CN111680872A - 一种基于多源数据融合的电网风险计算方法 - Google Patents

一种基于多源数据融合的电网风险计算方法 Download PDF

Info

Publication number
CN111680872A
CN111680872A CN202010357047.9A CN202010357047A CN111680872A CN 111680872 A CN111680872 A CN 111680872A CN 202010357047 A CN202010357047 A CN 202010357047A CN 111680872 A CN111680872 A CN 111680872A
Authority
CN
China
Prior art keywords
risk
data
load
transformer
power grid
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
Application number
CN202010357047.9A
Other languages
English (en)
Other versions
CN111680872B (zh
Inventor
李国栋
王峥
刘创华
满玉岩
刁赢龙
贾东梨
张建宾
于光耀
李树鹏
陈培育
刘亚丽
崇志强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd, Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010357047.9A priority Critical patent/CN111680872B/zh
Publication of CN111680872A publication Critical patent/CN111680872A/zh
Application granted granted Critical
Publication of CN111680872B publication Critical patent/CN111680872B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于多源数据融合的电网风险计算方法，包括如下步骤：多源信息数据融合：将电网各个业务系统的台账数据、用户数据、运行数据以及地理信息、风险影响因子等数据进行融合，得到包括融合后多源信息数据的完整的电网模型；设定预想事故集；失电分析；潮流计算；风险计算：针对所得到的故障分析数据计算出台区风险及馈线风险。本发明建立了一种基于多源数据融合的电网风险计算方法，实现了数据融合、预想事故、潮流计算、风险计算的计算过程，准确评估的电网风险水平，找出薄弱环节加以改进，从而提高电网供电安全性。

