CN115374654B - 一种评估电力系统弹性的方法和系统 - Google Patents

一种评估电力系统弹性的方法和系统 Download PDF

Info

Publication number
CN115374654B
CN115374654B CN202211300317.8A CN202211300317A CN115374654B CN 115374654 B CN115374654 B CN 115374654B CN 202211300317 A CN202211300317 A CN 202211300317A CN 115374654 B CN115374654 B CN 115374654B
Authority
CN
China
Prior art keywords
disaster
power system
model
recovery
post
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
Application number
CN202211300317.8A
Other languages
English (en)
Other versions
CN115374654A (zh
Inventor
张华�
李世龙
丁理杰
刘凡
王晶
方玉
龙呈
高艺文
苏学能
杨勇波
雷潇
刘畅
陈雨帆
李奥
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.)
Sichuan New Power System Research Institute Co ltd
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Sichuan New Power System Research Institute Co ltd
Electric Power Research Institute of State Grid Sichuan Electric Power 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 Sichuan New Power System Research Institute Co ltd, Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Sichuan New Power System Research Institute Co ltd
Priority to CN202211300317.8A priority Critical patent/CN115374654B/zh
Publication of CN115374654A publication Critical patent/CN115374654A/zh
Application granted granted Critical
Publication of CN115374654B publication Critical patent/CN115374654B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (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

本发明提供了一种评估电力系统弹性的方法和系统，包括对电力系统进行建模，得到电力系统模型；对灾害进行建模，得到灾害模型；将灾害模型施加到电力系统模型上，得到电力系统在遭遇灾害时的第一运行情况；对灾后恢复进行建模，得到灾后恢复模型；将灾后恢复模型施加到灾后电力系统模型上，得到依次采取恢复措施后的恢复电力系统的一种或多种第二运行情况；基于第一运行情况和一种或多种第二运行情况，量化灾害对电力系统在遭遇灾变时到采取所述恢复措施的过程中的影响；基于灾害对电力系统的影响，评估电力系统的弹性；使得能更全面更精确地对电力系统的弹性进行评估以及制定完备的灾后恢复策略。

