CN115587719A - 基于密集输电通道灾害的大电网静态安全风险分析方法 - Google Patents
基于密集输电通道灾害的大电网静态安全风险分析方法 Download PDFInfo
- Publication number
- CN115587719A CN115587719A CN202210648035.0A CN202210648035A CN115587719A CN 115587719 A CN115587719 A CN 115587719A CN 202210648035 A CN202210648035 A CN 202210648035A CN 115587719 A CN115587719 A CN 115587719A
- Authority
- CN
- China
- Prior art keywords
- risk
- power grid
- disaster
- transmission channel
- power transmission
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000003068 static effect Effects 0.000 title claims abstract description 60
- 238000012502 risk assessment Methods 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000005065 mining Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000012937 correction Methods 0.000 claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000011158 quantitative evaluation Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000013499 data model Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 abstract description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 230000002265 prevention Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及电力电网技术领域，本申请提供一种基于密集输电通道灾害的大电网静态安全风险分析方法，所述方法包括获取灾害数据和大电网密集输电通道关键设备的历史故障数据；根据灾害数据和历史故障数据进行风险预判，依据预判结果，构建电网的风险N‑m故障集；基于风险N‑m故障集，在设备故障概率下进行电网安全运行风险特征挖掘；通过电网运行趋势分析进行风险量化分级，结合所述风险特征挖掘建立风险评估体系，通过风险评估体系进行运行风险策略多目标优化以及误差分析与模型修正。应用电力系统的实时数据进行分析的在线模拟计算过程，用以校验事故后稳态电力系统运行方式的安全性，以便预先使运行人员提高警惕或采取措施。
Description
技术领域
本申请涉及电力电网技术领域，尤其涉及一种基于密集输电通道灾害的大电网静态安全风险分析方法。
背景技术
气象自然灾害是威胁现代电网安全的主要因素。气象部门已经较为准确监测台风和预测台风路径，建立了不同的台风数学模型。近年来，国内相关单位开始开展基于地理信息系统的电网气象灾害分析与功能应用研究，实现复杂气象和其它多种灾害条件下，电网的灾前监测、预警，灾害中统计分析、指挥决策，灾后评估和灾害治理等全过程一体化管理。
随着输电线路建设的飞速发展，线路走廊资源紧缺、同塔多回、交叉跨越、紧密并行的特点越来越显著。然而，输电密集输电通道涉及线路容量大、距离远、影响范围广，使其更易受到外界复杂多变自然环境的制约，电网故障形态呈现多样化。目前建设了针对密集输电通道自然灾害的预警系统，但是这些系统和研究的重点在于解决灾害信息的采集、监视、预报等问题，只是对局部电网进行初步监测，现有监测系统信息分散不统一、上下不共享、设备不关联。各级调控机构分别只对调管范围内设备故障进行风险分析和控制决策，难以对区域间多回直流故障、多设备同时跳闸和连锁故障等严重风险进行提前预警和有效预防，密集输电通道重大故障导致大面积电网停电的风险始终存在。
从密集输电通道灾害发生前电网实时风险预警的调控需求出发，需要提出考虑灾害信息的大电网密集输电通道安全运行风险量化评估技术。当发生山火、台风、覆冰等严重气象灾害时，能够实时预测密集输电通道的故障概率，进而对大电网密集输电通道静态安全风险进行预判，并生成最优辅助决策提供给调度运行人员，从而降低电网潜在运行风险。增强电网在线分析和风险评估能力，有效提高大电网风险预警的精益化和一体化水平，为电网安全稳定运行保驾护航，为智能电网、泛在电力物联网的运行与控制提供技术支撑。
