CN110739691B - 一种电网支路故障预测方法及装置 - Google Patents

一种电网支路故障预测方法及装置 Download PDF

Info

Publication number
CN110739691B
CN110739691B CN201911075832.9A CN201911075832A CN110739691B CN 110739691 B CN110739691 B CN 110739691B CN 201911075832 A CN201911075832 A CN 201911075832A CN 110739691 B CN110739691 B CN 110739691B
Authority
CN
China
Prior art keywords
power grid
branch
data
annual average
fault
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
CN201911075832.9A
Other languages
English (en)
Other versions
CN110739691A (zh
Inventor
袁智勇
于力
徐全
雷金勇
林跃欢
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.)
China Southern Power Grid Co Ltd
Research Institute of Southern Power Grid Co Ltd
Original Assignee
China Southern Power Grid Co Ltd
Research Institute of 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 China Southern Power Grid Co Ltd, Research Institute of Southern Power Grid Co Ltd filed Critical China Southern Power Grid Co Ltd
Priority to CN201911075832.9A priority Critical patent/CN110739691B/zh
Publication of CN110739691A publication Critical patent/CN110739691A/zh
Application granted granted Critical
Publication of CN110739691B publication Critical patent/CN110739691B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks

Abstract

本发明公开了一种电网支路故障预测方法及装置，可以基于目标电网的历史运行数据，通过获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据，将获得的各电网负荷数据集分别确定为一个电网运行场景，基于所述历史运行数据，确定所述目标电网的故障预测公式，获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率，可以反映配电网在增设配电设备后各支路故障率的变化，也可以为配电网规划工作提供科学完备的规划场景。