Description

一种评估电力系统弹性的方法和系统
技术领域
本发明涉及电力系统技术领域，具体而言，涉及一种评估电力系统弹性的方法和系统。
背景技术
气候引发的极端事件，如地震、洪水等重大自然灾害，会对电力系统直接或间接产生重大影响。过去的类似事件表明，电力设施损坏或供电中断造成的间接经济损失远远大于其设施重建及故障修复的直接成本。因此，在电力系统遭受灾变时，需要对系统的弹性进行评估。同时需要模拟灾后恢复的过程，以此制定灾后系统故障的修复方案。
有鉴于此，本申请提出了一种评估电力系统弹性的方法和系统，通过对电力系统相关的网络、灾变、恢复等方面进行建模，使得能更全面更精确地对电力系统的弹性进行评估以及制定完备的灾后恢复策略。
发明内容
本发明的目的在于提供一种评估电力系统弹性的方法，包括对电力系统进行建模，得到电力系统模型；基于灾害的灾变情况，对灾害进行建模，得到灾害模型；将所述灾害模型施加到所述电力系统模型上，得到所述电力系统在遭遇灾害时的第一运行情况；基于所述电力系统在遭遇灾害后采取的一种或多种恢复措施，对灾后恢复进行建模，得到灾后恢复模型；将所述灾后恢复模型施加到灾后电力系统模型上，得到依次采取恢复措施后的恢复电力系统的一种或多种第二运行情况；基于所述第一运行情况和所述一种或多种第二运行情况，量化灾害对所述电力系统在遭遇灾变时到采取所述恢复措施的过程中的影响；基于灾害对所述电力系统的影响，评估所述电力系统的弹性。
进一步的，所述对电力系统进行建模，包括确定待分析的电力系统；基于所述待分析的电力系统，确定所述电力系统所需的元件；所述元件至少包括电源、外部电网、变压器、母线、传输线、负荷和开关；基于所述元件，构建电力系统网络。
进一步的，所述对灾害进行建模，包括确定发生灾害的灾害场景；确定在所述灾害场景下可能发生故障的组件；确定所述可能发生故障的组件在所述灾害场景下发生故障的概率。
进一步的，所述确定所述可能发生故障的组件在所述灾害场景下发生故障的概率的公式为：
Figure 494972DEST_PATH_IMAGE001
其中，
Figure 111898DEST_PATH_IMAGE002
表示组件
Figure 198803DEST_PATH_IMAGE003
在灾害场景下发生故障的概率；
Figure 875772DEST_PATH_IMAGE004
表示灾害发生的概率；
Figure 48127DEST_PATH_IMAGE005
表示组件
Figure 203165DEST_PATH_IMAGE003
暴露于灾害的概率；
Figure 643111DEST_PATH_IMAGE006
表示组件
Figure 490981DEST_PATH_IMAGE003
暴露于灾害中发生故障的概率。
进一步的，所述灾害场景的类型至少包括点事件和轨迹事件；对于所述点事件：基 于灾害的强度，确定所述组件
Figure 150633DEST_PATH_IMAGE003
暴露于灾害的概率
Figure 374941DEST_PATH_IMAGE007
)；基于组 件i到灾害发生位置的距离和灾害影响半径的比值，确定所述组件
Figure 170859DEST_PATH_IMAGE003
暴露于灾害中发生故障 的概率
Figure 189630DEST_PATH_IMAGE006
；对于所述轨迹事件：基于组件i到轨迹的垂直距离 与撞击偏移距离的比值，确定所述组件
Figure 336578DEST_PATH_IMAGE003
暴露于灾害的概率
Figure 98997DEST_PATH_IMAGE007
)。
进一步的，所述得到灾后恢复模型，包括基于维修人员的可用性、故障组件的维修时间和修复标准，确定修复所述灾后电力系统的修复策略；所述修复策略包括修复操作的顺序和实施方式。
进一步的，确定所述修复策略，包括确定所述故障组件，通过模型预测控制技术计算预测范围内修复所述故障组件的修复手段；根据所述修复手段多次修复所述故障组件；确定执行所述修复手段后所述恢复电力系统的弹性；将弹性最高的所述恢复电力系统对应的修复手段作为实际修复该故障组件的修复手段。
进一步的，所述量化灾害对所述电力系统在遭遇灾变时到采取所述恢复措施的过程中的影响，包括获取所述电力系统在遭遇灾害时、在正常运行状态下和在采取所述恢复措施后的电力供应。
进一步的，所述评估所述电力系统的弹性的公式为：
Figure 15001DEST_PATH_IMAGE008
Figure 939094DEST_PATH_IMAGE009
其中，
Figure 573338DEST_PATH_IMAGE010
表示所述电力系统的弹性指标；
Figure 608290DEST_PATH_IMAGE011
表示模拟中灾害的发生时间；
Figure 644379DEST_PATH_IMAGE012
