA algorithm | |
CN103592572B (zh) | 一种利用直流分量和谐波分量交线定位的直流接地极线路故障测距方法 | |
CN102930408B (zh) | 一种基于信息融合的750kV电网二次设备状态评估方法 | |
CN104484728B (zh) | 一种电网安全综合指标体系架构方法 | |
CN114117730A (zh) | 一种在台风灾害下配电网弹性评估方法 | |
CN107121617A (zh) | 一种采用滤波器支路电流和k最邻近算法的直流输电线路故障测距方法 | |
CN113569411B (zh) | 一种面向灾害天气的电网运行风险态势感知方法 | |
CN103522911A (zh) | 一种带有系统评价功能的电动汽车电池管理系统 | |
CN104898022B (zh) | 一种高速铁路高压全电缆贯通线路的在线故障定位系统和方法 | |
CN204925311U (zh) | 一种高速铁路高压全电缆贯通线路的在线故障定位系统 | |
CN105096003B (zh) | 基于最短路径算法和0/1决策的输电线路融冰决策方法 |
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 |