CN114002759A - 一种输电线路气象风险超前期预警系统和方法 - Google Patents
一种输电线路气象风险超前期预警系统和方法 Download PDFInfo
- Publication number
- CN114002759A CN114002759A CN202111276269.9A CN202111276269A CN114002759A CN 114002759 A CN114002759 A CN 114002759A CN 202111276269 A CN202111276269 A CN 202111276269A CN 114002759 A CN114002759 A CN 114002759A
- Authority
- CN
- China
- Prior art keywords
- risk
- meteorological
- value
- parameter
- early warning
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 53
- 238000002955 isolation Methods 0.000 claims abstract description 16
- 238000012806 monitoring device Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 3
- ONUFESLQCSAYKA-UHFFFAOYSA-N iprodione Chemical compound O=C1N(C(=O)NC(C)C)CC(=O)N1C1=CC(Cl)=CC(Cl)=C1 ONUFESLQCSAYKA-UHFFFAOYSA-N 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 208000025274 Lightning injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Ecology (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Mathematical Analysis (AREA)
- Environmental Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种输电线路气象风险超前期预警系统和方法,包括气象数据采集装置、动态预警监控装置和反向物理隔离装置;气象数据采集装置与气象部门连接,获取实时气象数据;气象数据采集装置与反向物理隔离装置连接,通过反向物理隔离装置将获取的实时气象数据传送到动态预警监控装置;动态预警监控装置包括线路数据分析模块和电网动态预警模块;线路数据分析模块通过构造气象代价函数计算异常工况发生概率和参数异常风险,并上传到电网动态预警模块,电网动态预警模块对状态参数与报警阈值进行比较,并将信息上传到数据服务器进行调度与存储。对气象数据进行检验和分析,实现对气象风险的预警功能,有效提升输电线路设备的安全运行。
Description
技术领域
本发明涉及电力系统技术领域,尤其涉及一种输电线路气象风险超前期预警系统和方法。
背景技术
随着经济水平的提高,人们对电网供电的安全性和可靠性要求更为严格。输电线路作为电力系统的关键基础设施,需要更加安全、稳定地进行电能的传输。然而,随着全球环境形势越来越严峻,气候日益变化,极端天气频发,输电线路受到台风、雷击、暴雨等天气影响,易引发一系列短路、跳闸等安全事故,给电网安全运行带来极大威胁。
随着电网规模的不断扩大、灾害性天气发生密度和强度的逐年上升,2009~2013年全球范围内因气象原因造成的电网故障事件中,影响规模超过10万人次的就多达28次,占电网大面积停电事故总量的56%。我国能源分布有很强的地域特点,能源富裕中心往往远离电力负荷中心,对超高压、特高压跨区输电的需求强烈,在“能源互联网”背景下,长距离输电线路日益增多,复杂气象环境影响下的输电安全问题愈发突出。如何认识和掌握气象对电网的影响规律,减轻气象灾害对电网的威胁,从而保障电网安全可靠运行是电力系统亟需解决的关键问题之一。
发明内容
为克服上述缺陷,本发明的目的在于提供一种输电线路气象风险超前期预警系统和方法,对气象数据进行检验和分析,实现对气象风险的预警功能,有效提升输电线路设备的安全运行。
为实现上述目的,本发明采用如下技术方案:
一种输电线路气象风险超前期预警系统,包括气象数据采集装置、动态预警监控装置和反向物理隔离装置;所述气象数据采集装置与气象部门连接,获取实时气象数据;所述气象数据采集装置与所述反向物理隔离装置连接,通过所述反向物理隔离装置将获取的实时气象数据传送到所述动态预警监控装置;所述动态预警监控装置包括线路数据分析模块和电网动态预警模块;所述线路数据分析模块通过构造气象代价函数计算异常工况发生概率和参数异常风险,并上传到所述电网动态预警模块,所述电网动态预警模块对状态参数与报警阈值进行比较,并将信息上传到数据服务器进行调度与存储。
可选的,所述气象数据采集装置位于第三电力系统安全区,从位于第四电力系统安全区的气象部门获取实时气象信息,并将所述实时气象信息传送到位于第一电力系统安全区的所述动态预警监控装置上;所述气象数据采集装置包括通过IE端口调取所述实时气象数据;所述实时气象数据包括天气现象、气温、气压、风速、风向、降水量、湿度的气象要素实测值、预报值和历史资料以及高层的高度场、风速场、湿度场、涡度场、气流场的预测图和数值预报信息。
可选的,所述第三电力系统安全区与所述第四电力系统安全区和所述第一电力系统安全区之间设置所述反向物理隔离装置。
可选的,所述气象代价函数通过调节形状因子修正代价函数,所述气象代价函数L为:
其中αi为相应气象风险等级;y为状态参数值;Δ为能够造成最大代价的参数值到参数目标值的距离;γ为形状因子;T为状态目标参数值;所述气象代价函数的变化范围0≤L≤1;当参数处于目标值时,损失值为0,参数偏离目标值越远,代价值越大。
可选的,采用剩余时间理论对所述异常工况发生概率进行计算,通过计算状态参数到达报警阈值所需要的时间,对装置的安全性进行量化;剩余时间t为:
其中,ylim为状态参数阈值;ΔV为状态参数的瞬时变化率,该参数可用最小二乘法对数据曲线进行拟合,并对拟合多项式进行一阶微分计算求得,最小二乘法计算步骤如下:
拟合多项式如下:
f(x)=anxn+an-1xn-1+…+a1x+a0 (3)
其中,x为所述状态参数对应的时间;a0…an为各数据系数;
将k对数据(xi,yi)代入式(3)中,可得到如下方程组:
将式(4)转化为矩阵形式,求得矩阵唯一一组最优近似解,使得在各个点的偏差δ平方和最小,从而得到最小二乘拟合多项式;对得到的最小二乘多项式进行微分计算,得到ΔV;
异常工况发生的概率密度函数f(t)如下:
其中,t为剩余时间;e为自然常数;λ为状态参数变化过程中允许剩余时间倒数,其表达式如下:
其中,ΔVt为参数最大允许变化率,取正常工况下参数变化速率最大值,即max(ΔV),对一个确定的状态参数而言,ΔVt是一个定值;根据式(2)、式(5)、式(6),所述异常工况发生概率P如下:
可选的,所述异常工况产生的风险包括固有风险和趋势风险,固有风险是所述状态参数偏离过程中已产生的风险,其后果严重程度为损失函数的值,即后果严重程度为L,异常工况发生概率P=1,故根据风险计算公式,固有风险R1为:
趋势风险用来表达由于参数仍具有向异常情况偏离的趋势所带来的风险,因损失函数的最大值为1,故异常状况的最大后果值为1,则参数偏离的最大后果严重程度为I=1-L,根据式(7)可以得到异常状况的发生概率P,故根据风险计算公式,参数的趋势风险R2为:
根据参数所述固有风险和所述趋势风险的计算公式,可以得到发生所述异常工况R的风险:
R=R1+R2 (10)
一种用于如上任意所述输电线路气象风险超前期预警系统的方法,包括步骤:
采集一个工作时段内的状态参数值共5000组,存为数值矩阵B1×5000,该组数据的平均值记为M,参数的报警阈值为ylim,连锁报警阈值为Q;
将Q作为造成最大代价的状态参数值,则根据式(1),令T=M,Δ=Q-M,公式变形如下:
设置风险阈值:根据ALARP原则和帕累托分布的分级策略,将风险不可接受值到最大风险值之间的区域认定为不可接受的高风险区域,占风险范围的20%;因此,将风险不可接受值设置为风险报警阈值,得到风险阈值S为0.80;
当状态参数y达到连锁报警阈值Q,即y=Q时,代价函数达到最大值,即L=1;当y与目标值M相同,即y=M时,处在最稳定状态,代价值为0,故L=0;已知发生异常状况的风险参数包括固有风险R1和趋势风险R2,当y达到报警阈值ylim,且趋势风险R2=0时,为防止漏报,风险值应大于风险阈值,即R1>0.8;当y未达到报警阈值ylim,且趋势风险R2=0时,为防止误报,风险值应小于等于风险阈值,即R1≤0.8;从而,当y=ylim时,R1=0.8,根据式(8),R1=L,此时代价函数L=0.8;
计算参数所能引起的最大变化值:用最小二乘法对数据集B1×5000进行拟合,对拟合曲线进行一阶微分计算,得到参数历史数据ΔVj;得到最大允许变化速率ΔVt=max(ΔVj);
实时记录状态参数值y,将y代入式(11),得到参数的代价值为L,则根据式(8),可以得到固有风险值R1=L×P,其中P=1;
根据式(10),计算装置的实时风险值R=R1+R2,因为状态参数变化趋势具有双向性,仅当状态参数变化方向与偏离目标值方向相同,即ΔVi与(y-M)同号时,才将趋势风险R2纳入整体风险计算;
在完成气象风险计算和动态预警之后,将数据通过可视化系统交换机上传到数据服务器进行指令调度及数据存储。
随着技术的进步,气象部门近年来对天气灾害预测准确性逐步提高,但相对来说形式较为单一,在某些方面不够精确,尤其对于电力系统来说,仍然难以满足电力灾害提前预警的要求。因此,为了提高电网运行安全性和可靠性,需要结合气象信息进行预警系统的设计,将气象灾害对电力线路安全威胁降到最低,便于工作人员提前作出有效措施,避免电力事故的发生。
本发明的积极有益效果:通过气象数据采集装置获取实时气象数据,通过反向物理隔离装置将获取的实时气象数据传送到动态预警监控装置;线路数据分析模块通过构造气象代价函数计算异常工况发生概率和参数异常风险,并上传到所述电网动态预警模块,电网动态预警模块对状态参数与报警阈值进行比较,并将信息上传到数据服务器进行调度与存储。能够对气象数据进行检验和分析,实现对气象风险的预警功能,有效提升输电线路设备的安全运行。
附图说明
图1是本发明的实施例1提供的一种输电线路气象风险超前期预警系统整体实现的示意图;
图2是本发明的实施例1提供的一种用于输电线路气象风险超前期预警系统的方法流程示意图。
具体实施方式
下面结合一些具体实施方式,对本发明做进一步说明。
实施例1
如图1所示,一种输电线路气象风险超前期预警系统,包括气象数据采集装置、动态预警监控装置和反向物理隔离装置;所述气象数据采集装置与气象部门连接,获取实时气象数据;所述气象数据采集装置与所述反向物理隔离装置连接,通过所述反向物理隔离装置将获取的实时气象数据传送到所述动态预警监控装置;所述动态预警监控装置包括线路数据分析模块和电网动态预警模块;所述线路数据分析模块通过构造气象代价函数计算异常工况发生概率和参数异常风险,并上传到所述电网动态预警模块,所述电网动态预警模块对状态参数与报警阈值进行比较,并将信息上传到数据服务器进行调度与存储。对气象数据进行检验和分析,实现对气象风险的预警功能,有效提升输电线路设备的安全运行。
所述气象数据采集装置位于第三电力系统安全区,从位于第四电力系统安全区的气象部门获取实时气象信息,并将所述实时气象信息传送到位于第一电力系统安全区的所述动态预警监控装置上;所述气象数据采集装置包括通过IE端口Document调取所述实时气象数据,实现原始气象检测数据的采集;所述实时气象数据包括天气现象、气温、气压、风速、风向、降水量、湿度的气象要素实测值、预报值和历史资料以及高层的高度场、风速场、湿度场、涡度场、气流场的预测图和数值预报信息。所述第三电力系统安全区与所述第四电力系统安全区和所述第一电力系统安全区之间设置所述反向物理隔离装置。保证公网与Ⅲ区、Ⅳ区与Ⅰ区之间的安全防护。
对于线路数据分析模块,考虑输电线路参数与实际值存在随机偏离,采用修正型转置正态修正函数,所述气象代价函数通过调节形状因子修正代价函数,从而更好地刻画代价函数,所述气象代价函数L为:
其中αi为相应气象风险等级;y为状态参数值;Δ为能够造成最大代价的参数值到参数目标值的距离;γ为形状因子;T为状态目标参数值;所述气象代价函数的变化范围0≤L≤1;当参数处于目标值时,损失值为0,参数偏离目标值越远,代价值越大。
采用剩余时间理论对所述异常工况发生概率进行计算,通过计算状态参数到达报警阈值所需要的时间,对装置的安全性进行量化;剩余时间越多,则能够对异常状态采取的措施越充分,装置的安全性越高;反之,剩余时间越少,则更难以对异常状态采取完善措施,异常工况的发生概率就会越高;剩余时间t为:
其中,ylim为状态参数阈值;ΔV为状态参数的瞬时变化率,该参数可用最小二乘法对数据曲线进行拟合,并对拟合多项式进行一阶微分计算求得,最小二乘法计算步骤如下:
拟合多项式如下:
f(x)=anxn+an-1xn-1+…+a1x+a0 (3)
其中,x为所述状态参数对应的时间;a0…an为各数据系数;
将k对数据(xi,yi)代入式(3)中,可得到如下方程组:
将式(4)转化为矩阵形式,求得矩阵唯一一组最优近似解,使得在各个点的偏差δ平方和最小,从而得到最小二乘拟合多项式;对得到的最小二乘多项式进行微分计算,得到ΔV;
异常工况发生的概率密度函数f(t)如下:
其中,t为剩余时间;e为自然常数;λ为状态参数变化过程中允许剩余时间倒数,其表达式如下:
其中,ΔVt为参数最大允许变化率,取正常工况下参数变化速率最大值,即max(ΔV),对一个确定的状态参数而言,ΔVt是一个定值;根据式(2)、式(5)、式(6),所述异常工况发生概率P如下:
所述异常工况产生的风险包括固有风险和趋势风险,固有风险是所述状态参数偏离过程中已产生的风险,其后果严重程度为损失函数的值,即后果严重程度为L,异常工况发生概率P=1,故根据风险计算公式,固有风险R1为:
趋势风险用来表达由于参数仍具有向异常情况偏离的趋势所带来的风险,因损失函数的最大值为1,故异常状况的最大后果值为1,则参数偏离的最大后果严重程度为I=1-L,根据式(7)可以得到异常状况的发生概率P,故根据风险计算公式,参数的趋势风险R2为:
根据参数所述固有风险和所述趋势风险的计算公式,可以得到发生所述异常工况R的风险:
R=R1+R2 (10)
如图2所示,一种用于所述输电线路气象风险超前期预警系统的方法,包括步骤:
S1、采集一个工作时段(约8h)内的状态参数值共5000组,存为数值矩阵B1×5000,该组数据的平均值记为M,参数的报警阈值为ylim,连锁报警阈值为Q;
S2、将Q作为造成最大代价的状态参数值,则根据式(1),令T=M,Δ=Q-M,公式变形如下:
S3、设置风险阈值:根据ALARP原则和帕累托分布的分级策略,将风险不可接受值到最大风险值之间的区域认定为不可接受的高风险区域,占风险范围的20%;因此,将风险不可接受值设置为风险报警阈值,得到风险阈值S为0.80;
S4、当状态参数y达到连锁报警阈值Q,即y=Q时,代价函数达到最大值,即L=1;当y与目标值M相同,即y=M时,处在最稳定状态,代价值为0,故L=0;已知发生异常状况的风险参数包括固有风险R1和趋势风险R2,当y达到报警阈值ylim,且趋势风险R2=0时,为防止漏报,风险值应大于风险阈值,即R1>0.8;当y未达到报警阈值ylim,且趋势风险R2=0时,为防止误报,风险值应小于等于风险阈值,即R1≤0.8;从而,当y=ylim时,R1=0.8,根据式(8),R1=L,此时代价函数L=0.8;
S5、计算参数所能引起的最大变化值:用最小二乘法对数据集B1×5000进行拟合,对拟合曲线进行一阶微分计算,得到参数历史数据ΔVj;得到最大允许变化速率ΔVt=max(ΔVj);
S6、实时记录状态参数值y,将y代入式(11),得到参数的代价值为L,则根据式(8),可以得到固有风险值R1=L×P,其中P=1;
S8、根据式(10),计算装置的实时风险值R=R1+R2,因为状态参数变化趋势具有双向性,仅当状态参数变化方向与偏离目标值方向相同,即ΔVi与(y-M)同号时,才将趋势风险R2纳入整体风险计算;
S9、在完成气象风险计算和动态预警之后,将数据通过可视化系统交换机上传到数据服务器进行指令调度及数据存储。
对气象数据进行检验和分析,实现对气象风险的预警功能,有效提升输电线路设备的安全运行。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种输电线路气象风险超前期预警系统,其特征在于,包括气象数据采集装置、动态预警监控装置和反向物理隔离装置;所述气象数据采集装置与气象部门连接,获取实时气象数据;所述气象数据采集装置与所述反向物理隔离装置连接,通过所述反向物理隔离装置将获取的实时气象数据传送到所述动态预警监控装置;所述动态预警监控装置包括线路数据分析模块和电网动态预警模块;所述线路数据分析模块通过构造气象代价函数计算异常工况发生概率和参数异常风险,并上传到所述电网动态预警模块,所述电网动态预警模块对状态参数与报警阈值进行比较,并将信息上传到数据服务器进行调度与存储。
2.如权利要求1所述的一种输电线路气象风险超前期预警系统,其特征在于,所述气象数据采集装置位于第三电力系统安全区,从位于第四电力系统安全区的气象部门获取实时气象信息,并将所述实时气象信息传送到位于第一电力系统安全区的所述动态预警监控装置上;所述气象数据采集装置包括通过IE端口调取所述实时气象数据;所述实时气象数据包括天气现象、气温、气压、风速、风向、降水量、湿度的气象要素实测值、预报值和历史资料以及高层的高度场、风速场、湿度场、涡度场、气流场的预测图和数值预报信息。
3.如权利要求2所述的一种输电线路气象风险超前期预警系统,其特征在于,所述第三电力系统安全区与所述第四电力系统安全区和所述第一电力系统安全区之间设置所述反向物理隔离装置。
5.如权利要求1所述的一种输电线路气象风险超前期预警系统,其特征在于,采用剩余时间理论对所述异常工况发生概率进行计算,通过计算状态参数到达报警阈值所需要的时间,对装置的安全性进行量化;剩余时间t为:
其中,ylim为状态参数阈值;ΔV为状态参数的瞬时变化率,该参数可用最小二乘法对数据曲线进行拟合,并对拟合多项式进行一阶微分计算求得,最小二乘法计算步骤如下:
拟合多项式如下:
f(x)=anxn+an-1xn-1+…+a1x+a0 (3)
其中,x为所述状态参数对应的时间;a0…an为各数据系数;
将k对数据(xi,yi)代入式(3)中,可得到如下方程组:
将式(4)转化为矩阵形式,求得矩阵唯一一组最优近似解,使得在各个点的偏差δ平方和最小,从而得到最小二乘拟合多项式;对得到的最小二乘多项式进行微分计算,得到ΔV;
异常工况发生的概率密度函数f(t)如下:
其中,t为剩余时间;e为自然常数;λ为状态参数变化过程中允许剩余时间倒数,其表达式如下:
其中,ΔVt为参数最大允许变化率,取正常工况下参数变化速率最大值,即max(ΔV),对一个确定的状态参数而言,ΔVt是一个定值;根据式(2)、式(5)、式(6),所述异常工况发生概率P如下:
6.如权利要求5所述的一种输电线路气象风险超前期预警系统,其特征在于,所述异常工况产生的风险包括固有风险和趋势风险,固有风险是所述状态参数偏离过程中已产生的风险,其后果严重程度为损失函数的值,即后果严重程度为L,异常工况发生概率P=1,故根据风险计算公式,固有风险R1为:
趋势风险用来表达由于参数仍具有向异常情况偏离的趋势所带来的风险,因损失函数的最大值为1,故异常状况的最大后果值为1,则参数偏离的最大后果严重程度为I=1-L,根据式(7)可以得到异常状况的发生概率P,故根据风险计算公式,参数的趋势风险R2为:
根据参数所述固有风险和所述趋势风险的计算公式,可以得到发生所述异常工况R的风险:
R=R1+R2 (10)
7.一种用于如权利要求1-6任意一项所述的输电线路气象风险超前期预警系统的方法,其特征在于,包括步骤:
采集一个工作时段内的状态参数值共5000组,存为数值矩阵B1×5000,该组数据的平均值记为M,参数的报警阈值为ylim,连锁报警阈值为Q;
将Q作为造成最大代价的状态参数值,则根据式(1),令T=M,Δ=Q-M,公式变形如下:
设置风险阈值:根据ALARP原则和帕累托分布的分级策略,将风险不可接受值到最大风险值之间的区域认定为不可接受的高风险区域,占风险范围的20%;因此,将风险不可接受值设置为风险报警阈值,得到风险阈值S为0.80;
当状态参数y达到连锁报警阈值Q,即y=Q时,代价函数达到最大值,即L=1;当y与目标值M相同,即y=M时,处在最稳定状态,代价值为0,故L=0;已知发生异常状况的风险参数包括固有风险R1和趋势风险R2,当y达到报警阈值ylim,且趋势风险R2=0时,为防止漏报,风险值应大于风险阈值,即R1>0.8;当y未达到报警阈值ylim,且趋势风险R2=0时,为防止误报,风险值应小于等于风险阈值,即R1≤0.8;从而,当y=ylim时,R1=0.8,根据式(8),R1=L,此时代价函数L=0.8;
计算参数所能引起的最大变化值:用最小二乘法对数据集B1×5000进行拟合,对拟合曲线进行一阶微分计算,得到参数历史数据ΔVj;得到最大允许变化速率ΔVt=max(ΔVj);
实时记录状态参数值y,将y代入式(11),得到参数的代价值为L,则根据式(8),可以得到固有风险值R1=L×P,其中P=1;
根据式(10),计算装置的实时风险值R=R1+R2,因为状态参数变化趋势具有双向性,仅当状态参数变化方向与偏离目标值方向相同,即ΔVi与(y-M)同号时,才将趋势风险R2纳入整体风险计算;
在完成气象风险计算和动态预警之后,将数据通过可视化系统交换机上传到数据服务器进行指令调度及数据存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111276269.9A CN114002759A (zh) | 2021-10-29 | 2021-10-29 | 一种输电线路气象风险超前期预警系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111276269.9A CN114002759A (zh) | 2021-10-29 | 2021-10-29 | 一种输电线路气象风险超前期预警系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114002759A true CN114002759A (zh) | 2022-02-01 |
Family
ID=79925576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111276269.9A Pending CN114002759A (zh) | 2021-10-29 | 2021-10-29 | 一种输电线路气象风险超前期预警系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114002759A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116153019A (zh) * | 2023-02-13 | 2023-05-23 | 深圳崎点数据有限公司 | 一种基于云计算的电网灾害预警系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204089886U (zh) * | 2014-09-24 | 2015-01-07 | 国网山东省电力公司泰安供电公司 | 基于气象信息的电网动态监控预警系统 |
-
2021
- 2021-10-29 CN CN202111276269.9A patent/CN114002759A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204089886U (zh) * | 2014-09-24 | 2015-01-07 | 国网山东省电力公司泰安供电公司 | 基于气象信息的电网动态监控预警系统 |
Non-Patent Citations (2)
Title |
---|
李治森: "基于气象信息的电网监控预警系统研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 02, 15 February 2019 (2019-02-15), pages 042 - 810 * |
胡瑾秋;张立强;张来斌: "石油化工装置长周期运行风险超早期精确预警方法", 石油学报(石油加工), vol. 35, no. 03, 31 May 2019 (2019-05-31), pages 527 - 533 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116153019A (zh) * | 2023-02-13 | 2023-05-23 | 深圳崎点数据有限公司 | 一种基于云计算的电网灾害预警系统 |
CN116153019B (zh) * | 2023-02-13 | 2023-08-22 | 深圳崎点数据有限公司 | 一种基于云计算的电网灾害预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN111555716B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN108627720B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
CN110210701A (zh) | 一种电网设备风险感知方法 | |
CN103248051B (zh) | 一种评估风电场功率波动影响电网运行安全风险的方法 | |
CN103440400A (zh) | 考虑灾害因素的电力系统短期风险判定方法 | |
CN103679296A (zh) | 基于态势感知的电网安全风险评估方法和模型 | |
de Andrade Vieira et al. | Failure risk indicators for a maintenance model based on observable life of industrial components with an application to wind turbines | |
CN102663522B (zh) | 电网在线风险评估方法 | |
EP2537222A2 (en) | Energy generating system and control thereof | |
CN112365100A (zh) | 基于灾害风险综合评估的电网灾害预警及应对方法 | |
CN111612315A (zh) | 一种新型电网灾害性大风预警方法 | |
CN103246939A (zh) | 基于安全稳定裕度的电网运行安全风险事件在线辨识方法 | |
CN102967798B (zh) | 一种电力设备的故障报警方法及系统 | |
CN111126672A (zh) | 一种基于分类决策树的高压架空输电线路台风灾害预测方法 | |
Sun et al. | An ensemble system to predict the spatiotemporal distribution of energy security weaknesses in transmission networks | |
CN116914940A (zh) | 一种基于建筑工程的光伏变电站的高低压控制监测系统 | |
US11086278B2 (en) | Adaptive system monitoring using incremental regression model development | |
CN114002759A (zh) | 一种输电线路气象风险超前期预警系统和方法 | |
CN104574211A (zh) | 基于风险源的电网调度操作风险预警方法和系统 | |
CN114936450A (zh) | 面向风电送出线路动态增容的数字孪生评估方法和系统 | |
CN111581802B (zh) | 一种配电设备实时综合故障率计算方法和系统 | |
CN110458317A (zh) | 一种输电线路覆冰灾害发展趋势预测的方法及系统 | |
CN117477558A (zh) | 一种基于电网负荷的预测方法及其系统 | |
CN110908985A (zh) | 一种气象环境自动监测站异常数据智能筛选方法和系统 |
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 |