表示灾害的最长模拟时间；
Figure 739374DEST_PATH_IMAGE013
表示为带有优先级的用户的供电能力；
Figure 860914DEST_PATH_IMAGE014
表示为同一优先级的用户的供电能力。
本发明的目的在于提供一种评估电力系统弹性的系统，包括电力系统模型构建模块、灾害模型构建模块、第一运行情况获取模块、灾后恢复模型构建模块、第二运行情况获取模块、量化模块和评估模块；所述电力系统模型构建模块用于对电力系统进行建模，得到电力系统模型；所述灾害模型构建模块用于基于灾害的灾变情况，对灾害进行建模，得到灾害模型；所述第一运行情况获取模块用于将所述灾害模型施加到所述电力系统模型上，得到所述电力系统在遭遇灾害时的第一运行情况；所述灾后恢复模型构建模块用于基于所述电力系统在遭遇灾害后采取的一种或多种恢复措施，对灾后恢复进行建模，得到灾后恢复模型；所述第二运行情况获取模块用于将所述灾后恢复模型施加到灾后电力系统模型上，得到依次采取恢复措施后的恢复电力系统的一种或多种第二运行情况；所述量化模块用于基于所述第一运行情况和所述一种或多种第二运行情况，量化灾害对所述电力系统在遭遇灾变时到采取所述恢复措施的过程中的影响；所述评估模块用于基于灾害对所述电力系统的影响，评估所述电力系统的弹性。
本申请实施例的技术方案至少具有如下优点和有益效果：
本申请的一些实施例通过对电力系统的网络、灾变、灾后恢复等方面建模，并对电力系统的弹性进行详细分析，使得能更全面更精确地对电力系统的弹性进行评估以及制定完备的灾后恢复策略。
附图说明
图1为本发明一些实施例提供的一种评估电力系统弹性的方法的示例性流程图；
图2为本发明一些实施例提供的一种评估电力系统弹性的系统的示例性流程图；
图3为本发明一些实施例提供的电力系统在遭遇灾变时到采取恢复措施的过程中系统的弹性变化情况的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
图1为本发明一些实施例提供的一种评估电力系统弹性的方法的示例性流程图。在一些实施例中，流程100可以由系统200执行。如图1所示，流程100包括以下步骤：
步骤S110，对电力系统进行建模，得到电力系统模型。在一些实施例中，步骤S110可以由电力系统模型构建模块210执行。
电力系统模型可以是指模拟实际电力系统得到的模型。在一些实施例中，对电力系统进行建模可以包括：确定待分析的电力系统；基于待分析的电力系统，确定电力系统所需的元件；其中，元件至少包括电源、外部电网、变压器、母线、传输线、负荷和开关等；基于元件，构建电力系统网络。例如，分别对电力系统各元件进行建模，然后将各元件按实际连接情况进行连接，得到最终的电力系统模型。
步骤S120，基于灾害的灾变情况，对灾害进行建模，得到灾害模型。在一些实施例中，步骤S120可以由灾害模型构建模块220执行。
灾变情况可以是指发生灾害时的各种情况。例如，灾害发生的位置、灾害运动的轨迹等。在一些实施例中，灾变情况的类型可以包括点事件、轨迹事件、随机故障事件和自定义事件等。其中，点事件可以是指灾害发生在电力系统某点的情况。例如，线路故障、火灾事件等。轨迹事件可以是指灾害有一定运行轨迹的情况。例如，洪水、旋风和龙卷风等。随机故障事件可以是指电力系统中的组件随机发生故障的情况。自定义事件可以是指模拟人员指定某一个或多个组件发生故障的情况。
灾害模型可以是指模拟实际灾害得到的模型。在一些实施例中，对灾害进行建模可以包括：确定发生灾害的灾害场景；确定在灾害场景下可能发生故障的组件；确定可能发生故障的组件在灾害场景下发生故障的概率。灾害场景可以是指发生的灾害的类型。例如，洪水、线路故障和/或组件老化等。在一些实施例中，可以根据模拟目的确定灾害场景。可能发生故障的组件可以是指在发生灾害时电力系统中有可能发生故障的组件。例如，电源、外部电网和/或变压器等。在一些实施例中，可以基于灾害的强度和组件的类型，确定可能发生故障的组件。
在一些实施例中，确定可能发生故障的组件在灾害场景下发生故障的概率的公式为：
Figure 463671DEST_PATH_IMAGE001
其中，
Figure 88688DEST_PATH_IMAGE002
表示组件
Figure 620163DEST_PATH_IMAGE003
在灾害场景下发生故障的概率。例如，发生故障 的组件i可以为故障变压器、故障线路等；
Figure 963420DEST_PATH_IMAGE004
表示灾害发生的概率；
Figure 871333DEST_PATH_IMAGE005
表示组件
Figure 350856DEST_PATH_IMAGE003
暴露于灾害的概率；
Figure 53233DEST_PATH_IMAGE006
表示组件
Figure 149365DEST_PATH_IMAGE003
暴露于灾害中发生故障的概率。在一些实施例 中，灾害发生的概率
Figure 595390DEST_PATH_IMAGE004
可以通过统计当地历史灾害发生情况得到；组件
Figure 194998DEST_PATH_IMAGE003
暴露 于灾害的概率
Figure 68276DEST_PATH_IMAGE005
可以基于组件的特征和灾害的强度得到。例 如，当发生洪水时，当洪水高度超过传输线高度时，可以认为传输线暴露在洪水灾害中。组 件
Figure 386125DEST_PATH_IMAGE003
暴露于灾害中发生故障的概率
Figure 370262DEST_PATH_IMAGE006
可以通过统计历史灾害 发生时的情况得到。
在一些实施例中，对于点事件：可以基于灾害的强度，确定组件
Figure 89956DEST_PATH_IMAGE003
暴露于灾害的概 率
Figure 134135DEST_PATH_IMAGE007
)；并基于组件i到灾害发生位置的距离和灾害影响半径的 比值，确定组件
Figure 939280DEST_PATH_IMAGE003
暴露于灾害中发生故障的概率
Figure 225643DEST_PATH_IMAGE006
。组件i到 灾害发生位置的距离根据灾害发生的位置和组件i的位置得到。灾害的强度、灾害发生的位 置、组件i的位置和灾害影响半径可以通过各种可行的方式得到。例如，确定包括上述内容 的事件表，将事件表输入模型，模型通过提取事件表中的数据获取上述内容。其中，灾害的 强度可以被分为低、中、高、极端和随机几个范围。
对于轨迹事件：可以基于组件i到轨迹的垂直距离与撞击偏移距离的比值，确定所 述组件
Figure 799844DEST_PATH_IMAGE003
暴露于灾害的概率
Figure 749345DEST_PATH_IMAGE007
)。组件i到轨迹的垂直距离基于 组件i的位置和灾害的移动轨迹确定。撞击偏移距离基于组件i的初始位置和发生灾害后的 位置确定。灾害的移动轨迹可以使用函数随机生成，然后将随机生成的移动轨迹记录在事 件表中，供模型调用。时间表中还记录有灾害的影响距离。当灾害为洪水灾害时，事件表中 还记录有发生灾害的区域的水体的GIS数据。
对于随机故障事件，模拟人员可以选择在每种灾难场景中随机发生故障的组件数量。
对于自定义事件，模拟人员可以选择在每种灾难场景中指定会发生故障的组件。以确定被指定的目标组件在该灾害场景下会发生故障的灾害情况，及故障概率。
在一些实施例中，在生成灾难场景后，可以将电力系统各组件的详细信息进行存储，以供后续使用；详细信息可以包括灾难类型、故障组件的名称、故障事件和/或故障的严重程度等。
步骤S130，将灾害模型施加到电力系统模型上，得到电力系统在遭遇灾害时的第一运行情况。在一些实施例中，步骤S130可以由第一运行情况获取模块230执行。
第一运行情况可以是指电力系统在遭遇灾害时的运行情况。在一些实施例中，第一运行情况可以通过对遭遇灾害时的电力系统执行潮流计算得到。
步骤S140，基于电力系统在遭遇灾害后采取的一种或多种恢复措施，对灾后恢复进行建模，得到灾后恢复模型。在一些实施例中，步骤S140可以由灾后恢复模型构建模块240执行。
恢复措施可以是指修复电力系统，使得电力系统能够正常运行的措施。灾后恢复模型可以是指修复灾后电力系统的模型。例如，灾后修复模型可以包括修复手段、修复流程等，灾后电力系统可以是指遭遇灾难后的电力系统。
在一些实施例中，得到灾后恢复模型可以包括：基于维修人员的可用性、故障组件的维修时间和修复标准等，确定修复灾后电力系统的修复策略；修复策略至少包括修复操作的顺序和实施方式。维修人员的可用性可以是指维修人员可以修复对应故障的能力。维修人员的可用性可以包括维修人员维修的电力设施系统的类型、维修人员距离故障组件的距离、维修人员的行程时间等。故障组件的维修时间可以包括维修人员从当前位置到达故障组件的位置的时间和将故障组件维修到修复标准的时间。修复标准可以是指预先设置的修复故障组件的标准。修复操作的顺序和实施方式可以是指维修维修故障组件的先后顺序和维修方式。在一些实施例中，模拟操作人员可以指定为恢复电力设施系统部署的维修人员的数量、维修人员的位置、各组件的修复时间和修复标准等。
在一些实施例中，可以采用基于性能和网络结构的启发式预定义方式确定修复策略。具体地，包括以下内容：
最大流量优先处理的原则，即，优先处理最大流量处的故障组件。在一些实施例中，最大流量可以通过分析正常运行条件下的资源流量大小得到，并基于流量大小得到基础设施组件对系统的重要性。在一些实施例中，考虑到时间波动，组件处理的最大资源流可用作基于性能的启发式方法，以确定故障组件的优先级以进行恢复。