Description

一种电网支路故障预测方法及装置
技术领域
本发明涉及配电网技术领域，尤其涉及一种电网支路故障预测方法及装置。
背景技术
随着电网输配电技术的提高，分布式电源与储能设备等新型配电设备在电网中得到大规模的应用。
新型配电设备的应用可以有效提高电网输配电的灵活性和经济性，同时，也会对电网中各配电线路的故障率产生显著影响，技术人员需要在电网中各配电线路在新增配电设备之后的故障率进行分析。
但是，现有技术通常基于历史统计数据对电网中各配电线路的故障率进行分析，不适用于各配电线路在新增配电设备之后的故障率分析。
发明内容
鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的电网支路故障预测方法及装置，技术方案如下：
一种电网支路故障预测方法，包括：
基于目标电网的历史运行数据，获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
将获得的各电网负荷数据集分别确定为一个电网运行场景；
基于所述历史运行数据，确定所述目标电网的故障预测公式；
获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据；
将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率。
可选的，所述基于目标电网的历史运行数据，获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据，包括：
从目标电网的历史运行数据中获得电网负荷数据，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
对获得的电网负荷数据进行聚类，获得至少一个电网负荷数据集。
可选的，基于所述历史运行数据，确定所述目标电网的故障预测公式，包括：
从所述历史运行数据中获得所述目标电网中各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度；
根据获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度，确定所述目标电网的故障预测公式。
可选的，所述根据获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度，确定所述目标电网的故障预测公式，包括：
将获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度输入待确定的故障预测公式
Figure GDA0002938991850000021
中，获得a0、a1、a2、a3和ε的值，以确定故障预测公式；
其中，i和j为一条支路的两个端节点；λij为由节点i和j决定的支路ij的年均故障率；
Figure GDA0002938991850000022
为支路ij年均电流负载率的越限次数；
Figure GDA0002938991850000023
为支路ij末端节点年均电压越限次数；Lij为支路ij长度去量纲化指标；a0为常数项；a1、a2和a3分别为回归系数；ε为误差项。
可选的，所述获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，包括：
计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的电流负载率Rs，h，ij；
将各所述电流负载率Rs，h，ij输入公式
Figure GDA0002938991850000024
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的电流负载率越限辅助变量
Figure GDA0002938991850000031
其中，Rf为支路电流负载率越限指标；
确定各电网运行场景对应的概率值Ps；
将获得的各电流负载率越限辅助变量
Figure GDA0002938991850000032
和确定的各概率值Ps输入公式
Figure GDA0002938991850000033
中，获得各支路的年均电流负载率越限次数
Figure GDA0002938991850000034
可选的，所述获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，包括：
计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的末端节点的电压幅值Vs，h，ij；
将各末端节点的电压幅值Vs，h，ij输入公式
Figure GDA0002938991850000035
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的末端节点电压越限辅助变量
Figure GDA0002938991850000036
其中，
Figure GDA0002938991850000037
为节点电压越限的上限指标，Vf 为节点电压越限的下限指标；
确定各电网运行场景对应的概率值Ps；
将获得的各末端节点电压越限辅助变量
Figure GDA0002938991850000038
和确定的各概率值Ps输入公式
Figure GDA0002938991850000039
中，获得各支路的年均末端节点电压越限次数
Figure GDA00029389918500000310
可选的，所述获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，包括：
确定各支路长度lij；
将确定的各支路长度输入公式
Figure GDA00029389918500000311
中，获得各支路长度去量纲化指标Lij，其中，lmax为各支路长度中的最大值，lmin为各支路长度中的最小值。
一种电网支路故障预测装置，所述装置包括第一数据获得单元、场景确定单元、第一公式确定单元、第二数据获得单元和故障率获得单元，其中：
所述第一数据获得单元，用于基于目标电网的历史运行数据，获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
所述场景确定单元，用于将获得的各电网负荷数据集分别确定为一个电网运行场景；
所述第一公式确定单元，用于基于所述历史运行数据，确定所述目标电网的故障预测公式；
所述第二数据获得单元，用于获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据；
所述故障率获得单元，用于将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率。
可选的，所述第一数据获得单元，具体包括第三数据获得单元和数据集获得单元，其中：
所述第三数据获得单元，用于从目标电网的历史运行数据中获得电网负荷数据，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
所述数据集获得单元，用于对获得的电网负荷数据进行聚类，获得至少一个电网负荷数据集。
可选的，所述第一公式确定单元，具体包括：第一获得单元和第二公式确定单元，其中：
所述第一获得单元，用于从所述历史运行数据中获得所述目标电网中各支路的故障率、电流负载率的越限次数、末端节点年均电压的越限次数和长度去量纲化指标；
所述第二公式确定单元，用于根据获得的各支路的故障率、电流负载率的越限次数、末端节点年均电压的越限次数和支路长度去量纲化指标，确定所述目标电网的故障预测公式。
可选的，所述第二公式确定单元，具体用于：
将获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度输入待确定的故障预测公式
Figure GDA0002938991850000051
中，获得a0、a1、a2、a3和ε的值，以确定故障预测公式；
其中，i和j为一条支路的两个端节点；λij为由节点i和j决定的支路ij的年均故障率；
Figure GDA0002938991850000052
为支路ij年均电流负载率的越限次数；
Figure GDA0002938991850000053
为支路ij末端节点年均电压越限次数；Lij为支路ij长度去量纲化指标；a0为常数项；a1、a2和a3分别为回归系数；ε为误差项。
可选的，所述第二数据获得单元，具体包括：第一计算单元、第一变量获得单元、第一概率值确定单元和第二获得单元，其中：
所述第一计算单元，用于计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的电流负载率Rs，h，ij；
所述第一变量获得单元，用于将各所述电流负载率Rs，h，ij输入公式
Figure GDA0002938991850000054
