CN111507509A - 一种电力系统极端事件的风险评估方法 - Google Patents
一种电力系统极端事件的风险评估方法 Download PDFInfo
- Publication number
- CN111507509A CN111507509A CN202010227202.5A CN202010227202A CN111507509A CN 111507509 A CN111507509 A CN 111507509A CN 202010227202 A CN202010227202 A CN 202010227202A CN 111507509 A CN111507509 A CN 111507509A
- Authority
- CN
- China
- Prior art keywords
- extreme
- power system
- risk assessment
- loss
- events
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012502 risk assessment Methods 0.000 title claims abstract description 42
- 238000009826 distribution Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 4
- 238000010187 selection method Methods 0.000 claims description 6
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 239000003054 catalyst Substances 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000004088 simulation Methods 0.000 abstract description 5
- 239000013589 supplement Substances 0.000 abstract 1
- 230000006870 function Effects 0.000 description 11
- 238000011160 research Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000000254 damaging effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力系统极端事件的风险评估方法，属于计算、推算、计数的技术领域。该方法包括：基于历史数据或仿真数据获得电力系统在极端事件下的设备故障概率模型；基于故障概率模型，采用蒙特卡洛方法随机产生系统状态；选取合适的后果评价方法确定相应系统状态下系统的损失；基于极值理论分析极值风险分布情况；基于风险价值计算方法评估极端风险对电力系统的影响。本申请可预先评估极端事件对电力系统的影响，对常规的风险评估方法形成补充。
Description
技术领域
本发明涉及电力系统风险评估技术，尤其涉及一种电力系统极端事件的风险评估方法，属于计算、推算或计数的技术领域。
背景技术
随着大区域互联电网的建设，电力网络安全与可靠问题更加整体化、系统化，低概率的微小扰动可能引发系统大范围连锁故障。降低电力系统风险是保障系统安全稳定运行的前提。网络攻击、自然灾害、设备故障等突发事件会增加系统运行风险，为合理规避这些不确定因素给电网造成的损失，必须加强对电力系统风险管理的研究。
电力系统风险按严重程度分类可以分为普通风险与极端风险。传统的电力系统风险评估方法以普通风险为研究对象，事故概率较大、后果不严重、事前可预测，可通过概率与后果相乘对系统脆弱性进行风险评估。由于极端事件概率很小，直接通过概率和后果相乘进行风险量化，无法真实反应极端事件给系统运行带来的巨大风险。事实上，极端风险事件概率很小、后果严重、事先不可预测，可能给电力系统运行带来破坏性影响。因此，应当对极端风险事件进行风险评估，挖掘极端事件发生原因，完善系统保护策略，避免在电网后续运行中具有类似特征的极端事件再次造成巨大电网损失。
发明内容
本发明的发明目的是针对上述背景技术的不足，提供了一种电力系统极端事件的风险评估方法，实现了小概率极端事件的风险评估，解决了常规风险评估方法无法真实反应极端事件给系统运行带来的巨大风险的技术问题。
本发明为实现上述发明目的采用如下技术方案：一种电力系统极端事件的风险评估方法，获取电力系统在极端事件下的设备故障概率，选取极端事件后果的评价指标后确定系统在所有状态下的损失，拟合系统在所有状态下损失的极值得到极值分布，采用VaR模型对极值分布的尾流区域进行定量分析得到系统在一段持续期内遭受概率大于x％的最大损失，x％的取值根据VaR模型的分位点确定。
进一步地，一种电力系统极端事件的风险评估方法中，极端事件包含但不限于极端天气、网络攻击。
进一步地，一种电力系统极端事件的风险评估方法中，评价指标包含但不限于负荷损失、经济损失、设备损坏率。
进一步地，一种电力系统极端事件的风险评估方法中，系统的所有状态通过蒙特卡洛方法随机产生。
进一步地，一种电力系统极端事件的风险评估方法中，拟合系统在所有状态下损失的极值得到极值分布的过程中，采用区间选取法或超越阈值法选取有限个极值作为拟合对象。
更进一步地，一种电力系统极端事件的风险评估方法中，对于极端天气，从历史数据中统计极端天气导致的设备故障概率。
更进一步地，一种电力系统极端事件的风险评估方法中，对于网络攻击，仿真历史数据建立设备故障概率模型，根据实际输入模型的网络攻击事件获取电力系统在网络攻击下的设备故障概率。
更进一步地，一种电力系统极端事件的风险评估方法中，采用区间选取法选取有限个极值作为拟合对象的方法为：将系统在所有状态下的损失时间序列分为不重叠的小区域，选取每个小区域的最大极值作为拟合对象。
