CN111429299A - 一种预想故障集生成方法、系统及存储介质 - Google Patents
一种预想故障集生成方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111429299A CN111429299A CN202010160075.1A CN202010160075A CN111429299A CN 111429299 A CN111429299 A CN 111429299A CN 202010160075 A CN202010160075 A CN 202010160075A CN 111429299 A CN111429299 A CN 111429299A
- Authority
- CN
- China
- Prior art keywords
- fault
- equipment
- combination
- failure
- disaster
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 230000002265 prevention Effects 0.000 claims abstract description 5
- 238000010276 construction Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000014759 maintenance of location Effects 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000003466 anti-cipated effect Effects 0.000 claims 9
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- 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
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Sources (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种预想故障集生成方法、系统及存储介质,所述方法兼顾外部气象灾害导致的设备故障概率、设备间的空间距离和电气距离进行故障设备组合,并对组合结果进行筛选,能够快速、准确地获取既满足电网安全稳定防控需求,又满足在线实时计算要求的预想故障集,可以通过设置合理的组合设备故障概率门槛值、空间距离门槛值和电气距离门槛值确保小概率高风险故障纳入计算,有利于电网运行人员实时全面掌握电网安全稳定水平。
Description
技术领域
本发明涉及一种预想故障集生成方法、系统及存储介质,属于电力系统安全分析技术领域。
背景技术
N-K预想故障集作为在线安全稳定分析预警、辅助决策的基础数据,目前主要来源包括全网N-1扫描预想故障和调度运行人员根据经验设置的预想故障。其中,全网N-1故障集可以通过扫描全网线路或变压器开断自动生成,但是大电网交直流强耦合背景下,N-2及以上多重故障发生概率增大,且严重威胁电网的安全问题运行,仅考核N-1故障已不足以掌握电网安全稳定运行水平。因此,由电网调度运行控制人员根据经验设置少量的预想故障,作为在线安全稳定分析的基础。但当人工设置的预想故障集与电网实际运行状态的静态安全特性失配程度较大时,其安全稳定分析结果不能反映电网的安全问题,给电网运行带来安全隐患。若基于电网的实际运行状态设置全部的预想故障,虽然实现了对所有支路故障的安全稳定分析,克服了预想故障集依赖人工设置、存在安全隐患的问题,但由于不能预先确定需要进行安全稳定分析的严重故障数目,计算速度难以保障。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种预想故障集生成方法、系统及存储介质,能够获取既满足电网安全稳定防控需求,又满足在线实时计算要求的预想故障集。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种预想故障集生成方法,所述方法包括如下步骤:
选取预想时段内受气象灾害影响的投运电气设备作为受灾设备;
根据各受灾设备的故障概率构建首发故障设备集和后续故障设备集,并依据构建结果形成故障生成规则集及故障设备组合集;
针对故障设备组合集,将同一故障设备组合中两两受灾设备间的空间距离均不小于空间距离门槛值的组合保留,形成第一故障设备组合子集,其余组合作为待筛选故障设备组合子集;
针对待筛选故障设备组合子集,将同一故障设备组合中两两受灾设备间的电气距离均不小于电气距离门槛值的组合保留,形成第二故障设备组合子集;
根据第一故障设备组合子集、第二故障设备组合子集及故障生成规则集生成预想故障集。
结合第一方面,进一步的,构建首发故障设备集和后续故障设备集的方法包括如下步骤:
计算预想时段内各受灾设备的故障概率;
将受灾设备的故障概率与预设的单一设备故障概率门槛值进行比较:
若受灾设备的故障概率不小于单一设备故障概率门槛值,则将其划分至首发故障设备集,否则划分至后续故障设备集。
结合第一方面,进一步的,所述故障生成规则集的形成方法包括如下步骤:
根据受灾设备的类型确定受灾设备所能够发生的最严重故障类型;
默认受灾设备所发生的故障为最严重故障类型,设定首发故障设备的故障类型、后续故障设备的故障类型以及后续故障与首发故障的时差。
结合第一方面,进一步的,所述故障设备组合集的形成方法包括如下步骤:
针对首发故障设备集和后续故障设备集,分别按受灾设备的故障概率由大到小排序;
对于首发故障设备集,形成故障重数为1的故障设备组合集N1;
对于后续故障设备集,采用下述公式分别计算故障重数为2、3、…、K的设备组合最大概率:
式中:K为后续故障设备集中的设备数目;pmax.k为第k重设备组合最大概率;pi为后续故障设备集中第i个设备的故障概率;
