CN113610270B - 一种考虑支槽影响的配变运行风险预测方法和系统 - Google Patents
一种考虑支槽影响的配变运行风险预测方法和系统 Download PDFInfo
- Publication number
- CN113610270B CN113610270B CN202110743718.XA CN202110743718A CN113610270B CN 113610270 B CN113610270 B CN 113610270B CN 202110743718 A CN202110743718 A CN 202110743718A CN 113610270 B CN113610270 B CN 113610270B
- Authority
- CN
- China
- Prior art keywords
- distribution transformer
- rainfall
- operation risk
- data
- hour period
- 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 206
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000013058 risk prediction model Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 7
- 230000001537 neural effect Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 23
- 238000004519 manufacturing process Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 7
- 239000013307 optical fiber Substances 0.000 description 7
- 230000002265 prevention Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 2
- 101100458658 Homo sapiens MUC13 gene Proteins 0.000 description 2
- 102100023124 Mucin-13 Human genes 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000124033 Salix Species 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- SESFRYSPDFLNCH-UHFFFAOYSA-N benzyl benzoate Chemical compound C=1C=CC=CC=1C(=O)OCC1=CC=CC=C1 SESFRYSPDFLNCH-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation 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
- 230000008520 organization Effects 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑支槽影响的配变运行风险预测方法和系统，其中方法包括获取气象信息中心发布的关于南支槽所致降雨应急响应等级；获取省级区域日雨量图、电力地理信息图，判断配电变压器是否处于南支槽影响区域内；根据配电变压器的历史故障率、预警时刻t的24小时时段内和12小时时段内的降雨所致运行风险求解配电变压器最终的综合运行风险程度；输出配电变压器最终的综合运行风险程度和对应的预警等级。本发明在统筹考虑南支槽所致降雨量及配电变压器历史缺陷的基础上，实现了加权计算24小时和12小时降雨量得出最终的综合运行风险程度，克服了以往风险预测不够客观、缺乏实效性的难题，提高电网企业应对强降雨自然灾害的响应能力。
Description
技术领域
本发明涉及电网的风险管控技术领域，特别涉及一种考虑支槽影响的配变运行风险预测方法和系统。
背景技术
支槽主要分为南支槽和北支槽，其中南支槽是低纬度地区活动的低槽。地中海(25°N、35°E)是北半球低纬度南支槽的高频区域，而影响我国南方的低槽，主要来源于高原南侧的孟加拉湾。历史上许多南方的强降雨和特大洪涝灾害均造成了配电网大规模故障，且其中的南支槽天气因素影响不容忽视。
“槽”是气象学中的一个形象化的术语。在天气图上，高空中的槽是从低气压区域中延伸出来的狭长区域，槽中的气压值较两侧的气压低，两边高中间低，类似于生活中的槽，所以就把这种低气压区域中延伸出来的狭长区域称之为“槽”。
一方面，强降雨是造成山洪和中小河流洪水等灾害的直接因素，洪水和泥石流等又是造成配电变压器(简称配电变压器)等设备损坏的主要因素，甚至演化为大面积停电。1996年，强降雨曾引发洪水曾淹没柳州电网5座110千伏及1座35千伏变电站，损失4000余万元。2003年，强降雨曾造成上海浦东31条线路故障，影响到20余万用户。2012年，强降雨曾影响广东电网10万用户，广西电网8个乡镇停电，云南电网392个台区停电。另一方面，当前的配电网管理系统仅采集电力信息，通过设备历史故障率和专家经验预测配电设备故障概率，缺少基于降雨量等南支槽相关气象数据的预警手段，不利于根据配电变压器等设备风险及早部署应急抢修、负荷转移等保供电工作。