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的电流负载率越限辅助变量
Figure GDA0002938991850000055
其中，Rf为支路电流负载率越限指标；
所述第一概率值确定单元，用于确定各电网运行场景对应的概率值Ps；
所述第二获得单元，用于将获得的各电流负载率越限辅助变量
Figure GDA0002938991850000056
和确定的各概率值Ps输入公式
Figure GDA0002938991850000057
中，获得各支路的年均电流负载率越限次数
Figure GDA0002938991850000058
可选的，所述第二数据获得单元，具体包括：第二计算单元、第二变量获得单元、第二概率值确定单元和第三获得单元，其中：
所述第二计算单元，用于计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的末端节点的电压幅值Vs，h，ij；
所述第二变量获得单元，用于将各末端节点的电压幅值Vs，h，ij输入公式
Figure GDA0002938991850000061
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的末端节点电压越限辅助变量
Figure GDA0002938991850000062
其中，
Figure GDA0002938991850000063
为节点电压越限的上限指标，Vf 为节点电压越限的下限指标；
所述第二概率值确定单元，用于确定各电网运行场景对应的概率值Ps；
所述第三获得单元，用于将获得的各末端节点电压越限辅助变量
Figure GDA0002938991850000064
和确定的各概率值Ps输入公式
Figure GDA0002938991850000065
中，获得各支路的年均末端节点电压越限次数
Figure GDA0002938991850000066
可选的，所述第二数据获得单元，具体包括：支路长度确定单元和第四获得单元，其中：
所述支路长度确定单元，用于确定各支路长度lij；
所述第四获得单元，用于将确定的各支路长度输入公式
Figure GDA0002938991850000067
中，获得各支路长度去量纲化指标Lij，其中，lmax为各支路长度中的最大值，lmin为各支路长度中的最小值。
借由上述技术方案，本发明公开的电网支路故障预测方法及装置，可以基于目标电网的历史运行数据，通过获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据，将获得的各电网负荷数据集分别确定为一个电网运行场景，基于所述历史运行数据，确定所述目标电网的故障预测公式，获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率，可以反映配电网在增设配电设备后各支路故障率的变化，也可以为配电网规划工作提供科学完备的规划场景。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了一种电网支路故障预测方法的流程图；
图2示出了第一电路系统的结构示意图；
图3示出了基于第一电路系统的历史运行数据所生成的四个电网运行场景的曲线示意图；
图4示出了另一种电网支路故障预测方法的流程图；
图5示出了一种电网支路故障预测装置的结构示意图；
图6示出了另一种电网支路故障预测装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本实施例提出了一种电网支路故障预测方法，可以包括以下步骤：
S10、基于目标电网的历史运行数据，获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
可选的，目标电网可以是配电网中的部分电路，也可以是配电网的整体电路，本发明对此不做限定。
其中，历史运行数据可以包括目标电网在正常运行状态下各支路的运行数据，例如年负荷水平运行变化曲线、功率、节点电压(支路可以由两个端节点连接而成)、电流、故障率和长度。
需要说明的是，本发明可以根据历史运行数据中的年负荷水平运行变化曲线，生成电网负荷数据集。
其中，每个电网负荷数据集中的各元素均可以分别是一个负荷样本，例如，第一负荷样本为第一元素，第二负荷样本为第二元素。
具体的，负荷样本可以是由目标电网在某一天中各小时负荷水平(即负荷值)组成的行向量，例如负荷样本
Figure GDA0002938991850000081
是由目标电网在第m天中各小时负荷水平组成的行向量。需要说明的是，各行向量中的维度数量不一定为二十四，可以是其它数值，例如十个或七个，本发明对此不做限定。
具体的，每个负荷样本(行向量)中的维度数量可以是相同的，且各维度对应的时刻应是一致的，例如，负荷样本
Figure GDA0002938991850000082
中第三维度的数值指代配电网在第m天中第五小时的负荷水平，那么，其它负荷样本中第三维度的数值也应指代配电网在当天第五小时的负荷水平。
具体的，各电网负荷数据集中的整体负荷样本可以在时间上形成连续性较好的负荷水平曲线。其中，任一条负荷水平曲线中的最大负荷值与最小负荷值的差值应在预设阈值范围内，该预设阈值范围可以由技术人员根据实际情况进行制定，本发明对此不做限定。
其中，第一设备为配电网新增的配电设备，可以是分布式电源，可以是储能系统的相关设备，也可以是用电设备，本发明对于第一设备的类型不做限定。并且，第一设备的数量可以是一个，也可以是多个，本发明对于第一设备的数量同样不做限定。
S20、将获得的各电网负荷数据集分别确定为一个电网运行场景；
需要说明的是，电网的负荷水平是影响电网运行状态的主要因素，电网的运行状态与负荷水平密切相关，电网会根据不同的负荷水平对运行状态进行调整。
具体的，本发明建立典型的电网运行场景以代表全年的电网运行场景，这样，可以简化计算过程，提高计算效率。
具体的，本发明可以将一个电网负荷数据集中的整体负荷样本随时间 (天数或小时数)的递增所形成的负荷水平曲线作为一个电网运行场景。
其中，电网运行场景的数量与电网负荷数据集中的数量是一致的。例如，若电网负荷数据集的数量为四个，则电网运行场景的数量也为四个。
其中，本发明设置的连续性较好的各条负荷水平曲线，适用于目标电网在实际运行过程中的负荷水平变化情况(变化平缓)，并且适用于目标电网在某段时间内的负荷水平变化通常不大于一定值的情况。
S30、基于所述历史运行数据，确定所述目标电网的故障预测公式；
可选的，在其它实施例提出的电网支路故障预测方法中，步骤S30可以具体包括：
从所述历史运行数据中获得所述目标电网中各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度；
根据获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度，确定所述目标电网的故障预测公式。
需要说明的是，由于支路的年均电流负载率的越限次数、末端节点年均电压的越限次数和长度对于配电网中各支路的故障率均有显著影响，因此，本发明在制定待确定的故障预测公式时，可以将年均电流负载率的越限次数、末端节点年均电压的越限次数和长度等历史运行数据的数值作为求解公式中未知项的已知项。其中，当支路电流负载率较高时，线损会导致线路发热严重，绝缘材料易发生损坏；当支路中节点电压越限时，功率倒送等问题易造成电力设备故障；极端天气、鸟兽侵害等情况引发线路短路故障的概率与支路长度呈正比关系。
其中，支路的年均故障率为支路在一年中的故障次数。例如，对于某条支路的故障率，本发明可以使用该支路在过去N年内的年均故障次数作为该支路的故障率。
其中，支路的电流负载率为支路实际通过电流值与支路允许通过的最大电流值之比。
在实际应用中，本发明会设置支路年均电流负载率的限值和支路末端节点年均电压的限值。在配电网运行过程中，若某个支路的年均电流负载率或末端节点年均电压的值超过相应的限值时，则说明该支路的年均电流负载率或末端节点年均电压越限。
可选的，所述根据获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度，确定所述目标电网的故障预测公式，可以包括：
将获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度输入待确定的故障预测公式
Figure GDA0002938991850000101
中，获得a0、a1、a2、a3和ε的值，以确定故障预测公式；
其中，i和j为一条支路的两个端节点；λij为由节点i和j决定的支路ij的年均故障率；
Figure GDA0002938991850000102
为支路ij年均电流负载率的越限次数；
Figure GDA0002938991850000103
