CN111475953A

CN111475953A - 供能可靠性影响分析方法、装置设备及存储介质

Info

Publication number: CN111475953A
Application number: CN202010278725.2A
Authority: CN
Inventors: 郇嘉嘉; 张小辉; 李家淇; 黄学劲; 李俊辉; 李锡刚; 刘炜彬; 钟锦星
Original assignee: Guangdong Power Grid Co Ltd; Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Current assignee: Guangdong Power Grid Co Ltd; Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date: 2020-04-10
Filing date: 2020-04-10
Publication date: 2020-07-31
Anticipated expiration: 2040-04-10
Also published as: CN111475953B

Abstract

本申请中公开了一种供能可靠性影响分析方法、装置设备及存储介质，方法包括：建立信息能源系统设备多状态模型；基于信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟。本申请解决了现有的可靠性评估方法主要集中在“源‑网‑荷‑储”关联的物理层面，而未考虑信息层面的影响；仍以“电力”为主要能源形式，尚缺乏信息系统与综合能源系统可靠性连锁影响方面的研究，难以满足未来能源互联网建设的需求的技术问题。

Description

供能可靠性影响分析方法、装置设备及存储介质

技术领域

本申请涉及城网规划管理技术领域，尤其涉及供能可靠性影响分析方法、装置设备及存储介质。

背景技术

作为能源互联网的物理架构，综合能源系统因其广泛的适用性以及构成的灵活性，受到了越来越多的关注。然而，综合能源系统的构成十分复杂，物理设备众多、多能交互信息量大，亟需高效的信息系统配合以实现对综合能源系统的有效管理。信息系统能够支撑综合能源系统内供能、用能等方面的信息采集，并传达运行指令，其故障或失效将很有可能会严重影响综合能源系统的正常运行。基于此，新一代信息能源系统的构想应运而生。因此，在分析信息系统与综合能源系统耦合特性的基础上，进一步从可靠性的角度深入分析新一代信息能源系统内信息系统与综合能源系统在静态物理关联以及动态联合运行方面的连锁影响，进而挖掘信息能源系统的薄弱环节，就成为了目前亟待解决的重要技术问题，也是未来进一步建设能源互联网的重要保障。

针对综合能源系统的可靠性评估方法，一些研究考虑了不同能源的品位差异及供储设备的运行特性，提出了综合能源微网的可靠性评估指标及方法，并进行了典型场景的对比分析。一些研究针对区域综合能源系统内不同类型能源传输的时滞特性，制定了系统多能互济的多时间尺度运行策略，提出了区域综合能源系统可靠性的评估方法，并证明了多能耦合互补对系统供能可靠性的提升作用以及考虑热惯性因素的必要性。一些研究以气电耦合综合能源系统为研究对象，对供能可靠性的影响因素进行了细致分析，提出了气电耦合综合能源系统供电可靠性评估的解析算法并进行了多场景的分析。然而，上述方法并未考虑信息系统的影响作用。而在考虑信息系统影响的电力可靠性评估研究领域，一些研究围绕设备建模、信息物理交互分析、评估指标和评估算法等方面对配电信息物理系统可靠性建模与评估方法的研究现状进行了综述，并对现有研究的局限性进行了概括。

然而可靠性评估方法仍存在以下问题：主要集中在“源-网-荷-储”关联的物理层面，而未考虑信息层面的影响；仍以“电力”为主要能源形式，尚缺乏信息系统与综合能源系统可靠性连锁影响方面的研究，难以满足未来能源互联网建设的需求。

发明内容

本申请提供了供能可靠性影响分析方法、装置设备及存储介质，解决了现有的可靠性评估方法主要集中在“源-网-荷-储”关联的物理层面，而未考虑信息层面的影响；仍以“电力”为主要能源形式，尚缺乏信息系统与综合能源系统可靠性连锁影响方面的研究，难以满足未来能源互联网建设的需求的技术问题。

本申请第一方面提供了一种供能可靠性影响分析方法，包括：

建立信息能源系统设备多状态模型；

基于所述信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟。

可选地，所述信息能源系统设备多状态模型具体包括：能源生产设备状态模型、其他设备元件状态模型、静态连接分析模型、动态传输分析模型、传输误差分析模型、传输延时分析模型。