确定pmax.K大于设定的设备组合概率门槛值Pmin所对应的最大重数Kx,并取Kmax=min(Km.set,Kx)作为预想时段内设备组合重数,其中,Km.set为设定的最大故障重数;
遍历首发故障设备集中的首发故障设备,利用回溯法对后续故障设备集中的设备进行N-2至N-Kmax故障设备组合,第k重设备组合过程的退出条件为Pk,j≤Pmin,
Pk,j=max{λk-1,P(1,k-1)}*P1
式中,N表示受灾设备总数;k取2、3、…、Kmax;Pk,j为第k重设备组合下第j组设备组合概率;P1为设备1的故障概率,并约定P1为首发故障设备的故障概率;λ为设备间故障耦合系数;P(1,k-1)为首发故障设备1发生故障的条件下,后续故障设备的故障概率;
保留Pk,j大于Pmin的设备组合形成故障设备组合集Nk,Nk表示故障重数为k的故障设备组合集,k取2、3、…、Kmax。
结合第一方面,进一步的,所述第一故障设备组合子集的形成方法包括如下步骤:
针对故障设备组合集中故障重数为1的设备组合,直接保存至第一故障设备组合子集Asave,L中;
针对故障设备组合集中故障重数大于等于2的组合,根据设备的经纬度采用下述公式计算组合中两两设备间空间距离:
L=β·R·arccos[cos y1·cos y2·cos(x1-x2)+sin y1·sin y2]
式中,L为两设备间的空间距离;β为修正系数;R为地球半径;(x1,y1)为其中一设备的经纬度;(x2,y2)为另一设备的经纬度;
将组合中两两设备间空间距离的最大值Lm与空间距离门槛值Lmin进行比较:当Lm≥Lmin时,将相应组合保存至第一故障设备组合子集Asave,L中;否则,将相应组合保留至待筛选故障设备组合子集中。
结合第一方面,进一步的,所述第二故障设备组合子集的形成方法包括如下步骤:
针对待筛选故障设备组合子集中的组合,获取各设备所在计算节点,构建同一组合中两两设备所在节点的两端口戴维南等值网络;
根据所构建的戴维南等值网络,采用下述公式计算同一组合中两两设备间的电气距离:
式中,E为两设备间的电气距离;(R11+jX11)为其中一设备所在端口对地的等值网络自阻抗;(R22+jX22)为另一设备所在端口对地的等值网络自阻抗;(R12+jX12)为两设备间的等值互阻抗;
将组合中两两设备间电气距离的最大值Em与电气距离门槛值Emin进行比较:当Em≥Emin时,将相应组合保存至第二故障设备组合子集Asave,E中。
结合第一方面,进一步的,所述预想故障集的生成防法包括如下步骤:
遍历第一故障设备组合子集中的组合和第二故障设备组合子集中的组合,先后形成首发故障设备的故障信息、后续故障设备的故障信息;
其中,所述首发故障设备的故障信息包括故障类型、故障侧、设备首端或末端切除时间;所述后续故障设备的故障信息包括故障类型、故障侧、后续故障与首发故障的时差。
第二方面,本发明提供了一种预想故障集生成系统,所述系统包括:
选取模块:用于选取预想时段内受气象灾害影响的投运电气设备作为受灾设备;
故障设备集构建模块:用于根据各受灾设备的故障概率构建首发故障设备集和后续故障设备集;
第一形成模块:用于依据构建结果形成故障生成规则集;
第二形成模块:用于依据构建结果形成故障设备组合集;
第一筛选模块:用于针对故障设备组合集,将同一故障设备组合中两两受灾设备间的空间距离均不小于空间距离门槛值的组合保留,形成第一故障设备组合子集,其余组合作为待筛选故障设备组合子集;
第二筛选模块:用于针对待筛选故障设备组合子集,将同一故障设备组合中两两受灾设备间的电气距离均不小于电气距离门槛值的组合保留,形成第二故障设备组合子集;
生成模块:用于根据第一故障设备组合子集、第二故障设备组合子集及故障生成规则集生成预想故障集。
结合第二方面,进一步的,所述故障设备集构建模块包括:
第一计算子模块:用于计算预想时段内各受灾设备的故障概率;
第一比较子模块:用于将受灾设备的故障概率与预设的单一设备故障概率门槛值进行比较:若受灾设备的故障概率不小于单一设备故障概率门槛值,则将其划分至首发故障设备集,否则划分至后续故障设备集。
结合第二方面,进一步的,所述第一形成模块包括:
确定子模块:用于根据受灾设备的类型确定受灾设备所能够发生的最严重故障类型;
设定子模块:用于默认受灾设备所发生的故障为最严重故障类型,设定首发故障设备的故障类型、后续故障设备的故障类型以及后续故障与首发故障的时差。
结合第二方面,进一步的,第二形成模块包括:
排序子模块:用于针对首发故障设备集和后续故障设备集,分别按受灾设备的故障概率由大到小排序;
第二计算子模块:用于对于后续故障设备集,采用下述公式分别计算故障重数为2、3、…、K的设备组合最大概率:
式中:K为后续故障设备集中的设备数目;pmax.k为第k重设备组合最大概率;pi为后续故障设备集中第i个设备的故障概率;
选择子模块:用于选择pmax.k大于设定的设备组合概率门槛值Pmin所对应的最大重数Kx,取Kmax=min(Km.set,Kx)作为预想时段内设备组合重数,其中Km.set为设定的最大故障重数;
组合子模块:用于遍历首发故障设备集中的首发故障设备,利用回溯法对后续故障设备集中的设备进行N-2至N-Kmax故障设备组合,第k重设备组合过程的退出条件为Pk,j≤P2,min,
Pk,j=max{λk-1,P(1,k-1)}*P1
式中,N表示受灾设备总数;k取2、3、…、Kmax;Pk,j为第k重设备组合下第j组设备组合概率;P1为设备1的故障概率,并约定P1为首发故障设备的故障概率;λ为设备间故障耦合系数;P(1,k-1)为首发故障设备1发生故障的条件下,后续故障设备的故障概率;
第一保留子模块:用于保留Pk,j大于Pmin的组合形成故障设备组合集Nk,Nk表示故障重数为k的故障设备组合集,k取2、3、…、Kmax;
第二保留子模块:对于首发故障设备集,形成故障重数为1的故障设备组合集N1。
结合第二方面,进一步的,所述第一筛选模块包括:
直接保存子模块:针对故障设备组合集中故障重数为1的设备组合,直接保存至第一故障设备组合子集Asave,L中;
