CN112949073A - 基于模糊算法的智能变电站继电保护可靠性评估方法 - Google Patents

基于模糊算法的智能变电站继电保护可靠性评估方法 Download PDF

Info

Publication number
CN112949073A
CN112949073A CN202110254225.XA CN202110254225A CN112949073A CN 112949073 A CN112949073 A CN 112949073A CN 202110254225 A CN202110254225 A CN 202110254225A CN 112949073 A CN112949073 A CN 112949073A
Authority
CN
China
Prior art keywords
reliability
protection
failure
intelligent substation
subsystem
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
CN202110254225.XA
Other languages
English (en)
Inventor
李栋泽
王逸仙
刘会民
杨明
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 Hebei Electric Power Co Ltd
Xingtai Power Supply Co of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Xingtai Power Supply Co of State Grid Hebei 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 Hebei Electric Power Co Ltd, Xingtai Power Supply Co of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110254225.XA priority Critical patent/CN112949073A/zh
Publication of CN112949073A publication Critical patent/CN112949073A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • 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
    • 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
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

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

Abstract

本发明公开了一种基于模糊算法的智能变电站继电保护可靠性评估方法，本发明建立了智能变电站保护系统的二次设备、通信及人员子系统的模型，并建立其模糊Markov状态空间模型，最后求解其综合可用度。通过对比数据可得智能变电站继电保护系统在考虑通信方面影响因素后其可靠性数据低于传统保护；经模糊Markov状态空间法得到的综合可用度能准确表征保护系统在各种状态下的可靠性指标，且经模糊化处理的通信子系统的可靠性参数可以有效地避免信息流的不确定性及人为的主观性；最后由结果可知本发明所建立的智能变电站保护子系统模型及对其可靠性的评估具有一定的合理性及实用性，对智能变电站保护系统的架构具有一定的指导作用。

