CN112116276B - 一种计及电气主设备时变状态的变电站运行风险评估方法 - Google Patents
一种计及电气主设备时变状态的变电站运行风险评估方法 Download PDFInfo
- Publication number
- CN112116276B CN112116276B CN202011054150.2A CN202011054150A CN112116276B CN 112116276 B CN112116276 B CN 112116276B CN 202011054150 A CN202011054150 A CN 202011054150A CN 112116276 B CN112116276 B CN 112116276B
- Authority
- CN
- China
- Prior art keywords
- main equipment
- state
- electric main
- transformer substation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012502 risk assessment Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 37
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000011002 quantification Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000003449 preventive effect Effects 0.000 abstract description 2
- 230000032683 aging Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/06—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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (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
本发明提供一种计及电气主设备时变状态的变电站运行风险评估方法,包括:按照故障树分层分级得到电气主设备中的各部件的状态评分,通过层次分析法确定各部件的权重系数,求得各电气主设备的模糊综合评价结果,进行电气主设备状态分类;考虑电气主设备状态和天气条件对故障概率的影响,求得电气主设备当前时段的故障概率;采用蒙特卡洛法,确定主设备的正常运行或故障停运状态,以变电站电源进线到负荷点之间的连通性为风险量化指标,评估变电站短时运行风险指标;若变电站短时运行风险指标满足预设条件,发出预警信息。本方法有助于提前采取预防措施,降低电气主设备偶发故障和天气灾害对变电站的影响,提高变电站的运行可靠性水平。
Description
技术领域
本发明涉及电力系统风险评估领域,具体地说,涉及一种计及电气主设备时变状态的变电站运行风险评估方法。
背景技术
变电站作为电力系统的枢纽,其安全运行水平对电力系统安全稳定运行和对用户可靠供电具有重要的意义。变电站内变压器、断路器等主电气设备的故障,可能会引起失负荷风险,甚至造成变电站停运等恶性事故。
在常规的变电站风险评估中,通常为了简化计算,而将设备故障概率设为恒定值,即按年均故障概率计算变电站长期可靠性指标。在实际的系统中,设备的故障概率并不是恒定的,设备所处运行环境、自身状态不一样,故障概率差异较大,变电站运行风险大小也不一样,按年平均故障概率计算的长期可靠性指标并不能反映设备和变电站在当前所面临的风险程度。因此,需要考虑设备所处的内外部条件,根据变电站主设备的时变故障概率来评估变电站的短时运行风险。
在主设备时变故障概率模型方面,研究的重点主要集中于变压器。例如使用马尔可夫链蒙特卡罗方法(Markov Chain Monte Carlo,MCMC)对变压器的故障周期进行场景模拟,建立了变压器动态故障概率模型,来预测变压器的故障概率。有文献根据油气信息与产气速率分别反映变压器健康状态与恶劣程度变化,建立变压器综合时变停运模型。有文献通过引入比例风险模型(Proportional hazards model,PHM),考虑老化过程和变压器健康状态建立变压器故障概率模型。主设备故障概率与自身老化过程、运行状态及外部天气条件相关,在变压器时变故障概率模型上,需要将以上因素都考虑进去。
关于变电站风险评估,国内外学者已经开展了一些计及设备时变故障概率的变电站可靠性研究。例如将设备故障分为主动故障、被动故障、维护中断,根据不同的故障模式计算变电站的可靠性。有文献通过计及故障电流限制器对变电站断路器和其他组件的时变故障概率的影响,来评估变电站的可靠性。有文献提出一种考虑操作条件和故障类型的故障概率模型,根据不同天气条件与故障类型下的设备故障概率对变电站系统进行可靠性评估。上述文献在设备故障概率模型上提出一些改进,但其考虑因素并不完整,在变电站短时风险评估方面应用有限。
由于变电站的核心功能是电压变换并提供进线(电源)与出线(负荷)之间的连通路径,因此,其风险评估关键点是判断负荷点与电源点的连通性问题。主接线连通性识别方法主要有直接标号法、最小割集法、图论法这三种方法。利用图论方法进行主接线连通性分析,能突破直接标号法对多电源负荷点的局限性,过程也较最小割集法简单,在实际中逐渐得到应用。
综上可见,如何在变电站的短时风险评估过程中,既考虑到设备的基础故障概率,又考虑到设备状态和天气条件的影响,从而更准确反映变电站所遭受风险大小,提供及时的预警方案,成为了本领域技术人员急需解决的问题。
发明内容
针对现有技术的不足,本发明实际需要解决的问题是:如何确定变电站内变压器、断路器、隔离开关等电气主设备在具体天气条件与设备状态下的故障概率,计算变电站的短时运行风险指标,提高风险预警的准确性和实效性。
本发明采用了如下的技术方案:
一种计及电气主设备时变状态的变电站运行风险评估方法,包括如下步骤:
S1、根据电气主设备状态评价导则,按照故障树分层分级得到电气主设备中的各部件的状态评分,通过层次分析法确定各部件的权重系数,求得各电气主设备的模糊综合评价结果,基于各电气主设备的模糊综合评价结果进行电气主设备状态分类;
S2、考虑电气主设备状态和天气条件对故障概率的影响,得到电气主设备的比例风险模型,根据具体条件下电气主设备状态和天气条件求得电气主设备当前时段的故障概率;
S3、根据电气主设备在当前时段的故障概率,采用蒙特卡洛法,确定主设备的正常运行或故障停运状态,以变电站电源进线到负荷点之间的连通性为风险量化指标,评估变电站短时运行风险指标。
S4、若变电站短时运行风险指标满足预设条件,发出预警信息。
优选地,步骤S1包括:
S101、建立主因素集U和子因素集Ui
主因素集U是影响电气主设备状态的各部件因素组成的集合,U={U1,U2,···,Un},n为主因素的个数;子因素集是以主因素集中单个主因素为对象,影响Ui的下一层因素的集合,Ui={Ui1,Ui2,···,Uis},s为子因素的个数;
S102、确定各层次权重系数
通过层次分析法计算得到主因素层权重分配集W=[w1,w2,···,wn]T和子因素层权重分配集Ki=[Ki1,Ki2,···,Kis];
S103、得到各因素评价指标的总权重Ω=[ω1,ω2,···,ωn],其中ωi=wi·Ki(i=1,2,…,n);
S104、根据状态评价集求得的中位数Q,对电气主设备的最下层因素进行评分,得到评价矩阵R,由C=Ω·R求出总目标评价向量,再根据τ=C·QT,求取电气主设备的模糊综合评价结果τ,从而进行电气主设备状态分类。
优选地,步骤S2包括:
S201、将电气主设备状态X1分为正常状态、注意状态、异常状态、严重状态四种状态,其取值分别为1、2、3、4;按气象灾害预警信号将天气条件X2划分为白色、蓝色、黄色、橙色和红色五个等级,其取值分别为0、0、1、1.2、1.5;
S202、建立电气主设备的比例风险模型并计算电气主设备当前时段的故障概率P
其中,β为形状参数,η为特征寿命参数,t为时间变量,α1、α2为协变量系数,X1为电气主设备状态,X2为天气条件。
优选地,步骤S3包括:
S301、蒙特卡洛法抽取系统状态
根据当前时段变电站内各电气主设备的故障概率P,通过蒙特卡洛法模拟变电站内各电气主设备的运行状态;
对变电站内的n个电气主设备,一次性抽取n个0~1之间的随机数r1,r2,…,rn,将rn与第n个电气主设备的故障概率Pn作比较;随机数小于或等于电气主设备的故障概率,代表该电气主设备发生故障停运,大于故障概率表示该电气主设备正常运行,得到该次抽样下的变电站系统状态;
S302、通过图论方法对变电站主接线的连通性进行识别
首先根据变电站主接线得到点/边关系图G,即
式中,G表示主接线图;V表示顶点集合,包括母线及电气主设备连接点;E表示边的集合,包括断路器、隔离开关及变压器构成的支路;(Vi,Vj)表示以Vi为起点、Vj为终点的边;n为顶点个数;
根据变电站主接线图G,得到反映节点间的邻接性的顶点-顶点邻接矩阵A=(aij)n×n
其中,aij表示顶点Vi与顶点Vj之间的边数,其取值和含义为
对于aij=0且可以通过其余节点连通的顶点Vi和Vj,通过逻辑自乘得到可达矩阵Z
Z=A+A2+…+An=(zij)n×n
得到的可达矩阵Z的元素zij的取值和含义为
根据可达矩阵Z,判断电气主接线的连通性;
S303、采用失负荷概率LOLP和失负荷量EDNS量化变电站运行风险
式中,LOLPi为负荷点i的失负荷概率;LOLP为变电站系统失负荷概率;EDNSi为负荷点i的失负荷量;EDNS为系统失负荷量;Li为负荷点i的负荷总量;F为失负荷状态集;M为系统总抽样次数;I为负荷点集合;mi(s)表示负荷点i失负荷的次数,根据可达矩阵Z,判断得到,即
式中,i表示负荷点,J表示电源点集合,当i与所有电源点断开,mi(s)=1表示负荷点i在该s状态下将失负荷。
与现有技术相比,本发明具有以下有益效果:
1)利用模糊综合评价方法对变电站设备状态进行评价,综合考虑各部件对设备健康状态的影响程度,使状态评价结果更加可靠。
2)将变电站主设备的故障概率影响因素分为内部运行因素和外部气象因素,通过考虑基准故障概率、设备状态和天气条件得到的电气主设备比例风险故障模型,能更加准确反映故障概率受各因素的影响。
3)通过根据具体天气条件、电气主设备状态计算得到的变电站的短时运行风险,相比之前的长时风险指标,能更准确反映变电站当下遭遇的风险大小,以便做出预防措施。
附图说明
为了使发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为一种计及电气主设备时变状态的变电站运行风险评估方法的流程图;
图2为多层次综合评价模型示例;
图3为测试变电站的主接线图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
如图1所示,本发明公开了一种计及电气主设备时变状态的变电站运行风险评估方法,包括如下步骤:
S1、根据电气主设备状态评价导则,如图2所示,按照故障树分层分级得到电气主设备中的各部件的状态评分,通过层次分析法确定各部件的权重系数,求得各电气主设备的模糊综合评价结果,基于各电气主设备的模糊综合评价结果进行电气主设备状态分类;
S2、考虑电气主设备状态和天气条件对故障概率的影响,得到电气主设备的比例风险模型,根据具体条件下电气主设备状态和天气条件求得电气主设备当前时段的故障概率;
S3、根据电气主设备在当前时段的故障概率,采用蒙特卡洛法,确定主设备的正常运行或故障停运状态,以变电站电源进线到负荷点之间的连通性为风险量化指标,评估变电站短时运行风险指标;
S4、若变电站短时运行风险指标满足预设条件,发出预警信息。
在本发明中,当运行风险指标大于预设值后,即可认为满足预设条件。
具体实施时,步骤S1中电气主设备的状态评价,采用模糊综合评价方法,步骤如下:
S101、建立主因素集U和子因素集Ui
主因素集U是影响电气主设备状态的各部件因素组成的集合,U={U1,U2,···,Un},n为主因素的个数;子因素集是以因素集中单个主因素为对象,影响Ui的下一层因素的集合,Ui={Ui1,Ui2,···,Uis},s为子因素的个数。
S102、确定各层次权重系数
通过层次分析法计算得到主因素层权重分配集W=[w1,w2,···,wn]T和子因素层权重分配集Ki=[Ki1,Ki2,···,Kis]。子因素层的权重分配亦可采用层次分析法求取,具体步骤见后。
S103、得到各因素评价指标的总权重Ω=[ω1,ω2,···,ωn],其中ωi=wi·Ki(i=1,2,…,n)
S104、根据状态评价集求得的中位数Q,对设备最下层因素进行评分,得到评价矩阵R,由C=Ω·R求出总目标评价向量,再根据τ=C·QT,求取电气主设备综合评价结果τ,并划分状态等级。
具体实施时,所述步骤S102中,基于层次分析法的权重求取方法为:
(1)对建立的多层次评价模型,将每一层次的各要素进行两两比较,根据各层次要素对上一层要素的重要程度,按照1~9标度法得到各元素的比较标度,并依此建立判断矩阵B=(bij)n×n,其中bii=1,bij=1/bji;bij表示相对于上一层元素Bi对Bj的重要程度标度值;
(2)求取最大特征根λmax和其特征向量W
①取每行标度乘积Mi;
③方根向量归一化得特征向量
W=[w1,w2,…,wn]T
④计算最大特征根λmax
(3)进行一致性检验
①计算一致性指标CI
②计算一致性比例RCI
当RCI<0.1时,表明判断矩阵B具有良好的一致性,否则应该调整判断矩阵元素的取值,直到指标符合要求。
以变压器为例,对其状态进行综合模糊评价。确定变压器因素集分别为概况B1、本体B2、套管B3、分接开关B4、冷却系统B5、非电量保护B6、在线监测装置B7,根据各部件评分比重建立判断矩阵B,如表1所示。
表1变压器因素集判断矩阵B
用层次分析法计算权重,特征向量为W=[0.031,0.334,0.246,0.085,0.164,0.113 0.027]T,得到最大特征值λmax=7.178;进行一致性检验得到CI=0.0297,RCI=0.0225<0.1符合要求。
对变压器进行一级模糊综合评价,得到总目标权重Ω=W=[0.031,0.334,0.246,0.085,0.164,0.113,0.027]T,各部件评价有正常、注意、异常、严重4种结果,状态评价集求得的中位数Q=[95,85,70,30],得到评价矩阵R,计算变压器总目标评价向量C:
C=Ω·R=[0.1440,0.1910,0.5800,0.0850]
计算得到τ=C·QT=73.065,变压器为注意状态。
具体实施时,步骤S2包括:
S201、将电气设备状态X1可分为正常状态、注意状态、异常状态、严重状态四种状态,其取值分别为1、2、3、4,如表2表所示;按气象灾害预警信号将天气条件X2划分为白色、蓝色、黄色、橙色和红色五个等级,具体可参考《南方电网运行安全风险量化评估技术规范》,其取值按天气种类与等级确定,如表3所示。
表2变压器状态评价等级划分
τ | 100~90 | 90~80 | 80~60 | 60及以下 |
状态 | 正常 | 注意 | 异常 | 严重 |
表3不同天气等级下X2取值
天气等级 | 白色 | 蓝色 | 黄色 | 橙色 | 红色 |
台风 | 0 | 0 | 1~1.2 | 2~3 | 3~4 |
雷雨、大风 | 0 | 0 | 1~1.2 | 1.2~1.5 | 1.5~2 |
高温 | 0 | 0 | 0 | 1.1 | 1.2 |
大雾 | 0 | 0 | 0 | 1.1 | 1.2 |
S202、建立电气主设备的比例风险模型并计算电气主设备当前时段的故障概率P
电气主设备的威布尔比例故障概率模型,通过极大似然估计对其参数求解,得到4个待定参数η、β、α1、α2的具体值,再将参数值带回到设备威布尔比例故障模型,可以根据时间、状态、天气得到设备当前的故障概率,例如求得变压器威布尔比例故障概率模型:
求得断路器威布尔比例故障概率模型:
具体实施时,步骤S3包括:
S301、蒙特卡洛法抽取系统状态
根据当前时段变电站内变压器、断路器、隔离开关等设备的状态评价结果,以及当前的天气预报和气象灾害预警信息,按照S202得到的威布尔比例故障概率模型,可计算各电气主设备的故障概率P,然后通过蒙特卡洛法来模拟变电站内电气主设备的运行状态;
对变电站内的n个电气主设备,一次性抽取n个0~1之间的随机数r1,r2,…,rn,将rn与电气主设备的故障概率Pn作比较;随机数小于或等于电气主设备的故障概率,代表该电气主设备发生故障停运,大于故障概率表示该电气主设备正常运行,便可得到该次抽样下的变电站系统状态;
S302、通过图论方法对变电站主接线的连通性进行识别
首先根据变电站主接线得到点/边关系图G,即
式中,G表示主接线图;V表示顶点集合,包括母线及设备连接点;E表示边的集合,包括断路器、隔离开关、变压器等构成的支路;(Vi,Vj)表示以Vi为起点、Vj为终点的边;n为顶点个数;
根据变电站主接线图G,可以得到能够反映节点间的邻接性的顶点-顶点邻接矩阵A=(aij)n×n
其中,aij表示顶点Vi与顶点Vj之间的边数,其取值和含义为
对于那些aij=0但是可以通过其余节点连通的顶点Vi和Vj,需要通过邻接矩阵自乘的结果才能看出,即通过逻辑自乘得到可达矩阵Z
Z=A+A2+…+An=(zij)n×n
得到的可达矩阵Z的元素zij的取值和含义为
最后,根据可达矩阵Z,去判断电源点与负荷点之间的连接关系,即判断电气主接线的连通性;
S303、采用失负荷概率LOLP和失负荷量EDNS来量化变电站运行风险
式中,LOLPi为负荷点i失负荷概率;LOLP为变电站系统失负荷概率;EDNSi为负荷点i失负荷量;EDNS为系统失负荷量;Li为负荷点i的负荷总量;F为失负荷状态集;M为系统总抽样次数;I为负荷点集合;mi(s)表示负荷点i失负荷的次数,可根据抽样状态转换得到的可达矩阵Z,判断得到,即
式中,i表示负荷点,J表示电源点集合,当i与所有电源点断开,mi(s)=1表示负荷点i在该s状态下将失负荷;
最后,根据M次抽样下的可达矩阵进行判断,计算负荷点i失负荷总次数,得到失负荷状态集,从而计算得到运行风险指标,并根据其风险值大小作出风险预警。
本发明对图3所示的IEEE-RTS79系统的变电站进行测试,比较不同天气、状态的设备故障概率,如表4、表5表所示。
表4不同天气条件下变压器故障概率(次/年)
表5不同天气条件下断路器故障概率(次/年)
再对比四种情况下的设备故障概率与风险指标,分别如表6和表7所示。
表6四种情况下的设备故障概率(次/年)
表7四种情况下的变电站主接线风险
可见,设备处于不同状态与气象环境时,变电站系统主接线的风险大小有明显差距。当设备处于状态正常、天气条件良好环境下时,变电站主接线的风险极低,可以忽略不计;而当设备状态差,又处于恶劣天气时,造成失负荷的概率极大,变电站的风险也将呈指数增加。在实际的变电站系统中,按照统一的故障概率计算变电站可靠性指标是恒定的,而变电站的实际风险随着设备状态、天气条件的变化而变化,通过时变故障概率进行短时风险评估,可以得到具体条件下的风险指标。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管通过参照本发明的优选实施例已经对本发明进行了描述,但本领域的普通技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离所附权利要求书所限定的本发明的精神和范围。
Claims (4)
1.一种计及电气主设备时变状态的变电站运行风险评估方法,其特征在于,包括如下步骤:
S1、根据电气主设备状态评价导则,按照故障树分层分级得到电气主设备中的各部件的状态评分,通过层次分析法确定各部件的权重系数,求得各电气主设备的模糊综合评价结果,基于各电气主设备的模糊综合评价结果进行电气主设备状态分类;
S2、考虑电气主设备状态和天气条件对故障概率的影响,得到电气主设备的比例风险模型,根据具体条件下电气主设备状态和天气条件求得电气主设备当前时段的故障概率;
S3、根据电气主设备在当前时段的故障概率,采用蒙特卡洛法,确定主设备的正常运行或故障停运状态,以变电站电源进线到负荷点之间的连通性为风险量化指标,评估变电站短时运行风险指标;
S4、若变电站短时运行风险指标满足预设条件,发出预警信息。
2.如权利要求1所述的计及电气主设备时变状态的变电站运行风险评估方法,其特征在于,步骤S1包括:
S101、建立主因素集U和子因素集Ui
主因素集U是影响电气主设备状态的各部件因素组成的集合,U={U1,U2,···,Un},n为主因素的个数;子因素集是以主因素集中单个主因素为对象,影响Ui的下一层因素的集合,Ui={Ui1,Ui2,···,Uis},s为子因素的个数;
S102、确定各层次权重系数
通过层次分析法计算得到主因素层权重分配集W=[w1,w2,···,wn]T和子因素层权重分配集Ki=[Ki1,Ki2,···,Kis];
S103、得到各因素评价指标的总权重Ω=[ω1,ω2,···,ωn],其中ωi=wi·Ki(i=1,2,…,n);
S104、根据状态评价集求得的中位数Q,对电气主设备的最下层因素进行评分,得到评价矩阵R,由C=Ω·R求出总目标评价向量,再根据τ=C·QT,求取电气主设备的模糊综合评价结果τ,从而进行电气主设备状态分类。
4.如权利要求1所述的一种计及电气主设备时变状态的变电站运行风险评估方法,其特征在于,步骤S3包括:
S301、蒙特卡洛法抽取系统状态
根据当前时段变电站内各电气主设备的故障概率P,通过蒙特卡洛法模拟变电站内各电气主设备的运行状态;
对变电站内的n个电气主设备,一次性抽取n个0~1之间的随机数r1,r2,…,rn,将rn与第n个电气主设备的故障概率Pn作比较;随机数小于或等于电气主设备的故障概率,代表该电气主设备发生故障停运,大于故障概率表示该电气主设备正常运行,得到该次抽样下的变电站系统状态;
S302、通过图论方法对变电站主接线的连通性进行识别
首先根据变电站主接线得到点/边关系图G,即
式中,G表示主接线图;V表示顶点集合,包括母线及电气主设备连接点;E表示边的集合,包括断路器、隔离开关及变压器构成的支路;(Vi,Vj)表示以Vi为起点、Vj为终点的边;n为顶点个数;
根据变电站主接线图G,得到反映节点间的邻接性的顶点-顶点邻接矩阵A=(aij)n×n
其中,aij表示顶点Vi与顶点Vj之间的边数,其取值和含义为
对于aij=0且可以通过其余节点连通的顶点Vi和Vj,通过逻辑自乘得到可达矩阵Z
Z=A+A2+…+An=(zij)n×n
得到的可达矩阵Z的元素zij的取值和含义为
根据可达矩阵Z,判断电气主接线的连通性;
S303、采用失负荷概率LOLP和失负荷量EDNS量化变电站运行风险
式中,LOLPi为负荷点i的失负荷概率;LOLP为变电站系统失负荷概率;EDNSi为负荷点i的失负荷量;EDNS为系统失负荷量;Li为负荷点i的负荷总量;F为失负荷状态集;M为系统总抽样次数;I为负荷点集合;mi(s)表示负荷点i失负荷的次数,根据可达矩阵Z,判断得到,即
式中,i表示负荷点,J表示电源点集合,当i与所有电源点断开,mi(s)=1表示负荷点i在该s状态下将失负荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011054150.2A CN112116276B (zh) | 2020-09-29 | 2020-09-29 | 一种计及电气主设备时变状态的变电站运行风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011054150.2A CN112116276B (zh) | 2020-09-29 | 2020-09-29 | 一种计及电气主设备时变状态的变电站运行风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112116276A CN112116276A (zh) | 2020-12-22 |
CN112116276B true CN112116276B (zh) | 2023-05-05 |
Family
ID=73798331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011054150.2A Active CN112116276B (zh) | 2020-09-29 | 2020-09-29 | 一种计及电气主设备时变状态的变电站运行风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116276B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112379196B (zh) * | 2019-04-10 | 2021-09-14 | 国网江苏省电力有限公司南通供电分公司 | 一种基于物联网技术的输变电设备状态监测分析方法 |
CN112686525B (zh) * | 2020-12-25 | 2023-06-23 | 中国人民解放军空军工程大学 | 一种机电系统phm体系的综合评估方法 |
CN113971511A (zh) * | 2021-10-18 | 2022-01-25 | 国网河南省电力公司电力科学研究院 | 一种适用于多电压等级的变电站整站状态评估方法 |
CN115222053B (zh) * | 2022-09-20 | 2022-12-02 | 中国石油大学(华东) | 一种基于蒙特卡罗方法的地层可压性概率分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632310A (zh) * | 2013-11-19 | 2014-03-12 | 中国南方电网有限责任公司 | 一种大电网运行风险评估方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8650101B1 (en) * | 2011-10-03 | 2014-02-11 | Tsn Llc | Internal material system for facilitating material and asset movement within organizational infrastructures |
CN104657822A (zh) * | 2015-02-06 | 2015-05-27 | 海南电网有限责任公司 | 一种基于风险评估结果的电力系统灾害预警分级方法及系统 |
CN104899682A (zh) * | 2015-05-19 | 2015-09-09 | 上海市建工设计研究院有限公司 | 临海地区深基坑防渗止水帷幕体施工风险评价方法 |
CN106055889A (zh) * | 2016-05-26 | 2016-10-26 | 国网浙江省电力公司嘉兴供电公司 | 一种架空输电线路状态评价方法 |
CN107516170B (zh) * | 2017-08-30 | 2020-07-28 | 东北大学 | 一种基于设备故障概率和电网运行风险的差异自愈控制方法 |
CN108596459B (zh) * | 2018-04-13 | 2021-08-10 | 广东电网有限责任公司广州供电局 | 变电站风险告警方法和系统 |
CN108985546A (zh) * | 2018-05-30 | 2018-12-11 | 广东工业大学 | 一种考虑天气因素的电力变压器时变停运风险评估方法 |
CN111415492B (zh) * | 2020-04-29 | 2021-03-16 | 中国水利水电科学研究院 | 一种基于模糊综合评价算法的边坡滑坡预警方法及系统 |
-
2020
- 2020-09-29 CN CN202011054150.2A patent/CN112116276B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632310A (zh) * | 2013-11-19 | 2014-03-12 | 中国南方电网有限责任公司 | 一种大电网运行风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112116276A (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112116276B (zh) | 一种计及电气主设备时变状态的变电站运行风险评估方法 | |
CN106908674B (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
CN107633354B (zh) | 一种站用直流系统运行状态健康程度的综合评价方法 | |
CN103324992B (zh) | 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法 | |
CN103576050B (zh) | 一种电容式电压互感器的运行状态评估方法 | |
CN106780127B (zh) | 含分布式光伏配电网的评价方法 | |
CN106651189B (zh) | 一种基于多层复合规则的变压器状态评价方法 | |
CN105631578A (zh) | 一种面向风险评估的输变电设备故障概率模型的建模方法 | |
CN107292478B (zh) | 一种灾害对配电网影响态势的获取方法 | |
CN104657822A (zh) | 一种基于风险评估结果的电力系统灾害预警分级方法及系统 | |
CN103150635B (zh) | 电力设备运维方法 | |
CN107194574A (zh) | 一种基于负荷损失的电网安全风险评估方法 | |
CN105719094A (zh) | 一种输电设备状态评估方法 | |
CN108629491A (zh) | 一种换流变检修质量综合评估方法 | |
CN110110933A (zh) | 一种智能变电站保护系统的检修周期优化方法 | |
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 | |
CN113268590A (zh) | 一种基于设备画像和集成学习的电网设备运行状态评估方法 | |
CN111062500A (zh) | 一种基于离散模糊数和层次分析法的电力设备评价方法 | |
CN112668821A (zh) | 一种基于风沙区域绝缘子故障概率的配电线路风险分析方法 | |
CN112001569A (zh) | 一种基于多电压等级故障下的电网运行风险分析方法 | |
CN105468911A (zh) | 基于层次分析法和粗糙集的变压器状态评估方法 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN111581802B (zh) | 一种配电设备实时综合故障率计算方法和系统 | |
CN112633665A (zh) | 一种基于层次分析法的配电网防雷决策方法 | |
CN116862478A (zh) | 基于分层架构与动态赋权的变压器健康评估方法 |
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 |