第三计算子模块:用于针对故障设备组合集中故障重数大于等于2的组合,根据设备的经纬度采用下述公式计算组合中两两设备间空间距离:
L=β·R·arccos[cos y1·cos y2·cos(x1-x2)+sin y1·sin y2]
式中,L为两设备间的空间距离;β为修正系数;R为地球半径;(x1,y1)为其中一设备的经纬度;(x2,y2)为另一设备的经纬度;
第二比较子模块:用于将组合中两两设备间空间距离的最大值Lm与空间距离门槛值Lmin进行比较:当Lm≥Lmin时,将相应组合保存至第一故障设备组合子集Asave,L中;否则,将相应组合保留至待筛选故障设备组合子集中。
结合第二方面,进一步的,第二筛选模块包括:
等值网络构建模块:用于针对待筛选故障设备组合子集中的组合,获取各设备所在计算节点,构建同一组合中两两设备所在节点的两端口戴维南等值网络;
第四计算子模块:用于根据所构建的戴维南等值网络,采用下述公式计算同一组合中两两设备间的电气距离:
式中,E为两设备间的电气距离;(R11+jX11)为其中一设备所在端口对地的等值网络自阻抗;(R22+jX22)为另一设备所在端口对地的等值网络自阻抗;(R12+jX12)为两设备间的等值互阻抗;
第三比较子模块:用于将组合中两两设备间电气距离的最大值Em与电气距离门槛值Emin进行比较:当Em≥Emin时,将相应组合保存至第二故障设备组合子集Asave,E中。
结合第二方面,进一步的,所述生成模块包括:
故障信息形成子模块:用于遍历第一故障设备组合子集中的组合和第二故障设备组合子集中的组合,先后形成首发故障设备的故障信息、后续故障设备的故障信息;
其中,所述首发故障设备的故障信息包括故障类型、故障侧、设备首端或末端切除时间;所述后续故障设备的故障信息包括故障类型、故障侧、后续故障与首发故障的时差。
第三方面,本发明还提供了一种预想故障集生成系统,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行前述任一项所述方法的步骤。
第四方面,本发明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前述任一项所述方法的步骤。
与现有技术相比,本发明提供的预想故障集生成方法、系统及存储介质所达到的有益效果包括:
兼顾外部气象灾害导致的设备故障概率、设备间的空间距离和电气距离进行故障设备组合,并对组合结果进行筛选,能够快速、准确地获取既满足电网安全稳定防控需求,又满足在线实时计算要求的预想故障集,可以通过设置合理的组合设备故障概率门槛值、空间距离门槛值和电气距离门槛值确保小概率高风险故障纳入计算,有利于电网运行人员实时全面掌握电网安全稳定水平。
附图说明
图1是根据本发明实施例提供的一种预想故障集生成方法的流程图。
具体实施方式
随着特高压电网、交直流混联电网的不断推进,申请人发现空间距离比较远、但电气距离较近的电气设备间的故障耦合特征突出,为确保小概率但电气距离较近的组合故障纳入安全稳定分析与预警故障集,本发明提供一种预想故障集生成方法、系统及存储介质,兼顾外部气象灾害导致的设备故障概率、设备间的空间距离和电气距离等信息进行设备组合,针对组合生成的N-K故障设备进行筛选,以获取既满足电网安全稳定防控需求,又满足在线实时计算要求的预想故障集。基于该技术构思下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,本发明实施例提供的预想故障集生成方法,包括如下步骤:
步骤A、选取预想时段内受气象灾害影响的投运电气设备作为受灾设备;
步骤B、根据各受灾设备的故障概率构建首发故障设备集和后续故障设备集,并依据构建结果形成故障生成规则集及故障设备组合集;
步骤C、针对故障设备组合集,将同一故障设备组合中两两受灾设备间的空间距离均不小于空间距离门槛值的组合保留,形成第一故障设备组合子集,其余组合作为待筛选故障设备组合子集;
步骤D、针对待筛选故障设备组合子集,将同一故障设备组合中两两受灾设备间的电气距离均不小于电气距离门槛值的组合保留,形成第二故障设备组合子集;
步骤E、根据第一故障设备组合子集、第二故障设备组合子集及故障生成规则集生成预想故障集。
综上,本发明实施例提供的预想故障集生成方法综合考虑了气象灾害导致的设备故障概率、设备间的空间距离和电气距离等因素进行故障设备组合,通过设置合理的组合设备故障概率门槛值、空间距离门槛值和电气距离门槛值便可以确保小概率高风险故障纳入计算,有利于电网运行人员实时全面掌握电网安全稳定水平。
对于步骤A中受灾设备的选取,可以首先从气象站预报系统获取预想时段内的气象灾害并确定各气象灾害的影响范围,然后取各气象灾害的影响范围的并集作为预想时段内的受灾区域,最后选取预想时段内投运且位于受灾区域的电气设备作为受灾设备。在本发明实施例中,气象灾害包括覆冰、雷电、台风、暴雨、山火等灾害类型,气象灾害的影响范围是指以气象站的经纬度为中心,受气象灾害影响的最大距离k1为半径的圆形区域,k1小于气象站最大容许测站间距。电气设备的主要设备类型包括发电机、母线、变压器、交流线路、直流线路等。
步骤B中构建首发故障设备集和后续故障设备集的方法包括如下步骤:
步骤B102:将受灾设备的故障概率与预设的单一设备故障概率门槛值进行比较:
若受灾设备的故障概率不小于单一设备故障概率门槛值,则将其划分至首发故障设备集,否则划分至后续故障设备集。
步骤B中故障生成规则集是根据设备类型依据保守原则形成的,故障生成规则集主要包括:故障类型、故障时序等。所谓保守原则是默认受灾设备的故障为最严重故障类型。故障生成规则集的形成步骤具体描述如下:
步骤B201:根据受灾设备的类型确定受灾设备所能够发生的最严重故障类型;
对于线路、变压器、母线设备的交流故障类型默认采用三相永久短路,若给定故障地点,在故障地点侧设置三相永久故障,否则,针对支路首端和末端均做三相永久故障,对于变压器支路需在高、中压测均做三相永久故障;对于直流设备默认采用双极闭锁故障。
步骤B202:默认受灾设备所发生的故障为最严重故障类型,设定首发故障设备的故障类型、后续故障设备的故障类型以及后续故障与首发故障的时差。
支持设定的故障类型主要包括:三相永久短路、单相永久短路、两相永久短路、三相永久开断、直流双极闭锁、直流单极闭锁。
在本发明实施例中步骤B中所述故障设备组合集Acomb是由N-1、N-2、N-3,…,N-K设备组合构成的集合,在本发明实施例中是基于最大组合故障重数(记为K)和设备故障概率采用回溯法进行首发故障设备集与后续故障设备集的组合而形成的,具体包括如下步骤:
步骤B301:针对首发故障设备集和后续故障设备集,分别按受灾设备的故障概率由大到小排序;
步骤B302:对于首发故障设备集,形成故障重数为1的故障设备组合集N1;
步骤B303:对于后续故障设备集,采用下述公式分别计算故障重数为2、3、…、K的设备组合最大概率:
式中:K为后续故障设备集中的设备数目;pmax.k为第k重设备组合最大概率;pi为后续故障设备集中第i个设备的故障概率;
步骤B304:确定pmax.K大于设定的组合设备故障概率门槛值Pmin所对应的最大故障重数Kx,并选取Kmax=min(Km.set,Kx)作为预想时段内设备组合重数,其中Km.set为设定的最大故障重数;
步骤B305:遍历首发故障设备集中的首发故障设备,利用回溯法对后续故障设备集中的设备进行N-2至N-Kmax故障设备组合,第k重设备组合过程的退出条件为Pk,j≤Pmin,
Pk,j=max{λk-1,P(1,k-1)}*P1
式中,N表示受灾设备总数;k取2、3、…、Kmax;Pk,j为第k重设备组合下第j组设备组合概率;P1为设备1的故障概率,并约定P1为首发故障设备的故障概率;λ为设备间故障耦合系数;P(1,k-1)为首发故障设备1发生故障的条件下,后续故障设备的故障概率。一般取0≤λ≤1,当λ=0时,对应首发设备与后续设备发生故障为独立事件,按独立事件计算时P(1,k-1)=P2*P3*...*Pk;当λ=1时,对应设备1和设备2为等价事件(如:同塔双回线)。
步骤B306:保留Pk,j大于Pmin的组合形成故障设备组合集Nk,Nk表示故障重数为k的故障设备组合集,k取2、3、…、Kmax;
将N1与Nk合并构建故障设备组合集Acomb,并按照组合设备故障概率由大到小排序。
在本发明实施例中,步骤C所述第一故障设备组合子集Asave,L的形成方法包括如下步骤:
步骤C101:针对故障设备组合集Acomb中故障重数为1的设备组合,无需计算设备间的空间距离,直接保存至第一故障设备组合子集Asave,L中;
步骤C102:针对故障设备组合集Acomb中故障重数大于等于2的组合,根据设备的经纬度采用下述公式计算组合中两两设备间空间距离:
L=β·R·arccos[cosy1·cosy2·cos(x1-x2)+siny1·siny2]
式中,L为两设备间的空间距离;β为修正系数;R为地球半径;(x1,y1)为其中一设备的经纬度;(x2,y2)为另一设备的经纬度。
受灾设备的经纬度包括发电机、母线和变压器所属厂站的经纬度,交流线路和直流线路首末端所属厂站及其杆塔的经纬度。需要说明的是:如果第m个组合中存在交流线路a,且已知灾害发生的线路杆塔的经纬度,则取杆塔的经纬度计算与设备b间的空间距离La,b,并分别计算故障杆塔与交流线路a首端所在厂站间的距离(记为L1)、以及与末端所在厂站间的距离(记为L2),则计算故障位置距首端的百分数为W=L1/(L1+L2)*100%),作为交流线路a的故障位置;如果未知线路杆塔经纬度,则分别计算交流线路a首端或末端所在厂站与设备b间的空间距离La,b,首和La,b,末,当La,b,首≥La,b,末时,交流线路a故障位置设为末端,当La,b,首<La,b,末时,交流线路a故障位置设为首端。
步骤C103:将组合中两两设备间空间距离的最大值Lm与空间距离门槛值Lmin进行比较:当Lm≥Lmin时,将相应组合保存至第一故障设备组合子集Asave,L中;否则,将相应组合保留至待筛选故障设备组合子集Aselt中。
步骤D中所述第二故障设备组合子集的形成方法包括如下步骤:
步骤D101:针对待筛选故障设备组合子集Aselt中的组合,获取各设备所在计算节点,构建同一组合中两两设备所在节点的两端口戴维南等值网络;
步骤D102:根据所构建的戴维南等值网络,采用下述公式计算同一组合中两两设备间的电气距离:
式中,E为两设备间的电气距离;(R11+jX11)为其中一设备所在端口对地的等值网络自阻抗;(R22+jX22)为另一设备所在端口对地的等值网络自阻抗;(R12+jX12)为两设备间的等值互阻抗;
需要说明的是:如果第m个组合中存在交流线路a,且已知交流线路故障位置(即距首端的百分数Wa),则计算故障位置与设备b间的电气距离Ea,b;若交流线路故障位置未知,则分别计算线路首端或末端与设备b间的电气距离Ea,b,首和Ea,b,末,当Ea,b,首≥Ea,b,末时,线路a故障位置设为末端,当Ea,b,首<Ea,b,末时,线路a故障位置设为首端。
步骤D103:将组合中两两设备间电气距离的最大值Em与电气距离门槛值Emin进行比较:当Em≥Emin时,将相应组合保存至第二故障设备组合子集Asave,E中;否则,将相应组合保存至Adelet中,后续执行删除操作。
步骤E中所述预想故障集的生成防法包括如下步骤:
遍历第一故障设备组合子集中的组合和第二故障设备组合子集中的组合,先后形成首发故障设备的故障信息、后续故障设备的故障信息;
其中,所述首发故障设备的故障信息包括故障类型、故障侧、设备首端或末端切除时间;所述后续故障设备的故障信息包括故障类型、故障侧、后续故障与首发故障的时差。
若预想时段的有效起始时刻为t0,有效截止时刻为t1,当在线安全稳定分析与决策的计算周期不在t0至t1时段内时,本轮故障置为无效,重复上述流程滚动获取下一时段内的N-K预想故障集。
本发明实施例还提供了一种预想故障集生成系统,能够用于实现前述的方法,所述系统包括:
选取模块:用于选取预想时段内受气象灾害影响的投运电气设备作为受灾设备;
故障设备集构建模块:用于根据各受灾设备的故障概率构建首发故障设备集和后续故障设备集;
第一形成模块:用于依据构建结果形成故障生成规则集;
第二形成模块:用于依据构建结果形成故障设备组合集;
第一筛选模块:用于针对故障设备组合集,将同一故障设备组合中两两受灾设备间的空间距离均不小于空间距离门槛值的组合保留,形成第一故障设备组合子集,其余组合作为待筛选故障设备组合子集;
第二筛选模块:用于针对待筛选故障设备组合子集,将同一故障设备组合中两两受灾设备间的电气距离均不小于电气距离门槛值的组合保留,形成第二故障设备组合子集;
生成模块:用于根据第一故障设备组合子集、第二故障设备组合子集及故障生成规则集生成预想故障集。
其中,所述故障设备集构建模块包括:
第一计算子模块:用于计算预想时段内各受灾设备的故障概率;
第一比较子模块:用于将受灾设备的故障概率与预设的单一设备故障概率门槛值进行比较:若受灾设备的故障概率不小于单一设备故障概率门槛值,则将其划分至首发故障设备集,否则划分至后续故障设备集。
其中,所述第一形成模块包括:
确定子模块:用于根据受灾设备的类型确定受灾设备所能够发生的最严重故障类型;
设定子模块:用于默认受灾设备所发生的故障为最严重故障类型,设定首发故障设备的故障类型、后续故障设备的故障类型以及后续故障与首发故障的时差。
其中,第二形成模块包括:
排序子模块:用于针对首发故障设备集和后续故障设备集,分别按受灾设备的故障概率由大到小排序;
第二计算子模块:用于对于后续故障设备集,采用下述公式分别计算故障重数为2、3、…、K的设备组合最大概率:
式中:K为后续故障设备集中的设备数目;pmax.k为第k重设备组合最大概率;pi为后续故障设备集中第i个设备的故障概率;
选择子模块:用于选择pmax.k大于设定的设备组合概率门槛值Pmin所对应的最大重数Kx,取Kmax=min(Km.set,Kx)作为预想时段内设备组合重数,其中Km.set为设定的最大故障重数;
组合子模块:用于遍历首发故障设备集中的首发故障设备,利用回溯法对后续故障设备集中的设备进行N-2至N-Kmax故障设备组合,第k重设备组合过程的退出条件为Pk,j<Pmin,
Pk,j=max{λk-1,P(1,k-1)}*P1
式中,N表示受灾设备总数;k取2、3、…、Kmax;Pk,j为第k重设备组合下第j组设备组合概率;P1为设备1的故障概率,并约定P1为首发故障设备的故障概率;λ为设备间故障耦合系数;P(1,k-1)为首发故障设备1发生故障的条件下,后续故障设备的故障概率;
第一保留子模块:用于保留Pk,j大于Pmin的组合形成故障设备组合集。
第二保留子模块:对于首发故障设备集,形成故障重数为1的故障设备组合集N1。
其中,所述第一筛选模块包括:
直接保存子模块:针对故障设备组合集中故障重数为1的设备组合,直接保存至第一故障设备组合子集Asave,L中;
第三计算子模块:用于针对故障设备组合集中故障重数大于等于2的组合,根据设备的经纬度采用下述公式计算组合中两两设备间空间距离:
L=β·R·arccos[cos y1·cos y2·cos(x1-x2)+sin y1·sin y2]
式中,L为两设备间的空间距离;β为修正系数;R为地球半径;(x1,y1)为其中一设备的经纬度;(x2,y2)为另一设备的经纬度;
第二比较子模块:用于将组合中两两设备间空间距离的最大值Lm与空间距离门槛值Lmin进行比较:当Lm≥Lmin时,将相应组合保存至第一故障设备组合子集Asave,L中;否则,将相应组合保留至待筛选故障设备组合子集中。
其中,第二筛选模块包括:
等值网络构建模块:用于针对待筛选故障设备组合子集中的组合,获取各设备所在计算节点,构建同一组合中两两设备所在节点的两端口戴维南等值网络;
第四计算子模块:用于根据所构建的戴维南等值网络,采用下述公式计算同一组合中两两设备间的电气距离:
式中,E为两设备间的电气距离;(R11+jX11)为其中一设备所在端口对地的等值网络自阻抗;(R22+jX22)为另一设备所在端口对地的等值网络自阻抗;(R12+jX12)为两设备间的等值互阻抗;
第三比较子模块:用于将组合中两两设备间电气距离的最大值Em与电气距离门槛值Emin进行比较:当Em≥Emin时,将相应组合保存至第二故障设备组合子集Asave,E中。
其中,所述生成模块包括:
故障信息形成子模块:用于遍历第一故障设备组合子集中的组合和第二故障设备组合子集中的组合,先后形成首发故障设备的故障信息、后续故障设备的故障信息;
其中,所述首发故障设备的故障信息包括故障类型、故障侧、设备首端或末端切除时间;所述后续故障设备的故障信息包括故障类型、故障侧、后续故障与首发故障的时差。
本发明实施例还提供了一种预想故障集生成系统,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行前述任一项所述方法的步骤。
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前述任一项所述方法的步骤。
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。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (16)
1.一种预想故障集生成方法,其特征在于,所述方法包括如下步骤:
选取预想时段内受气象灾害影响的投运电气设备作为受灾设备;
根据各受灾设备的故障概率构建首发故障设备集和后续故障设备集,并依据构建结果形成故障生成规则集及故障设备组合集;
针对故障设备组合集,将同一故障设备组合中两两受灾设备间的空间距离均不小于空间距离门槛值的组合保留,形成第一故障设备组合子集,其余组合作为待筛选故障设备组合子集;
针对待筛选故障设备组合子集,将同一故障设备组合中两两受灾设备间的电气距离均不小于电气距离门槛值的组合保留,形成第二故障设备组合子集;
根据第一故障设备组合子集、第二故障设备组合子集及故障生成规则集生成预想故障集。
2.根据权利要求1所述的预想故障集生成方法,其特征在于,构建首发故障设备集和后续故障设备集的方法包括如下步骤:
计算预想时段内各受灾设备的故障概率;
将受灾设备的故障概率与预设的单一设备故障概率门槛值进行比较:
若受灾设备的故障概率不小于单一设备故障概率门槛值,则将其划分至首发故障设备集,否则划分至后续故障设备集。
3.根据权利要求1所述的预想故障集生成方法,其特征在于,所述故障生成规则集的形成方法包括如下步骤:
根据受灾设备的类型确定受灾设备所能够发生的最严重故障类型;
默认受灾设备所发生的故障为最严重故障类型,设定首发故障设备的故障类型、后续故障设备的故障类型以及后续故障与首发故障的时差。
4.根据权利要求1所述的预想故障集生成方法,其特征在于,所述故障设备组合集的形成方法包括如下步骤:
针对首发故障设备集和后续故障设备集,分别按受灾设备的故障概率由大到小排序;
对于首发故障设备集,直接形成故障重数为1的故障设备组合集N1;
对于后续故障设备集,采用下述公式分别计算故障重数为2、3、…、K的设备组合最大概率:
式中:K为后续故障设备集中的设备数目;pmax.k为第k重设备组合最大概率;pi为后续故障设备集中第i个设备的故障概率;
确定pmax.k大于设定的设备组合概率门槛值Pmin所对应的最大重数Kx,并取Kmax=min(Km.set,Kx)作为预想时段内设备组合重数,其中,Km.set为设定的最大故障重数;
遍历首发故障设备集中的首发故障设备,利用回溯法对后续故障设备集中的设备进行N-2至N-Kmax故障设备组合,第k重设备组合过程的退出条件为Pk,j≤Pmin,
Pk,j=max{λk-1,P(1,k-1)}*P1
式中,N表示受灾设备总数;k取2、3、…、Kmax;Pk,j为第k重设备组合下第j组设备组合概率;P1为设备1的故障概率,并约定P1为首发故障设备的故障概率;λ为设备间故障耦合系数;P(1,k-1)为首发故障设备1发生故障的条件下,后续故障设备的故障概率;
保留Pk,j大于Pmin的设备组合形成故障设备组合集Nk,其中:Nk表示故障重数为k的故障设备组合集,k取2、3、…、Kmax。
5.根据权利要求4所述的预想故障集生成方法,其特征在于,所述第一故障设备组合子集的形成方法包括如下步骤:
针对故障设备组合集中故障重数为1的设备组合N1,直接保存至第一故障设备组合子集Asave,L中;
针对故障设备组合集中故障重数大于等于2的组合Nk,根据设备的经纬度采用下述公式计算组合中两两设备间空间距离:
L=β·R·arccos[cosy1·cosy2·cos(x1-x2)+siny1·siny2]
式中,L为两设备间的空间距离;β为修正系数;R为地球半径;(x1,y1)为其中一设备的经纬度;(x2,y2)为另一设备的经纬度;
将组合中两两设备间空间距离的最大值Lm与空间距离门槛值Lmin进行比较:当Lm≥Lmin时,将相应组合保存至第一故障设备组合子集Asave,L中;否则,将相应组合保留至待筛选故障设备组合子集中。
6.根据权利要求1所述的预想故障集生成方法,其特征在于,所述第二故障设备组合子集的形成方法包括如下步骤:
针对待筛选故障设备组合子集中的组合,获取各设备所在计算节点,构建同一组合中两两设备所在节点的两端口戴维南等值网络;
根据所构建的戴维南等值网络,采用下述公式计算同一组合中两两设备间的电气距离:
式中,E为两设备间的电气距离;(R11+jX11)为其中一设备所在端口对地的等值网络自阻抗;(R22+jX22)为另一设备所在端口对地的等值网络自阻抗;(R12+jX12)为两设备间的等值互阻抗;
将组合中两两设备间电气距离的最大值Em与电气距离门槛值Emin进行比较:当Em≥Emin时,将相应组合保存至第二故障设备组合子集Asave,E中。
7.根据权利要求1所述的预想故障集生成方法,其特征在于,所述预想故障集的生成防法包括如下步骤:
遍历第一故障设备组合子集中的组合和第二故障设备组合子集中的组合,先后形成首发故障设备的故障信息、后续故障设备的故障信息;
其中,所述首发故障设备的故障信息包括故障类型、故障侧、设备首端或末端切除时间;所述后续故障设备的故障信息包括故障类型、故障侧、后续故障与首发故障的时差。
8.一种预想故障集生成系统,其特征在于,所述系统包括:
选取模块:用于选取预想时段内受气象灾害影响的投运电气设备作为受灾设备;
故障设备集构建模块:用于根据各受灾设备的故障概率构建首发故障设备集和后续故障设备集;
第一形成模块:用于依据构建结果形成故障生成规则集;
第二形成模块:用于依据构建结果形成故障设备组合集;
第一筛选模块:用于针对故障设备组合集,将同一故障设备组合中两两受灾设备间的空间距离均不小于空间距离门槛值的组合保留,形成第一故障设备组合子集,其余组合作为待筛选故障设备组合子集;
第二筛选模块:用于针对待筛选故障设备组合子集,将同一故障设备组合中两两受灾设备间的电气距离均不小于电气距离门槛值的组合保留,形成第二故障设备组合子集;
生成模块:用于根据第一故障设备组合子集、第二故障设备组合子集及故障生成规则集生成预想故障集。
9.根据权利要求8所述的预想故障集生成系统,其特征在于,所述故障设备集构建模块包括:
第一计算子模块:用于计算预想时段内各受灾设备的故障概率;
第一比较子模块:用于将受灾设备的故障概率与预设的单一设备故障概率门槛值进行比较:若受灾设备的故障概率不小于单一设备故障概率门槛值,则将其划分至首发故障设备集,否则划分至后续故障设备集。
10.根据权利要求8所述的预想故障集生成系统,其特征在于,所述第一形成模块包括:
确定子模块:用于根据受灾设备的类型确定受灾设备所能够发生的最严重故障类型;
设定子模块:用于默认受灾设备所发生的故障为最严重故障类型,设定首发故障设备的故障类型、后续故障设备的故障类型以及后续故障与首发故障的时差。
11.根据权利要求8所述的预想故障集生成系统,其特征在于,第二形成模块包括:
排序子模块:用于针对首发故障设备集和后续故障设备集,分别按受灾设备的故障概率由大到小排序;
第二计算子模块:用于对于后续故障设备集,采用下述公式分别计算故障重数为2、3、…、K的设备组合最大概率:
式中:K为后续故障设备集中的设备数目;pmax.k为第k重设备组合最大概率;pi为后续故障设备集中第i个设备的故障概率;
选择子模块:用于选择pmax.k大于设定的设备组合概率门槛值Pmin所对应的最大重数Kx,取Kmax=min(Km.set,Kx)作为预想时段内设备组合重数,其中Km.set为设定的最大故障重数;
组合子模块:用于遍历首发故障设备集中的首发故障设备,利用回溯法对后续故障设备集中的设备进行N-2至N-Kmax故障设备组合,第k重设备组合过程的退出条件为Pk,j≤Pmin,
Pk,j=max{λk-1,P(1,k-1)}*P1
式中,N表示受灾设备总数;k取2、3、…、Kmax;Pk,j为第k重设备组合下第j组设备组合概率;P1为设备1的故障概率,并约定P1为首发故障设备的故障概率;λ为设备间故障耦合系数;P(1,k-1)为首发故障设备1发生故障的条件下,后续故障设备的故障概率;
第一保留子模块:用于保留Pk,j大于Pmin的组合形成故障设备组合集Nk,Nk表示故障重数为k的故障设备组合集,k取2、3、…、Kmax;
第二保留子模块:对于首发故障设备集,直接形成故障重数为1的故障设备组合集N1。
12.根据权利要求11所述的预想故障集生成系统,其特征在于,所述第一筛选模块包括:
直接保存子模块:针对故障设备组合集中故障重数为1的设备组合,直接保存至第一故障设备组合子集Asave,L中;
第三计算子模块:用于针对故障设备组合集中故障重数大于等于2的组合,根据设备的经纬度采用下述公式计算组合中两两设备间空间距离:
L=β·R·arccos[cosy1·cosy2·cos(x1-x2)+siny1·siny2]
式中,L为两设备间的空间距离;β为修正系数;R为地球半径;(x1,y1)为其中一设备的经纬度;(x2,y2)为另一设备的经纬度;
第二比较子模块:用于将组合中两两设备间空间距离的最大值Lm与空间距离门槛值Lmin进行比较:当Lm≥Lmin时,将相应组合保存至第一故障设备组合子集Asave,L中;否则,将相应组合保留至待筛选故障设备组合子集中。
13.根据权利要求8所述的预想故障集生成系统,其特征在于,第二筛选模块包括:
等值网络构建模块:用于针对待筛选故障设备组合子集中的组合,获取各设备所在计算节点,构建同一组合中两两设备所在节点的两端口戴维南等值网络;
第四计算子模块:用于根据所构建的戴维南等值网络,采用下述公式计算同一组合中两两设备间的电气距离:
式中,E为两设备间的电气距离;(R11+jX11)为其中一设备所在端口对地的等值网络自阻抗;(R22+jX22)为另一设备所在端口对地的等值网络自阻抗;(R12+jX12)为两设备间的等值互阻抗;
第三比较子模块:用于将组合中两两设备间电气距离的最大值Em与电气距离门槛值Emin进行比较:当Em≥Emin时,将相应组合保存至第二故障设备组合子集Asave,E中。
14.根据权利要求1所述的预想故障集生成方法,其特征在于,所述生成模块包括:
故障信息形成子模块:用于遍历第一故障设备组合子集中的组合和第二故障设备组合子集中的组合,先后形成首发故障设备的故障信息、后续故障设备的故障信息;
其中,所述首发故障设备的故障信息包括故障类型、故障侧、设备首端或末端切除时间;所述后续故障设备的故障信息包括故障类型、故障侧、后续故障与首发故障的时差。
15.一种预想故障集生成系统,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1~7任一项所述方法的步骤。
16.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权利要求1~7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010160075.1A CN111429299B (zh) | 2020-03-10 | 2020-03-10 | 一种预想故障集生成方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010160075.1A CN111429299B (zh) | 2020-03-10 | 2020-03-10 | 一种预想故障集生成方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429299A true CN111429299A (zh) | 2020-07-17 |
CN111429299B CN111429299B (zh) | 2022-09-06 |
Family
ID=71551527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010160075.1A Active CN111429299B (zh) | 2020-03-10 | 2020-03-10 | 一种预想故障集生成方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429299B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642944A (zh) * | 2021-10-15 | 2021-11-12 | 中国电力科学研究院有限公司 | 大电网静态安全风险分析方法、系统、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389002A (zh) * | 2018-03-13 | 2018-08-10 | 国电南瑞科技股份有限公司 | 一种基于n-1严重故障集的多重故障生成方法 |
CN108898258A (zh) * | 2018-07-06 | 2018-11-27 | 广州供电局有限公司 | 雷电灾害天气下电力系统连锁故障风险的分析方法与系统 |
CN110390078A (zh) * | 2019-07-10 | 2019-10-29 | 南瑞集团有限公司 | 一种基于时空相关性的外部灾害下群发故障集生成方法 |