Description

基于模糊算法的智能变电站继电保护可靠性评估方法
技术领域
本发明涉及一种基于模糊算法的智能变电站继电保护可靠性评估方法，属于变电站继电保护技术领域。
背景技术
智能变电站是智能电网核心节点，是集电压变换、功率交换和电能汇集分配于一体的设施，其安全与否是智能电网能否大力发展的关键所在。智能变电站是智能化的一次设备、网络化的二次设备和电子式互感器在IEC61850通信规约的基础上分层建立的能够实现智能设备、变电站之间的信息共享和互操作的现代化变电站。因而其继电保护可靠性的研究不能完全沿用传统方法，目前智能变电站继电保护可靠性研究大多集中在可靠性模型的建立和信息流连通性、时延确定及组网方式研究上。现有的技术只是从单一角度衡量保护系统可靠性，大多工程中对一次系统进行模糊可靠性评估状态评估的研究很多，但是对二次系统如继电保护系统研究较少，且目前可靠性研究均将可靠性参数假设为固定值，不符合实际情况降低了系统可靠性评估的可信度并无综合考量各个保护子系统对整体可靠性的影响。
发明内容
本发明所要解决的技术问题是提供一种基于模糊算法的智能变电站继电保护可靠性评估方法，基于模糊理论的马尔科夫模型，并建立基于此的整个智能变电站二次保护系统的Markov模型，综合定量计算不同系统结构及所采取不同采样跳闸方式的保护系统综合可用度，并与传统方法研究得出可靠性结果进行对比，为智能变电站保护系统可靠性评估提供可靠依据。
为解决上述问题，本发明所采取的技术方案是：
一种基于模糊算法的智能变电站继电保护可靠性评估方法，步骤S1，影响智能变电站保护可靠性因素分析；步骤S2，模糊化可靠性指标；步骤S3，状态空间法求可靠性指标。
作为本发明的进一步改进，影响智能变电站保护可靠性因素包括二次设备子系统、通信子系统和人员子系统。
作为本发明的进一步改进，二次设备子系对变电站可靠性的影响分析如下：
所述二次设备子系统包括单套设备保护系统和设备冗余保护系统，分别计算直采直跳及网采网跳网络结构模式下单套保护结构失效率和设备冗余结构失效率。
作为本发明的进一步改进，单套保护结构失效率计算过程如下：采用直采直跳的网络结构模式时交换机和同步对时不影响保护可靠性，可令其失效率为零，由串并联关系求得网采网跳网络结构模式下的失效率
λS1＝λTS+λMU+λSW+λPR+λIT. (1)
直采直跳网络结构模式下的失效率
λS1＝λMU+λPR+λIT. (2)
设备冗余结构失效率计算过程如下：由设备冗余保护系统结构得到带节点编号的可靠性框图，在其中找到设备冗余保护系统结构的的最小路有4条，则
Figure BDA0002967293760000021
同一元件有相同的可靠性参数，令同步时钟的失效率为λTS，合并单元的失效率为λMU，交换机的失效率为λSW，保护装置的失效率为λPR，智能终端的失效率为λIT；由式(3)及串并联关系得到
网采网跳网络结构模式下的失效率
Figure BDA0002967293760000022
式中λA1＝λMU+λSW+λPR+λIT.
直采直跳网络结构模式下的失效率
λS2＝(λMU+λIT+λPR)2. (5)。
作为本发明的进一步改进，通信子系统对变电站可靠性的影响分析如下：二次系统通信可靠性表征为智能变电站过程层信息流的连通性及实时性，选用故障树分析法，以各报文的传输质量问题为基本事件，以通信子系统失效为顶事件得到设备冗余保护系统结构的故障树和单套设备保护系统结构的故障树；设Pi(i＝1，2，3，4)表示事件i发生的概率，由下行法求得
单套设备保护系统结构的失效参数为
Figure BDA0002967293760000031
设备冗余保护系统结构的失效参数为
Figure BDA0002967293760000032
式中λij表示因信息流故障导致的拒动率，λiw表示因信息流故障导致的误动率。
作为本发明的进一步改进，人员子系统对变电站可靠性的影响分析如下：由于变电站中人员误操作数据的缺乏，采用
通用模型，即人的认知可靠性模型HCR，HCR是采用人机工程学及认知心理学原理来评价运行值班人员未能在规定的时间内完成规定的任务的概率的一种模型；HCR模型中的失误概率服从3参数的威布尔分布，其失效概率公式
Figure BDA0002967293760000033