实践表明，南支槽虽是造成春季华南暴雨的重要因素，但仍有待深入研究预测配电变压器面临降雨所致风险的方法。鉴于此，有必要在电力生产监控指挥中心利用先进算法和系统，预测南支槽所致降雨范围内的配电变压器风险，技术支撑应急处置工作。
发明内容
本发明的目的是提供一种考虑支槽影响的配变运行风险预测方法和系统，可以解决现有技术中仅采集电力信息，仅通过设备历史故障率和专家经验预测配电设备故障概率，不利于根据配电变压器等设备风险及早部署应急抢修、负荷转移等保供电工作的问题。
本发明的目的是通过以下技术方案实现的：
第一方面，本发明提供一种考虑支槽影响的配变运行风险预测方法，包括以下步骤：
获取气象信息中心发布的关于南支槽所致降雨应急响应等级Eg；
获取省级区域日雨量图、电力地理信息图，判断配电变压器是否处于南支槽影响区域内；
当配电变压器处于南支槽影响区域内时，根据配电变压器的历史故障率F、预警时刻t的24小时时段内的降雨所致运行风险Rt1、12小时时段内的降雨所致运行风险Rt2构建基于神经网络的配电变压器运行风险预测模型，基于配电变压器运行风险预测模型求解配电变压器最终的综合运行风险程度R；
输出配电变压器最终的综合运行风险程度R，发布最终的综合运行风险程度R对应的预警等级。
进一步的，采用曼哈顿距离算法判断配电变压器是否处于南支槽影响区域内，所述曼哈顿距离算法的公式为：
M(x,y)＝|Dx-Dy|+|Nx-Ny|，其中：
M(x,y)表示配电变压器坐标与南支槽所致降雨区域坐标距离，|Dx，Dy|是指根据电力地理信息图生成的配电变压器坐标矩阵，|Nx，Ny|是指根据省级区域日雨量图生成的南支槽所致降雨区域坐标矩阵，当M(x,y)＝0时，判断所述配电变压器处于南支槽影响区域内。
进一步的，所述基于配电变压器运行风险预测模型求解配电变压器最终的综合运行风险程度R包括：
计算配电变压器的历史故障率F；
计算预警时刻t的24小时时段内的降雨所致运行风险Rt1和12小时时段内的降雨所致运行风险Rt2；
根据Rt1和Rt2加权求解配电变压器最终的综合运行风险程度R。
进一步的，所述配电变压器的历史故障率F的计算公式如下：
其中：
N是指配电变压器近若干年所经历的有影响力的降雨次数总和，n是配电变压器近若干年所经历的损坏次数。
进一步的，所述24小时时段内的降雨所致运行风险Rt1的计算公式为：
Rt1＝H(Di|t1)F(Di)，其中：
Di是指编号为i的配电变压器，t1是指时刻t的24小时时段，H1是时刻t的24小时时段内的降雨量对应的风险权重，F是配电变压器的历史故障率。
进一步的，所述12小时时段内的降雨所致运行风险Rt2的计算公式为：
Rt2＝H(Di|t2)F(Di)，其中：
Di是指编号为i的配电变压器，t2是指时刻t的12小时时段，H2是时刻t的12小时时段内的降雨量对应的风险权重，F是配电变压器的历史故障率。
进一步的，所述配电变压器最终的综合运行风险程度R的计算公式为：
R＝(Rt1×K1)+(Rt2×K2)，其中：
K1和K2为加权系数。
第二方面，本发明提供一种考虑支槽影响的配变运行风险预测系统，被配置为执行上述考虑支槽影响的配变运行风险预测方法，包括数据层、业务逻辑层和展示层，其中：
数据层，用于采集和存储涉及配电变压器灾损评估的相关数据；
业务逻辑层，通过应用程序服务器部署采用神经网络构建的配电变压器运行风险预测模型，在神经网络输入层输入省级气象信息中心发布的预警时刻t的24小时时间段内的降雨量及其风险权重H1、12小时时间段内降雨量及其风险权重H2、近若干年降雨所致的配电变压器历史故障率F；在神经网络隐含层计算预警时刻t的24小时时段内的降雨所致运行风险Rt1、12小时时段内的降雨所致运行风险Rt2、加权求解配电变压器面临降雨所致配电变压器的最终的综合运行风险程度R；在神经网络输出层输出配电变压器在预警时刻t面临降雨所致配电变压器的最终的综合运行风险程度R和配电变压器预警等级相关信息；
展示层，输出配电变压器面临降雨所致最终的综合运行风险程度R的预测结果和对应的预警等级，并通过网页服务器面向电网企业发布。
进一步的，所述数据层包括中间库服务器、关系库服务器、实时库服务器、磁盘阵列四部分，其中：
中间库服务器，用于采集所在地省级气象信息中心发布的省级区域日雨量图上所示的南支槽所致降雨区域坐标矩阵、24小时内降雨量数据、12小时内降雨量数据；采集资产管理系统中的配电变压器近若干年所经历的有影响降雨次数N、所经历的损坏次数n、配电变压器的设备编号；采集电力地理信息系统中的配电变压器坐标矩阵；
关系库数据服务器，用于存储中间库服务器采集的数据；
实时库数据服务器，用于存储气象信息中心发布的24小时内降雨量数据、12小时内降雨量数据；
磁盘阵列，用于备份关系库服务器、实时库服务器的数据。
本发明考虑支槽影响的配变运行风险预测方法和系统，包括配电变压器运行风险预测方法及其模型、配电变压器运行风险预测系统(数据层、业务逻辑层、展示层)。本发明在统筹考虑南支槽所致降雨量及配电变压器历史缺陷的基础上，实现了加权计算24小时和12小时降雨量得出配电变压器的最终的综合运行风险程度，克服了以往风险预测不够客观、缺乏实效性的难题，提高电网企业应对强降雨自然灾害的响应能力。
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一简单地介绍，显而易见地，下面描述中的附图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他的附图。
图1为本发明的考虑支槽影响的配变运行风险预测方法的流程示意图；
图2为本发明的配电变压器运行风险预测模型；
