CN109146295A - 电网山火灾害故障的后验概率分布计算方法及系统 - Google Patents

电网山火灾害故障的后验概率分布计算方法及系统 Download PDF

Info

Publication number
CN109146295A
CN109146295A CN201810988268.9A CN201810988268A CN109146295A CN 109146295 A CN109146295 A CN 109146295A CN 201810988268 A CN201810988268 A CN 201810988268A CN 109146295 A CN109146295 A CN 109146295A
Authority
CN
China
Prior art keywords
probability distribution
failure
mountain fire
power grid
transmission line
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.)
Pending
Application number
CN201810988268.9A
Other languages
English (en)
Inventor
陆佳政
郭俊
简洲
徐勋建
方针
李波
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
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan 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, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810988268.9A priority Critical patent/CN109146295A/zh
Publication of CN109146295A publication Critical patent/CN109146295A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种电网山火灾害故障的后验概率分布计算方法及系统，该方法包括：统计不同山火灾害条件下输电线路山火跳闸数据；分析输电线路故障的关键要素与山火跳闸的数量关系；构建与多个故障概率分布参数相关的输电线路的故障概率分布函数；获取每个故障概率分布参数的先验概率分布，重复独立在先验概率分布上抽取随机数值进行验证以训练模型；并迭代至模型平稳；取模型平稳后的多组随机数值作为样本，计算得到电网山火灾害故障的后验概率分布。本发明可快速得到输电线路山火故障概率后验分布；对大范围山火灾害下电网风险分析有重要指导作用。