式中t表示允许操作人进行响应的时间，T0.5表示操作人员的执行时间，α、β、γ表示与行为相关的尺度、形状及位置参数；
因人员因素的不确定性现将人员失效率模糊化，根据人员行为分为知识型、规则型和技能型，不同的行为类型α、β、γ的取值不同得到的失效率是一个模糊区间；假定因人员因素导致的失误中拒动和误动各占一半，则
λrj＝λrw＝0.5λr. (9)。
作为本发明的进一步改进，模糊化可靠性指标过程如下：
采用三角正则模糊数表示系统的可靠性参数，简记为
Figure BDA0002967293760000041
该模糊数的表
达式为
Figure BDA0002967293760000042
l、r、m为可靠性指标的最小、最大及平均数；
由式(10)可将模糊可靠性参数λ、μ一一对应在实数域上，其四则运算的具体表达式为
Figure BDA0002967293760000043
其中，mL α和mR α表示
Figure BDA0002967293760000044
的α-割集的左右端点，nL α和nR α表示
Figure BDA0002967293760000045
的α-割集的左右端点。作为本发明的进一步改进，状态空间法求可靠性指标包括模糊化马尔科夫模型，将传统的马尔科夫模型进行模糊化处理，即对传统马尔科夫模型的状态方程进行模糊化处理，得到处理后的方程式为
Figure BDA0002967293760000046
式中
Figure BDA0002967293760000047
表示模糊处理后的状态转移矩阵，
Figure BDA0002967293760000048
表示系统各状态的平稳概率；
若取α＝0，0.1，……，1，则可将式(12)分割为11个方程组，如式(13)所示
Figure BDA0002967293760000049
通过式(12)可得到不同置信水平下各状态的平稳概率
Figure BDA00029672937600000410
将同一状态不同置信度概率组合得到各状态模糊概率
Figure BDA0002967293760000051
作为本发明的进一步改进，模糊化马尔科夫模型之后，网采网跳模式下保护系统状态空间的建立过程如下，智能变电站继电保护系统的可修复性使其可沿用状态空间法求解其可靠性指标；在建立其模糊可靠性框图时做以下假定：①各个子系统失效互不影响；②各子系统都具自诊断能力，失效后即可以一定修复率修复并不引进新的故障；③各子系统失效都会导致保护误动或拒动，其概率视具体情况而定；④设备子系统已包含硬件和软件；
在以上假设下的智能变电站二次继电保护系统的状态空间图得到的模糊状态转移矩阵
Figure BDA0002967293760000052
及各状态的平稳概率矩阵如式(14)及式(15)，其中
Figure BDA0002967293760000053
表示设备子系统故障导致的误动和拒动率，
Figure BDA0002967293760000054
表示人员失误造成的误动和拒动率，
Figure BDA0002967293760000055
表示通信子系统故障导致的误动和拒动率
Figure BDA0002967293760000056
式中
Figure BDA0002967293760000057
Figure BDA0002967293760000058
联立式(13)、(14)和(15)可以解得
Figure BDA0002967293760000061
Figure BDA0002967293760000068
Figure BDA0002967293760000062
表示i个状态的平稳概率，式中
Figure BDA0002967293760000063
保护系统的综合可用度即为状态0的平稳状态概率。
作为本发明的进一步改进，模糊化马尔科夫模型之后，直采直跳模式下保护系统状态空间的建立过程如下：直采直跳模式报文不走网络，因此通信子系统对保护系统可靠性的影响可以忽略不计；在设备子系统中网络交换机及对时系统对保护的可靠性没有影响，因此设备子系统的失效率需重新计算；经修正后得到直采直跳模式下继电保护状态空间图，由状态空间图得到系统状态转移矩阵
Figure BDA0002967293760000064
