CN109934499B - 一种设备低电压故障的评估方法、装置、设备及存储介质 - Google Patents

一种设备低电压故障的评估方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109934499B
CN109934499B CN201910198633.0A CN201910198633A CN109934499B CN 109934499 B CN109934499 B CN 109934499B CN 201910198633 A CN201910198633 A CN 201910198633A CN 109934499 B CN109934499 B CN 109934499B
Authority
CN
China
Prior art keywords
voltage
low
probability
model
equipment
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
Application number
CN201910198633.0A
Other languages
English (en)
Other versions
CN109934499A (zh
Inventor
黄彦璐
田兵
袁智勇
陈柔伊
罗俊平
姜臻
史训涛
白浩
于力
简淦杨
张斌
徐全
郭志诚
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.)
CSG Electric Power Research Institute
China Southern Power Grid Co Ltd
Original Assignee
CSG Electric Power Research Institute
China Southern Power Grid 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 CSG Electric Power Research Institute, China Southern Power Grid Co Ltd filed Critical CSG Electric Power Research Institute
Priority to CN201910198633.0A priority Critical patent/CN109934499B/zh
Publication of CN109934499A publication Critical patent/CN109934499A/zh
Application granted granted Critical
Publication of CN109934499B publication Critical patent/CN109934499B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种设备低电压故障的评估方法，先根据设备的历史运行数据建立设备的敏感负荷电压耐受曲线VTC模型，用以描述设备在不同的电压下的工作持续时间，并通过确定敏感负荷电压耐受曲线VTC模型中的运行不确定区域内设备发生低电压故障的概率的随机估计模型，用以描述在运行不确定区域内各点上设备发生低电压故障的可能性，再根据随机评估模型和设备在各电压降低时刻所对应的电压降低持续时间概率建立设备的低电压故障概率评估模型，得到设备在运行不确定区域发生低电压故障的概率，实现了对设备的低电压故障情况的量化评估。本发明还提供一种设备低电压故障的评估装置、设备及存储介质，具有上述有益效果。

Description

一种设备低电压故障的评估方法、装置、设备及存储介质
技术领域
本发明涉及配电网技术领域，特别是涉及一种设备低电压故障的评估方法、装置、设备及存储介质。
背景技术
电压降低可能会造成电源与用电设备之间的电气连接中断，使敏感设备不能获得所需质量的电能，这会影响甚至破坏工业用户的设备或工业生产线的连续工作，对工业用户造成的损失和危害是十分严重的。如何准确评估设备的低电压故障情况，对工业用户设备及工业生产线的生产安排、故障后恢复策略设计具有重要意义。
现有技术中，通常将负荷敏感度应用到设备的低电压故障评价中。负荷敏感度是负荷对电能质量问题的敏感程度，即提供给负荷的电能质量不良时负荷能承受干扰仍正常工作的能力，能力越低，负荷敏感度也就越高。
然而，负荷敏感度很难确定且存在随机性，造成现有的应用负荷敏感度进行设备低电压故障评估方法准确性较低。
如何提高对设备低电压故障的评估的准确性，是本领域技术人员需要解决的技术问题。
发明内容
本发明的目的是提供一种设备低电压故障的评估方法、装置、设备及存储介质，相比于现有技术对于设备的低电压故障情况实现了更为准确的评估。
为解决上述技术问题，本发明提供一种设备低电压故障的评估方法，包括：
获取设备的历史运行数据；
根据所述历史运行数据建立所述设备的敏感负荷电压耐受曲线VTC模型；
确定在所述敏感负荷电压耐受曲线模型的运行不确定区域内所述设备发生低电压故障的概率的随机估计模型；
根据所述随机估计模型及所述设备的各电压降低时刻对应的电压降低持续时间概率，建立所述设备的低电压故障概率评估模型，以依据所述低电压故障概率评估模型评估所述设备的低电压故障状态。
可选的，所述根据所述历史运行数据建立所述设备的敏感负荷电压耐受曲线VTC模型，具体包括：
确定所述设备的各类敏感负荷的比率；
根据各类所述敏感负荷的电压降低边界值及各类所述敏感负荷的比率，计算所述敏感负荷电压耐受曲线VTC模型的电压降低幅值边界值；
根据各类所述敏感负荷的电压降低时间边界值及各类所述敏感负荷的比率，计算所述敏感负荷电压耐受曲线VTC模型的电压降低时间边界值；
依据所述敏感负荷电压耐受曲线VTC模型的电压降低幅值边界值和所述敏感负荷电压耐受曲线VTC模型的电压降低时间边界值建立所述敏感负荷电压耐受曲线VTC模型。
可选的，所述确定在所述敏感负荷电压耐受曲线模型的运行不确定区域内所述设备发生故障的概率的随机估计模型，具体为：
基于贝叶斯规则和正态分布概率函数建立所述随机估计模型。
可选的，所述确定在所述敏感负荷电压耐受曲线模型的运行不确定区域内所述设备发生故障的概率的随机估计模型，具体为：基于贝叶斯规则和正态分布概率函数建立所述随机估计模型；
所述随机估计模型，具体通过以下公式表示：
Figure 100002_DEST_PATH_IMAGE001
Figure DEST_PATH_IMAGE002
Figure 100002_DEST_PATH_IMAGE003
其中，所述
Figure DEST_PATH_IMAGE004
为第一运行不确定子区域的低电压故障概率密度函数，所述
Figure 100002_DEST_PATH_IMAGE005
为第二运行不确定子区域的低电压故障概率密度函数，所述
Figure DEST_PATH_IMAGE006
为第三运行不确定子区域的低电压故障概率密度函数，所述第一运行不确定子区域为
Figure 100002_DEST_PATH_IMAGE007
、
Figure DEST_PATH_IMAGE008
区域，所述第二运行不确定子区域为
Figure 100002_DEST_PATH_IMAGE009
、
Figure DEST_PATH_IMAGE010
区域，所述第三运行不确定子区域为
Figure 799351DEST_PATH_IMAGE007
、
Figure 100002_DEST_PATH_IMAGE011
区域，所述
Figure DEST_PATH_IMAGE012
和所述
Figure 100002_DEST_PATH_IMAGE013
分别为所述运行不确定区域的分布密度，所述T 0为所述敏感负荷电压耐受曲线VTC模型中T概率最大处的持续时间，所述U 0为所述敏感负荷电压耐受曲线VTC模型中U概率最大处的电压幅值，所述
Figure DEST_PATH_IMAGE014
和所述
Figure 100002_DEST_PATH_IMAGE015
分别为所述运行不确定区域的电压降低时间边界值，所述
Figure DEST_PATH_IMAGE016
和所述
Figure 100002_DEST_PATH_IMAGE017
分别为所述运行不确定区域的电压降低幅值边界值；
所述T 0、所述U 0、所述
Figure 483535DEST_PATH_IMAGE012
和所述
Figure DEST_PATH_IMAGE018
分别通过下式表示：
Figure 100002_DEST_PATH_IMAGE019
Figure DEST_PATH_IMAGE020
Figure 100002_DEST_PATH_IMAGE021
Figure DEST_PATH_IMAGE022
。
可选的，所述低电压故障概率评估模型，具体通过以下公式表示：
Figure 100002_DEST_PATH_IMAGE023
其中，
Figure DEST_PATH_IMAGE024
Figure 100002_DEST_PATH_IMAGE025
Figure DEST_PATH_IMAGE026
所述
Figure 100002_DEST_PATH_IMAGE027
为在所述运行不确定区域内所述设备发生低电压故障的概率，所述
Figure DEST_PATH_IMAGE028
为
Figure 100002_DEST_PATH_IMAGE029
时刻的电压降低持续时间概率，所述
Figure DEST_PATH_IMAGE030
为
Figure 100002_DEST_PATH_IMAGE031
时刻的电压降低持续时间概率，所述
Figure DEST_PATH_IMAGE032
为所述
Figure 666868DEST_PATH_IMAGE031
时刻所述设备发生低电压故障的概率，所述H为所述运行不确定区域内T轴上的子区间数，所述
Figure 100002_DEST_PATH_IMAGE033
及所述
Figure DEST_PATH_IMAGE034
分别为所述运行不确定区域的电压降低时间边界值，所述
Figure 100002_DEST_PATH_IMAGE035
为所述T轴上的子区间长度。
可选的，还包括：
获取所述设备单次低电压故障所造成的单次损失值及所述设备在指定时间段内发生电压降低事件的次数；
根据所述单次损失值、所述发生电压降低事件的次数及所述低电压故障概率评估模型计算所述设备的低电压损失值；
输出所述低电压损失值。
为解决上述技术问题，本发明还提供一种设备低电压故障的评估装置，包括：
第一获取单元，用于获取设备的历史运行数据；
敏感负荷电压耐受曲线VTC模型建立单元，用于根据所述历史运行数据建立所述设备的敏感负荷电压耐受曲线VTC模型；
随机估计模型建立单元，用于确定在所述敏感负荷电压耐受曲线VTC模型的运行不确定区域内所述设备发生低电压故障的概率的随机估计模型；
低电压故障概率评估模型建立单元，用于根据所述随机估计模型及所述设备的各电压降低时刻对应的电压降低持续时间概率，建立所述设备的低电压故障概率评估模型，以依据所述低电压故障概率评估模型评估所述设备的低电压故障状态。
可选的，还包括：
第二获取单元，用于获取所述设备单次低电压故障所造成的单次损失值及所述设备在指定时间段内发生电压降低事件的次数；
计算单元，用于根据所述单次损失值、所述发生电压降低事件的次数及所述低电压故障概率评估模型计算所述设备的低电压损失值；
输出单元，用于输出所述低电压损失值。
为解决上述技术问题，本发明还提供一种设备低电压故障的评估设备，包括：
存储器，用于存储指令，所述指令包括上述任意一项所述设备低电压故障的评估方法的步骤；
处理器，用于执行所述指令。
为解决上述技术问题，本发明还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述设备低电压故障的评估方法的步骤。
本发明所提供的设备低电压故障的评估方法，先根据设备的历史运行数据建立设备的敏感负荷电压耐受曲线VTC模型，用以描述设备在不同的电压下的工作持续时间，并通过确定敏感负荷电压耐受曲线VTC模型中的运行不确定区域内设备发生低电压故障的概率的随机估计模型，用以描述在运行不确定区域内各点上设备发生低电压故障的可能性，再根据随机评估模型和设备在各电压降低时刻所对应的电压降低持续时间概率建立设备的低电压故障概率评估模型，得到设备在运行不确定区域发生低电压故障的概率。本发明提供的方法基于设备的历史运行数据进行分析，引入电压降低持续时间，将设备在不同低电压下持续多久会发生故障的状况进行量化描述，最终得到在电压降低时设备发生故障的评估模型，相比于现有技术通过无法确定的负荷敏感度作为评估依据，实现了对设备的低电压故障情况更为准确的评估。本发明还提供一种设备低电压故障的评估装置、设备及存储介质，具有上述有益效果，在此不再赘述。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种设备低电压故障的评估方法的流程图；
图2为本发明实施例提供的一种敏感负荷电压耐受曲线VTC模型示意图；
图3为本发明实施例提供的一种敏感负荷电压耐受曲线VTC模型的运行不确定区域示意图；
图4为本发明实施例提供的另一种设备低电压故障的评估方法的流程图；
图5为本发明实施例提供的一种设备低电压故障的评估装置的结构示意图；
图6为本发明实施例提供的一种设备低电压故障的评估设备的结构示意图。
具体实施方式
本发明的核心是提供一种设备低电压故障的评估方法、装置、设备及存储介质，相比于现有技术对于设备的低电压故障情况实现了更为准确的评估。
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。
图1为本发明实施例提供的一种设备低电压故障的评估方法的流程图；图2为本发明实施例提供的一种敏感负荷电压耐受曲线VTC模型示意图；图3为本发明实施例提供的一种敏感负荷电压耐受曲线VTC模型的运行不确定区域示意图。
如图1所示，设备低电压故障的评估方法包括：
S10：获取设备的历史运行数据。
在具体实施中，历史运行数据包括该设备在历史某时间段内，在不同的电压降低值下的承受时间，即在不同的电压降低值下设备跳闸的时间。
S11：根据历史运行数据建立设备的敏感负荷电压耐受曲线VTC模型。
在具体实施中，采用敏感负荷电压耐受曲线VTC（voltage tolerance curve）模型将设备的电压暂降敏感度进行定量的表达。实验表明，在现代工业生产过程中所使用的可编程逻辑控制器（PLC）、可调速驱动装置（ASD）、计算机（PC）、交流接触器（ACC）等敏感负荷的电压耐受曲线VTC一般呈矩形，如可编程逻辑控制器的电压幅值范围为30%-90%，持续时间为20-400ms；可调速驱动装置的电压幅值范围为59%-71%，持续时间为15-175ms；计算机的电压幅值范围为46%-63%，持续时间为40-205ms。
构建敏感负荷电压耐受曲线VTC模型，具体包括：
确定设备的各类敏感负荷的比率；
根据各类敏感负荷的电压降低边界值及各类敏感负荷的比率，计算敏感负荷电压耐受曲线VTC模型的电压降低幅值边界值；
根据各类敏感负荷的电压降低时间边界值及各类敏感负荷的比率，计算敏感负荷电压耐受曲线VTC模型的电压降低时间边界值；
依据敏感负荷电压耐受曲线VTC模型的电压降低幅值边界值和敏感负荷电压耐受曲线VTC模型的电压降低时间边界值建立敏感负荷电压耐受曲线VTC模型。
其中，敏感负荷的类别为设备中所包括上述可编程逻辑控制器（PLC）、可调速驱动装置（ASD）、计算机（PC）、交流接触器（ACC）等，敏感负荷i的比率
Figure DEST_PATH_IMAGE036
为设备上敏感负荷i的数量和该设备上所有敏感负荷的总数量的比值。
根据各类敏感负荷的电压降低边界值
Figure 100002_DEST_PATH_IMAGE037
、
Figure DEST_PATH_IMAGE038
及各类敏感负荷的比率
Figure 389973DEST_PATH_IMAGE036
，计算敏感负荷电压耐受曲线VTC模型的电压降低幅值边界值
Figure 100002_DEST_PATH_IMAGE039
、
Figure DEST_PATH_IMAGE040
，即
Figure 100002_DEST_PATH_IMAGE041
（1）
Figure DEST_PATH_IMAGE042
（2）
根据各类敏感负荷的电压降低时间边界值
Figure 100002_DEST_PATH_IMAGE043
、
Figure DEST_PATH_IMAGE044
及各类敏感负荷的比率
Figure 926650DEST_PATH_IMAGE036
，计算敏感负荷电压耐受曲线VTC模型的电压降低时间边界值
Figure DEST_PATH_IMAGE045
、
Figure DEST_PATH_IMAGE046
，即
Figure DEST_PATH_IMAGE047
（3）
Figure DEST_PATH_IMAGE048
（4）
依据敏感负荷电压耐受曲线VTC模型的电压降低幅值边界值
Figure 77009DEST_PATH_IMAGE039
、
Figure 547305DEST_PATH_IMAGE040
和敏感负荷电压耐受曲线VTC模型的电压降低时间边界值
Figure DEST_PATH_IMAGE049
、
Figure 464314DEST_PATH_IMAGE046
建立敏感负荷电压耐受曲线VTC模型，如图2所示，N为正常运行区域、M为故障区域，R为运行不确定区域。
S12：确定在敏感负荷电压耐受曲线模型的运行不确定区域内设备发生低电压故障的概率的随机估计模型。
可以理解的是，设备在正常运行区域N发生低电压故障的概率为0，在故障区域M发生低电压故障的概率为1。为了确定在运行不确定区域R发生低电压故障的概率，首先需要确定运行不确定区域R中的具体位置上发生低电压故障的可能性。具体可以采用随机法、模糊法、区间法、模糊随机法等。本发明实施例通过构建随机估计模型对运行不确定区域R中的具体位置上发生低电压故障的情况进行定量描述。
在具体实施中，由于运行不确定区域R中U和T的分布是随机的，且符合正态概率密度分布，因此基于贝叶斯规则和正态分布概率函数建立随机估计模型。
如图3所示，在图2的基础上，将运行不确定区域R进一步划分为第一运行不确定子区域A、第二运行不确定子区域B、第三运行不确定子区域C，且第一运行不确定子区域A为第二运行不确定子区域B和第三运行不确定子区域C的重叠区域。
设第二运行不确定子区域B和第三运行不确定子区域C内随机变量T和U的概率密度函数分别为
Figure DEST_PATH_IMAGE050
和
Figure DEST_PATH_IMAGE051
，则第一运行不确定子区域A内随机变量T和U的联合概率密度函数为
Figure DEST_PATH_IMAGE052
（5）
由于运行不确定区域R中U和T的分布是随机的，且符合正态概率密度分布，则运行不确定区域R内设备发生低电压故障的概率的随机估计模型具体通过以下公式表示：
Figure DEST_PATH_IMAGE053
（6）
Figure DEST_PATH_IMAGE054
（7）
Figure DEST_PATH_IMAGE055
（8）
其中，所述
Figure 195510DEST_PATH_IMAGE050
为第一运行不确定子区域的低电压故障概率密度函数，所述
Figure 923294DEST_PATH_IMAGE051
为第二运行不确定子区域的低电压故障概率密度函数，所述
Figure DEST_PATH_IMAGE056
为第三运行不确定子区域的低电压故障概率密度函数，所述第一运行不确定子区域为
Figure DEST_PATH_IMAGE057
、
Figure DEST_PATH_IMAGE058
区域，所述第二运行不确定子区域为
Figure DEST_PATH_IMAGE059
、
Figure DEST_PATH_IMAGE060
区域，所述第三运行不确定子区域为
Figure 664242DEST_PATH_IMAGE057
、
Figure DEST_PATH_IMAGE061
区域，所述
Figure DEST_PATH_IMAGE062
和所述
Figure DEST_PATH_IMAGE063
分别为所述运行不确定区域的分布密度，所述T 0为所述敏感负荷电压耐受曲线VTC模型中T概率最大处的持续时间，所述U 0为所述敏感负荷电压耐受曲线VTC模型中U概率最大处的电压幅值，所述
Figure 18563DEST_PATH_IMAGE049
和所述
Figure 260057DEST_PATH_IMAGE046
分别为所述运行不确定区域的电压降低时间边界值，所述
Figure 893164DEST_PATH_IMAGE039
和所述
Figure 400369DEST_PATH_IMAGE040
分别为所述运行不确定区域的电压降低幅值边界值；
其中，T 0、U 0通过下式表达：
Figure DEST_PATH_IMAGE064
（9）
Figure DEST_PATH_IMAGE065
（10）
在运行不确定区域R内，敏感负荷电压耐受曲线VTC的顶点均在第一运行不确定子区域A，根据拉依达准则，有：
Figure DEST_PATH_IMAGE066
（11）
Figure DEST_PATH_IMAGE067
（12）
S13：根据随机估计模型及设备的各电压降低时刻对应的电压降低持续时间概率，建立设备的低电压故障概率评估模型，以依据低电压故障概率评估模型评估设备的低电压故障状态。
得到运行不确定区域R中设备发生低电压故障的随机概率密度模型后，采用累加求和的方式即可得到在运行不确定区域R中设备发生低电压故障的概率，以便根据该概率判断设备是否发生低电压故障（跳闸）。
在具体实施中，通过对设备的历史运行数据进行分类、筛选、汇总、导入预设的计算公式，可以得到各电压降低时刻T对应的电压降低持续时间概率
Figure DEST_PATH_IMAGE068
。
低电压故障概率评估模型，具体通过以下公式表示：
Figure DEST_PATH_IMAGE069
（13）
其中，
Figure DEST_PATH_IMAGE070
（14）
Figure DEST_PATH_IMAGE071
（15）
Figure DEST_PATH_IMAGE072
（16）
Figure DEST_PATH_IMAGE073
为在运行不确定区域内设备发生低电压故障的概率，
Figure DEST_PATH_IMAGE074
为
Figure DEST_PATH_IMAGE075
时刻的电压降低持续时间概率，
Figure DEST_PATH_IMAGE076
为
Figure DEST_PATH_IMAGE077
时刻的电压降低持续时间概率，
Figure DEST_PATH_IMAGE078
为
Figure 708116DEST_PATH_IMAGE077
时刻设备发生低电压故障的概率，H为运行不确定区域内T轴上的子区间数，a为运行不确定区域内T轴上第a个子区间，
Figure DEST_PATH_IMAGE079
及
Figure DEST_PATH_IMAGE080
分别为运行不确定区域的电压降低时间边界值，
Figure DEST_PATH_IMAGE081
为T轴上的子区间长度。
通过上述计算，确定了设备在敏感负荷电压耐受曲线VTC的正常运行区域N、故障区域M和运行不确定区域R发生低电压故障的概率。
本发明实施例提供的设备低电压故障的评估方法，先根据设备的历史运行数据建立设备的敏感负荷电压耐受曲线VTC模型，用以描述设备在不同的电压下的工作持续时间，并通过确定敏感负荷电压耐受曲线VTC模型中的运行不确定区域内设备发生低电压故障的概率的随机估计模型，用以描述在运行不确定区域内各点上设备发生低电压故障的可能性，再根据随机评估模型和设备在各电压降低时刻所对应的电压降低持续时间概率建立设备的低电压故障概率评估模型，得到设备在运行不确定区域发生低电压故障的概率。本发明提供的方法基于设备的历史运行数据进行分析，引入电压降低持续时间，将设备在不同低电压下持续多久会发生故障的状况进行量化描述，最终得到在电压降低时设备发生故障的评估模型，相比于现有技术通过无法确定的负荷敏感度作为评估依据，实现了对设备的低电压故障情况更为准确的评估。
图4为本发明实施例提供的另一种设备低电压故障的评估方法的流程图。如图4所示，在上述实施例的基础上，在另一实施例中，设备低电压故障的评估方法还包括：
S40：获取设备单次低电压故障所造成的单次损失值及设备在指定时间段内发生电压降低事件的次数。
需要说明的是，步骤S40与步骤S10、S11、S12、S13无顺序关系。
在具体实施中，获取设备单次电压故障所造成的单次损失值，具体可以通过下式计算：
Figure DEST_PATH_IMAGE082
（17）
其中，
Figure DEST_PATH_IMAGE083
为单次损失值，
Figure DEST_PATH_IMAGE084
为废品损失值，
Figure DEST_PATH_IMAGE085
为停工损失值，
Figure DEST_PATH_IMAGE086
为生产利润损失值，
Figure DEST_PATH_IMAGE087
为重启动成本值，
Figure DEST_PATH_IMAGE088
为设备成本值，
Figure DEST_PATH_IMAGE089
为其他成本值（一般包括因未履行合同或超过合同期限而产生的罚款值、环境罚款或惩罚值、人员与设备的疏散成本值、因人员受伤而无法工作的成本值、设备和/或人员健康和/或债务保险费的上升值、支付的补偿金值、其他未说明的直接或间接成本值等），
Figure DEST_PATH_IMAGE090
为节省成本值（指生产中断后有可能节省费用或延后费用支出值，通常定义为“未使用原材料”、“合同/临时工的未付工资”或“因用电减少而节省的金额”等，一般包括未使用的材料或库存的节省费用值、未付（合同工或临时工）工资的节省费用值、能源费用的节省费用值、其他具体的节省费用值等）。
指定时间段即所需分析的时间段。如需评估设备在历史运行中的低电压损失值，则可以通过获取所需分析的历史运行时间段内发生电压降低事件的次数得到指定时间段内发生电压降低事件的次数
Figure DEST_PATH_IMAGE091
；如需预测设备在未来某一时间段的运行中将会造成的低电压损失值，则可以通过分析设备的历史运行数据得到同样长度的时间段内设备发生电压降低事件的次数，得到指定时间段内发生电压降低事件的次数
Figure 958444DEST_PATH_IMAGE091
。
S41：根据单次损失值、发生电压降低事件的次数及低电压故障概率评估模型计算设备的低电压损失值。
在具体实施中，设备的低电压损失值
Figure DEST_PATH_IMAGE092
具体通过下式计算得到：
Figure DEST_PATH_IMAGE093
（18）
S42：输出低电压损失值。
本发明实施例提供的设备低电压故障的评估方法，在上述实施例的基础上，还进一步给出了计算设备低电压故障所造成的损失值的方法，使设备的低电压故障情况更为量化，便于工作人员依此进行生产安排、故障后恢复策略设计等。
上文详述了设备低电压故障的评估方法对应的各个实施例，在此基础上，本发明还公开了与上述方法对应的设备低电压故障的评估装置。
图5为本发明实施例提供的一种设备低电压故障的评估装置的结构示意图。如图5所示，设备低电压故障的评估装置包括：
第一获取单元501，用于获取设备的历史运行数据；
敏感负荷电压耐受曲线VTC模型建立单元502，用于根据历史运行数据建立设备的敏感负荷电压耐受曲线VTC模型；
随机估计模型建立单元503，用于确定在敏感负荷电压耐受曲线VTC模型的运行不确定区域内设备发生低电压故障的概率的随机估计模型；
低电压故障概率评估模型建立单元504，用于根据随机估计模型及设备的各电压降低时刻对应的电压降低持续时间概率，建立设备的低电压故障概率评估模型，以依据低电压故障概率评估模型评估设备的低电压故障状态。
可选的，设备低电压故障的评估装置还包括：
第二获取单元，用于获取设备单次低电压故障所造成的单次损失值及设备在指定时间段内发生电压降低事件的次数；
计算单元，用于根据单次损失值、发生电压降低事件的次数及低电压故障概率评估模型计算设备的低电压损失值；
输出单元，用于输出低电压损失值。
由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
图6为本发明实施例提供的一种设备低电压故障的评估设备的结构示意图。如图6所示，该设备低电压故障的评估设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对计算装置中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在设备低电压故障的评估设备600上执行存储介质630中的一系列指令操作。
设备低电压故障的评估设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows ServerTM，Mac OS XTM，UnixTM, LinuxTM，FreeBSDTM等等。
上述图1及图4所描述的设备低电压故障的评估方法中的步骤由设备低电压故障的评估设备基于该图6所示的结构实现。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备低电压故障的评估设备及计算机可读存储介质的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置、设备及存储介质，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，功能调用装置，或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory ，ROM）、随机存取存储器（Random Access Memory ，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本发明所提供的一种设备低电压故障的评估方法、装置、设备及存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (7)

1.一种设备低电压故障的评估方法，其特征在于，包括：
获取设备的历史运行数据；
根据所述历史运行数据建立所述设备的敏感负荷电压耐受曲线VTC模型；
确定在所述敏感负荷电压耐受曲线模型的运行不确定区域内所述设备发生低电压故障的概率的随机估计模型；
根据所述随机估计模型及所述设备的各电压降低时刻对应的电压降低持续时间概率，建立所述设备的低电压故障概率评估模型，以依据所述低电压故障概率评估模型评估所述设备的低电压故障状态；
其中，所述确定在所述敏感负荷电压耐受曲线模型的运行不确定区域内所述设备发生故障的概率的随机估计模型，具体为：基于贝叶斯规则和正态分布概率函数建立所述随机估计模型；
所述随机估计模型，具体通过以下公式表示：
Figure DEST_PATH_IMAGE001
Figure 177284DEST_PATH_IMAGE002
Figure DEST_PATH_IMAGE003
其中，所述
Figure 648717DEST_PATH_IMAGE004
为第一运行不确定子区域的低电压故障概率密度函数，所述
Figure DEST_PATH_IMAGE005
为第二运行不确定子区域的低电压故障概率密度函数，所述
Figure 31156DEST_PATH_IMAGE006
为第三运行不确定子区域的低电压故障概率密度函数，所述第一运行不确定子区域为
Figure DEST_PATH_IMAGE007
、
Figure 195422DEST_PATH_IMAGE008
区域，所述第二运行不确定子区域为
Figure DEST_PATH_IMAGE009
、
Figure 89910DEST_PATH_IMAGE010
区域，所述第三运行不确定子区域为
Figure 99454DEST_PATH_IMAGE007
、
Figure DEST_PATH_IMAGE011
区域，所述
Figure 477346DEST_PATH_IMAGE012
和所述
Figure DEST_PATH_IMAGE013
分别为所述运行不确定区域的分布密度，所述T 0为所述敏感负荷电压耐受曲线VTC模型中T概率最大处的持续时间，所述U 0为所述敏感负荷电压耐受曲线VTC模型中U概率最大处的电压幅值，所述
Figure 733884DEST_PATH_IMAGE014
和所述
Figure DEST_PATH_IMAGE015
分别为所述运行不确定区域的电压降低时间边界值，所述
Figure 931647DEST_PATH_IMAGE016
和所述
Figure DEST_PATH_IMAGE017
分别为所述运行不确定区域的电压降低幅值边界值；
所述T 0、所述U 0、所述
Figure 744882DEST_PATH_IMAGE012
和所述
Figure 711701DEST_PATH_IMAGE013
分别通过下式表示：
Figure 670298DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE019
Figure 620937DEST_PATH_IMAGE020
Figure DEST_PATH_IMAGE021
；
所述低电压故障概率评估模型，具体通过以下公式表示：
Figure 175546DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE023
Figure 511718DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE025
所述
Figure 923108DEST_PATH_IMAGE026
为在所述运行不确定区域内所述设备发生低电压故障的概率，所述
Figure DEST_PATH_IMAGE027
为
Figure 33147DEST_PATH_IMAGE028
时刻的电压降低持续时间概率，所述
Figure DEST_PATH_IMAGE029
为
Figure 552900DEST_PATH_IMAGE030
时刻的电压降低持续时间概率，所述
Figure DEST_PATH_IMAGE031
为所述
Figure 415683DEST_PATH_IMAGE030
时刻所述设备发生低电压故障的概率，所述H为所述运行不确定区域内T轴上的子区间数，所述a为所述运行不确定区域内T轴上第a个子区间，所述
Figure 997974DEST_PATH_IMAGE032
及所述
Figure DEST_PATH_IMAGE033
分别为所述运行不确定区域的电压降低时间边界值，所述
Figure 860888DEST_PATH_IMAGE034
为所述T轴上的子区间长度。
2.根据权利要求1所述的评估方法，其特征在于，所述根据所述历史运行数据建立所述设备的敏感负荷电压耐受曲线VTC模型，具体包括：
确定所述设备的各类敏感负荷的比率；
根据各类所述敏感负荷的电压降低边界值及各类所述敏感负荷的比率，计算所述敏感负荷电压耐受曲线VTC模型的电压降低幅值边界值；
根据各类所述敏感负荷的电压降低时间边界值及各类所述敏感负荷的比率，计算所述敏感负荷电压耐受曲线VTC模型的电压降低时间边界值；
依据所述敏感负荷电压耐受曲线VTC模型的电压降低幅值边界值和所述敏感负荷电压耐受曲线VTC模型的电压降低时间边界值建立所述敏感负荷电压耐受曲线VTC模型。
3.根据权利要求1所述的评估方法，其特征在于，还包括：
获取所述设备单次低电压故障所造成的单次损失值及所述设备在指定时间段内发生电压降低事件的次数；
根据所述单次损失值、所述发生电压降低事件的次数及所述低电压故障概率评估模型计算所述设备的低电压损失值；
输出所述低电压损失值。
4.一种设备低电压故障的评估装置，其特征在于，包括：
第一获取单元，用于获取设备的历史运行数据；
敏感负荷电压耐受曲线VTC模型建立单元，用于根据所述历史运行数据建立所述设备的敏感负荷电压耐受曲线VTC模型；
随机估计模型建立单元，用于确定在所述敏感负荷电压耐受曲线VTC模型的运行不确定区域内所述设备发生低电压故障的概率的随机估计模型；
低电压故障概率评估模型建立单元，用于根据所述随机估计模型及所述设备的各电压降低时刻对应的电压降低持续时间概率，建立所述设备的低电压故障概率评估模型，以依据所述低电压故障概率评估模型评估所述设备的低电压故障状态；
其中，所述确定在所述敏感负荷电压耐受曲线模型的运行不确定区域内所述设备发生故障的概率的随机估计模型，具体为：基于贝叶斯规则和正态分布概率函数建立所述随机估计模型；
所述随机估计模型，具体通过以下公式表示：
Figure 537725DEST_PATH_IMAGE001
Figure 333643DEST_PATH_IMAGE002
Figure 883573DEST_PATH_IMAGE003
其中，所述
Figure 764942DEST_PATH_IMAGE004
为第一运行不确定子区域的低电压故障概率密度函数，所述
Figure 730623DEST_PATH_IMAGE005
为第二运行不确定子区域的低电压故障概率密度函数，所述
Figure DEST_PATH_IMAGE035
为第三运行不确定子区域的低电压故障概率密度函数，所述第一运行不确定子区域为
Figure 898824DEST_PATH_IMAGE007
、
Figure 557339DEST_PATH_IMAGE008
区域，所述第二运行不确定子区域为
Figure 378533DEST_PATH_IMAGE009
、
Figure 147906DEST_PATH_IMAGE010
区域，所述第三运行不确定子区域为
Figure 652837DEST_PATH_IMAGE007
、
Figure 544569DEST_PATH_IMAGE036
区域，所述
Figure 400530DEST_PATH_IMAGE012
和所述
Figure 957282DEST_PATH_IMAGE013
分别为所述运行不确定区域的分布密度，所述T 0为所述敏感负荷电压耐受曲线VTC模型中T概率最大处的持续时间，所述U 0为所述敏感负荷电压耐受曲线VTC模型中U概率最大处的电压幅值，所述
Figure 582298DEST_PATH_IMAGE014
和所述
Figure 644932DEST_PATH_IMAGE015
分别为所述运行不确定区域的电压降低时间边界值，所述
Figure DEST_PATH_IMAGE037
和所述
Figure 925872DEST_PATH_IMAGE038
分别为所述运行不确定区域的电压降低幅值边界值；
所述T 0、所述U 0、所述
Figure 364944DEST_PATH_IMAGE012
和所述
Figure 93734DEST_PATH_IMAGE013
分别通过下式表示：
Figure DEST_PATH_IMAGE039
Figure 530532DEST_PATH_IMAGE019
Figure 95505DEST_PATH_IMAGE020
Figure 744792DEST_PATH_IMAGE040
；
所述低电压故障概率评估模型，具体通过以下公式表示：
Figure 141138DEST_PATH_IMAGE022
其中，
Figure 995175DEST_PATH_IMAGE023
Figure DEST_PATH_IMAGE041
Figure 250707DEST_PATH_IMAGE025
所述
Figure 766002DEST_PATH_IMAGE026
为在所述运行不确定区域内所述设备发生低电压故障的概率，所述
Figure 954538DEST_PATH_IMAGE027
为
Figure 982406DEST_PATH_IMAGE042
时刻的电压降低持续时间概率，所述
Figure DEST_PATH_IMAGE043
为
Figure 521972DEST_PATH_IMAGE030
时刻的电压降低持续时间概率，所述
Figure 44220DEST_PATH_IMAGE031
为所述
Figure 149579DEST_PATH_IMAGE030
时刻所述设备发生低电压故障的概率，所述H为所述运行不确定区域内T轴上的子区间数，所述a为所述运行不确定区域内T轴上第a个子区间，所述
Figure 99080DEST_PATH_IMAGE032
及所述
Figure 844051DEST_PATH_IMAGE033
分别为所述运行不确定区域的电压降低时间边界值，所述
Figure 966728DEST_PATH_IMAGE044
为所述T轴上的子区间长度。
5.根据权利要求4所述的评估装置，其特征在于，还包括：
第二获取单元，用于获取所述设备单次低电压故障所造成的单次损失值及所述设备在指定时间段内发生电压降低事件的次数；
计算单元，用于根据所述单次损失值、所述发生电压降低事件的次数及所述低电压故障概率评估模型计算所述设备的低电压损失值；
输出单元，用于输出所述低电压损失值。
6.一种设备低电压故障的评估设备，其特征在于，包括：
存储器，用于存储指令，所述指令包括权利要求1至3任意一项所述设备低电压故障的评估方法的步骤；
处理器，用于执行所述指令。
7.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任意一项所述设备低电压故障的评估方法的步骤。
CN201910198633.0A 2019-03-15 2019-03-15 一种设备低电压故障的评估方法、装置、设备及存储介质 Active CN109934499B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910198633.0A CN109934499B (zh) 2019-03-15 2019-03-15 一种设备低电压故障的评估方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910198633.0A CN109934499B (zh) 2019-03-15 2019-03-15 一种设备低电压故障的评估方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109934499A CN109934499A (zh) 2019-06-25
CN109934499B true CN109934499B (zh) 2022-09-13

Family

ID=66987389

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910198633.0A Active CN109934499B (zh) 2019-03-15 2019-03-15 一种设备低电压故障的评估方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109934499B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110568325B (zh) * 2019-08-20 2021-11-02 广东电网有限责任公司广州供电局 可调速驱动设备的电压暂降耐受能力检测方法、装置
CN110929999B (zh) * 2019-11-08 2022-07-08 广东电网有限责任公司广州供电局 一种考虑不同设备耐受特性的电压暂降严重程度计算方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102901895A (zh) * 2012-09-29 2013-01-30 上海市电力公司 一种敏感设备电压暂降敏感度的评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7920392B2 (en) * 2007-05-11 2011-04-05 Soft Switching Technologies Corporation Dynamic voltage sag correction

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102901895A (zh) * 2012-09-29 2013-01-30 上海市电力公司 一种敏感设备电压暂降敏感度的评估方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Sensitivity of AC adjustable speed drives to voltage sags and short interruptions;S.Z. Djokic等;《IEEE Transactions on Power Delivery》;20050131;第20卷(第1期);全文 *
Sensitivity of Personal Computers to;S. Ž. Djokic等;《IEEE TRANSACTIONS ON POWER DELIVERY》;20050131;第20卷(第1期);全文 *
敏感设备电压暂降敏感度模糊评估方法;陈平等;《电网与清洁能源》;20090625(第06期);全文 *
敏感负荷对含新能源配网规划的影响;赵芳等;《电力工程技术》;20180928(第05期);全文 *
电压暂降引起敏感设备的故障频次研究;蔡维等;《电测与仪表》;20140310(第05期);全文 *

Also Published As

Publication number Publication date
CN109934499A (zh) 2019-06-25

Similar Documents

Publication Publication Date Title
Zhang et al. An improved network model for transmission expansion planning considering reactive power and network losses
Kalidass et al. A queue with working breakdowns
US9160171B2 (en) Pre-processing of data for automatic generation control
US10734809B2 (en) Energy monitoring system
CN109934499B (zh) 一种设备低电压故障的评估方法、装置、设备及存储介质
Wang et al. Risk-based security-constrained economic dispatch in power systems
CN109611815B (zh) 一种燃气蒸汽锅炉的能耗报警管理方法及装置
EP2743790A2 (en) Information processing device, information processing method, and storage medium
CN108197774A (zh) 一种分布式光伏发电量异常诊断的方法及装置
EP3602715A1 (en) System, method and a computer program product for an improved fault analysis in an electrical power system
Airoboman et al. Reliability analysis of power system network: A case study of transmission company of Nigeria, Benin City
US20220308573A1 (en) System and method for predicting failure in a power system in real-time
Liere‐Netheler et al. Optimised curtailment of distributed generators for the provision of congestion management services considering discrete controllability
Hu et al. Short‐term load forecasting utilizing wavelet transform and time series considering accuracy feedback
CN111582744A (zh) 一种故障处置预案在线校核并行计算方法及系统
Aguirre et al. Assessing the relative efficiency of energy use among similar manufacturing industries
Memon et al. Confidence bounds for energy conservation in electric motors: An economical solution using statistical techniques
CN106779443B (zh) 电力调度中的操作风险确定方法和装置
Hussain et al. A computationally improved heuristic algorithm for transmission switching using line flow thresholds for load shed reduction
Tiwari et al. Contingency assessment for voltage dip and short term voltage stability analysis
CN114706732A (zh) 光伏电站运行数据的监测方法及装置
Azari et al. Using kernel-based collocation methods to solve a delay partial differential equation with application to finance
CN114784882A (zh) 机组组合优化处理方法及装置
CN114900425A (zh) 一种agc设备双通道切换方法
Pourbeik et al. Review of the current status of tools and techniques for risk-based and probabilistic planning in power systems

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