可选地，所述建立信息能源系统设备多状态模型之后还包括：基于传统电力系统的可靠性指标，建立信息能源系统可靠性评估指标。

可选地，所述基于所述信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟具体包括：

设定所述信息能源系统设备的正常状态；

基于所述信息能源系统设备多状态模型，找到故障元件，并计算所述故障元件的故障时间；

结合FMEA分析方法计算所述信息能源系统的可靠性指标；

通过概率分布函数生成所述故障元件新的随机数，并转化为运行时间；

判断所述信息能源系统进行蒙特卡洛模拟的时间是否小于一年，若是，进行下一次所述蒙特卡洛模拟。

可选地，所述基于所述信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟之后还包括：

统计所述信息能源系统的可靠性指标。

本申请第二方面提供了一种供能可靠性影响分析装置，包括：

建模模块，用于建立信息能源系统设备多状态模型；

模拟模块，用于基于所述信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟。

可选地，还包括评估模块，用于基于传统电力系统的可靠性指标，建立信息能源系统可靠性评估指标。

可选地，所述模拟模块具体用于：

设定所述信息能源系统设备的正常状态；

结合FMEA分析方法计算所述信息能源系统的可靠性指标；

本申请第三方面提供了一种供能可靠性影响分析设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行第一方面所述的供能可靠性影响分析方法。

本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的供能可靠性影响分析方法。

从以上技术方案可以看出，本申请具有以下优点：

本申请中，提供了一种供能可靠性影响分析方法，包括：

建立信息能源系统设备多状态模型；

本申请提供的一种供能可靠性影响分析方法，以信息能源系统为研究对象，通过构建信息能源系统内的关键设备的状态模型以及系统的静态连接和动态传输模型，结合信息能源系统运行可靠性评估指标，可以深入挖掘信息系统与综合能源系统之间的可靠性耦合关系，并对可靠性的影响因素进行针对性分析。本申请旨在提供一种新的可靠性评估方法，可以作为规划工作的依据提高规划的水平。本申请解决了现有的可靠性评估方法主要集中在“源-网-荷-储”关联的物理层面，而未考虑信息层面的影响；仍以“电力”为主要能源形式，尚缺乏信息系统与综合能源系统可靠性连锁影响方面的研究，难以满足未来能源互联网建设的需求的技术问题。

附图说明

图1为本申请提供的一种供能可靠性影响分析方法的一个实施例的流程示意图；

图2为本申请提供的一种供能可靠性影响分析方法的另一个实施例的流程示意图；

图3为本申请实施例提供的一种供能可靠性影响分析方法的分析流程示意图；

图4为本申请实施例提供的一种供能可靠性影响分析装置的结构示意图；

图5为本申请实施例提供的一种供能可靠性影响分析方法的实施方案的系统架构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供了供能可靠性影响分析方法、装置设备及存储介质，在信息能源系统内，各类分布式资源的处理以及不同类型能源负荷的需求均具有较强的时序特性，仅通过极限值或平均值的测量难以反映其实际运行情况，从而影响可靠性的评估结果。基于此，本申请针对能源生产设备及其他设备分别构建其多状态模型，通过多状态模型可以更好地表征设备的运行状态，从而克服常规的极限值或是平均值单状态表征方法难以完全贴合设备的实际情况的不足。在建立设备多状态模型的基础上，进一步结合蒙特卡洛方法来对系统的整体运行情况进行模拟。解决了现有的可靠性评估方法主要集中在“源-网-荷-储”关联的物理层面，而未考虑信息层面的影响；仍以“电力”为主要能源形式，尚缺乏信息系统与综合能源系统可靠性连锁影响方面的研究，难以满足未来能源互联网建设的需求的技术问题。