和各状态平稳概率矩阵为
Figure BDA0002967293760000065
式中
Figure BDA0002967293760000066
Figure BDA0002967293760000067
联立式(13)、(18)和(19)可以解得
Figure BDA0002967293760000071
Figure BDA0002967293760000073
式中
Figure BDA0002967293760000072
直采直跳模式下保护系统的综合可用度即为状态0的平稳状态概率。
采用上述技术方案所产生的有益效果在于：
本发明建立了智能变电站保护系统的二次设备、通信及人员子系统的模型，并建立其模糊Markov状态空间模型，最后求解其综合可用度。通过对比数据可得智能变电站继电保护系统在考虑通信方面影响因素后其可靠性数据低于传统保护；
经模糊Markov状态空间法得到的综合可用度能准确表征保护系统在各种状态下的可靠性指标，且经模糊化处理的通信子系统的可靠性参数可以有效地避免信息流的不确定性及人为的主观性；
最后由结果可知本发明所建立的智能变电站保护子系统模型及对其可靠性的评估具有一定的合理性及实用性，对智能变电站保护系统的架构具有一定的指导作用。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
图1是单套设备保护系统结构图；
图2是设备冗余保护系统结构图；
图3是不同网络结构模式原理框图；
图4是单套保护的结构框图；
图5是设备冗余的结构框图；
图6是设备冗余保护系统结构的故障树图；
图7是单套设备保护系统结构的故障树图；
图8是三角模糊数图；
图9是网采网跳模式下继电保护状态空间图；
图10是直采直跳模式下继电保护状态空间图；
图11是不同模型可用度的比较图；
图12是不同网络结构模式下可用度对比图；
图13是不同结构下可用度对比图；
图14是信息流失效分析表；
图15是HCR模型部分参数选取表；
图16是设备系统可靠性参数表；
图17是通信系统可靠性参数表；
图18是人员因素系统可靠性参数。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
一种基于模糊算法的智能变电站继电保护可靠性评估方法，包括：步骤S1，影响智能变电站保护可靠性因素分析；步骤S2，模糊化可靠性指标；步骤S3，状态空间法求可靠性指标。
具体的，影响智能变电站保护可靠性因素包括二次设备子系统、通信子系统和人员子系统。
具体的，智能变电站全数字化保护系统的结构有多种，现研究其中2种典型的结构，单套保护系统及设备冗余保护系统，其结构图如图1和图2所示。
智能变电站的网络结构模式有多种，不同的结构下保护系统的可靠性不同，网络结构模式包括直采直跳及网采网跳，直采直跳指保护装置的电压电流采集是从本间隔的电压电流互感器直接采集，保护跳闸也是通过本间隔的GOOSE跳闸网络即直跳网络直接出口不再通过网络交换机，网采网跳即所需数据采集和输出都要经过SV，GOOSE网和网络交换机，其结构图如图3所示。
二次设备子系对变电站可靠性的影响分析如下：
所述二次设备子系统包括单套设备保护系统和设备冗余保护系统，分别计算直采直跳及网采网跳网络结构模式下单套保护结构失效率和设备冗余结构失效率。
具体的，单套保护结构失效率计算过程如下：采用直采直跳的网络结构模式时交换机和同步对时不影响保护可靠性，可令其失效率为零，则单套保护结构可靠性框图如图4所示，由串并联关系求得
网采网跳网络结构模式下的失效率
λS1＝λTS+λMU+λSW+λPR+λIT. (1)
直采直跳网络结构模式下的失效率
λS1＝λMU+λPR+λIT. (2)
设备冗余结构失效率计算过程如下：由设备冗余保护系统结构得到带节点编号的可靠性框图如图5所示，在图5中找到设备冗余保护系统结构的的最小路有4条，则
Figure BDA0002967293760000091
同一元件有相同的可靠性参数，令同步时钟的失效率为λTS，合并单元的失效率为λMU，交换机的失效率为λSW，保护装置的失效率为λPR，智能终端的失效率为λIT；由式(3)及串并联关系得到
网采网跳网络结构模式下的失效率
Figure BDA0002967293760000092
式中λA1＝λMU+λSW+λPR+λIT.
直采直跳网络结构模式下的失效率
λS2＝(λMU+λIT+λPR)2. (5)。
具体的，通信子系统对变电站可靠性的影响分析如下：二次系统通信可靠性表征为智能变电站过程层信息流的连通性及实时性，信息流主要以报文的形式体现，GOOSE报文主要携带的是分合闸控制、开关位置信息和防误闭锁等重要信息，在保护单元和智能终端之间进行信息交流，最后作用于控制断路器，控制断路器完成相应的操作.SV报文的功能是实现电压、电流交流量的上传，它的信息起始于互感器，经由合并单元和交换机网络后，最终传输到保护单元。IEEE1588用到的4种报文：同步报文、跟随报文、延迟请求报文和延迟请求响应报文分别携带不同的时间同的时间戳及控制信息，其控制信息主要用于对各报文的识别和处理控制，而其携带的时间戳则是时钟同步的关键。SV报文携带的数据流量最大，其次为GOOSE，而对时报文携带的流量最少占用通信资源较少，故同等情况下，SV报文最易发生丢包的情况。
通信可靠性影响因素是由各种报文综合作用的结果，各种报文传输质量问题与系统功能失效的对应关系如图14所示，选用故障树分析法，以各报文的传输质量问题为基本事件，以通信子系统失效为顶事件得到如图6所示设备冗余保护系统结构的故障树和如图7所示单套设备保护系统结构的故障树；设Pi(i＝1，2，3，4)表示事件i发生的概率，由下行法求得
单套设备保护系统结构的失效参数为
Figure BDA0002967293760000101
设备冗余保护系统结构的失效参数为
Figure BDA0002967293760000102
式中λij表示因信息流故障导致的拒动率，λiw表示因信息流故障导致的误动率。
具体的，人员子系统对变电站可靠性的影响分析如下：由于变电站中人员误操作数据的缺乏，采用
通用模型，即人的认知可靠性模型HCR，HCR是采用人机工程学及认知心理学原理来评价运行值班人员未能在规定的时间内完成规定的任务的概率的一种模型；HCR模型中的失误概率服从3参数的威布尔分布，其失效概率公式
Figure BDA0002967293760000111
式中t表示允许操作人进行响应的时间，T0.5表示操作人员的执行时间，α、β、γ表示与行为相关的尺度、形状及位置参数；
因人员因素的不确定性现将人员失效率模糊化，根据人员行为分为知识型、规则型和技能型，不同的行为类型α、β、γ的取值不同得到的失效率是一个模糊区间；假定因人员因素导致的失误中拒动和误动各占一半，则
λrj＝λrw＝0.5λr. (9)。
具体的，模糊化可靠性指标过程如下：
如图8所示，采用三角正则模糊数表示系统的可靠性参数，简记为
Figure BDA0002967293760000112
该模糊数的表达式为
Figure BDA0002967293760000113
l、r、m为可靠性指标的最小、最大及平均数；
由式(10)可将模糊可靠性参数λ、μ一一对应在实数域上，其四则运算的具体表达式为
Figure BDA0002967293760000114
其中，mL α和mR α表示
Figure BDA0002967293760000115
的α-割集的左右端点，nL α和nR α表示
Figure BDA0002967293760000116
的α-割集的左右端点。具体的，状态空间法求可靠性指标包括模糊化马尔科夫模型，将传统的马尔科夫模型进行模糊化处理，即对传统马尔科夫模型的状态方程进行模糊化处理，得到处理后的方程式为
Figure BDA0002967293760000121
式中
Figure BDA0002967293760000122
表示模糊处理后的状态转移矩阵，
Figure BDA0002967293760000123
表示系统各状态的平稳概率；
若取α＝0，0.1，……，1，则可将式(12)分割为11个方程组，如式(13)所示
Figure BDA0002967293760000124
通过式(12)可得到不同置信水平下各状态的平稳概率
Figure BDA0002967293760000125
将同一状态不同置信度概率组合得到各状态模糊概率
Figure BDA0002967293760000126
具体的，模糊化马尔科夫模型之后，网采网跳模式下保护系统状态空间的建立过程如下，智能变电站继电保护系统的可修复性使其可沿用状态空间法求解其可靠性指标；在建立其模糊可靠性框图时做以下假定：①各个子系统失效互不影响；②各子系统都具自诊断能力，失效后即可以一定修复率修复并不引进新的故障；③各子系统失效都会导致保护误动或拒动，其概率视具体情况而定；④设备子系统已包含硬件和软件；
在以上假设下的智能变电站二次继电保护系统的状态空间图如图9所示，由状态空间图得到的模糊状态转移矩阵
Figure BDA0002967293760000127
及各状态的平稳概率矩阵如式(14)及式(15)，其中
Figure BDA0002967293760000128
表示设备子系统故障导致的误动和拒动率，
Figure BDA0002967293760000129
表示人员失误造成的误动和拒动率，
Figure BDA00029672937600001210
表示通信子系统故障导致的误动和拒动率
Figure BDA0002967293760000131
式中
Figure BDA0002967293760000132
Figure BDA0002967293760000133
联立式(13)、(14)和(15)可以解得
Figure BDA0002967293760000134
Figure BDA0002967293760000135
Figure BDA0002967293760000136
表示i个状态的平稳概率，式中
Figure BDA0002967293760000137
保护系统的综合可用度即为状态0的平稳状态概率。
具体的，模糊化马尔科夫模型之后，直采直跳模式下保护系统状态空间的建立过程如下：直采直跳模式报文不走网络，因此通信子系统对保护系统可靠性的影响可以忽略不计；在设备子系统中网络交换机及对时系统对保护的可靠性没有影响，因此设备子系统的失效率需重新计算；经修正后得到直采直跳模式下继电保护状态空间图如图10所示，由状态空间图得到系统状态转移矩阵
Figure BDA0002967293760000138
和各状态平稳概率矩阵为
Figure BDA0002967293760000141
式中
Figure BDA0002967293760000142
Figure BDA0002967293760000143
联立式(13)、(18)和(19)可以解得
Figure BDA0002967293760000144
Figure BDA0002967293760000145
式中
Figure BDA0002967293760000146
直采直跳模式下保护系统的综合可用度即为状态0的平稳状态概率。
进一步的，该方法还包括步骤S4，基于模糊可靠性参数，运用状态空间法计算不同设备配置结果及其网络通信的综合可靠性，并分析不同采样跳闸方式下整个保护系统的综合可用度，最后用MATLAB对结果进行仿真。
具体的，智能变电站保护系统模糊可靠性参数如图16，17和18所示，将参数数据代入式(1)、(7)、(11)、(16)和(21)进行模糊四则运算，并对单套保护系统进行仿真计算得到传统模型和模糊模型的可靠性参数如图11、12和13所示。
由图11可以看出，相比于传统Markov模型，模糊Markov模型能全面地表征保护系统在不同工况、不同环境下的综合可用度，虚线以上表示保护系统工作在工况良好、环境优越的情况，虚线以下表示保护系统工作在工况较差且环境恶劣的情况下，由此可看出模糊Markov状态空间法具有更强的适应性。技术人员可根据不同的条件选择合适的置信水平从而得到精确的综合可用度。
图12为单套保护在不同网络结构模式下的可用度，可以看出直采直跳模式下的可用度大于网采网跳模式，这一结果与《智能变电站继电保护技术规范》中的要求即单间隔保护应采用直采直跳相符。
图13为单套保护和设备冗余两种结构在网采网跳网络结构模式下的可用度对比，由图可知设备冗
余这一保护结构的可靠性大于单套保护，且设备冗余可靠性不管在优越环境还是恶劣环境下的可用度接近于1，与《智能变电站继电保护技术规范》中220kV及以上电压等级的继电保护及与之相关的设备和网络等应按照双重化配置这一原则相符。

Claims (10)

1.一种基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于：
步骤S1，影响智能变电站保护可靠性因素分析；
步骤S2，模糊化可靠性指标；
步骤S3，状态空间法求可靠性指标。
2.根据权利要求1所述的基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于：影响智能变电站保护可靠性因素包括二次设备子系统、通信子系统和人员子系统。
3.根据权利要求2所述的基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于，二次设备子系对变电站可靠性的影响分析如下：
所述二次设备子系统包括单套设备保护系统和设备冗余保护系统，分别计算直采直跳及网采网跳网络结构模式下单套保护结构失效率和设备冗余结构失效率。
4.根据权利要求3所述的基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于，单套保护结构失效率计算过程如下：采用直采直跳的网络结构模式时交换机和同步对时不影响保护可靠性，可令其失效率为零，由串并联关系求得该结构网采网跳网络结构模式下的失效率和直采直跳网络结构模式下的失效率
设备冗余结构失效率计算过程如下：由设备冗余保护系统结构得到带节点编号的可靠性框图，在其中找到设备冗余保护系统结构的的最小路有4条，则
Figure FDA0002967293750000011
同一元件有相同的可靠性参数，令同步时钟的失效率为λTS，合并单元的失效率为λMU，交换机的失效率为λSW，保护装置的失效率为λPR，智能终端的失效率为λIT；由式(3)及串并联关系得到该结构网采网跳网络结构模式下的失效率和直采直跳网络结构模式下的失效率。
5.根据权利要求2所述的基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于，通信子系统对变电站可靠性的影响分析如下：二次系统通信可靠性表征为智能变电站过程层信息流的连通性及实时性，选用故障树分析法，以各报文的传输质量问题为基本事件，以通信子系统失效为顶事件得到设备冗余保护系统结构的故障树和单套设备保护系统结构的故障树；设Pi(i＝1,2,3,4)表示事件i发生的概率，由下行法求得单套设备保护系统结构的失效参数为
Figure FDA0002967293750000021
设备冗余保护系统结构的失效参数为
Figure FDA0002967293750000022
式中λij表示因信息流故障导致的拒动率，λiw表示因信息流故障导致的误动率。
6.根据权利要求2所述的基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于，人员子系统对变电站可靠性的影响分析如下：由于变电站中人员误操作数据的缺乏，采用通用模型，即人的认知可靠性模型HCR，HCR是采用人机工程学及认知心理学原理来评价运行值班人员未能在规定的时间内完成规定的任务的概率的一种模型；HCR模型中的失误概率服从3参数的威布尔分布，其失效概率公式
Figure FDA0002967293750000023
式中t表示允许操作人进行响应的时间，T0.5表示操作人员的执行时间，α、β、γ表示与行为相关的尺度、形状及位置参数；
因人员因素的不确定性现将人员失效率模糊化，根据人员行为分为知识型、规则型和技能型，不同的行为类型α、β、γ的取值不同得到的失效率是一个模糊区间；假定因人员因素导致的失误中拒动和误动各占一半，则
λrj＝λrw＝0.5λr. (9)。
7.根据权利要求1所述的基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于，模糊化可靠性指标过程如下：
采用三角正则模糊数表示系统的可靠性参数，记为
Figure FDA0002967293750000024
该模糊数的表达式为
Figure FDA0002967293750000031
l、r、m为可靠性指标的最小、最大及平均数；
由式(10)可将模糊可靠性参数λ、μ一一对应在实数域上，其四则运算的具体表达式为
Figure FDA0002967293750000032
其中，mL α和mR α表示
Figure FDA0002967293750000033
的α-割集的左右端点,nL α和nR α表示
Figure FDA0002967293750000034
的α-割集的左右端点。
8.根据权利要求1所述的基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于，状态空间法求可靠性指标包括模糊化马尔科夫模型，将传统的马尔科夫模型进行模糊化处理，得到处理后的方程式为
Figure FDA0002967293750000035
式中
Figure FDA0002967293750000036
表示模糊处理后的状态转移矩阵，
Figure FDA0002967293750000037
表示系统各状态的平稳概率；
若取α＝0，0.1，……，1，则可将式(12)分割为11个方程组，如式(13)所示
Figure FDA0002967293750000038
通过式(12)可得到不同置信水平下各状态的平稳概率
Figure FDA0002967293750000039
将同一状态不同置信度概率组合得到各状态模糊概率
Figure FDA00029672937500000310
9.根据权利要求8所述的基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于，模糊化马尔科夫模型之后，网采网跳模式下保护系统状态空间的建立过程如下，在建立其模糊可靠性框图时做以下假定：各个子系统失效互不影响；各子系统都具自诊断能力，失效后即可以一定修复率修复并不引进新的故障；各子系统失效都会导致保护误动或拒动，其概率视具体情况而定；设备子系统已包含硬件和软件；
在以上假设下的智能变电站二次继电保护系统的状态空间图得到的模糊状态转移矩阵
Figure FDA0002967293750000041
及各状态的平稳概率矩阵如式(14)及式(15)，其中
Figure FDA0002967293750000042
表示设备子系统故障导致的误动和拒动率，
Figure FDA0002967293750000043
表示人员失误造成的误动和拒动率，
Figure FDA0002967293750000044
表示通信子系统故障导致的误动和拒动率
Figure FDA0002967293750000045
式中
Figure FDA0002967293750000046
Figure FDA0002967293750000047
联立式(13)、(14)和(15)可以解得
Figure FDA0002967293750000048
Figure FDA0002967293750000049
Figure FDA00029672937500000410
表示i个状态的平稳概率,式中
Figure FDA00029672937500000411
保护系统的综合可用度即为状态0的平稳状态概率。
10.根据权利要求8所述的基于模糊算法的智能变电站继电保护可靠性评估方法，其特征在于，模糊化马尔科夫模型之后，直采直跳模式下保护系统状态空间的建立过程如下：在设备子系统中网络交换机及对时系统对保护的可靠性没有影响，因此设备子系统的失效率需重新计算；经修正后得到直采直跳模式下继电保护状态空间图，由状态空间图得到系统状态转移矩阵
Figure FDA00029672937500000412
和各状态平稳概率矩阵为
Figure FDA0002967293750000051
式中
Figure FDA0002967293750000052
Figure FDA0002967293750000053
联立式(13)、(18)和(19)可以解得
Figure FDA0002967293750000054
Figure FDA0002967293750000055
式中
Figure FDA0002967293750000056
直采直跳模式下保护系统的综合可用度即为状态0的平稳状态概率。
CN202110254225.XA 2021-03-09 2021-03-09 基于模糊算法的智能变电站继电保护可靠性评估方法 Pending CN112949073A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110254225.XA CN112949073A (zh) 2021-03-09 2021-03-09 基于模糊算法的智能变电站继电保护可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110254225.XA CN112949073A (zh) 2021-03-09 2021-03-09 基于模糊算法的智能变电站继电保护可靠性评估方法

Publications (1)

Publication Number Publication Date
CN112949073A true CN112949073A (zh) 2021-06-11

Family

ID=76228889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110254225.XA Pending CN112949073A (zh) 2021-03-09 2021-03-09 基于模糊算法的智能变电站继电保护可靠性评估方法

Country Status (1)

Country Link
CN (1) CN112949073A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113392527A (zh) * 2021-06-17 2021-09-14 华南理工大学 操纵序列适用性评价方法、装置、计算机设备和存储介质
CN115371490A (zh) * 2022-08-24 2022-11-22 中国人民解放军陆军工程大学 自行火炮通用综合电子信息系统数据采集设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945315A (zh) * 2012-10-25 2013-02-27 华北电力大学 考虑软件失效和人为失效的全数字化继电保护可靠性评估方法
WO2014090025A1 (zh) * 2012-12-11 2014-06-19 国网上海市电力公司 一种在线、离线一体式的智能变电站分析测试方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945315A (zh) * 2012-10-25 2013-02-27 华北电力大学 考虑软件失效和人为失效的全数字化继电保护可靠性评估方法
WO2014090025A1 (zh) * 2012-12-11 2014-06-19 国网上海市电力公司 一种在线、离线一体式的智能变电站分析测试方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李永亮 等: "基于模糊算法的智能变电站继电保护可靠性评估", 《广东工业大学学报》, vol. 34, no. 4, pages 65 - 71 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113392527A (zh) * 2021-06-17 2021-09-14 华南理工大学 操纵序列适用性评价方法、装置、计算机设备和存储介质
CN115371490A (zh) * 2022-08-24 2022-11-22 中国人民解放军陆军工程大学 自行火炮通用综合电子信息系统数据采集设备

Similar Documents

Publication Publication Date Title
CN107609725B (zh) 一种考虑变电站影响的输电网风险评估方法
CN103001328B (zh) 一种智能变电站的故障诊断与评估方法
CN105116248B (zh) 智能变电站继电保护装置自动闭环测试方法
CN112949073A (zh) 基于模糊算法的智能变电站继电保护可靠性评估方法
CN111008454B (zh) 一种基于信息物理融合模型的智能变电站可靠性评估方法
CN112688310A (zh) 一种应用于配电网的线损分析方法及装置
CN109557414A (zh) 综合电力系统故障诊断告警处理系统及方法
CN111896845A (zh) 基于多源信息融合的配电网故障诊断方法及系统
Sun et al. A coordinated cyber attack detection system (CCADS) for multiple substations
CN111695231B (zh) 复杂配电网信息物理系统的实用化可靠性分析方法
CN111209535B (zh) 一种电力设备相继故障风险识别方法及系统
CN113837423A (zh) 基于能源互联网电力大数据的电网运行态势预测方法
CN110412417B (zh) 基于智能电力监测仪表的微电网数据故障诊断方法
CN117148048B (zh) 基于数字孪生技术的配电网故障预测方法及系统
CN108510162B (zh) 一种有源配电网安全效能评估方法
CN111917186B (zh) 一种智能变电站云监控系统
CN115588961B (zh) 一种基于配电网全模型保护的整定值自适应整定方法
CN111917187A (zh) 智能变电站云监控系统
CN110021933B (zh) 考虑组件故障的电力信息系统控制功能可靠性评估方法
CN116739550A (zh) 一种抢修智能辅助决策方法及系统
CN116430749A (zh) 电力监控系统仿真测试方法、装置、介质及电子设备
CN111337792A (zh) 基于改进型Petri网的电力系统故障诊断方法
Li et al. Dynamic Bayesian network based reliability evaluation of supervision and control system in smart grids
CN117310333B (zh) 基于关键因素过滤法的高低压全过程故障研判方法
CN115395510B (zh) 电力系统的易损性检测方法、装置、电子设备及存储介质

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