CN112241587A - 配电线路风险评估模型构建方法、风险评估方法及系统 - Google Patents

配电线路风险评估模型构建方法、风险评估方法及系统 Download PDF

Info

Publication number
CN112241587A
CN112241587A CN202010984689.1A CN202010984689A CN112241587A CN 112241587 A CN112241587 A CN 112241587A CN 202010984689 A CN202010984689 A CN 202010984689A CN 112241587 A CN112241587 A CN 112241587A
Authority
CN
China
Prior art keywords
distribution line
dimension
model
climate
service time
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
CN202010984689.1A
Other languages
English (en)
Other versions
CN112241587B (zh
Inventor
唐成虹
李渊
庄莹
裴玮
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.)
Institute of Electrical Engineering of CAS
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
Original Assignee
Institute of Electrical Engineering of CAS
Nari Technology Co Ltd
NARI Nanjing Control System 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 Institute of Electrical Engineering of CAS, Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd filed Critical Institute of Electrical Engineering of CAS
Priority to CN202010984689.1A priority Critical patent/CN112241587B/zh
Publication of CN112241587A publication Critical patent/CN112241587A/zh
Application granted granted Critical
Publication of CN112241587B publication Critical patent/CN112241587B/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]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Computer Hardware Design (AREA)
  • Primary Health Care (AREA)

Abstract

本发明公开了一种配电线路风险评估模型构建方法、风险评估方法及系统，本发明根据服役时间维度特征量构建服役时间维度模型，根据环境气候维度特征量构建环境气候维度模型，根据监测数据维度特征量构建监测数据维度模型，最后根据服役时间维度模型、环境气候维度模型和监测数据维度模型，构建基于多维特征融合的配电线路风险评估模型，相较于现有单一维度的模型，该模型综合考虑了对配电线路风险状态有重要影响的多维因子，更能科学准确地反映配电线路的风险状态；该风险评估方法及系统，实现了配电线路风险的自动化评估及对于风险的主动预防控制，对于延长配电线路的服役寿命，降低配电网运行潜在风险，保障配电系统安全稳定具有重要意义。

Description

配电线路风险评估模型构建方法、风险评估方法及系统
技术领域
本发明涉及一种配电线路风险评估模型构建方法、风险评估方法及系统，属于配电自动化和运维技术领域。
背景技术
配电网风险评估的目的是在多时空维度下给出综合反映配电网运行状况和事故后果的多项风险量化指标。作为配电网的重要组成部分,配电线路故障停运是系统事故的根本原因之一。因此,如何充分考虑各项风险因素,进而准确评估配电线路的可靠性水平是评估配电网风险的核心问题。现有配电线路风险评估方法主要是采用基于回归模型、贝叶斯模型等，仅利用单一的历史统计数据或运行样本数据，考虑因素不够全面，准确度较差。
发明内容
本发明提供了一种配电线路风险评估模型构建方法、风险评估方法及系统，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
配电线路风险评估模型构建方法，包括，
根据配电线路的服役时间维度特征量，获取配电线路服役时间维度模型因子，构建服役时间维度模型；
根据配电线路的环境气候维度特征量，获取配电线路环境气候维度模型因子，构建环境气候维度模型；
根据配电线路监测数据维度特征量，获取配电线路监测数据维度模型因子，构建监测数据维度模型；
根据服役时间维度模型、环境气候维度模型和监测数据维度模型，获取服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建基于多维特征融合的配电线路风险评估模型。
服役时间维度特征量包括配电线路完全退火状况下导线抗拉强度损失百分比、线温、导体材料属性相关常数、线温下导线持续运行时间；
环境气候维度特征量包括风灾环境气候下强度概率密度函数的均值和方差、风灾环境气候下荷载概率密度函数的均值和方差、冰灾环境气候下强度概率密度函数的均值和方差、冰灾环境气候下荷载概率密度函数的均值和方差；
监测数据维度特征量包括配电线路各关键部件在线监测基础参数百分制评分。
配电线路服役时间维度模型因子为，
Figure BDA0002688760140000021
其中，λa(t)为配电线路服役时间维度模型因子，Wa为完全退火状况下导线抗拉强度损失百分比，θ为线温，t为θ下导线持续运行时间，R为导线拉伸过程中横截面积减少的百分比；A、B、C和D为与导体材料属性相关的常数；
服役时间维度模型为，
Figure BDA0002688760140000022
其中，Pa为服役时间维度状态指数，参数Q＝exp(-C/B)，参数
Figure BDA0002688760140000031
teq为各时间子区间ti内导体温度值恒定为θHi的条件下的等效服役时间，
Figure BDA0002688760140000032
n为时间子区间数量，T为规定的最大服役寿命，β为配电线路形状参数；θH为恒定基准温度。
配电线路环境气候维度模型因子为，
Figure BDA0002688760140000033
其中，λb(h)为配电线路环境气候维度模型因子，
Figure BDA0002688760140000034
为正态分布，μwZ、
Figure BDA0002688760140000035
分别为风灾环境气候下联合概率密度函数的均值和方差，μwZ＝μwR-μwS，
Figure BDA0002688760140000036
μrZ、
Figure BDA0002688760140000037
分别为冰灾环境气候下联合概率密度函数的均值和方差，μrZ＝μrR-μrS，
Figure BDA0002688760140000038
μwR、
Figure BDA0002688760140000039
分别为风灾环境气候下强度概率密度函数的均值和方差，μwS、
Figure BDA00026887601400000310
风灾环境气候下荷载概率密度函数的均值和方差，μrR、
Figure BDA00026887601400000311
冰灾环境气候下强度概率密度函数的均值和方差，μrS、
Figure BDA00026887601400000312
冰灾环境气候下荷载概率密度函数的均值和方差，h为考查期间配电线路在恶劣环境气候下的持续运行时间。
环境气候维度模型为，
Pb＝1-λb(h)
其中，Pb为环境气候维度状态指数。
配电线路监测数据维度模型因子为，
Figure BDA0002688760140000041
其中，λc(CV)为配电线路监测数据维度模型因子，CVi为配电线路第i个关键部件在线监测基础参数百分制评分，N为关键部件数量；
监测数据维度模型为，
Figure BDA0002688760140000042
其中，Pc为监测数据维度状态指数。
服役时间维度状态评估基础元模型为，
Figure BDA0002688760140000043
环境气候维度状态评估基础元模型为，
Figure BDA0002688760140000044
监测数据维度状态评估基础元模型为，
Figure BDA0002688760140000045
其中，
Figure BDA0002688760140000046
为服役时间维度状态指数参考量，
Figure BDA0002688760140000047
为环境气候维度状态指数参考量，
Figure BDA0002688760140000048
为监测数据维度状态指数参考量；T为规定的最大服役寿命；λa(T)为配电线路服役时间T时，配电线路服役时间维度模型因子；λb(0)为h为0时，配电线路环境气候维度模型因子；h为考查期间配电线路在恶劣环境气候下的持续运行时间；λc(100)为配电线路关键部件在线监测基础参数百分制评分100时，配电线路监测数据维度模型因子；
基于多维特征融合的配电线路风险评估模型为，
Figure BDA0002688760140000049
其中，P为配电线路风险状态指数，Pa为服役时间维度状态指数，Pb为环境气候维度状态指数，Pc为监测数据维度状态指数。
配电线路风险评估方法，包括，
获取配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
将配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入上述方法构建的基于多维特征融合的配电线路风险评估模型，获得配电线路风险状态指数；
根据配电线路风险状态指数和预设评估规则，评估配电线路是否处于风险状态。
预设评估规则为，
响应于配电线路风险状态指数超过风险阈值，配电线路处于风险状态；响应于配电线路风险状态指数未超过风险阈值，配电线路处于正常状态。
配电线路风险评估系统，包括，
特征量获取模块：获取配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
配电线路风险状态指数获取模块：将配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入上述方法构建的基于多维特征融合的配电线路风险评估模型，获得配电线路风险状态指数；
风险评估模块：根据配电线路风险状态指数和预设评估规则，评估配电线路所处状态。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行配电线路风险评估模型构建方法或配电线路风险评估方法。
本发明所达到的有益效果：本发明根据服役时间维度特征量构建服役时间维度模型，根据环境气候维度特征量构建环境气候维度模型，根据监测数据维度特征量构建监测数据维度模型，最后根据服役时间维度模型、环境气候维度模型和监测数据维度模型，构建基于多维特征融合的配电线路风险评估模型，相较于仅考虑现有方法采用的模型，该模型综合考虑了对配电线路风险状态有重要影响的多维因子，更能科学准确地反映配电线路的风险状态；该风险评估方法及系统，实现了配电线路风险的自动化评估，可以及时准确发现服役配电线路隐患，并对处于风险状态的配电线路采取主动预防控制措施，对于延长配电线路的服役寿命，降低配电网运行潜在风险，保障配电系统安全稳定可靠运行。
附图说明
图1为本发明的模型构建方法流程图；
图2为本发明的风险评估方法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，配电线路风险评估模型构建方法，包括以下步骤：
步骤1，根据配电线路的服役时间维度特征量，获取配电线路服役时间维度模型因子，构建服役时间维度模型。
服役时间维度特征量包括配电线路完全退火状况下导线抗拉强度损失百分比、线温、导体材料属性相关常数、线温下导线持续运行时间等。
配电线路服役时间维度模型因子如下：
Figure BDA0002688760140000071
其中，λa(t)为配电线路服役时间维度模型因子，Wa为完全退火状况下导线抗拉强度损失百分比，θ为线温，t为θ下导线持续运行时间，R为导线拉伸过程中横截面积减少的百分比；A、B、C和D为与导体材料属性相关的常数。A、B、C和D取值一般如下表1所示；
表1常数取值表
参数 铝 6201铝合金 铜
A -8.3 -14.5 -7.4
B 0.285 0.79 0.40
C 0.035 0.060 0.0255
D 9 18 11
服役时间维度模型如下：
Figure BDA0002688760140000072
其中，Pa为服役时间维度状态指数，简化模型用的参数Q＝exp(-C/B)，简化模型用的参数
Figure BDA0002688760140000073
teq为各时间子区间ti内导体温度值恒定为θHi的条件下的等效服役时间，
Figure BDA0002688760140000074
n为时间子区间数量，T为规定的最大服役寿命，β为配电线路形状参数；θH为恒定基准温度。
步骤2，根据配电线路的环境气候维度特征量，获取配电线路环境气候维度模型因子，构建环境气候维度模型。
环境气候维度特征量包括风灾环境气候下强度概率密度函数的均值和方差、风灾环境气候下荷载概率密度函数的均值和方差、冰灾环境气候下强度概率密度函数的均值和方差、冰灾环境气候下荷载概率密度函数的均值和方差。
配电线路环境气候维度模型因子如下：
Figure BDA0002688760140000081
其中，λb(h)为配电线路环境气候维度模型因子，
Figure BDA0002688760140000082
为正态分布，μwZ、
Figure BDA0002688760140000083
分别为风灾环境气候下联合概率密度函数的均值和方差，μwZ＝μwR-μwS，
Figure BDA0002688760140000084
μrZ、
Figure BDA0002688760140000085
分别为冰灾环境气候下联合概率密度函数的均值和方差，μrZ＝μrR-μrS，
Figure BDA0002688760140000086
μwR、
Figure BDA0002688760140000087
分别为风灾环境气候下强度概率密度函数的均值和方差，μwS、
Figure BDA0002688760140000088
风灾环境气候下荷载概率密度函数的均值和方差，μrR、
Figure BDA0002688760140000089
冰灾环境气候下强度概率密度函数的均值和方差，μrS、
Figure BDA00026887601400000810
冰灾环境气候下荷载概率密度函数的均值和方差，h为考查期间配电线路在恶劣环境气候下的持续运行时间。
环境气候维度模型如下：
Pb＝1-λb(h)
其中，Pb为环境气候维度状态指数。
步骤3，根据配电线路监测数据维度特征量，获取配电线路监测数据维度模型因子，构建监测数据维度模型。
监测数据维度特征量包括配电线路各关键部件在线监测基础参数百分制评分。配电线路监测数据维度模型因子为：
Figure BDA0002688760140000091
其中，λc(CV)为配电线路监测数据维度模型因子，CVi为配电线路第i个关键部件在线监测基础参数百分制评分，一般认为考虑有基础状态量、杆塔状态量、导地线状态量、绝缘子状态量、金具状态量、接地装置状态量、附属设施状态量和通道状态量，N为关键部件数量。
监测数据维度模型为：
Figure BDA0002688760140000092
其中，Pc为监测数据维度状态指数。
步骤4，根据服役时间维度模型、环境气候维度模型和监测数据维度模型，获取服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建基于多维特征融合的配电线路风险评估模型。
服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型分别用以计算各状态指数参考量；具体模型如下：
服役时间维度状态评估基础元模型为，
Figure BDA0002688760140000093
环境气候维度状态评估基础元模型为，
Figure BDA0002688760140000101
监测数据维度状态评估基础元模型为，
Figure BDA0002688760140000102
其中，
Figure BDA0002688760140000103
为服役时间维度状态指数参考量，
Figure BDA0002688760140000104
为环境气候维度状态指数参考量，
Figure BDA0002688760140000105
为监测数据维度状态指数参考量；T为规定的最大服役寿命；λa(T)为配电线路服役时间T时，配电线路服役时间维度模型因子；λb(0)为h为0时，配电线路环境气候维度模型因子；λc(100)为配电线路关键部件在线监测基础参数百分制评分100时，配电线路监测数据维度模型因子；
根据服役时间维度模型、环境气候维度模型、监测数据维度模型、服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建多维特征融合的配电线路风险评估模型为：
Figure BDA0002688760140000106
其中，P为配电线路风险状态指数，Pa为服役时间维度状态指数，Pb为环境气候维度状态指数，Pc为监测数据维度状态指数。
上述方法根据服役时间维度特征量构建服役时间维度模型，根据环境气候维度特征量构建环境气候维度模型，根据监测数据维度特征量构建监测数据维度模型，最后根据服役时间维度模型、环境气候维度模型和监测数据维度模型，构建基于多维特征融合的配电线路风险评估模型，相较于仅考虑现有方法采用的模型，该模型综合考虑了对配电线路风险状态有重要影响的多维因子，更能科学准确地反映配电线路的风险状态。
如图2所示，配电线路风险评估方法，包括以下步骤：
S1)获取配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
S2)将配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入上述方法(即配电线路风险评估模型构建方法)构建的基于多维特征融合的配电线路风险评估模型，获得配电线路风险状态指数；
S3)根据配电线路风险状态指数和预设评估规则，评估配电线路是否处于风险状态；其中，预设评估规则为：响应于配电线路风险状态指数超过风险阈值，配电线路处于风险状态；响应于配电线路风险状态指数未超过风险阈值，配电线路处于正常状态；当配电线路处于风险状态则采取预设的减载、停运等控制措施。
上述风险评估方法，实现了配电线路风险的自动化评估，可以及时准确发现服役配电线路隐患，并对处于风险状态的配电线路采取主动预防控制措施，对于延长配电线路的服役寿命，降低配电网运行潜在风险，保障配电系统安全稳定可靠运行。
配电线路风险评估模型构建系统，包括，
服役时间维度模型模块：根据配电线路的服役时间维度特征量，获取配电线路服役时间维度模型因子，构建服役时间维度模型；
环境气候维度模型模块：根据配电线路的环境气候维度特征量，获取配电线路环境气候维度模型因子，构建环境气候维度模型；
监测数据维度模型模块：根据配电线路监测数据维度特征量，获取配电线路监测数据维度模型因子，构建监测数据维度模型；
风险评估模型模块：根据服役时间维度模型、环境气候维度模型和监测数据维度模型，获取服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建基于多维特征融合的配电线路风险评估模型。
配电线路风险评估系统，包括，
特征量获取模块：获取配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
配电线路风险状态指数获取模块：将配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入上述方法(即配电线路风险评估模型构建方法)构建的基于多维特征融合的配电线路风险评估模型，获得配电线路风险状态指数；
风险评估模块：根据配电线路风险状态指数和预设评估规则，评估配电线路所处状态。
风险处理模块：如果配电线路处于风险状态，采取预设的减载、停运等控制措施。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行配电线路风险评估模型构建方法或配电线路风险评估方法。
一种计算设备，包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行配电线路风险评估模型构建方法或配电线路风险评估方法的指令。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.配电线路风险评估模型构建方法，其特征在于：包括，
根据配电线路的服役时间维度特征量，获取配电线路服役时间维度模型因子，构建服役时间维度模型；
根据配电线路的环境气候维度特征量，获取配电线路环境气候维度模型因子，构建环境气候维度模型；
根据配电线路监测数据维度特征量，获取配电线路监测数据维度模型因子，构建监测数据维度模型；
根据服役时间维度模型、环境气候维度模型和监测数据维度模型，获取服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建基于多维特征融合的配电线路风险评估模型。
2.根据权利要求1所述的配电线路风险评估模型构建方法，其特征在于：
服役时间维度特征量包括配电线路完全退火状况下导线抗拉强度损失百分比、线温、导体材料属性相关常数、线温下导线持续运行时间；
环境气候维度特征量包括风灾环境气候下强度概率密度函数的均值和方差、风灾环境气候下荷载概率密度函数的均值和方差、冰灾环境气候下强度概率密度函数的均值和方差、冰灾环境气候下荷载概率密度函数的均值和方差；
监测数据维度特征量包括配电线路各关键部件在线监测基础参数百分制评分。
3.根据权利要求1所述的配电线路风险评估模型构建方法，其特征在于：配电线路服役时间维度模型因子为，
Figure FDA0002688760130000021
其中，λa(t)为配电线路服役时间维度模型因子，Wa为完全退火状况下导线抗拉强度损失百分比，θ为线温，t为θ下导线持续运行时间，R为导线拉伸过程中横截面积减少的百分比；A、B、C和D为与导体材料属性相关的常数；
服役时间维度模型为，
Figure FDA0002688760130000022
其中，Pa为服役时间维度状态指数，参数Q＝exp(-C/B)，参数
Figure FDA0002688760130000023
teq为各时间子区间ti内导体温度值恒定为θHi的条件下的等效服役时间，
Figure FDA0002688760130000024
n为时间子区间数量，T为规定的最大服役寿命，β为配电线路形状参数；θH为恒定基准温度。
4.根据权利要求1所述的配电线路风险评估模型构建方法，其特征在于：配电线路环境气候维度模型因子为，
Figure FDA0002688760130000025
其中，λb(h)为配电线路环境气候维度模型因子，
Figure FDA0002688760130000026
为正态分布，μwZ、
Figure FDA0002688760130000027
分别为风灾环境气候下联合概率密度函数的均值和方差，μwZ＝μwR-μwS，
Figure FDA0002688760130000028
μrZ、
Figure FDA0002688760130000029
分别为冰灾环境气候下联合概率密度函数的均值和方差，μrZ＝μrR-μrS，
Figure FDA0002688760130000031
μwR、
Figure FDA0002688760130000032
分别为风灾环境气候下强度概率密度函数的均值和方差，μwS、
Figure FDA0002688760130000033
风灾环境气候下荷载概率密度函数的均值和方差，μrR、
Figure FDA0002688760130000034
冰灾环境气候下强度概率密度函数的均值和方差，μrS、
Figure FDA0002688760130000035
冰灾环境气候下荷载概率密度函数的均值和方差，h为考查期间配电线路在恶劣环境气候下的持续运行时间；
环境气候维度模型为，
Pb＝1-λb(h)
其中，Pb为环境气候维度状态指数。
5.根据权利要求1所述的配电线路风险评估模型构建方法，其特征在于：配电线路监测数据维度模型因子为，
Figure FDA0002688760130000036
其中，λc(CV)为配电线路监测数据维度模型因子，CVi为配电线路第i个关键部件在线监测基础参数百分制评分，N为关键部件数量；
监测数据维度模型为，
Figure FDA0002688760130000037
其中，Pc为监测数据维度状态指数。
6.根据权利要求1所述的配电线路风险评估模型构建方法，其特征在于：
服役时间维度状态评估基础元模型为，
Figure FDA0002688760130000038
环境气候维度状态评估基础元模型为，
Figure FDA0002688760130000041
监测数据维度状态评估基础元模型为，
Figure FDA0002688760130000042
其中，
Figure FDA0002688760130000043
为服役时间维度状态指数参考量，
Figure FDA0002688760130000044
为环境气候维度状态指数参考量，
Figure FDA0002688760130000045
为监测数据维度状态指数参考量；T为规定的最大服役寿命；λa(T)为配电线路服役时间T时，配电线路服役时间维度模型因子；λb(0)为h为0时，配电线路环境气候维度模型因子；h为考查期间配电线路在恶劣环境气候下的持续运行时间；λc(100)为配电线路关键部件在线监测基础参数百分制评分100时，配电线路监测数据维度模型因子；
基于多维特征融合的配电线路风险评估模型为，
Figure FDA0002688760130000046
其中，P为配电线路风险状态指数，Pa为服役时间维度状态指数，Pb为环境气候维度状态指数，Pc为监测数据维度状态指数。
7.配电线路风险评估方法，其特征在于：包括，
获取配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
将配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入权利要求1～6任意一项所述方法构建的基于多维特征融合的配电线路风险评估模型，获得配电线路风险状态指数；
根据配电线路风险状态指数和预设评估规则，评估配电线路是否处于风险状态。
8.根据权利要求7所述的配电线路风险评估方法，其特征在于：预设评估规则为，
响应于配电线路风险状态指数超过风险阈值，配电线路处于风险状态；响应于配电线路风险状态指数未超过风险阈值，配电线路处于正常状态。
9.配电线路风险评估系统，其特征在于：包括，
特征量获取模块：获取配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
配电线路风险状态指数获取模块：将配电线路的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入权利要求1～6任意一项所述方法构建的基于多维特征融合的配电线路风险评估模型，获得配电线路风险状态指数；
风险评估模块：根据配电线路风险状态指数和预设评估规则，评估配电线路所处状态。
10.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至8所述的方法中的任一方法。
CN202010984689.1A 2020-09-18 2020-09-18 配电线路风险评估模型构建方法、风险评估方法及系统 Active CN112241587B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010984689.1A CN112241587B (zh) 2020-09-18 2020-09-18 配电线路风险评估模型构建方法、风险评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010984689.1A CN112241587B (zh) 2020-09-18 2020-09-18 配电线路风险评估模型构建方法、风险评估方法及系统

Publications (2)

Publication Number Publication Date
CN112241587A true CN112241587A (zh) 2021-01-19
CN112241587B CN112241587B (zh) 2022-08-26

Family

ID=74171091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010984689.1A Active CN112241587B (zh) 2020-09-18 2020-09-18 配电线路风险评估模型构建方法、风险评估方法及系统

Country Status (1)

Country Link
CN (1) CN112241587B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579632A (zh) * 2023-07-12 2023-08-11 湖南省计量检测研究院 一种基于深度学习技术实现风电设备的服役状态监测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529830A (zh) * 2016-12-01 2017-03-22 贵州电网有限责任公司电力科学研究院 基于多维评价的输电线路风险评估系统及其评估方法
CN109559043A (zh) * 2018-11-30 2019-04-02 天津大学 一种基于风险评估的配电系统设备状态检修决策方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529830A (zh) * 2016-12-01 2017-03-22 贵州电网有限责任公司电力科学研究院 基于多维评价的输电线路风险评估系统及其评估方法
CN109559043A (zh) * 2018-11-30 2019-04-02 天津大学 一种基于风险评估的配电系统设备状态检修决策方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579632A (zh) * 2023-07-12 2023-08-11 湖南省计量检测研究院 一种基于深度学习技术实现风电设备的服役状态监测方法
CN116579632B (zh) * 2023-07-12 2023-11-17 湖南省计量检测研究院 一种基于深度学习技术实现风电设备的服役状态监测方法

Also Published As

Publication number Publication date
CN112241587B (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
CN106908674B (zh) 一种基于多状态量预测的变压器状态评估方法
CN105740975A (zh) 一种基于数据关联关系的设备缺陷评估与预测方法
CN112383045B (zh) 新能源发电不确定性的暂态稳定越限概率计算方法和装置
CN104021304A (zh) 一种变压器在线监测装置安装优先级评估方法
CN112241587B (zh) 配电线路风险评估模型构建方法、风险评估方法及系统
CN110889565B (zh) 一种基于多维矩阵决策的配网巡检周期计算方法
CN116187759A (zh) 一种电缆线路运行风险评估方法及系统
CN112417763A (zh) 输电线路的缺陷诊断方法、装置、设备及存储介质
CN116523140A (zh) 窃电检测方法、装置、电子设备和存储介质
CN112183976B (zh) 配电变压器风险评估模型构建方法、风险评估方法及系统
CN113487182A (zh) 设备健康状态评估方法、装置、计算机设备和介质
CN114757003A (zh) 检修优先级决策方法、系统、装置及计算机可读存储介质
CN112507290B (zh) 配电设备故障概率预判方法、装置及存储介质
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
CN115422504A (zh) 一种配电设备故障风险辨识方法及装置
CN113052716B (zh) 风力发电机组主轴承的异常预警方法及装置
CN113988557A (zh) 一种电网企业的投资绩效评价指标体系的构建方法及装置
CN112001588A (zh) 基于n-1态下的事故事件在线预判方法及装置
CN112633692A (zh) 查窃电阈值的获取方法和装置、查窃电装置和方法
CN111130098A (zh) 一种含分布式电源配电网系统风险评估方法
CN117875946B (zh) 一种用于变电站设备运维的人机协同自主红外巡检方法
CN112581021B (zh) 一种基于层次分析法的操作方案优劣性自动评估的方法
CN113450030B (zh) 一种中长期电力市场下的机组市场力监测方法及装置
CN113159605B (zh) 基于逻辑回归的化工装置智能化报警方法及系统
CN115758904A (zh) 一种配电网的诊断管理方法、装置、存储介质及系统

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