Description

一种基于多源数据融合的电网风险计算方法
技术领域
本发明属于电力领域。更具体地说，本发明涉及一种基于多源数据融合的电网风险计算方法。
背景技术
随着国民经济的发展和人民生活水平的提高，对配电网的供电能力、供电质量和供电可靠性的要求越来越高。现有城市配电网存在网架结构薄弱、电力设备陈旧、线 路过载严重、配电自动化水平较低等薄弱环节。因此，必须对配电网进行薄弱环节分 析，并针对薄弱环节提出相应改善措施，提高配电网运行可靠性。
现有的风险计算方法是在预期的故障发生的情况下，研究系统可靠性水平。常用的确定性评估方法有系统N-1或N-K安全性检验。即在任意一个元件(如发电机、变 压器、线路)退出运行时，检验系统是否有越限等现象发生。其判断逻辑是：如果在 这些状态下系统能够正常运行，则在严重程度较低的运行状态下系统都应能安全可靠 运行。该方法是在给定系统的拓扑、参数、运行方式及扰动方式等情况下对电网的安 全性进行评估，没有考虑不同的运行条件和事故发生的可能性，对事故集的选择也带 有一定的任意性。由于该方法通常只重视最严重的事故，使得评估结果往往过于保守。
建立一套较完整的电网风险评估指标体系，实现对电网的安全风险水平进行在线评估，得出电网的风险水平、薄弱节点以及危险隐患，达到对电网安全性指标的在线 评估，并结合设备的健康状态和电网拓扑结构对系统运行状态给出在线的风险预警， 为电网运行人员提供有效的决策依据，有效帮助供电企业提高供电安全可靠性水平， 最大限度地避免和降低大面积停电造成的损失，为实现智能电网层面的风险分析和预 警提供技术储备。
发明内容
本发明的发明目的是针对现有技术的不足，提供一种基于多源数据融合的电网风险计算方法，通过对各类信息数据进行数据融合、预想事故、进行潮流计算、风险计 算，最后得出准确评估的电网风险水平，找出薄弱环节加以改进，从而提高电网供电 安全性。
一种基于多源数据融合的电网风险计算方法，其特征在于：包括如下步骤：
1)多源信息数据融合：将电网各个业务系统的台账数据、用户数据、运行数据 以及地理信息、风险影响因子等数据进行融合，得到包括融合后多源信息数据的完整 的电网模型；
2)设定预想事故集：以电网模型中的馈线为单位建立预想事故集，任意一条馈 线下任一设备故障即为一个预想事故循环至所有设备都故障一次，得到预想事故集；
3)失电分析：针对步骤2)所得到的预想事故集，对每次事故进行失电分析， 得到该次事故影响的范围，将得到的该次事故影响范围数据储存到数据库中；
4)潮流计算：针对步骤2)所得到的预想事故集，对每次事故进行潮流计算， 得到电网的潮流分布，将潮流分布数据存储到数据库中，与步骤3)所得的得到事故 影响范围数据共同构成故障分析数据；
5)风险计算：针对步骤3)、步骤4)所得到的故障分析数据计算出台区风险及 馈线风险。
而且，所述步骤1)的多源信息数据融合包括如下步骤：
a电网模型的参数获取：通过统一的WebService接口获取各个业务系统的台账 数据、用户数据、运行数据以及地理信息、风险影响因子等数据；
b纵向参数融合：对步骤a中获取的台账数据、用户数据、运行数据以及地理信 息、风险影响因子等数据进行纵向融合，消除同一专业(自动化、运行方式、继电保 护)在各级别的电网调度中心设备上的参数差异，得到纵向融合后数据；
c横向参数融合：对步骤a中获取的台账数据、用户数据、运行数据以及地理信 息、风险影响因子等数据进行横向融合，对同一级别各专业之间的参数融合，得到横 向融合后数据；
d参数合并：将纵向融合后数据与横向融合后数据合并，得到包括融合后多源信息数据的完整的电网模型。
而且，所述步骤1)包含通过多源信息数据获取配电线路档案；通过线变关系融合，更新变压器所属线路；变压器通过变压器接入点找到计量箱接入点，从而找到计 量箱资产号；再通过计量箱资产号在营销基础数据平台的表找到计量点；计量点可以 通过计量点电能表关系找到对应电能表，同时通过计量点找到用户；所述多源信息融 合包括：
1)所述线变关系融合流程，包括：
公变：通过营配贯通数据线变关系，从线路找到柱上变压器及配电变压器；
专变：通过营配贯通数据线变关系，从线路找到营销基础数据平台中的专变信息；
2)台-户-计量关系融合流程，包括
公变：从营销基础数据平台，通过公变找到对应的配变及台区，根据台区标识找到对应的计量点信息，再从计量点信息中找到用户信息；
专变：从营销基础数据平台，通过高压用户信息，找到所对应的计量点信息，在 通过计量点的台区标识，找到对应的台区跟配变信息；
3)台区/用户-计量点关系融合
台区(公用)：通过营销基础数据平台，台区信息找到对应的计量点信息，再通 过计量点与电能表关系，找到对应的电能表信息，从而获取到运行数据；
高压用户：通过营销基础数据平台，高压用户信息找到对应的计量点信息，再通过计量点与电能表关系，找到对应的电能表信息，从而获取到运行数据。
而且，所述台区风险为根据潮流计算的结果，结合风险影响因子和评估参数，计算得出台区低电压风险、过负荷风险、重载风险、失负荷风险、损失电量风险；
所述馈线风险为根据潮流计算的结果，结合风险影响因子和评估参数，计算得出过负荷风险、重载风险、过电压风险、低电压风险、失负荷风险、失电量风险。
而且，1)低电压风险计算
低电压严重程度分值函数：
Figure BDA0002473822020000031
Vj为台区变压器高压侧电压标幺值(运行电压/额定电压)；
Vj≤0.93时，变压器低电压；
建立预想事故集进行多次潮流计算，得出台区过电压风险值，过电压风险概率等于所有导致台区变压器低电压的预想事故的概率修正值之和；
2)过负荷风险计算
过负荷严重程度分值函数：
Figure BDA0002473822020000041
PRk是台区变压器负载率(视在功率/额定容量)；
PRk≥1时，变压器过负荷；
建立预想事故集进行多次潮流计算，得出台区过负荷风险值，过负荷风险概率等于所有导致台区变压器过负荷的预想事故的概率修正值之和；
3)重载风险计算：
重载严重程度分值函数：
Figure BDA0002473822020000042
PRk是台区变压器负载率(视在功率/额定容量)；
PRk≥0.8时，变压器重载；
建立预想事故集进行多次潮流计算，得出台区重载风险值，重载风险概率等于所有导致台区变压器重载的预想事故的概率修正值之和；
4)失负荷风险(MW)(属于故障停电风险)
Figure BDA0002473822020000043
其中：n是评估时段内预测的负荷模式的个数；
m是预想事故集中预想事故的个数；(每种设备发生故障都是一个预想事 故)
Pr(Condi)是预测的负荷模式的概率；
Pr(EjCondi)是某负荷模式下预想事故发生的概率；
LSev(Ej,Condi)是后果评估参数，这里是发生损失负荷的程度，单位为kW；
5)损失电量风险
Figure BDA0002473822020000051
其中：n是评估时段内预测的负荷模式的个数；
m是预想事故集中预想事故的个数；(每种设备发生故障都是一个预想事 故)
Pr(Condi)是预测的负荷模式的概率；
Pr(Ej|Condi)是某负荷模式下预想事故发生的概率；
ESev(Ej,Condi)是后果评估参数，这里是发生损失电量的程度，单位为 KWh。
而且，所述馈线风险包括：
1)过负荷风险计算
过负荷严重程度分值函数：
Figure BDA0002473822020000052
PRk是馈线负载率，为线路运行电流/额定电流；
PRk≥1时，馈线过负荷；
建立预想事故集进行多次潮流计算，得出过负荷风险值。过负荷风险概率等于所有导致馈线过负荷的预想事故的概率修正值之和；
2)重载风险计算
重载严重程度分值函数：
Figure BDA0002473822020000061
PRk是馈线负载率(线路运行电流/额定电流)；
PRk≥0.8时，馈线重载；
建立预想事故集进行多次潮流计算，得出重载风险值。重载风险概率等于所有导致馈线重载的预想事故的概率修正值之和；
3)过电压风险计算
馈线过电压风险值＝所有台区过电压风险值之和；
馈线过负荷风险概率＝所有台区过电压风险概率之和；
4)低电压风险计算
馈线低电压风险值＝所有台区低电压风险值之和；
馈线低负荷风险概率＝所有台区低电压风险概率之和；
5)失负荷风险计算
馈线失负荷风险值＝所有台区失负荷风险值之和；
馈线失负荷风险概率＝所有台区失负荷风险概率之和；
6)失电量风险计算
馈线失电量风险值＝所有台区失电量风险值之和；
馈线失电量风险概率＝所有台区失电量风险概率之和。
本发明的优点及有益效果为：
1、本发明的基于多源数据融合的电网风险计算方法，通过对各类信息数据进行数据融合、预想事故、进行潮流计算、风险计算，最后得出准确评估的电网风险水平， 找出薄弱环节加以改进，从而提高电网供电安全性。
2、本发明的基于多源数据融合的电网风险计算方法，实现对电网的安全风险水平进行在线评估，得出电网的风险水平、薄弱节点以及危险隐患，达到对电网安全性 指标的在线评估，并结合设备的健康状态和电网拓扑结构对系统运行状态给出在线的 风险预警，为电网运行人员提供有效的决策依据，有效帮助供电企业提高供电安全可 靠性水平，最大限度地避免和降低大面积停电造成的损失，为实现智能电网层面的风 险分析和预警提供技术储备。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
一种基于多源数据融合的电网风险计算方法，其特征在于：包括如下步骤：
1)多源信息数据融合：将电网各个业务系统的台账数据、用户数据、运行数据 以及地理信息、风险影响因子等数据进行融合，得到包括融合后多源信息数据的完整 的电网模型；
2)设定预想事故集：以电网模型中的馈线为单位建立预想事故集，任意一条馈 线下任一设备故障即为一个预想事故循环至所有设备都故障一次，得到预想事故集；
3)失电分析：针对步骤2)所得到的预想事故集，对每次事故进行失电分析， 得到该次事故影响的范围，将得到的该次事故影响范围数据储存到数据库中；
4)潮流计算：针对步骤2)所得到的预想事故集，对每次事故进行潮流计算， 得到电网的潮流分布，将潮流分布数据存储到数据库中，与步骤3)所得的得到事故 影响范围数据共同构成故障分析数据；
5)风险计算：针对步骤3)、步骤4)所得到的故障分析数据计算出台区风险及 馈线风险。
步骤1)的多源信息数据融合包括如下步骤：
a电网模型的参数获取：通过统一的WebService接口获取各个业务系统的台账 数据、用户数据、运行数据以及地理信息、风险影响因子等数据；
b纵向参数融合：对步骤a中获取的台账数据、用户数据、运行数据以及地理信 息、风险影响因子等数据进行纵向融合，消除同一专业(自动化、运行方式、继电保 护)在各级别的电网调度中心设备上的参数差异，得到纵向融合后数据；
c横向参数融合：对步骤a中获取的台账数据、用户数据、运行数据以及地理信 息、风险影响因子等数据进行横向融合，对同一级别各专业之间的参数融合，得到横 向融合后数据；
d参数合并：将纵向融合后数据与横向融合后数据合并，得到包括融合后多源信息数据的完整的电网模型。
步骤1)包含通过多源信息数据获取配电线路档案；通过线变关系融合，更新变 压器所属线路；变压器通过变压器接入点找到计量箱接入点，从而找到计量箱资产号； 再通过计量箱资产号在营销基础数据平台的表找到计量点；计量点可以通过计量点电 能表关系找到对应电能表，同时通过计量点找到用户；所述多源信息融合包括：
1)所述线变关系融合流程，包括：
公变：通过营配贯通数据线变关系，从线路找到柱上变压器及配电变压器；
专变：通过营配贯通数据线变关系，从线路找到营销基础数据平台中的专变信息；
2)台-户-计量关系融合流程，包括
公变：从营销基础数据平台，通过公变找到对应的配变及台区，根据台区标识找到对应的计量点信息，再从计量点信息中找到用户信息；
专变：从营销基础数据平台，通过高压用户信息，找到所对应的计量点信息，在 通过计量点的台区标识，找到对应的台区跟配变信息；
3)台区/用户-计量点关系融合
台区(公用)：通过营销基础数据平台，台区信息找到对应的计量点信息，再通 过计量点与电能表关系，找到对应的电能表信息，从而获取到运行数据；
高压用户：通过营销基础数据平台，高压用户信息找到对应的计量点信息，再通过计量点与电能表关系，找到对应的电能表信息，从而获取到运行数据。
而且，所述台区风险为根据潮流计算的结果，结合风险影响因子和评估参数，计算得出台区低电压风险、过负荷风险、重载风险、失负荷风险、损失电量风险；
所述馈线风险为根据潮流计算的结果，结合风险影响因子和评估参数，计算得出过负荷风险、重载风险、过电压风险、低电压风险、失负荷风险、失电量风险。
而且，所述台区风险包括：1)低电压风险计算
低电压严重程度分值函数：
Figure BDA0002473822020000091
Vj为台区变压器高压侧电压标幺值(运行电压/额定电压)；
Vj≤0.93时，变压器低电压；
建立预想事故集进行多次潮流计算，得出台区过电压风险值，过电压风险概率等于所有导致台区变压器低电压的预想事故的概率修正值之和；
2)过负荷风险计算
过负荷严重程度分值函数：
Figure BDA0002473822020000092
PRk是台区变压器负载率(视在功率/额定容量)；
PRk≥1时，变压器过负荷；
建立预想事故集进行多次潮流计算，得出台区过负荷风险值，过负荷风险概率等于所有导致台区变压器过负荷的预想事故的概率修正值之和；
3)重载风险计算：
重载严重程度分值函数：
Figure BDA0002473822020000093
PRk是台区变压器负载率(视在功率/额定容量)；
PRk≥0.8时，变压器重载；
建立预想事故集进行多次潮流计算，得出台区重载风险值，重载风险概率等于所有导致台区变压器重载的预想事故的概率修正值之和；
4)失负荷风险(MW)(属于故障停电风险)
Figure BDA0002473822020000101
其中：n是评估时段内预测的负荷模式的个数；
m是预想事故集中预想事故的个数；(每种设备发生故障都是一个预想事 故)
Pr(Condi)是预测的负荷模式的概率；
Pr(Ej|Condi)是某负荷模式下预想事故发生的概率；
LSev(Ej,Condi)是后果评估参数，这里是发生损失负荷的程度，单位为kW；
5)损失电量风险
Figure BDA0002473822020000102
其中：n是评估时段内预测的负荷模式的个数；
m是预想事故集中预想事故的个数；(每种设备发生故障都是一个预想事 故)
Pr(Condi)是预测的负荷模式的概率；
Pr(Ej|Condi)是某负荷模式下预想事故发生的概率；
ESev(Ej,Condi)是后果评估参数，这里是发生损失电量的程度，单位为 KWh。
所述馈线风险包括：
1)过负荷风险计算
过负荷严重程度分值函数：
Figure BDA0002473822020000103
PRk是馈线负载率，为线路运行电流/额定电流；
PRk≥1时，馈线过负荷；
建立预想事故集进行多次潮流计算，得出过负荷风险值。过负荷风险概率等于所有导致馈线过负荷的预想事故的概率修正值之和；
2)重载风险计算
重载严重程度分值函数：
Figure BDA0002473822020000111
PRk是馈线负载率(线路运行电流/额定电流)；
PRk≥0.8时，馈线重载；
建立预想事故集进行多次潮流计算，得出重载风险值。重载风险概率等于所有导致馈线重载的预想事故的概率修正值之和；
3)过电压风险计算
馈线过电压风险值＝所有台区过电压风险值之和；
馈线过负荷风险概率＝所有台区过电压风险概率之和；
4)低电压风险计算
馈线低电压风险值＝所有台区低电压风险值之和；
馈线低负荷风险概率＝所有台区低电压风险概率之和；
5)失负荷风险计算
馈线失负荷风险值＝所有台区失负荷风险值之和；
馈线失负荷风险概率＝所有台区失负荷风险概率之和；
6)失电量风险计算
馈线失电量风险值＝所有台区失电量风险值之和；
馈线失电量风险概率＝所有台区失电量风险概率之和。
例如，馈线A，通过数据融合、线变关系融合、台户计量关系融合，得出馈线A 包含台区B，以及拓扑设备4个，采集到馈线出线电压及台区功率数据。
台区B进行预想事故4次，每次对应的事故概率为0.06、0.06、0.06、0.0025， 每次的潮流电压为10.8、0、10.5、0.91，负载率为102、0、4.56、3.54，计算得出过 电压风险值1.645714286，对应等级为VI级风险；低电压风险值为21.35057143，对 应等级为V级风险；过负荷风险值为1.728，对应等级为VI级风险；重载风险值为 3.024，对应等级为VI级风险；失负荷风险值为12，对应等级为V级风险；损失电 量风险值为58.8，对应等级为IV级风险。
馈线A过负荷风险值为2.88，对应风险等级为VI级风险；重载风险值为3.6， 对应风险等级为VI级风险；过电压风险值1.645714286，对应等级为VI级风险；低 电压风险值为21.35057143，对应等级为V级风险；失负荷风险值为12，对应等级为 V级风险；损失电量风险值为58.8，对应等级为IV级风险。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可 容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本 发明并不限于特定的细节。

Claims (6)

1.一种基于多源数据融合的电网风险计算方法，其特征在于：包括如下步骤：
1)多源信息数据融合：将电网各个业务系统的台账数据、用户数据、运行数据以及地理信息、风险影响因子等数据进行融合，得到包括融合后多源信息数据的完整的电网模型；
2)设定预想事故集：以电网模型中的馈线为单位建立预想事故集，任意一条馈线下任一设备故障即为一个预想事故循环至所有设备都故障一次，得到预想事故集；
3)失电分析：针对步骤2)所得到的预想事故集，对每次事故进行失电分析，得到该次事故影响的范围，将得到的该次事故影响范围数据储存到数据库中；
4)潮流计算：针对步骤2)所得到的预想事故集，对每次事故进行潮流计算，得到电网的潮流分布，将潮流分布数据存储到数据库中，与步骤3)所得的得到事故影响范围数据共同构成故障分析数据；
5)风险计算：针对步骤3)、步骤4)所得到的故障分析数据计算出台区风险及馈线风险。
2.根据权利要求1所述的基于多源数据融合的电网风险计算方法，其特征在于：所述步骤1)的多源信息数据融合包括如下步骤：
a电网模型的参数获取：通过统一的Web Service接口获取各个业务系统的台账数据、用户数据、运行数据以及地理信息、风险影响因子等数据；
b纵向参数融合：对步骤a中获取的台账数据、用户数据、运行数据以及地理信息、风险影响因子等数据进行纵向融合，消除同一专业(自动化、运行方式、继电保护)在各级别的电网调度中心设备上的参数差异，得到纵向融合后数据；
c横向参数融合：对步骤a中获取的台账数据、用户数据、运行数据以及地理信息、风险影响因子等数据进行横向融合，对同一级别各专业之间的参数融合，得到横向融合后数据；
d参数合并：将纵向融合后数据与横向融合后数据合并，得到包括融合后多源信息数据的完整的电网模型。
3.根据权利要求1所述的基于多源数据融合的电网风险计算方法，其特征在于：所述步骤1)包含通过多源信息数据获取配电线路档案；通过线变关系融合，更新变压器所属线路；变压器通过变压器接入点找到计量箱接入点，从而找到计量箱资产号；再通过计量箱资产号在营销基础数据平台的表找到计量点；计量点可以通过计量点电能表关系找到对应电能表，同时通过计量点找到用户；所述多源信息融合包括：
1)所述线变关系融合流程，包括：
公变：通过营配贯通数据线变关系，从线路找到柱上变压器及配电变压器；
专变：通过营配贯通数据线变关系，从线路找到营销基础数据平台中的专变信息；
2)台-户-计量关系融合流程，包括
公变：从营销基础数据平台，通过公变找到对应的配变及台区，根据台区标识找到对应的计量点信息，再从计量点信息中找到用户信息；
专变：从营销基础数据平台，通过高压用户信息，找到所对应的计量点信息，在通过计量点的台区标识，找到对应的台区跟配变信息；
3)台区/用户-计量点关系融合
台区(公用)：通过营销基础数据平台，台区信息找到对应的计量点信息，再通过计量点与电能表关系，找到对应的电能表信息，从而获取到运行数据；
高压用户：通过营销基础数据平台，高压用户信息找到对应的计量点信息，再通过计量点与电能表关系，找到对应的电能表信息，从而获取到运行数据。
4.根据权利要求1所述的基于多源数据融合的电网风险计算方法，其特征在于：
所述台区风险为根据潮流计算的结果，结合风险影响因子和评估参数，计算得出台区低电压风险、过负荷风险、重载风险、失负荷风险、损失电量风险；
所述馈线风险为根据潮流计算的结果，结合风险影响因子和评估参数，计算得出过负荷风险、重载风险、过电压风险、低电压风险、失负荷风险、失电量风险。
5.根据权利要求4所述的基于多源数据融合的电网风险计算方法，其特征在于：
所述台区风险包括：
1)低电压风险计算
低电压严重程度分值函数：
Figure FDA0002473822010000021
Vj为台区变压器高压侧电压标幺值(运行电压/额定电压)；
Vj≤0.93时，变压器低电压；
建立预想事故集进行多次潮流计算，得出台区过电压风险值，过电压风险概率等于所有导致台区变压器低电压的预想事故的概率修正值之和；
2)过负荷风险计算
过负荷严重程度分值函数：
Figure FDA0002473822010000031
PRk是台区变压器负载率(视在功率/额定容量)；
PRk≥1时，变压器过负荷；
建立预想事故集进行多次潮流计算，得出台区过负荷风险值，过负荷风险概率等于所有导致台区变压器过负荷的预想事故的概率修正值之和；
3)重载风险计算：
重载严重程度分值函数：
Figure FDA0002473822010000032
PRk是台区变压器负载率(视在功率/额定容量)；
PRk≥0.8时，变压器重载；
建立预想事故集进行多次潮流计算，得出台区重载风险值，重载风险概率等于所有导致台区变压器重载的预想事故的概率修正值之和；
4)失负荷风险(MW)(属于故障停电风险)
Figure FDA0002473822010000033
其中：n是评估时段内预测的负荷模式的个数；
m是预想事故集中预想事故的个数；(每种设备发生故障都是一个预想事故)
Pr(Condi)是预测的负荷模式的概率；
Pr(Ej|Condi)是某负荷模式下预想事故发生的概率；
LSev(Ej,Condi)是后果评估参数，这里是发生损失负荷的程度，单位为kW；
5)损失电量风险
Figure FDA0002473822010000041
其中：n是评估时段内预测的负荷模式的个数；
m是预想事故集中预想事故的个数；(每种设备发生故障都是一个预想事故)
Pr(Condi)是预测的负荷模式的概率；
Pr(Ej|Condi)是某负荷模式下预想事故发生的概率；
ESev(Ej,Condi)是后果评估参数，这里是发生损失电量的程度，单位为KWh。
6.根据权利要求4所述的基于多源数据融合的电网风险计算方法，其特征在于：所述馈线风险包括：
1)过负荷风险计算
过负荷严重程度分值函数：
Figure FDA0002473822010000042
PRk是馈线负载率，为线路运行电流/额定电流；
PRk≥1时，馈线过负荷；
建立预想事故集进行多次潮流计算，得出过负荷风险值。过负荷风险概率等于所有导致馈线过负荷的预想事故的概率修正值之和；
2)重载风险计算
重载严重程度分值函数：
Figure FDA0002473822010000043
PRk是馈线负载率(线路运行电流/额定电流)；
PRk≥0.8时，馈线重载；
建立预想事故集进行多次潮流计算，得出重载风险值。重载风险概率等于所有导致馈线重载的预想事故的概率修正值之和；
3)过电压风险计算
馈线过电压风险值＝所有台区过电压风险值之和；
馈线过负荷风险概率＝所有台区过电压风险概率之和；
4)低电压风险计算
馈线低电压风险值＝所有台区低电压风险值之和；
馈线低负荷风险概率＝所有台区低电压风险概率之和；
5)失负荷风险计算
馈线失负荷风险值＝所有台区失负荷风险值之和；
馈线失负荷风险概率＝所有台区失负荷风险概率之和；
6)失电量风险计算
馈线失电量风险值＝所有台区失电量风险值之和；
馈线失电量风险概率＝所有台区失电量风险概率之和。
CN202010357047.9A 2020-04-29 2020-04-29 一种基于多源数据融合的电网风险计算方法 Active CN111680872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010357047.9A CN111680872B (zh) 2020-04-29 2020-04-29 一种基于多源数据融合的电网风险计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010357047.9A CN111680872B (zh) 2020-04-29 2020-04-29 一种基于多源数据融合的电网风险计算方法

Publications (2)

Publication Number Publication Date
CN111680872A true CN111680872A (zh) 2020-09-18
CN111680872B CN111680872B (zh) 2022-11-08

Family

ID=72433542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010357047.9A Active CN111680872B (zh) 2020-04-29 2020-04-29 一种基于多源数据融合的电网风险计算方法

Country Status (1)

Country Link
CN (1) CN111680872B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112290542A (zh) * 2020-10-19 2021-01-29 北京中恒博瑞数字电力科技有限公司 基于多源数据融合的配网故障停电损失分析展示方法
CN112529480A (zh) * 2020-12-31 2021-03-19 贵州电网有限责任公司 一种基于多元数据的低电压风险分析方法
CN112685878A (zh) * 2020-12-15 2021-04-20 中国电力科学研究院有限公司 一种用于电力系统负荷在线建模数据的集成方法及系统
CN112700144A (zh) * 2020-12-31 2021-04-23 广东电网有限责任公司韶关供电局 变电站运行状态风险评估方法、装置、设备以及存储介质
CN115347570A (zh) * 2022-10-17 2022-11-15 国网浙江省电力有限公司宁波供电公司 一种基于主配协同的区域停电范围分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063651A (zh) * 2010-11-10 2011-05-18 中国电力科学研究院 一种基于在线采集数据的城市电网风险评估系统
CN107274115A (zh) * 2017-08-11 2017-10-20 国网江苏省电力公司电力科学研究院 基于分布式监测和多源信息融合的主动配电网态势感知系统和方法
US20190305589A1 (en) * 2016-11-10 2019-10-03 China Electric Power Research Institute Company Limited Distribution network risk identification system and method and computer storage medium

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063651A (zh) * 2010-11-10 2011-05-18 中国电力科学研究院 一种基于在线采集数据的城市电网风险评估系统
US20190305589A1 (en) * 2016-11-10 2019-10-03 China Electric Power Research Institute Company Limited Distribution network risk identification system and method and computer storage medium
CN107274115A (zh) * 2017-08-11 2017-10-20 国网江苏省电力公司电力科学研究院 基于分布式监测和多源信息融合的主动配电网态势感知系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵会茹等: "配电网设备故障停电风险实时评估", 《电力自动化设备》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112290542A (zh) * 2020-10-19 2021-01-29 北京中恒博瑞数字电力科技有限公司 基于多源数据融合的配网故障停电损失分析展示方法
CN112685878A (zh) * 2020-12-15 2021-04-20 中国电力科学研究院有限公司 一种用于电力系统负荷在线建模数据的集成方法及系统
CN112529480A (zh) * 2020-12-31 2021-03-19 贵州电网有限责任公司 一种基于多元数据的低电压风险分析方法
CN112700144A (zh) * 2020-12-31 2021-04-23 广东电网有限责任公司韶关供电局 变电站运行状态风险评估方法、装置、设备以及存储介质
CN112700144B (zh) * 2020-12-31 2023-04-28 广东电网有限责任公司韶关供电局 变电站运行状态风险评估方法、装置、设备以及存储介质
CN115347570A (zh) * 2022-10-17 2022-11-15 国网浙江省电力有限公司宁波供电公司 一种基于主配协同的区域停电范围分析方法
CN115347570B (zh) * 2022-10-17 2023-01-24 国网浙江省电力有限公司宁波供电公司 一种基于主配协同的区域停电范围分析方法

Also Published As

Publication number Publication date
CN111680872B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN111680872B (zh) 一种基于多源数据融合的电网风险计算方法
CN106408193B (zh) 一种输电线路网格化风险分析及评估方法
CN106021596B (zh) 一种电网故障电流冲击拓扑图的分析方法
CN107194574B (zh) 一种基于负荷损失的电网安全风险评估方法
CN108872805B (zh) 变压器抗短路能力综合管治方法
CN102819813B (zh) 一种智能变电站自动化系统的安全风险评估方法
Li et al. Assessment method and indexes of operating states classification for distribution system with distributed generations
CN111582702A (zh) 一种基于天气因素的电网风险评估方法
CN107516903B (zh) 一种考虑经济性及多时间尺度安全稳定性的精准负荷控制方法
CN108695846A (zh) 一种单元制配电网运行风险评估方法
Guo et al. Evidence-based approach to power transmission risk assessment with component failure risk analysis
CN107453354B (zh) 一种配电网的薄弱环节识别方法
CN112396311A (zh) 一种变压器负载过载风险评估方法
CN115204622A (zh) 基于电网的风险管控方法、装置、设备及存储介质
CN105743071B (zh) 一种继电保护在线安全裕度评估系统
CN111369388B (zh) 用于城市电网的对抗脆弱性评估方法及系统
Luo et al. Research and application of GIS‐based medium‐voltage distribution network comprehensive technical evaluation system
CN111929528A (zh) 一种市域电网设备故障风险监测预警方法
CN111401731A (zh) 一种基于人工智能学习的风险控制辅助决策方法及系统
CN106372764A (zh) 一种10kV配电网及10kV配电网协调配置方法
Qian et al. Equipment operation and maintenance management of shanghai power distribution network after power system reform
Abapour et al. Risk‐based placement of TCSC for transient stability enhancement
CN108539740A (zh) 一种电网事故预想模拟系统及其方法
Jaiswal et al. PMU based data driven approach for online dynamic security assessment in power systems
CN108808661A (zh) 考虑交叉跨越和输电通道的多重故障静态安全分析方法

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