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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012502 risk assessment Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 230000000875 corresponding effect Effects 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000001186 cumulative effect Effects 0.000 claims description 15
- 238000005315 distribution function Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 238000011002 quantification Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
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度量与的距离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;
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:
yi=Φ-1(Fi(xi)) (6)
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:
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:
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:
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:
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。
所述步骤S7中,包括以下步骤:
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度量与的距离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
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。
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
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:
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。
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:
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:
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:
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:
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:
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
表4变压器状态评估结果
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
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
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。
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;
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:
yi=Φ-1(Fi(xi)) (6)
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:
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:
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:
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:
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。
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。
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)
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 |
-
2022
- 2022-04-28 CN CN202210461935.4A patent/CN114897331A/zh active Pending
Cited By (4)
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 |