为支路ij末端节点年均电压越限次数；Lij为支路ij长度去量纲化指标；a0为常数项；a1、a2和a3分别为回归系数；ε为误差项。
其中，支路ij长度去量纲化指标Lij为本发明对支路长度进行去量纲处理后获得的长度标幺值。
具体的，本发明在将各支路相应的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度输入待确定的故障预测公式时，可以获得方程式：
Figure GDA0002938991850000104
式中，Nij为配电系统支路数。
具体的，本发明可以将上述方程式转换为矩阵
λ＝NA+U
式中，
Figure GDA0002938991850000105
为各支路历史年均故障率向量，
Figure GDA0002938991850000106
为影响因素矩阵，
Figure GDA0002938991850000111
为回归系数向量，
Figure GDA0002938991850000112
为误差向量。
具体的，本发明可以采用最小二乘法对回归系数向量A进行回归计算，以获得相应的回归系数。
其中，误差向量U也为待求量，在回归计算之后，该项应趋于零。
S40、获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据；
具体的，本发明可以对增设第一设备后的目标电网进行潮流计算，获得各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度。
可选的，所述获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，可以包括：
计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的电流负载率Rs，h，ij；
将各所述电流负载率Rs，h，ij输入公式
Figure GDA0002938991850000113
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的电流负载率越限辅助变量
Figure GDA0002938991850000114
其中，Rf 为支路电流负载率越限指标；
确定各电网运行场景对应的概率值Ps；
将获得的各电流负载率越限辅助变量
Figure GDA0002938991850000115
和确定的各概率值Ps输入公式
Figure GDA0002938991850000116
中，获得各支路的年均电流负载率越限次数
Figure GDA0002938991850000117
具体的，本发明设置电流负载率越限辅助变量
Figure GDA0002938991850000118
用以判断支路实际电流负载率是否超过支路电流负载率越限指标，若超过，则该电流负载率越限辅助变量记为1；若不超过，则记为0。
其中，支路电流负载率越限指标可以由技术人员根据实际情况进行制定，例如，技术人员可以将支路电流负载率越限指标设置为三分之二，本发明对此不做限定。
可选的，所述获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，可以包括：
计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的末端节点的电压幅值Vs，h，ij；
将各末端节点的电压幅值Vs，h，ij输入公式
Figure GDA0002938991850000121
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的末端节点电压越限辅助变量
Figure GDA0002938991850000122
其中，
Figure GDA0002938991850000123
为节点电压越限的上限指标，Vf 为节点电压越限的下限指标；
确定各电网运行场景对应的概率值Ps；
将获得的各末端节点电压越限辅助变量
Figure GDA0002938991850000124
和确定的各概率值Ps输入公式
Figure GDA0002938991850000125
中，获得各支路的年均末端节点电压越限次数
Figure GDA0002938991850000126
其中，各电网运行场景对应的概率值为该电网运行场景在全部运行场景中出现的概率。具体的，概率值Ps为运行场景s出现的次数与全部运行场景所出现的次数。
具体的，本发明设置末端节点电压越限辅助变量，用以判断支路节点电压是否超出合理运行范围，若高于上限或低于下限，则该辅助变量记为1，若不超过，则记为0。
其中，电压越限上下限指标可以由技术人员根据实际情况进行制定，例如，技术人员可以将电压越限上限指标设置为1.02，将电压越限下限指标设置为0.98，本发明对此不做限定。
可选的，所述获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，可以包括：
确定各支路长度lij；
将确定的各支路长度输入公式
Figure GDA0002938991850000131
中，获得各支路长度去量纲化指标Lij，其中，lmax为各支路长度中的最大值，lmin为各支路长度中的最小值。
其中，本发明对支路长度进行去量纲处理后获得的长度标幺值，即为路长度去量纲化指标。
S50、将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率。
具体的，本发明可以将获得的每个支路的运行数据，即每个支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度，分别输入已确定的故障预测公式，以获得各支路的年均故障率。
具体的，本发明可以在Matlab环境下通过YALMIP编程的计算模型，采用CPLEX算法包对故障率进行求解。例如，对于图2所示配电网的第一电路系统(该第一电路系统为目标电网未增设第一设备时的电路系统)：
本发明可以先行向计算模型中输入第一电路系统的参数信息：各节点处的有功功率、无功功率及阻抗值，各支路参数及网络拓扑连接关系(可以包括各节点的位置)，第一电路系统运行电压水平和各支路电流限制值，新增配电设备位置与容量，各支路历史年均故障次数，年负荷水平变化曲线，第一电路系统基准电压和基准功率初值。
其中，第一电路系统运行电压水平为该第一电路系统在安全运行的电压上、下限值。
其中，当第一电路系统中的支路的型号相同时，本发明可以针对型号相同的支路输入统一的支路电流限制值；当第一电路系统中的支路不同时，本发明需要根据不同型号的支路分别输入不同的支路电流限制值。需要说明的是，第一电路系统中各支路均为型号相同的线路，本发明可以输入统一的支路电流限制值，如三百安培。
其中，对于年负荷水平变化曲线，本发明可以采用一年中各小时的负荷水平作为样本，即年负荷水平变化曲线可以根据8760个与时间对应的负荷值序列生成。
其中，本发明可以选取第一电路系统中节点1(变压器)处的电压(10kV) 和功率值(1MVA)分别作为第一电路系统基准电压和基准功率初值，即节点1处的电压标幺值和功率标幺值均为1。
具体的，第一电路系统中各节点的详细参数可见表1和表2。
表1各节点处功率
Figure GDA0002938991850000141
表2各支路参数
Figure GDA0002938991850000142
Figure GDA0002938991850000151
其中，图2所示的五个联络开关(TS，tie switch)：TS1、TS2、TS3、 TS4和TS5分别设置于编号为33、34、35、36和37的支路中。
具体的，第一电路系统各支路历史年均故障次数可见表3。
表3各支路历史年均故障次数
Figure GDA0002938991850000152
Figure GDA0002938991850000161
具体的，本发明基于所述第一电路系统的历史运行数据，执行步骤S10 和S20，可以生成如图3所示的四个电网运行场景。
具体的，图3所示的四个电网运行场景可以为本发明将一年内的电网运行数据(负荷数据)聚类形成，每个运行场景均可以视为一天(24个小时)内的电网负荷水平曲线。
具体的，本发明基于所述第一电路系统的历史运行数据、各节点参数及各支路参数，执行步骤S30后确定的故障预测公式中的回归系数可见表4 。
表4配电网支路故障率多元线性回归模型回归系数
Figure GDA0002938991850000162
具体的，本发明可以增设一智能软开关以取代第一系统中的联络开关 TS3，该智能软开关的容量为0.5MVA，损耗系数为0.199。
具体的，本发明基于第一电路系统增设智能软开关后的各支路运行数据，执行步骤S50后获得的目标电网预想故障集(包括各支路的故障率) 可见表5。
表5目标电网预想故障集
Figure GDA0002938991850000163
Figure GDA0002938991850000171
还需要说明的是，由于本发明是基于目标电网在正常运行状态下的运行数据下，计算出预想的极端故障工况中各支路的故障率，因此，本发明建立了配电网正常运行状态和极端故障工况之间的联系，这可以为配电网规划工作提供科学完备的规划场景(如故障工况)。
本实施例提出的电网支路故障预测方法，可以基于目标电网的历史运行数据，通过获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据，将获得的各电网负荷数据集分别确定为一个电网运行场景，基于所述历史运行数据，确定所述目标电网的故障预测公式，获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率，可以反映配电网在增设配电设备后各支路故障率的变化，也可以为配电网规划工作提供科学完备的规划场景。
基于图1所示步骤，本实施例还提出了另一种电网支路故障预测方法，如图4所示，步骤S10中的所述基于目标电网的历史运行数据，获得至少一个电网负荷数据集，可以包括：
步骤S11、从目标电网的历史运行数据中获得电网负荷数据，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
其中，电网负荷数据为目标电网在正常运行状态下
其中，本发明获得的电网负荷数据可以包括在步骤S10中获得的各电网负荷数据集的集合，即该集合中的元素包括各电网负荷数据集中元素的总和，例如，步骤S10中获得第一电网负荷数据集和第二电网负荷数据集，其中，第一电网负荷数据集
Figure GDA0002938991850000172
第二电网负荷数据集
Figure GDA0002938991850000173
若电网负荷数据为第一电网负荷数据集和第二电网负荷数据集的集合，则电网负荷数据可以为
Figure GDA0002938991850000181
需要说明的是，各电网负荷数据集由本发明对电网负荷数据进行聚类获得。
步骤S12、对获得的电网负荷数据进行聚类，获得至少一个电网负荷数据集。
具体的，为选取良好且具有代表性的聚类中心，本发明可以先行中计算电网负荷数据中各元素(样本)间的欧氏距离：
Figure GDA0002938991850000182
式中，dmn为电网负荷数据中样本m与样本n之间的欧氏距离；
Figure GDA0002938991850000183
为负荷样本m在第k小时的负荷水平；N为各向量的维度。
之后，本发明可以计算电网负荷数据中各样本的截断距离dcut、局部密度指标ρm和相对距离指标δm：
首先，本发明可以将获得的各dmn按照数值大小进行升序排列，得到新的距离集合D′＝{d′1，d′2，…，d′M(M-1)}，其中d′1≤d′2…≤d′M(M-1)。取 q＝[0.02M(M-1)]([]为取整符号)，令截断距离dcut＝d′q，则局部密度指标ρm的表达式为：
Figure GDA0002938991850000184
Figure GDA0002938991850000185
式中，ρm为样本m的局部密度指标。
其次，本发明可以将ρm按照数值大小进行降序排列，得到新的密度集合
Figure GDA0002938991850000186
其中
Figure GDA0002938991850000187
则{q1，q2，…，qM}表示集合 {ρ1，ρ2，…，ρM}的一个降序排列的下标顺序。相对距离指标δm的表达式为：
Figure GDA0002938991850000188
式中，δm为样本qm的相对距离指标。
之后，计算电网负荷数据中各样本的决策指标ζm：
ζm＝ρm·δm
式中，ζm为样本m的决策指标；
之后，本发明可以将决策指标ζm进行降序排列，选取ζm值较大的样本个数为聚类数S，并将ζm值较大的样本选取为聚类中心Cs；
之后，本发明可以Cs为聚类中心，采用k-means聚类法对电网负荷数据进行聚类，得到S个以天为时间尺度的典型的电网运行场景和各场景对应的概率值。
本实施例提出的电网支路故障预测方法，通过欧氏距离、局部密度指标ρm、相对距离指标δm、截断距离dcut和决策指标ζm的计算，确定聚类数聚类中心，可以为之后的聚类过程提供良好且具有代表性的聚类中心，生成典型的电网运行场景，建立配电网正常运行状态和极端故障工况之间的联系。
与图1所示步骤对应，本实施例提出了一种电网支路故障预测装置，如图5所示，所述装置可以包括第一数据获得单元100、场景确定单元200、第一公式确定单元300、第二数据获得单元400和故障率获得单元500，其中：
所述第一数据获得单元100，用于基于目标电网的历史运行数据，获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
可选的，目标电网可以是配电网中的部分电路，也可以是配电网的整体电路，本发明对此不做限定。
其中，历史运行数据可以包括目标电网在正常运行状态下各支路的运行数据，例如年负荷水平运行变化曲线、功率、节点电压(支路可以由两个端节点连接而成)、电流、故障率和长度。
需要说明的是，本发明可以根据历史运行数据中的年负荷水平运行变化曲线，生成电网负荷数据集。
其中，每个电网负荷数据集中的各元素均可以分别是一个负荷样本，例如，第一负荷样本为第一元素，第二负荷样本为第二元素。
具体的，负荷样本可以是由目标电网在某一天中各小时负荷水平(即负荷值)组成的行向量。需要说明的是，各行向量中的维度数量不一定为二十四，可以是其它数值，例如十个或七个，本发明对此不做限定。
具体的，每个负荷样本(行向量)中的维度数量可以是相同的，且各维度对应的时刻应是一致的。
具体的，各电网负荷数据集中的整体负荷样本可以在时间上形成连续性较好的负荷水平曲线。其中，任一条负荷水平曲线中的最大负荷值与最小负荷值的差值应在预设阈值范围内，该预设阈值范围可以由技术人员根据实际情况进行制定，本发明对此不做限定。
其中，第一设备为配电网新增的配电设备，可以是分布式电源，可以是储能系统的相关设备，也可以是用电设备，本发明对于第一设备的类型不做限定。并且，第一设备的数量可以是一个，也可以是多个，本发明对于第一设备的数量同样不做限定。
所述场景确定单元200，用于将获得的各电网负荷数据集分别确定为一个电网运行场景；
需要说明的是，电网的负荷水平是影响电网运行状态的主要因素，电网的运行状态与负荷水平密切相关，电网会根据不同的负荷水平对运行状态进行调整。
具体的，本发明建立典型的电网运行场景以代表全年的电网运行场景，这样，可以简化计算过程，提高计算效率。
具体的，本发明可以将一个电网负荷数据集中的整体负荷样本随时间 (天数或小时数)的递增所形成的负荷水平曲线作为一个电网运行场景。
其中，电网运行场景的数量与电网负荷数据集中的数量是一致的。例如，若电网负荷数据集的数量为四个，则电网运行场景的数量也为四个。
其中，本发明设置的连续性较好的各条负荷水平曲线，适用于目标电网在实际运行过程中的负荷水平变化情况(变化平缓)，并且适用于目标电网在某段时间内的负荷水平变化通常不大于一定值的情况。
所述第一公式确定单元300，用于基于所述历史运行数据，确定所述目标电网的故障预测公式；
可选的，在其它实施例提出的电网支路故障预测装置中，所述第一公式确定单元300，可以具体包括：第一获得单元和第二公式确定单元，其中：
所述第一获得单元，用于从所述历史运行数据中获得所述目标电网中各支路的故障率、电流负载率的越限次数、末端节点年均电压的越限次数和长度去量纲化指标；
所述第二公式确定单元，用于根据获得的各支路的故障率、电流负载率的越限次数、末端节点年均电压的越限次数和支路长度去量纲化指标，确定所述目标电网的故障预测公式。
需要说明的是，由于支路的年均电流负载率的越限次数、末端节点年均电压的越限次数和长度对于配电网中各支路的故障率均有显著影响，因此，本发明在制定待确定的故障预测公式时，可以将年均电流负载率的越限次数、末端节点年均电压的越限次数和长度等历史运行数据的数值作为求解公式中未知项的已知项。其中，当支路电流负载率较高时，线损会导致线路发热严重，绝缘材料易发生损坏；当支路中节点电压越限时，功率倒送等问题易造成电力设备故障；极端天气、鸟兽侵害等情况引发线路短路故障的概率与支路长度呈正比关系。
其中，支路的年均故障率为支路在一年中的故障次数。例如，对于某条支路的故障率，本发明可以使用该支路在过去N年内的年均故障次数作为该支路的故障率。
其中，支路的电流负载率为支路实际通过电流值与支路允许通过的最大电流值之比。
在实际应用中，本发明会设置支路年均电流负载率的限值和支路末端节点年均电压的限值。在配电网运行过程中，若某个支路的年均电流负载率或末端节点年均电压的值超过相应的限值时，则说明该支路的年均电流负载率或末端节点年均电压越限。
可选的，所述第二公式确定单元，可以具体用于：
将获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度输入待确定的故障预测公式
Figure GDA0002938991850000211
中，获得a0、a1、a2、a3和ε的值，以确定故障预测公式；
其中，i和j为一条支路的两个端节点；λij为由节点i和j决定的支路ij的年均故障率；
Figure GDA0002938991850000212
为支路ij年均电流负载率的越限次数；
Figure GDA0002938991850000213
为支路ij末端节点年均电压越限次数；Lij为支路ij长度去量纲化指标；a0为常数项；a1、a2和a3分别为回归系数；ε为误差项。
其中，支路ij长度去量纲化指标Lij为本发明对支路长度进行去量纲处理后获得的长度标幺值。
具体的，本发明在将各支路相应的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度输入待确定的故障预测公式时，可以获得方程式：
Figure GDA0002938991850000221
式中，Nij为配电系统支路数。
具体的，本发明可以将上述方程式转换为矩阵
λ＝NA+U
式中，
Figure GDA0002938991850000222
为各支路历史年均故障率向量，
Figure GDA0002938991850000223
为影响因素矩阵，
Figure GDA0002938991850000224
为回归系数向量，
Figure GDA0002938991850000225
为误差向量。
具体的，本发明可以采用最小二乘法对回归系数向量A进行回归计算，以获得相应的回归系数。
其中，误差向量U也为待求量，在回归计算之后，该项应趋于零。
所述第二数据获得单元400，用于获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据；
具体的，本发明可以对增设第一设备后的目标电网进行潮流计算，获得各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度。
可选的，所述第二数据获得单元400，可以具体包括：第一计算单元、第一变量获得单元、第一概率值确定单元和第二获得单元，其中：
所述第一计算单元，用于计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的电流负载率Rs，h，ij
所述第一变量获得单元，用于将各所述电流负载率Rs，h，ij输入公式
Figure GDA0002938991850000226
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的电流负载率越限辅助变量
Figure GDA0002938991850000231
其中，Rf为支路电流负载率越限指标；
所述第一概率值确定单元，用于确定各电网运行场景对应的概率值Ps；
所述第二获得单元，用于将获得的各电流负载率越限辅助变量
Figure GDA0002938991850000232
和确定的各概率值Ps输入公式
Figure GDA0002938991850000233
中，获得各支路的年均电流负载率越限次数
Figure GDA0002938991850000234
其中，各电网运行场景对应的概率值为该电网运行场景在全部运行场景中出现的概率。具体的，概率值Ps为运行场景s出现的次数与全部运行场景所出现的次数。
具体的，本发明设置电流负载率越限辅助变量
Figure GDA0002938991850000235
用以判断支路实际电流负载率是否超过支路电流负载率越限指标，若超过，则该电流负载率越限辅助变量记为1；若不超过，则记为0。
其中，支路电流负载率越限指标可以由技术人员根据实际情况进行制定。
可选的，所述第二数据获得单元400，可以具体包括：第二计算单元、第二变量获得单元、第二概率值确定单元和第三获得单元，其中：
所述第二计算单元，用于计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的末端节点的电压幅值Vs，h，ij；
所述第二变量获得单元，用于将各末端节点的电压幅值Vs，h，ij输入公式
Figure GDA0002938991850000236
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的末端节点电压越限辅助变量
Figure GDA0002938991850000237
其中，
Figure GDA0002938991850000238
为节点电压越限的上限指标，Vf 为节点电压越限的下限指标；
所述第二概率值确定单元，用于确定各电网运行场景对应的概率值Ps；
所述第三获得单元，用于将获得的各末端节点电压越限辅助变量
Figure GDA0002938991850000239
和确定的各概率值Ps输入公式
Figure GDA0002938991850000241
中，获得各支路的年均末端节点电压越限次数
Figure GDA0002938991850000242
具体的，本发明设置末端节点电压越限辅助变量，用以判断支路节点电压是否超出合理运行范围，若高于上限或低于下限，则该辅助变量记为1，若不超过，则记为0。
其中，电压越限上下限指标可以由技术人员根据实际情况进行制定，本发明对此不做限定。
可选的，所述第二数据获得单元400，可以具体包括：支路长度确定单元和第四获得单元，其中：
所述支路长度确定单元，用于确定各支路长度lij；
所述第四获得单元，用于将确定的各支路长度输入公式
Figure GDA0002938991850000243
中，获得各支路长度去量纲化指标Lij，其中，lmax为各支路长度中的最大值，lmin为各支路长度中的最小值。
其中，本发明对支路长度进行去量纲处理后获得的长度标幺值，即为路长度去量纲化指标。
所述故障率获得单元500，用于将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率。
具体的，本发明可以将获得的每个支路的运行数据，即每个支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度，分别输入已确定的故障预测公式，以获得各支路的年均故障率。
本实施例提出的电网支路故障预测装置，可以基于目标电网的历史运行数据，通过获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据，将获得的各电网负荷数据集分别确定为一个电网运行场景，基于所述历史运行数据，确定所述目标电网的故障预测公式，获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率，可以反映配电网在增设配电设备后各支路故障率的变化，也可以为配电网规划工作提供科学完备的规划场景。
基于图5所述装置，本实施例还提出了另一种电网支路故障预测装置，如图6所示，所述第一数据获得单元100，具体可以包括第三数据获得单元 110和数据集获得单元120，其中：
所述第三数据获得单元110，用于从目标电网的历史运行数据中获得电网负荷数据，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
其中，电网负荷数据为目标电网在正常运行状态下
其中，本发明获得的电网负荷数据可以包括在第一数据获得单元100 中获得的各电网负荷数据集的集合，即该集合中的元素包括各电网负荷数据集中元素的总和。
需要说明的是，各电网负荷数据集由本发明对电网负荷数据进行聚类获得。
所述数据集获得单元120，用于对获得的电网负荷数据进行聚类，获得至少一个电网负荷数据集。
具体的，为选取良好且具有代表性的聚类中心，本发明可以先行中计算电网负荷数据中各元素(样本)间的欧氏距离：
Figure GDA0002938991850000251
式中，dmn为电网负荷数据中样本m与样本n之间的欧氏距离；
Figure GDA0002938991850000252
为负荷样本m在第k小时的负荷水平；N为各向量的维度。
之后，本发明可以计算电网负荷数据中各样本的截断距离dcut、局部密度指标ρm和相对距离指标δm：
首先，本发明可以将获得的各dmn按照数值大小进行升序排列，得到新的距离集合D′＝{d′1，d′2，…，d′M(M-1)}，其中d′1≤d′2…≤d′M(M-1)。取 q＝[0.02M(M-1)]([]为取整符号)，令截断距离dcut＝d′q，则局部密度指标ρm的表达式为：
Figure GDA0002938991850000261
Figure GDA0002938991850000262
式中，ρm为样本m的局部密度指标。
其次，本发明可以将ρm按照数值大小进行降序排列，得到新的密度集合
Figure GDA0002938991850000263
其中
Figure GDA0002938991850000264
则{q1，q2，…，qM}表示集合 {ρ1，ρ2，…，ρM}的一个降序排列的下标顺序。相对距离指标δm的表达式为：
Figure GDA0002938991850000265
式中，δm为样本qm的相对距离指标。
之后，计算电网负荷数据中各样本的决策指标ζm：
ζm＝ρm·δm
式中，ζm为样本m的决策指标；
之后，本发明可以将决策指标ζm进行降序排列，选取ζm值较大的样本个数为聚类数S，并将ζm值较大的样本选取为聚类中心Cs；
之后，本发明可以Cs为聚类中心，采用k-means聚类法对电网负荷数据进行聚类，得到S个以天为时间尺度的典型的电网运行场景和各场景对应的概率值。
本实施例提出的电网支路故障预测装置，通过欧氏距离、局部密度指标ρm、相对距离指标δm、截断距离dcut和决策指标ζm的计算，确定聚类数聚类中心，可以为之后的聚类过程提供良好且具有代表性的聚类中心，生成典型的电网运行场景，建立配电网正常运行状态和极端故障工况之间的联系。
还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种电网支路故障预测方法，其特征在于，包括：
基于目标电网的历史运行数据，获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
将获得的各电网负荷数据集分别确定为一个电网运行场景；
基于所述历史运行数据，确定所述目标电网的故障预测公式；
获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据；
将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率。
2.根据权利要求1所述的方法，其特征在于，所述基于目标电网的历史运行数据，获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据，包括：
从目标电网的历史运行数据中获得电网负荷数据，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
对获得的电网负荷数据进行聚类，获得至少一个电网负荷数据集。
3.根据权利要求1所述的方法，其特征在于，基于所述历史运行数据，确定所述目标电网的故障预测公式，包括：
从所述历史运行数据中获得所述目标电网中各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度；
根据获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度，确定所述目标电网的故障预测公式。
4.根据权利要求3所述的方法，其特征在于，所述根据获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度，确定所述目标电网的故障预测公式，包括：
将获得的各支路的年均故障率、年均电流负载率的越限次数、末端节点年均电压的越限次数和长度输入待确定的故障预测公式
Figure FDA0002938991840000011
中，获得a0、a1、a2、a3和ε的值，以确定故障预测公式；
其中，i和j为一条支路的两个端节点；λij为由节点i和j决定的支路ij的年均故障率；
Figure FDA0002938991840000021
为支路ij年均电流负载率的越限次数；
Figure FDA0002938991840000022
为支路ij末端节点年均电压越限次数；Lij为支路ij长度去量纲化指标；a0为常数项；a1、a2和a3分别为回归系数；ε为误差项。
5.根据权利要求3所述的方法，其特征在于，所述获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，包括：
计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的电流负载率Rs，h，ij；
将各所述电流负载率Rs，h，ij输入公式
Figure FDA0002938991840000023
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的电流负载率越限辅助变量
Figure FDA0002938991840000024
其中，Rf为支路电流负载率越限指标；
确定各电网运行场景对应的概率值Ps，所述概率值Ps为各电网运行场景在全部运行场景中出现的概率；
将获得的各电流负载率越限辅助变量
Figure FDA0002938991840000025
和确定的各概率值Ps输入公式
Figure FDA0002938991840000027
中，获得各支路的年均电流负载率越限次数
Figure FDA0002938991840000028
6.根据权利要求3所述的方法，其特征在于，所述获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，包括：
计算各支路在所述目标电网增设所述第一设备后、在各所述电网运行场景下的末端节点的电压幅值Vs，h，ij；
将各末端节点的电压幅值Vs，h，ij输入公式
Figure FDA0002938991840000029
中，获得各支路在所述目标电网增设所述第一设备后、在电网运行场景s下h时刻的末端节点电压越限辅助变量
Figure FDA0002938991840000031
其中，
Figure FDA0002938991840000032
为节点电压越限的上限指标，Vf 为节点电压越限的下限指标；
确定各电网运行场景对应的概率值Ps，所述概率值Ps为各电网运行场景在全部运行场景中出现的概率；
将获得的各末端节点电压越限辅助变量
Figure FDA0002938991840000033
和确定的各概率值Ps输入公式
Figure FDA0002938991840000034
中，获得各支路的年均末端节点电压越限次数
Figure FDA0002938991840000035
7.根据权利要求3所述的方法，其特征在于，所述获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据，包括：
确定各支路长度lij；
将确定的各支路长度输入公式
Figure FDA0002938991840000036
中，获得各支路长度去量纲化指标Lij，其中，lmax为各支路长度中的最大值，lmin为各支路长度中的最小值。
8.一种电网支路故障预测装置，其特征在于，所述装置包括第一数据获得单元、场景确定单元、第一公式确定单元、第二数据获得单元和故障率获得单元，其中：
所述第一数据获得单元，用于基于目标电网的历史运行数据，获得至少一个电网负荷数据集，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
所述场景确定单元，用于将获得的各电网负荷数据集分别确定为一个电网运行场景；
所述第一公式确定单元，用于基于所述历史运行数据，确定所述目标电网的故障预测公式；
所述第二数据获得单元，用于获得在各所述电网运行场景下，所述目标电网增设所述第一设备后的、与故障率相关的各支路的运行数据；
所述故障率获得单元，用于将获得的每个支路的运行数据分别输入所述故障预测公式，计算获得所述目标电网增设所述第一设备后的、每个支路的故障率。
9.根据权利要求8所述的装置，其特征在于，所述第一数据获得单元，具体包括第三数据获得单元和数据集获得单元，其中：
所述第三数据获得单元，用于从目标电网的历史运行数据中获得电网负荷数据，所述历史运行数据为所述目标电网未增设第一设备时的运行数据；
所述数据集获得单元，用于对获得的电网负荷数据进行聚类，获得至少一个电网负荷数据集。
10.根据权利要求8所述的装置，其特征在于，所述第一公式确定单元，具体包括：第一获得单元和第二公式确定单元，其中：
所述第一获得单元，用于从所述历史运行数据中获得所述目标电网中各支路的故障率、电流负载率的越限次数、末端节点年均电压的越限次数和长度去量纲化指标；
所述第二公式确定单元，用于根据获得的各支路的故障率、电流负载率的越限次数、末端节点年均电压的越限次数和支路长度去量纲化指标，确定所述目标电网的故障预测公式。
CN201911075832.9A 2019-11-06 2019-11-06 一种电网支路故障预测方法及装置 Active CN110739691B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911075832.9A CN110739691B (zh) 2019-11-06 2019-11-06 一种电网支路故障预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911075832.9A CN110739691B (zh) 2019-11-06 2019-11-06 一种电网支路故障预测方法及装置

Publications (2)

Publication Number Publication Date
CN110739691A CN110739691A (zh) 2020-01-31
CN110739691B true CN110739691B (zh) 2021-05-14

Family

ID=69272327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911075832.9A Active CN110739691B (zh) 2019-11-06 2019-11-06 一种电网支路故障预测方法及装置

Country Status (1)

Country Link
CN (1) CN110739691B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104009467A (zh) * 2014-05-13 2014-08-27 南京邮电大学 一种计及预安排停电影响的配电网可靠性评估和预测方法
CN107516170A (zh) * 2017-08-30 2017-12-26 东北大学 一种基于设备故障概率和电网运行风险的差异自愈控制方法
CN109245091A (zh) * 2018-09-27 2019-01-18 东南大学 一种面向售电公司的双层策略调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069535B (zh) * 2015-08-19 2020-07-24 中国电力科学研究院 一种基于arima模型的配电网运行可靠性的预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104009467A (zh) * 2014-05-13 2014-08-27 南京邮电大学 一种计及预安排停电影响的配电网可靠性评估和预测方法
CN107516170A (zh) * 2017-08-30 2017-12-26 东北大学 一种基于设备故障概率和电网运行风险的差异自愈控制方法
CN109245091A (zh) * 2018-09-27 2019-01-18 东南大学 一种面向售电公司的双层策略调度方法

Also Published As

Publication number Publication date
CN110739691A (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
CN109145957B (zh) 基于大数据的配电网异常指标的识别与处理方法及装置
CN108876054B (zh) 基于改进遗传算法优化极限学习机的短期电力负荷预测方法
CN107516170B (zh) 一种基于设备故障概率和电网运行风险的差异自愈控制方法
CN109613338B (zh) 一种基于一元模型的低压用户回路抗阻估计方法
CN104037943A (zh) 一种提高电网电压质量的电压监测方法及系统
CN109190242B (zh) 一种入户段线路阻抗估计方法
CN114252103B (zh) 融合电站运行故障预测方法
CN112132283B (zh) 一种基于遗传算法的非信号注入式户变拓扑关系识别方法
CN113904322A (zh) 一种基于电流+电压的低压配网拓扑生成方法
CN113724101B (zh) 台区的箱表关系识别方法及系统、设备、存储介质
CN113379005A (zh) 一种电网电力设备能源智能管理系统及方法
CN110739691B (zh) 一种电网支路故障预测方法及装置
CN104732107B (zh) 以介质参数为评估参量的变压器套管剩余寿命预测方法
CN116756530B (zh) 用于新能源接入配电网的电网线损评估方法及系统
CN107301499B (zh) 一种基于ami数据的配电馈线统计线损率数据清洗方法
CN111864728B (zh) 一种可重构配电网重要设备识别方法和系统
CN112485604A (zh) 一种配电网故障电流计算方法
CN110108983B (zh) 一种智能电缆状态在线测控管理方法
CN107563641B (zh) 一种计及灾害偏好的配电网抗灾多场景差异化规划方法
CN112241812B (zh) 基于单边优化与遗传算法协作的低压配电网拓扑识别方法
CN108564249B (zh) 计及分布式光伏随机性的配电网置信削峰效益评估方法
CN115494382A (zh) 判断智能开关上下级关系的方法及系统、设备、存储介质
CN115718970A (zh) 一种基于ga-bp神经网络的架空输电线覆冰厚度预测方法
CN113887144A (zh) 一种考虑业务特征的电力通信光缆综合可用性分析方法
CN109390946B (zh) 一种基于多参数规划理论的最优概率潮流快速计算方法

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