CN111210102B - 一种极端灾害条件下电网故障建模方法 - Google Patents

Abstract

一种极端灾害条件下电网故障建模方法，基于比例风险模型，考虑当前外部灾害环境、相邻元件状态影响等多方面因素，对电网强迫停运过程进行建模分析，构建电网故障模型，并完成对故障样本的随机抽样，依据系统运行状态、灾害特性以及电网设备健康状态评估结果建立动态灾害预想事故集，为电网公司针对灾害实际情况评估供电安全、制定调度策略提供依据。

Description

一种极端灾害条件下电网故障建模方法

技术领域

本发明涉及电力系统技术领域，尤其是涉及了一种极端灾害条件下电网故障建模方法。

背景技术

从全球范围来看，极端外部灾害事件对电网安全可靠运行造成了灾难性损害。

形形色色的极端外部环境向电力安全提出了严峻的挑战；这类灾难发生的概率虽小，但发生后的损失却可能极为巨大，因此其风险值仍不容忽视；分析极端自然灾害条件下电力系统设备发生故障原因，建立电网故障模型，对制定电网预防性防灾调度运行决策，进一步增强安全生产的预控和驱动能力，有着极其重要的意义；从现有成果来看，考虑老化、天气等影响因素的电网故障模型已有丰硕成果，但是综合考虑恶劣天气随机性、元件故障共因性、系统运行相依性的电网故障模型尚有待深入研究。

发明内容

为了克服背景技术中的不足，本发明公开了一种极端灾害条件下电网故障建模方法，建立能够量化恶劣天气、共因故障、级联失效等因素对强迫停运率影响的电网故障模型，生成动态的灾害预想事故集，为电网公司针对灾害实际情况评估供电安全、制定调度策略提供依据。

为实现上述目的，本发明采样如下技术方案：

一种极端灾害条件下电网故障建模方法，包括以下步骤：

S1.分析极端灾害条件下引起电网出现共因故障和级联失效的因素；

S2.根据历史数据和在线监测数据，进行大风、雷电、地震、火灾、暴雨、覆冰六种极端灾害条件下电网停运概率建模；

S3.进行电网设备健康状态评估；

S4.采用比例风险模型，建立极端灾害条件下电网故障模型，如下所示

式中，λ₀(t)为威布尔型基准函数，主要考虑电网设备老化过程，建立基本的故障分布特征；Ψ(Z)为连接函数，用来量化协变量对电网故障引起的停运概率的偏移作用；Z＝{Z₁,Z₂,Z₃,Z₄,Z₅,Z₆,Z₇,Z₈}为协变量，即造成电网故障的因素，Z₁为电网共因故障和级联失效模型，Z₂为运行负载状态；Z₃为大风引起的电网停运概率模型，Z₄为雷电引起的电网停运概率模型，Z₅为地震引起的电网停运概率模型，Z₆为火灾引起的电网停运概率模型，Z₇为暴雨引起的电网停运概率模型，Z₈为覆冰引起的电网停运概率模型；a,b分别是为威布尔基准函数的尺度参数与形状参数，γ₁、γ₂、γ₃、γ₄、γ₅、γ₆、γ₇、γ₈为协变量系数；

S5.电网故障样本采样及模型求解

采用马尔科夫链蒙特卡罗法与逆变换相结合的抽样方法，进行样本生成，并进行电网故障模型求解；

S6.建立动态灾害预想事故集

依据系统运行状态、灾害特性以及电网设备健康状态评估结果建立动态灾害预想事故集。

进一步的，所述步骤S4中电网共因故障和级联失效模型Z₁，如下所示

Z₁＝P(C₁UC₂)

式中，C₁为共因失效事件，P_i(C₁)是电网节点i因事件C₁而引发失效的概率，P_i(C₁)＝P(A_k)，其中A_k是电网节点i所属的区域，P(A_k)是引发A_k区域内所有电网节点故障的事件的发生概率；

C₂为级联失效事件，P_i(C₂)是电网节点i因事件C₂而引发失效的概率， P_i(C₂)＝P(L_j)UP(R_j),P(L_j)是电网节点i由于因其所处网络内某个节点Lj 故障而失效的概率；P(R_j)是节点i由于因其关联网络中某个节点Rj故障而失效的概率。

进一步的，所述步骤S2和S4中大风引起的电网停运概率模型Z₃，如下所示

式中，p_WNi为电网区域内第i条电力线路的风偏闪网故障概率，p_WBi为电网区域内第i条电力线路的风致断线故障概率；

雷电引起的电网停运概率模型Z₄，如下所示

式中，P_Li为电网区域内第i根基杆塔所在位置收雷击的概率,P_Ti为第i根基杆塔的雷击跳闸概率；

地震引起的电网停运概率模型Z₅，如下所示

式中，D(I)为电网区域所含建筑物的震害指数；P_Ei为电网区域内第i条电力线路电气设备损坏率。

火灾引起的电网停运概率模型Z₆，如下所示

式中，P_FLi(Y/X)为在山火发生时电网区域内第i条电力线路发生故障的概率，P_F(X)为电网区域内发生山火的概率；

暴雨引起的电网停运概率模型Z₇，如下所示

暴雨引起的电网停运概率模型是与降水量相关的统计函数，式中，I为降水强度，

为时间区间t1到t2间的降雨量，C_d为电网区域内的排水能力，G_e为电网区域内的地理环境信息；

覆冰引起的电网停运概率模型Z₈，如下所示

式中，Ri为电网区域内第i条线路的覆冰可靠性，H_i为电网区域内第i 条线路的覆冰厚度，H_di为电网区域内第i条线路的设计覆冰厚度。

进一步的，所述步骤S5包括以下步骤：

S51.采样一个[0，1]均匀随机变量u，可以理解为概率值；

S52.返回最大的t使故障概率p(T＜t)≤u；

S53.利用马尔科夫链蒙特卡罗法求解极端灾害条件下电网故障模型，得到故障时间的生成样本。

进一步的，所述步骤S4中，基于历史数据，使用参数极大似然估计方法获取尺度参数a、b和协变量系数γ₁、γ₂、γ₃、γ₄、γ₅、γ₆、γ₇、γ₈的取值。

由于采用如上所述的技术方案，本发明具有如下有益效果：本发明提供的一种极端灾害条件下电网故障建模方法，基于比例风险模型，考虑当前外部灾害环境、相邻元件状态影响等多方面因素，对电网强迫停运过程进行建模分析，构建电网故障模型，并完成对故障样本的随机抽样，依据系统运行状态、灾害特性以及电网设备健康状态评估结果建立动态灾害预想事故集，为电网公司针对灾害实际情况评估供电安全、制定调度策略提供依据。

附图说明

图1为本发明方法流程图。

具体实施方式

通过下面的实施例可以详细的解释本发明，公开本发明的目的旨在保护本发明范围内的一切技术改进，本发明并不局限于下面的实施例。

如图1所示，一种极端灾害条件下电网故障建模方法，包括以下步骤：

S1.分析极端灾害条件下引起电网出现共因故障和级联失效的因素。

共因故障是指电力系统中由同一影响因素，比如恶劣天气所导致的多设备停运事件，这些停运事件可能同时发生，也可能相继发生；根据我国自然灾害发生特点，本发明主要考虑大风、雷电、地震、火灾、暴雨、覆冰这六种因素。

级联失效描述了系统设备之间相互引发的故障过程，通常由潮流负载的重新分配所引起。

S2.根据历史数据和在线监测数据，进行大风、雷电、地震、火灾、暴雨、覆冰六种极端灾害条件下电网停运概率建模。

电网共因故障和级联失效模型Z₁，如下所示：

Z₁＝P(C₁UC₂)

式中，C₁为共因失效事件，P_i(C₁)是电网节点i因事件C₁而引发失效的概率， P_i(C₁)＝P(A_k)，其中A_k是电网节点i所属的区域，P(A_k)是引发A_k区域内所有电网节点故障的事件的发生概率；C₂为级联失效事件，P_i(C₂)是电网节点 i因事件C₂而引发失效的概率，P_i(C₂)＝P(L_j)UP(R_j),P(L_j)是电网节点i由于因其所处网络内某个节点Lj故障而失效的概率，与节点Lj工作时的负载相关，若节点Lj工作时的负载很高，则节点Lj的失效导致节点i失效的概率较大；P(R_j)是节点i由于因其关联网络中某个节点Rj故障而失效的概率，与节点Rj是否与节点i存在关联边，若存在关联边概率较大，则节点Rj的失效导致节点i失效的概率较大。

大风引起的电网停运概率模型Z₃，如下所示

式中，p_WNi为电网区域内第i条电力线路的风偏闪网故障概率，p_WBi为电网区域内第i条电力线路的风致断线故障概率。

雷电引起的电网停运概率模型Z₄，如下所示

式中，P_Li为电网区域内第i根基杆塔所在位置收雷击的概率,P_Ti为第i根基杆塔的雷击跳闸概率。

地震引起的电网停运概率模型Z₅，如下所示

式中，D(I)为电网区域所含建筑物的震害指数；P_Ei为电网区域内第i条电力线路电气设备损坏率；根据电力线所在区域，获得设备所处位置发生相应等级地震的PGA值，结合地地震灾害易损性曲线获得该条电力线路电气设备损坏率。

火灾引起的电网停运概率模型Z₆，如下所示

式中，P_FLi(Y/X)为在山火发生时电网区域内第i条电力线路发生故障的概率，P_F(X)为电网区域内发生山火的概率。

暴雨引起的电网停运概率模型Z₇是与降水量相关的统计函数，如下所示

式中，I为降水强度，

为时间区间t1到t2间的降雨量，C_d为电网区域内的排水能力，G_e为电网区域内的地理环境信息。

覆冰引起的电网停运概率模型Z₈，如下所示

式中，Ri为电网区域内第i条线路的覆冰可靠性，H_i为电网区域内第i条线路的覆冰厚度，H_di为电网区域内第i条线路的设计覆冰厚度，P_i(H_i＜H_di) 为第i条线路的覆冰厚度小于设计覆冰厚度的概率。

S3.进行电网设备健康状态评估。

结合历史工作参数，分析电网中各设备工作状态，确定其偏离正常工作状态程度，结合各设备在电网中的重要度，评估各元件的健康状态。

S4.采用比例风险模型，建立极端灾害条件下电网故障模型，如下所示

式中，λ₀(t)为威布尔型基准函数，主要考虑电网设备老化过程，建立基本的故障分布特征；Ψ(Z)为连接函数，用来量化协变量对电网故障引起的停运概率的偏移作用；Z＝{Z₁,Z₂,Z₃,Z₄,Z₅,Z₆,Z₇,Z₈}为协变量，即造成电网故障的因素，Z₁为电网共因故障和级联失效模型，Z₂为运行负载状态；Z₃为大风引起的电网停运概率模型，Z₄为雷电引起的电网停运概率模型，Z₅为地震引起的电网停运概率模型，Z₆为火灾引起的电网停运概率模型，Z₇为暴雨引起的电网停运概率模型，Z₈为覆冰引起的电网停运概率模型；a,b分别是为威布尔基准函数的尺度参数与形状参数，γ₁、γ₂、γ₃、γ₄、γ₅、γ₆、γ₇、γ₈为协变量系数。

基于历史数据，使用参数极大似然估计方法获取尺度参数a、b和协变量系数γ₁、γ₂、γ₃、γ₄、γ₅、γ₆、γ₇、γ₈的取值。

S5.电网故障样本采样及模型求解。

采用马尔科夫链蒙特卡罗法与逆变换相结合的抽样方法，进行样本生成，并进行电网故障模型求解；包括以下步骤：S51.采样一个[0，1]均匀随机变量u，可以理解为概率值；S52.返回最大的t使故障概率 p(T＜t)≤u；S53.利用马尔科夫链蒙特卡罗法求解极端灾害条件下电网故障模型，得到故障时间的生成样本。

S6.建立动态灾害预想事故集

依据系统运行状态、灾害特性以及电网设备健康状态评估结果建立动态灾害预想事故集，基于短期时间尺度内极端灾害与电网故障预测结果，可以动态更新灾害预想事故集，为制定相关调度策提供更准确的依据。

本发明未详述部分为现有技术。

Claims (5)

1.一种极端灾害条件下电网故障建模方法，其特征是：包括以下步骤：

S1.分析极端灾害条件下引起电网出现共因故障和级联失效的因素；

S2.根据历史数据和在线监测数据，进行大风、雷电、地震、火灾、暴雨、覆冰六种极端灾害条件下电网停运概率建模；

S3.进行电网设备健康状态评估；

S4.采用比例风险模型，建立极端灾害条件下电网故障模型，如下所示

式中，λ₀(t)为威布尔型基准函数，主要考虑电网设备老化过程，建立基本的故障分布特征；Ψ(Z)为连接函数，用来量化协变量对电网故障引起的停运概率的偏移作用；Z＝{Z₁,Z₂,Z₃,Z₄,Z₅,Z₆,Z₇,Z₈}为协变量，即造成电网故障的因素，Z₁为电网共因故障和级联失效模型，Z₂为运行负载状态；Z₃为大风引起的电网停运概率模型，Z₄为雷电引起的电网停运概率模型，Z₅为地震引起的电网停运概率模型，Z₆为火灾引起的电网停运概率模型，Z₇为暴雨引起的电网停运概率模型，Z₈为覆冰引起的电网停运概率模型；a,b分别是为威布尔基准函数的尺度参数与形状参数，γ₁、γ₂、γ₃、γ₄、γ₅、γ₆、γ₇、γ₈为协变量系数；

S5.电网故障样本采样及模型求解

采用马尔科夫链蒙特卡罗法与逆变换相结合的抽样方法，进行样本生成，并进行电网故障模型求解；

S6.建立动态灾害预想事故集

依据系统运行状态、灾害特性以及电网设备健康状态评估结果建立动态灾害预想事故集。

2.如权利要求1所述的一种极端灾害条件下电网故障建模方法，其特征是：所述步骤S4中电网共因故障和级联失效模型Z₁，如下所示

Z₁＝P(C₁ U C₂)

式中，C₁为共因失效事件，P_i(C₁)是电网节点i因事件C₁而引发失效的概率，

P_i(C₁)＝P(A_k)，其中A_k是电网节点i所属的区域，P(A_k)是引发A_k区域内所有电网节点故障的事件的发生概率；

C₂为级联失效事件，P_i(C₂)是电网节点i因事件C₂而引发失效的概率，

P_i(C₂)＝P(L_j)UP(R_j),P(L_j)是电网节点i由于因其所处网络内某个节点Lj故障而失效的概率；P(R_j)是节点i由于因其关联网络中某个节点Rj故障而失效的概率。

3.如权利要求1所述的一种极端灾害条件下电网故障建模方法，其特征是：所述步骤S2和S4中大风引起的电网停运概率模型Z₃，如下所示

式中，p_WNi为电网区域内第i条电力线路的风偏闪网故障概率，p_WBi为电网区域内第i条电力线路的风致断线故障概率；

雷电引起的电网停运概率模型Z₄，如下所示

式中，P_Li为电网区域内第i根基杆塔所在位置收雷击的概率,P_Ti为第i根基杆塔的雷击跳闸概率；

地震引起的电网停运概率模型Z₅，如下所示

式中，D(I)为电网区域所含建筑物的震害指数；P_Ei为电网区域内第i条电力线路电气设备损坏率；

火灾引起的电网停运概率模型Z₆，如下所示

式中，P_FLi(Y/X)为在山火发生时电网区域内第i条电力线路发生故障的概率，P_F(X)为电网区域内发生山火的概率；

暴雨引起的电网停运概率模型Z₇，如下所示

暴雨引起的电网停运概率模型是与降水量相关的统计函数，式中，I为降水强度，

为时间区间t1到t2间的降雨量，C_d为电网区域内的排水能力，G_e为电网区域内的地理环境信息；

覆冰引起的电网停运概率模型Z₈，如下所示

式中，Ri为电网区域内第i条线路的覆冰可靠性，H_i为电网区域内第i条线路的覆冰厚度，H_di为电网区域内第i条线路的设计覆冰厚度。

4.如权利要求1所述的一种极端灾害条件下电网故障建模方法，其特征是：所述步骤S5包括以下步骤：

S51.采样一个[0，1]均匀随机变量u，可以理解为概率值；

S52.返回最大的t使故障概率p(T＜t)≤u；

S53.利用马尔科夫链蒙特卡罗法求解极端灾害条件下电网故障模型，得到故障时间的生成样本。

5.如权利要求1所述的一种极端灾害条件下电网故障建模方法，其特征是：所述步骤S4中，基于历史数据，使用参数极大似然估计方法获取尺度参数a、b和协变量系数γ₁、γ₂、γ₃、γ₄、γ₅、γ₆、γ₇、γ₈的取值。

Images