CN109636209B - 一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法 - Google Patents
一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法 Download PDFInfo
- Publication number
- CN109636209B CN109636209B CN201811554372.3A CN201811554372A CN109636209B CN 109636209 B CN109636209 B CN 109636209B CN 201811554372 A CN201811554372 A CN 201811554372A CN 109636209 B CN109636209 B CN 109636209B
- Authority
- CN
- China
- Prior art keywords
- power grid
- state
- intelligent isolation
- intelligent
- breaker
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000002955 isolation Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012502 risk assessment Methods 0.000 title claims abstract description 16
- 238000007405 data analysis Methods 0.000 title claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 230000035945 sensitivity Effects 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 4
- 230000007613 environmental effect Effects 0.000 claims abstract description 3
- 230000007704 transition Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 230000001052 transient effect Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 10
- 230000008439 repair process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法,结合智能隔离断路器内部各组成部分数据、当前电网运行状态数据、电网风险数据、环境数据得到智能隔离断路器的马尔科夫瞬时状态概率模型,构造状态分布曲线,采用拉丁超立方算法对状态概率模型抽样获得智能隔离断路器的状态,并采用Cholesky分解对矩阵重新排列,降低初始采样的相关性。使用以切负荷最小为目标函数的OPF算法,计算发生故障后切负荷的最小值以及风险指标。针对智能隔离断路器内部发生不同故障,通过计算灵敏度得到不同部件故障对电网风险程度影响的大小,为差异性运维提供参考。
Description
技术领域
本发明属于电网的在线风险评估领域,具体为一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法。
背景技术
智能隔离断路器是智能电网中一类重要设备,设备集成了常规断路器、接地开关、集成式电子互感器及监测通信等,并配用智能模块,实现对智能隔离断路器的智能控制。智能隔离断路器是在正常回路条件下能够关合、承载和开断电流以及在规定的异常回路条件(例如短路情况下的回路条件)下能够关合、在规定的时间内承载和开断电流的机械开关装置。智能隔离断路器作为新一代智能变电站的关键设备,目前在国内的应用较少。智能隔离断路器带来安装方便和运行维护方便等优势时,设备的结构也变得很复杂。在复杂结构下的智能隔离断路器整体的可靠性水平如何,以及当智能隔离断路器接入电网,会对电网风险产生什么影响,这些问题都尚待解决。为了简化变电站的设计及占地面积,使设备更加智能化,降低设备的故障率和误动作概率,优化设备的检修策略,需要科学评估其运维。
智能隔离断路器故障直接影响电网安全运行。目前的电网风险评估方法是通过统计以往历史电网中设备的可靠性数据,确定元件的停运模型,选择系统状态以及系统状态的概率,估计当前运行状态时系统后果,最后计算风险指标。但并未结合历史数据、当前电网运行状态数据、电网风险数据来评估设备的状态概率。
同时智能隔离断路器结构复杂,多种状态,且动态变化。智能隔离断路器内部各个部件都有可能发生故障,对电网造成风险。因此在含有智能隔离断路器的电网在线风险评估中,利用大数据获得设备的瞬时状态概率,针对内部不同部件故障率的灵敏度,分析整个设备的故障概率,为差异性运维提供参考,具体针对某个部件,可以进行有针对性运维。
发明内容
为解决上述问题,本发明提供一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法,可以对智能隔离断路器实现有针对性的运维,为差异性运维提供参考。
本发明的技术方案:
一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法,包括以下具体步骤:
步骤1,结合所述智能隔离断路器的各组成部分的运行状态历史数据、当前电网运行状态数据、电网风险数据、环境数据,获得所述含有智能隔离断路器的电网各状态之间的转移率;
步骤2,采用马尔可夫方法,利用步骤1所述含有智能隔离断路器的电网各状态之间的转移率,获得所述智能隔离断路器瞬时状态概率,包含所述智能隔离断路器的线路运行状态概率记为poi(xi),停运状态概率记为pci(xi);
步骤3,确定抽样规模N,采用拉丁超立方抽样的方法,获得所述智能隔离断路器抽样状态,状态集合记为S={s1、s2、s3...sN},将状态集合写为矩阵形式,获得N×K阶的原始采样矩阵,记为:XNK=[X1、X2、X3...Xk...XK],其中向量Xk为含有智能隔离断路器的第k条线路的采样向量,向量Xk记为Xk=[x1、x2、x3...xN]T,K的值为含有智能隔离断路器的线路条数n,抽样状态sm=[x'1、x'2、x'3...x'K];
步骤4,采用Cholesky分解的方法对步骤3所述的原始采样矩阵XNK重排列,将重排后的重排列采样矩阵记为HNK=[H1、H2、H3...HK];
步骤5,当智能隔离断路器发生故障时,判断智能隔离断路器的状态、发电机出力、输电线路传输的有功功率和无功功率以及节点的电压是否超过电网的约束,如果超过约束,则采用最优潮流算法求解最优的切除负荷量,利用步骤4所述重排列采样矩阵HNK计算步骤3所述各状态下发生故障后切负荷的最小值从而得到风险评估指标;
步骤6,针对智能隔离断路器内部发生不同故障结合步骤5中的风险评估指标,计算灵敏度得到不同部件故障对电网风险程度影响的大小。
所述含有智能隔离断路器的电网各状态之间的转移率包括第k条线路的断路器第i个组成成分的故障率λki。
所述步骤5中风险评估指标为对第m个抽样状态计算的最优切负荷量,记为Lm,第m个状态发生的概率Pm。
与现有技术相比,本发明的有益效果是:结合所述智能隔离断路器的各组成部分的运行状态历史数据、当前电网运行状态数据、电网风险数据等,进行大数据分析,得到结合智能隔离断路器各组成部分的故障率的瞬时状态概率;计算不同智能隔离断路器部件故障率的灵敏度,获得不同部件故障对电网风险程度影响的大小,可以对智能隔离断路器实现有针对性的运维,为差异性运维提供参考。
附图说明
图1为本发明的方法流程图;
图2为本发明实施例湖北省某地电网分布图。
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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例所述的一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法,包括以下具体步骤:
步骤1:假定在某电网中,共包含n条线路,并假定每条线路上都装有一台智能隔离断路器(共n台),结合所述智能隔离断路器的各组成部分的运行状态历史数据、当前电网运行状态数据、电网风险数据,获得第i台智能隔离断路器的潜在故障率λci和修复率μci,以及第i条线路的实时故障率λli和修复率μli。
步骤2,采用马尔可夫方法,利用含有智能隔离断路器的电网各状态之间的转移率,获得瞬时状态概率,包含所述智能隔离断路器的线路运行状态概率记为poi(xi),停运状态概率记为pci(xi)。
步骤3,确定抽样规模N,采用拉丁方超立方抽样的方法,获得所述智能隔离断路器抽样状态,状态集合记为S={s1、s2、s3...sm...sN}。将状态集合写为矩阵形式,获得N×K阶的原始采样矩阵,记为:XNK=[X1、X2、X3...Xk...XK],其中向量Xk为含有智能隔离断路器的第k条线路的采样向量,向量Xk记为Xk=[x1、x2、x3...xN]T,K的值为含有智能隔离断路器线路n,状态sm=[x'1、x'2、x'3...x'K]。
步骤4,采用Cholesky分解的方法对原始采样矩阵XNK重排列,重排列只改变初始采样矩阵列元素的位置而不改变采样值的大小和矩阵元素的个数,这样可以降低矩阵列之间的相关性,将重排后的重排列采样矩阵记为HNK=[H1、H2、H3...HK]。
步骤5,当智能隔离断路器发生故障时,判断智能隔离断路器的状态、发电机出力、输电线路传输的有功功率和无功功率以及节点的电压是否超过电网的约束,如果超过约束,则采用OPF算法求解最优的切除负荷量。对第m个状态sm计算的最优切负荷量,记为Lm,第m个状态发生的概率Pm。
步骤6,计算不同断路器部件故障率的灵敏度。针对智能隔离断路器内部发生不同故障,按照公式计算灵敏度,得到不同部件故障对电网风险程度影响的大小,其中第m个抽样状态的风险值为Rm=LmPm,λki为断路器k第i个组成成分的故障率,Pm为第m个状态发生的概率。
计算实例:
算例采样规模为2000,智能隔离断路器安装在线路7到线路44,共38台具体分布如图2所示,
表1断路器故障后电网风险值
以8号智能隔离断路器故障为例,计算各组成成分的灵敏度如表2所示。
表2智能隔离断路器灵敏度分析
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法,其特征在于,包括以下具体步骤:
步骤1,结合所述智能隔离断路器的各组成部分的运行状态历史数据、当前电网运行状态数据、电网风险数据、环境数据,获得含有智能隔离断路器的电网各状态之间的转移率;
步骤2,采用马尔可夫方法,利用步骤1所述含有智能隔离断路器的电网各状态之间的转移率,获得所述智能隔离断路器瞬时状态概率,包含所述智能隔离断路器的线路运行状态概率记为poi(xi),停运状态概率记为pci(xi);
步骤3,确定抽样规模N,采用拉丁超立方抽样的方法,获得所述智能隔离断路器抽样状态,状态集合记为S={s1、s2、s3...sN},将状态集合写为矩阵形式,获得N×K阶的原始采样矩阵,记为:XNK=[X1、X2、X3...Xk...XK],其中向量Xk为含有智能隔离断路器的第k条线路的采样向量,向量Xk记为Xk=[x1、x2、x3...xN]T,K的值为含有智能隔离断路器的线路条数n,抽样状态sm=[x'1、x'2、x'3...x'K];
步骤4,采用Cholesky分解的方法对步骤3所述的原始采样矩阵XNK重排列,将重排后的重排列采样矩阵记为HNK=[H1、H2、H3...HK];
步骤5,当智能隔离断路器发生故障时,判断智能隔离断路器的状态、发电机出力、输电线路传输的有功功率和无功功率以及节点的电压是否超过电网的约束,如果超过约束,则采用最优潮流算法求解最优的切除负荷量,利用步骤4所述重排列采样矩阵HNK计算步骤3所述各状态下发生故障后切负荷的最小值从而得到风险评估指标;
步骤6,针对智能隔离断路器内部发生不同故障结合步骤5中的风险评估指标,计算灵敏度得到不同部件故障对电网风险程度影响的大小。
2.根据权利要求1所述的一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法,其特征在于:所述含有智能隔离断路器的电网各状态之间的转移率包括第k条线路的断路器第i个组成成分的故障率λki。
3.根据权利要求2所述的一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法,其特征在于:所述步骤5中风险评估指标为对第m个抽样状态计算的最优切负荷量,记为Lm,第m个状态发生的概率Pm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554372.3A CN109636209B (zh) | 2018-12-18 | 2018-12-18 | 一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554372.3A CN109636209B (zh) | 2018-12-18 | 2018-12-18 | 一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109636209A CN109636209A (zh) | 2019-04-16 |
CN109636209B true CN109636209B (zh) | 2022-08-30 |
Family
ID=66075215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811554372.3A Active CN109636209B (zh) | 2018-12-18 | 2018-12-18 | 一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636209B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714387A (zh) * | 2014-01-09 | 2014-04-09 | 云南电网公司电网规划研究中心 | 一种精细化电网风险评估方法 |
WO2016176913A1 (zh) * | 2015-05-06 | 2016-11-10 | 杨启蓓 | 电网高压断路器多维度大数据分析智能专家系统 |
CN107609725A (zh) * | 2017-02-15 | 2018-01-19 | 华北电力大学(保定) | 一种考虑变电站影响的输电网风险评估方法 |
CN107909291A (zh) * | 2017-12-07 | 2018-04-13 | 国家电网公司 | 一种基于多场景的含集成式隔离断路器电网风险评估方法 |
-
2018
- 2018-12-18 CN CN201811554372.3A patent/CN109636209B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714387A (zh) * | 2014-01-09 | 2014-04-09 | 云南电网公司电网规划研究中心 | 一种精细化电网风险评估方法 |
WO2016176913A1 (zh) * | 2015-05-06 | 2016-11-10 | 杨启蓓 | 电网高压断路器多维度大数据分析智能专家系统 |
CN107609725A (zh) * | 2017-02-15 | 2018-01-19 | 华北电力大学(保定) | 一种考虑变电站影响的输电网风险评估方法 |
CN107909291A (zh) * | 2017-12-07 | 2018-04-13 | 国家电网公司 | 一种基于多场景的含集成式隔离断路器电网风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109636209A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zare et al. | Synchrophasor-based wide-area backup protection scheme with data requirement analysis | |
CN105406470B (zh) | 一种基于开关边界分区的有源配电网可靠性评估方法 | |
CN107609725B (zh) | 一种考虑变电站影响的输电网风险评估方法 | |
Falahati et al. | Reliability modeling and evaluation of power systems with smart monitoring | |
CN110210095A (zh) | 一种基于混合整数线性规划的配电网可靠性指标计算方法 | |
CN113437805B (zh) | 一种基于二次回路在线监测的站域可视化防误预警方法 | |
Liu et al. | Assessing the risk of implementing system integrity protection schemes in a power system with significant wind integration | |
CN104112076A (zh) | 基于模糊数学的运行风险评估方法及评估系统 | |
CN104166940A (zh) | 配电网运行风险评估方法及评估系统 | |
CN117728585B (zh) | 一种分布式光伏电站状态预测方法及系统 | |
Balachandran et al. | Component-level reliability evaluation model for cyber power devices | |
Chappa et al. | Voltage instability detection using synchrophasor measurements: A review | |
Zeng et al. | Analytical reliability assessment of cyber-physical distribution system with distributed feeder automation | |
Zhang et al. | Research on power grid fault diagnosis based on a quantitative representation of alarm information | |
CN109636209B (zh) | 一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法 | |
Yunus et al. | Reliability and availability study on substation automation system based on IEC 61850 | |
Qiu | Risk assessment of power system catastrophic failures and hidden failure monitoring & control system | |
CN103439596A (zh) | 一种输电网安全运行稳态性能检测方法 | |
CN115952917A (zh) | 一种有源配电网安全态势感知方法与系统 | |
Altaher et al. | Reliability investigation of digital substation networks design using fmea technique | |
Raj Timalsena et al. | Methodology to incorporate stuck condition of the circuit breaker in reliability evaluation of electrical distribution networks | |
Zeng et al. | Reliability assessment on switchgear and its controller based on fault tree analysis | |
Shang et al. | Finite State Machine model of fault diagnosis for distribution system under time sequence constraints | |
Li et al. | Overview of analysis on state evaluation of relaying protection system | |
CN111369172A (zh) | 电力系统负荷保电控制方法、系统、设备和存储介质 |
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 |