更进一步地，一种电力系统极端事件的风险评估方法中，采用超越阈值法选取有限个极值作为拟合对象的方法为：从系统在所有状态下的损失中选取超过阈值的有限个极值作为拟合对象。
本发明采用上述技术方案，具有以下有益效果：本申请着重考察系统中小概率、大后果事件在不同概率下的期望减载量，小概率事件的后果和风险在该种方式下可以得到比常规评估指数更好的体现，能够预先评估极端事件对系统的影响，是对常规风险评估方法的补充和完善。
附图说明
为了更清楚地说明本发明的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它附图。
图1是本申请评估电力系统极端风险方法的流程图。
图2是IEEE 14节点网络图。
图3是实施例中采用本申请评估方法得到的极值分布密度函数。
图4是实施例中采用本申请评估方法得到的极值分布概率函数。
具体实施方式
下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。本领域普通技术人员基于本发明实施例所做的润饰及改进都落入本发明保护的范围。
本发明公开的一种电力系统极端事件的风险评估方法如图1所示，包括步骤S101至步骤S105。
步骤S101：基于历史数据或仿真数据获得电力系统在极端事件下的设备故障概率模型
极端事件包括但在不限于极端天气、网络攻击。对于有历史数据用于学习和参考的台风、暴雨、泥石流等极端天气事件，直接从历史数据中统计上述事件导致的设备故障概率；对于没有历史数据但需要警惕和防范的网络攻击事件，则需要针对研究问题搭建仿真模型，通过大量的仿真来获得该类事件导致的设备故障概率数据。
步骤S102：基于步骤S101获得的电力系统在极端事件下的设备故障概率模型包含各种设备故障概率的状态空间
采用蒙特卡洛方法随机产生系统状态，根据S101统计的设备故障概率或生成的设备故障概率模型得到设备故障概率后，形成包含各种设备故障概率的状态空间，基于蒙特卡洛抽样方法抽样得到系统大量状态。
步骤S103：选取合适的后果评价方法确定相应系统状态下系统的损失
后果评价方法的评价指标包括但不限于该状态下系统的最少失负荷量、经济损失，电网运行人员可以根据需要选择。
以电力系统安全稳定控制中在紧急状况下切除部分负荷业务为例，最优负荷削减方法的优化目标为电网拓扑因极端事件改变时损失的负荷最少，
min f＝∑t∈TLt (1)，
式(1)中：f代表系统负荷减载量之和；T代表系统节点集合；t代表节点序号；Lt代表节点t的负荷减载值。
采用直流潮流模型，线路功率受到两端节点相角约束，因此线路潮流应满足式(2)约束：
式(2)中：W代表系统线路集合；l代表线路序号；Fl代表线路l上的潮流；Zl代表线路l的状态；xl代表线路l的阻抗，Ht代表节点t的关联矩阵，δt代表节点t的相角矩阵。
系统中流入各个节点的功率和节点的负荷应满足基本的平衡约束：
∑m∈M BmGm-∑l∈W HtFl＝Qt-Lt t∈T (3)，
式(3)中：M代表系统发电机集合，m代表发电机序号，Bm代表发电机的状态，Gm代表发电机的发电功率，Qt代表节点t上所带负载。
线路上流过的功率和发电机的出力应处于各自的承受范围内：
-Fl max≤Fl≤Fl max l∈W (4)，
式(4)、式(5)中，Fl max代表线路l的传输极限，
和
分别代表发电机m的最大和最小出力；
同时，每个节点可切的负载不能超过原有的负载值：
0≤Lt≤Qt t∈T (6)。
采用式(1)至式(6)的最优负荷削减方法计算系统在所有状态下的目标函数值，以计算的目标函数值为极端事件对系统造成的后果。当选取其它评价指标作为后果评价指标时，计算系统在所有状态下的指标函数值，以计算的指标函数值为极端事件对系统造成的后果。
步骤S104：基于极值理论分析极值风险分布情况
在系统损失的分布曲线中，按研究需求选取其极值区域(即尾部区域)为极端风险的研究对象。一般情况下，风险损失总体分布特征和尾部分布特征均未知，传统风险价值测量方法却对未知的总体分布特征和尾部分布特征做出假设，但是无法从理论上证明该假设的正确性。因此，可采取极值理论，不事先预设分布类型，而是通过单独拟合极值部分得到极值区域的分布特征。例如，选取系统在所有状态下损失负荷值的极值，拟合有限个极值得到损失负荷最少这一目标函数的极值分布曲线。
选取极值可采取区间选取法与超越阈值法。区间选取法将损失时间序列分为不重叠的小区间，从每个区间中选取最大的一个极值组成极值数列。超越阈值法将大于给定阈值u的损失均选为极值。
极值的分布满足Frechet分布，Frechet函数如下：
式(7)中，α称为形状参数，β称为尺度参数，应用极值理论计算风险价值的模型为动态模型，与传统方法相比，该方法更能避免模型自身风险。
步骤S105：基于风险价值计算方法分析极值风险分布情况
VaR计算方法可被视为估计极端分位数的方法。假设随机变量x满足模拟风险损失的某一分布函数F的模型，则定义VaR为可能损失分布的第p分位数(一般选取p值等于0.05或0.01)，即：
VaR＝F-1(1-p) (8)。
在金融领域中，针对极端风险，一般利用VaR模型进行定量分析，采用数理统计模型来识别、度量、监测风险。风险价值计算方法定义为：在正常市场条件下，某一给定置信水平下，预计(一个货币单位)资产在某一时间段内的最大损失。
拓展到电力系统安全领域可定义为：在电力系统确定工况下，某一给定置信水平下，预计电网负荷在某一时间段内的最大损失。根据不同研究需求，可以负荷、经济成本、设备损坏率为损失目标，研究一段持续期y内系统遭到概率大于x％的最大损失。
下面以一具体实施例对本发明实施例的方案做进一步说明。
本发明优选的实施例在图2所示标准算例IEEE 14节点上实施，对比常规风险评估方法和本发明所提极端风险评估方法。
考虑实际情况下台风路径和地理位置等多元外部环境信息，得到某地实际拓扑修正IEEE 14节点系统上各条线路平均每小时故障次数如表1。
表1系统各线路故障概率
(1)常规风险评估方法
台风影响下，系统各线路发生不同程度的故障。按照前文给出各线路的故障概率，用蒙特卡洛模拟100000次极端灾害台风事件。不同台风事件下系统负荷减载量不同。常规的风险评估方法以风险和概率的乘积作为风险评估的后果，计算得到结果为0.596MW/h。
若只观察常规风险评估的结果，结果并不严重。但实际上概率小、后果严重的大负荷削减量事件存在，一旦发生，将对系统造成严重影响。因此常规评估方式难以对小概率、大后果的极端事件进行较好评估，不利于电力系统对该类事件的事前准备和防御部署。
(2)极值风险评估方法
按照本文所提极值理论，用区间选取法-广义极值分布对仿真数据的极值进行拟合，极值分布的密度函数和概率函数图像如图3、图4。
拟合得到的概率函数为：
应用极值风险评估理论得，取分位点为1％，实际极端损失期望为：4.616*22.6＝104.32MW，即99％概率损失不会超过104.32MW；取分位点为5％，则实际损失为：3.001*22.6＝67.82MW，即95％概率损失不会超过67.82MW。
比较常规风险评估方法和极值风险评估方法所得结果如表2。
表2不同风险评估方法结果比较
可见，常规风险评估方法考虑系统故障概率下的总体期望减载量，而不研究系统故障后极端情况。而极值风险评估方法着重考察系统中小概率、大后果事件在不同概率下的期望减载量，小概率事件的后果和风险在该种方式下可以得到比常规评估指数更好的体现,，是对常规风险评估方法的补充和完善。
按照VaR理论，综合常规风险评估方法和极值风险评估方法，可得出未来一段时间内(系统的运行方式，安全措施等不变的情况下)系统的风险价值估计，进而根据防御者的心理预期布置恰当的防御措施。
以上所述仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内可轻易想到的变化或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种电力系统极端事件的风险评估方法，其特征在于，获取电力系统在极端事件下的设备故障概率，选取极端事件后果的评价指标后确定系统在所有状态下的损失，拟合系统在所有状态下损失的极值得到极值分布，采用VaR模型对极值分布的尾流区域进行定量分析得到系统在一段持续期内遭受概率大于x%的最大损失，x%的取值根据VaR模型的分位点确定。
2.根据权利要求1所述一种电力系统极端事件的风险评估方法，其特征在于，所述极端事件包含但不限于极端天气、网络攻击。
3.根据权利要求1所述一种电力系统极端事件的风险评估方法，其特征在于，所述评价指标包含但不限于负荷损失、经济损失、设备损坏率。
4.根据权利要求1所述一种电力系统极端事件的风险评估方法，其特征在于，系统的所有状态通过蒙特卡洛方法随机产生。
5.根据权利要求1所述一种电力系统极端事件的风险评估方法，其特征在于，拟合系统在所有状态下损失的极值得到极值分布的过程中，采用区间选取法或超越阈值法选取有限个极值作为拟合对象。
6.根据权利要求2所述一种电力系统极端事件的风险评估方法，其特征在于，对于极端天气，从历史数据中统计极端天气导致的设备故障概率。
7.根据权利要求2所述一种电力系统极端事件的风险评估方法，其特征在于，对于网络攻击，仿真历史数据建立设备故障概率模型，根据实际输入模型的网络攻击事件获取电力系统在网络攻击下的设备故障概率。
8.根据权利要求5所述一种电力系统极端事件的风险评估方法，其特征在于，采用区间选取法选取有限个极值作为拟合对象的方法为：将系统在所有状态下的损失时间序列分为不重叠的小区域，选取每个小区域的最大极值作为拟合对象。
9.根据权利要求5所述一种电力系统极端事件的风险评估方法，其特征在于，采用超越阈值法选取有限个极值作为拟合对象的方法为：从系统在所有状态下的损失中选取超过阈值的有限个极值作为拟合对象。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010227202.5A CN111507509A (zh) | 2020-03-27 | 2020-03-27 | 一种电力系统极端事件的风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010227202.5A CN111507509A (zh) | 2020-03-27 | 2020-03-27 | 一种电力系统极端事件的风险评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111507509A true CN111507509A (zh) | 2020-08-07 |
Family
ID=71875870
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010227202.5A Pending CN111507509A (zh) | 2020-03-27 | 2020-03-27 | 一种电力系统极端事件的风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111507509A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112749394A (zh) * | 2020-12-11 | 2021-05-04 | 苏宁消费金融有限公司 | 一种基于网络风险价值的消费金融评估方法 |
| CN113361849A (zh) * | 2021-04-09 | 2021-09-07 | 中国核电工程有限公司 | 超越概率模型的确定方法及装置、风险评估方法及装置 |
| CN113689042A (zh) * | 2021-08-25 | 2021-11-23 | 华自科技股份有限公司 | 监测节点的故障源预测方法 |
| CN113822533A (zh) * | 2021-08-23 | 2021-12-21 | 广西电网有限责任公司电力科学研究院 | 基于实时事件驱动的风险评估量化模型构建方法及系统 |
| CN114066269A (zh) * | 2021-11-19 | 2022-02-18 | 国网福建省电力有限公司 | 一种老旧资产的运行风险评估技术 |
| CN114648025A (zh) * | 2022-05-18 | 2022-06-21 | 国网浙江省电力有限公司信息通信分公司 | 基于电力领域多维度演化图的电网数据处理方法及系统 |
| CN117745084A (zh) * | 2024-02-21 | 2024-03-22 | 国网山东省电力公司东营供电公司 | 一种极端气象下两阶段电力系统运行风险评估方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106022594A (zh) * | 2016-05-16 | 2016-10-12 | 西安交通大学 | 基于极值理论的电力系统在线运行安全风险评估方法 |
| CN106709651A (zh) * | 2016-12-26 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 一种基于风险理论的电力系统安全性评估系统 |
-
2020
- 2020-03-27 CN CN202010227202.5A patent/CN111507509A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106022594A (zh) * | 2016-05-16 | 2016-10-12 | 西安交通大学 | 基于极值理论的电力系统在线运行安全风险评估方法 |
| CN106709651A (zh) * | 2016-12-26 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 一种基于风险理论的电力系统安全性评估系统 |
Non-Patent Citations (1)
| Title |
|---|
| 丁茂生 等: ""电力系统极端事件的风险评估与防范"", 《中国电力》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112749394A (zh) * | 2020-12-11 | 2021-05-04 | 苏宁消费金融有限公司 | 一种基于网络风险价值的消费金融评估方法 |
| CN112749394B (zh) * | 2020-12-11 | 2022-08-02 | 苏宁消费金融有限公司 | 一种基于网络风险价值的消费金融评估方法 |
| CN113361849A (zh) * | 2021-04-09 | 2021-09-07 | 中国核电工程有限公司 | 超越概率模型的确定方法及装置、风险评估方法及装置 |
| CN113361849B (zh) * | 2021-04-09 | 2024-04-16 | 中国核电工程有限公司 | 超越概率模型的确定方法及装置、风险评估方法及装置 |
| CN113822533A (zh) * | 2021-08-23 | 2021-12-21 | 广西电网有限责任公司电力科学研究院 | 基于实时事件驱动的风险评估量化模型构建方法及系统 |
| CN113689042A (zh) * | 2021-08-25 | 2021-11-23 | 华自科技股份有限公司 | 监测节点的故障源预测方法 |
| CN114066269A (zh) * | 2021-11-19 | 2022-02-18 | 国网福建省电力有限公司 | 一种老旧资产的运行风险评估技术 |
| CN114648025A (zh) * | 2022-05-18 | 2022-06-21 | 国网浙江省电力有限公司信息通信分公司 | 基于电力领域多维度演化图的电网数据处理方法及系统 |
| CN117745084A (zh) * | 2024-02-21 | 2024-03-22 | 国网山东省电力公司东营供电公司 | 一种极端气象下两阶段电力系统运行风险评估方法及系统 |
| CN117745084B (zh) * | 2024-02-21 | 2024-05-31 | 国网山东省电力公司东营供电公司 | 一种极端气象下两阶段电力系统运行风险评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111507509A (zh) | 一种电力系统极端事件的风险评估方法 | |
| Correa et al. | Grid vulnerability analysis based on scale-free graphs versus power flow models | |
| Beyza et al. | The effects of the high penetration of renewable energies on the reliability and vulnerability of interconnected electric power systems | |
| Qiu et al. | A probabilistic transmission planning framework for reducing network vulnerability to extreme events | |
| Koç et al. | A robustness metric for cascading failures by targeted attacks in power networks | |
| Hu et al. | Robustness evaluation of complex power grids containing renewable energy | |
| Deng et al. | A quantitative risk assessment model for distribution cyber-physical system under cyberattack | |
| Chopade et al. | Critical infrastructure interdependency modeling: Using graph models to assess the vulnerability of smart power grid and SCADA networks | |
| Beyza et al. | Characterising the security of power system topologies through a combined assessment of reliability, robustness, and resilience | |
| Kim et al. | Probabilistic power output model of wind generating resources for network congestion management | |
| Ghosh et al. | A stochastic investment decision making method for distribution system resilience enhancement considering automation, hardening and distributed energy resources | |
| Qin et al. | Risk assessment and defense resource allocation of cyber-physical distribution system under denial of service attack | |
| Chen et al. | Real‐time risk assessment of cascading failure in power system with high proportion of renewable energy based on fault graph chains | |
| Sobolewski et al. | Estimation of wind farms aggregated power output distributions | |
| Du et al. | Transmission expansion planning for power grids considering resilience enhancement | |
| Li et al. | Identifying critical nodes in power grids containing renewable energy based on electrical spreading probability | |
| CN117473384A (zh) | 一种电网线路安全约束辨识方法、装置、设备及存储介质 | |
| Marsadek et al. | Risk based security assessment of power system using generalized regression neural network with feature extraction | |
| CN110021933B (zh) | 考虑组件故障的电力信息系统控制功能可靠性评估方法 | |
| Lin et al. | An online resilience assessment method for islanded distribution systems considering uncertainty of intermittent RESs and loads | |
| Nie et al. | Measuring and Enabling Transmission Systems Resiliency with Renewable Wind Energy Systems | |
| Armaghani et al. | Application of a new fast analytical approach for post-contingency state estimation of “N-1” transmission line outage in online vulnerability assessment of large-scale transmission networks with wind power resources | |
| Weng et al. | An optimal control-based cascading failure risk assessment method | |
| Javanbakht et al. | A risk‐aware generation dispatch including wind power for a power grid subjected to hurricanes | |
| Pan et al. | Risk-based power system resilience assessment considering the impacts of hurricanes |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200807 |
|
| RJ01 | Rejection of invention patent application after publication |