CN110991805A - 一种配电网风险薄弱点辨识方法和系统 - Google Patents

一种配电网风险薄弱点辨识方法和系统 Download PDF

Info

Publication number
CN110991805A
CN110991805A CN201911068523.9A CN201911068523A CN110991805A CN 110991805 A CN110991805 A CN 110991805A CN 201911068523 A CN201911068523 A CN 201911068523A CN 110991805 A CN110991805 A CN 110991805A
Authority
CN
China
Prior art keywords
node
power distribution
distribution network
nodes
risk
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
CN201911068523.9A
Other languages
English (en)
Inventor
张瑜
盛万兴
宋晓辉
高菲
李建芳
李雅洁
赵珊珊
徐冬杰
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
China Electric Power Research Institute Co Ltd CEPRI
State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Hebei 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, China Electric Power Research Institute Co Ltd CEPRI, State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911068523.9A priority Critical patent/CN110991805A/zh
Publication of CN110991805A publication Critical patent/CN110991805A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种配电网风险薄弱点辨识方法和系统，包括：基于配电网运行状态计算配电网中各节点的效用耦合度；根据效用耦合度计算配电网中各节点的综合风险指标；根据各节点的综合风险指标辨识配电网中的薄弱点。本发明可以通过计算配电网中各节点的效用耦合度寻找到配电网的风险薄弱点，提高配电网的可靠性，降低大停电事故的概率。

