CN111062604B - 基于气象灾害的电网业务风险评估方法、装置及设备 - Google Patents
基于气象灾害的电网业务风险评估方法、装置及设备 Download PDFInfo
- Publication number
- CN111062604B CN111062604B CN201911271805.9A CN201911271805A CN111062604B CN 111062604 B CN111062604 B CN 111062604B CN 201911271805 A CN201911271805 A CN 201911271805A CN 111062604 B CN111062604 B CN 111062604B
- Authority
- CN
- China
- Prior art keywords
- service
- class
- subnet
- risk value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012502 risk assessment Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 43
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 102100020786 Adenylosuccinate synthetase isozyme 2 Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种基于气象灾害的电网业务风险评估方法、装置及设备。包括：获取电网系统的运行统计数据；根据所述运行统计数据获取各子网中设定故障类别的发生概率以及所述设定故障类别引起的业务中断时长；构造所述设定故障类别与业务中断时长之间的中断时长矩阵，并根据所述中断时长矩阵和业务重要度向量计算业务损失向量；根据各子网中设定故障类别的发生概率和所述业务损失向量计算第一风险值；根据网络规模系数对所述第一风险值进行调整，获得第二风险值；对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果。可以提高对电网业务风险评估的准确性，使得评估结果具有更强的客观性和实用性。
Description
技术领域
本发明实施例涉及电网信息技术领域，尤其涉及一种基于气象灾害的电网业务风险评估方法、装置及设备。
背景技术
电网肩负着保障电网系统安全、稳定运行的重任，电网的安全稳定运行高度依赖于电网的运行状态和业务提供能力，尤其在气象灾害场景的电网业务风险是直接影响着电网业务质量的重要指标。在开展电网安全防御研究的同时必须考虑电系统的风险问题，降低业务风险不仅对公共网还是电专网，都已经成为规划设计和运行管理的重要优化目标，因此在气象灾害场景的电网业务风险评估正逐步成为电网运行管理的必要环节，然而，现有的评估方法没有充分利用运行统计数据的相关信息，评估结果的客观性和实用性难以得到保证。
发明内容
本发明提供一种基于气象灾害的电网业务风险评估方法、装置及设备，可以提高对电网业务风险评估的准确性。
第一方面，本发明实施例提供了一种基于气象灾害的电网业务风险评估方法，包括：
获取电网系统的运行统计数据；其中，所述电网系统包括多个子网；
根据所述运行统计数据获取各子网中设定故障类别的发生概率以及所述设定故障类别引起的业务中断时长；
构造所述设定故障类别与业务中断时长之间的中断时长矩阵，并根据所述中断时长矩阵和业务重要度向量计算业务损失向量；
根据各子网中设定故障类别的发生概率和所述业务损失向量计算第一风险值；
根据网络规模系数对所述第一风险值进行调整，获得第二风险值；
对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果。
进一步地，根据所述运行统计数据获取各子网中所述设定故障类别引起的业务中断时长按照如下公式计算：
其中，表示在子网i中第j类设定故障类别引起l类业务中断的总时长，/>表示第j类设定故障类别引起l类业务中断的次数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的业务条数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的时长；j表示设定故障类别，l表示业务种类。
进一步地，根据所述中断时长矩阵和业务重要度向量计算业务损失向量，包括：
将所述中断时长矩阵与所述业务重要度向量进行点乘计算，获得业务损失向量。
进一步地，在根据网络规模系数对所述第一风险值进行调整之前，还包括：
根据所述运行统计数据建立每个子网的网络规模决策矩阵；
对所述网络规模决策矩阵进行标准化处理，对标准化的网络规模决策矩阵采用设定属性决策算法进行处理，获得网络规模系数。
进一步地，所述设定属性决策算法包括如下至少一项：等权重平均算法、熵权系数算法和层次分析算法。
进一步地，根据网络规模系数对所述第一风险值进行调整，获得第二风险值按照如下公式计算：
R2(i)＝R1(i)(1-α(i))，其中，R2(i)表示子网i的第二风险值，R1(i)表示子网i的第一风险值，α(i)表示子网i的网络规模系数。。
第二方面，本发明实施例还提供了一种基于气象灾害的电网业务风险评估装置，包括：
运行统计数据获取模块，用于获取电网系统的运行统计数据；其中，所述电网系统包括多个子网；
业务中断时长获取模块，用于根据所述运行统计数据获取各子网中设定故障类别的发生概率以及所述设定故障类别引起的业务中断时长；
业务损失向量计算模块，用于构造所述设定故障类别与业务中断时长之间的中断时长矩阵，并根据所述中断时长矩阵和业务重要度向量计算业务损失向量；
第一风险值计算模块，用于根据各子网中设定故障类别的发生概率和所述业务损失向量计算第一风险值；
第二风险值获取模块，用于根据网络规模系数对所述第一风险值进行调整，获得第二风险值；
风险评估结果获取模块，用于对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果。
进一步地，根据所述运行统计数据获取各子网中所述设定故障类别引起的业务中断时长按照如下公式计算：
其中，表示在子网i中第j类设定故障类别引起l类业务中断的总时长，/>表示第j类设定故障类别引起l类业务中断的次数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的业务条数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的时长；j表示设定故障类别，l表示业务种类。
第三方面，本发明实施例还提供了一种计算机设备，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，所述处理器执行所述程序时实现如本发明实施例所述的电网业务风险评估方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所述的电网业务风险评估方法。
本发明实施例，首先获取电网系统的运行统计数据；然后根据运行统计数据获取各子网中设定故障类别的发生概率以及设定故障类别引起的业务中断时长；再然后构造设定故障类别与业务中断时长之间的中断时长矩阵，并根据中断时长矩阵和业务重要度向量计算业务损失向量；在然后根据各子网中设定故障类别的发生概率和业务损失向量计算第一风险值；再然后根据网络规模系数对第一风险值进行调整，获得第二风险值；最后对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果。本实施例提供的电网业务风险评估方法，根据电网系统的运行统计数据获取各子网的第一风险值和第二风险值，并对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果，可以提高对电网业务风险评估的准确性，使得评估结果具有更强的客观性和实用性。
附图说明
图1是本发明实施例一中的一种基于气象灾害的电网业务风险评估方法的流程图；
图2是本发明实施例一中的故障事件对业务影响程度的直方图；
图3是本发明实施例二中的一种基于气象灾害的电网业务风险评估装置的结构示意图；
图4是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基于气象灾害的电网业务风险评估方法的流程图，本实施例可适用于对电网系统中的业务风险进行评估的情况，该方法可以由电网业务风险评估装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有电网业务风险评估功能的设备中，该设备可以是服务器或服务器集群等电子设备。如图1所示，该方法具体包括如下步骤：
步骤110，获取电网系统的运行统计数据。
其中，电网系统包括多个子网。运行统计数据可以包括各子网中每种设定故障类别在单位时间(如1年)内的发生的次数、每种设定故障类别的平均发生次数、设定故障类别引起某类业务中断的次数、设定故障类别引起某类业务中断的业务条数及设定故障类别引起某类业务中断的时长等，可以是在子网所在地区发生气象灾害之后获得的数据。
步骤120，根据运行统计数据获取各子网中设定故障类别的发生概率以及设定故障类别引起的业务中断时长。
本实施例中，设定故障类别包括11种，涵盖各种电缆和各类设备。其中一种设定故障类别在一年内发生的故障次数服从泊松分布，那么故障次数满足如下公式：其中，k表示设定故障类别在一年内发生的故障次数，P(k)表示一年内发生故障次数为k的概率，λ可以根据子网某种设定故障类别的年均故障次数统计获得。那么设定故障类别的发生概率的计算公式为/>其中，λj(i)表示子网i中第j类设定故障类别发送的概率。
本实施例中，主要考虑了7类业务。具体的，根据运行统计数据获取各子网中设定故障类别引起的业务中断时长按照如下公式计算：
其中，表示在子网i中第j类设定故障类别引起l类业务中断的总时长，/>表示第j类设定故障类别引起l类业务中断的次数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的业务条数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的时长；j表示设定故障类别，l表示业务种类。j＝1,2……11，l＝1,2，……7。
步骤130，构造设定故障类别与业务中断时长之间的中断时长矩阵，并根据中断时长矩阵和业务重要度向量计算业务损失向量。
其中，计算每种设定故障类别引起的每类业务的中断时长，通过这些中断时长构造中断时长矩阵D(Ai)。其中D(Ai)表示子网i的设定故障类别与业务中断时长之间的中断时长矩阵。本实施例中，设定故障类别包含11种，业务类别包含7种，则中断时长矩阵的大小为11*7。
其中，业务重要度向量可以由业务重要度表获得。表1为本实施中的业务重要度表。
表1
| 序号 | 业务类型 | 符号 | 业务重要度 |
| 1 | 线路继电保护 | S1 | 0.95 |
| 2 | 安全自动装置 | S2 | 0.90 |
| 3 | 调度电话 | S3 | 0.84 |
| 4 | 自动化 | S4 | 0.74 |
| 5 | 行政电话 | S5 | 0.24 |
| 6 | 电视电话会议 | S6 | 0.34 |
| 7 | 综合数据网 | S7 | 0.20 |
由表1可得，业务重要度向量为Im＝[0.95,0.90,0.84,0.74,0.24,0.34,0.20]T。
根据中断时长矩阵和业务重要度向量计算业务损失向量的方式可以是：将中断时长矩阵与业务重要度向量进行点乘计算，获得业务损失向量。即C(Ai)＝D(Ai)·Im，其中，C(Ai)为业务损失向量，该向量中包含11个元素，每个元素表示该类设定故障类别的业务损失。业务损失向量可以表示为C(Ai)＝[C1(i),C2(i),…,Cj(i),…,C11(i)]，其中，Cj(i)表示子网络i中第j类设定故障类别的业务损失。
步骤140，根据各子网中设定故障类别的发生概率和业务损失向量计算第一风险值。
具体的，第一风险值的计算公式为：若电网系统包含n个子网，那么电网系统的第一风险值向量为RN＝[R(1),R(2),…，R(i),…，R(n)]，其中R(i)表示子网i的第一风险值。
步骤150，根据网络规模系数对第一风险值进行调整，获得第二风险值。
本应用场景下，子网风险不仅与故障概率和业务损失有关，还与网络规模有关，网络规模越大，风险值越大。因而需要根据网络规模系数对第一风险值进行调整。
其中，网络规模系数可以反映电网的规模，值越大，表示网络规模越大。具体的，确定网络规模系数的方式可以是：根据运行统计数据建立每个子网的网络规模决策矩阵；对网络规模决策矩阵进行标准化处理，对标准化的网络规模决策矩阵采用设定属性决策算法进行处理，获得网络规模系数。
假设网络规模决策矩阵可以表示为G＝{gij}，其中gij表示子网i中第j个规模属性的数值，其中，规模属性可以是电缆或设备。j＝1,2……，11。对网络规模决策矩阵进行标准化处理的公式是其中，设定属性决策算法包括如下至少一项：等权重平均算法、熵权系数算法和层次分析算法。
具体的，根据网络规模系数对第一风险值进行调整，获得第二风险值按照如下公式计算：R2(i)＝R1(i)(1-α(i))，其中，R2(i)表示子网i的第二风险值，R1(i)表示子网i的第一风险值，α(i)表示子网i的网络规模系数。
步骤160，对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果。
具体的，获得各子网的第一风险值和第二风险值后，对多个第一风险值进行排序，对多个第二风险值进行排序，获得风险评估结果。使得技术人员根据风险评估结果确定风险管控措施。
本实施例的技术方案，首先获取电网系统的运行统计数据；然后根据运行统计数据获取各子网中设定故障类别的发生概率以及设定故障类别引起的业务中断时长；再然后构造设定故障类别与业务中断时长之间的中断时长矩阵，并根据中断时长矩阵和业务重要度向量计算业务损失向量；在然后根据各子网中设定故障类别的发生概率和业务损失向量计算第一风险值；再然后根据网络规模系数对第一风险值进行调整，获得第二风险值；最后对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果。本实施例提供的电网业务风险评估方法，根据电网系统的运行统计数据获取各子网的第一风险值和第二风险值，并对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果，可以提高对电网业务风险评估的准确性，使得评估结果具有更强的客观性和实用性。
示例性的，以下通过一个具体的实施例接收本实施例的电网业务风险评估方法：
本应用场景下，以电网系统包括7个子网为例。对每个子网中电缆和设备等11类网络元件进行统计，获得运行统计数据包括：电缆长度、设备数量和故障次数等内容。7个子网一年内发生影响业务中断的故障次数如表2所示，表2中每一列代表11种故障事件，表中的数据表示一年内导致业务中断的故障次数。
从表2可以看出，不同子网导致业务中断的故障次数各不相同。
表2
故障类型相同，但导致的不同子网的业务损失也不尽相同。以子网A1为例，表3给出了子网A1中各故障事件与业务中断时长之间的对应关系。各类业务的中断时长时一次故障对应的平均业务损失，以小时为单位，表3中S1～S7分别表示7种不同类型的业务。
表3
由表3可以看出，不同的故障事件对应不同的业务损失。图2是本实施例中故障事件对业务影响程度的直方图。如图2所示，不论是OPGW，还是ADSS，甚至普通电缆，电缆故障对业务的影响程度普遍较高，其次是光传输设备和调度程控交换机。值得注意的是，电源故障对业务的影响也不容忽视。
表4为本实施例中的一种子网在某统计年份中的风险值。
表4
由表4可以看出，子网和A4和A2具有较高的运行风险，A3和A6具有中等风险，A5、A1和A7的风险较低，其中A7的风险最低，仅为0.0172。A4和A2应该采取有效的风险管控措施，进一步降低运行风险。
根据网络规模统计数据，分别采用等权重平均、熵权系数和层次分析3种方法进行属性权重分配，得到3组网络规模系数。具体过程为：
权重平均：根据不同属性，赋值不同权重，最后得到权重平均；
熵权系数：熵权系数法是一种客观赋权方法。在具体使用过程中，熵权系数法根据各指标的变异程度，利用信息熵计算出各指标的熵权，再通过熵权对各指标的权重进行修正，从而得出较为客观的指标权重。如果指标的系数越小，该指标提供的信息量越大，在综合评价中所起作用理当越大，权重就应该越高；
层次分析：层次分析法是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法。层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。
如表5所示，尽管属性权重分配方法不同，但得到网络规模系数并没有多大差异。
表5
表6给出了4种风险的比较结果。其中，RN为没有考虑网络规模条件下得到的风险值；R’N_EWI为考虑网络规模的风险值，网络规模系数采用等权重平均法得到；R’N_AHP为考虑网络规模的风险。
表6
从表6可以看出，经过网络规模系数调整后，各地区子网的风险排序发生了一些变化。A3、A4和A6属于较高风险等级；A1和A7网络规模较小，仍属于较低风险等级；而A2和A5的风险等级中等。
实施例二
图3为本发明实施例二提供的一种基于气象灾害的电网业务风险评估装置的结构示意图。如图3所示，该装置包括：运行统计数据获取模块210，业务中断时长获取模块220，业务损失向量计算模块230，第一风险值计算模块240，第二风险值获取模块250和风险评估结果获取模块260。
运行统计数据获取模块210，用于获取电网系统的运行统计数据；其中，电网系统包括多个子网；
业务中断时长获取模块220，用于根据运行统计数据获取各子网中设定故障类别的发生概率以及设定故障类别引起的业务中断时长；
业务损失向量计算模块230，用于构造设定故障类别与业务中断时长之间的中断时长矩阵，并根据中断时长矩阵和业务重要度向量计算业务损失向量；
第一风险值计算模块240，用于根据各子网中设定故障类别的发生概率和业务损失向量计算第一风险值；
第二风险值获取模块250，用于根据网络规模系数对第一风险值进行调整，获得第二风险值；
风险评估结果获取模块260，用于对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果。
可选的，根据运行统计数据获取各子网中设定故障类别引起的业务中断时长按照如下公式计算：
其中，表示在子网i中第j类设定故障类别引起l类业务中断的总时长，/>表示第j类设定故障类别引起l类业务中断的次数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的业务条数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的时长；j表示设定故障类别，l表示业务种类。
可选的，业务损失向量计算模块230，还用于：
将中断时长矩阵与业务重要度向量进行点乘计算，获得业务损失向量。
可选的，还包括：规模系数获取模块，用于：
根据运行统计数据建立每个子网的网络规模决策矩阵；
对网络规模决策矩阵进行标准化处理，对标准化的网络规模决策矩阵采用设定属性决策算法进行处理，获得网络规模系数。
可选的，设定属性决策算法包括如下至少一项：等权重平均算法、熵权系数算法和层次分析算法。
可选的，根据网络规模系数对第一风险值进行调整，获得第二风险值按照如下公式计算：
R2(i)＝R1(i)(1-α(i))，其中，R2(i)表示子网i的第二风险值，R1(i)表示子网i的第一风险值，α(i)表示子网i的网络规模系数。
上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
实施例三
图4为本发明实施例三提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的计算机设备312的框图。图4显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的基于气象灾害的电网业务风险评估功能的计算设备。
如图4所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336，可以存储在例如存储装置328中，这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的基于气象灾害的电网业务风险评估方法。
实施例四
本发明实施例四还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的基于气象灾害的电网业务风险评估方法。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的电网业务风险评估方法中的相关操作。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种基于气象灾害的电网业务风险评估方法，其特征在于，包括：
获取电网系统的运行统计数据；其中，所述电网系统包括多个子网；
根据所述运行统计数据获取各子网中设定故障类别的发生概率以及所述设定故障类别引起的业务中断时长；其中，根据所述运行统计数据获取各子网中设定故障类别引起的业务中断时长按照如下公式计算：其中，/>表示在子网i中第j类设定故障类别引起l类业务中断的总时长，/>表示第j类设定故障类别引起l类业务中断的次数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的业务条数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的时长；j表示设定故障类别，l表示业务种类；
构造所述设定故障类别与业务中断时长之间的中断时长矩阵，并根据所述中断时长矩阵和业务重要度向量计算业务损失向量；
根据各子网中设定故障类别的发生概率和所述业务损失向量计算第一风险值；
根据网络规模系数对所述第一风险值进行调整，获得第二风险值；其中，根据网络规模系数对所述第一风险值进行调整，获得第二风险值按照如下公式计算：R2(i)＝R1(i)(1-α(i))，其中，R2(i)表示子网i的第二风险值，R1(i)表示子网i的第一风险值，α(i)表示子网i的网络规模系数；
对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果。
2.根据权利要求1所述的方法，其特征在于，根据所述中断时长矩阵和业务重要度向量计算业务损失向量，包括：
将所述中断时长矩阵与所述业务重要度向量进行点乘计算，获得业务损失向量。
3.根据权利要求1所述的方法，其特征在于，在根据网络规模系数对所述第一风险值进行调整之前，还包括：
根据所述运行统计数据建立每个子网的网络规模决策矩阵；
对所述网络规模决策矩阵进行标准化处理，对标准化的网络规模决策矩阵采用设定属性决策算法进行处理，获得网络规模系数。
4.根据权利要求3所述的方法，其特征在于，所述设定属性决策算法包括如下至少一项：等权重平均算法、熵权系数算法和层次分析算法。
5.一种基于气象灾害的电网业务风险评估装置，其特征在于，包括：
运行统计数据获取模块，用于获取电网系统的运行统计数据；其中，所述电网系统包括多个子网；
业务中断时长获取模块，用于根据所述运行统计数据获取各子网中设定故障类别的发生概率以及所述设定故障类别引起的业务中断时长；其中，根据所述运行统计数据获取各子网中所述设定故障类别引起的业务中断时长按照如下公式计算：其中，/>表示在子网i中第j类设定故障类别引起l类业务中断的总时长，/>表示第j类设定故障类别引起l类业务中断的次数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的业务条数，/>表示在子网i中第j类设定故障类别引起l类业务第k次中断的时长；j表示设定故障类别，l表示业务种类；
业务损失向量计算模块，用于构造所述设定故障类别与业务中断时长之间的中断时长矩阵，并根据所述中断时长矩阵和业务重要度向量计算业务损失向量；
第一风险值计算模块，用于根据各子网中设定故障类别的发生概率和所述业务损失向量计算第一风险值；
第二风险值获取模块，用于根据网络规模系数对所述第一风险值进行调整，获得第二风险值；其中，根据网络规模系数对所述第一风险值进行调整，获得第二风险值按照如下公式计算：R2(i)＝R1(i)(1-α(i))，其中，R2(i)表示子网i的第二风险值，R1(i)表示子网i的第一风险值，α(i)表示子网i的网络规模系数；
风险评估结果获取模块，用于对各子网的第一风险值和第二风险值分别进行排序，获得风险评估结果。
6.一种计算机设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-4任一所述的基于气象灾害的电网业务风险评估方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一所述的基于气象灾害的电网业务风险评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911271805.9A CN111062604B (zh) | 2019-12-12 | 2019-12-12 | 基于气象灾害的电网业务风险评估方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911271805.9A CN111062604B (zh) | 2019-12-12 | 2019-12-12 | 基于气象灾害的电网业务风险评估方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111062604A CN111062604A (zh) | 2020-04-24 |
| CN111062604B true CN111062604B (zh) | 2023-09-22 |
Family
ID=70298905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911271805.9A Active CN111062604B (zh) | 2019-12-12 | 2019-12-12 | 基于气象灾害的电网业务风险评估方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062604B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112365100B (zh) * | 2020-12-08 | 2024-05-10 | 国网四川省电力公司内江供电公司 | 基于灾害风险综合评估的电网灾害预警及应对方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102801732A (zh) * | 2012-08-24 | 2012-11-28 | 国家电网公司 | 一种基于网络拓扑结构的电力通信骨干网安全风险评估方法 |
| CN104657822A (zh) * | 2015-02-06 | 2015-05-27 | 海南电网有限责任公司 | 一种基于风险评估结果的电力系统灾害预警分级方法及系统 |
| CN105608634A (zh) * | 2015-11-09 | 2016-05-25 | 国网新疆电力公司 | 一种基于贝叶斯网络的电网风险预警评估模型 |
| CN109118035A (zh) * | 2018-06-25 | 2019-01-01 | 南瑞集团有限公司 | 基于网格化预警信息的台风风涝灾害配电网风险评估方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040236676A1 (en) * | 2003-03-14 | 2004-11-25 | Kabushiki Kaisha Toshiba | Disaster risk assessment system, disaster risk assessment support method, disaster risk assessment service providing system, disaster risk assessment method, and disaster risk assessment service providing method |
| US9613523B2 (en) * | 2014-12-09 | 2017-04-04 | Unilectric, Llc | Integrated hazard risk management and mitigation system |
-
2019
- 2019-12-12 CN CN201911271805.9A patent/CN111062604B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102801732A (zh) * | 2012-08-24 | 2012-11-28 | 国家电网公司 | 一种基于网络拓扑结构的电力通信骨干网安全风险评估方法 |
| CN104657822A (zh) * | 2015-02-06 | 2015-05-27 | 海南电网有限责任公司 | 一种基于风险评估结果的电力系统灾害预警分级方法及系统 |
| CN105608634A (zh) * | 2015-11-09 | 2016-05-25 | 国网新疆电力公司 | 一种基于贝叶斯网络的电网风险预警评估模型 |
| CN109118035A (zh) * | 2018-06-25 | 2019-01-01 | 南瑞集团有限公司 | 基于网格化预警信息的台风风涝灾害配电网风险评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 丁慧霞 ; 赵百捷 ; 杨储华 ; 汪洋 ; 李哲 ; .基于FMECA的电力通信网运行风险评估方法.光通信技术.2017,(第05期), 9-12. * |
| 田丹 ; 刘蒙 ; 张倩宜 ; .基于层次分析法的配电通信网运行风险量化评估.电气应用.2015,(第S1期), 48-51. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111062604A (zh) | 2020-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hosseini Firouz et al. | Optimal preventive maintenance policy for electric power distribution systems based on the fuzzy AHP methods | |
| EP3043447B1 (en) | Distribution transformer heavy loading and overloading mid-term and short-term pre-warning analytics model | |
| US20050027571A1 (en) | Method and apparatus for risk assessment for a disaster recovery process | |
| CN111181757B (zh) | 信息安全风险预测方法、装置以及计算设备、存储介质 | |
| CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
| Fanucchi et al. | Stochastic indexes for power distribution systems resilience analysis | |
| CN111179055B (zh) | 授信额度调整方法、装置和电子设备 | |
| JP2023026399A (ja) | システム、コンピュータ実装方法およびコンピュータプログラム（外乱事象の事故またはチケットへの関連付け） | |
| CN111062604B (zh) | 基于气象灾害的电网业务风险评估方法、装置及设备 | |
| CN111681094B (zh) | 一种监测资源策略异常的方法、装置和电子设备 | |
| JP5271761B2 (ja) | 障害対処方法及び装置 | |
| US20090144115A1 (en) | System and method for providing facilities management based on weather vulnerability | |
| CN109801003A (zh) | 一种基于ahp的业务影响分析方法 | |
| CN111667151B (zh) | 一种电力市场风险全景识别方法及系统 | |
| JP5889096B2 (ja) | 損害計算装置、損害計算方法及び損害計算プログラム | |
| Ibrahimović et al. | Modeling information system availability by using bayesian belief network approach | |
| Tsai et al. | Simulation optimization in security screening systems subject to budget and waiting time constraints | |
| CN116227911A (zh) | 故障停电事件的风险监测预警方法、装置、设备及介质 | |
| CN109558152A (zh) | 系统灰度发布时流量切换方法、装置、介质及电子设备 | |
| Bonafede et al. | Statistical models for business continuity management | |
| CN115237931A (zh) | 一种用于服务编排的子服务处理结果更新的方法和系统 | |
| Reilly et al. | Using data envelopment analysis to evaluate the performance of post-hurricane electric power restoration activities | |
| CN114418002A (zh) | 硬盘的健康度状态预测方法、装置、设备和存储介质 | |
| CN114091702A (zh) | 一种事件监测方法、装置、电子设备及存储介质 | |
| US20210216927A1 (en) | Systems And Methods For Identifying An Officer At Risk Of An Adverse Event |
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 |