CN111914375A - 一种基于贝叶斯推理的电网薄弱环节辨识方法 - Google Patents

一种基于贝叶斯推理的电网薄弱环节辨识方法 Download PDF

Info

Publication number
CN111914375A
CN111914375A CN202010647348.5A CN202010647348A CN111914375A CN 111914375 A CN111914375 A CN 111914375A CN 202010647348 A CN202010647348 A CN 202010647348A CN 111914375 A CN111914375 A CN 111914375A
Authority
CN
China
Prior art keywords
power grid
branch
node
power
probability
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
CN202010647348.5A
Other languages
English (en)
Other versions
CN111914375B (zh
Inventor
胡江
刘文霞
蒋泽甫
何向刚
钟以林
龙蔷
罗文雲
马冲
邓朴
唐学用
张裕
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid 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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202010647348.5A priority Critical patent/CN111914375B/zh
Publication of CN111914375A publication Critical patent/CN111914375A/zh
Application granted granted Critical
Publication of CN111914375B publication Critical patent/CN111914375B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)

Abstract

本发明提供一种基于贝叶斯推理的电网薄弱环节辨识方法，将电网中元件的历史负载情况与实际运行数据相融合，利用数据驱动思维构建计及功率传输分布因子的分布概率表，通过潮流拓扑及网架结构建立了节点‑支路贝叶斯网络，根据不同故障模式对网络发起分叉攻击并更新分布概率表，利用最大可能解释算法计算出所有支路的薄弱度。本发明提出的技术方法主要取决于网络结构和运行状态，受故障类型的干扰影响较小；提出的数据驱动算法能够满足大电网薄弱辨识的计算要求，减少建模误差；涵盖实际电网中多类型故障事件能够满足电网运行可靠性及规划指向性要求。

Description

一种基于贝叶斯推理的电网薄弱环节辨识方法
技术领域
本发明涉及电网运行技术领域，特别是涉及一种基于贝叶斯推理的电网薄弱环节辨识方法。
背景技术
近年来，大电网规模和结构的复杂程度增加的同时，故障风险系数和安全指标也在进一步提高，研究如何快速有效地辨识电网中薄弱环节成为运行规划亟待解决的重要问题。现有研究中对于电网薄弱环节的辨识及估计主要围绕着网络中的节点和支路两者来进行，主要方法包括基于网架结构指标类、基于状态可靠性指标类以及基于概率和数据驱动类。目前研究基于网架结构指标类方法大多面向线路脆弱性估计，利用电网导纳矩阵来计算电气效能，从而按照功率最有效路径传输定则评估薄弱程度，但这类方法模型假设未能贴合实际电网运行情况。随着网络复杂程度进一步增加，基于状态可靠性指标类方法的计算能力及网络适配性往往受到明显制约，近年来人工智能算法的突破，基于数据驱动及概率分析的方法被提出来，概率类算法能够满足大电网薄弱辨识的计算要求，这也是基于数据驱动方法减少建模误差的优势所在，但现有技术中未能充分利用历史数据识别出实际电网中亟待改善的薄弱环节，且辨识评估对象未能覆盖网络中所有节点及支路。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
为解决上述技术问题，本发明提供如下技术方案：一种基于贝叶斯推理的电网薄弱环节辨识方法，包括以下步骤：
根据电网中拓扑关联将待辨识区域中所有节点和支路进行一一对应，按照实时运行状态中的潮流方向建立有向支路-节点贝叶斯网络；
根据实时运行状态中的功率传输分布因子建立初始贝叶斯网络节点-支路概率分布：
利用电网历史运行数据中的线路、站点的负载情况计算对应的设备负载率，并基于负载率情况对节点-支路概率进行修正；
面向网络的中间层建立不同故障模式的攻击节点，并根据实际运行数据设置故障模式的初始概率；
根据电力系统安全稳定导则及相关标准，针对不同故障模式的攻击节点更新贝叶斯网络中的概率分布情况；
通过上述贝叶斯网络的构建以及相连节点之间条件概率的分布表，利用最大可能解释算法进行推理，计算支路、节点的薄弱概率值并对电网中薄弱环节情况进行辨识评估。
作为本发明所述基于贝叶斯推理的电网薄弱环节辨识方法的一种优选方案，其中：在所述有向支路-节点贝叶斯网络中，贝叶斯网络的所有支点的连接关系与实际电网中元件拓扑关系一一对应，方向则由运行中的潮流流向所决定。
3.根据权利要求1所述的基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：所述贝叶斯网络节点-支路概率分布包括条件概率分布、节点概率分布、支路概率分布；
作为本发明所述基于贝叶斯推理的电网薄弱环节辨识方法的一种优选方案，其中：在所述贝叶斯网络节点-支路概率分布中，初始节点概率和初始支路概率由功率传输分布因子λij所决定，即：
Figure BDA0002573638380000021
上式中Xig、Xil、Xjg、Xjl分别表示从支路、节点i、j到电源负荷节点s、t的阻抗值，λij即为电源—负荷节点之间单位功率在支路中的功率传输分布因子，其值表征了支路、节点对潮流传输贡献情况，初始节点、支路概率数值上等于功率传输分布因子。
作为本发明所述基于贝叶斯推理的电网薄弱环节辨识方法的一种优选方案，其中：所述贝叶斯网络节点-支路条件概率分布的情况，主要由该支路的承载能力所决定，初始节点-支路的条件概率P(yj|xi)通过以下公式确定：
Figure BDA0002573638380000022
其中
Figure BDA0002573638380000023
表示该节点关联的所有支路阻抗之和，占比越重则表示该节点薄弱程度对支路的薄弱关联程度越高。
作为本发明所述基于贝叶斯推理的电网薄弱环节辨识方法的一种优选方案，其中：在基于负载率修正节点-支路概率中，利用历史运行负载情况对贝叶斯网络的概率分布情况进行修正，功率传输分布因子乘以历史线路运行负载率λl、历史站点运行负载率λt，具体如下：
P(xi)＝λij*λt
P(yj)＝λij*λl
其中λl、λt具体求解方法如下：
Figure BDA0002573638380000031
Figure BDA0002573638380000032
上式中线路负载率λl为线路年总输送电量与该线路经济输送功率和年利用小时数乘积的比值；站点负载率λt为主变年输送电量与该站额定容量和年利用小时数乘积的比值。
作为本发明所述基于贝叶斯推理的电网薄弱环节辨识方法的一种优选方案，其中对现有的贝叶斯网络进行分叉攻击，将设定故障事件作为所述攻击节点，使得网络中结构发生变化，从而计算出实际运行条件下的元件薄弱度。
作为本发明所述基于贝叶斯推理的电网薄弱环节辨识方法的一种优选方案，其中电网薄弱环节辨识评估体系根据不同故障模式的攻击节点更新网络概率分布，考虑电力系统安全稳定导则及相关标准，包括传统N-1准则、连锁故障、多重故障在内的不同故障模式。
作为本发明所述基于贝叶斯推理的电网薄弱环节辨识方法的一种优选方案，其中在进行最大可能解释算法进行评估时，利用贝叶斯推理中路径最优的算法来计算出待辨识电网中最大可能概率的薄弱元件，为电网规划人员和运行调度人员提供参考。
本发明的有益效果：本发明提出的基于贝叶斯推理模型的电网薄弱环节辨识模型，将电网中元件的历史负载情况与实际运行数据相融合，利用数据驱动思维构建计及功率传输分布因子的分布概率表，通过潮流拓扑及网架结构建立了节点-支路贝叶斯网络，根据不同故障模式对网络发起分叉攻击并更新分布概率表，利用最大可能解释算法计算出所有支路的薄弱度。本发明提出的技术方法主要取决于网络结构和运行状态，受故障类型的干扰影响较小；提出的数据驱动算法能够满足大电网薄弱辨识的计算要求，减少建模误差；涵盖实际电网中多类型故障事件能够满足电网运行可靠性及规划指向性要求。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对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，下面描述中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的附图。其中：
图1是电网潮流拓扑与贝叶斯网络模型对照图；
图2是基于贝叶斯推理的电网薄弱环节辨识流程图；
图3是基于IEEE新英格兰39节点的线路薄弱度分布图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
实施例1
本发明实施例提供了一个简单电网的潮流拓扑与本发明提出贝叶斯网络模型的对照图，以供辅助分析，如图1所示：
根据图1中电网拓扑结构，将该网络中节点和支路序列分开，利用拓扑结线逐一将节点和支路相连，根据实时运行潮流结果，按照潮流流向确定模型中支路-节点的指向，由首端节点指向末端节点并服从节点条件概率分布和联合概率分布
Figure BDA0002573638380000041
图1中潮流从节点X5流向X3经过中间节点y5-3，则贝叶斯网络中对应父节点X5指向中间节点y5-3，满足条件概率分布P(y5-3)＝P(y5-3|X5)*P(X5)。
进一步根据不同故障元件、故障类型来构建贝叶斯网络的子节点层，即仅单一指向型节点序列。
图1中Kf1表示支路L2-3中发生单相短路故障所对应贝叶斯网络中中间节点y2-3单一指向子节点Kf1，根据贝叶斯条件概率分布有P(y2-3)＝P(y2-3|Kf1)*P(Kf1)。
一种基于贝叶斯推理的电网薄弱环节的评估方法流程如图2所示，主要包括以下步骤：
步骤一：任一电网结构中包含多个节点、支路，根据不同运行状态下潮流分布情况决定整个网络的流向性，根据这种物理拓扑关联关系将待辨识区域内的所有节点支路进行一一对应，指向性则由实际运行潮流方向决定，最终形成支路-节点贝叶斯网络。
步骤二：根据实时运行状态计算各节点、支路的功率传输分布因子，
Figure BDA0002573638380000051
上式中Xig、Xil、Xjg、Xjl分别表示从支路、节点i、j到电源负荷节点s、t的阻抗值，λij即为电源—负荷节点之间单位功率在支路中的功率传输分布因子，其值表征了支路、节点对潮流传输贡献情况。
初始支路概率P(xi)、节点概率P(yj)等于相应的功率传输分布因子即：
P(xi)＝λij(x) (2)
P(yj)＝λij(y) (3)
节点-支路条件概率分布主要由该支路的承载能力所决定，初始节点-支路的条件概率为：
Figure BDA0002573638380000052
其中
Figure BDA0002573638380000053
表示该节点关联的所有支路阻抗之和，占比越重则表示该节点薄弱程度对支路的薄弱关联程度越高。
步骤三：考虑到不同线路的最大传输能力不一致，为保证其与电网运行的高匹配度，本发明将利用历史负载数据进行采样提取，改进基于PTDF的初始节点-支路概率分布。
1)首先将贝叶斯网络中子节点与中间节点的序列按照电网拓扑关系进行关联划分，通过历史线路、站点的负载情况计算设备负载率。
Figure BDA0002573638380000061
式5中线路负载率λl为线路年总输送电量与该线路经济输送功率和年利用小时数乘积的比值；站点负载率λt为主变年输送电量与该站额定容量和年利用小时数乘积的比值。
进一步判定其网架结构特性包括变电站单电源线率、变电站单变率、中间线路联络率、中间线路站间联络率等，分别通过式6和式7计算出节点、支路的初始概率分布P(xi)、P(yj)。
P(xi)＝λij*λt*θx (6)
P(yj)＝λij*λl*θy (7)
其中θx、θy分别表示节点、支路的网架结构裕度，取值范围θx、θy∈(0,1)。
考虑实时运行潮流的分布情况计算出节点-支路条件概率：
Figure BDA0002573638380000062
式8中Syj-xn表示从节点yj到与之拓扑关联的支路xn的功率值。
步骤四：面向贝叶斯网络中节点、支路建立不同故障模式的攻击点，根据故障具体元件延伸不同支点，并根据实际运行数据设置故障模式的初始概率；
考虑到实际运行中发生连锁故障事件的频次较低，且告警信息不确定、保护开关拒动、误动的概率值较低，对于220kV及以上电压等级交流系统继电保护设备及其运行情况来设定相应的发生概率，例如对于开关、保护拒动故障模式的初始概率值P(O3)定为0.01％，对于误动故障模式的初始概率值P(O4)定为0.06％。
步骤五：根据电力系统安全稳定导则及相关标准，针对不同故障模式的攻击节点更新贝叶斯网络中的概率分布情况；设置相应的故障模式时将向原节点-支路网络中的任意支点发起分叉攻击，原网络将延伸出针对故障事件的支点，当发生多重故障或连锁故障时，网络中支点与故障事件形成逻辑对应关联关系，并基于故障事件概率对Bayes网络中分布概率进行更新。
根据电力系统安全稳定导则及相关标准，建立基于N-1故障模式的节点底层，即在原贝叶斯网络的基础上每个支路、节点分别延伸出对应的故障支点，考虑任一元件故障的情况下计算网络中元件的薄弱程度。同时，根据电网运行安全风险考虑包括开关拒动等复杂故障情况，特别地，对于实际电网运行中风险系数较高的同塔双回线路建立基于N-2故障模式。
步骤六：通过上述贝叶斯网络的构建以及相连节点之间条件概率的分布表，利用最大可能解释算法进行推理，计算支路、节点的薄弱概率值并对电网中薄弱环节情况进行辨识评估。
在贝叶斯网络中，已知证据集合E＝e求取最大后验概率假设
Figure BDA0002573638380000073
证据集合存在概率最大的一个解释使得网络中所有变量与对应的状态集合保持一致，即最大可能解释(MPE)：
Figure BDA0002573638380000071
本发明中将所有支路、节点的薄弱程度作为假设变量，发生故障事件后形成一次状态集合的假设，推理完成后得到最大概率的支路薄弱率集合，然后利用Viterbi算法求解，依次引入故障事件Ok，计算网络中所有单个支路-节点路径(xi-yj)的概率最大值，最终通过最优路径回溯求取薄弱环节。
实施例2
本实施例以IEEE新英格兰39节点系统为例，利用MATLAB编程实现基于贝叶斯推理的电网薄弱环节辨识方法。
表1多重故障模式下线路薄弱度
Figure BDA0002573638380000072
以同电力流向的三条线路13-14、14-15、16-17为例，表1中πy13-14、πy14-15、πy16-17分别表示线路13-14、14-15、16-17的薄弱度，故障模式中包括N-1判据中单一元件故障以及多重故障，Oy13、Oy14、Oy16分别表示节点13、14、16处发生故障并引起网络潮流变化，发生多重故障时，同一支路薄弱度受攻击点的电气距离影响较大，当故障范围波及该支路时，支路薄弱度较高，且其值与支路单一故障模式下的薄弱度差别较小，因此，该利用方法求解的薄弱度主要取决于网络结构和运行状态，受故障类型的干扰影响较小。
表2线路薄弱度排序情况表
Figure BDA0002573638380000081
计算电网中薄弱度排序较高的支路如附图3所示，在圆圈范围内表示电网相对薄弱的区域，从表2对比可见现有研究中辨识方法结果与本发明提出的方法结论基本一致，薄弱环节主要包括系统中重要功率传输线路16-17、15-16、2-3等，这些线路是机组-负荷的重要连接线路，制约着机组输电能力；同时根据本发明提出基于运行负载情况来考虑网络薄弱程度，能够有效地辨识出系统结构上承担较大功率输送的机组送出线路1-2，2-25。结果表明本文方法能够对电网中薄弱线路进行有效识别因此该方法能够对电网中薄弱线路进行有效识别。
本发明提出了一种基于贝叶斯推理模型的电网薄弱环节辨识方法，利用数据驱动思维将物理网络拓扑与概率信息模型进行关联，将电网中元件的历史负载情况与实际运行数据相融合，考虑不同运行方式、不同故障模式下电网元件薄弱程度的评估，有效地辨识出电网中的薄弱环节。与现有的技术方法相比，本发明提出基于概率模型来对物理网络中元件进行评估，能够实现对网络中所有元件的全覆盖，同时具备适应拓扑变换的能力；本发明技术方案全面地考虑了多种故障模式下电网的风险承载能力，除了传统的N-1准则外还考虑了影响程度较大的连锁故障模式、特殊运行方式下的N-2准则等；通过最大可能解释算法能够有效地计算出各元件的薄弱度，为电网规划人员和运行调度人员提供参考，根据实际电网薄弱环节分布和程度开展下一步工作。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：包括以下步骤：
根据电网中拓扑关联将待辨识区域中所有节点和支路进行一一对应，按照实时运行状态中的潮流方向建立有向支路-节点贝叶斯网络；
根据实时运行状态中的功率传输分布因子建立初始贝叶斯网络节点-支路概率分布：
利用电网历史运行数据中的线路、站点的负载情况计算对应的设备负载率，并基于负载率情况对节点-支路概率进行修正；
面向网络的中间层建立不同故障模式的攻击节点，并根据实际运行数据设置故障模式的初始概率；
根据电力系统安全稳定导则及相关标准，针对不同故障模式的攻击节点更新贝叶斯网络中的概率分布情况；
通过上述贝叶斯网络的构建以及相连节点之间条件概率的分布表，利用最大可能解释算法进行推理，计算支路、节点的薄弱概率值并对电网中薄弱环节情况进行辨识评估。
2.根据权利要求1所述的基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：在所述有向支路-节点贝叶斯网络中，贝叶斯网络的所有支点的连接关系与实际电网中元件拓扑关系一一对应，方向则由运行中的潮流流向所决定。
3.根据权利要求1所述的基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：所述贝叶斯网络节点-支路概率分布包括条件概率分布、节点概率分布、支路概率分布。
4.根据权利要求3所述的基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：在所述贝叶斯网络节点-支路概率分布中，初始节点概率和初始支路概率由功率传输分布因子λij所决定，即：
Figure FDA0002573638370000011
上式中Xig、Xil、Xjg、Xjl分别表示从支路、节点i、j到电源负荷节点s、t的阻抗值，λij即为电源—负荷节点之间单位功率在支路中的功率传输分布因子，其值表征了支路、节点对潮流传输贡献情况，初始节点、支路概率数值上等于功率传输分布因子。
5.根据权利要求3或4所述的基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：所述贝叶斯网络节点-支路条件概率分布的情况，主要由该支路的承载能力所决定，初始节点-支路的条件概率P(yj|xi)通过以下公式确定：
Figure FDA0002573638370000021
其中
Figure FDA0002573638370000022
表示该节点关联的所有支路阻抗之和，占比越重则表示该节点薄弱程度对支路的薄弱关联程度越高。
6.根据权利要求1所述的基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：在基于负载率修正节点-支路概率中，利用历史运行负载情况对贝叶斯网络的概率分布情况进行修正，功率传输分布因子乘以历史线路运行负载率λl、历史站点运行负载率λt，具体如下：
P(xi)＝λij*λt
P(yj)＝λij*λl
其中λl、λt具体求解方法如下：
Figure FDA0002573638370000023
Figure FDA0002573638370000024
上式中线路负载率λl为线路年总输送电量与该线路经济输送功率和年利用小时数乘积的比值；站点负载率λt为主变年输送电量与该站额定容量和年利用小时数乘积的比值。
7.根据权利要求1所述的基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：对现有的贝叶斯网络进行分叉攻击，将设定故障事件作为所述攻击节点，使得网络中结构发生变化，从而计算出实际运行条件下的元件薄弱度。
8.根据权利要求1所述的基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：电网薄弱环节辨识评估体系根据不同故障模式的攻击节点更新网络概率分布，考虑电力系统安全稳定导则及相关标准，故障模式包括传统N-1准则、连锁故障、多重故障。
9.根据权利要求1所述的基于贝叶斯推理的电网薄弱环节辨识方法，其特征在于：在进行最大可能解释算法进行评估时，利用贝叶斯推理中路径最优的算法来计算出待辨识电网中最大可能概率的薄弱元件，为电网规划人员和运行调度人员提供参考。
CN202010647348.5A 2020-07-07 2020-07-07 一种基于贝叶斯推理的电网薄弱环节辨识方法 Active CN111914375B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010647348.5A CN111914375B (zh) 2020-07-07 2020-07-07 一种基于贝叶斯推理的电网薄弱环节辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010647348.5A CN111914375B (zh) 2020-07-07 2020-07-07 一种基于贝叶斯推理的电网薄弱环节辨识方法

Publications (2)

Publication Number Publication Date
CN111914375A true CN111914375A (zh) 2020-11-10
CN111914375B CN111914375B (zh) 2022-12-13

Family

ID=73227608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010647348.5A Active CN111914375B (zh) 2020-07-07 2020-07-07 一种基于贝叶斯推理的电网薄弱环节辨识方法

Country Status (1)

Country Link
CN (1) CN111914375B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113158309A (zh) * 2021-04-09 2021-07-23 天津大学 一种暖通设备运行策略辨识方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110282508A1 (en) * 2010-05-12 2011-11-17 Alstom Grid Generalized grid security framework
CN109933953A (zh) * 2019-04-11 2019-06-25 东南大学 基于概率图模型的配电网开关状态辨识方法
US20190260204A1 (en) * 2018-02-17 2019-08-22 Electro Industries/Gauge Tech Devices, systems and methods for the collection of meter data in a common, globally accessible, group of servers, to provide simpler configuration, collection, viewing, and analysis of the meter data
CN110797865A (zh) * 2019-10-30 2020-02-14 山东大学 一种数据驱动的供电薄弱环节识别方法及系统
CN110991855A (zh) * 2019-11-28 2020-04-10 西南交通大学 一种基于贝叶斯网络的高速铁路风险评估的方法
CN111126477A (zh) * 2019-12-19 2020-05-08 广东工业大学 一种混合贝叶斯网络的学习与推理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110282508A1 (en) * 2010-05-12 2011-11-17 Alstom Grid Generalized grid security framework
US20190260204A1 (en) * 2018-02-17 2019-08-22 Electro Industries/Gauge Tech Devices, systems and methods for the collection of meter data in a common, globally accessible, group of servers, to provide simpler configuration, collection, viewing, and analysis of the meter data
CN109933953A (zh) * 2019-04-11 2019-06-25 东南大学 基于概率图模型的配电网开关状态辨识方法
CN110797865A (zh) * 2019-10-30 2020-02-14 山东大学 一种数据驱动的供电薄弱环节识别方法及系统
CN110991855A (zh) * 2019-11-28 2020-04-10 西南交通大学 一种基于贝叶斯网络的高速铁路风险评估的方法
CN111126477A (zh) * 2019-12-19 2020-05-08 广东工业大学 一种混合贝叶斯网络的学习与推理方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
WEIJIANG WU: "Survey on negative line loss rate of transformer", 《AIP ADVANCES》 *
ZECHUAN LIANG: "High-speed Railway External Power Supply Reliability Evaluation of Bayesian Network", 《ENERGY AND POWER ENGINEERING》 *
伍志韬等: "恶意攻击下的电力耦合网络风险传播模型研究", 《电网技术》 *
吴倩红等: ""人工智能+"时代下的智能电网预测分析", 《上海交通大学学报》 *
白翠粉等: "基于3层贝叶斯网络的变压器综合故障诊断", 《高电压技术》 *
胡江: "面向电网故障诊断系统的数据预处理技术的研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
赵家庆等: "输电网复杂结构安全性评估指标分析", 《电力系统保护与控制》 *
郭屹全: "基于贝叶斯网络法的电力系统可靠性评估", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113158309A (zh) * 2021-04-09 2021-07-23 天津大学 一种暖通设备运行策略辨识方法

Also Published As

Publication number Publication date
CN111914375B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
CN105376156A (zh) 一种基于多属性决策的电力骨干传输网路由规划方法
CN107769202B (zh) 计及天气模型的基于模糊Petri网的配电网可靠性评估方法
CN111697566A (zh) 一种考虑信息失效的主动配电网信息物理系统可靠性评估方法
CN111914375B (zh) 一种基于贝叶斯推理的电网薄弱环节辨识方法
CN102570451A (zh) 一种输电网静态可靠性评估方法
Yang et al. Modelling cascading failure of a CPS for topological resilience enhancement
CN109932617B (zh) 一种基于深度学习的自适应电网故障诊断方法
Liu et al. Node Importance Evaluation of Cyber-Physical System under Cyber-Attacks Spreading
CN110571802A (zh) 基于粗糙集动态规划模型的配电网自愈控制方法及装置
CN115764859A (zh) 一种多能耦合配电网故障恢复方法、系统、设备及介质
CN114221901B (zh) 一种能源互联网cps韧性调度方法、系统及其存储介质
Zeng et al. Resilience assessment for power systems under sequential attacks using double DQN with improved prioritized experience replay
CN111144572B (zh) 一种基于树形贝叶斯网络的配电网灾情推断方法及系统
Sun et al. An identification method for vulnerable lines based on combination weighting method and GraphSAGE algorithm
CN111597701A (zh) 一种含dg的配电网故障定位方法和系统
CN111651889A (zh) 输电系统高风险事件筛选方法、装置、设备及存储介质
CN111488695A (zh) 一种电网线路保护的最优概率整定计算方法
CN111767656A (zh) 一种弹性配电网远动开关优化配置方法、存储介质及设备
CN103107538B (zh) 海上电网电站安稳策略构建方法及系统
Liu et al. Fault diagnosis of power transformer based on improved differential evolution-neural network
Li et al. Distributed Fault Section Location for Active Distribution Network Based on Bayesian Complete Analytic Model
Yang et al. A partial information network growth and evolution model based on power system topology
CN113725855B (zh) 一种基于电气DebtRank算法的电力系统脆弱线路辨识方法
Yang et al. Analysis of lightning arrester operating current based on multidimensional neural network for transmission lines
Wang et al. Reliability evaluation method for distribution network with distributed generations considering feeder fault recovery and network reconfiguration

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