Description

一种配电网风险薄弱点辨识方法和系统
技术领域
本发明涉及电力系统及其自动化领域，具体涉及一种配电网风险薄弱点辨识方法和系统。
背景技术
随着智能电网建设的不断推进，电力系统对控制、通信与信息技术的依赖程度不断提升，与此同时，分布式电源、柔性负载、储能、高级量测装置等大量异质单元接入智能配电网中，使配电网的功能和结构发生了极大的改变。配电网不再只是线路的末端，已经成为了各种可再生能源的输入端和用户信息的采集端，具备强大的功能和复杂的结构。潮流的不确定性问题与节点之间复杂的相互作用导致产生大量涌现性行为和非线性特性，较大程度地增加了配电网的脆弱性，给配电网的控制与运行带来了风险。一旦其关键环节断裂或受到极大干扰会导致线路元件的相继故障，引起大规模停电事故。目前，没有有效的关于配电网的风险薄弱点辨识的手段。
发明内容
为了解决现有技术中所存在的没有有效的关于配电网的风险薄弱点辨识的手段,难以寻找和确定配电网风险薄弱点的问题，本发明提供一种配电网风险薄弱点辨识方法和系统,可以有效并准确的寻找到配电网的薄弱点,以减少配电网的运行风险,并提供配电网的供电可靠性。
本发明提供的技术方案是：
一种配电网风险薄弱点辨识方法，其改进之处在于，包括：
基于配电网运行状态计算配电网中各节点的效用耦合度；
根据所述效用耦合度计算配电网中各节点的综合风险指标；
根据各节点的综合风险指标辨识配电网中的薄弱点。
本发明提供的第一优选技术方案，其改进之处在于，所述基于配电网运行状态计算配电网中各节点的效用耦合度，包括：
获取配电网运行状态对应的拓扑结构，得到配电网对应的异质依存网络和配电网中各节点间的阻参数；
根据各节点间的阻抗参数，计算各节点间的关联值；
根据各节点间的关联值和所述异质依存网络中节点间的相互依存关系，分别计算各节点的效用耦合度。
本发明提供的第二优选技术方案，其改进之处在于，所述计算配电网中各节点的效用耦合度之后，还包括：
判断配电网状态是否发生改变，如果发生改变，则重新计算配电中各节点的效用耦合度。
本发明提供的第三优选技术方案，其改进之处在于，所述关联值计算式如下：
Figure BDA0002260182830000021
式中Sij为节点i和节点j间的关联值，Zii为i节点的自阻抗，Zjj为j节点的自阻抗，Zij为i节点和j节点间的互阻抗。
本发明提供的第四优选技术方案，其改进之处在于，所述效用耦合度的计算式如下：
Ti＝ad×λi d+ab×λi b
式中Ti为节点i的效用耦合度，ad为节点的直连耦合度的权重，ab为节点的间连耦合度的权重，λi d为节点i的直连耦合度，λi b为节点i的间连耦合度。
本发明提供的第五优选技术方案，其改进之处在于，所述节点i的直连耦合度λi d的计算式如下：
Figure BDA0002260182830000022
所述节点i的间连耦合度λi b的计算式如下：
Figure BDA0002260182830000023
其中，k为与节点i直连的节点，
Figure BDA0002260182830000024
为所有与节点i直连的节点的集合，
Figure BDA0002260182830000025
为节点i与直连的流入节点k之间的关联值，
Figure BDA0002260182830000026
为节点i与直连的流出节点k之间的关联值，
Figure BDA0002260182830000027
为当前配电网中所有直连的流入节点之间的关联值之和，
Figure BDA0002260182830000028
为当前配电网中所有直连的流出节点之间的关联值之和，j为与节点i间连的节点，
Figure BDA0002260182830000031
为所有与节点i间连的节点的集合，
Figure BDA0002260182830000032
为节点i与间连的流入节点j之间的关联值，
Figure BDA0002260182830000033
为节点i与间连的流出节点j之间的关联值，
Figure BDA0002260182830000034
为当前配电网中所有间连的流入节点之间的关联值之和，
Figure BDA0002260182830000035
为当前配电网中所有间连的流出节点之间的关联值之和。
本发明提供的第六优选技术方案，其改进之处在于，所述基于计算的配电网运行状态计算配电网中各节点的综合风险指标，包括：
分别根据各节点的效用耦合度以及获取的各节点电压越限风险概率和失负荷风险概率计算越限风险值和失负荷风险值；
根据所述越限风险值和失负荷风险值分别计算各节点的综合风险指标。
本发明提供的第七优选技术方案，其改进之处在于，所述电压越限风险值的计算式如下：
Rui＝F′ui·P(ui)
式中，Rui表示节点i的电压越限风险值，P(ui)表示节点i发生电压越限的概率，F′ui为节点i的电压越限严重度进行归一化得到的归一化电压越限严重度；
所述节点i的电压越限严重度的计算式如下：
Fui＝Ti·S(ui)
式中Fui为节点i的电压越限严重度，Ti为节点i的效用耦合度，S(ui)为节点i电压偏移严重度。
本发明提供的第八优选技术方案，其改进之处在于，所述节点的失负荷风险值的计算式如下：
RBi＝F′Bi·P(Bi)
式中，RBi表示节点i的失负荷风险值，P(Bi)表示节点i失负荷的概率，F′Bi为节点i的失负荷风险指标进行归一化得到的归一化失负荷风险指标；
所述节点i的失负荷风险指标的计算式如下：
FBi＝Ti·U(Bi)
式中FBi为节点i的失负荷风险指标，Ti为节点i的效用耦合度，U(Bi)为节点i失负荷严重度。
本发明提供的第九优选技术方案，其改进之处在于，所述综合风险指标的计算式如下：
Ri＝b1Rui+b2RBi；
式中：b1为电压越限的权重，b2为节点失负荷的权重，Rui表示节点i的电压越限风险值，RBi表示节点i的失负荷风险值。
基于同一发明构思，本发明还提供了一种配电网风险薄弱点辨识系统，其改进之处在于，包括：效用耦合度模块、综合风险指标模块和辨识模块；
所述效用耦合度模块，用于基于配电网运行状态计算配电网中各节点的效用耦合度；
所述综合风险指标模块，用于根据所述效用耦合度计算配电网中各节点的综合风险指标；
所述辨识模块，用于根据各节点的综合风险指标辨识配电网中的薄弱点。
本发明提供的第十优选技术方案，其改进之处在于，所述效用耦合度模块包括：数据获取单元、关联值单元和耦合度单元；
所述数据获取单元，用于获取配电网运行状态对应的拓扑结构，得到配电网对应的异质依存网络和配电网中各节点间的阻参数；
所述关联值单元，用于根据各节点间的阻抗参数，计算各节点间的关联值；
所述耦合度单元，用于根据各节点间的关联值和所述异质依存网络中节点间的相互依存关系，分别计算各节点的效用耦合度。
与现有技术相比，本发明的有益效果为：
本发明提供了一种配电网风险薄弱点辨识方法和系统，包括：基于配电网运行状态计算配电网中各节点的效用耦合度；根据效用耦合度计算配电网中各节点的综合风险指标；根据各节点的综合风险指标辨识配电网中的薄弱点。本发明可以通过计算配电网中各节点的效用耦合度寻找到配电网的风险薄弱点，提高配电网的可靠性，降低大停电事故的概率。
附图说明
图1为本发明提供的一种配电网风险薄弱点辨识方法流程示意图；
图2为本发明的实施例中提供的一种节点间直连和间连关系示意图；
图3为本发明的实施例的配电网的风险薄弱点辨识方法的流程示意图；
图4为本发明提供的一种配电网风险薄弱点辨识系统基本结构示意图；
图5为本发明提供的一种配电网风险薄弱点辨识系统详细结构示意图。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1：
本发明解决上述问题的技术方案是：建立电网拓扑结构，定义电网中的直连节点和间连节点，分析不同节点的耦合度，利用配电网运行风险评估体系对网络中各节点的风险指标进行评估，辨识出配电网中的风险薄弱点。
本发明提供的一种配电网风险薄弱点辨识方法流程如图1所示，包括：
步骤1：基于配电网运行状态计算配电网中各节点的效用耦合度；
步骤2：根据效用耦合度计算配电网中各节点的综合风险指标；
步骤3：根据各节点的综合风险指标辨识配电网中的薄弱点。
上述基于节点耦合度的配电网风险薄弱点辨识方法，所述节点分为直连节点和间连节点两种类型。在一个存在多个节点集合的网络中，如果各节点存在直接相连路径则为直连节点，如果各节点间不存在直接相连路径，但当其中某一个节点的状态变化时，将引起另一个节点的状态变化，则定义这两节点属于间连节点。电力系统中存在电源节点、负荷节点和连接节点等不同类型的节点，这些节点或存在直连关系，或存在间连关系，一同构成了电力系统的节点。
上述基于节点耦合度的配电网风险薄弱点辨识方法，所述节点耦合度包括直连耦合度和间连耦合度。当网络中某节点状态发生变化时，通过节点间的路径关系影响网络其他节点运行状态。因此，可以利用节点耦合度更加全面地体现网络节点对网络运行稳定性等方面的影响。
上述基于节点耦合度的配电网风险薄弱点辨识方法，所述基于节点耦合度的风险指标包括电压越限风险、失负荷风险和节点综合风险指标。电力系统风险是指导致伤害的可能性和这种伤害的严重程度，风险薄弱点的识别能够使运行人员根据系统的运行状态检查出可能发生的事故对系统的灾害，从而采取适当的安全措施。一般将风险定义为事故的概率与事故严重度的乘积。其表达式为：
R＝P×S
式中：R表示风险值；P表示事故概率；S表示事故严重度。
上述电压越限风险是将节点耦合度应用于电压越限，提出的新的电压偏移度指标。根据冒险型指数效用函数，传统的节点i电压偏移严重度为
Figure BDA0002260182830000061
其中，Ui表示节点的实际电压标幺值。将节点耦合度与传统节点电压偏移度相结合，得到节点i的电压越限严重度指标为
Fui＝Ti·S(ui)
对节点i的电压越限严重度指标进行归一化处理，得到F′ui。此时节点i的电压越限风险值为
Rui＝F′ui·P(ui)
式中，P(ui)表示节点i发生电压越限的概率。
上述失负荷风险是将节点耦合度引入节点失负荷的风险指标。线路发生故障时，传统的节点i失负荷严重度为
Figure BDA0002260182830000062
其中，E(Pi)为节点i的有功期望。将节点耦合度与传统节点失负荷严重度相结合，得到节点i的失负荷风险指标为
FBi＝Ti·U(Bi)
对节点i的负荷风险指标进行归一化处理，得到F′Bi。此时节点i的失负荷风险值为
RBi＝F′Bi·P(Bi)
式中，P(Bi)表示节点i失负荷的概率。
上述节点综合风险指标是通过加权的形式综合节点电压越限和失负荷风险来表示的。其表达式为
Ri＝b1Rui+b2RBi
式中：b1，b2分别表示两种风险事件的权重系统，可根据不同风险进行调整。
上述基于节点耦合度的配电网风险薄弱点辨识方法，所述配电网风险薄弱点识别是基于配电网运行风险评估体系，对网络中各节点的风险指标进行评估而得到的。具体包括以下步骤：
步骤101：获取配电网拓扑结构，根据各节点间的潮流关系，定义配电网直连节点和间连节点，以及节点间潮流的流入和流出方向确定各节点直连的流入和流出节点和间连的流入和流出节点；
步骤102：利用节点间的阻抗参数，计算各节点间的关联值Sij
Figure BDA0002260182830000071
步骤103：计算网络中各节点的耦合度Ti；
步骤104：获取当前网络运行状态；若网络变化返回步骤101，否则进行步骤105；
步骤105：基于当前网络，获得各节点电压越限风险概率和失负荷风险概率；
步骤106：基于步骤103中节点耦合度和步骤105中节点风险事件概率，计算各节点综合风险指标，输出结果。
上述节点i的耦合度Ti由直连耦合度和间连耦合度组成，其中该节点直连耦合度和间连耦合度分别由该节点的流入和流出节点耦合度组成，为
Ti＝ad×λi d+ab×λi b
式中：ad，ab分别表示节点直连耦合度和间连耦合度的权重，可根据不同配电网系统进行调整。
Figure BDA0002260182830000072
Figure BDA0002260182830000073
式(1)表示节点i的直连耦合度，其中节点k表示与节点i直连的节点，
Figure BDA0002260182830000074
表示所有与节点i直连的节点集合，
Figure BDA0002260182830000081
表示节点i与直连的流入节点k之间的关联值，
Figure BDA0002260182830000082
表示节点i与直连的流出节点k之间的关联值，
Figure BDA0002260182830000083
表示当前配电网中所有直连的流入节点之间的关联值之和，
Figure BDA0002260182830000084
表示当前配电网中所有直连的流出节点之间的关联值之和；
式(2)表示节点i的间连耦合度，其中节点j表示与节点i间连的节点，
Figure BDA0002260182830000085
表示所有与节点i间连的节点集合，
Figure BDA0002260182830000086
表示节点i与间连的流入节点j之间的关联值，
Figure BDA0002260182830000087
表示节点i与间连的流出节点j之间的关联值，
Figure BDA0002260182830000088
表示当前配电网中所有间连的流入节点之间的关联值之和，
Figure BDA0002260182830000089
表示当前配电网中所有间连的流出节点之间的关联值之和。
上述基于节点耦合度的配电网风险薄弱点辨识方法通过分析节点的耦合度，对电网故障风险时各节点的综合风险指标进行排序，从而对各节点的风险值进行分析和评估，节点的综合风险指标值越大表明该节点越薄弱，当节点的综合风险指标值T大于δ时，则被当作电网中的风险薄弱点。δ的取值大小可以根据不同的需求和情况进行调整，本发明中δ的取值为0.95。该方法对于提高配电网的供电可靠性、降低大停电事故的概率有重要的作用。
本发明具有以下优点：
本发明可以找到配电网的风险薄弱点，可以提高配电网的供电可靠性、降低大停电事故的概率。
实施例2：
本发明提供了一种基于节点耦合度的配电网风险薄弱点辨识方法，如图3所示，具体包括以下步骤：
步骤201：获取配电网拓扑结构，根据各节点间的潮流关系，定义配电网直连节点和间连节点，以及节点间潮流的流入和流出方向确定各节点直连的流入和流出节点和间连的流入和流出节点；
步骤202：利用节点间的阻抗参数，计算各节点间的关联值Sij
Figure BDA00022601828300000810
步骤203：计算网络中各节点的度耦合Ti；
上述节点i的耦合度Ti由直连耦合度和间连耦合度组成，其中该节点直连耦合度和间连耦合度分别由该节点的流入和流出节点耦合度组成，为
Ti＝ad×λi d+ab×λi b
式中：ad，ab分别表示节点直连耦合度和间连耦合度的权重，可根据不同配电网系统进行调整。
Figure BDA0002260182830000091
Figure BDA0002260182830000092
式(1)表示节点i的直连耦合度，其中节点k表示与节点i直连的节点，
Figure BDA0002260182830000093
表示所有与节点i直连的节点集合，
Figure BDA0002260182830000094
表示节点i与直连的流入节点k之间的关联值，
Figure BDA0002260182830000095
表示节点i与直连的流出节点k之间的关联值，
Figure BDA0002260182830000096
表示当前配电网中所有直连的流入节点之间的关联值之和，
Figure BDA0002260182830000097
表示当前配电网中所有直连的流出节点之间的关联值之和；
式(2)表示节点i的间连耦合度，其中节点j表示与节点i间连的节点，
Figure BDA0002260182830000098
表示所有与节点i间连的节点集合，
Figure BDA0002260182830000099
表示节点i与间连的流入节点j之间的关联值，
Figure BDA00022601828300000910
表示节点i与间连的流出节点j之间的关联值，
Figure BDA00022601828300000911
表示当前配电网中所有间连的流入节点之间的关联值之和，
Figure BDA00022601828300000912
表示当前配电网中所有间连的流出节点之间的关联值之和。
步骤204：获取当前网络运行状态；若网络变化返回步骤201，否则进行步骤205；
步骤205：基于当前网络，获得各节点电压越限风险概率和失负荷风险概率；
其中，电压越限风险是将异质依存节点效用耦合度应用于电压越限，提出的新的电压偏移度指标。根据冒险型指数效用函数，传统的节点i电压偏移严重度为：
Figure BDA0002260182830000101
式中，Ui表示节点的实际电压标幺值。将节点耦合度与传统节点电压偏移度相结合，得到节点i的电压越限严重度指标为：
Fui＝Ti·S(ui)
对节点i的电压越限严重度指标进行归一化处理，得到F′ui。此时节点i的电压越限风险值为：
Rui＝F′ui·P(ui)
式中，P(ui)表示节点i发生电压越限的概率。
其中，失负荷风险是将节点耦合度引入节点失负荷的风险指标。线路发生故障时，传统的节点i失负荷严重度为
Figure BDA0002260182830000102
式中，E(Pi)为节点i的有功期望。将节点耦合度与传统节点失负荷严重度相结合，得到节点i的失负荷风险指标为
FBi＝Ti·U(Bi)
对节点i的负荷风险指标进行归一化处理，得到F′Bi。此时节点i的失负荷风险值为
RBi＝F′Bi·P(Bi)
式中，P(Bi)表示节点i失负荷的概率。
步骤206：基于步骤203中节点的耦合度和步骤205中节点的风险事件概率，计算各节点综合风险指标，节点风险指标越大表明该节点越容易受到风险事件的影响，其中风险指标最大的点被判定为风险最薄弱点，输出结果。
其中，节点综合风险指标是通过加权的形式综合节点电压越限和失负荷风险来表示的。其表达式为
Ri＝b1Rui+b2RBi
式中：b1，b2分别表示两种风险事件的权重系统，可根据不同风险进行调整。
图2所示为一种节点间直连和间连关系图，图中实线箭头表示节点间为直连关系，虚线箭头表示节点间为间连关系。
本发明在输出结果时，还会将各节点综合风险指标进行排序，方便查看节点风险顺序，进一步防止因风险点产生的影响。
实施例3：
下面给出一种基于节点耦合度的配电网风险薄弱点辨识方法的新的实施例。基于节点耦合度的配电网风险薄弱点辨识方法应用复杂网络理论，定义电网中的异质依存点，分析异质依存节点的效用耦合度，利用配电网运行风险评估体系对网络中各节点基于节点效用耦合度的风险指标进行评估，辨识出配电网中的风险薄弱点。
异质依存节点概念的产生与异质依存网络的存在有关。异质依存网络可以当作是由异质网络演变而来的一种形式。在复杂网络理论中，异质网络指拥有不同属性元素的复杂网络，异质网络根据网络中元素类型细化了各节点、边之间的关联关系，形成包含多类节点或边的复杂网络。在数据结构的变现形式上，异质网络可描述为一种特殊的有向图，内部节点或边的所属类型均有明确的区分。
对于一个异质网络G，当其网络中的节点元素集合与支路元素集合的交集为空集，且若存在集合Ta，其状态f(Ta)失稳(或失效)后会引起Tb状态f(Tb)随之趋向于不稳定状态或失效，则定义该异质网络为异质依存网络，如式
Figure BDA0002260182830000111
其中，ξmin,ξmax为节点稳定运行时的阈值。
