CN114897331A - 一种基于三参数区间灰数决策的电力变压器风险评估方法 - Google Patents

一种基于三参数区间灰数决策的电力变压器风险评估方法 Download PDF

Info

Publication number
CN114897331A
CN114897331A CN202210461935.4A CN202210461935A CN114897331A CN 114897331 A CN114897331 A CN 114897331A CN 202210461935 A CN202210461935 A CN 202210461935A CN 114897331 A CN114897331 A CN 114897331A
Authority
CN
China
Prior art keywords
risk
transformer
formula
equipment
loss
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
CN202210461935.4A
Other languages
English (en)
Inventor
许逵
肖宁
刘君
陈沛龙
曾鹏
禹洪波
熊炜
袁旭峰
邹晓松
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid 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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202210461935.4A priority Critical patent/CN114897331A/zh
Publication of CN114897331A publication Critical patent/CN114897331A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • 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
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Power Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于三参数区间灰数决策的电力变压器风险评估方法，它包括：确定变压器的风险指标及其等级划分并构建评估指标模型；确定各指标对应风险等级范围并计算对应正态云模型参数；计算变压器设备故障概率；依据变压器的电压等级及容量确定设备重要度；考虑风和负荷不确定性对变压器故障引起电网负荷损失的影响，利用基于三点估计的概率潮流模型计算损失程度；结合设备风险值公式得到风险值各阶原点矩，通过Cornish‑Fisher级数拟合得到设备风险值的概率分布；计算三参数区间灰数距离并决策判断设备最终的风险等级；实现了充分利用设备风险值区间数来判定风险，具备较高的有效性和准确性。

Description

一种基于三参数区间灰数决策的电力变压器风险评估方法
技术领域
本发明属于电气设备风险评估技术领域，尤其涉及一种基于三参数区间灰数决策的电力变压器风险评估方法。
背景技术
高比例新能源接入下电网的强不确定性、波动性会导致电力设备承受更加极端、变化剧烈的运行条件，对电力设备的安全、可靠运行提出了更高的要求。而电力变压器作为电网关键设备之一，如何准确有效的评估其风险等级，不仅为设备检修策略选择提供依据，还对维护系统稳定运行具有重要意义。
目前，国内外对电力变压器的风险评估方法研究主要集中在以设备故障概率为主要指标的确定性决策方法上。以上方法在评估过程中，忽略了设备故障导致的电网运行损失对其风险等级的影响，采用主观性较强的确定性决策方法来评估电力变压器风险等级，而电网运行损失又受分布式电源出力和负荷不确定性的影响。因此，为准确表征电力变压器风险受不确定性指标的影响，需进一步研究在设备故障概率的基础上，如何计及设备故障导致电网运行损失程度影响，有效合理计算电力变压器风险概率分布和等级评估。
发明内容
本发明要解决的技术问题是：提供一种基于三参数区间灰数决策的电力变压器风险评估方法，以解决现有技术存在的电力变压器风险评估中损失程度指标受不确定性因素影响难以精准量化导致其风险判定存在偏差及采用主观性较强的确定性决策方法来评估电力变压器风险等级的问题。
本发明的技术方案是：
一种基于三参数区间灰数决策的电力变压器风险评估方法，它包括：
步骤S1：确定变压器的风险指标及等级划分，并构建评估指标模型；
步骤S2：确定各指标对应风险等级范围并计算对应正态云模型参数；
步骤S3：基于变压器的状态评估结果计算设备故障概率；
步骤S4：依据变压器的电压等级及容量确定设备重要度；
步骤S5：在考虑风和负荷不确定性对变压器故障引起电网负荷损失的影响下，利用基于三点估计的概率潮流模型计算损失程度；
步骤S6：基于设备风险值公式得到风险值并确定其各阶原点矩，再通过Cornish-Fisher级数拟合得到设备风险值的概率分布；
步骤S7：计算三参数区间灰数距离并决策判断设备最终的风险等级。评估指标模型包括指标确定、指标量化和指标度量，指标确定即选择设备故障概率P、设备重要度A和损失程度Loss作为风险指标；指标量化即基于电力变压器的状态评估结果计算设备故障概率；指标度量即通过把风险转换为三参数区间灰数
Figure BDA0003620673060000021
以及各风险等级范围对应正态云模型转换为三参数区间灰数
Figure BDA0003620673060000022
度量
Figure BDA0003620673060000023
与
Figure BDA0003620673060000024
的距离d(A,B)来判定设备最终的风险等级。
所述步骤S3中，包括以下步骤：
步骤S31：采集电力变压器各试验数据；
步骤S32：确定变压器状态评估结果：
步骤S33：将变压器状态评估向量信息转化为相应的健康指数值，采用式(1)计算：
HI＝Dm(Z1)×0+Dm(Z2)×25+Dm(Z3)×5+Dm(Z4)×75+Dm(Z5)×100 (1)
式中：Dm为变压器状态评估向量；Dm(Zn)为评估向量支持每个等级的贴近度；
步骤S34：将设备健康指数转化为设备故障概率公式如式(2)所示：
P＝KeHI*C (2)
式中：P为变压器故障概率；K为比例系数；C为曲率系数；HI为变压器量化的健康指数；K和C通过式(3)反演确定，K＝0.0112，C＝0.0451；
Figure BDA0003620673060000031
式中：L为变压器总台数,i＝1,2,...,10；；l为故障变压器台数；Li为第i类变压器的台数。
所述步骤S5中，包括以下步骤：
步骤S51：输入随机变量的概率密度函数、累积分布函数及相关系数；
步骤S52：通过Nataf变换与Cholesky分解消除随机变量的相关性：
设输入n个相关性的非正态随机变量为X＝[x1,x2,…,xn]，对应的相关系数矩阵CX可表示如下：
Figure BDA0003620673060000032
其中，相关系数
Figure BDA0003620673060000033
可按下式计算得到：
Figure BDA0003620673060000041
式中：cov(xi,xj)为变量xi和xj的协方差；
Figure BDA0003620673060000042
和
Figure BDA0003620673060000043
分别表示变量xi和xj的标准差；
设独立的标准正态随机变量为Y＝[y1,y2,…,yn]，其相关系数矩阵和对应元素分别用CY和
Figure BDA0003620673060000044
表示；则变量X和Y之间的转换关系式为：
yi＝Φ-1(Fi(xi)) (6)
式中：Φ-1(·)和F(·)分别表示X的逆累积分布函数和累积分布函数；
Figure BDA0003620673060000045
与
Figure BDA0003620673060000046
满足下式：
Figure BDA0003620673060000047
CY是正定矩阵，进行Cholesky分解得到CY＝GGT，即得到下三角矩阵G；再通过Z＝G- 1Y得到独立的随机变量；
步骤S53：确定随机变量的各采样点的值及位置系数和权重系数：
设随机变量xi(i＝1,2,…,n)的期望和标准差分别用
Figure BDA0003620673060000048
和
Figure BDA0003620673060000049
表示，并选择xi的期望
Figure BDA00036206730600000410
及期望左右领域内各一点共三个采样点来表示，记作xi,k(k＝1,2,3)，表达式如式(8)所示：
Figure BDA00036206730600000411
式中：
Figure BDA00036206730600000412
表示第i个随机变量xi的第k个采样点的位置系数；其中位置系数
Figure BDA00036206730600000413
和权重系数
Figure BDA00036206730600000414
可表示为：
Figure BDA0003620673060000051
式中：
Figure BDA0003620673060000052
为xi的偏度系数，
Figure BDA0003620673060000053
为xi的峰度系数，
Figure BDA0003620673060000054
Figure BDA0003620673060000055
步骤S54：从设备故障引起电网切负荷的角度分析量化损失程度，基于三点估计法的概率潮流结合直流切负荷模型计算系统切负荷量，直流切负荷模型具体公式如下：
PLoss＝min∑i∈NDCi (10)
功率平衡约束：
∑i∈NGPGi+∑i∈NDCi＝∑i∈NDPDi (11)
机组运行约束：
Figure BDA0003620673060000056
切负荷约束：
0≤Ci≤PDi(i∈ND) (13)
线路传输功率约束：
|Tk(S)|≤Tmax(k∈L) (14)
T(S)＝A(S)(PG-PD+C) (15)
式中：ND、NG、L分别表示负荷结点数、发电机节点数和支路数；Ci为各节点切负荷量；PLoss为系统切负荷量；A(S)表示有功功率与注入功率的关系矩阵；PG和PD分别表示发电机有功功率和负荷有功功率；T(S)表示变压器停运后的有功传输矩阵。
步骤S55：当切负荷量PLoss确定后，则变压器故障导致的损失程度为：
Loss＝θ×PLoss (16)
式中：θ为单位负荷风险值。
所述步骤S6中，包括以下步骤：
步骤S61：计算设备风险值，如式(17)所示：
R＝p×A×Loss (17)
式中：P为设备故障概率、A为设备重要度、Loss为损失程度，R为设备风险值；
步骤S62：设备风险值R确定后，则输出变量R的l阶原点矩用式(18)确定：
Figure BDA0003620673060000061
式中：E(Rl)为输出变量R的l阶原点矩；
Figure BDA0003620673060000062
为第i个随机变量xi的第k个采样点的权重系数。
步骤S63：由Cornish-Fisher级数展开求得风险的概率密度函数PDF与累积分布函数CDF，如下所示：
Figure BDA0003620673060000063
式中：z(α)为输出函数的概率密度；ξ(α)表示分位数α的逆累计分布函数，ξ(α)＝φ-1(α)。由z(α)＝F-1(α)，即可得到z的累积分布F(z)；β表示规格化半不变量。
步骤S64：将风险概率以区间数表示，即R用三个采样点对应的区间来表示：
Figure BDA0003620673060000064
所述步骤S7中，包括以下步骤：
步骤S71：取风险的概率密度函数上三个采样点对应的区间作为三参数区间灰数
Figure BDA0003620673060000071
则
Figure BDA0003620673060000072
步骤S72：把各风险等级范围对应的正态云模型转换为三参数区间灰数
Figure BDA0003620673060000073
参考
Figure BDA0003620673060000074
的表示方式，则
Figure BDA0003620673060000075
步骤S73：计算三参数区间灰数
Figure BDA0003620673060000076
与
Figure BDA0003620673060000077
的距离d(A,B}，如式(20)所示，并决策判断设备最终的风险等级；
假定
Figure BDA0003620673060000078
和
Figure BDA0003620673060000079
为两个三参数区间灰数，则三参数区间灰数
Figure BDA00036206730600000710
和
Figure BDA00036206730600000711
的距离为：
Figure BDA00036206730600000712
式中：γ表示决策者的风险偏好程度，γ∈[0,1]；
γ＝0.5。
本发明的有益效果：
本发明方法应用于电力变压器风险评估技术领域，实现了充分利用设备风险值区间数来判定风险，具备有效性和准确性，为电网设备风险量化等级评估提供一种新的判断思路；解决了现有技术存在的电力变压器风险评估中损失程度指标受不确定性因素影响难以精准量化导致其风险判定存在偏差及采用确定性的风险量化评估方法来评估电力变压器风险等级等问题。
附图说明
图1是本发明流程示意图；
图2是本发明实施例中变压器风险评估指标模型示意图；
图3为本发明实施例中系统结构示意图。
具体实施方式：
下面结合附图及实例对本发明做进一步说明。
参照图1，一种基于三参数区间灰数决策的电力变压器风险评估方法，包括以下步骤：
步骤S1：确定变压器的风险指标及其等级划分，并构建评估指标模型，具体步骤如下:
本发明中所述电力变压器风险评估指标模型如图2所示，包括指标确定、指标量化、指标度量，其中指标确定即选择设备故障概率P、设备重要度A、损失程度Loss作为本发明方法的风险指标；指标量化即基于电力变压器的状态评估结果计算设备故障概率，基于变压器的电压等级及其容量由表1确定设备重要度，基于三点估计概率潮流模型计算损失程度；指标度量即通过把风险转换为三参数区间灰数
Figure BDA0003620673060000081
以及各风险等级范围对应正态云模型转换为三参数区间灰数
Figure BDA0003620673060000082
度量
Figure BDA0003620673060000083
与
Figure BDA0003620673060000084
的距离d(A,B)来判定设备最终的风险等级；变压器风险等级划分为较低风险H1、一般风险H2、中等风险H3、较大风险H4、重大风险H5五个等级,各风险等级对应检修策略如表1所示。
步骤S2：确定各指标对应风险等级范围并计算其对应正态云模型参数，如表1所示。
表1变压器各风险等级正态云模型参数及对应检修策略
Figure BDA0003620673060000085
步骤S3：基于电力变压器的状态评估结果计算设备故障概率，具体步骤如下:
步骤S31：采集电力变压器各试验数据；
步骤S32：确定变压器状态评估结果；
步骤S33：将变压器状态评估向量信息转化为相应的健康指数值，为使变压器健康指数量化范围在[0,100]区间内，采用式(1)计算：
HI＝Dm(Z1)×0+Dm(Z2)×25+Dm(Z3)×5+Dm(Z4)×75+Dm(Z5)×100 (1)
式中：Dm为变压器状态评估向量；Dm(Zn)为评估向量支持每个等级的贴近度。
步骤S34：将设备健康指数转化为设备故障概率，具体公式如式(2)所示：
P＝KeHI*C (2)
式中：P为变压器故障概率；K为比例系数；C为曲率系数；HI为变压器量化的健康指数。K和C可通过式(3)反演确定，则K＝0.0112，C＝0.0451。
Figure BDA0003620673060000091
式中：L为变压器总台数,i＝1,2,...,10；；l为故障变压器台数；Li为第i类变压器的台数。
步骤S4：依据变压器的电压等级及其容量确定设备重要度，具体步骤如下：
步骤S41：确定变压器电压等级及其容量；
步骤S42：取值范围为1～10来量化表示设备重要度，如表2所示：
表2 220kV变压器设备重要度参考取值
Figure BDA0003620673060000092
步骤S5：在考虑风和负荷不确定性对变压器故障引起电网负荷损失的影响下，利用基于三点估计的概率潮流模型计算损失程度，具体步骤如下：
步骤S51：输入随机变量的概率密度函数、累积分布函数及其相关系数；
步骤S52：通过Nataf变换与Cholesky分解消除随机变量的相关性：
设输入n个相关性的非正态随机变量为X＝[x1,x2,…,xn]，对应的相关系数矩阵CX可表示如下：
Figure BDA0003620673060000101
其中，相关系数
Figure BDA0003620673060000102
可按下式计算得到：
Figure BDA0003620673060000103
式中：cov(xi,xj)为变量xi和xj的协方差；
Figure BDA0003620673060000104
和
Figure BDA0003620673060000105
分别表示变量xi和xj的标准差。
设独立的标准正态随机变量为Y＝[y1,y2,…,yn]，其相关系数矩阵和对应元素分别用CY和
Figure BDA0003620673060000106
表示。则变量X和Y之间的转换关系式为：
yi＝Φ-1(Fi(xi)) (6)
式中：Φ-1(·)和F(·)分别表示X的逆累积分布函数和累积分布函数。
Figure BDA0003620673060000107
与
Figure BDA0003620673060000108
满足下式：
Figure BDA0003620673060000109
因上述公式计算过于复杂，风电间的相关系数常用经验公式来计算。
求得的CY是正定矩阵，对其进行Cholesky分解得到CY＝GGT，即可得下三角矩阵G；再通过Z＝G-1Y得到独立的随机变量。
步骤S53：确定随机变量的各采样点的值及位置系数和权重系数：
设随机变量xi(i＝1,2,…,n)的期望和标准差分别用
Figure BDA0003620673060000111
和
Figure BDA0003620673060000112
表示，并选择xi的期望
Figure BDA0003620673060000113
及期望左右领域内各一点共三个采样点来表示，记作xi,k(k＝1,2,3)，其表达式如式(8)所示：
Figure BDA0003620673060000114
式中：
Figure BDA0003620673060000115
表示第i个随机变量xi的第k个采样点的位置系数。其中位置系数
Figure BDA0003620673060000116
和权重系数
Figure BDA0003620673060000117
可表示为：
Figure BDA0003620673060000118
式中：
Figure BDA0003620673060000119
为xi的偏度系数，当
Figure BDA00036206730600001110
越大时xi的分布与标准正太分布偏离的很大；
Figure BDA00036206730600001111
为xi的峰度系数，当
Figure BDA00036206730600001112
越小时xi的取值更集中在期望值附近，当
Figure BDA00036206730600001113
时xi的分布与标准正态分布的陡峭程度一致。由式(9)可得，
Figure BDA00036206730600001114
步骤S54：从设备故障引起电网切负荷的角度分析量化其损失程度，基于三点估计法的概率潮流结合直流切负荷模型计算系统切负荷量，直流切负荷模型具体公式如下：
PLoss＝min∑i∈NDCi (10)
功率平衡约束：
∑i∈NGPGi+∑i∈NDCi＝∑i∈NDPDi (11)
机组运行约束：
Figure BDA0003620673060000121
切负荷约束：
0≤Ci≤PDi(i∈ND) (13)
线路传输功率约束：
|Tk(S)|≤Tmax(k∈L) (14)
T(S)＝A(S)(PG-PD+C) (15)
式中：ND、NG、L分别表示负荷结点数、发电机节点数和支路数；Ci为各节点切负荷量；PLoss为系统切负荷量；A(S)表示有功功率与注入功率的关系矩阵；PG和PD分别表示发电机有功功率和负荷有功功率；T(S)表示变压器停运后的有功传输矩阵。
步骤S55：当切负荷量PLoss确定后，则变压器故障导致的损失程度为：
Loss＝θ×PLoss (16)
式中：θ为单位负荷风险值，θ＝某年中国GDP/对应年份用电量，本发明取2020年中国GDP为1015986.2亿元，用电量为75110亿千瓦时，则θ＝1.3527万元/（MW·h)。
步骤S6：基于设备风险值公式得到风险值并确定其各阶原点矩，再通过Cornish-Fisher级数拟合得到设备风险值的概率分布，具体步骤如下：
步骤S61：计算设备风险值，如式(17)所示：
R＝P×A×Loss (17)
式中：P为设备故障概率、A为设备重要度、Loss为损失程度，R为设备风险值。
步骤S62：设备风险值R确定后，则输出变量R的l阶原点矩可用式(18)确定：
Figure BDA0003620673060000131
式中：E(Rl)为输出变量R的l阶原点矩；
Figure BDA0003620673060000132
为第i个随机变量xi的第k个采样点的权重系数。
步骤S63：由Cornish-Fisher级数展开求得风险的概率密度函数(probabilitydensity function，PDF)与累积分布函数(cumulative distribution function，CDF)，如下所示：
Figure BDA0003620673060000133
式中：z(α)为输出函数的概率密度；ξ(α)表示分位数α的逆累计分布函数，ξ(α)＝φ-1(α)。由z(α)＝F-1(α)，即可得到z的累积分布F(z)；β表示规格化半不变量。
步骤S64：为了充分考虑不确定性对风险判定的影响，将风险概率以区间数表示，即R用三个采样点对应的区间来表示：
Figure BDA0003620673060000134
Figure BDA0003620673060000135
步骤S7：计算三参数区间灰数距离并决策判断设备最终的风险等级，具体步骤如下：
步骤S71：取式(19)得到的PDF上三个采样点对应的区间作为三参数区间灰数
Figure BDA0003620673060000136
则
Figure BDA0003620673060000137
步骤S72：把各风险等级范围对应的正态云模型转换为三参数区间灰数
Figure BDA0003620673060000138
参考
Figure BDA0003620673060000139
的表示方式，则
Figure BDA00036206730600001310
步骤S73：计算三参数区间灰数
Figure BDA0003620673060000141
与
Figure BDA0003620673060000142
的距离d(A,B)，如式(20)所示，并决策判断设备最终的风险等级。
假定
Figure BDA0003620673060000143
和
Figure BDA0003620673060000144
为两个三参数区间灰数，则三参数区间灰数
Figure BDA0003620673060000145
和
Figure BDA0003620673060000146
的距离为：
Figure BDA0003620673060000147
式中：γ表示决策者的风险偏好程度，γ∈[0,1]；当γ＞0.5时，表示决策者属于风险厌恶型(倾向于用左端点来度量灰数间的距离)；当γ＜0.5时，表示决策者属于风险追逐型(倾向于用右端点来度量灰数间的距离)；当γ＝0.5时，表示决策者属于风险中立型(倾向于综合考虑两侧端点来度量灰数间的距离)。为了全面考虑不确定性导致风险值波动影响其风险判定，本发明取γ＝0.5。
实例分析
1.以某地区实际电力系统为例，各节点负荷参数如表3所示，系统总负荷为1188MW；变压器状态评估结果如表4所示。系统各节点负荷功率因数为0.75，负荷间的相关系数为0.8；在系统节点11和13处分别接入装机容量为100MW和80MW的两个风电机组，其相关系数为0.7，系统结构图如图3示。
表3各节点对应负荷参数
Figure BDA0003620673060000148
表4变压器状态评估结果
Figure BDA0003620673060000149
Figure BDA0003620673060000151
2.假定该变压器安装在T1处，如图3虚线部分所示，当T1故障退出运行，通过本发明步骤S1～S7，计算得到变压器风险值的三参数区间灰数为：
Figure BDA0003620673060000152
则各风险等级范围的正态云模型对应的三参数区间灰数
Figure BDA0003620673060000153
如表5所示：
表5各等级正态云模型对应的三参数区间灰数
Figure BDA0003620673060000154
Figure BDA0003620673060000155
3.通过步骤S7中的方法，利用三参数区间灰数决策判断的结果如表6所示：
表6三参数区间灰数决策结果
Figure BDA0003620673060000156
4.第一组试验中变压器实际风险情况是系统受影响较重，财产损失高，即为中等风险；第二组试验中变压器实际风险状况是系统受影响严重，财产损失较大，即为较大风险。本发明方法在两次评估中得到的结果都比较符合变压器实际风险状况，验证了本发明所提一种基于三参数区间灰数决策的电力变压器风险评估方法的有效性和准确性。
5.为了进一步验证本发明方法(用③表示)的有效性和准确性，分别与确定性的风险评估方法(即不计及不确定性对电网运行损失影响而量化评估风险，用①表示)和计及不确定性但仅取风险概率的均值来量化评估风险(用②表示)进行对比分析，不同方法评估结果如表7所示。
表7不同方法评估结果对比
Figure BDA0003620673060000157
Figure BDA0003620673060000161
通过步骤S7中的方法可知：本发明方法在两组试验中所得结果都比较符合变压器实际风险状况，而用方法①评估时在第一组试验中高估了变压器的风险状况，造成设备检修资源浪费；当用方法②评估时，第二组试验中低估了变压器风险向较大风险转移的趋势，不利于检修顺序的安排；本发明方法综合考虑了不确定性对风险值波动影响其风险等级判定，利用其区间数来判定风险等级，弥补了方法①和方法②中的不足，所得结果更符合设备实际情况，从而验证了本发明方法的有效性和准确性。

Claims (8)

1.一种基于三参数区间灰数决策的电力变压器风险评估方法，它包括：
步骤S1：确定变压器的风险指标及等级划分，并构建评估指标模型；
步骤S2：确定各指标对应风险等级范围并计算对应正态云模型参数；
步骤S3：基于变压器的状态评估结果计算设备故障概率；
步骤S4：依据变压器的电压等级及容量确定设备重要度；
步骤S5：在考虑风和负荷不确定性对变压器故障引起电网负荷损失的影响下，利用基于三点估计的概率潮流模型计算损失程度；
步骤S6：基于设备风险值公式得到风险值并确定其各阶原点矩，再通过Cornish-Fisher级数拟合得到设备风险值的概率分布；
步骤S7：计算三参数区间灰数距离并决策判断设备最终的风险等级。
2.根据权利要求1所述的一种基于三参数区间灰数决策的电力变压器风险评估方法，其特征在于，评估指标模型包括指标确定、指标量化和指标度量，指标确定即选择设备故障概率P、设备重要度A和损失程度Loss作为风险指标；指标量化即基于电力变压器的状态评估结果计算设备故障概率；指标度量即通过把风险转换为三参数区间灰数
Figure FDA0003620673050000011
以及各风险等级范围对应正态云模型转换为三参数区间灰数
Figure FDA0003620673050000012
度量
Figure FDA0003620673050000013
与
Figure FDA0003620673050000014
的距离d(A,B)来判定设备最终的风险等级。
3.根据权利要求1所述的一种基于三参数区间灰数决策的电力变压器风险评估方法，其特征在于，所述步骤S3中，包括以下步骤：
步骤S31：采集电力变压器各试验数据；
步骤S32：确定变压器状态评估结果：
步骤S33：将变压器状态评估向量信息转化为相应的健康指数值，采用式(1)计算：
HI＝Dm(Z1)×0+Dm(Z2)×25+Dm(Z3)×5+Dm(Z4)×75+Dm(Z5)×100 (1)
式中：Dm为变压器状态评估向量；Dm(Zn)为评估向量支持每个等级的贴近度；
步骤S34：将设备健康指数转化为设备故障概率公式如式(2)所示：
P＝KeHI*C (2)
式中：P为变压器故障概率；K为比例系数；C为曲率系数；HI为变压器量化的健康指数；K和C通过式(3)反演确定，K＝0.0112，C＝0.0451；
Figure FDA0003620673050000021
式中：L为变压器总台数,i＝1,2,...,10；l为故障变压器台数；Li为第i类变压器的台数。
4.根据权利要求1所述的一种基于三参数区间灰数决策的电力变压器风险评估方法，其特征在于，所述步骤S5中，包括以下步骤：
步骤S51：输入随机变量的概率密度函数、累积分布函数及相关系数；
步骤S52：通过Nataf变换与Cholesky分解消除随机变量的相关性：
设输入n个相关性的非正态随机变量为X＝[x1,x2,…,xn]，对应的相关系数矩阵CX可表示如下：
Figure FDA0003620673050000022
其中，相关系数
Figure FDA0003620673050000023
可按下式计算得到：
Figure FDA0003620673050000031
式中：cov(xi,xj)为变量xi和xj的协方差；
Figure FDA0003620673050000032
和
Figure FDA0003620673050000033
分别表示变量xi和xj的标准差；
设独立的标准正态随机变量为Y＝[y1,y2,…,yn]，其相关系数矩阵和对应元素分别用CY和
Figure FDA0003620673050000034
表示；则变量X和Y之间的转换关系式为：
yi＝Φ-1(Fi(xi)) (6)
式中：Φ-1(·)和F(·)分别表示X的逆累积分布函数和累积分布函数；
Figure FDA0003620673050000035
与
Figure FDA0003620673050000036
满足下式：
Figure FDA0003620673050000037
CY是正定矩阵，进行Cholesky分解得到CY＝GGT，即得到下三角矩阵G；再通过Z＝G-1Y得到独立的随机变量；
步骤S53：确定随机变量的各采样点的值及位置系数和权重系数：
设随机变量xi(i＝1,2,…,n)的期望和标准差分别用
Figure FDA0003620673050000038
和
Figure FDA0003620673050000039
表示，并选择xi的期望
Figure FDA00036206730500000310
及期望左右领域内各一点共三个采样点来表示，记作xi,k(k＝1,2,3)，表达式如式(8)所示：
Figure FDA00036206730500000311
式中：
Figure FDA00036206730500000312
表示第i个随机变量xi的第k个采样点的位置系数；其中位置系数
Figure FDA00036206730500000313
和权重系数
Figure FDA00036206730500000314
可表示为：
Figure FDA0003620673050000041
式中：
Figure FDA0003620673050000042
为xi的偏度系数，
Figure FDA0003620673050000043
为xi的峰度系数，
Figure FDA0003620673050000044
Figure FDA0003620673050000045
步骤S54：从设备故障引起电网切负荷的角度分析量化损失程度，基于三点估计法的概率潮流结合直流切负荷模型计算系统切负荷量，直流切负荷模型具体公式如下：
PLoss＝min∑i∈ND Ci (10)
功率平衡约束：
∑i∈NG PGi+∑i∈ND Ci＝∑i∈ND PDi (11)
机组运行约束：
Figure FDA0003620673050000046
切负荷约束：
0≤Ci≤PDi(i∈ND) (13)
线路传输功率约束：
|Tk(S)|≤Tmax(k∈L) (14)
T(S)＝A(S)(PG-PD+C) (15)
式中：ND、NG、L分别表示负荷结点数、发电机节点数和支路数；Ci为各节点切负荷量；PLoss为系统切负荷量；A(S)表示有功功率与注入功率的关系矩阵；PG和PD分别表示发电机有功功率和负荷有功功率；T(S)表示变压器停运后的有功传输矩阵。
步骤S55：当切负荷量PLoss确定后，则变压器故障导致的损失程度为：
Loss＝θ×PLoss (16)
式中：θ为单位负荷风险值。
5.根据权利要求1所述的一种基于三参数区间灰数决策的电力变压器风险评估方法，其特征在于，所述步骤S6中，包括以下步骤：
步骤S61：计算设备风险值，如式(17)所示：
R＝P×A×Loss (17)
式中：P为设备故障概率、A为设备重要度、Loss为损失程度，R为设备风险值；
步骤S62：设备风险值R确定后，则输出变量R的l阶原点矩用式(18)确定：
Figure FDA0003620673050000051
式中：E(Rl)为输出变量R的l阶原点矩；
Figure FDA0003620673050000052
为第i个随机变量xi的第k个采样点的权重系数；
步骤S63：由Cornish-Fisher级数展开求得风险的概率密度函数PDF与累积分布函数CDF，如下所示：
Figure FDA0003620673050000053
式中：z(α)为输出函数的概率密度；ξ(α)表示分位数α的逆累计分布函数，ξ(α)＝φ-1(α)，由z(α)＝F-1(α)，即可得到z的累积分布F(z)；β表示规格化半不变量。
6.根据权利要求5所述的一种基于三参数区间灰数决策的电力变压器风险评估方法，其特征在于，
步骤S64：将风险概率以区间数表示，即R用三个采样点对应的区间来表示：
Figure FDA0003620673050000061
7.根据权利要求1所述的一种基于三参数区间灰数决策的电力变压器风险评估方法，其特征在于，所述步骤S7中，包括以下步骤：
步骤S71：取风险的概率密度函数上三个采样点对应的区间作为三参数区间灰数
Figure FDA0003620673050000062
则
Figure FDA0003620673050000063
步骤S72：把各风险等级范围对应的正态云模型转换为三参数区间灰数
Figure FDA0003620673050000064
参考
Figure FDA0003620673050000065
的表示方式，则
Figure FDA0003620673050000066
步骤S73：计算三参数区间灰数
Figure FDA0003620673050000067
与
Figure FDA0003620673050000068
的距离d(A,B)，如式(20)所示，并决策判断设备最终的风险等级；
假定
Figure FDA0003620673050000069
和
Figure FDA00036206730500000610
为两个三参数区间灰数，则三参数区间灰数
Figure FDA00036206730500000611
和
Figure FDA00036206730500000612
的距离为：
Figure FDA00036206730500000613
式中：γ表示决策者的风险偏好程度，γ∈[0,1]。
8.根据权利要求5所述的一种基于三参数区间灰数决策的电力变压器风险评估方法，其特征在于：γ＝0.5。
CN202210461935.4A 2022-04-28 2022-04-28 一种基于三参数区间灰数决策的电力变压器风险评估方法 Pending CN114897331A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210461935.4A CN114897331A (zh) 2022-04-28 2022-04-28 一种基于三参数区间灰数决策的电力变压器风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210461935.4A CN114897331A (zh) 2022-04-28 2022-04-28 一种基于三参数区间灰数决策的电力变压器风险评估方法

Publications (1)

Publication Number Publication Date
CN114897331A true CN114897331A (zh) 2022-08-12

Family

ID=82719175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210461935.4A Pending CN114897331A (zh) 2022-04-28 2022-04-28 一种基于三参数区间灰数决策的电力变压器风险评估方法

Country Status (1)

Country Link
CN (1) CN114897331A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115986946A (zh) * 2023-03-21 2023-04-18 瑞佳宏智能制造(武汉)有限公司 基于pert的配电柜远程监控系统及方法
CN116050838A (zh) * 2023-01-09 2023-05-02 国家电网有限公司华中分部 基于风电负荷相关性的配电变压器运行风险评估方法及系统
WO2024109487A1 (zh) * 2022-11-25 2024-05-30 南方电网调峰调频发电有限公司检修试验分公司 抽水蓄能机组甩负荷测试方法、装置、设备及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024109487A1 (zh) * 2022-11-25 2024-05-30 南方电网调峰调频发电有限公司检修试验分公司 抽水蓄能机组甩负荷测试方法、装置、设备及介质
CN116050838A (zh) * 2023-01-09 2023-05-02 国家电网有限公司华中分部 基于风电负荷相关性的配电变压器运行风险评估方法及系统
CN116050838B (zh) * 2023-01-09 2023-08-18 国家电网有限公司华中分部 基于风电负荷相关性的配电变压器运行风险评估方法及系统
CN115986946A (zh) * 2023-03-21 2023-04-18 瑞佳宏智能制造(武汉)有限公司 基于pert的配电柜远程监控系统及方法

Similar Documents

Publication Publication Date Title
CN114897331A (zh) 一种基于三参数区间灰数决策的电力变压器风险评估方法
CN107292502B (zh) 一种配电网可靠性评估方法
CN107145707B (zh) 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法
Kamalasadan et al. A new intelligent algorithm for online voltage stability assessment and monitoring
CN104599189A (zh) 一种计入电力系统运行方式的电网规划方案风险评估方法
CN107807860B (zh) 一种基于矩阵分解的电力故障分析方法及系统
CN106384186A (zh) 一种分布式新能源并网电能质量监控方法及系统
CN108510147B (zh) 一种基于残差波动模型的电能质量综合评价方法
CN109657913B (zh) 一种考虑分布式电源的输配电网联合风险评估方法
Kong et al. A remote estimation method of smart meter errors based on neural network filter and generalized damping recursive least square
CN109559019A (zh) 一种基于风险指数的电力系统动态安全评估方法
CN111950900A (zh) 一种电力系统源网荷储本质安全风险评估方法
CN112084678A (zh) 一种基于多元回归的配线线损率处理方法及装置
Ibe et al. Adequacy analysis and security reliability evaluation of bulk power system
CN105956755A (zh) 电力综合线损率影响因子量化关系建立方法及系统
CN117554821A (zh) 基于深度学习网络的储能电池在线监测管理方法及系统
CN114662809A (zh) 一种综合能源园区内供电电源的电能质量评价方法和系统
CN105741184A (zh) 一种变压器状态评估方法及装置
CN117236744A (zh) 一种考虑多谐波源的谐波影响评估方法
CN116502894A (zh) 光伏台区停电风险评估方法、装置、电子设备及存储介质
CN105488734A (zh) 基于全生命周期的电能计量装置质量评估方法及系统
CN112307652B (zh) 基于平均剩余寿命重要度的复杂装备系统快速维修方法
Prashanti et al. Impact of energy storage integration on composite system reliability
CN114936454A (zh) 一种基于半不变量法的交直流混联系统概率潮流计算方法
CN113537821A (zh) 一种电力系统状态的快速评估方法及系统

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