CN110783964A - 电网静态安全的风险评估方法和装置 - Google Patents
电网静态安全的风险评估方法和装置 Download PDFInfo
- Publication number
- CN110783964A CN110783964A CN201911063241.XA CN201911063241A CN110783964A CN 110783964 A CN110783964 A CN 110783964A CN 201911063241 A CN201911063241 A CN 201911063241A CN 110783964 A CN110783964 A CN 110783964A
- Authority
- CN
- China
- Prior art keywords
- processed
- risk
- risk assessment
- equipment
- offset
- 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
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了电网静态安全的风险评估方法和装置,包括:获取电网静态安全的风险评估参数;根据风险评估参数确定风险评分;将风险评分进行划分,得到具有风险评估等级的所有样本,并按照预设比例将样本划分为训练集和测试集;将测试集输入到通过训练集训练后构建的DBNN模型中,得到多个风险评估结果;将多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;根据比对结果评估准确率,可以提高评估结果的准确率。
Description
技术领域
本发明涉及电网安全评估技术领域,尤其是涉及电网静态安全的风险评估方法和装置。
背景技术
目前,随着大量分布式电源与源荷双重特性设备的接入,加大了电力设备的故障率和设备故障引起停电的风险,使电网安全稳定问题日渐显著。
电网适用于N-1或N-2的静态安全校核。在设备因检修而停运的情况下,当对设备进行安全校核时,发生潮流越限的机率增加,一般计划检修下电网静态安全分析为N-1安全校核,如果发生越限,则调度员根据越限大小和自身经验对其进行风险评估,并进行有序调整。
由于电网在运行时,其复杂性、波动性和产生的数据不断增加,通过N-1安全校核和调度员的经验进行风险评估,会导致评估结果不准确,评估的准确率低。
发明内容
有鉴于此,本发明的目的在于提供电网静态安全的风险评估方法和装置,可以提高评估结果的准确率。
第一方面,本发明实施例提供了电网静态安全的风险评估方法,所述方法包括:
获取电网静态安全的风险评估参数;
根据所述风险评估参数确定风险评分;
将所述风险评分进行划分,得到具有风险评估等级的所有样本,并按照预设比例将所述样本划分为训练集和测试集;
将所述测试集输入到通过所述训练集训练后构建的DBNN模型中,得到多个风险评估结果;
将所述多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;根据所述比对结果评估准确率。
进一步的,所述风险评估参数包括电网设备故障率、电压偏移量、负荷损失量、有功功率偏移量、发电机出力、设备在拓扑中的重要度、历史风险等级和检修设备的电气距离中的至少一种。
进一步的,所述根据所述风险评估参数确定风险评估等级,包括:
将所述电压偏移量、所述负荷损失量、所述功率偏移量和所述发电机出力进行归一化处理,得到处理后的电压偏移量、处理后的负荷损失量、处理后的有功功率偏移量和处理后的发电机出力;
根据所述设备在拓扑中的重要度、所述历史风险等级和所述检修设备的电气距离,得到综合影响度;
根据所述电网设备故障率、所述处理后的电压偏移量、所述处理后的负荷损失量、所述处理后的有功功率偏移量、所述处理后的发电机出力和所述综合影响度,得到风险评分。
进一步的,所述根据所述电网设备故障率、所述处理后的电压偏移量、所述处理后的负荷损失量、所述处理后的有功功率偏移量、所述处理后的发电机出力和所述综合影响度,得到风险评分,包括:
根据下式计算所述风险评分:
D=R*(B+S+P+Q)*O
其中,D为所述风险评分,R为所述电网设备故障率,B为所述处理后的电压偏移量,S为所述处理后的负荷损失量,P为所述处理后的有功功率偏移量,Q为所述处理后的发电机出力,O为所述综合影响度。
第二方面,本发明实施例提供了电网静态安全的风险评估装置,所述装置包括:
参数获取单元,用于获取电网静态安全的风险评估参数;
确定单元,用于根据所述风险评估参数确定风险评分;
划分单元,用于将所述风险评分进行划分,得到具有风险评估等级的所有样本,并按照预设比例将所述样本划分为训练集和测试集;
风险评估结果获取单元,用于将所述测试集输入到通过所述训练集训练后构建的DBNN模型中,得到多个风险评估结果;
比对单元,用于将所述多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;根据所述比对结果评估准确率。
进一步的,所述风险评估参数包括电网设备故障率、电压偏移量、负荷损失量、有功功率偏移量、发电机出力、设备在拓扑中的重要度、历史风险等级和检修设备的电气距离中的至少一种。
进一步的,所述确定单元具体用于:
将所述电压偏移量、所述负荷损失量、所述功率偏移量和所述发电机出力进行归一化处理,得到处理后的电压偏移量、处理后的负荷损失量、处理后的有功功率偏移量和处理后的发电机出力;
根据所述设备在拓扑中的重要度、所述历史风险等级和所述检修设备的电气距离,得到综合影响度;
根据所述电网设备故障率、所述处理后的电压偏移量、所述处理后的负荷损失量、所述处理后的有功功率偏移量、所述处理后的发电机出力和所述综合影响度,得到风险评分。
进一步的,所述确定单元具体用于:
根据下式计算所述风险评分:
D=R*(B+S+P+Q)*O
其中,D为所述风险评分,R为所述电网设备故障率,B为所述处理后的电压偏移量,S为所述处理后的负荷损失量,P为所述处理后的有功功率偏移量,Q为所述处理后的发电机出力,O为所述综合影响度。
第三方面,本发明实施例提供了电子设备,包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法。
第四方面,本发明实施例提供了具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行如上所述的方法。
本发明实施例提供了电网静态安全的风险评估方法和装置,包括:获取电网静态安全的风险评估参数;根据风险评估参数确定风险评估等级;将风险评估等级进行划分,得到训练集和测试集;将测试集输入到通过训练集训练后构建的DBNN模型中,得到多个风险评估结果;将多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;根据比对结果评估准确率,可以提高评估结果的准确率。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例一提供的电网静态安全的风险评估方法流程图;
图2为本发明实施例一提供的DBNN算法原理图;
图3为本发明实施例二提供的新英格兰10机39节点系统示意图;
图4为本发明实施例三提供的电网静态安全的风险评估装置示意图。
图标:
10-参数获取单元;20-确定单元;30-划分单元;40-风险评估结果获取单元;50-比对单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
为便于对本实施例进行理解,下面对本发明实施例进行详细介绍。
实施例一:
图1为本发明实施例一提供的电网静态安全的风险评估方法流程图。
参照图1,该方法包括以下步骤:
步骤S101,获取电网静态安全的风险评估参数;
这里,风险评估参数包括电网设备故障率、电压偏移量、负荷损失量、有功功率偏移量、发电机出力、设备在拓扑中的重要度、历史风险等级和检修设备的电气距离中的至少一种。
以下针对每个参数进行具体说明:
将设备故障率作为评估指示,设备故障率受内部因素和外部因素的影响,设备因运行年限发生故障的概率参照公式(1):
影响设备安全运行的外部因素包括天气、环境、健康状态等。依据历史数据,结合区域特点给出极端气象的差异化权重。对数据进行标准化,得到统一的天气影响模型,如公式(2)所示:
其中,aij为设备i对气象j的权重,Ri(j)为设备i的第j个气象参数值,是Ri(j)归一化后的值。
根据扣分制评价设备状态,将分值归一化,作为设备失效的评价标准,如公式(3)所示:
电网设备故障率可由设备i的运行年限发生故障的概率Ri Y、天气影响Ri W和健康状态Ri H表示,如公式(4)所示:
其中,b1为Ri Y对应的权值,b2为Ri W对应的权值,b3为Ri H对应的权值。
计及检修下设备i发生故障引起的电压偏移量影响,如公式(5)所示:
其中,U(vjN)为母线j的额定电压值,Ui(vj)为设备i检修时,N-1安全校核下的母线j的电压值,n为母线数量。
计及电力设备故障后负荷损失量的影响,如公式(6)所示:
其中,S(ljo)为线路j基态下负荷量,Si(lj)为设备i检修时N-1安全校核下线路j的负荷量,m为线路数量。
计及有功功率偏移量的影响,如公式(7)所示:
其中,P(lcap,j)为线路j的额定功率值,Pi(lj)为设备i检修时N-1安全校核下线路j的功率值,m为线路数量。
计及以发电机无功功率变化表示的发电机出力的影响,如公式(8)所示:
其中,Gi(ljo)为发电机j的无功出力,G(lj)为设备i检修下N-1安全校核时发电机j的出力,x为发电机数量。
选取中介中心度方法计算设备在拓扑中的重要度,如公式(9)所示:
其中,s为节点集V中一个节点,t为V中剩余任一节点,σ(s,t)为节点s分别到节点t所有情况的最短路径数目,σ(s,t|v)指节点s到t的全部最短路径中通过节点v的最短路径数目。
采用Dijkstra算法寻找网络拓扑中的最短路径,其中设备重要度为其两端节点重要度的均值,用CD(v)表示。
参考检修设备历史工作票以及电气联系紧密的其它设备的检修工作票中的历史风险等级,将历史风险等级分为8个等级,如公式(10)所示:
Hi(lj)=[1 2 3 4 5 6 7 8]
其中,Hi(lj)为设备i检修下,线路j断开时的风险等级。
以线路电抗值代替检修设备的电气距离,并将检修设备的电气距离作为风险评估参数之一,如公式(11)所示:
Li(lj)=xij
其中,Li(lj)为设备i检修时,断开的设备j与检修设备i的电气距离。
步骤S102,根据风险评估参数确定风险评分;
步骤S103,将风险评分进行划分,得到具有风险评估等级的所有样本,并按照预设比例将样本划分为训练集和测试集;
步骤S104,将测试集输入到通过训练集训练后构建的DBNN模型中,得到多个风险评估结果;
具体地,参照图2,DBNN包括深度信念网络(Deep Belief Neural,DBN)和反向传播网络(Back Propagation,BP),其中DBN是一种概率生成模型,由堆叠的多个RBM构成。
对数据完成无监督预训练。RBM是基于能量的模型,由可视层V和隐藏层H双层神经网络组成,通过无监督训练初始化网络参数,使其更好的契合模型。给定状态(v,h),则其能量分布函数如公式(12)所示:
其中,vi为第一层权重,服从伯努利或高斯分布。hi为第二层权重,服从伯努利分布。wi,j为连接V与H单元的权重,ai为第i个可见单元的偏置,bi为第i个隐藏单元的偏置。
能量低则表示网络处于理想状态,相应的评估准确率就高。
将训练集输入到DBNN算法中进行训练,在最后一层采用BP对DBN进行微调,可以使训练和测试结果达到最优,从而得到DBNN模型。然后将测试集输入到DBNN模型中,最终输出多个风险评估结果。
步骤S105,将多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;
步骤S106,根据比对结果评估准确率。
具体地,统计多个风险评估结果与预存的风险评估结果一致的结果和不一致的结果,根据比对结果确定准确率,从而根据准确率进行风险评估,提高了结果准确率,评估结果与实际结果更加相符,促进电网向智能化、客观化方向发展。
进一步的,步骤S102包括以下步骤:
步骤S201,将电压偏移量、负荷损失量、功率偏移量和发电机出力进行归一化处理,得到处理后的电压偏移量、处理后的负荷损失量、处理后的有功功率偏移量和处理后的发电机出力;
具体地,计划检修下N-1安全校核时,电网设备故障率为R;将检修下N-1安全校核时,电网设备引起的电压偏移量、负荷损失量、有功功率偏移量、发电机出力进行归一化处理,也就是将电压偏移量与历史最大电压偏移量作比,得到处理后的电压偏移量B;将负荷损失量与历史最大负荷损失量作比,得到处理后的负荷损失量S;将功率偏移量与历史最大功率偏移量作比,得到处理后的功率偏移量P;将发电机出力与历史最大发电机出力作比,得到处理后的发电机出力Q。其中,B,S,P,Q∈[0,1]。
步骤S202,根据设备在拓扑中的重要度、历史风险等级和检修设备的电气距离,得到综合影响度;
具体地,将设备在拓扑中的重要度和历史风险等级相乘后,再与检修设备的电气距离作比,得到综合影响度O。其中,综合影响度O越大,检修设备越需要关注。
步骤S203,根据电网设备故障率、处理后的电压偏移量、处理后的负荷损失量、处理后的有功功率偏移量、处理后的发电机出力和综合影响度,得到风险评分。
这里,将风险评分通过聚类算法,得到风险评估等级。
进一步的,步骤S203包括:
根据公式(13)计算风险评分:
D=R*(B+S+P+Q)*O
其中,D为风险评分,R为电网设备故障率,B为处理后的电压偏移量,S为处理后的负荷损失量,P为处理后的有功功率偏移量,Q为处理后的发电机出力,O为综合影响度。
本发明实施例提供了电网静态安全的风险评估方法,包括:获取电网静态安全的风险评估参数;根据风险评估参数确定风险评分;将风险评分进行划分,得到具有风险评估等级的所有样本,并按照预设比例将样本划分为训练集和测试集;将测试集输入到通过训练集训练后构建的DBNN模型中,得到多个风险评估结果;将多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;根据比对结果评估准确率,可以提高评估结果的准确率。
实施例二:
图3为本发明实施例二提供的新英格兰10机39节点系统示意图。
参照图3,根据新英格兰10机39节点系统,仿真得到每条线路依次进行检修下的N-1安全校核的1123组各条线路断开后的电气特征值。结合实际,分别赋予每组数据其余指标值,其中,设备在拓扑中的重要度与检修设备的电气距离根据电网拓扑得到,电网设备故障率和历史风险等级结合实际电网情况进行赋值。经预处理后,根据本申请的电网静态安全的风险评估方法,赋予各组参数风险等级。之后,利用DBNN算法进行深度挖掘,实现风险自评估。以线路12-13检修下的各条线路的指标值为测试集,共33组;剩余1090组为训练集,通过DBNN算法进行训练。
通过搭建的模型,DBNN模型和DNN模型均设置3层的隐藏层,迭代1000次,对线路12-13检修下的各条线路的指标进行评估,准确率参照表1:
表1
由上可知,随着迭代次数的增加,DBN和DNN评估准确率均逐渐升高。在迭代次数大于300次时,DBN评估准确率高于DNN。
另外,选择风险等级大于或等于5的线路,将其与每个参数对应的风险性排序做对比,具体参照表2:
表2
由表2可知,线路21-22因其是系统传输枢纽线路,所以电气特征风险性高,拓扑及其它方面风险性中等,故障率较低;线路16-21、16-17和15-16综合风险性较高,其中节点16为关键节点,需重点关注;线路10-13电气特征风险性较小,但是其故障率、历史风险等级和电气距离最高,且其与线路12-13同一节点,一旦停运将造成节点13变为只有一条线路连接的脆弱点;线路2-3在电气特征方面风险性较高,在拓扑结构中很重要;线路23-24、10-11在电气特征方面无太大风险性,其它个别指标较高。由此可得,多指标下的风险性排序可靠性较大,更符合实际电网运行要求。
实施例三:
图4为本发明实施例三提供的电网静态安全的风险评估装置示意图。
参照图4,该装置包括:
参数获取单元10,用于获取电网静态安全的风险评估参数;
确定单元20,用于根据风险评估参数确定风险评分;
划分单元30,用于将风险评分进行划分,得到具有风险评估等级的所有样本,并按照预设比例将样本划分为训练集和测试集;
风险评估结果获取单元40,用于将测试集输入到通过训练集训练后构建的DBNN模型中,得到多个风险评估结果;
比对单元50,用于将多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;根据比对结果评估准确率。
进一步的,风险评估参数包括电网设备故障率、电压偏移量、负荷损失量、有功功率偏移量、发电机出力、设备在拓扑中的重要度、历史风险等级和检修设备的电气距离中的至少一种。
进一步的,确定单元20具体用于:
将电压偏移量、负荷损失量、功率偏移量和发电机出力进行归一化处理,得到处理后的电压偏移量、处理后的负荷损失量、处理后的有功功率偏移量和处理后的发电机出力;
根据设备在拓扑中的重要度、历史风险等级和检修设备的电气距离,得到综合影响度;
根据电网设备故障率、处理后的电压偏移量、处理后的负荷损失量、处理后的有功功率偏移量、处理后的发电机出力和综合影响度,得到风险评分。
这里,将风险评分通过聚类算法,得到风险评估等级。
进一步的,确定单元20具体用于:
根据下式计算风险评分:
D=R*(B+S+P+Q)*O
其中,D为风险评分,R为电网设备故障率,B为处理后的电压偏移量,S为处理后的负荷损失量,P为处理后的有功功率偏移量,Q为处理后的发电机出力,O为综合影响度。
本发明实施例提供了电网静态安全的风险评估装置,包括:获取电网静态安全的风险评估参数;根据风险评估参数确定风险评分;将风险评分进行划分,得到具有风险评估等级的所有样本,并按照预设比例将样本划分为训练集和测试集;将测试集输入到通过训练集训练后构建的DBNN模型中,得到多个风险评估结果;将多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;根据比对结果评估准确率,可以提高评估结果的准确率。
本发明实施例还提供一种电子设备,包括存储器、处理器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实施例提供的电网静态安全的风险评估方法的步骤。
本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,计算机可读介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例的电网静态安全的风险评估方法的步骤。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
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,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元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,本发明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,服务器,或者网络设备等)执行本发明各个实施例所述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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种电网静态安全的风险评估方法,其特征在于,所述方法包括:
获取电网静态安全的风险评估参数;
根据所述风险评估参数确定风险评分;
将所述风险评分进行划分,得到具有风险评估等级的所有样本,并按照预设比例将所述样本划分为训练集和测试集;
将所述测试集输入到通过所述训练集训练后构建的DBNN模型中,得到多个风险评估结果;
将所述多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;根据所述比对结果评估准确率。
2.根据权利要求1所述的电网静态安全的风险评估方法,其特征在于,所述风险评估参数包括电网设备故障率、电压偏移量、负荷损失量、有功功率偏移量、发电机出力、设备在拓扑中的重要度、历史风险等级和检修设备的电气距离中的至少一种。
3.根据权利要求2所述的电网静态安全的风险评估方法,其特征在于,所述根据所述风险评估参数确定风险评分,包括:
将所述电压偏移量、所述负荷损失量、所述功率偏移量和所述发电机出力进行归一化处理,得到处理后的电压偏移量、处理后的负荷损失量、处理后的有功功率偏移量和处理后的发电机出力;
根据所述设备在拓扑中的重要度、所述历史风险等级和所述检修设备的电气距离,得到综合影响度;
根据所述电网设备故障率、所述处理后的电压偏移量、所述处理后的负荷损失量、所述处理后的有功功率偏移量、所述处理后的发电机出力和所述综合影响度,得到风险评分。
4.根据权利要求3所述的电网静态安全的风险评估方法,其特征在于,所述根据所述电网设备故障率、所述处理后的电压偏移量、所述处理后的负荷损失量、所述处理后的有功功率偏移量、所述处理后的发电机出力和所述综合影响度,得到风险评分,包括:
根据下式计算所述风险评分:
D=R*(B+S+P+Q)*O
其中,D为所述风险评分,R为所述电网设备故障率,B为所述处理后的电压偏移量,S为所述处理后的负荷损失量,P为所述处理后的有功功率偏移量,Q为所述处理后的发电机出力,O为所述综合影响度。
5.一种电网静态安全的风险评估装置,其特征在于,所述装置包括:
参数获取单元,用于获取电网静态安全的风险评估参数;
确定单元,用于根据所述风险评估参数确定风险评分;
划分单元,用于将所述风险评分进行划分,得到具有风险评估等级的所有样本,并按照预设比例将所述样本划分为训练集和测试集;
风险评估结果获取单元,用于将所述测试集输入到通过所述训练集训练后构建的DBNN模型中,得到多个风险评估结果;
比对单元,用于将所述多个风险评估结果与预存的风险评估结果进行比对,得到比对结果;根据所述比对结果评估准确率。
6.根据权利要求5所述的电网静态安全的风险评估装置,其特征在于,所述风险评估参数包括电网设备故障率、电压偏移量、负荷损失量、有功功率偏移量、发电机出力、设备在拓扑中的重要度、历史风险等级和检修设备的电气距离中的至少一种。
7.根据权利要求6所述的电网静态安全的风险评估装置,其特征在于,所述确定单元具体用于:
将所述电压偏移量、所述负荷损失量、所述功率偏移量和所述发电机出力进行归一化处理,得到处理后的电压偏移量、处理后的负荷损失量、处理后的有功功率偏移量和处理后的发电机出力;
根据所述设备在拓扑中的重要度、所述历史风险等级和所述检修设备的电气距离,得到综合影响度;
根据所述电网设备故障率、所述处理后的电压偏移量、所述处理后的负荷损失量、所述处理后的有功功率偏移量、所述处理后的发电机出力和所述综合影响度,得到风险评分。
8.根据权利要求7所述的电网静态安全的风险评估装置,其特征在于,所述确定单元具体用于:
根据下式计算所述风险评分:
D=R*(B+S+P+Q)*O
其中,D为所述风险评分,R为所述电网设备故障率,B为所述处理后的电压偏移量,S为所述处理后的负荷损失量,P为所述处理后的有功功率偏移量,Q为所述处理后的发电机出力,O为所述综合影响度。
9.一种电子设备,包括存储器、处理器,所述存储器上存储有可在所述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4任一项所述的方法。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911063241.XA CN110783964A (zh) | 2019-10-31 | 2019-10-31 | 电网静态安全的风险评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911063241.XA CN110783964A (zh) | 2019-10-31 | 2019-10-31 | 电网静态安全的风险评估方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110783964A true CN110783964A (zh) | 2020-02-11 |
Family
ID=69388645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911063241.XA Pending CN110783964A (zh) | 2019-10-31 | 2019-10-31 | 电网静态安全的风险评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110783964A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524336A (zh) * | 2020-04-01 | 2020-08-11 | 广州盛康动力设备有限公司 | 一种发电机组预警方法及系统 |
CN111598225A (zh) * | 2020-05-15 | 2020-08-28 | 西安建筑科技大学 | 一种基于自适应深度置信网络的空调冷负荷预测方法 |
CN113933704A (zh) * | 2021-09-26 | 2022-01-14 | 珠海格力电器股份有限公司 | 电动机状态的在线监控方法和系统 |
CN116703165A (zh) * | 2023-08-03 | 2023-09-05 | 国网山西省电力公司营销服务中心 | 一种电力计量数据安全风险评估方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279807A (zh) * | 2013-05-06 | 2013-09-04 | 国家电网公司 | 一种恶劣天气下电网静态风险评估方法 |
CN104123685A (zh) * | 2014-08-07 | 2014-10-29 | 贵州电网公司电力调度控制中心 | 综合风险下的电网静态安全分析方法 |
CN104794534A (zh) * | 2015-04-16 | 2015-07-22 | 国网山东省电力公司临沂供电公司 | 一种基于改进深度学习模型的电网安全态势预测方法 |
CN105184521A (zh) * | 2015-07-08 | 2015-12-23 | 国家电网公司 | 一种计及设备健康状态的电网运行方式的风险评估方法、装置及系统 |
CN106815770A (zh) * | 2015-11-27 | 2017-06-09 | 中国电力科学研究院 | 一种综合考虑系统充裕性和系统安全性的风险评估方法 |
CN109214708A (zh) * | 2018-10-08 | 2019-01-15 | 国网甘肃省电力公司电力科学研究院 | 基于交叉熵理论优化支持向量机的电力系统风险评估方法 |
-
2019
- 2019-10-31 CN CN201911063241.XA patent/CN110783964A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279807A (zh) * | 2013-05-06 | 2013-09-04 | 国家电网公司 | 一种恶劣天气下电网静态风险评估方法 |
CN104123685A (zh) * | 2014-08-07 | 2014-10-29 | 贵州电网公司电力调度控制中心 | 综合风险下的电网静态安全分析方法 |
CN104794534A (zh) * | 2015-04-16 | 2015-07-22 | 国网山东省电力公司临沂供电公司 | 一种基于改进深度学习模型的电网安全态势预测方法 |
CN105184521A (zh) * | 2015-07-08 | 2015-12-23 | 国家电网公司 | 一种计及设备健康状态的电网运行方式的风险评估方法、装置及系统 |
CN106815770A (zh) * | 2015-11-27 | 2017-06-09 | 中国电力科学研究院 | 一种综合考虑系统充裕性和系统安全性的风险评估方法 |
CN109214708A (zh) * | 2018-10-08 | 2019-01-15 | 国网甘肃省电力公司电力科学研究院 | 基于交叉熵理论优化支持向量机的电力系统风险评估方法 |
Non-Patent Citations (1)
Title |
---|
TIEQIANG WANG,ET AL: "Static Security Risk Assessment of Power Grid under Planned Maintenance", 《2019 IEEE 8TH INTERNATIONAL CONFERENCE ON ADVANCED POWER SYSTEM AUTOMATION AND PROTECTION (APAP)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524336A (zh) * | 2020-04-01 | 2020-08-11 | 广州盛康动力设备有限公司 | 一种发电机组预警方法及系统 |
CN111598225A (zh) * | 2020-05-15 | 2020-08-28 | 西安建筑科技大学 | 一种基于自适应深度置信网络的空调冷负荷预测方法 |
CN111598225B (zh) * | 2020-05-15 | 2023-05-02 | 西安建筑科技大学 | 一种基于自适应深度置信网络的空调冷负荷预测方法 |
CN113933704A (zh) * | 2021-09-26 | 2022-01-14 | 珠海格力电器股份有限公司 | 电动机状态的在线监控方法和系统 |
CN116703165A (zh) * | 2023-08-03 | 2023-09-05 | 国网山西省电力公司营销服务中心 | 一种电力计量数据安全风险评估方法及装置 |
CN116703165B (zh) * | 2023-08-03 | 2024-01-19 | 国网山西省电力公司营销服务中心 | 一种电力计量数据安全风险评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110783964A (zh) | 电网静态安全的风险评估方法和装置 | |
CN109217296B (zh) | 一种基于加权潮流熵和电压稳定的电网关键节点辨识方法 | |
CN113052464B (zh) | 电池储能系统可靠性评估方法及系统 | |
CN110705879A (zh) | 一种高比例可再生能源接入下的电网脆弱性评估方法 | |
CN107330573B (zh) | 一种光伏系统关键设备的状态评估方法及装置 | |
CN104992266A (zh) | 确定电网节点重要度的方法及系统 | |
CN112001644B (zh) | 一种配电网运行可靠性检测方法、装置、终端及存储介质 | |
CN112287556A (zh) | 电缆绝缘状态的确定方法及装置 | |
CN109657913B (zh) | 一种考虑分布式电源的输配电网联合风险评估方法 | |
CN107239896A (zh) | 一种继电保护安全性评估方法 | |
CN114006413A (zh) | 一种基于图神经网络的电力系统暂态稳定控制方法及系统 | |
CN115545479A (zh) | 一种配电网重要节点或重要线路的确定方法及装置 | |
CN114707807A (zh) | 磨煤机风险评估方法、装置、电子设备及存储介质 | |
CN112529432B (zh) | 一种电压暂降严重程度评估方法、装置及电子设备 | |
CN117521495A (zh) | 氧化锌避雷器运行状态的监测方法、装置、设备及介质 | |
CN114662809A (zh) | 一种综合能源园区内供电电源的电能质量评价方法和系统 | |
CN115660507B (zh) | 一种地区电力的负荷智能检测方法及系统 | |
CN116307838A (zh) | 一种电网可靠性评估中配电网精确等值方法及系统、介质 | |
CN113625118B (zh) | 基于优化脉冲神经膜系统的单相接地故障选线方法 | |
CN113705973A (zh) | 一种基于神经网络学习的电网安全风险在线评估方法 | |
CN115085368A (zh) | 变压器健康状态监测方法、装置、计算机设备和存储介质 | |
CN113872197A (zh) | 一种电能质量干扰源接纳能力的预测方法及装置 | |
CN114117937A (zh) | 一种电力系统连锁故障关键节点辨识方法及系统 | |
CN114118685A (zh) | 一种评估配电网抗灾能力的方法及系统 | |
CN110797906B (zh) | 风电基地最大装机容量的确定方法、装置及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |