CN111815476A - 基于极端冰灾的电网薄弱环节识别方法及装置 - Google Patents

基于极端冰灾的电网薄弱环节识别方法及装置 Download PDF

Info

Publication number
CN111815476A
CN111815476A CN202010632359.6A CN202010632359A CN111815476A CN 111815476 A CN111815476 A CN 111815476A CN 202010632359 A CN202010632359 A CN 202010632359A CN 111815476 A CN111815476 A CN 111815476A
Authority
CN
China
Prior art keywords
transmission line
power transmission
fault
power
load
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
CN202010632359.6A
Other languages
English (en)
Other versions
CN111815476B (zh
Inventor
杨洋
王建
金铭
李孟
董新胜
赵蓂冠
刘振国
刘威
庄文兵
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
Electric Power Research Institute of State Grid Xinjiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Xinjiang 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, Electric Power Research Institute of State Grid Xinjiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010632359.6A priority Critical patent/CN111815476B/zh
Publication of CN111815476A publication Critical patent/CN111815476A/zh
Application granted granted Critical
Publication of CN111815476B publication Critical patent/CN111815476B/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
    • 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
    • G06Q10/04—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
    • 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种电网分析技术领域，是一种基于极端冰灾的电网薄弱环节识别方法及装置，前者包括：调用基础数据预测各个输电线路覆冰时承受的总载荷，对应获得各个输电线路覆冰时的综合故障概率；设置单一输电线路发生开断故障，获得该故障发生后电网系统中各节点的失负荷量；判断各个输电线路的风险指标，确定电网的薄弱环节。本发明预测各个输电线路覆冰时承受的总载荷，获得各个输电线路覆冰时的综合故障概率及各个输电线路故障后各个节点的失负荷量，定量评估各个输电线路的经济损失及风险指标，识别电网的薄弱环节，从而提前优化大规模停电事故发生时的抢修预案和抢修资源的配置，提高冰灾易发地区抗灾防灾能力，避免造成较大的经济损失。

Description

基于极端冰灾的电网薄弱环节识别方法及装置
技术领域
本发明涉及一种电网分析技术领域，是一种基于极端冰灾的电网薄弱环节识别方法及装置。
背景技术
对于电网来说，安全和稳定是电网正常运行当中必不可少的最基本条件。然而极端自然灾害天气威胁着电网的安全稳定运行，在极端自然灾害条件下可能造成大规模停电事故发生，由此可能会给电网带来巨大的经济损失，还可能造成很大的社会影响乃至人身伤亡事件。因此为了预防在极端自然灾害条件下大规模停电事故的发生，评估电网运行时的薄弱环节是有必要的。
现有电网运行时薄弱环节识别方法多都是通过内部运行状况的角度出发进行薄弱环节识别，所考虑的影响因素都较为单一，得到的结果不能综合反映内外因素对电网系统的影响，例如基于可靠性跟踪的薄弱环节辨识方法通过元件对节点或系统可靠性指标的“贡献”比例,进而对比不同元件对系统不可靠性的贡献大小,辨识电网的薄弱环节；基于运行可靠性模型的连锁故障模拟及系统薄弱环节分析方法通过模拟电网系统在不同初始故障下的连锁故障事件并分析系统的薄弱环节。同时电网运行时薄弱环节识别方法不能基于极端冰灾等天气灾害场景下进行，而在我国的北部大部分地区均易发生极端冰灾的情况，同时发生极端冰灾往往伴随着大风灾害的发生，极易影响电网的安全稳定运行，造成大规模停电事故。
发明内容
本发明提供了一种基于极端冰灾的电网薄弱环节识别方法及装置，克服了上述现有技术之不足，其能有效解决识别电网薄弱环节方法存在不能在极端冰灾场景下进行电网薄弱环节识别的问题。
本发明的技术方案之一是通过以下措施来实现的：一种基于极端冰灾的电网薄弱环节识别方法，包括：
调用基础数据预测各个输电线路覆冰时承受的总载荷，对应获得各个输电线路覆冰时的综合故障概率，其中基础数据包括外部环境数据和内部状态数据，每条输电线路覆冰时承受的总载荷均包括各个杆塔的总载荷和相邻杆塔间各条线路的总载荷；
设置单一输电线路发生开断故障，结合各个输电线路覆冰时的综合故障概率获得该故障发生后电网系统中各节点的失负荷量，循环遍历各个输电线路；
结合每个输电线路发生开断故障后电网系统中各节点的失负荷量，判断各个输电线路的风险指标，确定电网的薄弱环节。
下面是对上述发明技术方案的进一步优化或/和改进：
上述所述结合输电线路覆冰时承受的总载荷，获得该输电线路覆冰时的综合故障概率，包括：
结合覆冰时输电线路内每条线路承受的总载荷，通过下式确定每条线路覆冰时的电力断线概率，其中；
Figure BDA0002569531450000021
其中，Pl为线路的电力断线概率；Flmax为该线路所能承受的最大载荷；Rl为覆冰时该线路承受的总载荷；
结合覆冰时该输电线路内每个杆塔承受的总载荷，通过下式确定每个杆塔覆冰时的电力倒塔概率；
Figure BDA0002569531450000022
其中，Pt为杆塔的电力倒塔概率；Ftmax为该杆塔所能承受的最大载荷；Rt为覆冰时该杆塔承受的总载荷；
通过下式获得该输电线路覆冰时的综合故障概率；
Figure BDA0002569531450000023
其中，Pj为第j条输电线路覆冰时的综合故障概率，输电线路中杆塔的数量为m，相邻杆塔之间的线路的数量为m-1。
上述依次设置单一输电线路发生开断故障，获得各个故障发生后电网系统中各节点的失负荷量，包括
设置单一输电线路发生开断故障，结合输电线路覆冰时的综合故障概率获得除该故障输电线路外其余每一条输电线路的综合停运概率；
依据除该故障输电线路外其余每一条输电线路的综合停运概率，输出发生开断故障后电网系统内各节点的失负荷量；
循环上述步骤，直至遍历所有输电线路。
上述设置单一输电线路发生开断故障，获得除该故障输电线路外其余每一条输电线路的综合停运概率，包括：
设置某单一输电线路发生开断故障，通过下式获得除故障输电线路外其余每一条输电线路运行状态故障概率；
Figure BDA0002569531450000031
其中，
Figure BDA0002569531450000032
为除故障线路外第j条输电线路的运行状态故障概率；Lj为除故障线路外第j条输电线路当前时刻的潮流；
Figure BDA0002569531450000033
为除故障线路外第j条输电线路额定潮流容量；
Figure BDA0002569531450000034
为除故障线路外第j条输电线路极限潮流容量；
Figure BDA0002569531450000035
为除故障线路外第j条输电线路隐性故障概率的最小值；
通过下式获得除故障输电线路外其余每一条输电线路的综合停运概率；
Figure BDA0002569531450000036
其中，
Figure BDA0002569531450000037
为除故障输电线路外其余第j条输电线路的综合停运概率；
Figure BDA0002569531450000038
为除故障线路外第j条输电线路的运行状态故障概率；Pj为除故障线路外第j条输电线路的综合故障概率。
上述输出发生开断故障后电网系统内各节点的失负荷量，包括：
基于除故障输电线路外其余每一条输电线路的综合停运概率，对除故障输电线路外其余每一条输电线路进行可靠性评估，获得除故障输电线路外所有输电线路的故障状态；
基于除故障输电线路外所有输电线路的故障状态，获得发生开断故障后电网系统内所有节点的失负荷量。
上述确定电网的薄弱环节，包括：
依据输电线路发生开断故障后电网系统内各节点的失负荷量，确定该输电线路失负荷的经济损失；
通过下式获得该输电线路的风险指标；
Figure BDA0002569531450000039
其中，
Figure BDA00025695314500000310
表示第j条输电线路的风险指标；Pj表示第j条输电线路覆冰时的综合故障概率；
Figure BDA00025695314500000311
是通过设置第j条输电线路故障后失负荷的经济损失；
循环上述步骤，直至遍历所有输电线路；
将各个输电线路风险指标进行排序，以风险指标最大的为电网的薄弱环节。
上述依据输电线路发生开断故障后电网系统内各节点的失负荷量，确定该输电线路失负荷的经济损失，包括：
依据输电线路发生开断故障后电网系统内各节点的失负荷量，确定该输电线路内的各节点所损失的负荷价值；
确定各节点在其负荷损失状态下的修复时间；
基于各节点的分级和各节点所损失的负荷价值，通过下式确定该输电线路失负荷的经济损失；
Figure BDA0002569531450000041
其中，m为该输电线路内节点的数目；Li为不同节点所损失的负荷价值；ti为不同负荷损失状态节点所需要的修复时间；Cens为单位失负荷的经济损失。
本发明的技术方案之二是通过以下措施来实现的：一种基于极端冰灾的电网薄弱环节识别装置，包括：
综合故障概率获得模块，调用基础数据预测各个输电线路覆冰时承受的总载荷，对应获得各个输电线路覆冰时的综合故障概率，其中基础数据包括外部环境数据和内部状态数据，每条输电线路覆冰时承受的总载荷均包括各个杆塔的总载荷和相邻杆塔间各条线路的总载荷；
失负荷确定模块，设置单一输电线路发生开断故障，结合各个输电线路覆冰时的综合故障概率获得该故障发生后电网系统中各节点的失负荷量，循环遍历各个输电线路；
薄弱环节识别模块，结合每个输电线路发生开断故障后电网系统中各节点的失负荷量，判断各个输电线路的风险指标，确定电网的薄弱环节。
本发明的技术方案之三是通过以下措施来实现的：一种存储介质，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行基于极端冰灾的电网薄弱环节识别方法。
本发明的技术方案之四是通过以下措施来实现的：一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现基于极端冰灾的电网薄弱环节识别方法。
本发明针对在冰灾场景下，极易影响电网输电线路的安全稳定运行，造成大规模停电事故的问题，提供了一种基于极端冰灾的电网薄弱环节识别方法，预测各个输电线路覆冰时承受的总载荷，获得各个输电线路覆冰时的综合故障概率及各个输电线路故障后各个节点的失负荷量，定量评估各个输电线路的经济损失及风险指标，识别电网的薄弱环节，从而提前优化大规模停电事故发生时的抢修预案和抢修资源的配置，提高冰灾易发地区抗灾防灾能力，避免造成较大的经济损失。
附图说明
附图1为本发明实施例1的流程图。
附图2为本发明实施例1中获得输电线路覆冰时综合故障概率的流程图。
附图3为本发明实施例1中获得各个输电线路故障后电网系统中各节点的失负荷量的流程图。
附图4为本发明实施例1中确定电网的薄弱环节的流程图。
附图5为本发明实施例1中确定失负荷经济损失的流程图。
附图6为本发明实施例2的结构示意图。
具体实施方式
本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
下面结合实施例及附图对本发明作进一步描述：
实施例1：如附图1所示，该基于极端冰灾的电网薄弱环节识别方法，其特征在于，包括：
S1，调用基础数据预测各个输电线路覆冰时承受的总载荷，对应获得各个输电线路覆冰时的综合故障概率，其中基础数据包括外部环境数据和内部状态数据，每条输电线路覆冰时承受的总载荷均包括各个杆塔的总载荷和相邻杆塔间各条线路的总载荷；
S2，设置单一输电线路发生开断故障，结合各个输电线路覆冰时的综合故障概率获得该故障发生后电网系统中各节点的失负荷量，循环遍历各个输电线路；
S3，结合每个输电线路发生开断故障后电网系统中各节点的失负荷量，判断各个输电线路的风险指标，确定电网的薄弱环节。
本发明针对在冰灾场景下，极易影响电网输电线路的安全稳定运行，造成大规模停电事故的问题，提供了一种基于极端冰灾的电网薄弱环节识别方法，预测各个输电线路覆冰时承受的总载荷，获得各个输电线路覆冰时的综合故障概率及各个输电线路故障后各个节点的失负荷量，定量评估各个输电线路的经济损失及风险指标，识别电网的薄弱环节，从而提前优化大规模停电事故发生时的抢修预案和抢修资源的配置，提高冰灾易发地区抗灾防灾能力，避免造成较大的经济损失。
上述技术方案的步骤S1中，根据各个输电线路覆冰时承受的总载荷，对应获得各个输电线路覆冰时的综合故障概率，其中每条输电线路覆冰时承受的总载荷均包括各个杆塔的总载荷和相邻杆塔间各条线路的总载荷，由于一条输电线路可看成由多个杆塔及杆塔间的线路支撑形成的串联系统，当其中一个杆塔发生倒塔或杆塔之间发生任一线路电力断线时，整体线路均不能正常运行，只有所有杆塔和线路都正常可靠时才可正常工作，因此通过一条输电线路中各个杆塔的总载荷和相邻杆塔间各条线路的总载荷，获得输电线路覆冰时的综合故障概率。
上述技术方案的步骤S1中，调用基础数据预测各个输电线路覆冰时承受的总载荷。其中基础数据包括外部环境数据和内部状态数据,外部环境数据包括电网外部微气象、微地形、元件老化因素等，内部状态数据包括电网系统内部运行状态、数据等。其中每条输电线路覆冰时承受的总载荷均包括各个杆塔的总载荷和相邻杆塔间各条线路的总载荷，具体包括：
1、调用基础数据预测输电线路中相邻杆塔间各条线路的总载荷，设定一条输电线路支撑杆塔有m个，则相邻杆塔之间的线路有m-1个，其线路标号设为1、2、3…m-1，则相邻杆塔间各条线路的总载荷分别为
Figure BDA0002569531450000061
其中获取相邻杆塔间一条线路的总载荷(如输电线路的第j条覆冰线路的总载荷)，包括：
首先，通过下式获得该线路承受的风力载荷
Figure BDA0002569531450000062
Figure BDA0002569531450000063
其中，
Figure BDA0002569531450000064
为第j条覆冰线路承受的风力荷载大小；V(t)为风速；di为覆冰线路的计算等效外径；θ为风向与导线的夹角；α为风压不均匀系数；μh为因高度不同引起的风压系数；μsc为导线的体型系数；βc为导线及地线的风荷载调整系数；B为覆冰时因受力面积增加而导致的风荷载增大系数。
其次，通过下式获得覆冰时该线路承受的冰力载荷
Figure BDA0002569531450000065
Figure BDA0002569531450000066
其中，
Figure BDA0002569531450000067
为覆冰时第j条线路承受的冰力荷载大小；ρi为冰密度；D为输电线直径；Rt为输电线的覆冰厚度；Ll为相邻杆塔之间输电线长度，即第j条线路的长度。
最后，通过下式获得覆冰时该线路的总载荷
Figure BDA0002569531450000068
Figure BDA0002569531450000069
其中，Gl为覆冰时第j条线路自身的重力载荷；
Figure BDA00025695314500000619
为覆冰时第j条线路承受的风力荷载大小；
Figure BDA00025695314500000611
为覆冰时第j条线路承受的冰力荷载大小。
2、调用基础数据预测输电线路中各杆塔的总载荷，设定一条输电线路支撑杆塔有m个，其标号设为1、2、3…m，则各杆塔的总载荷分别为
Figure BDA00025695314500000612
其中一个杆塔的总载荷(如第i个覆冰杆塔的总载荷)，包括：
首先，通过下式获得覆冰时该杆塔承受的风力载荷
Figure BDA00025695314500000613
Figure BDA00025695314500000614
其中，
Figure BDA00025695314500000615
为覆冰时第i个杆塔承受的风力荷载大小；vt为平均风速；ρ为空气密度；Cd(αt)为风向▽t以αt角度对杆塔的拖动系数；Af为杆塔构建承受风压的有效面积。
其次，通过下式获得覆冰时该杆塔承受的冰力载荷
Figure BDA00025695314500000616
Figure BDA00025695314500000617
其中，
Figure BDA00025695314500000618
为覆冰时第i个杆塔承受的冰力荷载大小；Rt为圆截面杆塔构件的覆冰厚度；d为杆塔构件外径；γ为覆冰重度；Lp为杆塔构件总长度。
接着，通过下式获得覆冰时该杆塔杆塔两侧线路产生的合成侧力Fpull；
Figure BDA0002569531450000071
其中，ηt和αt为覆冰时该杆塔两侧输电线弧垂张力与杆塔垂直方向的夹角；
Figure BDA0002569531450000072
和
Figure BDA0002569531450000073
分别为覆冰杆塔两侧线路的张力，
Figure BDA0002569531450000074
和
Figure BDA0002569531450000075
分别为覆冰时杆塔两侧线路承受的冰力荷载大小。
最后，通过下式获得覆冰时该杆塔的总载荷
Figure BDA0002569531450000076
Figure BDA0002569531450000077
其中，Fpull为覆冰时杆塔两侧线路产生的合成侧力；
Figure BDA0002569531450000078
为第i个杆塔覆冰时承受的风力荷载大小；
Figure BDA0002569531450000079
为第i个杆塔覆冰时承受的冰力荷载大小。
上述技术方案的步骤S3中，根据各个输电线路故障时电网系统中各个节点的失负荷量，定量评估输电线路的经济损失及风险指标，不断循环遍历各个输电线路，定量评估出各个输电线路在故障时所产生的经济损失及风险指标，并将上述各个输电线路的风险指标进行排序，从而将风险指标最高一条输电线路或多条输电线路判定为电网的薄弱环节。
下面是对上述发明技术方案的进一步优化或/和改进：
如附图2所示，所述结合输电线路覆冰时承受的总载荷，获得该输电线路覆冰时的综合故障概率，包括：
S11，结合覆冰时输电线路内每条线路承受的总载荷，通过下式确定每条线路覆冰时的电力断线概率，其中；
Figure BDA00025695314500000710
其中，Pl为线路的电力断线概率；Flmax为该线路所能承受的最大载荷；Rl为覆冰时该线路承受的总载荷。
上述步骤S11确定输电线路内每条线路覆冰时的电力断线概率，即将覆冰时线路承受的总载荷Rl与该条线路所能承受的最大载荷Flmax进行比较，若覆冰线路承受的总载荷Rl大于等于该条线路所能承受的最大载荷Flmax，则该线路必然发生断线，即Pl＝1，若覆冰线路承受的总载荷Rl小于该条线路所能承受的最大载荷Flmax，则该线路发生断线的概率为两者的比值。并且由于每条输电线路中杆塔间的线路有多条，因此若一条输电线路有杆塔个数为m，则相邻杆塔之间的线路个数为m-1,故相邻杆塔之间所有线路发生电力断线的概率集为
Figure BDA0002569531450000081
S12，结合覆冰时该输电线路内每个杆塔承受的总载荷，通过下式确定每个杆塔覆冰时的电力倒塔概率；
Figure BDA0002569531450000082
其中，Pt为杆塔的电力倒塔概率；Ftmax为该杆塔所能承受的最大载荷；Rt为覆冰时该杆塔承受的总载荷。
上述步骤S12确定每个杆塔覆冰时的电力倒塔概率，即将覆冰时杆塔承受的总载荷Rt与该杆塔所能承受的最大载荷Ftmax进行比较，若覆冰杆塔承受的总载荷Rt大于等于该杆塔所能承受的最大载荷Ftmax，则该杆塔必然发生倒塔，即Pt＝1，若覆冰杆塔承受的总载荷Rt小于该杆塔所能承受的最大载荷Ftmax，则该杆塔发生断线的概率为两者的比值。由于每条输电线路中杆塔有多个，因此若一条输电线路有杆塔个数为m，则所有杆塔发生倒塔的概率为
Figure BDA0002569531450000083
S13，通过下式获得该输电线路覆冰时的综合故障概率；
Figure BDA0002569531450000084
其中，Pj为第j条输电线路覆冰时的综合故障概率，该输电线路中杆塔的数量为m，相邻杆塔之间线路的数量为m-1。
如附图3所示，所述依次设置单一输电线路发生开断故障，获得各个故障发生后电网系统中各节点的失负荷量，包括
S21，设置单一输电线路发生开断故障，结合输电线路覆冰时的综合故障概率获得除该故障输电线路外其余每一条输电线路的综合停运概率；
获得除该故障输电线路外其余每一条输电线路的综合停运概率包括：
S211，设置某单一输电线路发生开断故障，通过下式获得除故障输电线路外其余每一条输电线路运行状态故障概率；
Figure BDA0002569531450000085
其中，
Figure BDA0002569531450000086
为除故障线路外第j条输电线路的运行状态故障概率；Lj为除故障线路外第j条输电线路当前时刻的潮流；
Figure BDA0002569531450000087
为除故障线路外第j条输电线路额定潮流容量；
Figure BDA0002569531450000088
为除故障线路外第j条输电线路极限潮流容量；
Figure BDA0002569531450000091
为除故障线路外第j条输电线路隐性故障概率的最小值；
通过上式可以得出，若第j条输电线路当前时刻的潮流Lj小于该输电线路额定潮流容量
Figure BDA0002569531450000092
则该输电线路运行状态故障概率很小，为该输电线路隐性故障概率的最小值
Figure BDA0002569531450000093
若第j条输电线路当前时刻的潮流Lj大于该输电线路额定潮流容量
Figure BDA0002569531450000094
且小于该输电线路极限潮流容量
Figure BDA0002569531450000095
则该输电线路运行状态故障概率为
Figure BDA0002569531450000096
若第j条输电线路当前时刻的潮流Lj大于该输电线路极限潮流容量
Figure BDA0002569531450000097
则该输电线路必然发生故障，故该输电线路运行状态故障概率为1。
S212，通过下式获得除故障输电线路外其余每一条输电线路的综合停运概率；
Figure BDA0002569531450000098
其中，
Figure BDA0002569531450000099
为除故障输电线路外其余第j条输电线路的综合停运概率；
Figure BDA00025695314500000910
为除故障线路外第j条输电线路的运行状态故障概率；Pj为除故障线路外第j条输电线路的综合故障概率。
S22，依据除该故障输电线路外其余每一条输电线路的综合停运概率，输出发生开断故障后电网系统内各节点的失负荷量；
上述输出发生开断故障后电网系统内各节点的失负荷量，包括：
S221，基于除故障输电线路外其余每一条输电线路的综合停运概率，对除故障输电线路外其余每一条输电线路进行可靠性评估，获得除故障输电线路外所有输电线路的故障状态；
上述步骤S221中，利用matlab软件将除故障输电线路外其余每一条输电线路的综合停运概率
Figure BDA00025695314500000911
作为输入，采用非序贯蒙特卡洛法在[0,1]上产生均匀分布的随机数Ui，若
Figure BDA00025695314500000912
则该输电线路未发生故障，若
Figure BDA00025695314500000913
则该输电线路处于故障状态，从而输出其余所有输电线路的故障状态。其中非序贯蒙特卡洛法为现有公知技术，常用于电网的可靠性评估，非序贯蒙特卡洛法的算法过程不再赘述。
S222，基于除故障输电线路外所有输电线路的故障状态，获得发生开断故障后电网系统内所有节点的失负荷量。
上述步骤S222中，将基于除故障输电线路外所有输电线路的故障状态作为输入数据，通过直流潮流算法，输出发生开断故障后电网系统内所有节点的失负荷量。
S23，循环上述步骤，直至遍历所有输电线路。
如附图4、5所示，所述确定电网的薄弱环节，包括：
S31，依据输电线路发生开断故障后电网系统内各节点的失负荷量，确定该输电线路失负荷的经济损失，具体如附图5所示，包括：
S311，依据输电线路发生开断故障后电网系统内各节点的失负荷量，通过下式确定该输电线路内的各节点所损失的负荷价值；
Li＝Llossi·Wi
其中，Li为节点损失的负荷价值；Llossi为第i个节点实际损失负荷量；Wi为第i个节点对应的负荷等级；
上述节点对应的负荷等级Wi根据情况预先设定，其中负荷等级包括一级负荷、二级负荷和三级负荷，与之对应的Wi可分别设定为10、20、30，Wi的值越大，节点负荷越重要。
S312，通过下式确定各节点在其负荷损失状态下的修复时间；
Figure BDA0002569531450000101
其中，i为节点的编号；ai为单位时间内单位人工抢修第i个节点所需要的时间；gi为不同节点的抢修资源储备率，具体可定义为抢修故障时，所能提供的资源
Figure BDA0002569531450000102
与抢修故障所需要资源
Figure BDA0002569531450000103
的比值，取值为0至1，若所能提供的资源
Figure BDA0002569531450000104
能满足抢修故障所需要的资源
Figure BDA0002569531450000105
时，则gi＝1即对抢修恢复时间无影响，若所能提供的资源
Figure BDA0002569531450000106
无法满足抢修故障所需要的资源
Figure BDA0002569531450000107
时，则抢修时间变长。
本发明通过引入抢修资源储备率的概念，体现不同场景下所能提供的资源对修复时间的影响。但影响修复时间的因素并不仅仅只有抢修资源储备率，还包括抢修节点数量、修复人工时、人力资源、物力资源、交通、天气、修复策略等等，因此确定修复时间时还可根据实际需求或场景添加或改变影响因素，从而保证最后识别薄弱环节的准确性和可靠性。
S313，基于各节点的分级和各节点所损失的负荷价值，通过下式确定该输电线路失负荷的经济损失；
Figure BDA0002569531450000108
其中，m为该输电线路内节点的数目；Li为不同节点所损失的负荷价值；ti为不同负荷损失状态节点所需要的修复时间；Cens为单位失负荷的经济损失。
S32，通过下式获得该输电线路的风险指标；
Figure BDA0002569531450000109
其中，
Figure BDA0002569531450000111
表示第j条输电线路的风险指标；Pj表示第j条输电线路覆冰时的综合故障概率；
Figure BDA0002569531450000112
是通过设置第j条输电线路故障后失负荷的经济损失；
S33，循环上述步骤，直至遍历所有输电线路；
S34，将各个输电线路风险指标进行排序，以风险指标最大的为电网的薄弱环节。
实施例2，如附图6所示，该基于极端冰灾的电网薄弱环节识别装置，包括：
综合故障概率获得模块，调用基础数据预测各个输电线路覆冰时承受的总载荷，对应获得各个输电线路覆冰时的综合故障概率，其中基础数据包括外部环境数据和内部状态数据，每条输电线路覆冰时承受的总载荷均包括各个杆塔的总载荷和相邻杆塔间各条线路的总载荷；
失负荷确定模块，设置单一输电线路发生开断故障，结合各个输电线路覆冰时的综合故障概率获得该故障发生后电网系统中各节点的失负荷量，循环遍历各个输电线路；
薄弱环节识别模块，结合每个输电线路发生开断故障后电网系统中各节点的失负荷量，判断各个输电线路的风险指标，确定电网的薄弱环节。
实施例3，如附图1所示，该存储介质，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行基于极端冰灾的电网薄弱环节识别方法。
上述存储介质可以包括但不限于：U盘、只读存储器、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例4，如附图1所示，该电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现基于极端冰灾的电网薄弱环节识别方法。
上述电子设备还包括传输设备、输入输出设备，其中，传输设备和输入输出设备均与处理器连接。
以上技术特征构成了本发明的最佳实施例，其具有较强的适应性和最佳实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。

Claims (10)

1.一种基于极端冰灾的电网薄弱环节识别方法，其特征在于，包括：
调用基础数据预测各个输电线路覆冰时承受的总载荷，对应获得各个输电线路覆冰时的综合故障概率，其中基础数据包括外部环境数据和内部状态数据，每条输电线路覆冰时承受的总载荷均包括各个杆塔的总载荷和相邻杆塔间各条线路的总载荷；
设置单一输电线路发生开断故障，结合各个输电线路覆冰时的综合故障概率获得该故障发生后电网系统中各节点的失负荷量，循环遍历各个输电线路；
结合每个输电线路发生开断故障后电网系统中各节点的失负荷量，判断各个输电线路的风险指标，确定电网的薄弱环节。
2.根据权利要求1所述的基于极端冰灾的电网薄弱环节识别方法，其特征在于，所述结合输电线路覆冰时承受的总载荷，获得该输电线路覆冰时的综合故障概率，包括：
结合覆冰时输电线路内每条线路承受的总载荷，通过下式确定每条线路覆冰时的电力断线概率，其中；
Figure FDA0002569531440000011
其中，Pl为线路的电力断线概率；Flmax为该线路所能承受的最大载荷；Rl为覆冰时该线路承受的总载荷；
结合覆冰时该输电线路内每个杆塔承受的总载荷，通过下式确定每个杆塔覆冰时的电力倒塔概率；
Figure FDA0002569531440000012
其中，Pt为杆塔的电力倒塔概率；Ftmax为该杆塔所能承受的最大载荷；Rt为覆冰时该杆塔承受的总载荷；
通过下式获得该输电线路覆冰时的综合故障概率；
Pj＝MAX{[1-(1-Pt 1)(1-Pt 2)...(1-Pt m)],[1-(1-Pl 1)(1-Pl 2)...(1-Pl m-1)]}
其中，Pj为第j条输电线路覆冰时的综合故障概率，输电线路中杆塔的数量为m，相邻杆塔之间的线路的数量为m-1。
3.根据权利要求1或2所述的基于极端冰灾的电网薄弱环节识别方法，其特征在于，所述依次设置单一输电线路发生开断故障，获得各个故障发生后电网系统中各节点的失负荷量，包括：
设置单一输电线路发生开断故障，结合输电线路覆冰时的综合故障概率获得除该故障输电线路外其余每一条输电线路的综合停运概率；
依据除该故障输电线路外其余每一条输电线路的综合停运概率，输出发生开断故障后电网系统内各节点的失负荷量；
循环上述步骤，直至遍历所有输电线路。
4.根据权利要求3所述的基于极端冰灾的电网薄弱环节识别方法，其特征在于，所述设置单一输电线路发生开断故障，获得除该故障输电线路外其余每一条输电线路的综合停运概率，包括：
设置某单一输电线路发生开断故障，通过下式获得除故障输电线路外其余每一条输电线路运行状态故障概率；
Figure FDA0002569531440000021
其中，
Figure FDA0002569531440000022
为除故障线路外第j条输电线路的运行状态故障概率；Lj为除故障线路外第j条输电线路当前时刻的潮流；
Figure FDA0002569531440000023
为除故障线路外第j条输电线路额定潮流容量；
Figure FDA0002569531440000024
为除故障线路外第j条输电线路极限潮流容量；
Figure FDA0002569531440000025
为除故障线路外第j条输电线路隐性故障概率的最小值；
通过下式获得除故障输电线路外其余每一条输电线路的综合停运概率；
Figure FDA0002569531440000026
其中，
Figure FDA0002569531440000027
为除故障输电线路外其余第j条输电线路的综合停运概率；
Figure FDA0002569531440000028
为除故障线路外第j条输电线路的运行状态故障概率；Pj为除故障线路外第j条输电线路的综合故障概率。
5.根据权利要求3至4中任意一项所述的基于极端冰灾的电网薄弱环节识别方法，其特征在于，所述输出发生开断故障后电网系统内各节点的失负荷量，包括：
基于除故障输电线路外其余每一条输电线路的综合停运概率，对除故障输电线路外其余每一条输电线路进行可靠性评估，获得除故障输电线路外所有输电线路的故障状态；
基于除故障输电线路外所有输电线路的故障状态，获得发生开断故障后电网系统内所有节点的失负荷量。
6.根据权利要求1至5中任意一项所述的基于极端冰灾的电网薄弱环节识别方法，其特征在于，所述确定电网的薄弱环节，包括：
依据输电线路发生开断故障后电网系统内各节点的失负荷量，确定该输电线路失负荷的经济损失；
通过下式获得该输电线路的风险指标；
Figure FDA0002569531440000031
其中，
Figure FDA0002569531440000032
表示第j条输电线路的风险指标；Pj表示第j条输电线路覆冰时的综合故障概率；
Figure FDA0002569531440000033
是通过设置第j条输电线路故障后失负荷的经济损失；
循环上述步骤，直至遍历所有输电线路；
将各个输电线路风险指标进行排序，以风险指标最大的为电网的薄弱环节。
7.根据权利要求6所述的基于极端冰灾的电网薄弱环节识别方法，其特征在于，所述依据输电线路发生开断故障后电网系统内各节点的失负荷量，确定该输电线路失负荷的经济损失，包括：
依据输电线路发生开断故障后电网系统内各节点的失负荷量，确定该输电线路内的各节点所损失的负荷价值；
确定各节点在其负荷损失状态下的修复时间；
基于各节点的分级和各节点所损失的负荷价值，通过下式确定该输电线路失负荷的经济损失；
Figure FDA0002569531440000034
其中，m为该输电线路内节点的数目；Li为不同节点所损失的负荷价值；ti为不同负荷损失状态节点所需要的修复时间；Cens为单位失负荷的经济损失。
8.一种根据权利要求1至7中任意一项所述的基于极端冰灾的电网薄弱环节识别装置，其特征在于，包括：
综合故障概率获得模块，调用基础数据预测各个输电线路覆冰时承受的总载荷，对应获得各个输电线路覆冰时的综合故障概率，其中基础数据包括外部环境数据和内部状态数据，每条输电线路覆冰时承受的总载荷均包括各个杆塔的总载荷和相邻杆塔间各条线路的总载荷；
失负荷确定模块，设置单一输电线路发生开断故障，结合各个输电线路覆冰时的综合故障概率获得该故障发生后电网系统中各节点的失负荷量，循环遍历各个输电线路；
薄弱环节识别模块，结合每个输电线路发生开断故障后电网系统中各节点的失负荷量，判断各个输电线路的风险指标，确定电网的薄弱环节。
9.一种存储介质，其特征在于，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行如权利要求1至8任一项所述的基于极端冰灾的电网薄弱环节识别方法。
10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现如权利要求1至8任一项所述的基于极端冰灾的电网薄弱环节识别方法。
CN202010632359.6A 2020-07-03 2020-07-03 基于极端冰灾的电网薄弱环节识别方法及装置 Active CN111815476B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010632359.6A CN111815476B (zh) 2020-07-03 2020-07-03 基于极端冰灾的电网薄弱环节识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010632359.6A CN111815476B (zh) 2020-07-03 2020-07-03 基于极端冰灾的电网薄弱环节识别方法及装置

Publications (2)

Publication Number Publication Date
CN111815476A true CN111815476A (zh) 2020-10-23
CN111815476B CN111815476B (zh) 2023-04-07

Family

ID=72856757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010632359.6A Active CN111815476B (zh) 2020-07-03 2020-07-03 基于极端冰灾的电网薄弱环节识别方法及装置

Country Status (1)

Country Link
CN (1) CN111815476B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464536A (zh) * 2020-12-09 2021-03-09 国网湖南省电力有限公司 输电线路覆冰故障预测的方法、装置、计算机设备和介质
CN112801428A (zh) * 2021-04-08 2021-05-14 国网江苏省电力有限公司苏州供电分公司 一种基于概率预警的落雷损失预防控制方法
CN113610371A (zh) * 2021-07-27 2021-11-05 国网经济技术研究院有限公司 基于韧性的冰冻灾害电网薄弱环节评估方法及装置
CN114386657A (zh) * 2021-12-02 2022-04-22 贵州电网有限责任公司 一种基于最优发电再调度的电网覆冰风险缓释方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426056A (zh) * 2013-07-18 2013-12-04 清华大学 基于风险评估的电力系统薄弱环节辨识方法
CN103440400A (zh) * 2013-07-29 2013-12-11 清华大学 考虑灾害因素的电力系统短期风险判定方法
CN105719062A (zh) * 2016-01-15 2016-06-29 西安交通大学 一种考虑两重故障概率特性的电网风险及薄弱环节评估方法
CN106384000A (zh) * 2016-09-14 2017-02-08 国网天津市电力公司 一种评估变电站主接线对发输电系统可靠性影响的方法
CN107705032A (zh) * 2017-10-23 2018-02-16 华中科技大学 一种基于电网覆冰灾害离线风险评估模型的线路融冰方法
CN110222946A (zh) * 2019-05-15 2019-09-10 天津大学 基于台风场景模拟的配电网架空线路薄弱环节辨识方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426056A (zh) * 2013-07-18 2013-12-04 清华大学 基于风险评估的电力系统薄弱环节辨识方法
CN103440400A (zh) * 2013-07-29 2013-12-11 清华大学 考虑灾害因素的电力系统短期风险判定方法
CN105719062A (zh) * 2016-01-15 2016-06-29 西安交通大学 一种考虑两重故障概率特性的电网风险及薄弱环节评估方法
CN106384000A (zh) * 2016-09-14 2017-02-08 国网天津市电力公司 一种评估变电站主接线对发输电系统可靠性影响的方法
CN107705032A (zh) * 2017-10-23 2018-02-16 华中科技大学 一种基于电网覆冰灾害离线风险评估模型的线路融冰方法
CN110222946A (zh) * 2019-05-15 2019-09-10 天津大学 基于台风场景模拟的配电网架空线路薄弱环节辨识方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
于群等: "基于综合停运概率模型的电网薄弱环节评估", 《科学技术与工程》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464536A (zh) * 2020-12-09 2021-03-09 国网湖南省电力有限公司 输电线路覆冰故障预测的方法、装置、计算机设备和介质
CN112801428A (zh) * 2021-04-08 2021-05-14 国网江苏省电力有限公司苏州供电分公司 一种基于概率预警的落雷损失预防控制方法
CN112801428B (zh) * 2021-04-08 2021-07-13 国网江苏省电力有限公司苏州供电分公司 一种基于概率预警的落雷损失预防控制方法
CN113610371A (zh) * 2021-07-27 2021-11-05 国网经济技术研究院有限公司 基于韧性的冰冻灾害电网薄弱环节评估方法及装置
CN114386657A (zh) * 2021-12-02 2022-04-22 贵州电网有限责任公司 一种基于最优发电再调度的电网覆冰风险缓释方法
CN114386657B (zh) * 2021-12-02 2024-05-14 贵州电网有限责任公司 一种基于最优发电再调度的电网覆冰风险缓释方法

Also Published As

Publication number Publication date
CN111815476B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN111815476B (zh) 基于极端冰灾的电网薄弱环节识别方法及装置
US11159018B2 (en) Method and system for online decision making of generator start-up
CN109103874B (zh) 考虑负荷特性与分布式电源接入的配电网可靠性评估方法
CN107578169B (zh) 一种台风灾害条件下的电网关键线路识别方法及装置
CN112365100B (zh) 基于灾害风险综合评估的电网灾害预警及应对方法
CN107230015A (zh) 一种基于系统信息熵的配电网韧性评估方法
CN107633320B (zh) 一种基于气象预测和风险评估的电网线路重要度评估方法
CN112001625B (zh) 一种冰灾下输电系统的全时段韧性增强方法
CN111582700A (zh) 一种配电网设备故障率计算方法
Noebels et al. Assessing the effect of preventive islanding on power grid resilience
CN113850693A (zh) 基于多源信息融合的配网停电风险综合评估与预警的方法
CN117674119A (zh) 电网运行风险评估方法、装置、计算机设备和存储介质
CN108921452A (zh) 一种基于模糊算法的输电线路风险评估复合预警方法
CN115809836B (zh) 考虑分布式储能应急供电能力的配电网韧性规划的方法
CN116415724A (zh) 一种光伏电站运维检修时间的预测方法及装置
CN116308299A (zh) 一种站房设备风险评估方法及装置
KR100795967B1 (ko) 극치통계분석을 이용한 교량의 점검 및 유지관리 시스템 및방법
Younesi et al. Investigating the impacts of climate change and natural disasters on the feasibility of power system resilience
Zhang et al. Identifying critical elements to enhance the power grid resilience
CN107508279B (zh) 一种电力网络的稳定性仿真方法
CN114219120A (zh) 一种输电线路的故障类型预测方法及装置
CN115224684A (zh) 基于免疫危险理论的智能配电网风险状态辨识方法及系统
CN112712228A (zh) 一种同塔多回输电线路故障概率及可靠性计算方法
Maghsoodi et al. Predicting cascading failure with machine learning methods in the interdependent networks
CN115345260B (zh) 冰灾下输电网脆弱线路辨识方法、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