为了便于理解，参见图1，图1为本申请提供的一种供能可靠性影响分析方法的一个实施例的流程示意图；

本申请实施例第一方面提供了一种供能可靠性影响分析方法，包括：

100，建立信息能源系统设备多状态模型；

200，基于信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟。

需要说明的是，本申请实施例提供的供能可靠性影响分析方法，通过建立能源生产设备的多状态马尔可夫模型，在完善机组状态的同时也为信息能源系统的可靠性评估建立基础。具体采用四状态马尔科夫模型描述机组的运行状态，建模方法如下：

确定出力划分间隔Δg：

式(1)中，G_r为机组的额定功率；N为状态的个数(本申请中可以取值4)。

在已有状态(g₁＝0；g₄＝G_r)的基础上，通过上一步骤可以确定g₂与g₃的初始值，随后进行修正，具体方法为：根据统计时间内机组的出力情况对g₂与g₃进行修正，求取状态g₁～g₂期间机组出力的平均值作为新的状态值g₂；同理求取状态g₂～g₄期间机组出力的平均值作为新的状态值g₃。

在确定了每种状态后，需要确定每种状态的累计持续时间，可以记作^T∑i(h)，在本申请实施例中(i＝1,2,3,4)，这样每种状态出现的概率就可以按照下式进行计算：

在确定了每种状态的实际等级(本申请实施例按照机组的出力进行划分)以及出现概率后，还需要确定各个状态之间的状态转移系数，本申请实施例针对传输系数建立状态转移矩阵A，矩阵中具体元素的确定方法为：

式(3)及(4)中，^T∑i为每种状态的累计持续时间；k_ij为观察统计时间周期内，i状态到j状态转移发生的次数。

综上，通过上述计算，可以得到能源生产设备不同状态的划分方法、不同状态之间的转移系数。

对于信息能源系统内其他设备设施，例如：能源转换设备、信息监测、信息传输设备等的状态模型可以采用马尔科夫两状态模型。即设备设施的正常状态服从指数分布，机组设备从正常状态运行到故障状态的持续时间为：

式(5)中，λ_d为第d类设备设施的故障率；m为设备设施的总数；u_d为[0,1]区间均匀分布的随机数。

系统内的设备设施均为可修复，故障持续时间同样采用指数分布，设备设施的故障持续时间为：

式(6)中，μ_d为第d类设备设施的修复率。

信息能源系统是信息系统与综合能源系统2个异构系统在能量-信息流层面的深度耦合，其联合运行涉及到能量流及信息流的交互，整体运行机理分为以下5个过程。

1)信息采集：由信息系统内的采集模块采集信息能源系统内设备元件的量值信息或开关、阀门等动作信息，并形成信息包S。

2)信息传输：信息包S在信息系统的既定路由信道传输。

3)信息决策：在正常运行情况下，信息包S会被传输到耦合信息源，并基于调度人员设定的综合能源系统调度运行结果，形成针对各能源站内设备的命令信息包Sset。

4)指令传递：综合能源系统内的各能源站会将命令信息包Sset通过能源站内的传输路由发送给能源站内的设备元件，在传输的过程中同样需要计及公式(11)及公式(12)的传输影响。

其中，综合考虑信息的传输误差及传输延时，信息流内传输的信息可表示为：

5)命令执行：能源站内的设备元件依据命令信息包Sset完成相应的运行调整动作，保障信息能源系统的稳定高效运行。

信息能源系统的供能可靠性指标可以在传统电力系统可靠性指标的基础上进一步考虑信息元件故障可能产生的影响，从而反应信息能源系统的综合可靠性水平。本申请实施例分别选取广义的系统平均停电持续时间指标RSAIDI、缺供电量期望REENS和供电可用率指标RASAI作为评估指标，指标计算方式如下，在这里需要注意的是，由于信息能源系统内包括电/热/冷等多种能源的供输，因此，需要单独计算不同类型能源的供能可靠性指标。

式(13)、(14)、(15)中，n为信息能源系统内负荷点总数；n_l表示第l个负荷点的用户数；T为模拟时长；U_IES,l和U_INF,l分别为负荷点l由于设备元件故障直接导致的负荷点年停电时间，和由于信息扰动造成控制失效导致的负荷点年停电时间；E_IES,l和E_INF,l分别为负荷点l由于设备元件故障直接导致和由于信息扰动间接导致的缺供电能量期望值。

