CN112508282B - 一种电网覆冰风险的预测方法及装置 - Google Patents

一种电网覆冰风险的预测方法及装置 Download PDF

Info

Publication number
CN112508282B
CN112508282B CN202011448597.8A CN202011448597A CN112508282B CN 112508282 B CN112508282 B CN 112508282B CN 202011448597 A CN202011448597 A CN 202011448597A CN 112508282 B CN112508282 B CN 112508282B
Authority
CN
China
Prior art keywords
grid
line
risk value
icing
power transmission
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
Application number
CN202011448597.8A
Other languages
English (en)
Other versions
CN112508282A (zh
Inventor
简洲
郭俊
冯涛
熊蔚立
叶钰
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.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power 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 State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011448597.8A priority Critical patent/CN112508282B/zh
Publication of CN112508282A publication Critical patent/CN112508282A/zh
Application granted granted Critical
Publication of CN112508282B publication Critical patent/CN112508282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本公开提供了一种电网覆冰风险的预测方法及装置，涉及输配电技术领域，该方法包括：将电网区域划分为多个网格区域，电网区域内的每条原始输电线路跨越多个网格区域；然后获取网格覆冰厚度预测值，结合各原始输电线路预设的设计冰厚值，选取覆冰程度最高的多条目标输电线路；对目标输电线路进行排列组合，得到线路故障集；根据扩展等面积准则确定电网区域在每种线路故障集下的区域裕度风险值；根据区域裕度风险值确定线路裕度风险值，进而确定各网格区域的网格裕度风险值；最后根据网格覆冰厚度预测值和网格裕度风险值，确定各网格区域的覆冰风险值。本公开能够对电网区域的覆冰风险做出较为准确的预测。

Description

一种电网覆冰风险的预测方法及装置
技术领域
本公开涉及输配电技术领域，尤其涉及一种电网覆冰风险的预测方法及装置。
背景技术
如果发生电线覆冰，或者一个范围内的所有电线都被冰包住，发生线路覆冰，将严重威胁电网安全稳定运行，可能会导致输电线路断线和杆塔倒塌。由于融冰装置有限，因此当电网大范围覆冰发生时，需要将有限的融冰装置合理地分配给覆冰风险最高的电网区域，以避免或减少覆冰引起的事故。然而，目前很难对电网区域的覆冰风险做出准确预测。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种电网覆冰风险的预测方法及装置。因此，有必要根据电网覆冰预测的结果，进行电网覆冰风险分析，将电网覆冰厚度预测图转换为电网覆冰风险预测图，指导融冰装置的提前布控，以及调控措施和预案的制定。
本公开提供了一种电网覆冰风险的预测方法，包括：将电网区域划分为多个网格区域；其中，所述电网区域内包括多条原始输电线路，且每条所述原始输电线路跨越多个所述网格区域；获取各所述网格区域的网格覆冰厚度预测值；基于所述网格覆冰厚度预测值和各所述原始输电线路预设的设计冰厚值，从所述原始输电线路中选取覆冰程度最高的多条目标输电线路；对所述目标输电线路进行排列组合，得到线路故障集；其中，每种所述线路故障集中包括至少一条所述目标输电线路；根据扩展等面积准则确定所述电网区域在每种所述线路故障集下的区域裕度风险值；根据所述区域裕度风险值，确定各所述目标输电线路的线路裕度风险值；基于所述线路裕度风险值，确定各所述网格区域的网格裕度风险值；根据各所述网格区域对应的所述网格覆冰厚度预测值和所述网格裕度风险值，确定各所述网格区域的覆冰风险值。
进一步，所述将电网区域划分为多个网格区域的步骤，包括：沿横向和纵向，将电网区域划分为多个设定大小的网格区域。
进一步，所述方法还包括：针对任一所述原始输电线路，获取该原始输电线路跨越的多个所述网格区域的网格覆冰厚度预测值，并将最大的网格覆冰厚度预测值作为该原始输电线路的线路覆冰厚度预测值；基于该原始输电线路的线路覆冰厚度预测值与该原始输电线路预设的设计冰厚值之间的比例关系，确定该原始输电线路的覆冰程度。
进一步，所述根据所述区域裕度风险值，确定各所述目标输电线路的线路裕度风险值的步骤，包括：根据如下表达式确定各所述目标输电线路的线路裕度风险值：
Figure BDA0002825827100000021
其中，
Figure BDA0002825827100000022
表示覆冰程度排名为s的目标输电线路，
Figure BDA0002825827100000023
为目标输电线路
Figure BDA0002825827100000031
的线路裕度风险值，MAt表示所述电网区域在第t种线路故障集下的区域裕度风险值，Q＝∑γt，且当目标输电线路
Figure BDA0002825827100000032
属于第t种线路故障集时，γt＝1，当目标输电线路
Figure BDA0002825827100000033
不属于第t种线路故障集时，γt＝0。
进一步，所述基于所述线路裕度风险值，确定各所述网格区域的网格裕度风险值的步骤，包括：根据如下表达式确定各所述网格区域的网格裕度风险值：
Figure BDA0002825827100000034
其中，NEij表示所述电网区域中第i行第j列的网格区域，
Figure BDA0002825827100000035
表示网格区域NEij的网格裕度风险值，
Figure BDA0002825827100000036
为目标输电线路
Figure BDA0002825827100000037
的线路裕度风险值，当网格区域NEij与目标输电线路
Figure BDA0002825827100000038
相交时，θt＝1，当网格区域NEij与目标输电线路
Figure BDA0002825827100000039
不相交时，θt＝0。
进一步，所述根据各所述网格区域对应的所述网格覆冰厚度预测值和所述网格裕度风险值，确定各所述网格区域的覆冰风险值的步骤，包括：根据如下表达式确定各所述网格区域的覆冰风险值：
Rij＝RNEij×Iij
其中，RNEij表示网格区域NEij的网格裕度风险值，Iij表示网格区域NEij的网格覆冰厚度预测值，Rij表示网格区域NEij的覆冰风险值。
本公开提供了一种电网覆冰风险的预测装置，包括：区域划分模块，用于将电网区域划分为多个网格区域；其中，所述电网区域内包括多条原始输电线路，且每条所述原始输电线路跨越多个所述网格区域；网格预测值获取模块，用于获取各所述网格区域的网格覆冰厚度预测值；线路选取模块，用于基于所述网格覆冰厚度预测值和各所述原始输电线路预设的设计冰厚值，从所述原始输电线路中选取覆冰程度最高的多条目标输电线路；线路组合模块，用于对所述目标输电线路进行排列组合，得到线路故障集；其中，每种所述线路故障集中包括至少一条所述目标输电线路；区域裕度风险值确定模块，用于根据扩展等面积准则确定所述电网区域在每种所述线路故障集下的区域裕度风险值；线路裕度风险值确定模块，用于根据所述区域裕度风险值，确定各所述目标输电线路的线路裕度风险值；网格裕度风险值确定模块，用于基于所述线路裕度风险值，确定各所述网格区域的网格裕度风险值；覆冰风险值确定模块，用于根据各所述网格区域对应的所述网格覆冰厚度预测值和所述网格裕度风险值，确定各所述网格区域的覆冰风险值。
进一步，所述区域划分模块，还用于：沿横向和纵向，将电网区域划分为多个设定大小的网格区域。
进一步，所述线路选取模块，还用于：针对任一所述原始输电线路，获取该原始输电线路跨越的多个所述网格区域的网格覆冰厚度预测值，并将最大的网格覆冰厚度预测值作为该原始输电线路的线路覆冰厚度预测值；基于该原始输电线路的线路覆冰厚度预测值与该原始输电线路预设的设计冰厚值之间的比例关系，确定该原始输电线路的覆冰程度。
本公开实施例提供的技术方案与现有技术相比具有如下优点：
本公开提供了一种电网覆冰风险的预测方法及装置，该方法首先将电网区域划分为多个网格区域，电网区域内的每条原始输电线路跨越多个网格区域；然后获取各网格区域的网格覆冰厚度预测值，再结合各原始输电线路预设的设计冰厚值，从原始输电线路中选取覆冰程度最高的多条目标输电线路；此后对目标输电线路排列组合，得到线路故障集；接下来，根据扩展等面积准则确定电网区域在每种线路故障集下的区域裕度风险值，基于此，先后确定各目标输电线路的线路裕度风险值和各网格区域的网格裕度风险值；最后根据网格覆冰厚度预测值和网格裕度风险值，确定各网格区域的覆冰风险值。通过上述方式能够实现预先对电网区域的覆冰风险做出预测，且通过对电网区域的网格区域这一更小单元进行覆冰风险的预测，能够提升预测的准确性，有利于优化调配融冰资源，提高电网运行安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开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，对于本领域普通技术人员而言，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他的附图。
图1为本公开实施例所述电网覆冰风险的预测方法的流程图；
图2为本公开实施例所述电网区域覆冰厚度预测值色斑图；
图3为本公开实施例所述电网区域覆冰风险值色斑图；
图4为本公开实施例所述电网覆冰风险的预测装置的结构框图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
实施例一：
参照图1所示的电网覆冰风险的预测方法的流程图，该方法可以包括如下步骤：
步骤S102，将电网区域划分为多个网格区域；其中，电网区域内包括多条原始输电线路，且每条原始输电线路跨越多个网格区域。
在本实施例中，假设电网区域内包括N条原始输电线路，表示为{L1，L2，L3，……，LN}。将该电网区域划分为多个网格区域的方式可以有多种，比如，沿横向和纵向，将电网区域划分为多个设定大小的网格区域。在实际应用中，还可以按照电网区域所覆盖地理区域的经纬度，或者按照城市轮廓等方式，将电网区域划分为多个网格区域。在此作不作限制。
当沿横向和纵向，将电网区域划分为多个设定大小的网格区域时，可以将电网区域划分为U×V个相同的正方形网格区域，网格区域可表示为：{NEij}，(i＝1、2、3、……、U，j＝1、2、3、……、V)；即U行和V列的网格区域的矩阵，整体构成一个电网区域。
步骤S104，获取各网格区域的网格覆冰厚度预测值。
在具体实现时，可以利用神经网络，对原始输电线路附近的温度、湿度、风速、风向、气压、日照和降水量等多项参数进行计算，以得到各网格区域的网格覆冰厚度预测值。第i行第j列的网格区域NEij的网格覆冰厚度预测值可表示为Iij。
在实际应用中，可以根据网格覆冰厚度预测值生成电网区域的覆冰厚度预测值色斑图。通常，色斑图中颜色的深浅与网格覆冰厚度预测值的大小有关，为了便于展示，如图2所示的色斑图采用不同背景图案来区分不同的网格覆冰厚度预测值。
步骤S106，基于网格覆冰厚度预测值和各原始输电线路预设的设计冰厚值，从原始输电线路中选取覆冰程度最高的多条目标输电线路。
其中，针对任一原始输电线路(比如为Lk)的覆冰程度的确定方式，可参照如下所示：
首先，获取该原始输电线路Lk跨越的多个网格区域的网格覆冰厚度预测值，并将最大的网格覆冰厚度预测值作为该原始输电线路Lk的线路覆冰厚度预测值；该原始输电线路Lk的线路覆冰厚度预测值可表示为
Figure BDA0002825827100000071
然后，基于该原始输电线路的线路覆冰厚度预测值
Figure BDA0002825827100000072
与该原始输电线路预设的设计冰厚值之间的比例关系，确定该原始输电线路的覆冰程度。其中，该原始输电线路Lk的设计冰厚值可表示为Dk，在此情况下，该原始输电线路Lk的覆冰程度Tk可表示为如下公式(1)所示：
Figure BDA0002825827100000073
参照上述方式，可以得到每条原始输电线路的覆冰程度，进而，从原始输电线路中选取覆冰程度最高的多条目标输电线路，比如选取十条目标输电线路，表示为
Figure BDA0002825827100000081
步骤S108，对目标输电线路进行排列组合，得到线路故障集；其中，每种线路故障集中包括至少一条目标输电线路。
在一种实现方式中，可以按照排列组合C(n，m)的方式对目标输电线路进行排列组合，得到线路故障集，线路故障集可表示为{F1、F2、F3、......FM}，其中，M表示线路故障集的数量。比如按照C(10，1)、C(10，2)和C(10，3)，对目标输电线路进行三次排列组合，生成175种线路故障集。
步骤S110，根据扩展等面积准则确定电网区域在每种线路故障集下的区域裕度风险值。电网区域在第t种线路故障集下的区域裕度风险值可表示为MAt。
步骤S112，根据区域裕度风险值，确定各目标输电线路的线路裕度风险值。
在具体实现时，可以根据如下表达式(2)确定各目标输电线路的线路裕度风险值：
Figure BDA0002825827100000082
其中，
Figure BDA0002825827100000083
表示覆冰程度排名为s的目标输电线路，
Figure BDA0002825827100000084
为目标输电线路
Figure BDA0002825827100000085
的线路裕度风险值，MAt表示电网区域在第t种线路故障集下的区域裕度风险值。Q＝∑γt，且当目标输电线路
Figure BDA0002825827100000086
属于第t种线路故障集时，γt＝1，当目标输电线路不属于第t种线路故障集时，γt＝0；比如，假设目标输电线路为
Figure BDA0002825827100000087
第t种线路故障集中包括目标输电线路
Figure BDA0002825827100000088
Figure BDA0002825827100000091
和
Figure BDA0002825827100000092
则γt＝1；假设目标输电线路为
Figure BDA0002825827100000093
第t种线路故障集同上，则γt＝0。
步骤S114，基于线路裕度风险值，确定各网格
Figure BDA0002825827100000094
区域的网格裕度风险值。
在具体实现时，可以根据如下表达式(3)确定各网格区域的网格裕度风险值：
Figure BDA0002825827100000095
其中，NEij表示电网区域中第i行第j列的网格区域，
Figure BDA0002825827100000096
表示网格区域NEij的网格裕度风险值，
Figure BDA0002825827100000097
为目标输电线路
Figure BDA0002825827100000098
的线路裕度风险值，当网格区域NEij与目标输电线路
Figure BDA0002825827100000099
相交时，也即目标输电线路
Figure BDA00028258271000000910
跨越网格区域NEij时，θt＝1，当网格区域NEij与目标输电线路
Figure BDA00028258271000000911
不相交时，也即目标输电线路
Figure BDA00028258271000000912
不跨越网格区域NEij时，θt＝0。
步骤S116，根据各网格区域对应的网格覆冰厚度预测值和网格裕度风险值，确定各网格区域的覆冰风险值。
在具体实现时，可根据如下表达式(4)确定各网格区域的覆冰风险值：
Figure BDA00028258271000000913
其中，
Figure BDA00028258271000000914
表示网格区域NEij的网格裕度风险值，Iij表示网格区域NEij的网格覆冰厚度预测值，Rij表示网格区域NEij的覆冰风险值。
在确定各网格区域的覆冰风险值后，还可以根据各网格区域的覆冰风险值生成电网区域的覆冰风险值色斑图。通常，色斑图中颜色的深浅与覆冰风险值的大小有关，为了便于展示，如图3所示的色斑图采用不同背景图案来区分不同的覆冰风险值。
综上，上述实施例提供的电网覆冰风险的预测方法，首先将电网区域划分为多个网格区域，电网区域内的每条原始输电线路跨越多个网格区域；然后获取各网格区域的网格覆冰厚度预测值，再结合各原始输电线路预设的设计冰厚值，从原始输电线路中选取覆冰程度最高的多条目标输电线路；此后对目标输电线路排列组合，得到线路故障集；接下来，根据扩展等面积准则确定电网区域在每种线路故障集下的区域裕度风险值，基于此，先后确定各目标输电线路的线路裕度风险值和各网格区域的网格裕度风险值；最后根据网格覆冰厚度预测值和网格裕度风险值，确定各网格区域的覆冰风险值。通过上述方式能够实现预先对电网区域的覆冰风险做出预测，且通过对电网区域的网格区域这一更小单元进行覆冰风险的预测，能够提升预测的准确性，有利于优化调配融冰资源，提高电网运行安全性。
实施例二：
本实施例提供一种电网覆冰风险的预测装置，参照如4，该装置包括：
区域划分模块402，用于将电网区域划分为多个网格区域；其中，电网区域内包括多条原始输电线路，且每条原始输电线路跨越多个网格区域；
网格预测值获取模块404，用于获取各网格区域的网格覆冰厚度预测值；
线路选取模块406，用于基于网格覆冰厚度预测值和各原始输电线路预设的设计冰厚值，从原始输电线路中选取覆冰程度最高的多条目标输电线路；
线路组合模块408，用于对目标输电线路进行排列组合，得到线路故障集；其中，每种线路故障集中包括至少一条目标输电线路；
区域裕度风险值确定模块410，用于根据扩展等面积准则确定电网区域在每种线路故障集下的区域裕度风险值；
线路裕度风险值确定模块412，用于根据区域裕度风险值，确定各目标输电线路的线路裕度风险值；
网格裕度风险值确定模块414，用于基于线路裕度风险值，确定各网格区域的网格裕度风险值；
覆冰风险值确定模块416，用于根据各网格区域对应的网格覆冰厚度预测值和网格裕度风险值，确定各网格区域的覆冰风险值。
在一种实施例中，区域划分模块402，还用于：沿横向和纵向，将电网区域划分为多个设定大小的网格区域。
在一种实施例中，线路选取模块406，还用于：针对任一原始输电线路，获取该原始输电线路跨越的多个网格区域的网格覆冰厚度预测值，并将最大的网格覆冰厚度预测值作为该原始输电线路的线路覆冰厚度预测值；基于该原始输电线路的线路覆冰厚度预测值与该原始输电线路预设的设计冰厚值之间的比例关系，确定该原始输电线路的覆冰程度。
本实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，本实施例部分未提及之处，可参考前述方法实施例一中相应内容。
基于前述实施例，本实施例给出了一种电子设备，其包括：处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被处理器运行时执行上述电网覆冰风险的预测方法。
进一步，本实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理设备运行时执行上述电网覆冰风险的预测方法的步骤。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种电网覆冰风险的预测方法，其特征在于，包括：
将电网区域划分为多个网格区域；其中，所述电网区域内包括多条原始输电线路，且每条所述原始输电线路跨越多个所述网格区域；
获取各所述网格区域的网格覆冰厚度预测值；
基于所述网格覆冰厚度预测值和各所述原始输电线路预设的设计冰厚值，从所述原始输电线路中选取覆冰程度最高的多条目标输电线路；
对所述目标输电线路进行排列组合，得到线路故障集；其中，每种所述线路故障集中包括至少一条所述目标输电线路；
根据扩展等面积准则确定所述电网区域在每种所述线路故障集下的区域裕度风险值；
根据所述区域裕度风险值，确定各所述目标输电线路的线路裕度风险值；
基于所述线路裕度风险值，确定各所述网格区域的网格裕度风险值；
根据各所述网格区域对应的所述网格覆冰厚度预测值和所述网格裕度风险值，确定各所述网格区域的覆冰风险值；
所述根据所述区域裕度风险值，确定各所述目标输电线路的线路裕度风险值的步骤，包括：
根据如下表达式确定各所述目标输电线路的线路裕度风险值：
Figure 926235DEST_PATH_IMAGE002
其中，
Figure 266212DEST_PATH_IMAGE003
表示覆冰程度排名为s的目标输电线路，
Figure 311529DEST_PATH_IMAGE004
为目标输电线路
Figure 113262DEST_PATH_IMAGE003
的线路裕度风险值，MAt表示所述电网区域在第t种线路故障集下的区域裕度风险值，Q=∑γt，且当目标输电线路
Figure 458793DEST_PATH_IMAGE003
属于第t种线路故障集时，γt=1，当目标输电线路
Figure 937048DEST_PATH_IMAGE003
不属于第t种线路故障集时，γt=0；
所述基于所述线路裕度风险值，确定各所述网格区域的网格裕度风险值的步骤，包括：
根据如下表达式确定各所述网格区域的网格裕度风险值：
Figure 469660DEST_PATH_IMAGE006
其中，
Figure 75085DEST_PATH_IMAGE007
表示所述电网区域中第i行第j列的网格区域，
Figure 275122DEST_PATH_IMAGE008
表示网格区域
Figure 534065DEST_PATH_IMAGE009
的网格裕度风险值，
Figure 445652DEST_PATH_IMAGE010
为目标输电线路
Figure 448243DEST_PATH_IMAGE003
的线路裕度风险值，当网格区域
Figure 378153DEST_PATH_IMAGE007
与目标输电线路
Figure 339156DEST_PATH_IMAGE003
相交时，θt=1，当网格区域
Figure 236573DEST_PATH_IMAGE007
与目标输电线路
Figure 777276DEST_PATH_IMAGE003
不相交时，θt=0。
2.根据权利要求1所述的方法，其特征在于，所述将电网区域划分为多个网格区域的步骤，包括：
沿横向和纵向，将电网区域划分为多个设定大小的网格区域。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
针对任一所述原始输电线路，获取该原始输电线路跨越的多个所述网格区域的网格覆冰厚度预测值，并将最大的网格覆冰厚度预测值作为该原始输电线路的线路覆冰厚度预测值；
基于该原始输电线路的线路覆冰厚度预测值与该原始输电线路预设的设计冰厚值之间的比例关系，确定该原始输电线路的覆冰程度。
4.根据权利要求1所述的方法，其特征在于，所述根据各所述网格区域对应的所述网格覆冰厚度预测值和所述网格裕度风险值，确定各所述网格区域的覆冰风险值的步骤，包括：
根据如下表达式确定各所述网格区域的覆冰风险值：
Figure 951905DEST_PATH_IMAGE011
其中，
Figure 428017DEST_PATH_IMAGE012
表示网格区域NEij的网格裕度风险值，Iij表示网格区域NEij的网格覆冰厚度预测值，Rij表示网格区域NEij的覆冰风险值。
5.一种电网覆冰风险的预测装置，其特征在于，包括：
区域划分模块，用于将电网区域划分为多个网格区域；其中，所述电网区域内包括多条原始输电线路，且每条所述原始输电线路跨越多个所述网格区域；
网格预测值获取模块，用于获取各所述网格区域的网格覆冰厚度预测值；
线路选取模块，用于基于所述网格覆冰厚度预测值和各所述原始输电线路预设的设计冰厚值，从所述原始输电线路中选取覆冰程度最高的多条目标输电线路；
线路组合模块，用于对所述目标输电线路进行排列组合，得到线路故障集；其中，每种所述线路故障集中包括至少一条所述目标输电线路；
区域裕度风险值确定模块，用于根据扩展等面积准则确定所述电网区域在每种所述线路故障集下的区域裕度风险值；
线路裕度风险值确定模块，用于根据所述区域裕度风险值，确定各所述目标输电线路的线路裕度风险值；
网格裕度风险值确定模块，用于基于所述线路裕度风险值，确定各所述网格区域的网格裕度风险值；
覆冰风险值确定模块，用于根据各所述网格区域对应的所述网格覆冰厚度预测值和所述网格裕度风险值，确定各所述网格区域的覆冰风险值；
所述根据所述区域裕度风险值，确定各所述目标输电线路的线路裕度风险值的步骤，包括：
根据如下表达式确定各所述目标输电线路的线路裕度风险值：
Figure 688097DEST_PATH_IMAGE014
其中，
Figure 912450DEST_PATH_IMAGE003
表示覆冰程度排名为s的目标输电线路，
Figure 941586DEST_PATH_IMAGE004
为目标输电线路
Figure 978812DEST_PATH_IMAGE003
的线路裕度风险值，MAt表示所述电网区域在第t种线路故障集下的区域裕度风险值，Q=∑γt，且当目标输电线路
Figure 335975DEST_PATH_IMAGE003
属于第t种线路故障集时，γt=1，当目标输电线路
Figure 484060DEST_PATH_IMAGE003
不属于第t种线路故障集时，γt=0；
所述基于所述线路裕度风险值，确定各所述网格区域的网格裕度风险值的步骤，包括：
根据如下表达式确定各所述网格区域的网格裕度风险值：
Figure 492336DEST_PATH_IMAGE006
其中，
Figure 966043DEST_PATH_IMAGE007
表示所述电网区域中第i行第j列的网格区域，
Figure 810502DEST_PATH_IMAGE008
表示网格区域
Figure 496698DEST_PATH_IMAGE009
的网格裕度风险值，
Figure 500426DEST_PATH_IMAGE010
为目标输电线路
Figure 505554DEST_PATH_IMAGE003
的线路裕度风险值，当网格区域
Figure 961943DEST_PATH_IMAGE007
与目标输电线路
Figure 592775DEST_PATH_IMAGE003
相交时，θt=1，当网格区域
Figure 185431DEST_PATH_IMAGE007
与目标输电线路
Figure 735361DEST_PATH_IMAGE003
不相交时，θt=0。
6.根据权利要求5所述的装置，其特征在于，所述区域划分模块，还用于：沿横向和纵向，将电网区域划分为多个设定大小的网格区域。
7.根据权利要求5所述的装置，其特征在于，所述线路选取模块，还用于：
针对任一所述原始输电线路，获取该原始输电线路跨越的多个所述网格区域的网格覆冰厚度预测值，并将最大的网格覆冰厚度预测值作为该原始输电线路的线路覆冰厚度预测值；
基于该原始输电线路的线路覆冰厚度预测值与该原始输电线路预设的设计冰厚值之间的比例关系，确定该原始输电线路的覆冰程度。
CN202011448597.8A 2020-12-09 2020-12-09 一种电网覆冰风险的预测方法及装置 Active CN112508282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011448597.8A CN112508282B (zh) 2020-12-09 2020-12-09 一种电网覆冰风险的预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011448597.8A CN112508282B (zh) 2020-12-09 2020-12-09 一种电网覆冰风险的预测方法及装置

Publications (2)

Publication Number Publication Date
CN112508282A CN112508282A (zh) 2021-03-16
CN112508282B true CN112508282B (zh) 2022-08-05

Family

ID=74971425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011448597.8A Active CN112508282B (zh) 2020-12-09 2020-12-09 一种电网覆冰风险的预测方法及装置

Country Status (1)

Country Link
CN (1) CN112508282B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012071953A1 (zh) * 2010-12-01 2012-06-07 江西省电力公司 自适应外部环境的电力系统安全预防控制候选措施集在线自动识别方法
CN103673960A (zh) * 2012-08-30 2014-03-26 国际商业机器公司 用于预测输电线路上的覆冰状态的方法和装置
CN106408193A (zh) * 2016-09-26 2017-02-15 贵州电网有限责任公司输电运行检修分公司 一种输电线路网格化风险分析及评估方法
CN107705032A (zh) * 2017-10-23 2018-02-16 华中科技大学 一种基于电网覆冰灾害离线风险评估模型的线路融冰方法
CN108008252A (zh) * 2017-11-29 2018-05-08 广东电网有限责任公司电力科学研究院 一种输电线路故障类型诊断方法和装置
CN108182514A (zh) * 2017-12-13 2018-06-19 国网湖南省电力有限公司 一种电网覆冰舞动风险预测方法、系统及存储介质
CN109214675A (zh) * 2018-08-28 2019-01-15 华北电力大学 一种输电线路覆冰风险评估方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012071953A1 (zh) * 2010-12-01 2012-06-07 江西省电力公司 自适应外部环境的电力系统安全预防控制候选措施集在线自动识别方法
CN103673960A (zh) * 2012-08-30 2014-03-26 国际商业机器公司 用于预测输电线路上的覆冰状态的方法和装置
CN106408193A (zh) * 2016-09-26 2017-02-15 贵州电网有限责任公司输电运行检修分公司 一种输电线路网格化风险分析及评估方法
CN107705032A (zh) * 2017-10-23 2018-02-16 华中科技大学 一种基于电网覆冰灾害离线风险评估模型的线路融冰方法
CN108008252A (zh) * 2017-11-29 2018-05-08 广东电网有限责任公司电力科学研究院 一种输电线路故障类型诊断方法和装置
CN108182514A (zh) * 2017-12-13 2018-06-19 国网湖南省电力有限公司 一种电网覆冰舞动风险预测方法、系统及存储介质
CN109214675A (zh) * 2018-08-28 2019-01-15 华北电力大学 一种输电线路覆冰风险评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
晏鸣宇等.基于短期覆冰预测的电网覆冰灾害风险评估方法.《电力系统自动化》.2016,(第21期), *
杨恒等.一种输电线路网格化运维策略的管理模式.《电力系统及其自动化学报》.2016, *
胥志强等.基于CFD原理的架空输电线路故障概率估算方法.《广东电力》.2016,(第10期), *

Also Published As

Publication number Publication date
CN112508282A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN103268572B (zh) 一种千万千瓦级大型风电基地测风网络的微观选址方法
CN114997547B (zh) 气象采集终端布点方法和装置
Hu Rainstorm flash flood risk assessment using genetic programming: a case study of risk zoning in Beijing
CN112446554A (zh) 功率预测模型建立方法、功率预测方法及装置
CN112508282B (zh) 一种电网覆冰风险的预测方法及装置
CN115272002A (zh) 一种建筑能源预测方法、装置、存储介质及程序产品
EP3106901B1 (de) Umweltmessungen mittels geographisch verteilter, mobiler sensoren
CN117250996B (zh) 一种无人集群对可移动目标的搜索方法
Tantasirin et al. Reducing hillslope size in digital elevation models at various scales and the effects on slope gradient estimation
CN109784225B (zh) 一种基于可达空间的地理空间模式识别方法
CN115587664B (zh) 基于图卷积长短期记忆网络的太阳辐射预测方法及系统
Fallah-Ghalhary et al. Spring rainfall prediction based on remote linkage controlling using adaptive neuro-fuzzy inference system (ANFIS)
CN102254090B (zh) 采用核密度估计的闪电密度分布及ng值估计方法
CN116976195A (zh) 基于系统建模的移相变压器的选址方法、装置及设备
CN108876041B (zh) 基于因果影响网络算法的极地海冰面积预测方法及装置
CN115657166A (zh) 跨多气候区域的天气预报数值确定方法和装置
CN114325877B (zh) 气象预报数据的评估方法和装置
CN115630577A (zh) 一种降尺度降雨量预测方法及系统
CN112749839B (zh) 一种模型确定方法、装置、设备和存储介质
CN114414090A (zh) 基于遥感影像和多层感知的地表温度预测方法及系统
CN115983104A (zh) 风速预测方法、装置、存储介质和电子设备
CN113159426A (zh) 天气型相似性判断方法、装置、电子设备及可读存储介质
CN113077112A (zh) 数据获取方法及装置、计算机设备、存储介质
CN110991083A (zh) 一种光伏电站模型确定方法、装置、设备及储存介质
CN113065770A (zh) 海平面上升和风暴潮对沿海农业区域风险的评估方法

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