CN112686405A - 一种基于故障树的配电网故障区域划分方法 - Google Patents
一种基于故障树的配电网故障区域划分方法 Download PDFInfo
- Publication number
- CN112686405A CN112686405A CN202011605176.1A CN202011605176A CN112686405A CN 112686405 A CN112686405 A CN 112686405A CN 202011605176 A CN202011605176 A CN 202011605176A CN 112686405 A CN112686405 A CN 112686405A
- Authority
- CN
- China
- Prior art keywords
- fault
- distribution network
- power distribution
- probability
- data
- 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.)
- Withdrawn
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于故障树的配电网故障区域划分方法,包括采集配电网历史故障数据,并进行预处理;根据所述预处理后的故障数据,建立故障树模型进行故障概率分析;根据所述故障概率进行故障区域划分。利用故障树模型对配电网各部位发生故障的概率进行系统划分,一方面便于工作人员对高风险区域进行及时观测,预防故障发生,另一方面利于维修人员对故障的快速定位,加快维修进程;并且还对配电网的潜在故障进行了分析,利于工作人员处理各种问题情况。
Description
技术领域
本发明涉及配电网故障区域划分的技术领域,尤其涉及一种基于故障树的配电网故障区域划分方法。
背景技术
配电网处于电力系统末端,与用户负荷直接相连、关系密切,承担着保障国家和人民群众经济财产安全的重要任务,在电力系统中起到了非常关键的作用。作为电力系统中的最后一个环节,配电网的正常运行关系着供电的安全性、可靠性和经济性;并且我国土地广袤、地势繁多,导致配电线路复杂,环境变化多样,容易受到诸多因素发生故障。
在现在研究中,对于配电网区域的划分基本是在故障发生后对故障位置进行定位时所进行的划分,没有系统地对配电网故障发生之前进行故障发生可能性的评估划分,使得检修人员对于高风险区域的线路更加关注,以便及时发现问题所在进行解决。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有配电网故障区域划分存在的问题,提出了本发明。
因此,本发明解决的技术问题是:不能在故障发生前对故障的风险进行区域等级划分,延长了维修人员发现并解决问题的时间。
为解决上述技术问题,本发明提供如下技术方案:采集配电网历史故障数据,并进行预处理;根据所述预处理后的故障数据,建立故障树模型进行故障概率分析;根据所述故障概率进行故障区域划分。
作为本发明所述的基于故障树的配电网故障区域划分方法的一种优选方案,其中:所述预处理包括,对所述采集到的历史故障数据进行数据清洗、数据规范化处理,清除异常数据,并提取特征。
作为本发明所述的基于故障树的配电网故障区域划分方法的一种优选方案,其中:所述数据规范化处理包括,从所述故障数据中提取出故障类别、时间以及发生故障位置,将所有故障时间以这各个故障属性进行规范表示。
作为本发明所述的基于故障树的配电网故障区域划分方法的一种优选方案,其中:所述建立故障树模型进行故障概率分析包括,所述故障树模型包括恒定失效率模型和潜在故障模型,从设备物理失效的概率以及潜在故障对配电网故障时间进行分析,统一故障的发生概率,对配电网故障进行区域划分。
作为本发明所述的基于故障树的配电网故障区域划分方法的一种优选方案,其中:所述恒定失效率模型包括,被检测机制及时检测到的或者可被用户感知的故障,使用所述恒定失效率模型进行计算,其计算公式如下所示:
O(t)=1-e-γt
h(t)=γ(1-O(t))
其中:O(t)为不可用度,是在t时间内设备发生故障的概率,h(t)为故障发生频率,γ为故障率。
作为本发明所述的基于故障树的配电网故障区域划分方法的一种优选方案,其中:所述潜在故障模型包括,不能被检测机制及时检测到的故障问题,并且在日常使用时不会被用户察觉的故障问题,使用潜在故障模型进行计算,设置故障的检测周期为∈,其潜在故障的最大概率为:
Omax=1-e-γε
潜在故障在ε时刻会被检测,超过ε时刻,潜在故障的概率又会从0开始。
作为本发明所述的基于故障树的配电网故障区域划分方法的一种优选方案,其中:所述故障区域划分包括,根据所述恒定失效率模型以及潜在故障模型计算出的概率进行等级区域划分,根据所述恒定失效率模型计算出的可被检测和感知到的故障,根据故障发生概率,将概率为60%以上的划定为高风险区域,将20%~60%划分为中风险区域,将20%以下的划分为低风险区,将所述潜在故障单独划分为潜在风险区,并且将划分结果生成报告,通知工作人员做好高风险区发生故障情况。
作为本发明所述的基于故障树的配电网故障区域划分方法的一种优选方案,其中:所述故障树模型还包括,配电网故障问题还会受到外界环境因素的影响,所述故障树模型进行故障概率计算根据配电网运行情况不断调整,以适应各种状况发生。
作为本发明所述的基于故障树的配电网故障区域划分方法的一种优选方案,其中:所述采集配电网历史故障数据包括,所述故障数据不仅包括可被检测或者是感知到的故障情况,还包括一些不能被及时发现,在特定情况下暴露的故障问题,并且所述故障数据的采集根据配电网的运行情况选取采集周期。
本发明的有益效果:利用故障树模型对配电网各部位发生故障的概率进行系统划分,一方面便于工作人员对高风险区域进行及时观测,预防故障发生,另一方面利于维修人员对故障的快速定位,加快维修进程;并且还对配电网的潜在故障进行了分析,利于工作人员处理各种问题情况。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例所述的基于故障树的配电网故障区域划分方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的第一个实施例,该实施例提供了一种基于故障树的配电网故障区域划分方法,包括:
S1:采集配电网历史故障数据,并进行预处理。其中需要说明的是,
故障数据不仅包括可被检测或者是感知到的故障情况,还包括一些不能被及时发现,在特定情况下暴露的故障问题,并且故障数据的采集根据配电网的运行情况选取采集周期,即若配电网的故障发生波动较大且不稳定,则将采集周期缩短,若故障发生区域稳定,则将采集周期拉长,提高故障区域划分精度。
进一步的是,预处理包括,对采集到的历史故障数据进行数据清洗、数据规范化处理,清除异常数据,并提取特征,其中数据规范化处理包括,从故障数据中提取出故障类别、时间以及发生故障位置,将所有故障时间以这各个故障属性进行规范表示。
S2:根据预处理后的故障数据,建立故障树模型进行故障概率分析其中需要说明的是,
故障树模型包括恒定失效率模型和潜在故障模型,从设备物理失效的概率以及潜在故障对配电网故障时间进行分析,统一故障的发生概率,对配电网故障进行区域划分。
进一步的是,恒定失效率模型包括,被检测机制及时检测到的或者可被用户感知的故障,使用恒定失效率模型进行计算,其计算公式如下所示:
O(t)=1-e-γt
h(t)=γ(1-O(t))
其中:O(t)为不可用度,是在t时间内设备发生故障的概率,h(t)为故障发生频率,γ为故障率。
潜在故障模型包括,不能被检测机制及时检测到的故障问题,并且在日常使用时不会被用户察觉的故障问题,使用潜在故障模型进行计算,设置故障的检测周期为∈,其潜在故障的最大概率为:
Omax=1-e-γε
潜在故障在ε时刻会被检测,超过ε时刻,潜在故障的概率又会从0开始,然而配电网故障问题还会受到外界环境因素的影响,因此故障树模型在进行故障概率计算时需根据配电网运行情况不断调整,以适应各种状况发生。
S3:根据故障概率进行故障区域划分。其中需要说明的是,
故障区域划分包括,根据恒定失效率模型以及潜在故障模型计算出的概率进行等级区域划分,根据恒定失效率模型计算出的可被检测和感知到的故障,根据故障发生概率,将概率为60%以上的划定为高风险区域,将20%~60%划分为中风险区域,将20%以下的划分为低风险区,另一方面,将潜在故障单独划分为潜在风险区,并且将划分结果生成报告,通知工作人员一方面做好高风险区发生故障情况,一方面便于维修人员处理。
故障树分析的果因关系清晰、形象,对导致事故的各种原因及逻辑关系能做出全面、简洁、形象地描述,从而使有关人员了解和掌握安全控制的要点和措施;并且根据各基本事件发生故障的频率数据,确定各基本事件对导致事故发生的影响程度——结构重要度,既可进行定性分析,又可进行定量分析和系统评价;并且故障树分析还可以对潜在故障进行分析,使得故障划分的角度更加全面,通过故障分析发计算各种概率情况,本发明根据其计算的概率进行故障区域的划分,能提高区域划分的可信性,从而为工作人员提供故障参考,保障配电网的正常运行。
实施例2
本发明的第二个实施例,该实施例不同于第一个实施例的是,为了更好地对本发明方法中采用的技术效果加以验证说明,本实施例中选择传统故障区域划分进行测试,以科学论证的手段验证本方法所具有的真实效果;
传统的故障区域划分手段,如对系统负荷节点进行分类、利用单相过渡电阻接地划分故障区域等,都是在系统发生故障后才进行的,其主要目的是对具体故障发生位置进行定位,然而本发明方法是在配电网故障发生前,根据配电网历史故障信息,对故障区域进行等级划分,为工作人员提供故障参考,进行故障预防。
为验证本发明的有益效果,在PSCAD软件中搭建一个配电网模型并进行大量的仿真实验,在配网模型中分布了20个节点,并划分成5个区域,分别为区域A~E,为了减少验证时间,将配网模型自运行5天,随机分配故障问题并记录所有发生故障的信息,包括所属节点位置、故障发生原因等,并且每天将搭建的配网模型关停并接用备用电源以记录平时运行时发现不了的其他故障数据,在MATLAB软件中应用建立的故障树模型,将记录的5天历史故障数据输入其中进行概率计算以及故障区域的划分,其划分结果如下表1所示:
表1:配电网故障区域划分结果。
风险区域 | 电网区域 |
高风险区域 | A、B、D |
中风险区域 | E |
低风险区域 | C |
潜在区域 | B |
在进行区域划分后,构建的配电网模型再以同样状态运行2日,并记录其故障发生区域及数量,观察与划分结果的对比,其记录的结果如下表2所示:
表2:配电网模型故障发生情况
其中1日B区的故障有一次为潜在故障,通过与故障结果和上述区域划分的对比可以明显看出,高风险区域发生故障概率极大,并且其定位准确率也较高,因此若根据之前故障划分结果进行维护,可以大大减少故障发生概率,为了验证这一情况,我们在配电网模型运行的第三日根据故障区域,对高风险区域进行维护,在第三日时,配电网模型只发生了1次故障,大大减少了故障发生概率,现有的通过神经网络分析故障波形进行故障预测,进而预防故障,其概率为80%左右,而本方法也可以发到此精度并且本发明的工作过程简单、也无须进行电网数据的实时分析,降低系统工作时间,并且本方法还可以计算潜在故障发生情况,这是传统故障预测方法无法做到的,更具有实用性。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于故障树的配电网故障区域划分方法,其特征在于:包括,
采集配电网历史故障数据,并进行预处理;
根据所述预处理后的故障数据,建立故障树模型进行故障概率分析;
根据所述故障概率进行故障区域划分。
2.如权利要求1所述的基于故障树的配电网故障区域划分方法,其特征在于:所述预处理包括,
对所述采集到的历史故障数据进行数据清洗、数据规范化处理,清除异常数据,并提取特征。
3.如权利要求2所述的基于故障树的配电网故障区域划分方法,其特征在于:所述数据规范化处理包括,
从所述故障数据中提取出故障类别、时间以及发生故障位置,将所有故障时间以这各个故障属性进行规范表示。
4.如权利要求1~3任一所述的基于故障树的配电网故障区域划分方法,其特征在于:所述建立故障树模型进行故障概率分析包括,
所述故障树模型包括恒定失效率模型和潜在故障模型,从设备物理失效的概率以及潜在故障对配电网故障时间进行分析,统一故障的发生概率,对配电网故障进行区域划分。
5.如权利要求4所述的基于故障树的配电网故障区域划分方法,其特征在于:所述恒定失效率模型包括,
被检测机制及时检测到的或者可被用户感知的故障,使用所述恒定失效率模型进行计算,其计算公式如下所示:
O(t)=1-e-γt
h(t)=γ(1-O(t))
其中:O(t)为不可用度,是在t时间内设备发生故障的概率,h(t)为故障发生频率,γ为故障率。
6.如权利要求5所述的基于故障树的配电网故障区域划分方法,其特征在于:所述潜在故障模型包括,
不能被检测机制及时检测到的故障问题,并且在日常使用时不会被用户察觉的故障问题,使用潜在故障模型进行计算,设置故障的检测周期为∈,其潜在故障的最大概率为:
Omax=1-e-γε
潜在故障在ε时刻会被检测,超过ε时刻,潜在故障的概率又会从0开始。
7.如权利要求6所述的基于故障树的配电网故障区域划分方法,其特征在于:所述故障区域划分包括,
根据所述恒定失效率模型以及潜在故障模型计算出的概率进行等级区域划分,根据所述恒定失效率模型计算出的可被检测和感知到的故障,根据故障发生概率,将概率为60%以上的划定为高风险区域,将20%~60%划分为中风险区域,将20%以下的划分为低风险区,将所述潜在故障单独划分为潜在风险区,并且将划分结果生成报告,通知工作人员做好高风险区发生故障情况。
8.如权利要求1~3、5~7所述的基于故障树的配电网故障区域划分方法,其特征在于:所述故障树模型还包括,
配电网故障问题还会受到外界环境因素的影响,所述故障树模型进行故障概率计算根据配电网运行情况不断调整,以适应各种状况发生。
9.如权利要求8所述的基于故障树的配电网故障区域划分方法,其特征在于:所述采集配电网历史故障数据包括,
所述故障数据不仅包括可被检测或者是感知到的故障情况,还包括一些不能被及时发现,在特定情况下暴露的故障问题,并且所述故障数据的采集根据配电网的运行情况选取采集周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011605176.1A CN112686405A (zh) | 2020-12-29 | 2020-12-29 | 一种基于故障树的配电网故障区域划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011605176.1A CN112686405A (zh) | 2020-12-29 | 2020-12-29 | 一种基于故障树的配电网故障区域划分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112686405A true CN112686405A (zh) | 2021-04-20 |
Family
ID=75454578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011605176.1A Withdrawn CN112686405A (zh) | 2020-12-29 | 2020-12-29 | 一种基于故障树的配电网故障区域划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686405A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114089114A (zh) * | 2021-11-19 | 2022-02-25 | 重庆玖奇科技有限公司 | 一种基于末端感知技术的低压配电网故障预测方法 |
CN114383652A (zh) * | 2021-12-06 | 2022-04-22 | 中国电力科学研究院有限公司 | 一种配电网潜在故障在线风险辨识方法、系统及装置 |
CN116223971A (zh) * | 2023-02-24 | 2023-06-06 | 合肥威标科技有限公司 | 基于多源信息的配电网故障区域辅助定位系统 |
CN116245362A (zh) * | 2023-03-07 | 2023-06-09 | 北京磁浮有限公司 | 城轨接触网风险评估方法及相关装置 |
CN116562503A (zh) * | 2023-05-19 | 2023-08-08 | 南京诚迈电力信息科技有限公司 | 基于数据分析的电网智能综合管控系统 |
-
2020
- 2020-12-29 CN CN202011605176.1A patent/CN112686405A/zh not_active Withdrawn
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114089114A (zh) * | 2021-11-19 | 2022-02-25 | 重庆玖奇科技有限公司 | 一种基于末端感知技术的低压配电网故障预测方法 |
CN114383652A (zh) * | 2021-12-06 | 2022-04-22 | 中国电力科学研究院有限公司 | 一种配电网潜在故障在线风险辨识方法、系统及装置 |
CN116223971A (zh) * | 2023-02-24 | 2023-06-06 | 合肥威标科技有限公司 | 基于多源信息的配电网故障区域辅助定位系统 |
CN116223971B (zh) * | 2023-02-24 | 2023-12-12 | 合肥威标科技有限公司 | 基于多源信息的配电网故障区域辅助定位系统 |
CN116245362A (zh) * | 2023-03-07 | 2023-06-09 | 北京磁浮有限公司 | 城轨接触网风险评估方法及相关装置 |
CN116245362B (zh) * | 2023-03-07 | 2023-12-12 | 北京磁浮有限公司 | 城轨接触网风险评估方法及相关装置 |
CN116562503A (zh) * | 2023-05-19 | 2023-08-08 | 南京诚迈电力信息科技有限公司 | 基于数据分析的电网智能综合管控系统 |
CN116562503B (zh) * | 2023-05-19 | 2023-11-17 | 南京诚迈电力信息科技有限公司 | 基于数据分析的电网智能综合管控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112686405A (zh) | 一种基于故障树的配电网故障区域划分方法 | |
CN106557991B (zh) | 电压监测数据平台 | |
CN106372735B (zh) | 一种继电保护状态评估方法 | |
CN105354614B (zh) | 一种基于大数据的电网信息运维主动预警方法 | |
CN103337043B (zh) | 电力通信设备运行状态的预警方法和系统 | |
CN103810533B (zh) | 一种基于云模型的配电网故障风险识别方法 | |
CN106054104A (zh) | 一种基于决策树的智能电表故障实时预测方法 | |
CN103793859B (zh) | 一种风电场运行监控及事件综合评价方法 | |
CN104425046B (zh) | 核电站运行安全指数量化方法和系统 | |
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 | |
CN103150473A (zh) | 一种风电机组发电效率实时监控诊断方法及装置 | |
CN104299116A (zh) | 一种电网运行安全风险定量评估方法 | |
CN113221931B (zh) | 一种基于用电信息采集大数据分析的反窃电智能识别方法 | |
CN107256444A (zh) | 一种配电网故障风险模糊综合评价方法及装置 | |
CN112529327A (zh) | 一种用于构建商业地区建筑火灾风险预测等级模型的方法 | |
CN106529830A (zh) | 基于多维评价的输电线路风险评估系统及其评估方法 | |
CN102709905B (zh) | 一种低压配网供电可靠率自动计算分析装置及方法 | |
CN103729804A (zh) | 一种应对电能质量预警的在线决策支持方法 | |
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 | |
CN107563620A (zh) | 一种基于设备全寿命信息的综合评价方法 | |
CN111191872A (zh) | 一种电网多维度韧性评估系统及方法 | |
CN110472851A (zh) | 一种基于神经网络的配电网风险隐患动态评价模型构建方法 | |
CN106685704A (zh) | 变电站二次设备故障的排查方法及装置 | |
CN103530708A (zh) | 一种输配电设备隐患排查信息管理与决策支持系统 | |
CN114580819A (zh) | 一种基于大数据的线损异常分析运营监控系统及方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210420 |