进一步地，信息能源系统设备多状态模型具体包括：能源生产设备状态模型、其他设备元件状态模型、静态连接分析模型、动态传输分析模型、传输误差分析模型、传输延时分析模型。

需要说明的是，考虑到信息能源系统内能量及信息传输路径的多样性，因此，本申请实施例通过建立信息能源系统内的静态连接模型，以确定实际运行时能量及信息的传输路径。可以采用节点邻接矩阵来描述信息能源系统内各设备设施间的物理连接关系，将物理层与信息层内包含的设备设施定义为节点；设备设施之间的连接关系定义为边，具体包括物理层内设备之间的能量流连接关系、信息层内设备之间的信息流连接关系，以及物理层与信息层设备之间信息指令送达与反馈的耦合连接关系。

在此基础上，基于设备设施之间的拓扑连接关系建立信息能源系统节点的拓扑邻接矩阵，表示为矩阵A_CPES，并规定若信息能源系统内的节点p与节点q相连，则A_pq＝1，否则令A_pq＝0。在这里需要说明的是，本申请实施例所定义的邻接矩阵A_CPES中，所有的物理及信息设备均定义为节点，支路仅表示节点间的拓扑连接关系。

当信息能源系统内的设备元件发生故障后，系统的多能互补机制及管线备用将会决定能量及信息的传输是否会受到影响。因此，在得到信息能源系统邻接矩阵和系统内所有设备元件运行状态的后，需要进一步对传输路径的有效性进行分析，本申请实施例采用深度优先搜索算法对信息能源系统内的网络路由进行分析，以查找设备元件节点之间所有可能的能量或信息路径。

具体流程如下：

1)基于信息能源系统的邻接矩阵和设备元件的状态模型，模拟信息能源系统的运行状态，并判断是否存在设备元件故障，若存在，则依次从矩阵A_CPES中剔除故障设备元件所对应节点编号的行与列，从而形成无故障设备的邻接矩阵。

2)运用深度优先搜索算法开展传输路径分析，去除冗余路径形成便于分析的树状网络，确保每两个设备元件之间只有一条信道并保持通畅。

通过建立信息能源系统的静态拓扑连接分析模型，可以为信息能源系统在信息与能量的联合模拟运行提供模型基础。

(3)建立息能源系统动态传输分析模型

信息能源系统内包括能量流与信息流的动态传输，其中，能量流的传输模型及故障分析目前的研究已经相对成熟，本申请实施例将重点对信息流的动态传输及扰动模型进行分析。基于数据包的概念，信息流内包含的实际信息可以表示为

其中，

包含能量流、压力等量值信息或开关、阀门等动作信息；k为地址信息，可能是信息源地址，也有可能是某个设备元件的地址。传输的连通性状态由邻接矩阵A_CPES决定，其扰动主要包括传输误差及传输延时两种。

1)传输误差分析模型

由于设备、环境的差异化原因，信息在传递过程信息量及路由易生成误码，当误码的积累大于一定阈值时，会破坏信息传输的完整性。误码率主要受信息量误差概率

及路由误差概率

的影响，误差量分别为e₁(t)及e₂(t)，误差概率的具体计算公式为：

式(7)中，r为信噪比，通常为服从正态分布的随机数；a和b为与数据调制方式相关的参数；erfc(·)为互补误差的时间函数。

故在考虑传输误差的情况下，信息流内传输的信息可表示为：

式(8)与(9)中，rand(0,1)为[0,1]之间的随机数；int(·)为取整函数，通过比较rand(0,1)和误差概率的大小来判断所传输的信息是否会产生实际误差影响信息传输。

2)传输延时分析模型

由于设备或通信路径的差异化原因，不同数据样本在传输中并不具有严格的同时性。因此，对于邻接矩阵A_CPES中的某一通信路径，当某个信号的传递时间超过一定阈值时，该信号在某个断面的数据将可能出现缺失，进而可能造成该路径信息可用性的破坏。与传输误差分析模型类似，信息延时主要受信息延时概率