中心性优先的原则，即，优先处理故障的中心组件。中心性是一种基于图的度量，用于表示电力系统中组件（节点和连接）的相对重要性。基于中心性可以得到关键基础设施组件（即，中心组件）。
区域中负荷等级优先的原则，即，优先处理优先级更高的区域的故障组件。在一些实施例中，可以基于电力系统网络中区域的电力负荷，确定用户的优先级,负荷越大优先级越高，反之则相反。例如，对于负荷大的工业区和中央商务区的优先级大于负荷相对较小住宅区。
在一些实施例中，可以基于模型预测控制方法制定修复策略。具体地，包括确定故障组件，通过模型预测控制技术计算预测范围内修复故障组件的修复手段；根据修复手段多次修复故障组件；确定执行修复手段后恢复电力系统的弹性；将弹性最高的恢复电力系统对应的修复手段作为实际修复该故障组件的修复手段。可以通过各种可行的方式确定在灾害中发生故障的故障组件，包括但不限于基于模拟结果得到。预测范围可以是指修复故障的时间。例如，在2小时内修复电力系统的故障。预测范围可以根据实际情况或经验预先设置得到。修复手段可以是指修复故障组件的修复手段，对于同一个故障组件，可能有多种修复手段.多种修复手段之间可能是修复该故障组件的顺序不同也可能是派遣的维修人员不同和/或维修方式不同等。灾后恢复模型可以依次通过多种修复手段修复故障组件，并获取电力系统在遭遇灾害时、在正常运行状态下和在采取所述恢复措施后的电力供应，基于电力系统在遭遇灾害时、在正常运行状态下和在采取所述恢复措施后的电力供应，确定采取该修复措施后得到的恢复电力系统的弹性。电力系统的弹性可以是指电力系统的持久性、应对变化及扰动的能力。
在本申请的一些实施例中通过最大化系统弹性指标来找到最佳修复顺序。在计算过程中的每个预测范围内，通过评估每个可能的修复序列下系统的弹性，可以得到系统最佳修复动作。
由于不同的修复策略会对电力系统的恢复产生直接或间接的影响，在一些实施例中，还包括模拟修复策略对电力系统恢复的直接和间接影响。例如，模型通过生成一个事件表来实现灾变对电力系统直接和间接影响的仿真，事件表的目的是提供一个参考对象来安排所有的修复操作。其算法实现如下：首先检查电力系统中是否存在受灾变影响的组件。如果有，则根据用户选择的修复策略推导出电力设施维修的序列，并将维修任务分配给相应的电力设施系统工作人员。然后，按顺序一次选择一个系统中的组件，并确定维修人员对其的可访问性。如果该组件是可访问的，则确定最短路径并计算维修人员的行程时间。接下来，根据行程时间和组件修复时间计算修复操作的开始时间和结束时间。这完成了算法的一个周期，重复相同过程，直到所有组件安排好修复。
步骤S150，将灾后恢复模型施加到灾后电力系统模型上，得到依次采取恢复措施后的恢复电力系统的一种或多种第二运行情况。在一些实施例中，步骤S150可以由第二运行情况获取模块250执行。
灾后电力系统模型可以是指遭遇灾害后的电力系统模型，其可以模拟现实情况中电力系统遭遇灾害后的情况。恢复电力系统可以是指采取恢复措施后的电力系统，由于恢复措施可以有多个，因此，每个恢复措施都可以对应一个恢复电力系统。第二运行情况可以是指采取恢复措施后电力系统的运行情况。在一些实施例中，第二运行情况可以对采取恢复措施后的电力系统执行潮流计算得到。
步骤S160，基于第一运行情况和一种或多种第二运行情况，量化灾害对电力系统在遭遇灾变时到采取恢复措施的过程中的影响。在一些实施例中，步骤S160可以由量化模块260执行。
在一些实施例中，量化影响可以包括获取电力系统在遭遇灾害时、在正常运行状 态下和在采取恢复措施后的电力供应。电力供应可以根据各种可行的方式得到，例如，基于 模拟结果得到。电力系统在遭遇灾害时的电力供应可以记为
Figure 41786DEST_PATH_IMAGE015
;电力系统在正常运行 状态下的电力供应可以记为
Figure 633305DEST_PATH_IMAGE016
。
步骤S170，基于灾害对电力系统的影响，评估电力系统的弹性。在一些实施例中，步骤S170可以由评估模块270执行。
在一些实施例中，评估电力系统的弹性的公式为：
Figure 62012DEST_PATH_IMAGE008
Figure 447994DEST_PATH_IMAGE009
其中，
Figure 227731DEST_PATH_IMAGE010
表示电力系统的弹性指标，可以被理解为在灾害期间所有用户的电 力设施服务中断的持续时间，
Figure 357361DEST_PATH_IMAGE010
值越大，系统的弹性越小，灾害对系统的影响就越大， 对用户的影响也越大；反之则相反；
Figure 640575DEST_PATH_IMAGE011
表示模拟中灾害的发生时间；
Figure 463037DEST_PATH_IMAGE012
表示灾害的最长 模拟时间；
Figure 464491DEST_PATH_IMAGE013
表示为带有优先级的用户的供电能力；
Figure 397812DEST_PATH_IMAGE014
表示为同一优先 级的用户的供电能力。
Figure 535533DEST_PATH_IMAGE017
和
Figure 528896DEST_PATH_IMAGE018
的计算公式为：
Figure 17647DEST_PATH_IMAGE019
Figure 754658DEST_PATH_IMAGE020
其中，
Figure 511000DEST_PATH_IMAGE015
表示在灾害条件下t时刻的电力供应；
Figure 675265DEST_PATH_IMAGE016
表示在正常条件下t时 刻的电力供应；
Figure 385732DEST_PATH_IMAGE021
表示在时间t时刻具有电力需求的用户数量。
在
Figure 660855DEST_PATH_IMAGE022
的情况下，可以更具用户所需的电力供应为用户加权。可以理解的，与住 宅建筑等小规模用户相比，制造业等大规模用户的电力供应中断会对整个地区的影响更 大。在
Figure 38747DEST_PATH_IMAGE023
的假设条件下，电力系统中用户都具有同等重要性，而与所需电力供应大小无 关。
根据用户选择的可维护性标准，
Figure 108334DEST_PATH_IMAGE010
可以有效地捕捉基础设施系统的响应和弹 性。与系统的
Figure 571677DEST_PATH_IMAGE010
类似，用户级别的
Figure 384912DEST_PATH_IMAGE010
也可以量化，表示每个用户供电中断的等效持 续时间，如下式：
Figure 617310DEST_PATH_IMAGE024
其中，
Figure 857798DEST_PATH_IMAGE025
表示模拟中灾害的发生时间。
图2为本发明一些实施例提供的一种评估电力系统弹性的系统的示例性流程图。如图2所示，系统200包括电力系统模型构建模块210、灾害模型构建模块220、第一运行情况获取模块230、灾后恢复模型构建模块240、第二运行情况获取模块250、量化模块260和评估模块270。
电力系统模型构建模块210用于对电力系统进行建模，得到电力系统模型。关于电力系统模型构建模块210的更多内容，参见图1及其相关描述。
灾害模型构建模块220用于基于灾害的灾变情况，对灾害进行建模，得到灾害模型。关于灾害模型构建模块220的更多内容，参见图1及其相关描述。
第一运行情况获取模块230用于将灾害模型施加到电力系统模型上，得到电力系统在遭遇灾害时的第一运行情况。关于第一运行情况获取模块230的更多内容，参见图1及其相关描述。
灾后恢复模型构建模块240用于基于电力系统在遭遇灾害后采取的一种或多种恢复措施，对灾后恢复进行建模，得到灾后恢复模型。关于灾后恢复模型构建模块240的更多内容，参见图1及其相关描述。
第二运行情况获取模块250用于将灾后恢复模型施加到灾后电力系统模型上，得到依次采取恢复措施后的恢复电力系统的一种或多种第二运行情况。关于第二运行情况获取模块250的更多内容，参见图1及其相关描述。
量化模块260用于基于第一运行情况和一种或多种第二运行情况，量化灾害对电力系统在遭遇灾变时到采取恢复措施的过程中的影响。关于量化模块260的更多内容，参见图1及其相关描述。
评估模块270用于基于灾害对电力系统的影响，评估电力系统的弹性。关于评估模块270的更多内容，参见图1及其相关描述。
图3为本发明一些实施例提供的电力系统在遭遇灾变时到采取恢复措施的过程中系统的弹性变化情况的示意图。
表1 组件故障概率表
故障发生时间（s） 故障组件 故障发生的概率（%）
6000 P_L9 50
6000 P_L10 80
6000 P_L11 80
6000 P_L1 50
表1显示了在故障发生时间6000s时，故障组件P_L9、P_L10、P_L11和P_L1故障发生的概率。
表2 组件修复表
序号 故障组件 故障发生时刻（s） 开始修复时刻（s） 恢复运行时刻（s）
0 P_L1 6000 7200 16200
1 P_L9 6000 17040 26040
2 P_L11 6000 26640 41040
3 P_L10 6000 41640 56040
表2制定了修复策略，包括组件的修复顺序，故障发生时刻、修复时间和恢复运行时刻。
系统的弹性随时间变化的曲线如图3所示：在6000s时发生故障，系统的弹性显著降低。然后根据上述表格制定的修复策略对灾害引起的故障进行修复，随着故障被逐一修复，系统的弹性恢复到正常水平。
以上仅为本发明的优选实施例而已，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保护范围之内。

Claims (9)

1.一种评估电力系统弹性的方法，其特征在于，包括
对电力系统进行建模，得到电力系统模型；
基于灾害的灾变情况，对灾害进行建模，得到灾害模型；
将所述灾害模型施加到所述电力系统模型上，得到所述电力系统在遭遇灾害时的第一运行情况；
基于所述电力系统在遭遇灾害后采取的一种或多种恢复措施，对灾后恢复进行建模，得到灾后恢复模型；
将所述灾后恢复模型施加到灾后电力系统模型上，得到依次采取恢复措施后的恢复电力系统的一种或多种第二运行情况；
基于所述第一运行情况和所述一种或多种第二运行情况，量化灾害对所述电力系统在遭遇灾变时到采取所述恢复措施的过程中的影响；
基于灾害对所述电力系统的影响，评估所述电力系统的弹性；
所述评估所述电力系统的弹性的公式为：
Figure 613909DEST_PATH_IMAGE001
Figure 973347DEST_PATH_IMAGE002
其中，
Figure 504822DEST_PATH_IMAGE003
表示所述电力系统的弹性指标；
Figure 582500DEST_PATH_IMAGE004
表示模拟中灾害的发生时间；
Figure 490413DEST_PATH_IMAGE005
表 示灾害的最长模拟时间；
Figure 235515DEST_PATH_IMAGE006
表示为带有优先级的用户的供电能力；
Figure 937892DEST_PATH_IMAGE007
表 示为同一优先级的用户的供电能力；
其中，
Figure 502865DEST_PATH_IMAGE008
和
Figure 948890DEST_PATH_IMAGE009
的计算公式为：
Figure 282919DEST_PATH_IMAGE010
Figure 654733DEST_PATH_IMAGE011
其中，
Figure 972581DEST_PATH_IMAGE012
表示在灾害条件下t时刻的电力供应；
Figure 691139DEST_PATH_IMAGE013
表示在正常条件下t时刻的 电力供应；
Figure 410833DEST_PATH_IMAGE014
表示在时间t时刻具有电力需求的用户数量。
2.根据权利要求1所述的评估电力系统弹性的方法，其特征在于，所述对电力系统进行建模，包括
确定待分析的电力系统；
基于所述待分析的电力系统，确定所述电力系统所需的元件；所述元件至少包括电源、外部电网、变压器、母线、传输线、负荷和开关；
基于所述元件，构建电力系统网络。
3.根据权利要求1所述的评估电力系统弹性的方法，其特征在于，所述对灾害进行建模，包括
确定发生灾害的灾害场景；
确定在所述灾害场景下可能发生故障的组件；
确定所述可能发生故障的组件在所述灾害场景下发生故障的概率。
4.根据权利要求3所述的评估电力系统弹性的方法，其特征在于，所述确定所述可能发生故障的组件在所述灾害场景下发生故障的概率的公式为：
Figure 189433DEST_PATH_IMAGE015
其中，
Figure 994578DEST_PATH_IMAGE016
表示组件
Figure 782406DEST_PATH_IMAGE017
在灾害场景下发生故障的概率；
Figure 91027DEST_PATH_IMAGE018
表示 灾害发生的概率；
Figure 306108DEST_PATH_IMAGE019
表示组件
Figure 332970DEST_PATH_IMAGE017
暴露于灾害的概率；
Figure 924488DEST_PATH_IMAGE020
表示组件
Figure 87616DEST_PATH_IMAGE017
暴露于灾害中发生故障的概率。
5.根据权利要求4所述的评估电力系统弹性的方法，其特征在于，所述灾害场景的类型至少包括点事件和轨迹事件；
对于所述点事件：
基于灾害的强度，确定所述组件
Figure 972133DEST_PATH_IMAGE017
暴露于灾害的概率
Figure 486291DEST_PATH_IMAGE021
)；
基于组件i到灾害发生位置的距离和灾害影响半径的比值，确定所述组件
Figure 615921DEST_PATH_IMAGE017
暴露于灾害 中发生故障的概率
Figure 899135DEST_PATH_IMAGE020
；
对于所述轨迹事件：
基于组件
Figure 456018DEST_PATH_IMAGE017
到轨迹的垂直距离与撞击偏移距离的比值，确定所述组件
Figure 457472DEST_PATH_IMAGE017
暴露于灾害的概 率
Figure 125214DEST_PATH_IMAGE021
)。
6.根据权利要求1所述的评估电力系统弹性的方法，其特征在于，所述得到灾后恢复模型，包括基于维修人员的可用性、故障组件的维修时间和修复标准，确定修复所述灾后电力系统的修复策略；所述修复策略包括修复操作的顺序和实施方式。
7.根据权利要求6所述的评估电力系统弹性的方法，其特征在于，确定所述修复策略，包括
确定所述故障组件，通过模型预测控制技术计算预测范围内修复所述故障组件的修复手段；
根据所述修复手段多次修复所述故障组件；
确定执行所述修复手段后所述恢复电力系统的弹性；
将弹性最高的所述恢复电力系统对应的修复手段作为实际修复该故障组件的修复手段。
8.根据权利要求1所述的评估电力系统弹性的方法，其特征在于，所述量化灾害对所述电力系统在遭遇灾变时到采取所述恢复措施的过程中的影响，包括
获取所述电力系统在遭遇灾害时、在正常运行状态下和在采取所述恢复措施后的电力供应。
9.一种评估电力系统弹性的系统，其特征在于，包括电力系统模型构建模块、灾害模型构建模块、第一运行情况获取模块、灾后恢复模型构建模块、第二运行情况获取模块、量化模块和评估模块；
所述电力系统模型构建模块用于对电力系统进行建模，得到电力系统模型；
所述灾害模型构建模块用于基于灾害的灾变情况，对灾害进行建模，得到灾害模型；
所述第一运行情况获取模块用于将所述灾害模型施加到所述电力系统模型上，得到所述电力系统在遭遇灾害时的第一运行情况；
所述灾后恢复模型构建模块用于基于所述电力系统在遭遇灾害后采取的一种或多种恢复措施，对灾后恢复进行建模，得到灾后恢复模型；
所述第二运行情况获取模块用于将所述灾后恢复模型施加到灾后电力系统模型上，得到依次采取恢复措施后的恢复电力系统的一种或多种第二运行情况；
所述量化模块用于基于所述第一运行情况和所述一种或多种第二运行情况，量化灾害对所述电力系统在遭遇灾变时到采取所述恢复措施的过程中的影响；
所述评估模块用于基于灾害对所述电力系统的影响，评估所述电力系统的弹性；所述评估所述电力系统的弹性的公式为：
Figure 262934DEST_PATH_IMAGE001
Figure 990719DEST_PATH_IMAGE002
其中，
Figure 479469DEST_PATH_IMAGE003
表示所述电力系统的弹性指标；
Figure 685323DEST_PATH_IMAGE004
表示模拟中灾害的发生时间；
Figure 441664DEST_PATH_IMAGE005
表 示灾害的最长模拟时间；
Figure 605929DEST_PATH_IMAGE006
表示为带有优先级的用户的供电能力；
Figure 316396DEST_PATH_IMAGE007
表 示为同一优先级的用户的供电能力；
其中，
Figure 325940DEST_PATH_IMAGE008
和
Figure 703832DEST_PATH_IMAGE009
的计算公式为：
Figure 507840DEST_PATH_IMAGE022
Figure 971182DEST_PATH_IMAGE011
其中，
Figure 784417DEST_PATH_IMAGE012
表示在灾害条件下t时刻的电力供应；
Figure 751236DEST_PATH_IMAGE013
表示在正常条件下t时刻的 电力供应；
Figure 991725DEST_PATH_IMAGE014
表示在时间t时刻具有电力需求的用户数量。
CN202211300317.8A 2022-10-24 2022-10-24 一种评估电力系统弹性的方法和系统 Active CN115374654B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211300317.8A CN115374654B (zh) 2022-10-24 2022-10-24 一种评估电力系统弹性的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211300317.8A CN115374654B (zh) 2022-10-24 2022-10-24 一种评估电力系统弹性的方法和系统

Publications (2)

Publication Number Publication Date
CN115374654A CN115374654A (zh) 2022-11-22
CN115374654B true CN115374654B (zh) 2023-01-06

Family

ID=84073745

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211300317.8A Active CN115374654B (zh) 2022-10-24 2022-10-24 一种评估电力系统弹性的方法和系统

Country Status (1)

Country Link
CN (1) CN115374654B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106972526A (zh) * 2017-03-20 2017-07-21 国网浙江省电力公司嘉兴供电公司 虚拟电厂根据供电能力和电网负荷进行自动调控的方法
CN110472371A (zh) * 2019-09-06 2019-11-19 西安交通大学 一种基于恢复力的电力系统元件重要度的评估方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11183843B1 (en) * 2011-05-26 2021-11-23 J. Carl Cooper Power source load control
US10389117B2 (en) * 2014-05-13 2019-08-20 Georgia Tech Research Corporation Dynamic modeling and resilience for power distribution
CN113343467A (zh) * 2021-06-15 2021-09-03 华北电力大学 一种极端灾害条件下的电力系统弹性评估方法和系统
CN114840982A (zh) * 2022-04-15 2022-08-02 太原理工大学 台风灾害下考虑连锁故障演化的电力系统弹性评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106972526A (zh) * 2017-03-20 2017-07-21 国网浙江省电力公司嘉兴供电公司 虚拟电厂根据供电能力和电网负荷进行自动调控的方法
CN110472371A (zh) * 2019-09-06 2019-11-19 西安交通大学 一种基于恢复力的电力系统元件重要度的评估方法

Also Published As

Publication number Publication date
CN115374654A (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
Moreno et al. From reliability to resilience: Planning the grid against the extremes
Panteli et al. Power system resilience to extreme weather: Fragility modeling, probabilistic impact assessment, and adaptation measures
JP4943653B2 (ja) 多事象同時発生時の競合する原因事象の確率及び／又はシステムアベイラビリティを決定するプロセス
CN104583968A (zh) 管理系统及管理程序
CN110472371A (zh) 一种基于恢复力的电力系统元件重要度的评估方法
Pierre et al. Investment optimization to improve power system resilience
CN106789646A (zh) 业务传输路径确定方法及装置
US20220344936A1 (en) Estimation of distribution network recovery after disaster
Kong et al. A model of interdependent infrastructure system resilience
Yodo et al. Resilience analysis for complex supply chain systems using bayesian networks
CN117763449A (zh) 一种多源故障自主定位与分类方法
Wang et al. A survey of condition-based maintenance modeling of multi-component systems
Ghosh et al. Probabilistic quantification of distribution system resilience for an extreme event
Barrett et al. A risk-based framework for power system modeling to improve resilience to extreme events
CN115374654B (zh) 一种评估电力系统弹性的方法和系统
CN109154811B (zh) 用于评估工业设备的健康状况的方法
CN110380411A (zh) 一种考虑通信影响的配电网恢复力定量评估方法
Garavaglia et al. Selective maintenance strategies applied to a bridge deteriorating steel truss
CN115640936A (zh) 一种配电网弹性评估方法、装置、设备及可读存储介质
Yu et al. A Probabilistic Approach for Modeling the Resilience of Interdependent Power and Water Infrastructure Networks
Dong et al. Utility power network systems
Malefaki et al. Modeling software rejuvenation on a redundant system using Monte Carlo simulation
CN111985708A (zh) 一种基于贝叶斯算法的高压断路器拒动概率预测方法及装置
Nagaraju et al. Software rejuvenation of a fault-tolerant server subject to correlated failure
BHATTACHARYYA et al. FRAMEWORK FOR PLANNING CAPACITIES TO MAXIMIZE THE FEASIBLE RESILIENCE OF NETWORK INFRASTRUCTURE SYSTEMS

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