所述异质依存节点分为直接依存和间接依存两种类型。在一个存在多种类型节点元素集合的异质依存网络中，如果各类型元素存在直接相连路径则为直接依存关系。如果各类型元素集合的两两交集为空集，且各集合两两之间的依存路径集合为非空集合，当其中一个元素集合的某一元素状态发生变化时，存在另一个集合的某些元素状态也发生相应的变化，如式
Figure BDA0002260182830000121
则定义Ta集合中的元素存在间接依存关系，这些元素节点为异质间接依存节点。电力系统中存在电源节点、负荷节点和连接节点等不同类型的节点，这些节点或存在直接依存关系，或存在间接依存关系，一同构成了电力系统的异质依存节点。
所述节点效用耦合度包括直接依存耦合度和间接依存耦合度。当异质依存网络中节点状态发生变化时，会直接完全作用于完全依存节点,并通过依存路径影响网络其他节点运行状态。因此，通过分析异质依存节点的效用耦合度，可以更全面地体现网络节点失效后对网络运行稳定性、完整性以及剩余节点生存强度等方面的影响。
图2所示为节点间相互的依存关系，图中实线箭头表示节点间为直接依存关系，虚线箭头表示节点间为间接依存关系。因此，节点vi的效用耦合度可以由其直接依存耦合度和间接依存耦合度两方面组成。对于与节点i直接依存的节点k，与节点h也存在直接依存关系，考虑节点间效用耦合性与依存关联,得到节点间的权重ωki为
Figure BDA0002260182830000122
其中，Ski和Skh分别为节点k与节点i、h之间的效用值，
Figure BDA0002260182830000123
为节点k依存的节点集合，
Figure BDA0002260182830000124
为依存于节点i的集合。
同理，节点i与间接依存的节点j之间的权重ωij为
Figure BDA0002260182830000125
其中，
Figure BDA0002260182830000126
为节点i间接依存的节点集合。
对节点间的效用度进行归一化处理，可得
Figure BDA0002260182830000131
熵值是一种能够用来体现系统混乱程度的指标，其大小与系统的混乱程度有关。将熵值定理应用于节点间的效用度，得到vi节点的直接依存耦合度
Figure BDA0002260182830000132
和间接依存耦合度
Figure BDA0002260182830000133
为
Figure BDA0002260182830000134
因此，节点i的效用耦合度Ti＝(1-∑PkilnPki)∑ωki+(1-∑Pij ln Pij)∑ωij。
所述基于节点效用耦合度的风险指标包括电压越限风险、失负荷风险和节点综合风险指标。电力系统风险是指导致伤害的可能性和这种伤害的严重程度，风险薄弱点的识别能够使运行人员根据系统的运行状态检查出可能发生的事故对系统的灾害，从而采取适当的安全措施。一般将风险定义为事故的概率与事故严重度的乘积。其表达式为：
R＝P×S
式中：R表示风险值；P表示事故概率；S表示事故严重度。
上述基于节点效用耦合度的配电网风险薄弱点辨识方法通过分析异质依存节点的效用耦合度，对电网故障风险时各节点的效用耦合度进行排序，对各节点的额风险值进行分析和评估，从而得到电网中的风险薄弱点。该方法对于提高配电网的供电可靠性、降低大停电事故的概率有重要的作用。
实施例4：
基于同一发明构思，本发明还提供了一种配电网风险薄弱点辨识系统，由于这些设备解决技术问题的原理与配电网风险薄弱点辨识方法相似，重复之处不再赘述。
配电网风险薄弱点辨识系统基本结构示意图如图4所示，包括：效用耦合度模块、综合风险指标模块和辨识模块；
其中，效用耦合度模块，用于基于配电网运行状态计算配电网中各节点的效用耦合度；
综合风险指标模块，用于根据效用耦合度计算配电网中各节点的综合风险指标；
辨识模块，用于根据各节点的综合风险指标辨识配电网中的薄弱点。
配电网风险薄弱点辨识系统详细结构示意图如图5所示。
其中，效用耦合度模块包括：数据获取单元、关联值单元和耦合度单元；
数据获取单元，用于获取配电网运行状态对应的拓扑结构，得到配电网对应的异质依存网络和配电网中各节点间的阻参数；
关联值单元，用于根据各节点间的阻抗参数，计算各节点间的关联值；
耦合度单元，用于根据各节点间的关联值和异质依存网络中节点间的相互依存关系，分别计算各节点的效用耦合度。
其中，配电网风险薄弱点辨识系统还包括状态判断模块；
状态判断模块，用于判断配电网状态是否发生改变，如果发生改变，则重新计算配电中各节点的效用耦合度。
其中，综合风险指标模块包括：两指标计算单元和综合风险指标单元；
两指标计算单元，用于分别根据各节点的效用耦合度以及获取的各节点电压越限风险概率和失负荷风险概率计算越限风险值和失负荷风险值；
综合风险指标单元，用于根据越限风险值和失负荷风险值分别计算各节点的综合风险指标。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (12)

1.一种配电网风险薄弱点辨识方法，其特征在于，包括：
基于配电网运行状态计算配电网中各节点的效用耦合度；
根据所述效用耦合度计算配电网中各节点的综合风险指标；
根据各节点的综合风险指标辨识配电网中的薄弱点。
2.如权利要求1所述的方法，其特征在于，所述基于配电网运行状态计算配电网中各节点的效用耦合度，包括：
获取配电网运行状态对应的拓扑结构，得到配电网对应的异质依存网络和配电网中各节点间的阻参数；
根据各节点间的阻抗参数，计算各节点间的关联值；
根据各节点间的关联值和所述异质依存网络中节点间的相互依存关系，分别计算各节点的效用耦合度。
3.如权利要求1所述的方法，其特征在于，所述计算配电网中各节点的效用耦合度之后，还包括：
判断配电网状态是否发生改变，如果发生改变，则重新计算配电中各节点的效用耦合度。
4.如权利要求2所述的方法，其特征在于，所述关联值计算式如下：
Figure FDA0002260182820000011
式中Sij为节点i和节点j间的关联值，Zii为i节点的自阻抗，Zjj为j节点的自阻抗，Zij为i节点和j节点间的互阻抗。
5.如权利要求2所述的方法，其特征在于，所述效用耦合度的计算式如下：
Figure FDA0002260182820000012
式中Ti为节点i的效用耦合度，ad为节点的直连耦合度的权重，ab为节点的间连耦合度的权重，λi d为节点i的直连耦合度，λi b为节点i的间连耦合度。
6.如权利要求5所述的方法，其特征在于，所述节点i的直连耦合度
Figure FDA0002260182820000013
的计算式如下：
Figure FDA0002260182820000021
所述节点i的间连耦合度λi b的计算式如下：
Figure FDA0002260182820000022
其中，k为与节点i直连的节点，
Figure FDA0002260182820000023
为所有与节点i直连的节点的集合，
Figure FDA0002260182820000024
为节点i与直连的流入节点k之间的关联值，
Figure FDA0002260182820000025
为节点i与直连的流出节点k之间的关联值，
Figure FDA0002260182820000026
为当前配电网中所有直连的流入节点之间的关联值之和，
Figure FDA0002260182820000027
为当前配电网中所有直连的流出节点之间的关联值之和，j为与节点i间连的节点，
Figure FDA0002260182820000028
为所有与节点i间连的节点的集合，
Figure FDA0002260182820000029
为节点i与间连的流入节点j之间的关联值，
Figure FDA00022601828200000210
为节点i与间连的流出节点j之间的关联值，
Figure FDA00022601828200000211
为当前配电网中所有间连的流入节点之间的关联值之和，
Figure FDA00022601828200000212
为当前配电网中所有间连的流出节点之间的关联值之和。
7.如权利要求2所述的方法，其特征在于，所述基于计算的配电网运行状态计算配电网中各节点的综合风险指标，包括：
分别根据各节点的效用耦合度以及获取的各节点电压越限风险概率和失负荷风险概率计算越限风险值和失负荷风险值；
根据所述越限风险值和失负荷风险值分别计算各节点的综合风险指标。
8.如权利要求7所述的方法，其特征在于，所述电压越限风险值的计算式如下：
Rui＝F′ui·P(ui)
式中，Rui表示节点i的电压越限风险值，P(ui)表示节点i发生电压越限的概率，F′ui为节点i的电压越限严重度进行归一化得到的归一化电压越限严重度；
所述节点i的电压越限严重度的计算式如下：
Fui＝Ti·S(ui)
式中Fui为节点i的电压越限严重度，Ti为节点i的效用耦合度，S(ui)为节点i电压偏移严重度。
9.如权利要求7所述的方法，其特征在于，所述节点的失负荷风险值的计算式如下：
RBi＝F′Bi·P(Bi)
式中，RBi表示节点i的失负荷风险值，P(Bi)表示节点i失负荷的概率，F′Bi为节点i的失负荷风险指标进行归一化得到的归一化失负荷风险指标；
所述节点i的失负荷风险指标的计算式如下：
FBi＝Ti·U(Bi)
式中FBi为节点i的失负荷风险指标，Ti为节点i的效用耦合度，U(Bi)为节点i失负荷严重度。
10.如权利要求7所述的方法，其特征在于，所述综合风险指标的计算式如下：
Ri＝b1Rui+b2RBi；
式中：b1为电压越限的权重，b2为节点失负荷的权重，Rui表示节点i的电压越限风险值，RBi表示节点i的失负荷风险值。
11.一种配电网风险薄弱点辨识系统，其特征在于，包括：效用耦合度模块、综合风险指标模块和辨识模块；
所述效用耦合度模块，用于基于配电网运行状态计算配电网中各节点的效用耦合度；
所述综合风险指标模块，用于根据所述效用耦合度计算配电网中各节点的综合风险指标；
所述辨识模块，用于根据各节点的综合风险指标辨识配电网中的薄弱点。
12.如权利要求11所述的系统，其特征在于，所述效用耦合度模块包括：数据获取单元、关联值单元和耦合度单元；
所述数据获取单元，用于获取配电网运行状态对应的拓扑结构，得到配电网对应的异质依存网络和配电网中各节点间的阻参数；
所述关联值单元，用于根据各节点间的阻抗参数，计算各节点间的关联值；
所述耦合度单元，用于根据各节点间的关联值和所述异质依存网络中节点间的相互依存关系，分别计算各节点的效用耦合度。
CN201911068523.9A 2019-11-05 2019-11-05 一种配电网风险薄弱点辨识方法和系统 Pending CN110991805A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911068523.9A CN110991805A (zh) 2019-11-05 2019-11-05 一种配电网风险薄弱点辨识方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911068523.9A CN110991805A (zh) 2019-11-05 2019-11-05 一种配电网风险薄弱点辨识方法和系统

Publications (1)

Publication Number Publication Date
CN110991805A true CN110991805A (zh) 2020-04-10

Family

ID=70083106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911068523.9A Pending CN110991805A (zh) 2019-11-05 2019-11-05 一种配电网风险薄弱点辨识方法和系统

Country Status (1)

Country Link
CN (1) CN110991805A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117311806A (zh) * 2023-11-30 2023-12-29 南昌航空大学 基于加权有向耦合网络的软件结构风险识别方法与装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117311806A (zh) * 2023-11-30 2023-12-29 南昌航空大学 基于加权有向耦合网络的软件结构风险识别方法与装置
CN117311806B (zh) * 2023-11-30 2024-03-29 南昌航空大学 基于加权有向耦合网络的软件结构风险识别方法与装置

Similar Documents

Publication Publication Date Title
CN102713862B (zh) 故障原因提取装置、故障原因提取方法和程序记录介质
Anwar et al. Anomaly detection in electric network database of smart grid: Graph matching approach
CN112446511A (zh) 一种故障处置方法、装置、介质及设备
CN104615936B (zh) 云平台vmm层行为监控方法
Nuzzo et al. Stochastic assume-guarantee contracts for cyber-physical system design
CN106873957A (zh) 一种业务流程的处理方法和设备
US9043746B2 (en) Conducting verification in event processing applications using formal methods
CN113900844A (zh) 一种基于服务码级别的故障根因定位方法、系统及存储介质
Fang et al. Solving maximum weight clique using maximum satisfiability reasoning
CN102663191B (zh) 基于sat的命题投影时序逻辑限界模型检测方法
Abhishek et al. Test effort estimation using neural network
Ding et al. A software trustworthiness evaluation model using objective weight based evidential reasoning approach
CN110991805A (zh) 一种配电网风险薄弱点辨识方法和系统
CN109559206A (zh) 一种区域企业诚信评价方法、装置及终端设备
CN117909864A (zh) 一种电力故障预测系统及方法
CN111106953B (zh) 一种异常根因分析的方法及装置
CN111193631B (zh) 信息处理方法、系统和计算机可读存储介质
ElGhondakly et al. Mutual information-based modeling for services dependency
CN116668105A (zh) 一种结合工控安全知识图谱的攻击路径推理系统
CN110597726A (zh) 航电系统的安全性管理方法、装置、设备和存储介质
Pisica et al. Feature selection filter for classification of power system operating states
US20150193687A1 (en) Apparatus and method for evaluating goals of cyber-physical system
CN111935279B (zh) 基于区块链和大数据的物联网络维护方法及计算节点
CN114743703A (zh) 核电站机组的可靠性分析方法、装置、设备和存储介质
CN112579402A (zh) 一种应用系统故障定位的方法和装置

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