的影响，误差量为e₃(t)，由于信息延时并不会影响信息的路由，故在考虑传输延时的情况下，信息流内传输的信息可表示为：

式(10)中，若e₃(t)的系数为-1，则说明动作信息a直到{t+e₃(t)}时刻才能输出信息，而在t至{t+e₃(t)}时段内不会输出信息，从而产生了信息传输延时；否则不会产生延时。

综上分析，综合考虑信息的传输误差及传输延时，信息流内传输的信息可表示为：

式(11)与(12)中，i_status为信息物理设备元件的状态，其中，0表示设备元件损坏，无法传输信息；1表示设备元件能够传输信息，但仍需进一步考虑信息的误差及延时性。

进一步地，建立信息能源系统设备多状态模型之后还包括：基于传统电力系统的可靠性指标，建立信息能源系统可靠性评估指标。

需要说明的是，信息能源系统的供能可靠性指标可以在传统电力系统可靠性指标的基础上进一步考虑信息元件故障可能产生的影响，从而反应信息能源系统的综合可靠性水平。本申请实施例分别选取广义的系统平均停电持续时间指标RSAIDI、缺供电量期望REENS和供电可用率指标RASAI作为评估指标，指标计算方式如下，在这里需要注意的是，由于信息能源系统内包括电/热/冷等多种能源的供输，因此，需要单独计算不同类型能源的供能可靠性指标。

为了便于理解，请参见图2和图3、图5，图2为本申请提供的一种供能可靠性影响分析方法的另一个实施例；图3为本申请实施例提供的一种供能可靠性影响分析方法的分析流程示意图；图5为本申请实施例提供的一种供能可靠性影响分析方法的实施方案的系统架构图。

进一步地，基于信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟具体包括：

210，设定信息能源系统设备的正常状态；

220，基于信息能源系统设备多状态模型，找到故障元件，并计算故障元件的故障时间；

230，结合FMEA分析方法计算信息能源系统的可靠性指标；

240，通过概率分布函数生成故障元件新的随机数，并转化为运行时间；

250，判断信息能源系统进行蒙特卡洛模拟的时间是否小于一年，若是，进行下一次蒙特卡洛模拟。

需要说明的是，参见图3，本申请实施例提供的分析流程具体为：

S1，收集系统的设备元件故障率、修复时间；分布式电源出力曲线；电/热/冷负荷需求曲线；设备元件运行参数。根据这些数据，生成系统拓扑矩阵邻接矩阵；

S2，开始蒙特卡洛模拟循环；

S3，先设定系统的正常状态模型；

S4，基于系统的正常状态模型，判断设备元件的运行状态，并计算出设备元件失效前的运行时间；

S5，找到失效前运行时间最短的设备元件，将其设定为故障元件；

S6，根据故障元件生成新的随机数，并计算设备元件的故障时间；

S7，模拟信息能源系统的联合运行，并结合FMEA分析方法计算系统的可靠性指标；

S8，通过元件结合概率分布函数产生新的随机数，并将该随机数转化为该元件新的运行时间；

S9，判断系统进行蒙特卡洛模拟的时间是否小于一年，若是，进行迭代模拟；

S10，若否，统计系统的年可靠性指标，结束蒙特卡洛模拟和可靠性评估。

示例性的，本申请实施例采用改进的33节点配电系统以及比利时20节点天然气系统作为综合能源系统的主体结构，其中部分节点接有包含智能建筑、分布式能源及储能设备的能源站，能源站内的分布式资源与负荷均设有智能量测装置，实时采集能源站内各个单元的能量及状态信息，并通过信息网络上传到能源站控制中心，能源站控制中心基于站内采集得到的信息、外部环境信息以及既定的运行策略，生成例如负荷削减、可控资源出力调度、分布式资源启停设定等指令。信息系统与综合能源系统内的物理设备共同构成了信息能源系统。具体物理架构如图5所示。不同能源站网内的设备配置情况如表1所示，其中，储电装置的初始容量选取额定容量的30％。

表1 实施方案各能源站配置

可靠性方面，信息能源系统内关键设备的可靠性参数如表2所示，其中，能源站上级电网选取的是电源侧主变/母线的可靠性参数；上级燃气网选取的是主要输气管道的可靠性参数。除此之外，信息系统内的信息量误差概率、路由误差概率以及信息延时概率均取为0.0001。

设备名称	故障率λ<sub>i</sub>	故障修复时间r<sub>i</sub>
			三联供	4	24
电热泵	0.6	2
			电制冷机	0.4	2
光伏/风机	0.4	20
			储能	0.05	50
上级主电网	0.82	7.32
			上级燃气网	0.9	20
信息终端采集	0.0052	24
			通信线路	0.00013	4
交换机	0.00158	48

表2 实施方案各能源站配置

本申请实施例将蒙特卡洛模拟时长设定为10000年，即T＝10000。以能源站1和能源站4为例，分别计算场景1—考虑信息系统扰动情况与场景2—不考虑信息系统扰动情况下，信息能源系统的年供能可靠性指标如表3及表4所示，其中“e”、“h”、“c”分别代表电、热、冷三种能源。

表3 实施方案各能源站配置

表4 实施方案各能源站配置

进一步地，基于信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟之后还包括：

统计信息能源系统的可靠性指标。

为了便于理解，请参见图4，图4为本申请实施例提供的一种供能可靠性影响分析装置的结构示意图；

建模模块10，用于建立信息能源系统设备多状态模型；

模拟模块20，用于基于信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟。

进一步地，还包括评估模块，用于基于传统电力系统的可靠性指标，建立信息能源系统可靠性评估指标。

进一步地，模拟模块20具体用于：

设定信息能源系统设备的正常状态；

基于信息能源系统设备多状态模型，找到故障元件，并计算故障元件的故障时间；

结合FMEA分析方法计算信息能源系统的可靠性指标；

通过概率分布函数生成故障元件新的随机数，并转化为运行时间；

判断信息能源系统进行蒙特卡洛模拟的时间是否小于一年，若是，进行下一次蒙特卡洛模拟。

本申请第三方面提供了一种供能可靠性影响分析设备，设备包括处理器以及存储器：

存储器用于存储程序代码，并将程序代码传输给处理器；

处理器用于根据程序代码中的指令执行上述实施例的供能可靠性影响分析方法。

本申请第四方面提供了一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行上述实施例提供的供能可靠性影响分析方法。

本申请的说明书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims

1.一种供能可靠性影响分析方法，其特征在于，包括：

建立信息能源系统设备多状态模型；

2.根据权利要求1所述的供能可靠性影响分析方法，其特征在于，所述信息能源系统设备多状态模型具体包括：能源生产设备状态模型、其他设备元件状态模型、静态连接分析模型、动态传输分析模型、传输误差分析模型、传输延时分析模型。

3.根据权利要求1所述的供能可靠性影响分析方法，其特征在于，所述建立信息能源系统设备多状态模型之后还包括：基于传统电力系统的可靠性指标，建立信息能源系统可靠性评估指标。

4.根据权利要求1所述的供能可靠性影响分析方法，其特征在于，所述基于所述信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟具体包括：

设定所述信息能源系统设备的正常状态；

结合FMEA分析方法计算所述信息能源系统的可靠性指标；

5.根据权利要求1所述的供能可靠性影响分析方法，其特征在于，所述基于所述信息能源系统设备多状态模型，通过蒙特卡洛方法对信息能源系统的实际运行情况进行模拟之后还包括：

统计所述信息能源系统的可靠性指标。

6.一种供能可靠性影响分析装置，其特征在于，包括：

建模模块，用于建立信息能源系统设备多状态模型；

7.根据权利要求6所述的供能可靠性影响分析装置，其特征在于，还包括评估模块，用于基于传统电力系统的可靠性指标，建立信息能源系统可靠性评估指标。

8.根据权利要求6所述的供能可靠性影响分析装置，其特征在于，所述模拟模块具体用于：

设定所述信息能源系统设备的正常状态；

结合FMEA分析方法计算所述信息能源系统的可靠性指标；

9.一种供能可靠性影响分析设备，其特征在于，所述设备包括处理器以及存储器：

所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的供能可靠性影响分析方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-5任一项所述的供能可靠性影响分析方法。