-
2020
- 2020-03-10 CN CN202010160075.1A patent/CN111429299B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389002A (zh) * | 2018-03-13 | 2018-08-10 | 国电南瑞科技股份有限公司 | 一种基于n-1严重故障集的多重故障生成方法 |
CN108898258A (zh) * | 2018-07-06 | 2018-11-27 | 广州供电局有限公司 | 雷电灾害天气下电力系统连锁故障风险的分析方法与系统 |
CN110390078A (zh) * | 2019-07-10 | 2019-10-29 | 南瑞集团有限公司 | 一种基于时空相关性的外部灾害下群发故障集生成方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642944A (zh) * | 2021-10-15 | 2021-11-12 | 中国电力科学研究院有限公司 | 大电网静态安全风险分析方法、系统、设备及存储介质 |
CN113642944B (zh) * | 2021-10-15 | 2022-01-07 | 中国电力科学研究院有限公司 | 大电网静态安全风险分析方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111429299B (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jarventausta et al. | Using fuzzy sets to model the uncertainty in the fault location process of distribution networks | |
Rovatsos et al. | Statistical power system line outage detection under transient dynamics | |
Zou et al. | Distribution system restoration with renewable resources for reliability improvement under system uncertainties | |
CN108336741B (zh) | 一种全过程电压稳定性分析的故障筛选方法及系统 | |
CN113328437B (zh) | 一种智能配电网cps拓扑构建方法及故障恢复方法 | |
Liu et al. | Availability assessment based case-sensitive power system restoration strategy | |
CN107271853A (zh) | 配电自动化系统分布式小电流接地故障定位方法及系统 | |
Dzafic et al. | Composite fault location for distribution management systems | |
Dubey et al. | A robust approach to restoring critical loads in a resilient power distribution system | |
CN110689186A (zh) | 基于风电出力随机性的配电网供电可靠性评估方法及系统 | |
CN107301479B (zh) | 基于自然灾害风险的输电系统多场景规划方法 | |
CN111429299B (zh) | 一种预想故障集生成方法、系统及存储介质 | |
CN104537161B (zh) | 一种基于供电安全标准的中压配电网诊断分析方法 | |
CN109802417A (zh) | 应对直流故障冲击弱交流通道的电网紧急控制方法及装置 | |
CN111475915B (zh) | 基于故障概率和时域仿真准稳态的相继故障在线评估方法 | |
CN110190617B (zh) | 多馈入直流电力系统的评估方法、系统、设备及存储介质 | |
CN110797863B (zh) | 一种考虑电网n-1及n-2安全约束的经济调度方法 | |
Shen et al. | A review on VSC-HVDC reliability modeling and evaluation techniques | |
CN109861855B (zh) | 一种电力通信网络中节点重要度的确定方法和装置 | |
Yi et al. | Development of wide area measurement and dynamic security assessment systems in Korea | |
Aličić et al. | A new approach to optimal placement of power quality monitors for voltage sag detection | |
Stanisavljević et al. | A method for real-time prediction of the probability of voltage sag duration based on harmonic footprint | |
CN116773971B (zh) | 有源配电网故障电流的确定方法、装置、设备及介质 | |
Liu et al. | A resilience enhancement scheme of cyber-physical power system for extreme natural disasters | |
CN109245098A (zh) | 一种电网安全分析中故障集的生成方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |