CN111028101B - 群体智能电网覆冰灾害的预想故障集的生成方法及系统 - Google Patents

群体智能电网覆冰灾害的预想故障集的生成方法及系统 Download PDF

Info

Publication number
CN111028101B
CN111028101B CN201911260315.9A CN201911260315A CN111028101B CN 111028101 B CN111028101 B CN 111028101B CN 201911260315 A CN201911260315 A CN 201911260315A CN 111028101 B CN111028101 B CN 111028101B
Authority
CN
China
Prior art keywords
fault
power grid
stability margin
group
combination
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
CN201911260315.9A
Other languages
English (en)
Other versions
CN111028101A (zh
Inventor
郭俊
叶钰
简洲
徐勋建
杨莉
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
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan 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, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911260315.9A priority Critical patent/CN111028101B/zh
Publication of CN111028101A publication Critical patent/CN111028101A/zh
Application granted granted Critical
Publication of CN111028101B publication Critical patent/CN111028101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种群体智能电网覆冰灾害的预想故障集的生成方法及系统，该方法包括：根据电网覆冰数值预测结果，反演计算出受影响的重要线路集合；将所有的受影响的重要线路进行单独编码；所有受影响的重要线路的编码共同组成一个故障组合X；针对所有受影响的重要线路采用随机抽样的方式，重复T次，生成T个故障组合，形成故障组合群；计算故障组合群中的各故障组合的电网稳定裕度Pi；计算每个故障组合的当前最小稳定裕度Pi best，以及T个故障组合中的最小稳定裕度Gbest；计算生成下一批T个故障组合，低于电网稳定裕度阈值的故障组合纳入预想故障集，重复Y次，获得最终的启发式电网覆冰灾害预想故障集。本发明可快速得到覆冰灾害下电网群发预想故障集。

Description

群体智能电网覆冰灾害的预想故障集的生成方法及系统
技术领域
本发明涉及电网防护技术领域，尤其涉及一种群体智能电网覆冰灾害的预想故障集的生成方法及系统。
背景技术
近年来，随着全球气候变化，中国冰灾频发，冰灾易导致线路闪络停电，严重时甚至导致大面积倒塔断线，是影响电网安全运行的重要灾害之一。
当前，电网覆冰灾害故障风险分析主要集中于电网连锁故障特性及风险分析方面，对电网群发故障条件下的研究较少。电网群发故障由于随着故障维数的增加计算量呈指数增长，采用枚举法生成故障集时存在维数灾难题。
因此，本发明提出了一种群体智能电网覆冰灾害的预想故障集的生成方法及系统，可启发式搜索生成电网覆冰灾害预想故障集，有效减少故障集规模，克服维数问题，为高效开展电网覆冰灾害风险分析提供理论基础。
发明内容
本发明提供了一种群体智能电网覆冰灾害的预想故障集的生成方法及系统，用以解决现有技术研究电网冰灾害故障引起的电网群发故障时难以全面生成故障集的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种群体智能电网覆冰灾害的预想故障集的生成方法，包括以下步骤：
S1：根据电网覆冰数值预测结果，反演计算出受影响的重要线路集合；
S2：将所有的受影响的重要线路进行单独编码；所有受影响的重要线路的编码共同组成一个故障组合X，X＝[x1,x2,…,xn]；其中，xj为第j条线路的编码，n为反演得到的受影响的重要线路的条数；
S3：针对所有受影响的重要线路采用随机抽样的方式，重复T次S2，生成T个故障组合，形成故障组合群；
S4：计算故障组合群中的各故障组合的电网稳定裕度Pi，i＝1,2,…,T；
S5：计算每个故障组合的当前最小稳定裕度Pi best，以及T个故障组合中的最小稳定裕度Gbest；
S6：采用如下公式计算生成下一批T个故障组合：
vi＝vi+c1×rand()×(Pi best-xi)+c2×rand()×(Gbest-xi)
xi＝xi+vi
式中，vi为第i个故障组合的迁移速度；rand()为[0,1]的随机数；c1和c2是启发参数；
S7：设定电网稳定裕度阈值U，低于电网稳定裕度阈值的故障组合纳入预想故障集，高于电网稳定裕度阈值的故障组合忽略；
S8：设定重复计算批数Y，重复Y次步骤S4～S7，获得最终的启发式电网覆冰灾害预想故障集。
优选地，针对所有受影响的重要线路采用随机抽样的方式，包括以下步骤：
对受影响的重要线路赋值[0,1]之间的随机数进行抽样，并将随机数的取值范围为[0,0.5]的线路不包含在故障组合中，随机数的取值范围为(0.5,1]的线路包含在故障组合中。
优选地，各故障组合的电网稳定裕度Pi，i＝1,2,…,T；采用如下计算方式计算：
式中，T为预想故障集中故障组合的数量；为第i组故障的静态电网稳定裕度；为第i组故障的暂态电网稳定裕度；/>为第i组故障的动态电网稳定裕度。
优选地，c1和c2的取值为2。
本发明还提供一种计算机系统，包括存储器、处理器以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任一方法的步骤。
本发明还提供一种计算机存储介质，其上存储有计算机程序，程序被处理器执行时实现上述任一方法中的步骤。
本发明具有以下有益效果：
本发明的群体智能电网覆冰灾害的预想故障集的生成方法及系统，可启发式快速得到覆冰灾害下电网群发预想故障集，该故障集重点考虑对于影响重要的电网故障组合，有效减少重要覆冰灾害线路遗漏概率；原理清晰，操作方便，对大范围覆冰灾害下电网风险高效分析有重要指导作用，实用价值高。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例1的群体智能电网覆冰灾害的预想故障集的生成方法的流程示意图；
图2是本发明优选实施例2的覆冰数值预测结果的示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1：
参见图1，本实施例的群体智能电网覆冰灾害的预想故障集的生成方法，包括以下步骤：
S1：根据电网覆冰数值预测结果，反演计算出受影响的重要线路集合。
S2：将所有的受影响的重要线路进行单独编码；所有受影响的重要线路的编码共同组成一个故障组合X，X＝[x1,x2,…,xn]；其中，xj为第j条线路的编码，n为反演得到的受影响的重要线路的条数。
S3：针对所有受影响的重要线路采用随机抽样的方式，重复T次S2，生成T个故障组合，形成故障组合群；针对所有受影响的重要线路采用随机抽样的方式，优选采用以下步骤：
对受影响的重要线路赋值[0,1]之间的随机数进行抽样，并将随机数的取值范围为[0,0.5]的线路不包含在故障组合中，随机数的取值范围为(0.5,1]的线路包含在故障组合中。
S4：计算故障组合群中的各故障组合的电网稳定裕度Pi，i＝1,2,…,T；优选采用如下计算方式计算：
式中，T为预想故障集中故障组合的数量；为第i组故障的静态电网稳定裕度；为第i组故障的暂态电网稳定裕度；/>为第i组故障的动态电网稳定裕度。
S5：计算每个故障组合的当前最小稳定裕度Pi best，以及T个故障组合中的最小稳定裕度Gbest；
S6：采用如下公式计算生成下一批T个故障组合：
vi＝vi+c1×rand()×(Pi best-xi)+c2×rand()×(Gbest-xi)
xi＝xi+vi
式中，vi为第i个故障组合的迁移速度；rand()为[0,1]的随机数；c1和c2是启发参数，c1和c2的通常取值为2。
S7：设定电网稳定裕度阈值U，低于电网稳定裕度阈值的故障组合纳入预想故障集，高于电网稳定裕度阈值的故障组合认为其对电网影响较小，可以忽略。
S8：设定重复计算批数Y，重复Y次步骤S4～S7，获得最终的启发式电网覆冰灾害预想故障集。
通过上述步骤，可启发式快速得到覆冰灾害下电网群发预想故障集，该故障集重点考虑对于影响重要的电网故障组合，有效减少重要覆冰灾害线路遗漏概率；原理清晰，操作方便，对大范围覆冰灾害下电网风险高效分析有重要指导作用，实用价值高。
实施例2：
本实施例的群体智能电网覆冰灾害的预想故障集的生成方法，包括以下步骤：
S1：根据电网输变电设备防灾减灾国家重点实验室提出的覆冰密度预测模块，得到覆冰数值预测结果(参见图2)。反演计算出受影响的重要线路集合为：{±800kV线路2，500kV线路3，500kV线路7，220kV线路8，220kV线路9}；
进行实施例1的S2～S7；S7中的电网稳定裕度阈值U＝0.75；
S8：设定重复计算批数Y，重复Y次步骤S4～S7，获得最终的启发式电网覆冰灾害预想故障集为：{[±800kV线路2，500kV线路3],[±800kV线路2，500kV线路7],[±800kV线路2，500kV线路3，500kV线路7]}。可以发现220kV线路8和220kV线路9对电网影响作用较小，在生成预想故障集时可以忽略。
实施例3：
本实施例提供一种计算机系统，包括存储器、处理器以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任一实施例的步骤。
本实施例提供一种计算机存储介质，其上存储有计算机程序，程序被处理器执行时实现上述任一实施例中的步骤。
综上可知，本发明通过随机抽样结合电网稳定裕度计算和筛选，可启发式快速得到覆冰灾害下电网群发预想故障集，该故障集重点考虑对于影响重要的电网故障组合，有效减少故障集规模，克服维数问题，有效减少重要覆冰灾害线路遗漏概率；原理清晰，操作方便，对大范围覆冰灾害下电网风险高效分析有重要指导作用，实用价值高。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种群体智能电网覆冰灾害的预想故障集的生成方法，其特征在于，包括以下步骤：
S1：根据电网覆冰数值预测结果，反演计算出受影响的重要线路集合；
S2：将所有的受影响的重要线路进行单独编码；所有受影响的重要线路的编码共同组成一个故障组合X，X＝[x1,x2,…,xn]；其中，xj为第j条线路的编码，n为反演得到的受影响的重要线路的条数；
S3：针对所有受影响的重要线路采用随机抽样的方式，重复T次S2，生成T个故障组合，形成故障组合群；
S4：计算故障组合群中的各故障组合的电网稳定裕度Pi，i＝1,2,…,T；
S5：计算每个故障组合的当前最小稳定裕度Pi best，以及T个故障组合中的最小稳定裕度Gbest；
S6：采用如下公式计算生成下一批T个故障组合：
vi＝vi+c1×rand()×(Pi best-xi)+c2×rand()×(Gbest-xi)
xi＝xi+vi
式中，vi为第i个故障组合的迁移速度；rand()为[0,1]的随机数；c1和c2是启发参数；
S7：设定电网稳定裕度阈值U，低于电网稳定裕度阈值的故障组合纳入预想故障集，高于电网稳定裕度阈值的故障组合忽略；
S8：设定重复计算批数Y，重复Y次步骤S4～S7，获得最终的启发式电网覆冰灾害预想故障集。
2.根据权利要求1所述的群体智能电网覆冰灾害的预想故障集的生成方法，其特征在于，针对所有受影响的重要线路采用随机抽样的方式，包括以下步骤：
对受影响的重要线路赋值[0,1]之间的随机数进行抽样，并将随机数的取值范围为[0,0.5]的线路不包含在故障组合中，随机数的取值范围为(0.5,1]的线路包含在故障组合中。
3.根据权利要求1所述的群体智能电网覆冰灾害的预想故障集的生成方法，其特征在于，所述各故障组合的电网稳定裕度Pi，i＝1,2,…,T；采用如下计算方式计算：
式中，T为预想故障集中故障组合的数量；为第i组故障的静态电网稳定裕度；/>为第i组故障的暂态电网稳定裕度；/>为第i组故障的动态电网稳定裕度。
4.根据权利要求1所述的群体智能电网覆冰灾害的预想故障集的生成方法，其特征在于，所述c1和c2的取值为2。
5.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在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3任一所述方法的步骤。
6.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述权利要求1至3任一所述方法中的步骤。
CN201911260315.9A 2019-12-10 2019-12-10 群体智能电网覆冰灾害的预想故障集的生成方法及系统 Active CN111028101B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911260315.9A CN111028101B (zh) 2019-12-10 2019-12-10 群体智能电网覆冰灾害的预想故障集的生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911260315.9A CN111028101B (zh) 2019-12-10 2019-12-10 群体智能电网覆冰灾害的预想故障集的生成方法及系统

Publications (2)

Publication Number Publication Date
CN111028101A CN111028101A (zh) 2020-04-17
CN111028101B true CN111028101B (zh) 2023-11-21

Family

ID=70205501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911260315.9A Active CN111028101B (zh) 2019-12-10 2019-12-10 群体智能电网覆冰灾害的预想故障集的生成方法及系统

Country Status (1)

Country Link
CN (1) CN111028101B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418555A (zh) * 2020-12-07 2021-02-26 国网湖南省电力有限公司 密集输电通道高风险故障集快速生成方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002073475A1 (en) * 2001-03-08 2002-09-19 California Institute Of Technology Exception analysis for multimissions
CN109118105A (zh) * 2018-08-28 2019-01-01 国网湖南省电力有限公司 山火灾害下的电网群发故障的风险分析方法及系统
CN109378818A (zh) * 2018-10-25 2019-02-22 国网湖南省电力有限公司 电网山火灾害并发连锁故障的风险分析方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002073475A1 (en) * 2001-03-08 2002-09-19 California Institute Of Technology Exception analysis for multimissions
CN109118105A (zh) * 2018-08-28 2019-01-01 国网湖南省电力有限公司 山火灾害下的电网群发故障的风险分析方法及系统
CN109378818A (zh) * 2018-10-25 2019-02-22 国网湖南省电力有限公司 电网山火灾害并发连锁故障的风险分析方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
管霖,吴捷,曹绍杰.启发式电力系统暂态稳定裕度在线评估方法研究.电网技术.1998,(第01期),第 45-50页. *
闫瑜 ; 周勤勇 ; 贺海磊 ; .基于电网分区的多阶预选故障集筛选及排序方法研究.电力信息与通信技术.2017,(第06期),第 48-55页. *

Also Published As

Publication number Publication date
CN111028101A (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
EP3349126A1 (en) Method, device, storage medium, and apparatus for automatically discovering fuel station poi
CN111028101B (zh) 群体智能电网覆冰灾害的预想故障集的生成方法及系统
CN109255728B (zh) 混沌相空间优化重构的光伏发电功率神经网络预测法
Abdullah et al. A noniterative method to estimate load carrying capability of generating units in a renewable energy rich power grid
Mollison et al. Wave power availability in the NE Atlantic
Mahdavi et al. Transmission expansion planning considering network adequacy and investment cost limitation using genetic algorithm
Takahashi et al. Forecast of infrequent wind power ramps based on data sampling strategy
CN107959287B (zh) 一种两个电压等级电网生长演化模型的构建方法
CN111047467B (zh) 启发式的电网山火灾害的预想故障集的生成方法及系统
Egozcue et al. Wave-height hazard analysis in Eastern Coast of Spain-Bayesian approach using generalized Pareto distribution
CN115375204B (zh) 一种车载智能微电网性能评估方法
CN109146297B (zh) 电网降雾霾的优化调度方法及系统
Baker Potential flow calculation by the approximate factorisation method
CN104156614B (zh) 一种基于静态安全域的电力系统风险评估方法
Sweeney et al. Establishing reference climate scenarios
CN111371089B (zh) 一种电网动态等值的量化评估方法及系统
CN111835005B (zh) 确定新能源基地电网输送能力的方法、装置及相关设备
CN111030167B (zh) 一种大规模海上风电场接入方案生成方法及系统
Meziane et al. An effective non-traditional algorithm for solving the problem of optimal power flow with minimum environmental pollution using price penalty factors
Qian et al. Wind speed spatio-temporal forecasting of wind farms based on universal kriging and Bayesian dynamic model
CN109066683B (zh) 计及谐波影响的静态电压稳定性分析方法
CN107508279B (zh) 一种电力网络的稳定性仿真方法
CN111159882A (zh) 一种描述风电场风速频率分布特性的方法
Xue et al. Research on Emergency Decision Making Based on Bayesian Method
CN103546237A (zh) 一种网络编码的方法、装置及系统

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