CN112488336A - 一种用于极端天气下的电网故障处理方法及系统 - Google Patents

一种用于极端天气下的电网故障处理方法及系统 Download PDF

Info

Publication number
CN112488336A
CN112488336A CN202011427388.5A CN202011427388A CN112488336A CN 112488336 A CN112488336 A CN 112488336A CN 202011427388 A CN202011427388 A CN 202011427388A CN 112488336 A CN112488336 A CN 112488336A
Authority
CN
China
Prior art keywords
fault
information
line
key
power supply
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.)
Pending
Application number
CN202011427388.5A
Other languages
English (en)
Inventor
晋龙兴
刘子俊
黄福全
卢正飞
王廷凰
马帅
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.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply 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 Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN202011427388.5A priority Critical patent/CN112488336A/zh
Publication of CN112488336A publication Critical patent/CN112488336A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种用于极端天气下的电网故障处理方法及系统，包括，步骤S1，获取待检测区域的关键线路信息、非关键线路信息以及历史故障关联信息；步骤S2，实时检测待检测区域内是否有故障发生，当故障发生时，获取故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息并识别实时故障的特征信息；步骤S3，将所述实时故障的特征信息与历史故障关联信息进行匹配，若生成故障记录及故障报告或进一步判断故障线路是否属于关键线路；步骤S4，获取所述故障线路的运行状态，根据所述运行状态判断故障是否处理完成，若处理完成，则生成故障报告；若未处理完成，则通知维修人员并返回故障报告。本发明提高处理极端天气下电网故障时的处置效率和准确度。

Description

一种用于极端天气下的电网故障处理方法及系统
技术领域
本发明涉及电力系统自动化技术领域，特别是涉及一种用于极端天气下的电网故障处理方法及系统。
背景技术
台风、雷电、暴雨、覆冰、海啸、暴雪等各种极端自然灾害破坏力巨大，极易摧毁电力系统设备导致电力系统故障。例如我国东南沿海地区台风灾害频繁，台风刮倒电线杆塔刮倒建筑、雨水导致电力设备短路或断线；雷电带来巨大电流，直接损毁输电线路或带来过高电压，导致继电保护设备动作跳闸，引起停电。在这些极端天气下，跳闸数量非常巨大，短时间内可能达到正常天气1年的跳闸量，同时海量数据夹杂的无效信息和非关联信息使得故障处理起来十分困难，因此有必要应对极端天气的故障采用有别于普通天气的处理方法，满足在灾害发生前识别电力系统重要线路和骨干网架所处区域，灾害发生后能够优先保障重要线路和骨干网架的用电安全，辅助调度运行人员能够及时、高效地处理故障信息和故障信息归档，从而防止事故的扩大，及时恢复停电区域。
发明内容
本发明的目的在于，提出一种用于极端天气下的电网故障处理方法及系统，解决现有方法在处理极端天气下故障时效率低、准确度差的技术问题。
本发明的一方面，提供一种用于极端天气下的电网故障处理方法，包括以下步骤：
步骤S1，获取待检测区域的关键线路信息、非关键线路信息以及历史故障关联信息；所述历史故障关联信息为每一种故障在不同极端天气下的故障特征与关键线路信息、非关键线路信息的关联信息；
步骤S2，实时检测待检测区域内是否有故障发生，当故障发生时，获取故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息；根据所述故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息识别实时故障的特征信息；
步骤S3，将所述实时故障的特征信息与历史故障关联信息进行匹配，若能匹配到相同的特征，则生成故障记录及故障报告；若不能匹配到相同的特征，则进一步判断故障线路是否属于关键线路，若属于关键线路，则将故障优先级判定为优先处理，若不属于关键线路，则将故障优先级判定为次级处理，将故障优先级判定结果和故障信息发送给维修人员；
步骤S4，获取所述故障线路的运行状态，根据所述运行状态判断故障是否处理完成，若处理完成，则生成故障报告；若未处理完成，则通知维修人员跟进；将处理完的故障报告进行分类归档并存入故障历史库。
优选地，还包括：获取待监测区域内供电线路的电力参数信息和数量信息；
根据获取的电力参数信息计算每条供电线路的负载率；
根据每条供电线路的负载率计算随机移除一条供电线路后的待检测区域的潮流熵，直到计算出每条供电线路被移除后相应的潮流熵。
优选地，所述根据每条供电线路的负载率计算随机移除一条供电线路后的待检测区域的改进潮流熵，具体根据以下公式进行计算：
Figure BDA0002825520460000021
其中，BK'表示切除第K条线路后系统的改进潮流熵；αt表示负载率第t个负载率区间(Wt,Wt+1]的重要性程度；P(t)表示负载率μk∈(Wt,Wt+1]的线路条数占总线路数量的比例；lt表示表示线路负载率μk∈(Wt,Wt+1]的线路条数；r-1表示给定的常数序列区间；[Wt,Wt+1]表示第t个常数序列区间。
优选地，还包括：将所述潮流熵的值数与预设的关键判断阈值比较确定所述潮流熵对应的供电线路是否为关键线路；若所述潮流熵的值数大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为关键线路；若所述潮流熵的值数不大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为非关键线路。
优选地，还包括：获取供电线路的受气象灾害影响的故障历史数据、与故障对应的极端天气数据；
将所述受气象灾害影响的故障历史数据作为历史故障数据库与所述与故障对应的极端天气数据根据预设特征规则进行特征筛选，确定每一种故障在不同极端天气下的故障特征；
将每一种故障在不同极端天气下的故障特征根据预设关联规则与关键线路信息或非关键线路信息进行关联，生成历史故障关联信息。
本发明还提供一种用于极端天气下的电网故障处理系统，用以实现所述的用于极端天气下的电网故障处理方法，包括：
关键线路识别模块，用以获取待监测区域内供电线路的电力参数信息和数量信息，识别待检测区域的关键线路信息、非关键线路信息；
历史故障关联模块，用以获取供电线路的受气象灾害影响的故障历史数据、与故障对应的极端天气数据，根据受气象灾害影响的故障历史数据、与故障对应的极端天气数据确定每一种故障在不同极端天气下的故障特征与关键线路信息、非关键线路信息的关联信息，作为历史故障关联信息；
极端天气故障处理模块，用以实时检测待检测区域内是否有故障发生，当故障发生时，获取故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息；根据所述故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息识别实时故障的特征信息；还用以将所述实时故障的特征信息与历史故障关联信息进行匹配，若能匹配到相同的特征，则生成故障记录及故障报告；若不能匹配到相同的特征，则进一步判断故障线路是否属于关键线路，若属于关键线路，则将故障优先级判定为优先处理，若不属于关键线路，则将故障优先级判定为次级处理，将故障优先级判定结果和故障信息发送给维修人员；以及获取所述故障线路的运行状态，根据所述运行状态判断故障是否处理完成，若处理完成，则生成故障报告；若未处理完成，则通知维修人员跟进；将处理完的故障报告进行分类归档并存入故障历史库。
优选地，所述关键线路识别模块获取待监测区域内供电线路的电力参数信息和数量信息；根据获取的电力参数信息计算每条供电线路的负载率；根据每条供电线路的负载率计算随机移除一条供电线路后的待检测区域的潮流熵，直到计算出每条供电线路被移除后相应的潮流熵。
优选地，所述关键线路识别模块根据以下公式进行计算随机移除一条供电线路后的待检测区域的改进潮流熵：
Figure BDA0002825520460000041
其中，BK'表示切除第K条线路后系统的改进潮流熵；αt表示负载率第t个负载率区间(Wt,Wt+1]的重要性程度；P(t)表示负载率μk∈(Wt,Wt+1]的线路条数占总线路数量的比例；lt表示表示线路负载率μk∈(Wt,Wt+1]的线路条数；r-1表示给定的常数序列区间；[Wt,Wt+1]表示第t个常数序列区间。
优选地，所述关键线路识别模块将所述潮流熵的值数与预设的关键判断阈值比较确定所述潮流熵对应的供电线路是否为关键线路；若所述潮流熵的值数大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为关键线路；若所述潮流熵的值数不大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为非关键线路。
优选地，所述历史故障关联模块获取供电线路的受气象灾害影响的故障历史数据、与故障对应的极端天气数据；将所述受气象灾害影响的故障历史数据作为历史故障数据库与所述与故障对应的极端天气数据根据预设特征规则进行特征筛选，确定每一种故障在不同极端天气下的故障特征；将每一种故障在不同极端天气下的故障特征根据预设关联规则与关键线路信息或非关键线路信息进行关联，生成历史故障关联信息。
综上，实施本发明的实施例，具有如下的有益效果：
本发明提供的用于极端天气下的电网故障处理方法及系统，对气象因素的电网历史故障进行原因分析并将关键特征与相应故障类型进行关联，基于关联信息诊断出故障线路，判别出导致故障发生的影响因素，并通过匹配历史处理决策，防止事故扩大，并及时恢复供电，大大减轻了运行人员、专业运维人员运维工作强度；提高处理极端天气下故障时效率和准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例中一种用于极端天气下的电网故障处理方法的主流程示意图。
图2为本发明实施例中一种用于极端天气下的电网故障处理方法的逻辑示意图。
图3为本发明实施例中一种用于极端天气下的电网故障处理系统的示意图。
具体实施方式
为使本发明的目的、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地详细描述。
如图1和图2所示，为本发明提供的一种用于极端天气下的电网故障处理方法的一个实施例的示意图。在该实施例中，所述方法包括以下步骤：
步骤S1，获取待检测区域的关键线路信息、非关键线路信息以及历史故障关联信息；所述历史故障关联信息为每一种故障在不同极端天气下的故障特征与关键线路信息、非关键线路信息的关联信息；可以理解的是，极端天气下关键线路识别：识别挑选关键线路，保证在极端天气发生时，利用有限的应急资源和抢修人员对关键故障区域优先进行修复，保证电网关键区域在海量故障产生时优先保障该区域的故障处置。恶劣气象因素如台风、海啸、暴雨、暴雪等极端天气状况下，电力设备短时间内发生海量故障。这些故障在不同极端天气具有各自的故障特征，通过采集历年因天气因素造成的故障历史数据，建立电力系统历史故障库，梳理、建立各关联因素数据库与电网关键区域关联。
具体实施例中，对于关键线路信息和非关键线路信息，具体通过以下步骤获取：获取待监测区域内供电线路的电力参数信息和数量信息；
根据获取的电力参数信息计算每条供电线路的负载率；
根据每条供电线路的负载率计算随机移除一条供电线路后的待检测区域的潮流熵，直到计算出每条供电线路被移除后相应的潮流熵；
将所述潮流熵的值数与预设的关键判断阈值比较确定所述潮流熵对应的供电线路是否为关键线路；若所述潮流熵的值数大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为关键线路；若所述潮流熵的值数不大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为非关键线路。
可以理解的是，不同要线路故障对电网运行状态的影响不同，不同支路的断开对功率传输的影响不同，定义潮流熵指标来衡量线路切除后电网潮流分布的不均衡程度，进而辨识在功率传输中处于重要地位的线路。
设第K条线路正常运行时传输的有功功率为PN0，所能承载的最大有功功率为PKMAX，由于不同线路的额定容量有所不同，采用负载率μK＝|PKO/PKMAX|对线路的传输功率情况进行分析。
给定常数序列W＝[W1,W2,,,,WR]，共r-1个常数序列区间。对第t个常数序列区间[Wt,Wt+1]，lt表示表示线路负载率μk∈(Wt,Wt+1]的线路条数，过载线路置于(1，∞)区间。则切除第K条线路后系统的潮流熵BK'为：
Figure BDA0002825520460000061
Figure BDA0002825520460000062
式中：P(t)表示负载率μk∈(Wt,Wt+1]的线路条数占总线路数量的比例。
可知，潮流分布越均衡，则潮流熵越小，因此，切除线路后电网的潮流熵越大，表明该线路断开后潮流转移对系统剩余支路发生连锁故障的影响越大，考虑高负载率线路的脆弱性，则需要将负载率加入潮流熵指标中进行分析。假定负载率超过一定数值a(0＜a＜1)后，负载率区间的地位随着负载率的增大而上升，则第t个负载率区间(Wt,Wt+1]的重要性为：
Figure BDA0002825520460000071
式中：μk∈(Wt,Wt+1]为负载率区间的加权系数；为第t个负载率区间的区间下限值。由于负载率μn＝|PNO/PNMAX|，相当于根据线路额定传输容量对其传输功率进行了标幺化处理，因此负载率考虑了不同线路的不同额定容量。
综上所述，考虑负载率的影响，则第k条线路故障后电网的改进潮流熵可表示为：
Figure BDA0002825520460000072
具体地，对于历史故障关联信息，具体通过以下步骤获取：获取供电线路的受气象灾害影响的故障历史数据、与故障对应的极端天气数据；
将所述受气象灾害影响的故障历史数据作为历史故障数据库与所述与故障对应的极端天气数据根据预设特征规则进行特征筛选，确定每一种故障在不同极端天气下的故障特征；
将每一种故障在不同极端天气下的故障特征根据预设关联规则与关键线路信息或非关键线路信息进行关联，生成历史故障关联信息。
可以理解的是，电网事故后捕获事故分闸信号，该信号包含厂站、开关分间ID和名称、发生时间和接收时间。事故分闸信号作为触发条件，分别从二次遥信应用和保信应用中提取遥信SOE(Sequence Of Event，指事件顺序记录)信息和事故保护信息数据。针对遥信SOE数据，提取5分钟内同一厂站的所有遥信数据，以动作、复归是否成对出现作为判据判断是否有截断数据，若有截断的遥信数据则扩大至10分钟内同一厂站遥信数据。若无截断数据，则以保护动作、重合闸等作为依据制作关鍵遥信点点表，将遥信SOE数据与关键遥信点匹配后，匹配的二次遥信数据连接气象数据显示为故障内容。针对保信数据，提取5分钟至半小时之内同一厂站和对端厂站内的故障保信数据，与关键保信点进行匹配，若匹配，则按照一次设备、二次设备等关联关系显示故障内容。
步骤S2，实时检测待检测区域内是否有故障发生，当故障发生时，获取故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息；根据所述故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息识别实时故障的特征信息；可以理解的是，将系统的各个控制参数和通讯接口程序进行初始化处理，包括读取系统的所有状态量并更新静态数据库中的信息，可以通过通讯接口从电网拓扑数据库、SCADA(SupervisoryControl And Data Acquisition，数据采集与监视控制系统)、保护信息系统和外部环境监测系统等单向获取电力系统内部设备状态信息及外部环境的实时监测信息，并存放在故障诊断及故障影响要素分析系统的实时数据库中。根据实时采集的数据进行故障元件诊断，生成诊断结果。
步骤S3，将所述实时故障的特征信息与历史故障关联信息进行匹配，若能匹配到相同的特征，则生成故障记录及故障报告；若不能匹配到相同的特征，则进一步判断故障线路是否属于关键线路，若属于关键线路，则将故障优先级判定为优先处理，若不属于关键线路，则将故障优先级判定为次级处理，将故障优先级判定结果和故障信息发送给维修人员；可以理解的是，通过与历史气象灾害导致的故障数据库进行故障特征匹配，如能匹配，将匹配结果发给工作人员，如不能匹配，提醒工作人员人工处理。对于非关键区域发生故障，如处理正确，关联气象信息后发送故障报告给工作人员进行归档；对于非关键区域发生故障，如处理情况异常，待关键区域故障处理完毕后由工作人员进行人工处理。
步骤S4，获取所述故障线路的运行状态，根据所述运行状态判断故障是否处理完成，若处理完成，则生成故障报告；若未处理完成，则通知维修人员跟进；将处理完的故障报告进行分类归档并存入故障历史库，用于未来的相似故障参考。
如图3所示，本发明的实施还提供一种用于极端天气下的电网故障处理系统，用以实现所述的用于极端天气下的电网故障处理方法，包括：
关键线路识别模块，用以获取待监测区域内供电线路的电力参数信息和数量信息，识别待检测区域的关键线路信息、非关键线路信息；
具体实施例中，所述关键线路识别模块获取待监测区域内供电线路的电力参数信息和数量信息；根据获取的电力参数信息计算每条供电线路的负载率；根据每条供电线路的负载率计算随机移除一条供电线路后的待检测区域的潮流熵，直到计算出每条供电线路被移除后相应的潮流熵；将所述潮流熵的值数与预设的关键判断阈值比较确定所述潮流熵对应的供电线路是否为关键线路；若所述潮流熵的值数大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为关键线路；若所述潮流熵的值数不大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为非关键线路。
具体地，根据以下公式进行计算随机移除一条供电线路后的待检测区域的潮流熵：
Figure BDA0002825520460000091
其中，BK'表示切除第K条线路后系统的改进潮流熵；αt表示负载率第t个负载率区间(Wt,Wt+1]的重要性程度；P(t)表示负载率μk∈(Wt,Wt+1]的线路条数占总线路数量的比例；lt表示表示线路负载率μk∈(Wt,Wt+1]的线路条数；r-1表示给定的常数序列区间；[Wt,Wt+1]表示第t个常数序列区间。
历史故障关联模块，用以获取供电线路的受气象灾害影响的故障历史数据、与故障对应的极端天气数据，根据受气象灾害影响的故障历史数据、与故障对应的极端天气数据确定每一种故障在不同极端天气下的故障特征与关键线路信息、非关键线路信息的关联信息，作为历史故障关联信息；
具体实施例中，所述历史故障关联模块获取供电线路的受气象灾害影响的故障历史数据、与故障对应的极端天气数据；将所述受气象灾害影响的故障历史数据作为历史故障数据库与所述与故障对应的极端天气数据根据预设特征规则进行特征筛选，确定每一种故障在不同极端天气下的故障特征；将每一种故障在不同极端天气下的故障特征根据预设关联规则与关键线路信息或非关键线路信息进行关联，生成历史故障关联信息。
极端天气故障处理模块，用以实时检测待检测区域内是否有故障发生，当故障发生时，获取故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息；根据所述故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息识别实时故障的特征信息；还用以将所述实时故障的特征信息与历史故障关联信息进行匹配，若能匹配到相同的特征，则生成故障记录及故障报告；若不能匹配到相同的特征，则进一步判断故障线路是否属于关键线路，若属于关键线路，则将故障优先级判定为优先处理，若不属于关键线路，则将故障优先级判定为次级处理，将故障优先级判定结果和故障信息发送给维修人员；以及获取所述故障线路的运行状态，根据所述运行状态判断故障是否处理完成，若处理完成，则生成故障报告；若未处理完成，则通知维修人员跟进；将处理完的故障报告进行分类归档并存入故障历史库。
综上，实施本发明的实施例，具有如下的有益效果：
本发明提供的用于极端天气下的电网故障处理方法及系统，对气象因素的电网历史故障进行原因分析并将关键特征与相应故障类型进行关联，基于关联信息诊断出故障线路，判别出导致故障发生的影响因素，并通过匹配历史处理决策，防止事故扩大，并及时恢复供电，大大减轻了运行人员、专业运维人员运维工作强度；提高处理极端天气下故障时效率和准确度。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种用于极端天气下的电网故障处理方法，其特征在于，包括以下步骤：
步骤S1，获取待检测区域的关键线路信息、非关键线路信息以及历史故障关联信息；所述历史故障关联信息为每一种故障在不同极端天气下的故障特征与关键线路信息、非关键线路信息的关联信息；
步骤S2，实时检测待检测区域内是否有故障发生，当故障发生时，获取故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息；根据所述故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息识别实时故障的特征信息；
步骤S3，将所述实时故障的特征信息与历史故障关联信息进行匹配，若能匹配到相同的特征，则生成故障记录及故障报告；若不能匹配到相同的特征，则进一步判断故障线路是否属于关键线路，若属于关键线路，则将故障优先级判定为优先处理，若不属于关键线路，则将故障优先级判定为次级处理，将故障优先级判定结果和故障信息发送给维修人员；
步骤S4，获取所述故障线路的运行状态，根据所述运行状态判断故障是否处理完成，若处理完成，则生成故障报告；若未处理完成，则通知维修人员跟进；将处理完的故障报告进行分类归档并存入故障历史库。
2.如权利要求1所述的方法，其特征在于，还包括：
获取待监测区域内供电线路的电力参数信息和数量信息；
根据获取的电力参数信息计算每条供电线路的负载率；
根据每条供电线路的负载率计算随机移除一条供电线路后的待检测区域的潮流熵，直到计算出每条供电线路被移除后相应的潮流熵。
3.如权利要求2所述的方法，其特征在于，所述根据每条供电线路的负载率计算随机移除一条供电线路后的待检测区域的改进潮流熵，具体根据以下公式进行计算：
Figure FDA0002825520450000021
其中，BK'表示切除第K条线路后系统的改进潮流熵；αt表示负载率第t个负载率区间(Wt,Wt+1]的重要性程度；P(t)表示负载率μk∈(Wt,Wt+1]的线路条数占总线路数量的比例；lt表示表示线路负载率μk∈(Wt,Wt+1]的线路条数；r-1表示给定的常数序列区间；[Wt,Wt+1]表示第t个常数序列区间。
4.如权利要求3所述的方法，其特征在于，还包括：
将所述潮流熵的值数与预设的关键判断阈值比较确定所述潮流熵对应的供电线路是否为关键线路；若所述潮流熵的值数大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为关键线路；若所述潮流熵的值数不大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为非关键线路。
5.如权利要求4所述的方法，其特征在于，还包括：
获取供电线路的受气象灾害影响的故障历史数据、与故障对应的极端天气数据；
将所述受气象灾害影响的故障历史数据作为历史故障数据库与所述与故障对应的极端天气数据根据预设特征规则进行特征筛选，确定每一种故障在不同极端天气下的故障特征；
将每一种故障在不同极端天气下的故障特征根据预设关联规则与关键线路信息或非关键线路信息进行关联，生成历史故障关联信息。
6.一种用于极端天气下的电网故障处理系统，用以实现如权利要求1-5任一所述的方法，其特征在于，包括：
关键线路识别模块，用以获取待监测区域内供电线路的电力参数信息和数量信息，识别待检测区域的关键线路信息、非关键线路信息；
历史故障关联模块，用以获取供电线路的受气象灾害影响的故障历史数据、与故障对应的极端天气数据，根据受气象灾害影响的故障历史数据、与故障对应的极端天气数据确定每一种故障在不同极端天气下的故障特征与关键线路信息、非关键线路信息的关联信息，作为历史故障关联信息；
极端天气故障处理模块，用以实时检测待检测区域内是否有故障发生，当故障发生时，获取故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息；根据所述故障线路的诊断设备动作信息、关联装置报警信息及气象环境监测信息识别实时故障的特征信息；还用以将所述实时故障的特征信息与历史故障关联信息进行匹配，若能匹配到相同的特征，则生成故障记录及故障报告；若不能匹配到相同的特征，则进一步判断故障线路是否属于关键线路，若属于关键线路，则将故障优先级判定为优先处理，若不属于关键线路，则将故障优先级判定为次级处理，将故障优先级判定结果和故障信息发送给维修人员；以及获取所述故障线路的运行状态，根据所述运行状态判断故障是否处理完成，若处理完成，则生成故障报告；若未处理完成，则通知维修人员跟进；将处理完的故障报告进行分类归档并存入故障历史库。
7.如权利要求6所述的系统，其特征在于，所述关键线路识别模块获取待监测区域内供电线路的电力参数信息和数量信息；根据获取的电力参数信息计算每条供电线路的负载率；根据每条供电线路的负载率计算随机移除一条供电线路后的待检测区域的潮流熵，直到计算出每条供电线路被移除后相应的潮流熵。
8.如权利要求7所述的系统，其特征在于，所述关键线路识别模块根据以下公式进行计算随机移除一条供电线路后的待检测区域的改进潮流熵：
Figure FDA0002825520450000031
其中，BK'表示切除第K条线路后系统的改进潮流熵；αt表示负载率第t个负载率区间(Wt,Wt+1]的重要性程度；P(t)表示负载率μk∈(Wt,Wt+1]的线路条数占总线路数量的比例；lt表示表示线路负载率μk∈(Wt,Wt+1]的线路条数；r-1表示给定的常数序列区间；[Wt,Wt+1]表示第t个常数序列区间。
9.如权利要求8所述的系统，其特征在于，所述关键线路识别模块将所述潮流熵的值数与预设的关键判断阈值比较确定所述潮流熵对应的供电线路是否为关键线路；若所述潮流熵的值数大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为关键线路；若所述潮流熵的值数不大于预设的关键判断阈值，则判定所述潮流熵对应的供电线路为非关键线路。
10.如权利要求9所述的系统，其特征在于，所述历史故障关联模块获取供电线路的受气象灾害影响的故障历史数据、与故障对应的极端天气数据；将所述受气象灾害影响的故障历史数据作为历史故障数据库与所述与故障对应的极端天气数据根据预设特征规则进行特征筛选，确定每一种故障在不同极端天气下的故障特征；将每一种故障在不同极端天气下的故障特征根据预设关联规则与关键线路信息或非关键线路信息进行关联，生成历史故障关联信息。
CN202011427388.5A 2020-12-09 2020-12-09 一种用于极端天气下的电网故障处理方法及系统 Pending CN112488336A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011427388.5A CN112488336A (zh) 2020-12-09 2020-12-09 一种用于极端天气下的电网故障处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011427388.5A CN112488336A (zh) 2020-12-09 2020-12-09 一种用于极端天气下的电网故障处理方法及系统

Publications (1)

Publication Number Publication Date
CN112488336A true CN112488336A (zh) 2021-03-12

Family

ID=74940676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011427388.5A Pending CN112488336A (zh) 2020-12-09 2020-12-09 一种用于极端天气下的电网故障处理方法及系统

Country Status (1)

Country Link
CN (1) CN112488336A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114089091A (zh) * 2021-09-27 2022-02-25 杭州柯林电气股份有限公司 基于非接触式传感器的输电线路在线监控方法及系统
CN114363149A (zh) * 2021-12-23 2022-04-15 上海哔哩哔哩科技有限公司 故障处理方法及装置
CN115498776A (zh) * 2022-11-18 2022-12-20 山东博恩电气有限公司 一种基于智能融合终端的配电故障快速定位系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578169A (zh) * 2017-09-04 2018-01-12 广东电网有限责任公司惠州供电局 一种台风灾害条件下的电网关键线路识别方法及装置
CN107623319A (zh) * 2017-08-17 2018-01-23 广东电网有限责任公司惠州供电局 一种基于多评价指标的电网关键线路辨识方法
CN107633320A (zh) * 2017-08-17 2018-01-26 广东电网有限责任公司惠州供电局 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
US20180135595A1 (en) * 2015-07-30 2018-05-17 Beijing Etechwin Electric Co., Ltd. Yaw control method and device for wind generator set
CN108898258A (zh) * 2018-07-06 2018-11-27 广州供电局有限公司 雷电灾害天气下电力系统连锁故障风险的分析方法与系统
CN109460881A (zh) * 2017-12-28 2019-03-12 国网浙江省电力公司嘉兴供电公司 一种保供电故障排除及备用设备规划方法
CN110276554A (zh) * 2019-06-26 2019-09-24 广西电网有限责任公司南宁供电局 一种配网低压故障抢修辅助决策及智能管控系统
CN111444240A (zh) * 2020-03-26 2020-07-24 北京国网富达科技发展有限责任公司 输电线路故障预警方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180135595A1 (en) * 2015-07-30 2018-05-17 Beijing Etechwin Electric Co., Ltd. Yaw control method and device for wind generator set
CN107623319A (zh) * 2017-08-17 2018-01-23 广东电网有限责任公司惠州供电局 一种基于多评价指标的电网关键线路辨识方法
CN107633320A (zh) * 2017-08-17 2018-01-26 广东电网有限责任公司惠州供电局 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
CN107578169A (zh) * 2017-09-04 2018-01-12 广东电网有限责任公司惠州供电局 一种台风灾害条件下的电网关键线路识别方法及装置
CN109460881A (zh) * 2017-12-28 2019-03-12 国网浙江省电力公司嘉兴供电公司 一种保供电故障排除及备用设备规划方法
CN108898258A (zh) * 2018-07-06 2018-11-27 广州供电局有限公司 雷电灾害天气下电力系统连锁故障风险的分析方法与系统
CN110276554A (zh) * 2019-06-26 2019-09-24 广西电网有限责任公司南宁供电局 一种配网低压故障抢修辅助决策及智能管控系统
CN111444240A (zh) * 2020-03-26 2020-07-24 北京国网富达科技发展有限责任公司 输电线路故障预警方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114089091A (zh) * 2021-09-27 2022-02-25 杭州柯林电气股份有限公司 基于非接触式传感器的输电线路在线监控方法及系统
CN114363149A (zh) * 2021-12-23 2022-04-15 上海哔哩哔哩科技有限公司 故障处理方法及装置
CN114363149B (zh) * 2021-12-23 2023-12-26 上海哔哩哔哩科技有限公司 故障处理方法及装置
CN115498776A (zh) * 2022-11-18 2022-12-20 山东博恩电气有限公司 一种基于智能融合终端的配电故障快速定位系统

Similar Documents

Publication Publication Date Title
CN112488336A (zh) 一种用于极端天气下的电网故障处理方法及系统
CN110596486B (zh) 一种充电桩智能预警运维的方法和系统
CN108847968B (zh) 监控事故、异常事件辨识及多维分析方法
CN109347202B (zh) 监控设备典型操作辨识及多维分析方法
CN111444240A (zh) 输电线路故障预警方法及装置
CN114295940B (zh) 一种基于智慧城市的配网故障状态监测系统及方法
CN106447227A (zh) 城市电网异常状态分析方法及系统
CN110954782B (zh) 基于密度峰值聚类的配网瞬时性故障识别方法及系统
CN102231521A (zh) 一种配电网自愈控制中的电网运行状态辨识方法
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
CN109490715A (zh) 一种极端环境下的电力系统故障判别方法
CN115981199A (zh) 基于物联网的正弦筛监测数据传输系统
CN116169778A (zh) 一种基于配电网异常分析的处理方法及系统
CN114994565A (zh) 一种电气柜防水漏电警报系统
CN117590148A (zh) 一种基于大数据的电网线路故障诊断方法和系统
CN111044845A (zh) 基于Apriori算法的配电网事故识别方法及系统
CN114485796A (zh) 箱式变电站的在线状态监测自诊断系统
CN109655715A (zh) 一种基于电网故障智能识别设备的电网故障识别方法
CN104701993A (zh) 辨识继电保护装置检修数据的方法和系统
CN111509839A (zh) 一种基于告警信号的跳闸事件化模型分析方法
CN115378127A (zh) 一种基于电网设备多维数据实时分析的故障深度诊断方法
CN206132904U (zh) 新型10kv线路的智慧故障指示系统
CN113538171A (zh) 一种电站安全监测系统
Sumic et al. Fuzzy set theory based outage determination [for distribution networks]
CN114465217A (zh) 一种基于高频隔离的防雷方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210312