图3为本发明的考虑支槽影响的配变运行风险预测系统。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术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，都属于本公开保护的范围。
本发明的考虑支槽影响的配变运行风险预测方法，包括以下步骤：
步骤S1、获取气象信息中心发布的关于南支槽所致降雨应急响应等级Eg。
降雨应急响应等级Eg及其标量Eq如下表1：
| Eg | 等级描述 |
| Ⅰ | 暴雨橙色预警 |
| Ⅱ | 暴雨黄色预警 |
| Ⅲ | 暴雨蓝色预警 |
| Ⅳ | 暴雨蓝色预警 |
表1
步骤S2、获取省级区域日雨量图、电力地理信息图，并判断配电变压器是否处于南支槽影响区域内。
优选的，省级区域日雨量图、电力地理信息图基于同一坐标底图成图。
优选的，省级区域日雨量图含可解析的24小时和12小时降雨量数据、降雨区域坐标数据。
优选的，考虑到南支槽所致降雨区域在实时运动变化，故采用曼哈顿距离算法判断所关注的配电变压器是否处于南支槽影响区域内，当距离M为0(具有同一性)时，即是说明配电变压器处于降雨范围内。
M(x,y)＝|Dx-Dy|+|Nx-Ny| (1)
式中，M(x,y)表示配电变压器坐标与南支槽所致降雨区域坐标距离，|Dx，Dy|是指根据电力地理信息图生成的配电变压器坐标矩阵，|Nx，Ny|是指根据省级区域日雨量图生成的南支槽所致降雨区域坐标矩阵。
步骤S3、根据配电变压器的历史故障率F、预警时刻t的24小时时段内的降雨所致运行风险Rt1、12小时时段内的降雨所致运行风险Rt2构建基于神经网络的配电变压器运行风险预测模型，基于配电变压器运行风险预测模型求解配电变压器最终的综合运行风险程度R。
配电变压器历史故障率F是指过去若干年配电变压器因降雨导致的故障率。本实施例中取过去五年的数据作为计算依据。
神经网络由输入层、隐含层和输出层组成。
整个神经网络属于多输入、多输出类型网络。
输入层节点x包括预警时刻t的24小时时段内和12小时时段内的降雨量及其风险权重H、配电变压器历史故障率F，参与计算的配电变压器Di降雨范围确定。Di是指第i个配电变压器。
隐含层是用于计算预警时刻t的24小时时段内的降雨量所致运行风险Rt1、12小时时段内的降雨量所致运行风险Rt2，根据Rt1和Rt2加权求解配电变压器最终的综合运行风险程度R。
输出层节点y是将预警时刻t的风险程度R作为神经网络的输出，即输出神经元在不同预警t时刻的风险程度。
如图2所示，在所述配电变压器运行风险预测模型的输入层节点x输入包括预警时刻t降雨应急响应等级标量变量Eq、配电变压器降雨量等级标量Rq、配电变压器所在台区负荷密度等级标量Lq数据，并加权评估计算配电变压器灾损程度等级；在输出层输出南支槽对配电变压器的影响程度Ws、影响等级Wg和对应的预警等级。
进一步的，在本申请的一种优选实施方式中，步骤S3包括：
步骤S301、计算配电变压器的历史故障率F。
进一步的，配电变压器的历史故障率F的计算公式如下：
其中，F是指降雨所致配电变压器故障率，N是指配电变压器近若干年(优选5年)所经历的有影响力的降雨(特大暴雨、大暴雨、暴雨、大雨、中雨)次数总和，n是配电变压器近若干年(优选5年)所经历的损坏次数。
步骤S302、计算预警时刻t的24小时时段内的降雨所致运行风险Rt1和12小时时段内的降雨所致运行风险Rt2。
其中24小时时段内的降雨所致运行风险Rt1的计算公式为：
Rt1＝H(Di|t1)F(Di) (3)
式(3)中，Di是指编号为i的配电变压器，t1是指时刻t的24小时时段，H1是时刻t的24小时时段内的降雨量对应的风险权重，F是配电变压器的历史故障率。
优选的，所述的所处区域降雨量和对应的风险权重H定义如下表2：
表2
12小时时段内的降雨所致运行风险Rt2的计算公式为：
Rt2＝H(Di|t2)F(Di) (4)
式(4)中，Di是指编号为i的配电变压器，t2是指时刻t的12小时时段，H2是时刻t的12小时时段内的降雨量对应的风险权重，F是配电变压器的历史故障率。
H1和H2可查找表2获得。
步骤S303、根据Rt1和Rt2加权求解配电变压器最终的综合运行风险程度R。
进一步的，配电变压器最终的综合运行风险程度R的计算公式为：
R＝(Rt1×K1)+(Rt2×K2) (5)
其中，K1和K2为加权系数。优选的，K1＝0.4，K2＝0.6。
步骤S4、输出配电变压器最终的综合运行风险程度R，发布最终的综合运行风险程度R对应的预警等级。
优选的，输出内容包括南支槽对涉及区域内配电变压器最终的综合运行风险程度R，并参照QX/T 549《气象灾害预警信息网站传播规范》的规范发布不同等级的预警信息。
优选的，预警等级包括Ⅰ级预警、Ⅱ级预警、Ⅲ级预警、Ⅳ级预警，各预警等级对应的风险程度R如表3所示：
| 预警等级 | R | 备注 |
| Ⅰ | 0.8≤R | 对应一级预警 |
| Ⅱ | 0.5≤R＜0.8 | 对应二级预警 |
| Ⅲ | 0.3≤R＜0.5 | 对应三级预警 |
| Ⅳ | R＜0.3 | 对应四级预警 |
表3
本发明还提供一种考虑支槽影响的配变运行风险预测系统，面向省级配电网10千伏配变，被配置为执行上述考虑支槽影响的配变运行风险预测方法，包括数据层、业务逻辑层和展示层，其中：
数据层，用于采集和存储涉及配电变压器灾损评估的相关数据。
业务逻辑层，通过应用程序服务器部署采用神经网络构建的配电变压器运行风险预测模型，在神经网络输入层输入省级气象信息中心发布的预警时刻t的24小时时间段内的降雨量及其风险权重H1、12小时时间段内降雨量及其风险权重H2、近若干年(优选5年)降雨所致的配电变压器历史故障率F；在神经网络隐含层计算预警时刻t的24小时时段内的降雨所致运行风险Rt1、12小时时段内的降雨所致运行风险Rt2、加权求解配电变压器面临降雨所致配电变压器的最终的综合运行风险程度R；在神经网络输出层输出配电变压器在预警时刻t面临降雨所致配电变压器的最终的综合运行风险程度R和配电变压器预警等级相关信息。
展示层，输出配电变压器面临降雨所致最终的综合运行风险程度R的预测结果；并用于通过网页服务器，面向电网企业内的配电网运行管理和技术人员发布配电变压器最终的综合运行风险程度，以及涉及Ⅰ级预警、Ⅱ级预警、Ⅲ级预警、Ⅳ级预警的配电变压器设备信息。
所述系统的软件质量符合GB/T 16260.1《软件工程产品质量第1部分：质量模型》、GB/T 16260.2《软件工程产品质量第2部分：内部质量》、GB/T 16260.3《软件工程产品质量第3部分：外部质量》、GB/T 16260.4《软件工程产品质量第4部分：使用质量的度量》的规定。
进一步的，数据层包括中间库服务器、关系库服务器、实时库服务器、磁盘阵列四部分，其中：
中间库服务器，用于采集所在地省级气象信息中心发布的省级区域日雨量图上所示的南支槽所致降雨区域坐标矩阵|Nx，Ny|、24小时内降雨量数据、12小时内降雨量数据；采集资产管理系统中的配电变压器近若干(优选5年)年所经历的有影响力的降雨(特大暴雨、大暴雨、暴雨、大雨、中雨)次数N、所经历的损坏次数n、配电变压器的设备编号i；采集电力地理信息系统中的配电变压器坐标矩阵|Dx，Dy|。
关系库数据服务器，用于存储中间库服务器采集的数据，包括南支槽所致降雨区域坐标矩阵|Nx，Ny|、配电变压器坐标矩阵|Dx，Dy|、配电变压器近5年所经历的有影响降雨(特大暴雨、大暴雨、暴雨、大雨、中雨)次数N、所经历的损坏次数n、配电变压器的设备编号i数据；
实时库数据服务器用于存储气象信息中心发布的24小时内降雨量数据、12小时内降雨量数据。
磁盘阵列，用于备份关系库服务器、实时库服务器的数据。
此外，观测和获悉配电变压器降雨量等级R符合参照QXT 52《地面气象观测规范第8部分：降水观测》的规定，划分不同时段的降雨量等级需参照GB/T 28592《降雨量等级》的规定，资产管理系统、电力地理信息系统的接口规范符合Q/CSG 1204012《通信网络生产应用接口技术规范》的相关规定。
优选的，所述中间库服务器、应用程序服务器、中间库服务器、关系库服务器、实时库服务器、网页服务器部署在计算机房内。
优选的，所述应用程序服务器是配置有4颗10核Xeon E7 V4系列CPU、4颗8核XeonE7 V4系列CPU的NF5270M52U机架式服务器。
优选的，所述数据库(中间库、关系库、实时库)服务器、网页服务器均是配置有2颗8核Xeon E7 V4系列CPU的NF5180M51U机架式服务器。
优选的，所述磁盘阵列是SS200P-24R型24盘位光纤磁盘阵列，配置有64位6核12线程2.4GHz存储专用处理器，单机容量384太字节、系统缓存64吉字节RECC。
为了更好地说明本发明的有益效果，下面结合具体实例进一步说明：
所述配电变压器运行风险预测系统包括中间库服务器、数据库服务器、应用程序服务器、网页服务器、磁盘阵列、内网交换机、外网交换机，相互之间通过光纤连接，并部署在省级电网生产监控指挥中心。
所述外网交换机部署在生产监控指挥中心的通信机房内，用于和所在地的省级气象信息中心之间交互数据和指令，数据交互、解析符合GB/T 35965.1《应急信息交互协议第1部分：预警信息》的相关规定。
所述中间库服务器、关系库服务器、实时库服务器、应用程序服务器、网页服务器的数量均为1套，且部署在省级电网生产监控指挥中心的计算机房内。
配电变压器运行风险预测系统数据层包括中间库服务器、网页服务器、数据库服务器，且均为NF5180M51U机架式服务器，配置有2颗8核Xeon E7 V4系列CPU，支持超线程，缓存不小于25兆字节，原始主频不小于1.9吉赫兹；内存配置为不小于128吉字节的DDR4型内存，最大内存插槽总数不小于64；硬盘配置为4块600吉字节、12000转/分钟的串行连接SCSI硬盘；网卡配8个独立10/100/1000M-BaseT的以太网口；中间库服务器、网页服务器、数据库服务器及其服务器管理系统上线之前，需要按照GB/T 20009《数据库管理系统安全评估准则》的规定通过评估。
其中，所述中间库服务器数量为1套，部署在省级电网生产监控指挥中心的计算机房内，其数据交换、定制协议、部署架构、数据传输安全规范、防护机制应符合Q/CSG1210017《内外网数据安全交换平台技术规范》、Q/CSG1210007《数据传输安全标准》、Q/CSG1204009《电力监控系统安全防护技术规范》、Q/CSG212001《电力监控系统安全防护管理办法》的规定，通过外网交换机采集省级气象信息中心发布的省级区域日雨量图上所示的南支槽所致降雨区域坐标矩阵|Nx，Ny|、24小时内降雨量数据、12小时内降雨量数据；通过内网交换机采集资产管理系统中的配电变压器近5年所经历的有影响降雨(特大暴雨、大暴雨、暴雨、大雨、中雨)次数N、所经历的损坏次数n、配电变压器的设备编号i，采集电力地理信息系统中的配电变压器坐标矩阵|Dx，Dy|。中间库服务器为关系库服务器、实时库服务器提供数据服务。
所述关系库服务器、实时库服务器的数量均为1套，部署在省级电网生产监控指挥中心的计算机房内，用于存储涉及预测配电变压器运行风险所需的相关数据；其数据交换、定制协议、数据传输安全规范、防护机制应符合GB/T 20273《数据库管理系统安全技术要求》、Q/CSG 1210007《数据传输安全标准》的规定。其关系库数据服务器用于存储南支槽所致降雨区域坐标矩阵|Nx，Ny|、配电变压器坐标矩阵|Dx，Dy|、配电变压器近5年所经历的有影响降雨(特大暴雨、大暴雨、暴雨、大雨、中雨)次数N、所经历的损坏次数n、配电变压器的设备编号i数据；实时库数据服务器用于存储气象信息中心发布的24小时内降雨量数据、12小时内降雨量数据。关系库服务器、实时库服务器通过光纤将数据定期备份至磁盘阵列，并通过内网交换机为应用程序服务器提供数据服务。
所述磁盘阵列是SS200P-24R型24盘位4U机架式光纤磁盘阵列，配置有64位6核12线程2.4GHz存储专用处理器，单机容量384太字节、系统缓存64吉字节RECC。磁盘阵列部署数据库服务器管理系统，该管理系统具备审计功能，可对用户分级、分组、分域和配额管理，可降低配电变压器运行风险预测系统对省级区域日雨量图、电力地理信息图和配电变压器设备台帐、历史缺陷在存储、备份容量方面的压力。
所述应用程序服务器器承载业务逻辑层，数量为1套，部署在省级电网生产监控指挥中心的计算机房内，服务器属于NF5270M52U机架式，配置有4颗10核Xeon E7 V4系列CPU，支持超线程，缓存不小于20兆字节，原始主频不小于2.0吉赫兹；内存配置为不小于128吉字节的DDR4型内存，最大内存插槽总数不小于64；硬盘配置为2块600吉字节、12000转/分钟的串行连接SCSI硬盘。应用程序服务器通过光纤将配电变压器在预警时刻t面临降雨所致配电变压器的最终的综合运行风险程度R和配电变压器预警等级相关数据实时备份至磁盘阵列，并通过内网交换机为网页服务器提供数据服务。
所述网页服务器承载展示层，数量为1套，部署在省级电网生产监控指挥中心的计算机房内，其访问控制措施应符合Q/CSG 1204009《电力监控系统安全防护技术规范》、Q/CSG212001《电力监控系统安全防护管理办法》的规定，通过内网交换机为生产监控指挥中心技术人员、配电网运行管理和技术人员提供防风防汛应急和预警配电变压器灾损程度的服务,用户访问配电变压器运行风险预测系统网页服务器时，系统对用户的访问验证要求应符合GB/T 20272《操作系统安全技术要求》的规定。
用于通过应用程序服务器部署采用基于神经网络的配电变压器运行风险预测模型，在输入层中输入预警时刻t24小时和12小时降雨量数据、降雨区域坐标数据；在隐含层基于所述指标组合权重，综合计算配电变压器最终的综合运行风险程度；并通过内网交换机为网页服务器提供预警服务。
所述内网交换机的物理接口、协议、互联互通及兼容性要求应符合Q/CSG1204016.3《第3部分：数据网络设备技术要求》的规定，用于通过由光纤构成的电力综合数据网连接数据库服务器、应用程序服务器、网页服务器、外网交换机；
所述外网交换机的数量为1套，部署在省级电网生产监控指挥中心通信机房内，配置有24个10/100/1000兆字节自适应电口，交换容量不小于150兆位/秒，二、三层包转发能力不小于95兆位/秒，并发流的统计数量不小于40万条，数据报文转发时延小于1ms，并支持LDP MD5、VRRPMD5、NTP MD5加密认证；
所述内网交换机、外网交换机的物理接口、协议、互联互通及兼容性要求应符合Q/CSG1204016.3《第3部分：数据网络设备技术要求》的规定，所述外网交换机数据交互、指令解析符合GB/T 35965.1《应急信息交互协议第1部分：预警信息》的相关规定。内网交换机、外网交换机用于通过由光纤构成的电力综合数据网，与中间库服务器、关系库服务器、实时库服务器、应用程序服务器、网页服务器构成局域网。
所述内网交换机与中间库服务器、关系库服务器、实时库服务器、应用程序服务器、网页服务器、外网交换机的物理接口、协议、互联互通及兼容性要求应符合Q/CSG1204016.3《第3部分：数据网络设备技术要求》的规定，他们的配置、设置、分区要求宜符合Q/CSG 212001《电力监控系统安全防护管理办法》、Q/CSG 1204009《电力监控系统安全防护技术规范》的规定。配电变压器运行风险预测系统的主要性能指标应符合GB/T 16260.2《软件工程产品质量第2部分：内部质量》、GB/T 16260.3《软件工程产品质量第3部分：外部质量》、Q/CSG 1204016.3《数据网络技术规范第3部分数据网络设备技术要求》的规定。配电变压器运行风险预测系统的安全功能要求应符合GB/T 20271《信息安全技术信息系统通用安全技术要求》的规定，并按照GB/T 28448《信息安全技术信息系统安全等级保护测评技术要求》的规定通过等保测评。
在配电变压器运行风险预测系统的具体安装部署过程中，首先将中间库服务器、关系库服务器、实时库服务器、应用程序服务器、网页服务器部署在省级电网生产监控指挥中心计算机房内，各类设备的数量是有且仅有一套。其次，将内网交换机、外网交换机部署在省级电网生产监控指挥中心通信机房屏柜内，各类设备的数量是有且仅有一套，且在经身份鉴别、数据加密后，通过外网交换机实时采集省级气象信息中心发布的南支槽所致降雨应急响应等级和实施更新的省级区域日雨量图(含可解析的24小时和12小时降雨量数据、降雨区域坐标数据)。再次，通过内网交换机采集电力地理信息图和配电变压器设备台帐、历史缺陷数据。最后，将配电变压器运行风险预测系统上线运行，并用以为生产监控指挥中心技术人员提供远程监视、维护功能，为配电网运行管理和技术人员提供查询配电变压器最终的综合运行风险程度，以及涉及Ⅰ级预警、Ⅱ级预警、Ⅲ级预警、Ⅳ级预警的功能。
在配电变压器运行风险预测系统的具体监测预估过程中，首先由省级气象信息中心参照QX/T 116《重大气象灾害应急响应启动等级按照》的规定启动应急响应等级及其预案流程；参照QXT 52《地面气象观测规范第8部分：降水观测》的规定，观测和获悉24小时、12小时降雨量数据。其次，由省级电网生产监控指挥中心技术人员参照QX/T 116《重大气象灾害应急响应启动等级按照》启动应急响应等级及其预案流程，启动配电变压器运行风险预测流程。再次，由配电变压器运行风险预测系统预估配电变压器运行风险，输出南支槽对配电变压器的影响程度Ws、影响等级Wg，并参照QX/T 549《气象灾害预警信息网站传播规范》的规范发布对应的预警等级。最后，由省地两级生产监控指挥中心技术人员按照DL/T 1883《配电网运行控制技术导则》、Q/CSG 1205003《中低压配电运行管理标准》、Q/CSG 430043《应急处置后评估业务指导书》所规定的运行控制原则、目标，提出预防、处理各种配电变压器运行风险的技术决策建议，并由各相关供电局技术人员落实，必要时还可以采取调整运行方式、新增防风防汛加固措施等。
在具体处置过程中容如下：
省级电网、地级电网企业生产监控指挥中心的技术人员根据评估方法梳理配电变压器程度，针对存在风险的配电变压器，基于电力设施场地标高与所在地区历史洪水位比较、与历史最高水位比较、与设施外自然地面高低比较的防内涝设计标准和历史水浸情况、防内涝设施情况、供电负荷情况这六个维度提出应急处置措施建议，并提供给供电局技术人员制定管控清单。配电变压器所属单位结合内涝风险分布图及运行经验，全面组织对存在内涝、水浸风险的线路设施开展排查，对存在隐患的区域及早立项整改，避免或减轻水淹配电变压器造成的停电损失。对于属于电力用户资产的配电变压器，由各相关供电局配电网运行管理人员告警，并予以指导或配合按照GBT 37136《电力用户供配电设施运行维护规范》的相关规定开展特巡特维等应急处置措施。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种考虑支槽影响的配变运行风险预测方法，其特征在于，包括以下步骤：
获取气象信息中心发布的关于南支槽所致降雨应急响应等级Eg；
获取省级区域日雨量图、电力地理信息图，判断配电变压器是否处于南支槽影响区域内；
当配电变压器处于南支槽影响区域内时，根据配电变压器的历史故障率F、预警时刻t的24小时时段内的降雨所致运行风险Rt1、12小时时段内的降雨所致运行风险Rt2构建基于神经网络的配电变压器运行风险预测模型，基于配电变压器运行风险预测模型求解配电变压器最终的综合运行风险程度R；
输出配电变压器最终的综合运行风险程度R，发布最终的综合运行风险程度R对应的预警等级；
所述基于配电变压器运行风险预测模型求解配电变压器最终的综合运行风险程度R包括：
计算配电变压器的历史故障率F；
计算预警时刻t的24小时时段内的降雨所致运行风险Rt1和12小时时段内的降雨所致运行风险Rt2；
根据Rt1和Rt2加权求解配电变压器最终的综合运行风险程度R；
所述24小时时段内的降雨所致运行风险Rt1的计算公式为：
Rt1＝H(Di|t1)F(Di)，其中：
Di是指编号为i的配电变压器，t1是指时刻t的24小时时段，H1是时刻t的24小时时段内的降雨量对应的风险权重，F是配电变压器的历史故障率；
所述12小时时段内的降雨所致运行风险Rt2的计算公式为：
Rt2＝H(Di|t2)F(Di)，其中：
Di是指编号为i的配电变压器，t2是指时刻t的12小时时段，H2是时刻t的12小时时段内的降雨量对应的风险权重，F是配电变压器的历史故障率。
2.根据权利要求1所述的考虑支槽影响的配变运行风险预测方法，其特征在于，采用曼哈顿距离算法判断配电变压器是否处于南支槽影响区域内，所述曼哈顿距离算法的公式为：
M(x,y)＝|Dx-Dy|+|Nx-Ny|，其中：
M(x,y)表示配电变压器坐标与南支槽所致降雨区域坐标距离，|Dx，Dy|是指根据电力地理信息图生成的配电变压器坐标矩阵，|Nx，Ny|是指根据省级区域日雨量图生成的南支槽所致降雨区域坐标矩阵，当M(x,y)＝0时，判断所述配电变压器处于南支槽影响区域内。
3.根据权利要求1所述的考虑支槽影响的配变运行风险预测方法，其特征在于，所述配电变压器的历史故障率F的计算公式如下：
其中：
N是指配电变压器近若干年所经历的有影响力的降雨次数总和，n是配电变压器近若干年所经历的损坏次数。
4.根据权利要求1所述的考虑支槽影响的配变运行风险预测方法，其特征在于，所述配电变压器最终的综合运行风险程度R的计算公式为：
R＝(Rt1×K1)+(Rt2×K2)，其中：
K1和K2为加权系数。
5.一种考虑支槽影响的配变运行风险预测系统，其特征在于，被配置为执行上述考虑支槽影响的配变运行风险预测方法，包括数据层、业务逻辑层和展示层，其中：
数据层，用于采集和存储涉及配电变压器灾损评估的相关数据；
业务逻辑层，通过应用程序服务器部署采用神经网络构建的配电变压器运行风险预测模型，在神经网络输入层输入省级气象信息中心发布的预警时刻t的24小时时间段内的降雨量及其风险权重H1、12小时时间段内降雨量及其风险权重H2、近若干年降雨所致的配电变压器历史故障率F；在神经网络隐含层计算预警时刻t的24小时时段内的降雨所致运行风险Rt1、12小时时段内的降雨所致运行风险Rt2、加权求解配电变压器面临降雨所致配电变压器的最终的综合运行风险程度R；在神经网络输出层输出配电变压器在预警时刻t面临降雨所致配电变压器的最终的综合运行风险程度R和配电变压器预警等级相关信息；
展示层，输出配电变压器面临降雨所致最终的综合运行风险程度R的预测结果和对应的预警等级，并通过网页服务器面向电网企业发布。
6.根据权利要求5所述的考虑支槽影响的配变运行风险预测系统，其特征在于，所述数据层包括中间库服务器、关系库服务器、实时库服务器、磁盘阵列四部分，其中：
中间库服务器，用于采集所在地省级气象信息中心发布的省级区域日雨量图上所示的南支槽所致降雨区域坐标矩阵、24小时内降雨量数据、12小时内降雨量数据；采集资产管理系统中的配电变压器近若干年所经历的有影响降雨次数N、所经历的损坏次数n、配电变压器的设备编号；采集电力地理信息系统中的配电变压器坐标矩阵；
关系库数据服务器，用于存储中间库服务器采集的数据；
实时库数据服务器，用于存储气象信息中心发布的24小时内降雨量数据、12小时内降雨量数据；
磁盘阵列，用于备份关系库服务器、实时库服务器的数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110743718.XA CN113610270B (zh) | 2021-07-01 | 2021-07-01 | 一种考虑支槽影响的配变运行风险预测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110743718.XA CN113610270B (zh) | 2021-07-01 | 2021-07-01 | 一种考虑支槽影响的配变运行风险预测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113610270A CN113610270A (zh) | 2021-11-05 |
| CN113610270B true CN113610270B (zh) | 2024-03-26 |
Family
ID=78337123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110743718.XA Active CN113610270B (zh) | 2021-07-01 | 2021-07-01 | 一种考虑支槽影响的配变运行风险预测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610270B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105279612A (zh) * | 2015-10-30 | 2016-01-27 | 广西电网有限责任公司电力科学研究院 | 一种基于泊松分布的输电线路跳闸风险评估方法 |
| CN105678642A (zh) * | 2016-02-18 | 2016-06-15 | 云南电网有限责任公司电力科学研究院 | 一种电力系统连锁故障风险辨识法 |
| CN107133687A (zh) * | 2017-04-11 | 2017-09-05 | 广东电网有限责任公司江门供电局 | 一种输电线路不均匀风压实时监测与台风预警系统 |
| CN107169645A (zh) * | 2017-05-09 | 2017-09-15 | 云南电力调度控制中心 | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 |
| CN107516170A (zh) * | 2017-08-30 | 2017-12-26 | 东北大学 | 一种基于设备故障概率和电网运行风险的差异自愈控制方法 |
| CN108108877A (zh) * | 2017-11-29 | 2018-06-01 | 海南电网有限责任公司电力科学研究院 | 一种基于bp神经网络的输电线路雷害风险评估方法 |
| CN111062588A (zh) * | 2019-11-30 | 2020-04-24 | 贵州电网有限责任公司 | 基于层次分析的区域电网设备强降雨灾害影响评估方法 |
| CN112365100A (zh) * | 2020-12-08 | 2021-02-12 | 国网四川省电力公司内江供电公司 | 基于灾害风险综合评估的电网灾害预警及应对方法 |
| CN112668821A (zh) * | 2019-12-24 | 2021-04-16 | 国网新疆电力有限公司伊犁供电公司 | 一种基于风沙区域绝缘子故障概率的配电线路风险分析方法 |
-
2021
- 2021-07-01 CN CN202110743718.XA patent/CN113610270B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105279612A (zh) * | 2015-10-30 | 2016-01-27 | 广西电网有限责任公司电力科学研究院 | 一种基于泊松分布的输电线路跳闸风险评估方法 |
| CN105678642A (zh) * | 2016-02-18 | 2016-06-15 | 云南电网有限责任公司电力科学研究院 | 一种电力系统连锁故障风险辨识法 |
| CN107133687A (zh) * | 2017-04-11 | 2017-09-05 | 广东电网有限责任公司江门供电局 | 一种输电线路不均匀风压实时监测与台风预警系统 |
| CN107169645A (zh) * | 2017-05-09 | 2017-09-15 | 云南电力调度控制中心 | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 |
| CN107516170A (zh) * | 2017-08-30 | 2017-12-26 | 东北大学 | 一种基于设备故障概率和电网运行风险的差异自愈控制方法 |
| CN108108877A (zh) * | 2017-11-29 | 2018-06-01 | 海南电网有限责任公司电力科学研究院 | 一种基于bp神经网络的输电线路雷害风险评估方法 |
| CN111062588A (zh) * | 2019-11-30 | 2020-04-24 | 贵州电网有限责任公司 | 基于层次分析的区域电网设备强降雨灾害影响评估方法 |
| CN112668821A (zh) * | 2019-12-24 | 2021-04-16 | 国网新疆电力有限公司伊犁供电公司 | 一种基于风沙区域绝缘子故障概率的配电线路风险分析方法 |
| CN112365100A (zh) * | 2020-12-08 | 2021-02-12 | 国网四川省电力公司内江供电公司 | 基于灾害风险综合评估的电网灾害预警及应对方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113610270A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hussain et al. | Microgrids as a resilience resource and strategies used by microgrids for enhancing resilience | |
| Afzal et al. | State‐of‐the‐art review on power system resilience and assessment techniques | |
| Panteli et al. | Influence of extreme weather and climate change on the resilience of power systems: Impacts and possible mitigation strategies | |
| Zhang et al. | Multi-stage multi-zone defender-attacker-defender model for optimal resilience strategy with distribution line hardening and energy storage system deployment | |
| Xiao et al. | Data-driven multi-hidden markov model-based power quality disturbance prediction that incorporates weather conditions | |
| Haggi et al. | A review of smart grid restoration to enhance cyber-physical system resilience | |
| CN109447330B (zh) | 考虑电网弹性及适应能力的配电网风险预警方法 | |
| CN107959308B (zh) | 配电网分布式能源接入适应性评估方法及装置 | |
| Kong et al. | Power supply reliability evaluation based on big data analysis for distribution networks considering uncertain factors | |
| CN116633018B (zh) | 一种电力行业故障停电全流程管控平台 | |
| WO2024093581A1 (zh) | 一种面向电力设备设施的洪涝水位监测方法和系统 | |
| WO2024148919A1 (zh) | 一种电力设施洪涝受灾空间异质性分析方法和系统 | |
| CN110490454A (zh) | 基于配网设备运行效率评价的配网资产运行效率计算方法 | |
| CN117728585B (zh) | 一种分布式光伏电站状态预测方法及系统 | |
| CN113627678B (zh) | 一种暴雨诱发洪水淹没配电台区的测算方法和系统 | |
| CN114638397B (zh) | 一种考虑强降雨灾害的地质隐患点监测方法和系统 | |
| Udeh et al. | Autoregressive modeling of utility customer outages with deep neural networks | |
| de Assis et al. | Optimal allocation of remote controlled switches in radial distribution systems | |
| CN113610270B (zh) | 一种考虑支槽影响的配变运行风险预测方法和系统 | |
| Badihi | Smart Grid Resilience | |
| CN115239014A (zh) | 一种强降雨致灾停电用户规模动态预测方法和系统 | |
| Zhang et al. | Research on comprehensive diagnosis model of anti-stealing electricity based on big data technology | |
| CN107294205A (zh) | 一种基于保信主站数据的变电站状态监视方法 | |
| CN115395660A (zh) | 一种配电变压器洪水灾害卫星图像监测方法和系统 | |
| Huang et al. | Prediction algorithm for power outage areas of affected customers based on CNN-LSTM |
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 |