Description

电网山火灾害故障的后验概率分布计算方法及系统
技术领域
本发明涉及电网防护领域，尤其涉及一种电网山火灾害故障的后验概率分布计算方法及系统。
背景技术
山火降低空气绝缘，容易引发输电线路发生山火跳闸，近年来，我国山火灾害数量急剧上升，2017年山火火点数量高达8万余起，山火火点分布范围广，易造成多条输电线路同时发生山火跳闸事故，当多条输电线路同时发生山火跳闸时，极易导致电网失稳，特别是随着当前特高压输电线路的投入运行，对大电网安全稳定运行构成严重威胁，必须开展山火灾害下电网多故障风险分析。
电网山火灾害故障后验概率分布计算是电网风险分析的必要基础。已有的方法均将每个设备或输电线路故障概率为固定的，而实际情况设备故障规律复杂，设备故障概率并不一定为固定的，导致生成的预想故障与实际情况存在一定的差异，无法准确分析电网山火灾害风险。
发明内容
本发明提供了一种电网山火灾害故障的后验概率分布计算方法及系统，用以解决现有无法准确分析电网山火灾害风险的技术问题。
为解决上述技术问题，本发明提出的技术方案为：一种电网山火灾害故障的后验概率分布计算方法，包括以下步骤：
统计不同山火灾害条件下输电线路山火跳闸数据；分析输电线路故障的关键要素与山火跳闸的数量关系；
构建与多个故障概率分布参数相关的输电线路的故障概率分布函数；
获取每个故障概率分布参数的先验概率分布，重复独立在先验概率分布上抽取随机数值进行验证以训练模型；并迭代至模型平稳；
取模型平稳后的多组随机数值作为样本，计算得到电网山火灾害故障的后验概率分布。
优选地，获取每个故障概率分布参数的先验概率分布，包括：假设每个故障概率分布参数的先验概率分布符合正态分布、指数分布、对数正态分布、泊松分布或logistic分布。
优选地，重复独立在先验概率分布上抽取随机数值进行验证以训练模型，包括以下步骤：
每次抽取一组随机值与实际输电线路山火跳闸观测数据进行比较，当随机值与数据不吻合时，舍弃随机值；当随机值与数据吻合时，接纳随机值为各故障概率分布参数新的值，成为当前的状态值。
优选地，迭代至模型平稳包括：重复独立在先验概率分布上抽取随机数值进行验证的迭代次数达到或超过预设的迭代次数阈值。
优选地，迭代次数阈值为5000～20000；取模型平稳后的多组随机数值的数量为2500～10000。
本发明还提供了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果：
本发明的电网山火灾害故障后验概率分布计算方法及系统，可快速得到输电线路山火故障概率后验分布；对大范围山火灾害下电网风险分析有重要指导作用，原理清晰，操作方便，具有很高的实用价值。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的电网山火灾害故障后验概率分布计算方法的流程示意图；
图2是本发明优选实施例2的各500kV输电线路5km走廊内山火火点数量示意图；
图3是本发明优选实施例2的取最末尾的2500个样本作为进入平稳分布后的样本，其采样的路径示意图；
图4是本发明优选实施例2的概率分布的参数α和β的后验概率分布示意图；
图5是本发明优选实施例2的计算的给定山火火点数量条件下的山火跳闸概率分布示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1，本发明实施例的电网山火灾害故障的后验概率分布计算方法，包括以下步骤：
S1:统计不同山火灾害条件下输电线路山火跳闸数据；分析输电线路故障的关键要素与山火跳闸的数量关系；
S2:构建与多个故障概率分布参数相关的输电线路的故障概率分布函数；
S3:获取每个故障概率分布参数的先验概率分布，重复独立在先验概率分布上抽取随机数值进行验证以训练模型；并迭代至模型平稳；
S4:取模型平稳后的多组随机数值作为样本，计算得到电网山火灾害故障的后验概率分布。
通过上述步骤，可快速得到输电线路山火故障概率后验分布；对大范围山火灾害下电网风险分析有重要指导作用。
实际实施时，以上的方法还能进行以下的扩充或应用，以下实施例中的技术特征都能相互组合，实施例仅作为示例，不作为对技术特征的正常组合限制。
实施例1：
本发明实施例的电网山火灾害故障的后验概率分布计算方法，包括以下步骤：
S1:统计不同山火灾害条件下输电线路山火跳闸数据；分析输电线路故障的关键要素与山火跳闸的数量关系；山火跳闸相关的要素(包括但不限于：火点数量、降水、风速、相对湿度等，由于不同的地区与山火跳闸相关联的要素可能各不相同，这里只是笼统的列了几个与山火跳闸可能相关的要素)。
S2:构建与多个故障概率分布参数相关的输电线路的故障概率分布函数；
S3:获取每个故障概率分布参数的先验概率分布，包括：假设每个故障概率分布参数的先验概率分布符合特定的分布形式，例如：正态分布、指数分布、对数正态分布、泊松分布或logistic分布。一般在没有先验知识的前提下采用正态分布。
S4:重复独立在先验概率分布上抽取随机数值进行验证以训练模型，包括以下步骤：
每次抽取一组随机值与实际输电线路山火跳闸观测数据进行比较(每个概率分布参数的抽样样本都是随机的，但是数值的选择也受当前值和系数先验分布的影响)，当随机值与数据不吻合时，舍弃随机值，模型将停留在当前的状态值；当随机值与数据吻合时，接纳随机值为各故障概率分布参数新的值，成为当前的状态值(状态值指的是马尔科夫链的状态)。
S5:迭代至模型平稳。重复独立在先验概率分布上抽取随机数值进行验证的迭代次数达到或超过预设的迭代次数阈值。实施时，迭代次数阈值可设置为5000～20000，次数越多，模型的精确度也就越高。
S6:取模型平稳后的多组随机数值作为样本，实施时，取模型平稳后的多组随机数值的数量为2500～10000(一般取最后的数值)。计算得到电网山火灾害故障的后验概率分布。
本发明实施例还提供了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一步骤。
实施例2：
本实施例的一种电网山火灾害故障后验概率分布计算方法，包括：
S1:统计了某电网2012至2018年500kV及以上输电线路山火跳闸数据，同时根据美国马里兰大学山火数据库火点数据，计算各500kV输电线路5km走廊内山火火点数量，具体如图2所示。
S2:根据火点数量与线路山火跳闸的关系，选用logistic分布函数来拟合火点数量与线路山火跳闸的关系，公式如下：
式中，T为输电线路走廊火点数；α和β是分布函数的2个参数；P为线路山火跳闸概率。
S3:由于没有α和β的先验信息，因此假设α和β服从正态分布，具体假设如下：
α～N(0,0.01)
β～N(0,0.01)
式中，假设参数α和β服从均值为0，方差为0.01的正态分布。
S4:采用MCMC方法，设定采样次数为120000，取最末尾的2500个样本作为进入平稳分布后的样本，采样的路径图如图3所示,可知采样路径不存在明显趋势特性，表明已进入了平稳分布。
S5:概率分布的参数α和β的后验分布如图4,可知参数α近似服从正态分布，其均值大致为6.49，参数β也近似服从正态分布，其均值大致为-0.30。
S6:计算给定山火火点数量条件下的山火跳闸概率分布如图5所示,可知在火点数量为21时山火跳闸概率的均值为0.44，但这并不是代表在这种条件下跳闸概率只能取值为0.44，而是有取多种概率值可能，取各个概率值的可能性不一致。
综上可知，本发明通过分析输电线路故障的关键要素与山火跳闸的数量关系，构建先验概率模型并验证，可快速得到输电线路山火故障概率后验分布；原理清晰，操作方便，具有很高的实用价值。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种电网山火灾害故障的后验概率分布计算方法，其特征在于，包括以下步骤：
统计不同山火灾害条件下输电线路山火跳闸数据；分析输电线路故障的关键要素与山火跳闸的数量关系；
构建与多个故障概率分布参数相关的输电线路的故障概率分布函数；
获取每个故障概率分布参数的先验概率分布，重复独立在所述先验概率分布上抽取随机数值进行验证以训练模型；并迭代至模型平稳；
取模型平稳后的多组所述随机数值作为样本，计算得到电网山火灾害故障的后验概率分布。
2.根据权利要求1所述的电网山火灾害故障的后验概率分布计算方法，其特征在于，所述获取每个故障概率分布参数的先验概率分布，包括：假设每个故障概率分布参数的先验概率分布符合正态分布、指数分布、对数正态分布、泊松分布或logistic分布。
3.根据权利要求1所述的电网山火灾害故障的后验概率分布计算方法，其特征在于，重复独立在所述先验概率分布上抽取随机数值进行验证以训练模型，包括以下步骤：
每次抽取一组随机值与实际输电线路山火跳闸观测数据进行比较，当所述随机值与数据不吻合时，舍弃所述随机值；当所述随机值与数据吻合时，接纳所述随机值为各故障概率分布参数新的值。
4.根据权利要求1所述的电网山火灾害故障的后验概率分布计算方法，其特征在于，迭代至模型平稳包括：重复独立在所述先验概率分布上抽取随机数值进行验证的迭代次数达到或超过预设的迭代次数阈值。
5.根据权利要求4所述的电网山火灾害故障的后验概率分布计算方法，其特征在于，所述迭代次数阈值为5000～20000；所述取模型平稳后的多组所述随机数值的数量为2500～10000。
6.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5任一所述方法的步骤。
CN201810988268.9A 2018-08-28 2018-08-28 电网山火灾害故障的后验概率分布计算方法及系统 Pending CN109146295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810988268.9A CN109146295A (zh) 2018-08-28 2018-08-28 电网山火灾害故障的后验概率分布计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810988268.9A CN109146295A (zh) 2018-08-28 2018-08-28 电网山火灾害故障的后验概率分布计算方法及系统

Publications (1)

Publication Number Publication Date
CN109146295A true CN109146295A (zh) 2019-01-04

Family

ID=64828595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810988268.9A Pending CN109146295A (zh) 2018-08-28 2018-08-28 电网山火灾害故障的后验概率分布计算方法及系统

Country Status (1)

Country Link
CN (1) CN109146295A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490379A (zh) * 2019-08-13 2019-11-22 山东建筑大学 基于mcmc的办公室人员用能行为预测方法及系统
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
CN113092932A (zh) * 2021-03-18 2021-07-09 电子科技大学 一种电网线路山火故障快速预警方法
CN114324124A (zh) * 2021-12-21 2022-04-12 桂林优利特医疗电子有限公司 一种基于概率密度估计的散点样本数据扩充方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102854461A (zh) * 2012-08-24 2013-01-02 中国电力科学研究院 一种开关设备发生故障的概率预测方法及其系统
CN104376231A (zh) * 2014-12-10 2015-02-25 福州大学 基于改进近似贝叶斯计算的损伤识别方法
CN104778370A (zh) * 2015-04-20 2015-07-15 北京交通大学 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法
CN104865956A (zh) * 2015-03-27 2015-08-26 重庆大学 一种基于贝叶斯网络的复杂系统中传感器故障诊断方法
CN105160412A (zh) * 2015-06-23 2015-12-16 国家电网公司 一种评估输电线路山火故障跳闸概率的方法
CN106447530A (zh) * 2016-09-07 2017-02-22 山东大学 一种电力设备停运概率的非精确条件估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102854461A (zh) * 2012-08-24 2013-01-02 中国电力科学研究院 一种开关设备发生故障的概率预测方法及其系统
CN104376231A (zh) * 2014-12-10 2015-02-25 福州大学 基于改进近似贝叶斯计算的损伤识别方法
CN104865956A (zh) * 2015-03-27 2015-08-26 重庆大学 一种基于贝叶斯网络的复杂系统中传感器故障诊断方法
CN104778370A (zh) * 2015-04-20 2015-07-15 北京交通大学 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法
CN105160412A (zh) * 2015-06-23 2015-12-16 国家电网公司 一种评估输电线路山火故障跳闸概率的方法
CN106447530A (zh) * 2016-09-07 2017-02-22 山东大学 一种电力设备停运概率的非精确条件估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡湘 等: ""输电线路山火跳闸原因分析及其防治措施探讨"", 《电力科学与技术学报》 *
陆佳政 等: ""架空输电线路山火预测预警技术"", 《高电压技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490379A (zh) * 2019-08-13 2019-11-22 山东建筑大学 基于mcmc的办公室人员用能行为预测方法及系统
CN110490379B (zh) * 2019-08-13 2021-11-23 山东建筑大学 基于mcmc的办公室人员用能行为预测方法及系统
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
CN113092932A (zh) * 2021-03-18 2021-07-09 电子科技大学 一种电网线路山火故障快速预警方法
CN113092932B (zh) * 2021-03-18 2021-12-10 电子科技大学 一种电网线路山火故障快速预警方法
CN114324124A (zh) * 2021-12-21 2022-04-12 桂林优利特医疗电子有限公司 一种基于概率密度估计的散点样本数据扩充方法

Similar Documents

Publication Publication Date Title
CN109146295A (zh) 电网山火灾害故障的后验概率分布计算方法及系统
CN105302941B (zh) 高压单芯电缆寿命评估方法及系统
CN109800660B (zh) 一种基于大数据聚类的电压暂降源识别方法和系统
CN103837769B (zh) 一种输电线路雷害预警方法及其系统
CN103246821B (zh) 一种基于仿真的多应力小样本加速寿命试验方案设计优化方法
CN103631681A (zh) 一种在线修复风电场异常数据的方法
CN106447210A (zh) 一种计及可信度评价的配网设备健康度动态诊断方法
CN105375449B (zh) 直流线路行波保护电压变化率判据的整定方法和系统
CN106469356A (zh) 基于多维数据的输电设备状态评价及风险分析方法及装置
CN104020401A (zh) 基于云模型理论的变压器绝缘热老化状态的评估方法
CN103760597B (zh) 一种矿山断层自动识别方法
CN103093097A (zh) 基于规范切的电力系统脆弱断面识别方法
CN105279612A (zh) 一种基于泊松分布的输电线路跳闸风险评估方法
CN105912509B (zh) 一种多区段雷电流幅值累积概率分布统计方法
CN114065875A (zh) 基于大数据的电力电网故障识别系统
CN105069701A (zh) 基于蒙特卡洛法的输电系统风险评估方法
CN110032167A (zh) 基于局部线性嵌入的卫星姿态控制系统微小故障检测方法
CN109118105A (zh) 山火灾害下的电网群发故障的风险分析方法及系统
CN104701839A (zh) 一种基于最小二乘法参数辨识的空调负荷建模方法
CN116050599A (zh) 一种线路覆冰故障预测方法、系统、存储介质及设备
CN107947156A (zh) 基于改进Softmax回归的电网故障临界切除时间判别方法
CN104181205A (zh) 复合材料损伤识别方法及系统
Yuan et al. Research on fusion algorithm of lightning strike trip warning for mountain transmission lines
CN105137211B (zh) 一种基于wrf模式和相似日强对流指数辨识的雷害预警方法
Ren et al. Research on causes of transmission line fault based on decision tree classification

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190104

RJ01 Rejection of invention patent application after publication