发明内容
针对目前缺乏对电网运行状态的分析的问题，本申请的主要目的在于提供一种基于密集输电通道灾害的大电网静态安全风险分析方法，应用电力系统的实时数据进行分析的在线模拟计算过程，用以校验事故后稳态电力系统运行方式的安全性，以便预先使运行人员提高警惕或采取措施。
为实现上述目的，本申请提供一种基于密集输电通道灾害的大电网静态安全风险分析方法，所述方法包括：
获取灾害数据和大电网密集输电通道关键设备的历史故障数据；
根据所述灾害数据和历史故障数据进行风险预判，依据预判结果，构建电网的风险N-m故障集；
基于所述电网的风险N-m故障集，在设备故障概率下进行电网安全运行风险特征挖掘；
通过电网运行趋势分析进行风险量化分级，结合所述风险特征挖掘建立风险评估体系，通过所述风险评估体系进行运行风险策略多目标优化以及误差分析与模型修正。
可选的，所述构建N-m故障集，包括：
基于外部灾害信息和大电网密集输电通道关键设备的关系模型，结合获取的灾害数据和设备的历史故障数据进行风险预判，依据预判结果，构建N-m故障集。
可选的，关系模型的建立方法，包括：
基于典型灾害场景，通过特征挖掘提取灾害关键特征，建立灾害关键因素量化表达模型；
结合电网模型、灾害关键因素以及历史灾害信息，分析与提炼灾害时空维度演变特性及灾害信息与大电网密集通道的时空耦合映射关系，进行机器学习，建立灾害信息与密集通道关系模型。
可选的，所述典型灾害场景包括气象信息、台风、雷电、覆冰和山火灾害，典型灾害场景的构建方法，包括：
收集大电网密集输电通道的输电设备静态信息、历史运行数据、气象环境信息、地理信息及外部灾害事件信息的数据；
归纳大电网密集输电通道安全运行的典型灾害场景。
可选的，所述特征挖掘提取灾害关键特征，包括：利用机器学习构建的N-m故障集，在设备故障概率下进行电网安全运行风险特征挖掘，其中，设备故障概率构建的故障概率计算模型获取。
可选的，通过电网运行趋势分析进行风险量化分级，所述电网运行趋势分析基于统一数据模型实现，所述统一数据模型用于对密集通道灾害信息、电网历史断面数据以及在线分析结果进行分析，确定系统单项风险值与综合风险值之间的权重关系，结合针对系统状态的风险指标，构建电网系统风险量化评估模型。
可选的，所述密集通道灾害信息关联电网设备，所述电网历史断面数据关联海量历史数据，所述在线分析结果基于实时刷新数据获取。
可选的，风险评估体系进行运行误差分析与模型修正时，还包括构建动态修正模型，构建动态修正模型的方法，包括：
利用历史故障数据与实时断面信息，基于实时采集的在线监测数据，进行大电网密集输电通道设备故障率动态修正，构建动态修正模型。
可选的，所述基于密集输电通道灾害的大电网静态安全风险分析方法，还包括：基于潮流计算获取电网设备初始运行状况，进行元件开断模拟分析，其中，所述潮流计算为给定电力系统网络拓扑、元件参数和发电、负荷参量条件下，计算有功功率、无功功率及电压在电力网中的分布。
可选的，潮流计算的潮流方程的表达式为：
W＝f(X,Y)
Z＝g(X,Y)
式中：W为系统节点功率注入向量；X为节点电压向量；Y为系统网络参数；Z为系统支路潮流向量。
可选的，基于风险N-m故障集、风险特征挖掘以及风险量化评估模型，结合风险处置知识库以及多目标优化模型进行密集输电通道灾害的大电网静态安全风险辅助决策，对风险评估模型的量化评估结果进行可视化展示。
此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于密集输电通道灾害的大电网静态安全风险分析程序，其中所述基于密集输电通道灾害的大电网静态安全风险分析程序被处理器执行时，实现如上述的基于密集输电通道灾害的大电网静态安全风险分析方法的步骤。
本申请提供一种基于密集输电通道灾害的大电网静态安全风险分析方法，基于外部灾害信息和大电网密集输电通道关键设备的关系模型，结合数据进行风险预判，依据预判结果，构建风险N-m故障集，基于风险理论进行电网安全运行风险特征挖掘并结合各类风险指标构建系统量化评估模型与风险指标综合评价体系；最后基于评估结果，构建多目标综合优化策略与优化模型，利用优化算法与算法的参数配置不断改进优化模型，形成大电网静态安全风险预防辅助决策方法。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例。在附图中：
图1为本申请基于密集输电通道灾害的大电网静态安全风险分析方法的流程图；
图2为本申请基于密集输电通道灾害的大电网静态安全风险分析方法中建立关系模型的流程图；
图3为本申请基于密集输电通道灾害的大电网静态安全风险分析方法的框架示意图；
图4为本申请基于密集输电通道灾害的大电网静态安全风险分析方法的技术路线示意图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/ 步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
由于目前建设了针对密集输电通道自然灾害的预警系统，但是这些系统和研究的重点在于解决灾害信息的采集、监视、预报等问题，只是对局部电网进行初步监测，现有监测系统信息分散不统一、上下不共享、设备不关联。各级调控机构分别只对调管范围内设备故障进行风险分析和控制决策，难以对区域间多回直流故障、多设备同时跳闸和连锁故障等严重风险进行提前预警和有效预防，密集输电通道重大故障导致大面积电网停电的风险始终存在。
从密集输电通道灾害发生前电网实时风险预警的调控需求出发，需要提出考虑灾害信息的大电网密集输电通道安全运行风险量化评估技术。当发生山火、台风、覆冰等严重气象灾害时，能够实时预测密集输电通道的故障概率，进而对大电网密集输电通道静态安全风险进行预判，并生成最优辅助决策提供给调度运行人员，从而降低电网潜在运行风险。增强电网在线分析和风险评估能力，有效提高大电网风险预警的精益化和一体化水平，为电网安全稳定运行保驾护航，为智能电网、泛在电力物联网的运行与控制提供技术支撑。
本申请的实施例提供了一种基于密集输电通道灾害的大电网静态安全风险分析方法，不同于以往的密集输电通道自然灾害的预警系统，而是采用电力系统的实时数据进行分析的在线模拟计算过程，用以校验事故后稳态电力系统运行方式的安全性，以便预先使运行人员提高警惕或采取措施。
在一些实施方式中，基于密集输电通道灾害的大电网静态安全风险分析方法可以应用在基于密集输电通道灾害的大电网静态安全风险分析设备，该基于密集输电通道灾害的大电网静态安全风险分析设备可以是PC、便携计算机、移动终端等具有显示和处理功能的设备，当然也不限于此。
请参照图1，图1为本申请基于密集输电通道灾害的大电网静态安全风险分析方法第一实施例的流程示意图。本申请的实施例中，所述基于密集输电通道灾害的大电网静态安全风险分析方法包括以下步骤S10-步骤 S40：
步骤S10，获取灾害数据和大电网密集输电通道关键设备的历史故障数据。
在本申请的实施例中，利用输电设备精细化外部灾害监测等数据，通过分析影响大电网密集输电通道的外部灾害信息关键因素，基于人工智能等智能化方法评估并预判出系统在不确定性条件下的系统运行风险，量化考虑外部灾害等信息的电网安全运行风险指标，快速的实现综合统一考虑密集输电通道灾害的大电网风险预警并给出预防辅助决策。
其中，灾害数据的数据源包括但不局限于气象、台风、雷电、覆冰、山火等外部灾害监测的数据。
在本申请的实施例中，通过梳理分析大电网密集输电通道外部灾害事件信息及分布区域特点，结合外部环境监测预测信息，整理出影响大电网密集输电通道安全运行的典型灾害场景；其次，基于典型灾害场景，通过数据预处理分析技术，提出不同类型灾害对大电网密集通道安全运行影响的风险机理机制，准确感知灾害信息发生时间、地点、级别、危害程度等关键特征，构建监测、预测典型灾害信息模型；最后，基于灾害信息模型的构建，建立灾害关键因素的量化关系，为灾害事件信息和典型灾害场景在调度侧得以充分利用和提供技术支撑，为大电网密集输电通道综合监视提供基础。
步骤S20，根据所述灾害数据和历史故障数据进行风险预判，依据预判结果，构建电网的风险N-m故障集。
在一些实施例中，所述构建N-m故障集，包括：基于外部灾害信息和大电网密集输电通道关键设备的关系模型，结合获取的灾害数据和设备的历史故障数据进行风险预判，依据预判结果，构建N-m故障集。
在本申请的实施例中，参见图2所示，关系模型的建立方法，包括：
步骤S201，基于典型灾害场景，通过特征挖掘提取灾害关键特征，建立灾害关键因素量化表达模型；
步骤S202，结合电网模型、灾害关键因素以及历史灾害信息，分析与提炼灾害时空维度演变特性及灾害信息与大电网密集通道的时空耦合映射关系，进行机器学习，建立灾害信息与密集通道关系模型。
在本申请的实施例中，所述典型灾害场景包括气象信息、台风、雷电、覆冰和山火灾害。
在本申请的实施例中，调研收集国内外大电网密集通道的输电设备静态信息、历史运行数据、气象环境信息、地理信息及外部灾害事件信息，归纳总结强风、台风、雷电、覆冰、山火等影响大电网密集输电通道安全运行的典型灾害场景。针对典型灾害场景，通过数据预处理分析等技术，开展各类灾害对大电网密集通道安全运行影响的风险机理分析，基于不同灾害的发生时间、地点、级别、危害程度等关键特征及灾害感知、监测、预测信息模型，建立灾害关键因素量化表达模型。
在一些实施例中，典型灾害场景的构建方法，包括：
收集大电网密集输电通道的输电设备静态信息、历史运行数据、气象环境信息、地理信息及外部灾害事件信息的数据；
归纳大电网密集输电通道安全运行的典型灾害场景。
在本申请中，通过研究构建故障概率计算模型的理论基础，利用历史故障数据与实时断面信息，基于灾害演变过程中实时采集的在线监测数据，研究大电网密集输电通道设备故障率动态修正实现方法，进而构建动态修正模型。结合实时气象信息与灾害预警信息，研究在线诊断与智能告警方法，实现智能的风险预判，依据预判结果，进一步构建电网高风险N-m故障集。
步骤S30，基于所述电网的风险N-m故障集，在设备故障概率下进行电网安全运行风险特征挖掘。
在一些实施例中，参见图3和图4所示，所述特征挖掘提取灾害关键特征，包括：利用机器学习构建的N-m故障集，在设备故障概率下进行电网安全运行风险特征挖掘，其中，设备故障概率构建的故障概率计算模型获取。
在本申请中，基于对密集输电通道在灾害演变过程的分析，对电网运行趋势分析，通过机器学习等人工智能算法与风险量化计算，在考虑故障概率情况下的电网安全运行风险特征挖掘。
步骤S40，通过电网运行趋势分析进行风险量化分级，结合所述风险特征挖掘建立风险评估体系，通过所述风险评估体系进行运行风险策略多目标优化以及误差分析与模型修正。
在一些实施例中，通过层次分析，确定系统单项风险值与综合风险值之间的权重关系，结合系统状态的各类风险指标，考虑密集输电通道灾害的失负荷风险指标、电压越限风险指标、过载风险指标、电网结构风险指标、系统承受负荷能力风险指标等的风险评级指标计算，构建电网系统风险量化评估模型与风险指标综合评价体系。
在一些实施例中，结合密集输电通道灾害情况下的风险特征及风险量化评估结果，进行密集输电通道的静态安全风险最优调控，针对降低密集输电通道综合风险、降低减供负荷、减少开关操作次数等多个优化目标，构建综合优化策略。基于密集输电通道需要满足的区域电网连通性、送受端频率等约束条件，构建多目标优化模型方法与优化算法，通过对算法参数配置等的调整结合案例分析，不断改进优化模型和算法，最终研究形成大电网静态安全风险预防辅助决策，提高风险预防辅助决策的准确性。
本申请的实施例提供的一种基于密集输电通道灾害的大电网静态安全风险分析方法，通过研究影响大电网密集输电通道安全运行的多源外部环境信息，归纳总结常规气象、台风、雷电、覆冰、山火等典型灾害场景，通过特征挖掘提取灾害关键特征，建立灾害关键因素量化表达模型；结合电网模型、灾害关键因素分析与提炼灾害时空维度演变特性及灾害信息与大电网密集通道的时空耦合映射关系，建立灾害信息与密集通道关系模型，提出灾害信息与大电网密集通道关键设备关系模型表达方法；研究大电网密集通道外部环境信息标准化建模、信息采集、数据整合方法，提出支撑大电网密集通道的灾害实时监视及对电网影响的可视化展示方法，提升大电网密集输电通道的外部环境综合监视能力。
基于上述图1所示实施例，本申请的一些实施例中，所述基于密集输电通道灾害的大电网静态安全风险分析方法，还包括：基于潮流计算获取电网设备初始运行状况，进行元件开断模拟分析。在给定电力系统网络拓扑、元件参数和发电、负荷参量条件下，计算有功功率、无功功率及电压在电力网中的分布，根据给定的电网结构、参数和发电机、负荷等元件的运行条件，确定电力系统各部分稳态运行状态参数的潮流计算。
在给定的运行条件有系统中各电源和负荷点的功率、枢纽点电压、平衡点的电压和相位角时，待求的运行状态参量包括电网各母线节点的电压幅值和相角，以及各支路的功率分布、网络的功率损耗等。
对于正在运行的电力系统，通过潮流计算可以判断电网母线电压、支路电流和功率是否越限，如果有越限，就应采取措施，调整运行方式。对于正在规划的电力系统，通过潮流计算，可以为选择电网供电方案和电气设备提供依据。潮流计算还可以为继电保护和自动装置定整计算、电力系统故障计算和稳定计算等提供原始数据。
针对电力系统运行的不确定因素，必然要考虑到其相应的概率性因素。由于传统的电网分析中并无概率性分析的方法，因此，需要将概率统计的方法引入到电网分析中，以便进一步分析电网安全风险。而本申请的实施例利用潮流计算获取电网设备初始运行状况，进行元件开断模拟分析。
其中，所述潮流计算为给定电力系统网络拓扑、元件参数和发电、负荷参量条件下，计算有功功率、无功功率及电压在电力网中的分布。
其中，潮流计算的潮流方程的表达式为：
W＝f(X,Y)
Z＝g(X,Y)
式中：W为系统节点功率注入向量；X为节点电压向量；Y为系统网络参数；Z为系统支路潮流向量。
概率潮流的计算在上述潮流方程的表达式的基础上，通过考虑输入变量W和Y的概率特性，获得系统状态变量X和Z的分布情况，从而全面地给出系统的运行状况和概率特征。
在本申请中，模拟法概率潮流将电力系统中的不确定因素作为随机变量建立概率模型，然后抽取概率分布的样本，最后统计输出变量的分布特征。相对于传统的模拟法概率，本申请实施例的潮流计算方法一般是指随机采样的蒙特卡洛模拟法，还基于随机模拟法改进衍生出重要抽样法、拉丁超立方采样法和拟蒙特卡洛模法等，上述潮流计算方法为现有方法，在此不再赘述。
在本申请的一些实施例中，所述基于密集输电通道灾害的大电网静态安全风险分析方法，还包括：基于风险N-m故障集、风险特征挖掘以及风险量化评估模型，结合风险处置知识库以及多目标优化模型进行密集输电通道灾害的大电网静态安全风险辅助决策，对风险评估模型的量化评估结果进行可视化展示。
本申请的基于密集输电通道灾害的大电网静态安全风险分析方法、装置可以实现为一种计算机程序的形式，该计算机程序可以在如图1所示的基于密集输电通道灾害的大电网静态安全风险分析设备上运行。
本申请还提供了一种基于密集输电通道灾害的大电网静态安全风险分析设备，该基于密集输电通道灾害的大电网静态安全风险分析设备包括通过系统总线连接的处理器和存储器，其中，存储器可以包括非易失性存储介质和内存储器。
处理器用于提供计算和控制能力，支撑整个基于密集输电通道灾害的大电网静态安全风险分析设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种基于密集输电通道灾害的大电网静态安全风险分析方法的以下步骤：
获取灾害数据和大电网密集输电通道关键设备的历史故障数据；
根据所述灾害数据和历史故障数据进行风险预判，依据预判结果，构建电网的风险N-m故障集；
基于所述电网的风险N-m故障集，在设备故障概率下进行电网安全运行风险特征挖掘；
通过电网运行趋势分析进行风险量化分级，结合所述风险特征挖掘建立风险评估体系，通过所述风险评估体系进行运行风险策略多目标优化以及误差分析与模型修正。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit， CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，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。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，所述处理器用于运行存储在存储器中的计算机程序，以实现本申请基于密集输电通道灾害的大电网静态安全风险分析方法的各个实施例，此处不再赘述。
此外，本申请实施例还提供一种计算机可读存储介质。
本申请计算机可读存储介质上存储有基于密集输电通道灾害的大电网静态安全风险分析程序，其中所述基于密集输电通道灾害的大电网静态安全风险分析程序被处理器执行时，实现如上述的基于密集输电通道灾害的大电网静态安全风险分析方法的步骤：
获取灾害数据和大电网密集输电通道关键设备的历史故障数据；
根据所述灾害数据和历史故障数据进行风险预判，依据预判结果，构建电网的风险N-m故障集；
基于所述电网的风险N-m故障集，在设备故障概率下进行电网安全运行风险特征挖掘；
通过电网运行趋势分析进行风险量化分级，结合所述风险特征挖掘建立风险评估体系，通过所述风险评估体系进行运行风险策略多目标优化以及误差分析与模型修正。
其中，基于密集输电通道灾害的大电网静态安全风险分析程序被执行时所实现的方法可参照本申请基于密集输电通道灾害的大电网静态安全风险分析方法的各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如 ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
本申请提供一种基于密集输电通道灾害的大电网静态安全风险分析方法，基于外部灾害信息和大电网密集输电通道关键设备的关系模型，结合数据进行风险预判，依据预判结果，构建风险N-m故障集，基于风险理论进行电网安全运行风险特征挖掘并结合各类风险指标构建系统量化评估模型与风险指标综合评价体系；最后基于评估结果，构建多目标综合优化策略与优化模型，利用优化算法与算法的参数配置不断改进优化模型，形成大电网静态安全风险预防辅助决策方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，所述方法包括以下步骤：
获取灾害数据和大电网密集输电通道关键设备的历史故障数据；
根据所述灾害数据和历史故障数据进行风险预判，依据预判结果，构建电网的风险N-m故障集；
基于所述电网的风险N-m故障集，在设备故障概率下进行电网安全运行风险特征挖掘；
通过电网运行趋势分析进行风险量化分级，结合所述风险特征挖掘建立风险评估体系，通过所述风险评估体系进行运行风险策略多目标优化以及误差分析与模型修正。
2.根据权利要求1所述的基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，所述构建N-m故障集，包括：
基于外部灾害信息和大电网密集输电通道关键设备的关系模型，结合获取的灾害数据和设备的历史故障数据进行风险预判，依据预判结果，构建N-m故障集。
3.根据权利要求2所述的基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，关系模型的建立方法，包括：
基于典型灾害场景，通过特征挖掘提取灾害关键特征，建立灾害关键因素量化表达模型；
结合电网模型、灾害关键因素以及历史灾害信息，分析与提炼灾害时空维度演变特性及灾害信息与大电网密集通道的时空耦合映射关系，进行机器学习，建立灾害信息与密集通道关系模型。
4.根据权利要求3所述的基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，所述典型灾害场景包括气象信息、台风、雷电、覆冰和山火灾害，典型灾害场景的构建方法，包括：
收集大电网密集输电通道的输电设备静态信息、历史运行数据、气象环境信息、地理信息及外部灾害事件信息的数据；
归纳大电网密集输电通道安全运行的典型灾害场景。
5.根据权利要求3所述的基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，所述特征挖掘提取灾害关键特征，包括：利用机器学习构建的N-m故障集，在设备故障概率下进行电网安全运行风险特征挖掘，其中，设备故障概率构建的故障概率计算模型获取。
6.根据权利要求1所述的基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，还包括：通过电网运行趋势分析进行风险量化分级；
所述电网运行趋势分析基于统一数据模型实现，所述统一数据模型用于对密集通道灾害信息、电网历史断面数据以及在线分析结果进行分析，确定系统单项风险值与综合风险值之间的权重关系，结合针对系统状态的风险指标，构建电网系统风险量化评估模型。
7.根据权利要求6所述的基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，所述密集通道灾害信息关联电网设备，所述电网历史断面数据关联海量历史数据，所述在线分析结果基于实时刷新数据获取。
8.如权利要求1所述的基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，风险评估体系进行运行误差分析与模型修正时，还包括构建动态修正模型；构建动态修正模型的方法，包括：
利用历史故障数据与实时断面信息，基于实时采集的在线监测数据，进行大电网密集输电通道设备故障率动态修正，构建动态修正模型。
9.如权利要求1所述的基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，还包括：基于潮流计算获取电网设备初始运行状况，进行元件开断模拟分析；其中，所述潮流计算为给定电力系统网络拓扑、元件参数和发电、负荷参量条件下，计算有功功率、无功功率及电压在电力网中的分布。
10.如权利要求6所述的基于密集输电通道灾害的大电网静态安全风险分析方法，其特征在于，还包括：
基于风险N-m故障集、风险特征挖掘以及风险量化评估模型，结合风险处置知识库以及多目标优化模型进行密集输电通道灾害的大电网静态安全风险辅助决策，对风险评估模型的量化评估结果进行可视化展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210648035.0A CN115587719A (zh) | 2022-06-08 | 2022-06-08 | 基于密集输电通道灾害的大电网静态安全风险分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210648035.0A CN115587719A (zh) | 2022-06-08 | 2022-06-08 | 基于密集输电通道灾害的大电网静态安全风险分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115587719A true CN115587719A (zh) | 2023-01-10 |
Family
ID=84770978
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210648035.0A Pending CN115587719A (zh) | 2022-06-08 | 2022-06-08 | 基于密集输电通道灾害的大电网静态安全风险分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115587719A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116167527A (zh) * | 2023-04-21 | 2023-05-26 | 南方电网数字电网研究院有限公司 | 纯数据驱动的电力系统静态安全运行风险在线评估方法 |
| CN116739829A (zh) * | 2023-07-03 | 2023-09-12 | 深圳义云科技有限公司 | 一种基于大数据的电力数据分析方法、系统及介质 |
| CN117370872A (zh) * | 2023-12-07 | 2024-01-09 | 国网江苏省电力有限公司南通供电分公司 | 电力设备的寻优控制方法及装置 |
-
2022
- 2022-06-08 CN CN202210648035.0A patent/CN115587719A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116167527A (zh) * | 2023-04-21 | 2023-05-26 | 南方电网数字电网研究院有限公司 | 纯数据驱动的电力系统静态安全运行风险在线评估方法 |
| CN116167527B (zh) * | 2023-04-21 | 2023-09-12 | 南方电网数字电网研究院有限公司 | 纯数据驱动的电力系统静态安全运行风险在线评估方法 |
| CN116739829A (zh) * | 2023-07-03 | 2023-09-12 | 深圳义云科技有限公司 | 一种基于大数据的电力数据分析方法、系统及介质 |
| CN116739829B (zh) * | 2023-07-03 | 2024-03-19 | 深圳义云科技有限公司 | 一种基于大数据的电力数据分析方法、系统及介质 |
| CN117370872A (zh) * | 2023-12-07 | 2024-01-09 | 国网江苏省电力有限公司南通供电分公司 | 电力设备的寻优控制方法及装置 |
| CN117370872B (zh) * | 2023-12-07 | 2024-03-26 | 国网江苏省电力有限公司南通供电分公司 | 电力设备的寻优控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115587719A (zh) | 基于密集输电通道灾害的大电网静态安全风险分析方法 | |
| CN107193274B (zh) | 一种基于多维度综合指标的电网脆弱性评估方法 | |
| CN110311376A (zh) | 一种电力系统动态安全评估综合模型及时空可视化方法 | |
| Xue et al. | Impact of transmission tower-line interaction to the bulk power system during hurricane | |
| EP3140898B1 (en) | Method and system for monitoring distribution systems | |
| Zhang et al. | A comprehensive overview of modeling approaches and optimal control strategies for cyber-physical resilience in power systems | |
| CN110059356A (zh) | 一种基于大数据和人工智能的大电网智能调控系统和方法 | |
| CN105787606A (zh) | 一种基于超短期负荷预测的电力调度在线趋势预警系统 | |
| CN102708411A (zh) | 一种地区电网在线风险评估方法 | |
| CN114184996B (zh) | 低压台区智能电表的计量异常行为辨识方法及装置 | |
| Oboudi et al. | Two-stage seismic resilience enhancement of electrical distribution systems | |
| Amini et al. | Electrical energy systems resilience: A comprehensive review on definitions, challenges, enhancements and future proceedings | |
| CN115456410A (zh) | 一种电网风险的评估方法及评估系统 | |
| CN116341919A (zh) | 一种数据与模型联合驱动的安全风险评估预警方法 | |
| Yang et al. | Review on vulnerability analysis of power distribution network | |
| Chen et al. | Review of distribution network’s resilience based on typhoon disaster | |
| Hosseinzadeh et al. | Fast restoration of microgrids using online evaluation metrics considering severe windstorms | |
| CN105958474A (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
| JP2003090887A (ja) | 落雷による瞬時電圧低下予測システムおよび予測方法 | |
| Hu et al. | Operational reliability evaluation method based on big data technology | |
| Wu et al. | Study on risk assessment system of power failure in distribution network of large cities | |
| Guan et al. | Enhancing security and resilience of bulk power systems via multisource big data learning | |
| De Caro et al. | Review of Recent Trends in Power System Resilience-Oriented Decision-Making Methods | |
| KR20180002329A (ko) | Ict 융합형 풍력 발전 단지 모니터링 시스템, 서버 및 방법 | |
| CN104166939A (zh) | 基于情景分析的配电网运行风险预警方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |