CN115187075A - 一种配网可靠性灵敏度分解方法 - Google Patents

一种配网可靠性灵敏度分解方法 Download PDF

Info

Publication number
CN115187075A
CN115187075A CN202210817969.2A CN202210817969A CN115187075A CN 115187075 A CN115187075 A CN 115187075A CN 202210817969 A CN202210817969 A CN 202210817969A CN 115187075 A CN115187075 A CN 115187075A
Authority
CN
China
Prior art keywords
distribution network
sensitivity
index
load node
failure
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.)
Granted
Application number
CN202210817969.2A
Other languages
English (en)
Other versions
CN115187075B (zh
Inventor
黄杰杰
桑顺
薛晓岑
张雷
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.)
Nantong University
Original Assignee
Nantong University
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 Nantong University filed Critical Nantong University
Priority to CN202210817969.2A priority Critical patent/CN115187075B/zh
Publication of CN115187075A publication Critical patent/CN115187075A/zh
Application granted granted Critical
Publication of CN115187075B publication Critical patent/CN115187075B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0639—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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及电力系统运行可靠性评估技术领域，公开一种配网可靠性灵敏度分解方法。方法包括：S1：针对放射状结构配网，确定各负荷节点与配网源点相连接路径中包含的线路与开关元件集合，并确定各元件故障会导致供电中断的负荷节点；S2：针对第j个元件可用率A_Ej的提升，分析其影响的负荷节点i可用率A_Li提升的灵敏度指标
Figure DDA0003741615770000011
S3：针对第j个元件故障率λj的降低，分析配网系统整体可靠性指标改善的灵敏度；S4：针对第j个元件故障平均停运持续时间rj的降低，分析配网系统整体可靠性指标改善的灵敏度。本发明可用于量化元件可靠性提升对配网整体可靠性的影响程度，辨识影响配网系统可靠性的关键元件，为配网系统的改造升级提供指导。

Description

一种配网可靠性灵敏度分解方法
技术领域
本发明涉及电力系统运行可靠性评估技术领域，尤其涉及一种配网可靠性灵敏度分解方法。
背景技术
在电力系统中，配网系统直接负责向电力用户提供电能，其运行可靠性直接影响电网的供电能力，需要重点关注。当需要对配网进行改造升级时，在有限的投资条件下，需要找到影响配网供电可靠性的关键元件。元件的关键程度可通过配网可靠性的灵敏度分解进行量化，该灵敏度体现为配网可靠性提升与元件可靠性提升之间的对应关系，即配网可靠性对元件可靠性的偏导。灵敏度指标严格意义上为两者函数曲线上点对应的切线斜率。现有配网可靠性分解算法中无法给出灵敏度指标的直接数学表达式，而是采用通过改变元件可靠性指标再重新评估配网可靠性的方法，获得配网可靠性灵敏度指标的近似解。该算法一方面精度相对较低，且涉及到多次计算配网可靠性指标，算法运算效率也相对较低。因而，有必要开发配网可靠性灵敏度分解的直接数学表达式求解方法，以确定影响配网可靠性的关键元件，为配网的改造升级提供指导。
发明内容
本发明的目的在于提供一种配网可靠性灵敏度分解方法，本发明针对配网可靠性灵敏度分解的问题，基于配网拓扑结构，开发了配网内部负荷节点以及配网整体可靠性指标相对单个元件可靠性指标灵敏度的直接数学表达式计算方法，可用于量化元件可靠性提升对配网整体可靠性的影响程度，辨识影响配网系统可靠性的关键元件，为配网系统的改造升级提供指导。
为了实现上述发明目的，本发明采用技术方案具体为：
一种配网可靠性灵敏度分解方法，包含以下步骤：
S1：针对放射状结构配网，确定各负荷节点与配网源点相连接路径中包含的线路与开关元件集合，并确定各元件故障会导致供电中断的负荷节点；
S2：针对第j个元件可用率A_Ej的提升，分析其影响的负荷节点i可用率A_Li提升的灵敏度指标
Figure BDA0003741615750000021
S3：针对第j个元件故障率λj的降低，分析配网系统整体可靠性指标改善的灵敏度，分析的指标包括：系统平均停电频率即
Figure BDA0003741615750000022
系统平均停电时间即
Figure BDA0003741615750000023
平均供电可用率即
Figure BDA0003741615750000024
电量不足即
Figure BDA0003741615750000025
平均电量不足即
Figure BDA0003741615750000026
S4：针对第j个元件故障平均停运持续时间rj的降低，分析配网系统整体可靠性指标改善的灵敏度，分析的指标包括：系统平均停电时间即
Figure BDA0003741615750000027
平均供电可用率即
Figure BDA0003741615750000028
电量不足即
Figure BDA0003741615750000029
平均电量不足即
Figure BDA00037416157500000210
优选的，所述S1包含以下步骤：
S11：放射状结构配电网包含m个负荷节点与n个元件，定义m×n大小的负荷节点—元件关联矩阵R；
S12：将矩阵所有初始元素值皆设定为0，针对各负荷节点，分别确定其上溯至电源节点的连通路径，若元件j，存在于负荷节点i，与电源节点间的连通路径中，则将负荷节点—元件关联矩阵第i行、第j列的元素R(i，j)值设定为1；
其中，j为1～n范围内的整数，i为1～m范围内的整数；
S13：在遍历所有负荷节点后，负荷节点—元件关联矩阵第j列元素中为1的对应行数则为元件j故障会导致供电中断的负荷节点编号。
优选的，所述S2包含以下步骤：
S21：第j个元件可用率Aj提升的微增量表示为
Figure BDA0003741615750000031
若R(i，j)的值为1，则元件j可用率微增量对应的负荷节点i可用率微增量表示为
Figure BDA0003741615750000032
S22：将
Figure BDA0003741615750000033
和
Figure BDA0003741615750000034
两者相除以计算得到对应的灵敏度指标，计算表达式为：
Figure BDA0003741615750000035
其中，h为配网中的元件编号；
对于负荷节点i与配网源点连通路径中仅存在单一元件j的场景，公式(1)不适用，此时灵敏度指标值为1。
优选的，所述S3包含以下步骤：
S31：第j个元件故障率λj的降低的微增量表示为
Figure BDA0003741615750000036
S32：统计所有满足R(i，j)的值等于1条件的用户总数
Figure BDA0003741615750000037
将其除以配网总用户数
Figure BDA0003741615750000038
可得到配网系统平均停电频率指标，即SAIFI相对第j个元件故障率λj的灵敏度计算表达式：
Figure BDA0003741615750000039
其中，k为配网中的负荷节点编号，N为负荷节点处的电力用户数；
S33：计算配网系统平均停电时间指标，即SAIDI相对第j个元件故障率λj的灵敏度：
Figure BDA0003741615750000041
S34：计算配网系统平均供电可用率指标，即ASAI相对第j个元件故障率λj的灵敏度：
Figure BDA0003741615750000042
S35：计算配网系统电量不足指标，即ENS相对第j个元件故障率λj的灵敏度：
Figure BDA0003741615750000043
其中，P为负荷节点处的总有功功率；
S36：计算配网系统平均电量不足指标，即AENS相对第j个元件故障率λj的灵敏度：
Figure BDA0003741615750000044
优选的，所述S4包含以下步骤：
S41：第j个元件故障平均停运持续时间rj的降低的微增量表示为
Figure BDA0003741615750000045
S42：计算配网系统平均停电时间指标，即SAIDI相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure BDA0003741615750000046
S43：计算配网系统平均供电可用率指标，即ASAI相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure BDA0003741615750000047
S44：计算配网系统电量不足指标，即ENS相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure BDA0003741615750000051
S45：计算配网系统平均电量不足指标，即AENS相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure BDA0003741615750000052
与现有技术相比，本发明的有益效果为：
1.本发明针对配网可靠性分解问题，仅需要当前配网系统元件的可靠性基础参数，即可实现配网内部负荷节点以及配网整体可靠性指标的灵敏度分解，不需要多次反复计算配网系统可靠性以获得灵敏度指标，可大幅提升算法的运算效率。
2.本发明在进行配网可靠性分解时，计算得到的灵敏度值为可靠性曲线上对应元件当前可靠性的点处的切线斜率值，相较现有方案采用两点间斜率作为切线斜率近似值的方案，计算得到的可靠性灵敏度指标具有较高精度。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，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它的附图。其中：
图1为本发明实施例的配网可靠性灵敏度分解方法流程图；
图2为本发明一个实施例的配网系统拓扑结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
参阅图1，一种配网可靠性灵敏度分解方法，包含以下步骤：
S1：针对放射状结构配网，确定各负荷节点与配网源点相连接路径中包含的线路与开关元件集合，并确定各元件故障会导致供电中断的负荷节点；
S2：针对第j个元件可用率A_Ej的提升，分析其影响的负荷节点i可用率A_Li提升的灵敏度指标
Figure BDA0003741615750000061
S3：针对第j个元件故障率λj的降低，分析配网系统整体可靠性指标改善的灵敏度，分析的指标包括：系统平均停电频率即
Figure BDA0003741615750000062
系统平均停电时间即
Figure BDA0003741615750000063
平均供电可用率即
Figure BDA0003741615750000064
电量不足即
Figure BDA0003741615750000065
平均电量不足即
Figure BDA0003741615750000066
S4：针对第j个元件故障平均停运持续时间rj的降低，分析配网系统整体可靠性指标改善的灵敏度，分析的指标包括：系统平均停电时间即
Figure BDA0003741615750000067
平均供电可用率即
Figure BDA0003741615750000068
电量不足即
Figure BDA0003741615750000069
平均电量不足即
Figure BDA00037416157500000610
所述S1包含以下步骤：
S11：放射状结构配电网包含m个负荷节点与n个元件，定义m×n大小的负荷节点—元件关联矩阵R；
S12：将矩阵所有初始元素值皆设定为0，针对各负荷节点，分别确定其上溯至电源节点的连通路径，若元件j，存在于负荷节点i，与电源节点间的连通路径中，则将负荷节点—元件关联矩阵第i行、第j列的元素R(i，j)值设定为1；
其中，j为1～n范围内的整数，i为1～m范围内的整数；
S13：在遍历所有负荷节点后，负荷节点—元件关联矩阵第j列元素中为1的对应行数则为元件j故障会导致供电中断的负荷节点编号。
所述S2包含以下步骤：
S21：第j个元件可用率Aj提升的微增量表示为
Figure BDA0003741615750000071
若R(i，j)的值为1，则元件j可用率微增量对应的负荷节点i可用率微增量表示为
Figure BDA0003741615750000072
S22：将
Figure BDA0003741615750000073
和
Figure BDA0003741615750000074
两者相除以计算得到对应的灵敏度指标，计算表达式为：
Figure BDA0003741615750000075
其中，h为配网中的元件编号；
对于负荷节点i与配网源点连通路径中仅存在单一元件j的场景，公式(1)不适用，此时灵敏度指标值为1。
所述S3包含以下步骤：
S31：第j个元件故障率λj的降低的微增量表示为
Figure BDA0003741615750000076
S32：统计所有满足R(i，j)的值等于1条件的用户总数
Figure BDA0003741615750000077
将其除以配网总用户数
Figure BDA0003741615750000078
可得到配网系统平均停电频率指标，即SAIFI相对第j个元件故障率λj的灵敏度计算表达式：
Figure BDA0003741615750000081
其中，k为配网中的负荷节点编号，N为负荷节点处的电力用户数；
S33：计算配网系统平均停电时间指标，即SAIDI相对第j个元件故障率λj的灵敏度：
Figure BDA0003741615750000082
S34：计算配网系统平均供电可用率指标，即ASAI相对第j个元件故障率λj的灵敏度：
Figure BDA0003741615750000083
S35：计算配网系统电量不足指标，即ENS相对第j个元件故障率λj的灵敏度：
Figure BDA0003741615750000084
其中，P为负荷节点处的总有功功率；
S36：计算配网系统平均电量不足指标，即AENS相对第j个元件故障率λj的灵敏度：
Figure BDA0003741615750000085
所述S4包含以下步骤：
S41：第j个元件故障平均停运持续时间rj的降低的微增量表示为
Figure BDA0003741615750000086
S42：计算配网系统平均停电时间指标，即SAIDI相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure BDA0003741615750000091
S43：计算配网系统平均供电可用率指标，即ASAI相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure BDA0003741615750000092
S44：计算配网系统电量不足指标，即ENS相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure BDA0003741615750000093
S45：计算配网系统平均电量不足指标，即AENS相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure BDA0003741615750000094
请参阅图2所示的配网系统拓扑结构图，图中L_i代表配网中的第i个负荷节点，E_j代表配网中的第j个元件，以元件E_25为例，其存在于负荷节点L_24～L_28与配网源点间的通路中，利用式(1)计算负荷节点L_24～L_28可用率指标相对元件E_25可用率的灵敏度，计算结果如表1所示。
表1负荷节点L_24～L_28可用率指标相对元件E_25可用率的灵敏度
Figure BDA0003741615750000095
由灵敏度指标对比可知，提升元件E_25的可用率对于提升负荷节点L_24可用率的影响最大。
分别以元件14与元件25为例，基于式(2)～式(6)计算，配网可靠性指标相对元件14与元件25故障率的灵敏度对比结果如表2所示。
表2配网可靠性指标相对元件14与元件25的故障率灵敏度
Figure BDA0003741615750000101
由表2对比可以看出，配网整体可靠性指标相对元件14故障率的灵敏度绝对值大于元件25，灵敏度量化指标表明减小元件14的故障率对于提升配网整体的可靠性作用更为显著。
分别以元件14与元件25为例，基于式(7)～式(10)计算，配网可靠性指标相对元件14与元件25故障平均停运持续时间的灵敏度对比结果如表3所示。
表3配网可靠性指标相对元件14与元件25故障平均停运持续时间的灵敏度
Figure BDA0003741615750000102
由表3对比可以看出，配网整体可靠性指标相对元件14故障平均停运持续时间的灵敏度绝对值大于元件25，灵敏度量化指标表明减小元件14的故障平均停运持续时间对于提升配网整体的可靠性作用更为显著。
以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围。

Claims (5)

1.一种配网可靠性灵敏度分解方法，其特征在于，包含以下步骤：
S1：针对放射状结构配网，确定各负荷节点与配网源点相连接路径中包含的线路与开关元件集合，并确定各元件故障会导致供电中断的负荷节点；
S2：针对第j个元件可用率A_Ej的提升，分析其影响的负荷节点i可用率A_Li提升的灵敏度指标
Figure FDA0003741615740000011
S3：针对第j个元件故障率λj的降低，分析配网系统整体可靠性指标改善的灵敏度，分析的指标包括：系统平均停电频率即
Figure FDA0003741615740000012
系统平均停电时间即
Figure FDA0003741615740000013
平均供电可用率即
Figure FDA0003741615740000014
电量不足即
Figure FDA0003741615740000015
平均电量不足即
Figure FDA0003741615740000016
S4：针对第j个元件故障平均停运持续时间rj的降低，分析配网系统整体可靠性指标改善的灵敏度，分析的指标包括：系统平均停电时间即
Figure FDA0003741615740000017
平均供电可用率即
Figure FDA0003741615740000018
电量不足即
Figure FDA0003741615740000019
平均电量不足即
Figure FDA00037416157400000110
2.根据权利要求1所述的一种配网可靠性灵敏度分解方法，其特征在于，所述S1包含以下步骤：
S11：放射状结构配电网包含m个负荷节点与n个元件，定义m×n大小的负荷节点—元件关联矩阵R；
S12：将矩阵所有初始元素值皆设定为0，针对各负荷节点，分别确定其上溯至电源节点的连通路径，若元件j，存在于负荷节点i，与电源节点间的连通路径中，则将负荷节点—元件关联矩阵第i行、第j列的元素R(i，j)值设定为1；
其中，j为1～n范围内的整数，i为1～m范围内的整数；
S13：在遍历所有负荷节点后，负荷节点—元件关联矩阵第j列元素中为1的对应行数则为元件j故障会导致供电中断的负荷节点编号。
3.根据权利要求1所述的一种配网可靠性灵敏度分解方法，其特征在于，所述S2包含以下步骤：
S21：第j个元件可用率Aj提升的微增量表示为
Figure FDA0003741615740000025
若R(i，j)的值为1，则元件j可用率微增量对应的负荷节点i可用率微增量表示为
Figure FDA0003741615740000026
S22：将
Figure FDA0003741615740000027
和
Figure FDA0003741615740000028
两者相除以计算得到对应的灵敏度指标，计算表达式为：
Figure FDA0003741615740000021
其中，h为配网中的元件编号；
对于负荷节点i与配网源点连通路径中仅存在单一元件j的场景，公式(1)不适用，此时灵敏度指标值为1。
4.根据权利要求1所述的一种配网可靠性灵敏度分解方法，其特征在于，所述S3包含以下步骤：
S31：第j个元件故障率λj的降低的微增量表示为
Figure FDA0003741615740000029
S32：统计所有满足R(i，j)的值等于1条件的用户总数
Figure FDA0003741615740000022
将其除以配网总用户数
Figure FDA0003741615740000023
可得到配网系统平均停电频率指标，即SAIFI相对第j个元件故障率λj的灵敏度计算表达式：
Figure FDA0003741615740000024
其中，k为配网中的负荷节点编号，N为负荷节点处的电力用户数；
S33：计算配网系统平均停电时间指标，即SAIDI相对第j个元件故障率λj的灵敏度：
Figure FDA0003741615740000031
S34：计算配网系统平均供电可用率指标，即ASAI相对第j个元件故障率λj的灵敏度：
Figure FDA0003741615740000032
S35：计算配网系统电量不足指标，即ENS相对第j个元件故障率λj的灵敏度：
Figure FDA0003741615740000033
其中，P为负荷节点处的总有功功率；
S36：计算配网系统平均电量不足指标，即AENS相对第j个元件故障率λj的灵敏度：
Figure FDA0003741615740000034
5.根据权利要求1所述的，其特征在于，所述S4包含以下步骤：
S41：第j个元件故障平均停运持续时间rj的降低的微增量表示为
Figure FDA0003741615740000037
S42：计算配网系统平均停电时间指标，即SAIDI相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure FDA0003741615740000035
S43：计算配网系统平均供电可用率指标，即ASAI相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure FDA0003741615740000036
S44：计算配网系统电量不足指标，即ENS相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure FDA0003741615740000041
S45：计算配网系统平均电量不足指标，即AENS相对第j个元件故障平均停运持续时间rj的灵敏度：
Figure FDA0003741615740000042
CN202210817969.2A 2022-07-12 2022-07-12 一种配网可靠性灵敏度分解方法 Active CN115187075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210817969.2A CN115187075B (zh) 2022-07-12 2022-07-12 一种配网可靠性灵敏度分解方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210817969.2A CN115187075B (zh) 2022-07-12 2022-07-12 一种配网可靠性灵敏度分解方法

Publications (2)

Publication Number Publication Date
CN115187075A true CN115187075A (zh) 2022-10-14
CN115187075B CN115187075B (zh) 2023-05-05

Family

ID=83516533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210817969.2A Active CN115187075B (zh) 2022-07-12 2022-07-12 一种配网可靠性灵敏度分解方法

Country Status (1)

Country Link
CN (1) CN115187075B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005094870A (ja) * 2003-09-16 2005-04-07 Kansai Electric Power Co Inc:The 配電系統の供給信頼度評価方法
CN102545210A (zh) * 2011-12-29 2012-07-04 广东电网公司深圳供电局 一种配电网供电可靠性指标优化调控方法及其系统
CN105427195A (zh) * 2015-12-23 2016-03-23 国家电网公司 一种输配电一体化可靠性指标计算方法
CN107292502A (zh) * 2017-06-13 2017-10-24 南京软核科技有限公司 一种配电网可靠性评估方法
CN108711852A (zh) * 2018-06-22 2018-10-26 天津大学 一种基于故障关联矩阵的配电网故障参数灵敏度计算方法
CN113094920A (zh) * 2021-04-22 2021-07-09 国网上海市电力公司 一种基于故障后果解析表达的配电网可靠性薄弱环节分析方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005094870A (ja) * 2003-09-16 2005-04-07 Kansai Electric Power Co Inc:The 配電系統の供給信頼度評価方法
CN102545210A (zh) * 2011-12-29 2012-07-04 广东电网公司深圳供电局 一种配电网供电可靠性指标优化调控方法及其系统
CN105427195A (zh) * 2015-12-23 2016-03-23 国家电网公司 一种输配电一体化可靠性指标计算方法
CN107292502A (zh) * 2017-06-13 2017-10-24 南京软核科技有限公司 一种配电网可靠性评估方法
CN108711852A (zh) * 2018-06-22 2018-10-26 天津大学 一种基于故障关联矩阵的配电网故障参数灵敏度计算方法
CN113094920A (zh) * 2021-04-22 2021-07-09 国网上海市电力公司 一种基于故障后果解析表达的配电网可靠性薄弱环节分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴奕;徐敦彬;刘翌;熊浩;白玉东;: "基于灵敏度分析的配电网可靠性提升研究", 供用电 *
张天宇: "基于故障关联矩阵的配电系统可靠性评估方法" *

Also Published As

Publication number Publication date
CN115187075B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
Melo et al. Frequency and duration calculations in composite generation and transmission reliability evaluation
CN109102146B (zh) 基于多参数线性规划的电力系统风险评估加速方法
CN110472871B (zh) 一种针对管理线损异常原因的排查方法
CN110222889B (zh) 基于多种智能算法的配电网馈线自动化终端配置方法
CN109784581A (zh) 一种考虑弹性的系统预防性维修周期优化方法
CN107871202A (zh) 一种计及多电压等级的电网可靠性评估方法
CN117332215B (zh) 一种高低压配电柜异常故障信息远程监测系统
CN104656053A (zh) 电能计量装置状态估计方法及系统
CN113468745B (zh) 一种基于历史故障的配电网可靠性快速评估方法及系统
CN114925973A (zh) 一种基于多源数据整合的电网运行状态获取方法及系统
CN115187075A (zh) 一种配网可靠性灵敏度分解方法
CN111654033B (zh) 基于线性推演的大电网静态电压稳定态势评估方法及系统
CN115660507A (zh) 一种地区电力的负荷智能检测方法及系统
CN111030126B (zh) 一种基于负荷-电压灵敏度的配电网低电压预警方法
CN107067337A (zh) 一种配电网高可靠性供电模式确定方法
Ma et al. The variable weight combination load forecasting based on grey model and semi-parametric regression model
CN111651889A (zh) 输电系统高风险事件筛选方法、装置、设备及存储介质
CN111177012A (zh) 一种电力系统的pas系统评估方法及装置
CN114117795B (zh) 一种基于负荷-电源连通性分析的配网可靠性评估方法
Rocha et al. Metering design for power networks using observability indicators
CN114336793B (zh) 交直流混合配电网灵活性确定方法
CN112600192A (zh) 故障分析方法及装置、电子设备、计算机可读存储介质
CN118171930A (zh) 碳排放风险防控策略确定方法、应用方法及相关设备
CN117630794A (zh) 广域级高压电能计量装置综合误差失准告警方法及装置
CN117932857A (zh) 一种基于马尔科夫链的配电网序贯可靠性评估方法

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