CN112241587B - 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 PDFInfo
- Publication number
- CN112241587B CN112241587B CN202010984689.1A CN202010984689A CN112241587B CN 112241587 B CN112241587 B CN 112241587B CN 202010984689 A CN202010984689 A CN 202010984689A CN 112241587 B CN112241587 B CN 112241587B
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 192
- 238000012502 risk assessment Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010276 construction Methods 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 74
- 230000004927 fusion Effects 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 36
- 239000004020 conductor Substances 0.000 claims description 9
- 238000013210 evaluation model Methods 0.000 claims description 9
- 206010003549 asthenia Diseases 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000000137 annealing Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims 3
- 239000002994 raw material Substances 0.000 claims 3
- 238000005491 wire drawing Methods 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 239000010949 copper Substances 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (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
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,
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,
其中,Pa为服役时间维度状态指数,参数Q=exp(-C/B),参数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,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,
其中,λb(h)为配电线路环境气候维度模型因子,为正态分布,μwZ、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,μrZ、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,μwR、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、风灾环境气候下荷载概率密度函数的均值和方差,μrR、冰灾环境气候下强度概率密度函数的均值和方差,μrS、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,
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,
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,
环境气候维度状态评估基础元模型为,
监测数据维度状态评估基础元模型为,
其中,为服役时间维度状态指数参考量,为环境气候维度状态指数参考量,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,
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:
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:
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,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:
其中,λb(h)为配电线路环境气候维度模型因子,为正态分布,μwZ、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,μrZ、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,μwR、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、风灾环境气候下荷载概率密度函数的均值和方差,μrR、冰灾环境气候下强度概率密度函数的均值和方差,μrS、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:
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:
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,
环境气候维度状态评估基础元模型为,
监测数据维度状态评估基础元模型为,
其中,为服役时间维度状态指数参考量,为环境气候维度状态指数参考量,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:
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 (7)
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;其中,服役时间维度模型为Pa为服役时间维度状态指数,参数Q=exp(-C/B),参数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,t为θ下导线持续运行时间,θ为线温,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,λa(t)为配电线路服役时间维度模型因子,θH为恒定基准温度,A、B、C和D为与导体材料属性相关的常数,Wa为完全退火状况下导线抗拉强度损失百分比;
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;其中,配电线路环境气候维度模型因子为 为正态分布,μwZ、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,μrZ、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,μwR、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、风灾环境气候下荷载概率密度函数的均值和方差,μrR、冰灾环境气候下强度概率密度函数的均值和方差,μrS、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),Pb为环境气候维度状态指数,λb(h)为配电线路环境气候维度模型因子;
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;其中,配电线路监测数据维度模型因子为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,Pc为监测数据维度状态指数,λc(CV)为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;其中,服役时间维度状态评估基础元模型为,
环境气候维度状态评估基础元模型为,
监测数据维度状态评估基础元模型为,
其中,为服役时间维度状态指数参考量,为环境气候维度状态指数参考量,为监测数据维度状态指数参考量;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,
其中,P为配电线路风险状态指数。
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。
4.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1~3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。
5.根据权利要求4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。
6.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1~3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。
7.一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5所述的方法中的任一方法。
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 CN112241587A (zh) | 2021-01-19 |
CN112241587B true 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) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (2)
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 |
-
2020
- 2020-09-18 CN CN202010984689.1A patent/CN112241587B/zh active Active
Patent Citations (2)
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112241587A (zh) | 2021-01-19 |
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 | |
CN106709651B (zh) | 一种基于风险理论的电力系统安全性评估系统 | |
CN105740975A (zh) | 一种基于数据关联关系的设备缺陷评估与预测方法 | |
CN110889565B (zh) | 一种基于多维矩阵决策的配网巡检周期计算方法 | |
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 | |
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 | |
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 | |
CN112116276A (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 | |
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 | |
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 | |
CN105930964A (zh) | 一种基于时空因素影响的输电线路覆冰风险评估方法 | |
Johnson et al. | Analysis of Loss-of-Offsite-Power Events 1987-2018 | |
CN112085231A (zh) | 一种电力调度控制中心事故信息快速响应方法 | |
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 | |
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 | |
Johnson et al. | Analysis of Loss-of-Offsite-Power Events: 1987-2016 | |
CN112507290A (zh) | 配电设备故障概率预判方法、装置及存储介质 | |
CN118379088B (zh) | 一种基于电力数据挖掘的用户侧异常用电监测方法及装置 | |
Kapetanaki et al. | MOPSO using probabilistic and deterministic criteria based on OHL's thermal ratings | |
CN112736878B (zh) | 一种电网连锁故障告警方法及系统 | |
CN115758904A (zh) | 一种配电网的诊断管理方法、装置、存储介质及系统 | |
Mao et al. | Review on Risk Assessment of Damage of Regional Transmission and Transformation Equipment under Typhoon Disaster | |
CN114971401A (zh) | 一种不完全维修的城轨设备维修周期确定方法 |
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 |