CN115392627A - 一种配电网的在线风险评估方法及系统 - Google Patents

一种配电网的在线风险评估方法及系统 Download PDF

Info

Publication number
CN115392627A
CN115392627A CN202210797099.7A CN202210797099A CN115392627A CN 115392627 A CN115392627 A CN 115392627A CN 202210797099 A CN202210797099 A CN 202210797099A CN 115392627 A CN115392627 A CN 115392627A
Authority
CN
China
Prior art keywords
fault
equipment
probability
outdoor
power distribution
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
CN202210797099.7A
Other languages
English (en)
Inventor
白牧可
刘科研
康田园
叶学顺
李昭
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Corp of China SGCC
Priority to CN202210797099.7A priority Critical patent/CN115392627A/zh
Publication of CN115392627A publication Critical patent/CN115392627A/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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • 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
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

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

Abstract

本发明提出一种配电网的在线风险评估方法及系统，该评估方法包括：获取配电网的实时天气数据和实时运行数据；利用预先构建的设备故障概率模型得到室外设备故障概率和室内设备故障概率；根据用户类型与设备故障严重程度的对应关系确定设备的故障严重度，并计算配电网的风险指数，根据风险指数对配电网进行在线风险评估。该评估系统包括获取模块、故障概率模块、故障严重度模块和评估模块。本发明基于模糊理论挖掘天气因素和设备故障类型与故障概率之间的关联规则，将模糊的影响因素量化，从而对配电网故障概率进行准确判别，并结合设备故障严重度指标计算配电网的风险指数，实现对配电网在线风险的准确评估。

Description

一种配电网的在线风险评估方法及系统
技术领域
本发明涉及配电网技术领域，具体涉及一种配电网的在线风险评估方法及系统。
背景技术
20世纪30年代的机械生产中，首次将机器稳定工作的能力赋以“可靠性”的定义。随着电力行业不断发展和进步，可靠性理论逐渐被应用在电力系统的建设、运行与维护中，产生了电力可靠性理论。从20世纪40年代末期开始，欧美电力行业通过概率法和POLO法实现了电力系统的可靠性评估和运行管理，对促进电力行业发展提供了积极帮助。随着计算机技术发展，电力系统可靠性评估突破了人工计算的限制，以计算机软件为载体，加之1958年起蒙特卡洛法在输变电网络可靠性研究中得以应用，电力行业实现了电网可靠性量化评估。
电力系统故障一般从可能性与严重性两种评价标准出发，传统的EMS只取最有可能的应急列表，即“可能性”标准，对其“严重性”没有量化指标进行分析；而在线运行风险分析既能反映突发故障的可能性，又能通过风险指数量化分析电力系统故障的严重程度，更为科学，更具有实际意义。研究在线风险评估模型和算法，可以为调度员进行安全决策提供参考，保证足够的安全余量。
在配电网系统的运行过程中，一些模糊的因素如气候环境等对设备运行状态的影响评估较为复杂，从而给配电网的故障概率预判及在线风险的准确评估带来一定的困难。
发明内容
为了解决目前电力系统配电网的在线风险评估中模糊影响因素无法量化、风险评估结果不准确的问题，本发明提出了一种配电网的在线风险评估方法，包括：
获取配电网的实时天气数据和实时运行数据；
将所述实时天气数据和所述实时运行数据分别代入预先构建的室外设备故障概率模型和室内设备概率模型，得到室外设备故障概率和室内设备故障概率；
分别根据所述室外设备和所述室内设备的故障关联用户以及预先设定的用户类型与所述室外设备和所述室内设备的故障严重程度的对应关系确定所述室外设备和所述室内设备的故障严重度；
基于所述室外设备和室内设备故障概率和故障严重度计算所述配电网的风险指数，并根据所述风险指数对所述配电网进行在线风险评估；
其中，所述室外设备故障概率模型和室内设备概率模型分别为基于天气因素的隶属函数和权重以及故障类型的隶属函数和权重构建的。
优选的，所述室外设备故障概率模型的构建包括：
获取所述室外设备的历史故障数据以及所述历史故障数据对应的历史天气数据，由所述室外设备的历史故障数据获得所述室外设备的故障总次数、不同的天气类型分别引起的故障次数；
以引起所述室外设备的故障次数最多的若干天气类型作为所述天气因素，分别建立所述室外设备的组成部件关于各个所述天气因素的隶属函数，用于计算所述室外设备的组成部件的天气因素隶属度；
由所述天气因素引起的故障次数在所述室外设备的故障总次数中的占比作为所述天气因素的权重；
分别将所述室外设备的全部组成部件的天气因素隶属度和全部所述天气因素的权重以矩阵和向量的形式表示，得到天气模糊矩阵和天气权重向量，运用矩阵学将所述天气模糊矩阵和天气权重向量结合，得到所述室外设备的组成部件的故障概率的影响因子；
由所述室外设备的历史故障数据获得所述室外设备的中断概率，由所述室外设备的组成部件的故障概率的影响因子和所述中断概率计算所述室外设备的故障概率，构建所述室外设备故障概率模型。
优选的，所述由所述室外设备的历史故障数据获得所述室外设备的中断概率包括：
由所述室外设备的历史故障数据获得所述室外设备的故障时间和工作总时间，由所述故障时间与所述工作总时间的比值作为所述室外设备的中断概率。
如权利要求2所述的评估方法，其特征在于，所述由所述室外设备的组成部件的故障概率的影响因子和所述中断概率计算所述室外设备的故障概率包括：
由所述室外设备的组成部件的故障概率的影响因子的乘积作为所述室外设备的故障概率的影响因子，由所述室外设备的故障概率的影响因子与所述中断概率的乘积作为所述室外设备的故障概率。
优选的，所述室内设备概率模型的构建包括：
获取所述室内设备的历史故障数据；
由所述室内设备的历史故障数据获得故障类型，计算所述故障类型的支持度和所述故障类型的权重；
建立所述故障类型的隶属函数，并基于所述隶属函数计算所述室内设备的组成部件的隶属度；
按所述故障类型的支持度划分故障集，将所述室内设备的组成部件的隶属度和所述故障类型的权重分别以矩阵和向量的形式表示，得到模糊矩阵和权重向量，运用矩阵学将所述模糊矩阵和权重向量结合，得到所述室内设备的组成部件属于各个所述故障集的概率；
由所述室内设备的组成部件属于各个所述故障集的概率获得所述室内设备的故障概率，构建所述室内设备概率模型。
优选的，所述由所述室内设备的历史故障数据获得故障类型，计算所述故障类型的支持度和所述故障类型的权重包括：
按照聚类原理对所述室内设备的历史故障数据进行整理，获得所述室内设备的故障类型、故障总次数、所述故障类型的次数以及引起所述故障类型的所述室内设备的组成部件的故障次数；
由所述故障类型的次数在所述室内设备的故障总次数中的占比作为所述故障类型的支持度，由引起所述故障类型的所述室内设备的组成部件的故障次数在所述故障类型的次数中的占比作为所述故障类型在所述室内设备的组成部件中的权重。
优选的，所述由所述室内设备的组成部件属于各个所述故障集的概率获得所述室内设备的故障概率包括：
将所述室内设备的组成部件属于各个所述故障集的概率中的最大值作为所述室内设备的组成部件的故障概率；由所述室内设备的组成部件的故障概率的乘积作为所述室内设备的故障概率。
优选的，所述基于所述室外设备和室内设备故障概率和故障严重度计算所述配电网的风险指数，并根据所述风险指数对所述配电网进行在线风险评估包括：
由所述室外设备和室内设备的故障概率和故障严重度的乘积之和得到所述配电网的风险指数；
根据所述配电网的风险指数和预先设定的所述风险指数与所述风险等级的对应关系确定所述配电网的风险等级。
优选的，所述隶属函数按下述方法之一建立：加权法、模糊统计法、专家评分法、插值法和标准函数法。
基于同一发明思路，本发明还提出一种配电网的在线风险评估系统，所述评估系统包括：
获取模块，用于获取配电网的实时天气数据和实时运行数据；
故障概率模块，用于将所述实时天气数据和所述实时运行数据分别代入预先构建的室外设备故障概率模型和室内设备概率模型，得到室外设备故障概率和室内设备故障概率；
故障严重度模块，用于分别根据所述室外设备和所述室内设备的故障关联用户以及所述用户的类型与所述室外设备和所述室内设备的故障严重程度的对应关系确定所述室外设备和所述室内设备的故障严重度；
评估模块，用于基于所述室外设备和室内设备的故障概率和故障严重度计算所述配电网的风险指数，并根据所述风险指数对所述配电网进行在线风险评估；
其中，所述室外设备故障概率模型和室内设备概率模型分别为基于天气因素的隶属函数和权重以及故障类型的隶属函数和权重构建的。
基于同一发明思路，本发明还提出一种计算机设备，包括：一个或多个处理器；所述处理器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，实现本发明提出的一种配电网的在线风险评估方法。
基于同一发明思路，本发明还提出一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现本发明提出的的一种配电网的在线风险评估方法。
与现有技术相比，本发明的有益效果为：
本发明提供的一种配电网在线风险评估方法及系统，基于模糊理论挖掘天气因素和设备故障类型与故障概率之间的关联规则，将模糊的影响因素量化，从而对设备故障概率进行准确判别，并结合设备故障严重程度指标计算风险指数，从而得出配电网的在线风险程度，本发明实现了对配电网故障概率的准确预估和对配电网在线风险的准确评估。
附图说明
图1为本发明提供的配电网在线风险评估方法的流程示意图；
图2为本发明实施例1提供的模糊综合评价方法的流程示意图；
图3为本发明实施例1提供的采用Bayes算法评定系统的N-K可靠性的程序流程示意图。
具体实施方式
实施例1：
本实施例提供了一种配电网的在线风险评估方法，如图1所示，该评估方法包括：
步骤1：获取配电网的实时天气数据和实时运行数据；
步骤2：将实时天气数据和实时运行数据分别代入预先构建的室外设备故障概率模型和室内设备概率模型，得到室外设备故障概率和室内设备故障概率；
步骤3：分别根据室外设备和室内设备的故障关联用户以及用户的类型与室外设备和室内设备的故障严重程度的对应关系确定室外设备和室内设备的故障严重度；
步骤4：基于室外设备和室内设备的故障概率和故障严重度计算配电网的风险指数，并根据风险指数对配电网进行在线风险评估。
步骤1之前还包括基于天气因素的隶属函数和权重构建室外设备故障概率模型以及基于故障类型的隶属函数和权重构建室内设备概率模型。
这两个模型的理论基础均为模糊理论和模糊综合评价法，其中，模糊综合评价法的流程图如图2所示，具体步骤为为：
1)构建评价因素U。评价因素是指对原始事务能够产生影响的几种元素，(比如影响健康的因素有饮食、作息、运动等，这些就称为健康的评价因素)，根据需要可以还可以将因素分为一级因素、二级因素等。
2)建立指标权重向量W。将影响原始事务的各个因素做权重分析，可以利用专家给定的指标权重，也可以利用层次分析法将指标分为一级、二级、三级等，并且计算各级指标的权重数值，然后以向量的形式表示出来。
3)选择隶属函数f(x)。隶属函数就是将事务因素的不确定关系表征到[0,1]这一区间内，选择合理的函数成为隶属函数，使隶属函数能最大限度的表征原始事务的基本性质，并体现合理性和客观性，一般使用能包含绝大部分信息的正态分布函数作为隶属函数。
模糊集的定义为：
A＝{(x，μA(x))|x∈X}
式中，A为隶属函数，x为事务因素，X为事务因素的对象，μA(x)为模糊集合中事务因素的隶属度。
隶属度μA(x)可以看作是两个离散值的特征函数，μA(x)为模糊集合中的x的隶属度，隶属度的值可以是0到1之间的任何值：
Figure BDA0003732541880000061
建立隶属函数的方法包括加权法、模糊统计法、专家评分法、插值法、标准函数法等。
4)确立评语集V。根据原始事务的评价因素，结合所需评判结果要求构建合适的评语集。
5)构建评价矩阵R。运用选择好的隶属函数和评语集构建出评价矩阵，矩阵的元素是评价因素相对于评语集的隶属度，如下所示：
Figure BDA0003732541880000062
其中，U为评价因素，V为评语集，r11、r12、……rmn为评价因素相对于评语集的隶属度，m为评价因素的总个数，n为评语集的总个数。
6)运用矩阵学将评价矩阵和权重相结合(B＝W·R)，得出结果向量，并对结果向量做出解释，其中，W为权重向量，R为评价矩阵，B为结果向量。
基于模糊理论的不确定性信息处理方法，根据配电网的运行情况建立室外设备故障概率模型，以架空线为例，架空线故障概率模型的构建过程为：
获取架空线的历史故障数据以及历史故障数据对应的历史天气数据，由架空线的历史故障数据获得架空线的故障总次数。以引起架空线故障次数最多的温度、风速、雷击和线路结冰因素作为天气因素，分别建立架空线的各个线路关于温度、风速、雷击和线路结冰天气因素的隶属函数，由各个线路关于各个天气因素的隶属函数计算各个线路的天气隶属度。
从架空线的历史故障数据中统计得出由温度、风速、雷击和线路结冰天气因素分别造成的故障次数，由各个天气因素造成的故障次数在架空线的故障总次数中的占比作为各个天气因素的权重。
将各个线路的天气因素隶属度以矩阵形式表示：
Rj＝[ri1，ri2，ri3，ri4]
其中，Rj为架空线的评价矩阵，ri1，ri2，ri3，ri4依次对应温度、风速、雷击和线路结冰对第i个线路影响的隶属度。
从架空线的历史故障数据获得统计范围内架空线的故障时间和工作总时间，架空线的中断概率为架空线的故障时间与工作总时间的比值。
将温度、风速、雷击和线路结冰的权重以向量的形式表示：
Wj＝[W1，W2，W3，W4]
其中，Wj为架空线的天气因素权重向量，W1，W2，W3，W4依次对应温度、风速、雷击和线路结冰的权重。
运用矩阵学将天气模糊矩阵和天气权重向量结合，
Bj＝Rj×Wj＝[μ1，μ2，…，μn]
其中，Bj为结果向量，μ1，μ2，…，μn分别为考虑四个天体因素影响的第1个、第2个、…、第n个线路的影响因子。
架空线故障概率的影响因子为上述各个线路的影响因子的乘积，架空线的故障概率为架空线的中断概率与架空线故障概率的影响因子的乘积。
按上述方法构建所有室外设备故障概率的计算架构，从而构建配电网的室外设备故障概率模型。
该室外设备故障概率模型基于天气因素的隶属函数和权重构建，将温度、风速、雷击、线路结冰等不确定天气因素量化，从而得出室外设备故障概率的影响因子。
同样基于模糊理论，以故障类型为模糊因子构建室内设备故障概率模型，具体如下：
获取室内设备的历史故障数据；按照聚类原理对室内设备的历史故障数据进行整理，对室内设备划分下一级组成部件，从室内设备的历史故障数据获得故障类型、室内设备的故障总次数、故障类型的次数以及引起各个故障类型的组成部件的故障次数。
计算各个故障类型的支持度和各个故障类型在组成部件中的权重：各个故障类型的支持度为各个故障类型的次数在室内设备的故障总次数中的占比，各个故障类型在室内设备的组成部件中的权重为引起各个故障类型的组成部件的故障次数在对应的故障类型次数中的占比。
建立各组成部件的故障类型隶属函数，用于计算各组成部件的隶属度，故障类型隶属函数可通过专家评分法建立。
按故障类型的支持度划分故障集，例如可按故障类型的支持度由低到高划分为“低风险故障”、“较低风险故障”、“有风险故障”、“较高风险故障”、“高风险故障”五个故障集。
通过隶属函数计算室内设备的各个组成部件的隶属度，以隶属度为元素构建各个组成部件的模糊矩阵，假如第一个组成部件的故障类型为4个，那么该组成部件的模糊矩阵的形式如下式所示：
Figure BDA0003732541880000081
其中，R1为室内设备的第一个组成部件的模糊矩阵，r11为第一个组成部件的第一个故障类型对第一个故障集的隶属度，r12为第一个组成部件的第一个故障类型对第二个故障集的隶属度，依次类推，……，r45为第一个组成部件的第四个故障类型对第五个故障集的隶属度。
将各个组成部件的故障类型的权重写成向量的形式，得到权重向量，运用矩阵学将各个组成部件的模糊矩阵和权重向量结合，得到结果向量，结果向量的元素即为各个组成部件属于各个故障集的概率，可将组成部件相对各个故障集的概率中的最大值作为该组成部件的故障概率，按上述方法构建室内设备的各个组成部件的故障概率的计算架构，室内设备的故障概率可由各个组件的故障概率的乘积获得，从而构建室内设备概率模型。
配电网设备的历史故障数据可从PMS系统中的设备告警信息中获取，从而更为便捷的获取设备故障概率模型构建的基础参量。通过聚类分析使PMS系统中以字段形式存储的非结构化数据变为结构化信息，使故障信息类型化、结构化，以避免实地测量配电网室外设备和室内设备故障数据的繁琐工作。
还可以给定故障集的风险等级分值，并将各个故障集的分值写成向量的形式，得到分值向量，将故障类型的模糊矩阵和权重向量结合得到的结果向量与分值向量相乘，得到各个组成部件的风险评分。评分越低，表明组成部件发生风险程度越高，从而用于对配电网设备的可靠性评估。
本实施例的室内设备故障概率模型基于故障类型的隶属函数和权重构建，以故障类型为评价因素，挖掘室内设备故障类型与故障次数之间的关联规则，从而对室内设备的故障概率进行准确判别。
本实施例的设备故障概率模型的构建过程建立在数据的真实有效和模糊理论的合理性的基础之上，以历史故障数据作为支撑，弥补了经验论的不足，能够较为准确的反应设备的故障状态。
基于配电网的设备故障概率模型还可以建立配电网的设备停运模型、确定负荷曲线模型，以及进一步建立系统的可靠性模型，对配电网的可靠性进行评估，配电网的可靠性评估主要包括以下步骤：
1、建立配电网设备的停运模型；
2、选择可靠性评估方法，确立配电网的系统状态并进行概率计算；
3、对配电网可靠性指标进行计算；
4、评估并分析所选取的配电网状态。
N-K系统是机电装备中常用的可靠性模型，传统N-K系统的可靠性计算通常采用查表法，优点在于使用简单，缺点是计算繁琐、精度低，还受到表格容量限制，因此可采用Bayes算法评定系统的N-K可靠性。
N-K系统的可靠性评定步骤如下：
(1)求出系统可靠度表达式；
(2)求系统可靠度的一阶矩、二阶矩；
(3)用函数或函数近似拟合，评定可靠性。
基于以上步骤及Bayes算法，程序采用的思路为：
1.读入数据文件；
2.采用条件语句选择二项单元或者指数单元可靠性计算设一个变量K，通过判断K是否为1来进行选项控制；
3.根据条件将数据代入函数Bayes_axiang或者Bayes_zhishu，计算其可靠性一阶矩、二阶矩；
4.将一阶矩、二阶矩的计算结果作为参数传递给函数Bayes_2、Bayes_3，计算出该系统的可靠性下限，主程序的流程图如图3所示。
可通过状态枚举或蒙特卡洛模拟方法来预估配电网的系统状态，例如可采用非顺序蒙特卡洛模拟法进行系统状态预估，非顺序蒙特卡洛模拟法的原理是对系统内所有设备呈现的状态如运行、停运的几率进行建模，然后通过抽样进行下一步的可靠分析，由于配电网系统主要是由设备组成，因此非顺序蒙特卡洛模拟法的优点为可以用设备的状态来表示系统的状态。系统状态确定后，可进行系统问题的识别和分析以及可靠性指标的计算。
室外设备故障概率模型和室内设备概率模型构建完成后，可按步骤2将实时获取的天气数据和实时运行数据分别代入室外设备故障概率模型和室内设备概率模型，从而获得实时状态的室外设备故障概率和室内设备故障概率。
电力系统面临故障发生的不确定性和严重性，基于风险的安全评估用概率表示突发事件的可能性，用故障严重度指标表示故障的严重程度，然后综合这两个方面得到定量的风险指数。
步骤3具体为：从室外设备和室内设备的实时故障关联用户以及用户的类型与室外设备和室内设备的故障严重程度的对应关系可以确定室外设备和室内设备的故障严重度指标。其中，用户类型与故障严重程度的对应关系可通过故障严重性函数得到，也可以通过对配电网的具体用户的重要程度及设备故障造成的后果及损失程度进行评估得到。某地区配电网的用户类型与故障严重程度的对应关系如表1所示。基于如表1所示的对应关系可以拟合该地区配电网的室外设备和室内设备的故障严重性函数，从而由故障严重性函数获得室外设备和室内设备的故障严重度指标。
表1某地区配电网的用户类型与故障严重程度的对应关系
Figure BDA0003732541880000101
Figure BDA0003732541880000111
步骤4中风险指数的计算具体为：
预先建立配电网的风险指数和风险等级的对应关系，该对应关系可由专家打分评估获得。本实施例中风险指数和风险等级的对应关系如表2所示。
表2风险指数和风险等级的对应关系
Figure BDA0003732541880000112
Figure BDA0003732541880000121
由步骤2得到的室外设备故障概率和步骤3得到的室外设备的故障严重度的乘积得到室外设备的风险指数，同样，由室内设备的故障概率和故障严重度的乘积得到室内设备的风险指数，两类设备的风险指数之和即为配电网的风险指数。对照预先建立的配电网风险指数和风险等级的对应关系，即可获得配电网的在线风险等级，从而完成配电网的在线风险评估。
根据配电网的实际运行情况，风险等级也可划分为安全等级、警戒等级和超标准等级。
在线风险评估主要用于调度部门，根据配电网的在线风险评估结果，便于调度员监测系统安全状况，还可以设计风险在线分析软件，根据在线风险评估结果进行风险策略修正，比如对于低压配电网，一般以调整运行方式作为风险控制措施，包括切改负荷、单电源切换、多元负荷转移等，为调度员提供实时的基于风险的决策信息。
本实施例的配电网在线风险评估方法以模糊理论为基础，综合设备故障概率和故障严重度计算配电网的风险指数，进而根据风险指数实现对配电网的在线风险评估，以历史故障数据为基础数据源，将模糊的影响因素量化，对配电网的在线风险等级的准确评估提供了依据。
实施例2：
本发明公开了一种配电网的在线风险评估系统，该评估系统包括：
获取模块，用于获取配电网的实时天气数据和实时运行数据；
故障概率模块，用于将实时天气数据和实时运行数据分别代入预先构建的室外设备故障概率模型和室内设备概率模型，得到室外设备故障概率和室内设备故障概率；
故障严重度模块，用于分别根据室外设备和室内设备的故障关联用户以及用户的类型与室外设备和室内设备的故障严重程度的对应关系确定室外设备和室内设备的故障严重度；
评估模块，用于基于室外设备和室内设备的故障概率和故障严重度计算配电网的风险指数，并根据风险指数对配电网进行在线风险评估。
该系统还包括室外设备故障概率模型构建模块和室内设备概率模型构建模块，分别用于基于天气因素的隶属函数和权重构建室外设备故障概率模型以及基于故障类型的隶属函数和权重构建室内设备概率模型。
实施例3：
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行计算机存储器存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例1中一种配电网的在线风险评估方法的步骤。
实施例4：
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例1中一种配电网的在线风险评估方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在发明待批的本发明的权利要求范围之内。

Claims (12)

1.一种配电网的在线风险评估方法，其特征在于，所述评估方法包括：
获取配电网的实时天气数据和实时运行数据；
将所述实时天气数据和所述实时运行数据分别代入预先构建的室外设备故障概率模型和室内设备概率模型，得到室外设备故障概率和室内设备故障概率；
分别根据所述室外设备和所述室内设备的故障关联用户以及预先设定的用户类型与所述室外设备和所述室内设备的故障严重程度的对应关系确定所述室外设备和所述室内设备的故障严重度；
基于所述室外设备和室内设备故障概率和故障严重度计算所述配电网的风险指数，并根据所述风险指数对所述配电网进行在线风险评估；
其中，所述室外设备故障概率模型和室内设备概率模型分别为基于天气因素的隶属函数和权重以及故障类型的隶属函数和权重构建的。
2.如权利要求1所述的评估方法，其特征在于，所述室外设备故障概率模型的构建包括：
获取所述室外设备的历史故障数据以及所述历史故障数据对应的历史天气数据，由所述室外设备的历史故障数据获得所述室外设备的故障总次数、不同的天气类型分别引起的故障次数；
以引起所述室外设备的故障次数最多的若干天气类型作为所述天气因素，分别建立所述室外设备的组成部件关于各个所述天气因素的隶属函数，用于计算所述室外设备的组成部件的天气因素隶属度；
由所述天气因素引起的故障次数在所述室外设备的故障总次数中的占比作为所述天气因素的权重；
分别将所述室外设备的全部组成部件的天气因素隶属度和全部所述天气因素的权重以矩阵和向量的形式表示，得到天气模糊矩阵和天气权重向量，运用矩阵学将所述天气模糊矩阵和天气权重向量结合，得到所述室外设备的组成部件的故障概率的影响因子；
由所述室外设备的历史故障数据获得所述室外设备的中断概率，由所述室外设备的组成部件的故障概率的影响因子和所述中断概率计算所述室外设备的故障概率，构建所述室外设备故障概率模型。
3.如权利要求2所述的评估方法，其特征在于，所述由所述室外设备的历史故障数据获得所述室外设备的中断概率包括：
由所述室外设备的历史故障数据获得所述室外设备的故障时间和工作总时间，由所述故障时间与所述工作总时间的比值作为所述室外设备的中断概率。
4.如权利要求2所述的评估方法，其特征在于，所述由所述室外设备的组成部件的故障概率的影响因子和所述中断概率计算所述室外设备的故障概率包括：
由所述室外设备的组成部件的故障概率的影响因子的乘积作为所述室外设备的故障概率的影响因子，由所述室外设备的故障概率的影响因子与所述中断概率的乘积作为所述室外设备的故障概率。
5.如权利要求1所述的评估方法，其特征在于，所述室内设备概率模型的构建包括：
获取所述室内设备的历史故障数据；
由所述室内设备的历史故障数据获得故障类型，计算所述故障类型的支持度和所述故障类型的权重；
建立所述故障类型的隶属函数，并基于所述隶属函数计算所述室内设备的组成部件的隶属度；
按所述故障类型的支持度划分故障集，将所述室内设备的组成部件的隶属度和所述故障类型的权重分别以矩阵和向量的形式表示，得到模糊矩阵和权重向量，运用矩阵学将所述模糊矩阵和权重向量结合，得到所述室内设备的组成部件属于各个所述故障集的概率；
由所述室内设备的组成部件属于各个所述故障集的概率获得所述室内设备的故障概率，构建所述室内设备概率模型。
6.如权利要求5所述的评估方法，其特征在于，所述由所述室内设备的历史故障数据获得故障类型，计算所述故障类型的支持度和所述故障类型的权重包括：
按照聚类原理对所述室内设备的历史故障数据进行整理，获得所述室内设备的故障类型、故障总次数、所述故障类型的次数以及引起所述故障类型的所述室内设备的组成部件的故障次数；
由所述故障类型的次数在所述室内设备的故障总次数中的占比作为所述故障类型的支持度，由引起所述故障类型的所述室内设备的组成部件的故障次数在所述故障类型的次数中的占比作为所述故障类型在所述室内设备的组成部件中的权重。
7.如权利要求5所述的评估方法，其特征在于，所述由所述室内设备的组成部件属于各个所述故障集的概率获得所述室内设备的故障概率包括：
将所述室内设备的组成部件属于各个所述故障集的概率中的最大值作为所述室内设备的组成部件的故障概率；由所述室内设备的组成部件的故障概率的乘积作为所述室内设备的故障概率。
8.如权利要求1所述的评估方法，其特征在于，所述基于所述室外设备和室内设备故障概率和故障严重度计算所述配电网的风险指数，并根据所述风险指数对所述配电网进行在线风险评估包括：
由所述室外设备和室内设备的故障概率和故障严重度的乘积之和得到所述配电网的风险指数；
根据所述配电网的风险指数和预先设定的所述风险指数与所述风险等级的对应关系确定所述配电网的风险等级。
9.如权利要求2或权利要求5所述的评估方法，其特征在于，所述隶属函数按下述方法之一建立：加权法、模糊统计法、专家评分法、插值法和标准函数法。
10.一种配电网的在线风险评估系统，其特征在于，所述评估系统包括：
获取模块，用于获取配电网的实时天气数据和实时运行数据；
故障概率模块，用于将所述实时天气数据和所述实时运行数据分别代入预先构建的室外设备故障概率模型和室内设备概率模型，得到室外设备故障概率和室内设备故障概率；
故障严重度模块，用于分别根据所述室外设备和所述室内设备的故障关联用户以及所述用户的类型与所述室外设备和所述室内设备的故障严重程度的对应关系确定所述室外设备和所述室内设备的故障严重度；
评估模块，用于基于所述室外设备和室内设备的故障概率和故障严重度计算所述配电网的风险指数，并根据所述风险指数对所述配电网进行在线风险评估；
其中，所述室外设备故障概率模型和室内设备概率模型分别为基于天气因素的隶属函数和权重以及故障类型的隶属函数和权重构建的。
11.一种计算机设备，其特征在于，包括：一个或多个处理器；所述处理器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1-9任一项所述的一种配电网的在线风险评估方法。
12.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1-9任一项所述的一种配电网的在线风险评估方法。
CN202210797099.7A 2022-07-06 2022-07-06 一种配电网的在线风险评估方法及系统 Pending CN115392627A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210797099.7A CN115392627A (zh) 2022-07-06 2022-07-06 一种配电网的在线风险评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210797099.7A CN115392627A (zh) 2022-07-06 2022-07-06 一种配电网的在线风险评估方法及系统

Publications (1)

Publication Number Publication Date
CN115392627A true CN115392627A (zh) 2022-11-25

Family

ID=84115977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210797099.7A Pending CN115392627A (zh) 2022-07-06 2022-07-06 一种配电网的在线风险评估方法及系统

Country Status (1)

Country Link
CN (1) CN115392627A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115760074A (zh) * 2022-12-07 2023-03-07 中国南方电网有限责任公司超高压输电公司广州局 电力设备运维方法、装置、计算机设备和存储介质
CN116665453A (zh) * 2023-06-25 2023-08-29 河南大学 基于二级模糊综合评价的高速公路事故严重程度预测方法
CN116684327A (zh) * 2023-08-03 2023-09-01 中维建技术有限公司 一种基于云计算的山林地区通信网络故障监测评估方法
CN117808238A (zh) * 2023-12-14 2024-04-02 上海众深科技股份有限公司 一种基于云计算的交付风险评估系统及方法
CN117977581A (zh) * 2024-03-29 2024-05-03 江苏冉闻信息科技有限公司 基于深度学习的电网风险预测方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115760074A (zh) * 2022-12-07 2023-03-07 中国南方电网有限责任公司超高压输电公司广州局 电力设备运维方法、装置、计算机设备和存储介质
CN116665453A (zh) * 2023-06-25 2023-08-29 河南大学 基于二级模糊综合评价的高速公路事故严重程度预测方法
CN116684327A (zh) * 2023-08-03 2023-09-01 中维建技术有限公司 一种基于云计算的山林地区通信网络故障监测评估方法
CN117808238A (zh) * 2023-12-14 2024-04-02 上海众深科技股份有限公司 一种基于云计算的交付风险评估系统及方法
CN117977581A (zh) * 2024-03-29 2024-05-03 江苏冉闻信息科技有限公司 基于深度学习的电网风险预测方法及系统

Similar Documents

Publication Publication Date Title
CN115392627A (zh) 一种配电网的在线风险评估方法及系统
Sheu Dynamic relief-demand management for emergency logistics operations under large-scale disasters
CN111539515B (zh) 一种基于故障预测的复杂装备维修决策方法
CN109885907A (zh) 一种基于云模型的卫星姿控系统健康状态评估和预测方法
CN112633316A (zh) 一种基于边界估值理论的负荷预测方法和装置
CN109525435A (zh) 一种电网业务服务器运行状态预警方法
CN106529832A (zh) 一种基于马尔科夫可靠性修正模型的继电保护系统风险评估方法
WO2017071369A1 (zh) 一种预测用户离网的方法和设备
CN111882198A (zh) 一种项目绩效评价方法及系统
Minli et al. Research on the application of artificial neural networks in tender offer for construction projects
CN113469570A (zh) 信息质量评价模型构建方法、装置、设备及存储介质
CN115185804A (zh) 服务器性能预测方法、系统、终端及存储介质
CN111400964A (zh) 一种故障发生时间预测方法及装置
CN114757441A (zh) 一种负荷预测方法及相关装置
CN117455269A (zh) 雪花型配电网供电安全预测方法、装置、设备和存储介质
CN114386631A (zh) 电力负荷故障的抢修方法、装置及电子设备
Shen et al. An interval analysis scheme based on empirical error and MCMC to quantify uncertainty of wind speed
CN112884318A (zh) 一种电网突发事件应急演练评估方法、装置及存储介质
LU101709B1 (en) Method and device for analyzing criticality of failure mode of numerical control equipment
Han et al. A Method for improving Data Quality of Large-scale Simulation
CN117131947B (zh) 架空输电线路故障预测方法、装置、设备及存储介质
CN118449842B (zh) 网络故障预测方法、预测模型生成方法、存储介质和设备
Lijuan Research on Algorithm and Modification of Elman Network Based on Fuzzy Classification and Short-Term Electricity Consumption Prediction
Yao et al. Application of Improved GRA-TOPSIS Model in Electric Power Engineering Construction Risk Evaluation
Wen et al. Construction of Sports Management System Based on Multi-Layer Neural Network Model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication