CN115719168B - 基于多电力终端协同的发电设备运行风险分析方法及装置 - Google Patents

基于多电力终端协同的发电设备运行风险分析方法及装置 Download PDF

Info

Publication number
CN115719168B
CN115719168B CN202310031769.9A CN202310031769A CN115719168B CN 115719168 B CN115719168 B CN 115719168B CN 202310031769 A CN202310031769 A CN 202310031769A CN 115719168 B CN115719168 B CN 115719168B
Authority
CN
China
Prior art keywords
terminal
risk
terminal node
determining
fault
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
CN202310031769.9A
Other languages
English (en)
Other versions
CN115719168A (zh
Inventor
周跃
杜双育
张鑫
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.)
Brilliant Data Analytics Inc
Original Assignee
Brilliant Data Analytics Inc
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 Brilliant Data Analytics Inc filed Critical Brilliant Data Analytics Inc
Priority to CN202310031769.9A priority Critical patent/CN115719168B/zh
Publication of CN115719168A publication Critical patent/CN115719168A/zh
Application granted granted Critical
Publication of CN115719168B publication Critical patent/CN115719168B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及风险分析技术，揭露了一种基于多电力终端协同的发电设备运行风险分析方法及装置，包括：根据接入节点生成电力消耗终端的终端节点图；提取终端节点图中的运行参数和环境参数，根据运行参数及环境参数计算终端节点的故障率；根据故障率确定终端节点的修复率，根据修复率及故障率计算瞬时状态概率；根据瞬时状态概率确定终端节点图的运行状态数据，计算每个终端节点的过负荷风险和电压风险；根据过负荷风险及电压风险计算电力发电设备的运行风险值，根据运行风险值确定电力发电设备的运行风险状态。本发明还提出一种基于多电力终端协同的发电设备运行风险分析装置。本发明可以提高发电设备运行风险分析时的准确度。

Description

基于多电力终端协同的发电设备运行风险分析方法及装置
技术领域
本发明涉及风险分析技术领域，尤其涉及一种基于多电力终端协同的发电设备运行风险分析方法及装置。
背景技术
随着人们安全意识的提高，对各种机电设备的运行状态也越来越关注。但为了能够给人们提供更好的预防措施，需要对机电设备的运行风险提前进行分析，以进行风险防范。
现有的发电设备运行分析技术多为通过经验判断的风险评估，受主观意识的影响较大，存在判断不准确的情况。实际应用中，应该对发电设备的实时运行状态参数进行分析，而不是仅考虑主观认识判断的结果，可能导致对发电设备运行风险分析过于片面，从而对进行发电设备运行风险分析时的准确度较低。
发明内容
本发明提供一种基于多电力终端协同的发电设备运行风险分析方法及装置，其主要目的在于解决进行发电设备运行风险分析时的准确度较低的问题。
为实现上述目的，本发明提供的一种基于多电力终端协同的发电设备运行风险分析方法，包括：
S1、获取每个电力消耗终端的接入节点，按照预设的接入方式根据所述接入节点生成所述电力消耗终端的终端节点图；
S2、提取所述终端节点图中每个终端节点的终端运行参数和终端环境参数，根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率；
S3、根据所述故障率确定每个终端节点的修复率，利用预设的状态概率算法根据所述修复率及所述故障率计算每个终端节点的瞬时状态概率，其中，所述利用预设的状态概率算法根据所述修复率及所述故障率计算每个终端节点的瞬时状态概率，包括：
S31、根据所述修复率及所述故障率确定瞬时状态矩阵；
S32、利用如下的所述状态概率算法根据所述瞬时状态矩阵计算所述终端节点的瞬时状态概率：
Figure 160389DEST_PATH_IMAGE001
其中，
Figure 360427DEST_PATH_IMAGE002
为对所述瞬时状态概率的微分，
Figure 150528DEST_PATH_IMAGE003
表示对时刻的微分，
Figure 373699DEST_PATH_IMAGE004
表示在
Figure DEST_PATH_IMAGE005
时刻的瞬时状态概率，
Figure 704186DEST_PATH_IMAGE006
表示所述瞬时状态矩阵，
Figure 758730DEST_PATH_IMAGE007
表示所述故障率，
Figure 454153DEST_PATH_IMAGE008
表示所述修复率；
S4、根据所述瞬时状态概率确定所述终端节点图的运行状态数据，当所述运行状态数据满足预设的状态数据阈值时，计算每个终端节点的过负荷风险和电压风险；
S5、利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，根据所述运行风险值确定所述电力发电设备的运行风险状态。
可选地，所述按照预设的接入方式根据所述接入节点生成所述电力消耗终端的终端节点图，包括：
按照所述接入方式随机选择一个所述接入节点对应的接入随机数；
当所述接入随机数小于预设的接入控制因子时，记录所述接入节点的接入序号；
当所述接入随机数大于或等于所述接入控制因子时，返回至按照所述接入方式随机选择一个所述接入节点对应的接入随机数的步骤，直至所述接入随机数小于所述接入控制因子；
根据所述接入序号生成所述电力消耗终端的终端节点图。
可选地，所述根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率，包括：
利用预先构建的终端故障模型根据所述终端运行参数计算每个终端节点的第一故障率，以及利用所述终端故障模型根据所述终端环境参数计算每个终端节点的第二故障率；
将所述第一故障率与所述第二故障率进行相加，得到每个终端节点的故障率。
可选地所述利用预先构建的终端故障模型根据所述终端运行参数计算每个终端节点的第一故障率之前，还包括：
获取每个终端节点的基准故障率；
根据所述基准故障率确定每个终端节点的偏离基准故障增量；
利用所述基准故障率与所述偏离基准故障增量生成所述终端故障模型，其中，所述终端故障模型为：
Figure 430200DEST_PATH_IMAGE009
其中，
Figure 502061DEST_PATH_IMAGE010
为所述终端故障模型输出的故障率，
Figure 178155DEST_PATH_IMAGE011
为第
Figure 310059DEST_PATH_IMAGE012
个运行条件变量，
Figure 507822DEST_PATH_IMAGE013
为第
Figure 383374DEST_PATH_IMAGE014
个终端节点的基准故障率，
Figure 678090DEST_PATH_IMAGE015
为终端节点的数量，
Figure 715316DEST_PATH_IMAGE016
为第
Figure 665954DEST_PATH_IMAGE017
个终端节点的偏离基准 故障增量，
Figure 79618DEST_PATH_IMAGE018
为所述偏离基准故障增量。
可选地，所述根据所述故障率确定每个终端节点的修复率，包括：
将所述故障率与预设的故障率阈值进行故障率比较，得到故障等级；
根据所述故障等级确定所述终端节点的修复时间；
根据所述修复时间、所述故障率及所述终端节点的数量确定所述修复率。
可选地，所述根据所述瞬时状态概率确定所述终端节点图的运行状态数据，包括：
根据所述瞬时状态概率确定所述终端节点图的瞬时状态概率初始值及状态概率矩阵；
根据所述终端节点图的运行状态确定所述瞬时状态概率初始值，得到更新瞬时状态概率初始值；
根据所述更新瞬时状态概率初始值及所述状态概率矩阵确定所述终端节点图的运行状态数据。
可选地，所述计算每个终端节点的过负荷风险和电压风险，包括：
当所述终端节点的电压值小于预设的电压阈值时，确定每个所述终端节点的第一运行状态，汇集所述第一运行状态为第一运行状态集合；
当所述终端节点的过负荷值小于预设的过负荷阈值时，确定每个所述终端节点的第二运行状态，汇集所述第二运行状态为第二运行状态集合；
利用所述第一运行状态集合确定所述终端节点的低电压概率，根据所述低电压概率确定每个终端节点的电压风险；
利用所述第二运行状态集合确定所述终端节点的过负荷概率，根据所述过负荷概率确定每个终端节点的过负荷风险。
可选地，所述根据所述低电压概率确定每个终端节点的电压风险，包括：
根据预设的时间区间获取每个终端节点的电压值；
在所述时间区间内，根据所述电压值计算每个所述终端节点的电压均值；
利用如下的风险公式根据所述低电压概率及所述电压均值计算每个终端节点的电压风险：
Figure 228840DEST_PATH_IMAGE019
其中，
Figure 436967DEST_PATH_IMAGE020
为第
Figure 609322DEST_PATH_IMAGE021
个终端节点的电压风险，
Figure 325212DEST_PATH_IMAGE022
为所述电压阈值，
Figure 328940DEST_PATH_IMAGE023
为第
Figure 176811DEST_PATH_IMAGE024
个终端节 点的电压均值，
Figure 633200DEST_PATH_IMAGE025
为所述低电压概率。
可选地，所述利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，包括：
利用预设的层次分析法确定所述过负荷风险的过负荷权重；
利用所述层次分析法确定所述电压风险的电压权重；
利用如下的所述异化权重算法根据所述过负荷权重、所述电压权重、所述过负荷风险及所述电压风险计算电力发电设备的运行风险值：
Figure 654245DEST_PATH_IMAGE026
其中，
Figure 715742DEST_PATH_IMAGE027
为所述运行风险值，
Figure 531252DEST_PATH_IMAGE028
为第
Figure 474937DEST_PATH_IMAGE029
个终端节点的所述电压风险，
Figure 34094DEST_PATH_IMAGE030
为第
Figure 950098DEST_PATH_IMAGE031
个 终端节点的所述电压权重，
Figure 936508DEST_PATH_IMAGE032
为第
Figure 134533DEST_PATH_IMAGE033
个终端节点的所述过负荷风险，
Figure 435065DEST_PATH_IMAGE034
为第
Figure 2312DEST_PATH_IMAGE035
个终端节 点的所述过负荷权重，
Figure 425203DEST_PATH_IMAGE036
为终端节点数量。
为了解决上述问题，本发明还提供一种基于多电力终端协同的发电设备运行风险分析装置，所述装置包括：
终端节点图生成模块，用于获取每个电力消耗终端的接入节点，按照预设的接入方式根据所述接入节点生成所述电力消耗终端的终端节点图；
故障率计算模块，用于提取所述终端节点图中每个终端节点的终端运行参数和终端环境参数，根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率；
瞬时状态概率计算模块，用于根据所述故障率确定每个终端节点的修复率，利用预设的状态概率算法根据所述修复率及所述故障率计算每个终端节点的瞬时状态概率；
风险计算模块，用于根据所述瞬时状态概率确定所述终端节点图的运行状态数据，当所述运行状态数据满足预设的状态数据阈值时，计算每个终端节点的过负荷风险和电压风险；
运行风险状态确定模块，用于利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，根据所述运行风险值确定所述电力发电设备的运行风险状态。
本发明实施例通过提取终端节点图中每个终端节点的终端运行参数及终端环境参数，并根据终端运行参数和终端环境参数计算每个终端节点的故障率，可以实现每个终端节点的实时故障检测，从而提高故障率计算的准确性。根据故障率确定每个终端节点的修复率，并利用故障率和修复率计算每个终端节点的瞬时状态概率，可以根据瞬时状态概率实现每个终端节点的运行状态，从而判断发电设备的运行状态。根据瞬时状态概率确定终端节点图的运行状态数据，并计算每个终端节点的过负荷风险和电压风险，从而根据所有终端节点的过负荷风险和电压风险对电力发电设备的运行风险值进行分析，提高对发电设备的运行状态评估的准确性。因此本发明提出的基于多电力终端协同的发电设备运行风险分析方法及装置，可以解决进行发电设备运行风险分析时的准确度较低的问题。
附图说明
图1为本发明一实施例提供的基于多电力终端协同的发电设备运行风险分析方法的流程示意图；
图2为本发明一实施例提供的生成终端节点图的流程示意图；
图3为本发明一实施例提供的计算瞬时状态概率的流程示意图；
图4为本发明一实施例提供的基于多电力终端协同的发电设备运行风险分析装置的功能模块图。
本发明目的的实现、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
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于多电力终端协同的发电设备运行风险分析方法。所述基于多电力终端协同的发电设备运行风险分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于多电力终端协同的发电设备运行风险分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于多电力终端协同的发电设备运行风险分析方法的流程示意图。在本实施例中，所述基于多电力终端协同的发电设备运行风险分析方法包括：
S1、获取每个电力消耗终端的接入节点，按照预设的接入方式根据所述接入节点生成所述电力消耗终端的终端节点图；
本发明实施例中，所述接入节点是指每个电力消耗终端的接入位置，根据所述接入节点可以确定每个电力消耗终端接入某一发电设备的具体位置，从而根据每个电力消耗终端与发电设备的距离，确定多个电力消耗终端的最佳协同组合方式，保证发电设备能够安全运行。所述接入方式包括随机接入、接入分级、退避机制等。
本发明实施例中，参图2所示，所述按照预设的接入方式根据所述接入节点生成所述电力消耗终端的终端节点图，包括：
S21、按照所述接入方式随机选择一个所述接入节点对应的接入随机数；
S22、当所述接入随机数小于预设的接入控制因子时，记录所述接入节点的接入序号；
S23、当所述接入随机数大于或等于所述接入控制因子时，返回至按照所述接入方式随机选择一个所述接入节点对应的接入随机数的步骤，直至所述接入随机数小于所述接入控制因子；
S24、根据所述接入序号生成所述电力消耗终端的终端节点图。
详细地，所述接入方式为每个接入节点生成随机数进行节点接入，所述接入控制因子是为了减缓随机接入拥塞所设置的控制因子，在一个拥塞的环境下，控制因子的值越小，接入成功率越高。
示例性地，当接入控制因子为0.7，接入节点1的接入随机数为0.5，接入节点2的接入随机数为0.8，接入节点3的接入随机数为0.4，则接入节点1和接入节点3的接入随机数小于接入控制因子，则将接入节点1的接入序号记录为1，将接入节点3的接入序号记录为2，而接入节点2的接入随机数大于接入控制因子，则会再生成一个接入随机数，直至接入随机数小于接入控制因子，将接入节点2的接入序号记录为3，进而根据接入序号进行相连，生成所述电力消耗终端的终端节点图。
进一步地，对所述终端节点图中每个电力消耗终端节点的故障率进行分析，以此进一步确定发电设备的运行风险。
S2、提取所述终端节点图中每个终端节点的终端运行参数和终端环境参数，根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率；
本发明实施例中，所述终端运行参数是指终端节点的电压、电流、负荷、部件老化参数等；以及所述终端环境参数是指潮湿程度、风力等级等。
详细地，可通过预设的通信测量仪器（如信号发生器、示波器、电压表等）获取每个终端节点的终端运行参数，以及可通过预设的传感器（如温度传感器）获取每个终端节点的终端环境参数。
本发明实施例中，所述故障率是指终端节点的停运率，即电力消耗终端节点不能使用的概率。通过终端运行参数和终端环境参数考虑每个电力消耗终端的实时状态，使计算得到的故障率更加准确。
本发明实施例中，所述根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率，包括：
利用预先构建的终端故障模型根据所述终端运行参数计算每个终端节点的第一故障率，以及利用所述终端故障模型根据所述终端环境参数计算每个终端节点的第二故障率；
将所述第一故障率与所述第二故障率进行相加，得到每个终端节点的故障率。
详细地，所述终端故障模型是指终端由于不正常运行而导致保护动作使得终端退出运行的频率，因此可根据终端设备的状态变量通过终端故障模型计算终端节点在终端运行参数及终端环境参数下的故障率。
具体地，所述利用预先构建的终端故障模型根据所述终端运行参数计算每个终端节点的第一故障率之前，还包括：
获取每个终端节点的基准故障率；
根据所述基准故障率确定每个终端节点的偏离基准故障增量；
利用所述基准故障率与所述偏离基准故障增量生成所述终端故障模型，其中，所述终端故障模型为：
Figure 77902DEST_PATH_IMAGE009
其中，
Figure 978862DEST_PATH_IMAGE010
为所述终端故障模型输出的故障率，
Figure 666195DEST_PATH_IMAGE037
为第
Figure 197670DEST_PATH_IMAGE012
个运行条件变量，
Figure 337665DEST_PATH_IMAGE038
为第
Figure 42315DEST_PATH_IMAGE014
个终端节点的基准故障率，
Figure 88550DEST_PATH_IMAGE039
为终端节点的数量，
Figure 587664DEST_PATH_IMAGE040
为第
Figure 418217DEST_PATH_IMAGE017
个终端节点的偏离基准 故障增量，
Figure 660980DEST_PATH_IMAGE041
为所述偏离基准故障增量。
详细地，所述基准故障率是预先通过多次试验获得的，以基准故障率为终端节点 的故障评判标准。其中，
Figure 322905DEST_PATH_IMAGE042
表示终端节点本身故障所引起的终端故障的频率，当运行条件偏 离基准值（如电流、电流的基准值为0，频率的基准值为额定值50HZ）时，根据偏离基准故障 增量及基准故障率确定所有终端节点的总故障率。
具体地，根据所述终端故障模型，将所述终端运行参数输入至所述终端故障模型中，根据预先设置的终端运行参数与当前终端的运行参数进行比较，得到所有终端节点在自己当前的运行参数下的偏离基准故障增量，进而根据基准故障率及偏离基准故障增量确定在终端运行参数下的第一故障率。同样地，将所述终端环境参数输入至所述终端故障模型中，根据预先设置的终端环境参数与当前终端的环境参数进行比较，得到偏离基准故障增量，从而确定在终端环境参数下的第二故障率。
进一步地，可以将第一故障率与第二故障率进相加，可得到终端节点在终端运行参数和终端环境参数共同影响下的故障率，而不是单一的因素确定终端节点的故障率，提高终端节点故障率计算的准确性。
S3、根据所述故障率确定每个终端节点的修复率，利用预设的状态概率算法根据所述修复率及所述故障率计算每个终端节点的瞬时状态概率；
本发明实施例中，所述修复率是指终端在规定的维修级别上被修复的故障总数与在此级别上修复性维修总时间之比。
本发明实施例中，所述根据所述故障率确定每个终端节点的修复率，包括：
将所述故障率与预设的故障率阈值进行故障率比较，得到故障等级；
根据所述故障等级确定所述终端节点的修复时间；
根据所述修复时间、所述故障率及所述终端节点的数量确定所述修复率。
详细地，当故障率在百分之1%至30%时，故障等级为低级，大约需要10-30分钟；当故障率在31%至60%时，故障等级为中级，大约需要30-200分钟；当故障率在61%至80%时，故障等级为高级，大约需要200分钟或者一天的时间；高于80%时，故障等级为极高。因此，将所述故障率与预设的故障率阈值进行比较，可得到所述故障率所处的故障级别，进而根据故障级别确定所述终端节点的修复时间。
具体地，统计所有终端节点的数量，将所述终端节点的数量与所述故障率相乘，得到所有终端节点总的故障数量，再将所述故障数量与所述修复时间进行相比，得到终端节点的修复率。
进一步地，根据所述修复率及所述故障率对终端节点的瞬时状态概率进行分析，确定终端节点当前的运行状态，以进行运行状态评估。
本发明实施例中，参图3所示，所述利用预设的状态概率算法根据所述修复率及所述故障率计算每个终端节点的瞬时状态概率，包括：
S31、根据所述修复率及所述故障率确定瞬时状态矩阵；
S32、利用如下的所述状态概率算法根据所述瞬时状态矩阵计算所述终端节点的瞬时状态概率：
Figure 258500DEST_PATH_IMAGE001
其中，
Figure 107507DEST_PATH_IMAGE002
为对所述瞬时状态概率的微分，
Figure 153961DEST_PATH_IMAGE003
表示对时刻的微分，
Figure 670393DEST_PATH_IMAGE004
表示在
Figure 747195DEST_PATH_IMAGE005
时刻的瞬时状态概率，
Figure 349078DEST_PATH_IMAGE006
表示所述瞬时状态矩阵，
Figure 933643DEST_PATH_IMAGE007
表示所述故障率，
Figure 507844DEST_PATH_IMAGE043
表示所述修复率。
详细地，所述概率算法是指终端的停运或失效主要基于偶然失效模型，偶然失效模型可以用终端状态转移的马尔科夫过程描述，从而建立相应的瞬时状态概率表达式。
具体地，终端的故障率和修复率在时间框架内保持不变，则终端连续工作时间和停运时间服从指数分布，元件的状态转移过程为齐次马尔科夫过程。根据故障率及修复率所生成的瞬时状态矩阵，进而根据瞬时状态矩阵对瞬时状态概率进行求解，从而得到所述瞬时状态概率。
进一步地，根据瞬时状态概率可以对终端节点图的终端工作状态或停运状态进行分析，从而确定终端节点图的实时运行状态，进而根据终端的实时运行状态去评估发电设备的承受能力，即运行状态。
S4、根据所述瞬时状态概率确定所述终端节点图的运行状态数据，当所述运行状态数据满足预设的状态数据阈值时，计算每个终端节点的过负荷风险和电压风险；
本发明实施例中，所述运行状态数据包括终端工作状态和终端停运状态。根据所述瞬时状态概率进一步确定终端节点图的运行状态，从而根据所述运行状态数据去评估每个终端节点的风险程度。
本发明实施例中，所述根据所述瞬时状态概率确定所述终端节点图的运行状态数据，包括：
根据所述瞬时状态概率确定所述终端节点图的瞬时状态概率初始值及状态概率矩阵；
根据所述终端节点图的运行状态确定所述瞬时状态概率初始值，得到更新瞬时状态概率初始值；
根据所述更新瞬时状态概率初始值及所述状态概率矩阵确定所述终端节点图的运行状态数据。
详细地，所述瞬时状态概率由瞬时状态概率初始值及状态概率矩阵相乘所得，初 始时，瞬时状态概率初始值为在0时刻时终端的瞬时状态概率。当所述终端节点图的运行状 态处于工作状态时，则瞬时状态概率初始值为
Figure 519662DEST_PATH_IMAGE044
；
当所述终端节点图的运行状态处于停运状态时，则瞬时状态概率初始值为
Figure 874420DEST_PATH_IMAGE045
， 因此，将瞬时状态概率初始值为
Figure 200359DEST_PATH_IMAGE046
和瞬时状态概率初始值为
Figure 956963DEST_PATH_IMAGE045
作为更新瞬时状态概 率初始值。
具体地，将瞬时状态概率初始值为
Figure 139682DEST_PATH_IMAGE047
与所述状态概率矩阵进行相乘计算，可得 到终端节点图在不同时刻的工作状态的概率和停运状态的概率随时间变化曲线；同样地， 将瞬时状态概率初始值为
Figure 653840DEST_PATH_IMAGE048
与所述状态概率矩阵进行相乘计算，可得到终端节点图在 不同时刻的工作状态的概率和停运状态的概率随时间变化曲线。
进一步地，可根据终端节点图在不同时刻的工作状态的概率和停运状态的概率随时间变化曲线确定终端节点图合适的运行状态，只有符合一定条件的运行状态，才能使终端继续运行，从而确定终端的风险程度。
本发明实施例中，当所述运行状态数据满足预设的状态数据阈值时，才能对每个终端节点的承受能力进行评估，即算每个终端节点的过负荷风险和电压风险，从而对发电设备的总体运行风险进行评估；若所述运行状态数据不满足预设的状态数据阈值，则表示根据当前的运行状态数据发电设备已经无法支撑主电力消耗终端的消耗能力，此时发电设备的运行风险已经达到最高，需要进行及时抢修，以此保证用电安全。
详细地，所述过负荷风险主要包括的是输电线路过负荷，以及所述电压风险主要包括的是低电压风险。
本发明实施例中，所述计算每个终端节点的过负荷风险和电压风险，包括：
当所述终端节点的电压值小于预设的电压阈值时，确定每个所述终端节点的第一运行状态，汇集所述第一运行状态为第一运行状态集合；
当所述终端节点的过负荷值小于预设的过负荷阈值时，确定每个所述终端节点的第二运行状态，汇集所述第二运行状态为第二运行状态集合；
利用所述第一运行状态集合确定所述终端节点的低电压概率，根据所述低电压概率确定每个终端节点的电压风险；
利用所述第二运行状态集合确定所述终端节点的过负荷概率，根据所述过负荷概率确定每个终端节点的过负荷风险。
详细地，将每个终端节点的电压值与过负荷值与预设的电压阈值及预设的过负荷 阈值做比较，并将电压值小于预设的电压阈值的终端节点进行统计，并确定此时终端节点 的运行状态，并汇集所有运行状态为第一运行状态集合，可通过
Figure 580208DEST_PATH_IMAGE049
，其 中，
Figure 689853DEST_PATH_IMAGE050
，
Figure 43474DEST_PATH_IMAGE051
为第
Figure 44928DEST_PATH_IMAGE052
个终端节点的第一运行状态，
Figure 774987DEST_PATH_IMAGE053
为所述第一运行状态集合，
Figure 240603DEST_PATH_IMAGE054
为所述低 电压概率，
Figure 968388DEST_PATH_IMAGE055
为第
Figure 519455DEST_PATH_IMAGE056
个终端节点的第一运行状态在
Figure 53204DEST_PATH_IMAGE057
时刻的瞬时状态概率，
Figure 311010DEST_PATH_IMAGE058
为时间区间 长度。
具体地，将过负荷值小于预设的过负荷值阈值的终端节点进行统计，并确定此时终端节 点的第二运行状态，并汇集所有第二运行状态为第二运行状态集合，可通过
Figure 6434DEST_PATH_IMAGE059
， 其中，
Figure 44797DEST_PATH_IMAGE060
，
Figure 319921DEST_PATH_IMAGE061
为第
Figure 730436DEST_PATH_IMAGE062
个终端节点的第二运行状态，
Figure 127919DEST_PATH_IMAGE063
为所述第二运行状态集合，
Figure 122420DEST_PATH_IMAGE064
为所 述低电压概率，
Figure 201234DEST_PATH_IMAGE065
为第
Figure 230370DEST_PATH_IMAGE066
个终端节点的第二运行状态在
Figure 533175DEST_PATH_IMAGE067
时刻的瞬时状态概率，
Figure 218235DEST_PATH_IMAGE068
为时 间区间长度。
本发明实施例中，所述根据所述低电压概率确定每个终端节点的电压风险，包括：
根据预设的时间区间获取每个终端节点的电压值；
在所述时间区间内，根据所述电压值计算每个所述终端节点的电压均值；
利用如下的风险公式根据所述低电压概率及所述电压均值计算每个终端节点的电压风险：
Figure 897478DEST_PATH_IMAGE019
其中，
Figure 984382DEST_PATH_IMAGE020
为第
Figure 723668DEST_PATH_IMAGE021
个终端节点的电压风险，
Figure 896024DEST_PATH_IMAGE022
为所述电压阈值，
Figure 113378DEST_PATH_IMAGE023
为第
Figure 633220DEST_PATH_IMAGE024
个终端节 点的电压均值，
Figure 481090DEST_PATH_IMAGE025
为所述低电压概率。
详细地，电压风险程度用1表示，否则为0，即将预设时间区间内的电压均值与电压阈值进行相比较，可以更加准确的评估电压风险，即当电压均值小于或等于电压阈值时，根据电压均值、电压阈值及低电压概率计算电压风险，而当电压均值大于电压阈值时，电压风险程度为0。
具体地，所述根据所述过负荷概率确定每个终端节点的过负荷风险与所述根据所述低电压概率确定每个终端节点的电压风险的步骤一致，在此不再赘述。
进一步地，当低电压概率过高时，终端节点的电压风险就较高；同样地，当过负荷概率过高时，终端节点的过负荷风险就较高。统计所有终端节点的过负荷风险与电压风险，可以确定电力发电设备的一个临界值，进而确定电力发电设备的运行风险值。
S5、利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，根据所述运行风险值确定所述电力发电设备的运行风险状态。
本发明实施例中，对所述过负荷风险及所述电压风险确定权重，并根据各自的权值通过异化权重算法计算电力发电设备的运行风险值。
本发明实施例中，所述利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，包括：
利用预设的层次分析法确定所述过负荷风险的过负荷权重；
利用所述层次分析法确定所述电压风险的电压权重；
利用如下的所述异化权重算法根据所述过负荷权重、所述电压权重、所述过负荷风险及所述电压风险计算电力发电设备的运行风险值：
Figure 203058DEST_PATH_IMAGE069
其中，
Figure 958525DEST_PATH_IMAGE027
为所述运行风险值，
Figure 20022DEST_PATH_IMAGE028
为第
Figure 835531DEST_PATH_IMAGE029
个终端节点的所述电压风险，
Figure 779216DEST_PATH_IMAGE030
为第
Figure 541636DEST_PATH_IMAGE031
个 终端节点的所述电压权重，
Figure 254377DEST_PATH_IMAGE070
为第
Figure 506367DEST_PATH_IMAGE033
个终端节点的所述过负荷风险，
Figure 875031DEST_PATH_IMAGE034
为第
Figure 972300DEST_PATH_IMAGE071
个终端节 点的所述过负荷权重，
Figure 572171DEST_PATH_IMAGE072
为终端节点数量。
详细地，所述层次分析法是将与决策有关的元素分解成目标、方案等层次，进行定性和定量分析，是一种层次权重决策分析方法。可通过层次分析法确定所述过负荷风险的过负荷权重及所述电压风险的电压权重，进而计算电力发电设备的运行风险值。
具体地，根据所述运行风险值确定所述电力发电设备的运行风险状态，当所述运行风险值在0-30，表示运行风险状态为低风险；当所述运行风险值为30-60，表示运行风险状态为中风险；当所述运行风险值为60以上，表示运行风险状态为高风险。
本发明实施例通过提取终端节点图中每个终端节点的终端运行参数及终端环境参数，并根据终端运行参数和终端环境参数计算每个终端节点的故障率，可以实现每个终端节点的实时故障检测，从而提高故障率计算的准确性。根据故障率确定每个终端节点的修复率，并利用故障率和修复率计算每个终端节点的瞬时状态概率，可以根据瞬时状态概率实现每个终端节点的运行状态，从而判断发电设备的运行状态。根据瞬时状态概率确定终端节点图的运行状态数据，并计算每个终端节点的过负荷风险和电压风险，从而根据所有终端节点的过负荷风险和电压风险对电力发电设备的运行风险值进行分析，提高对发电设备的运行状态评估的准确性。因此本发明提出的基于多电力终端协同的发电设备运行风险分析方法及装置，可以解决进行发电设备运行风险分析时的准确度较低的问题。
如图4所示，是本发明一实施例提供的基于多电力终端协同的发电设备运行风险分析装置的功能模块图。
本发明所述基于多电力终端协同的发电设备运行风险分析装置100可以安装于电子设备中。根据实现的功能，所述基于多电力终端协同的发电设备运行风险分析装置100可以包括终端节点图生成模块101、故障率计算模块102、瞬时状态概率计算模块103、风险计算模块104及运行风险状态确定模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述终端节点图生成模块101，用于获取每个电力消耗终端的接入节点，按照预设的接入方式根据所述接入节点生成所述电力消耗终端的终端节点图；
所述故障率计算模块102，用于提取所述终端节点图中每个终端节点的终端运行参数和终端环境参数，根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率；
所述瞬时状态概率计算模块103，用于根据所述故障率确定每个终端节点的修复率，利用预设的状态概率算法根据所述修复率及所述故障率计算每个终端节点的瞬时状态概率；
所述风险计算模块104，用于根据所述瞬时状态概率确定所述终端节点图的运行状态数据，当所述运行状态数据满足预设的状态数据阈值时，计算每个终端节点的过负荷风险和电压风险；
所述运行风险状态确定模块105，用于利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，根据所述运行风险值确定所述电力发电设备的运行风险状态。
详细地，本发明实施例中所述基于多电力终端协同的发电设备运行风险分析装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于多电力终端协同的发电设备运行风险分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (5)

1.一种基于多电力终端协同的发电设备运行风险分析方法，其特征在于，所述方法包括：
S1、获取每个电力消耗终端的接入节点，按照预设的接入方式根据所述接入节点生成所述电力消耗终端的终端节点图；
S2、提取所述终端节点图中每个终端节点的终端运行参数和终端环境参数，根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率；
所述根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率，包括：
获取每个终端节点的基准故障率；
根据所述基准故障率确定每个终端节点的偏离基准故障增量；
利用所述基准故障率与所述偏离基准故障增量生成所述终端故障模型，其中，所述终端故障模型为：
Figure QLYQS_1
其中，
Figure QLYQS_4
为所述终端故障模型输出的故障率，
Figure QLYQS_6
为第
Figure QLYQS_8
个运行条件变量，
Figure QLYQS_3
为第
Figure QLYQS_7
个终端节点的基准故障率，
Figure QLYQS_9
为终端节点的数量，
Figure QLYQS_10
为第
Figure QLYQS_2
个终端节点的偏离基准故障增量，
Figure QLYQS_5
为所述偏离基准故障增量；
利用预先构建的终端故障模型根据所述终端运行参数计算每个终端节点的第一故障率，以及利用所述终端故障模型根据所述终端环境参数计算每个终端节点的第二故障率；
将所述第一故障率与所述第二故障率进行相加，得到每个终端节点的故障率；
S3、根据所述故障率确定每个终端节点的修复率，利用预设的状态概率算法根据所述修复率及所述故障率计算每个终端节点的瞬时状态概率，其中，所述利用预设的状态概率算法根据所述修复率及所述故障率计算每个终端节点的瞬时状态概率，包括：
S31、根据所述修复率及所述故障率确定瞬时状态矩阵；
S32、利用如下的所述状态概率算法根据所述瞬时状态矩阵计算所述终端节点的瞬时状态概率：
Figure QLYQS_11
其中，
Figure QLYQS_12
为对所述瞬时状态概率的微分，
Figure QLYQS_13
表示对时刻的微分，
Figure QLYQS_14
表示在
Figure QLYQS_15
时刻的瞬时状态概率，
Figure QLYQS_16
表示所述瞬时状态矩阵，
Figure QLYQS_17
表示所述故障率，
Figure QLYQS_18
表示所述修复率；
所述根据所述故障率确定每个终端节点的修复率，包括：
将所述故障率与预设的故障率阈值进行故障率比较，得到故障等级；
根据所述故障等级确定所述终端节点的修复时间；
根据所述修复时间、所述故障率及所述终端节点的数量确定所述修复率；
所述根据所述修复时间、所述故障率及所述终端节点的数量确定所述修复率包括：
统计所有终端节点的数量，将所述终端节点的数量与所述故障率相乘得到所有终端节点总的故障数量，再将所述故障数量与所述修复时间进行相比，得到终端节点的修复率；
S4、根据所述瞬时状态概率确定所述终端节点图的运行状态数据，当所述运行状态数据满足预设的状态数据阈值时，计算每个终端节点的过负荷风险和电压风险；
所述根据所述瞬时状态概率确定所述终端节点图的运行状态数据，包括：
根据所述瞬时状态概率确定所述终端节点图的瞬时状态概率初始值及状态概率矩阵；
根据所述终端节点图的运行状态确定所述瞬时状态概率初始值，得到更新瞬时状态概率初始值；
根据所述更新瞬时状态概率初始值及所述状态概率矩阵确定所述终端节点图的运行状态数据；
S5、利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，根据所述运行风险值确定所述电力发电设备的运行风险状态；
所述利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，包括：
利用预设的层次分析法确定所述过负荷风险的过负荷权重；
利用所述层次分析法确定所述电压风险的电压权重；
利用如下的所述异化权重算法根据所述过负荷权重、所述电压权重、所述过负荷风险及所述电压风险计算电力发电设备的运行风险值：
Figure QLYQS_19
其中，
Figure QLYQS_22
为所述运行风险值，
Figure QLYQS_24
为第
Figure QLYQS_28
个终端节点的所述电压风险，
Figure QLYQS_20
为第
Figure QLYQS_25
个终端节点的所述电压权重，
Figure QLYQS_27
为第
Figure QLYQS_29
个终端节点的所述过负荷风险，
Figure QLYQS_21
为第
Figure QLYQS_23
个终端节点的所述过负荷权重，
Figure QLYQS_26
为终端节点数量。
2.如权利要求1所述的基于多电力终端协同的发电设备运行风险分析方法，其特征在于，所述按照预设的接入方式根据所述接入节点生成所述电力消耗终端的终端节点图，包括：
按照所述接入方式随机选择一个所述接入节点对应的接入随机数；
当所述接入随机数小于预设的接入控制因子时，记录所述接入节点的接入序号；
当所述接入随机数大于或等于所述接入控制因子时，返回至按照所述接入方式随机选择一个所述接入节点对应的接入随机数的步骤，直至所述接入随机数小于所述接入控制因子；
根据所述接入序号生成所述电力消耗终端的终端节点图。
3.如权利要求1所述的基于多电力终端协同的发电设备运行风险分析方法，其特征在于，所述计算每个终端节点的过负荷风险和电压风险，包括：
当所述终端节点的电压值小于预设的电压阈值时，确定每个所述终端节点的第一运行状态，汇集所述第一运行状态为第一运行状态集合；
当所述终端节点的过负荷值小于预设的过负荷阈值时，确定每个所述终端节点的第二运行状态，汇集所述第二运行状态为第二运行状态集合；
利用所述第一运行状态集合确定所述终端节点的低电压概率，根据所述低电压概率确定每个终端节点的电压风险；
利用所述第二运行状态集合确定所述终端节点的过负荷概率，根据所述过负荷概率确定每个终端节点的过负荷风险。
4.如权利要求3所述的基于多电力终端协同的发电设备运行风险分析方法，其特征在于，所述根据所述低电压概率确定每个终端节点的电压风险，包括：
根据预设的时间区间获取每个终端节点的电压值；
在所述时间区间内，根据所述电压值计算每个所述终端节点的电压均值；
利用如下的风险公式根据所述低电压概率及所述电压均值计算每个终端节点的电压风险：
Figure QLYQS_30
其中，
Figure QLYQS_31
为第
Figure QLYQS_32
个终端节点的电压风险，
Figure QLYQS_33
为所述电压阈值，
Figure QLYQS_34
为第
Figure QLYQS_35
个终端节点的电压均值，
Figure QLYQS_36
为所述低电压概率。
5.一种基于多电力终端协同的发电设备运行风险分析装置，其特征在于，所述装置包括：
终端节点图生成模块，用于获取每个电力消耗终端的接入节点，按照预设的接入方式根据所述接入节点生成所述电力消耗终端的终端节点图；
故障率计算模块，用于提取所述终端节点图中每个终端节点的终端运行参数和终端环境参数，根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率；
所述根据所述终端运行参数及所述终端环境参数计算每个终端节点的故障率，包括：
获取每个终端节点的基准故障率；
根据所述基准故障率确定每个终端节点的偏离基准故障增量；
利用所述基准故障率与所述偏离基准故障增量生成所述终端故障模型，其中，所述终端故障模型为：
Figure QLYQS_37
其中，
Figure QLYQS_38
为所述终端故障模型输出的故障率，
Figure QLYQS_43
为第
Figure QLYQS_45
个运行条件变量，
Figure QLYQS_40
为第
Figure QLYQS_42
个终端节点的基准故障率，
Figure QLYQS_44
为终端节点的数量，
Figure QLYQS_46
为第
Figure QLYQS_39
个终端节点的偏离基准故障增量，
Figure QLYQS_41
为所述偏离基准故障增量；
利用预先构建的终端故障模型根据所述终端运行参数计算每个终端节点的第一故障率，以及利用所述终端故障模型根据所述终端环境参数计算每个终端节点的第二故障率；
将所述第一故障率与所述第二故障率进行相加，得到每个终端节点的故障率；
瞬时状态概率计算模块，用于根据所述故障率确定每个终端节点的修复率，利用预设的状态概率算法根据所述修复率及所述故障率计算每个终端节点的瞬时状态概率；
所述根据所述故障率确定每个终端节点的修复率，包括：
将所述故障率与预设的故障率阈值进行故障率比较，得到故障等级；
根据所述故障等级确定所述终端节点的修复时间；
根据所述修复时间、所述故障率及所述终端节点的数量确定所述修复率；
所述根据所述修复时间、所述故障率及所述终端节点的数量确定所述修复率包括：
统计所有终端节点的数量，将所述终端节点的数量与所述故障率相乘得到所有终端节点总的故障数量，再将所述故障数量与所述修复时间进行相比，得到终端节点的修复率；
风险计算模块，用于根据所述瞬时状态概率确定所述终端节点图的运行状态数据，当所述运行状态数据满足预设的状态数据阈值时，计算每个终端节点的过负荷风险和电压风险；
所述根据所述瞬时状态概率确定所述终端节点图的运行状态数据，包括：
根据所述瞬时状态概率确定所述终端节点图的瞬时状态概率初始值及状态概率矩阵；
根据所述终端节点图的运行状态确定所述瞬时状态概率初始值，得到更新瞬时状态概率初始值；
根据所述更新瞬时状态概率初始值及所述状态概率矩阵确定所述终端节点图的运行状态数据；
运行风险状态确定模块，用于利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，根据所述运行风险值确定所述电力发电设备的运行风险状态；
所述利用预设的异化权重算法根据所述过负荷风险及所述电压风险计算电力发电设备的运行风险值，包括：
利用预设的层次分析法确定所述过负荷风险的过负荷权重；
利用所述层次分析法确定所述电压风险的电压权重；
利用如下的所述异化权重算法根据所述过负荷权重、所述电压权重、所述过负荷风险及所述电压风险计算电力发电设备的运行风险值：
Figure QLYQS_47
其中，
Figure QLYQS_49
为所述运行风险值，
Figure QLYQS_52
为第
Figure QLYQS_55
个终端节点的所述电压风险，
Figure QLYQS_50
为第
Figure QLYQS_53
个终端节点的所述电压权重，
Figure QLYQS_56
为第
Figure QLYQS_57
个终端节点的所述过负荷风险，
Figure QLYQS_48
为第
Figure QLYQS_51
个终端节点的所述过负荷权重，
Figure QLYQS_54
为终端节点数量。
CN202310031769.9A 2023-01-10 2023-01-10 基于多电力终端协同的发电设备运行风险分析方法及装置 Active CN115719168B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310031769.9A CN115719168B (zh) 2023-01-10 2023-01-10 基于多电力终端协同的发电设备运行风险分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310031769.9A CN115719168B (zh) 2023-01-10 2023-01-10 基于多电力终端协同的发电设备运行风险分析方法及装置

Publications (2)

Publication Number Publication Date
CN115719168A CN115719168A (zh) 2023-02-28
CN115719168B true CN115719168B (zh) 2023-04-11

Family

ID=85257958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310031769.9A Active CN115719168B (zh) 2023-01-10 2023-01-10 基于多电力终端协同的发电设备运行风险分析方法及装置

Country Status (1)

Country Link
CN (1) CN115719168B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2225639A1 (en) * 2007-12-17 2010-09-08 Edsa Micro Corporation Real-time system verification and monitoring of protective device settings within an electrical power distribution network
CN112712230A (zh) * 2020-10-22 2021-04-27 国网浙江省电力有限公司龙游县供电公司 一种电力现场作业风险管控方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120317058A1 (en) * 2011-06-13 2012-12-13 Abhulimen Kingsley E Design of computer based risk and safety management system of complex production and multifunctional process facilities-application to fpso's
CN104919384B (zh) * 2012-11-19 2018-09-18 Abb瑞士股份有限公司 用于设备维护和/或风险减缓的电力系统设备的评估
CN104091238B (zh) * 2014-07-11 2017-11-03 国家电网公司 一种恶劣天气下用户用电安全风险演化分析评估方法
CN109034424B (zh) * 2018-08-30 2021-04-27 国网河北省电力有限公司沧州供电分公司 一种变电站设备维护管理方法、装置及终端设备
CN111369172A (zh) * 2020-03-20 2020-07-03 广东电网有限责任公司 电力系统负荷保电控制方法、系统、设备和存储介质
CN112001569A (zh) * 2020-09-28 2020-11-27 海南电网有限责任公司 一种基于多电压等级故障下的电网运行风险分析方法
CN114330773A (zh) * 2021-12-29 2022-04-12 国网能源研究院有限公司 一种电力电缆时变故障概率的评估方法和系统
CN114638169B (zh) * 2022-03-29 2024-06-07 国网能源研究院有限公司 变压器时变故障概率计算方法、装置及计算机可读存储介质
CN115564331A (zh) * 2022-09-26 2023-01-03 东南大学 配电网典型故障风险感知方法、配电网、设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2225639A1 (en) * 2007-12-17 2010-09-08 Edsa Micro Corporation Real-time system verification and monitoring of protective device settings within an electrical power distribution network
CN112712230A (zh) * 2020-10-22 2021-04-27 国网浙江省电力有限公司龙游县供电公司 一种电力现场作业风险管控方法及系统

Also Published As

Publication number Publication date
CN115719168A (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
EP2415209B1 (en) Network analysis system
CN112001644B (zh) 一种配电网运行可靠性检测方法、装置、终端及存储介质
CN111507509A (zh) 一种电力系统极端事件的风险评估方法
CN112036725B (zh) 一种电能表故障识别方法
CN116914917A (zh) 一种基于大数据的配电柜运行状态监测管理系统
JPWO2011155308A1 (ja) 契約違反予測システム、契約違反予測方法および契約違反予測プログラム
CN110703743A (zh) 设备故障预测与检测系统和方法
CN112286771A (zh) 一种针对全域资源监控的告警方法
CN113902241A (zh) 一种基于综合状态评价的电网设备检修的策略系统及方法
CN115809805A (zh) 基于边缘计算的电网多源数据处理方法
CN111767193A (zh) 一种服务器数据异常检测方法、装置、存储介质及设备
CN115719168B (zh) 基于多电力终端协同的发电设备运行风险分析方法及装置
CN116565861B (zh) 一种配电网可靠性评估方法、系统、设备和介质
CN116611741B (zh) 基于风电设备的服役质量指数体系构建方法及系统
Dao et al. Anomaly detection of wind turbines based on stationarity analysis of SCADA data
CN113300373A (zh) 一种基于prmse评价指标的稳定裕度值预测方法及装置
CN116739347A (zh) 电网风险评估方法、装置、存储介质及计算机设备
CN115935795B (zh) 一种电力系统暂态电压稳定评估模型构建方法及评估方法
CN108536877A (zh) 风力发电机组振动程度的评估方法与系统
CN115908082A (zh) 基于用电特征指标的企业排污监控方法及装置
JP6818658B2 (ja) 電力系統監視システム、電力系統監視方法、及びプログラム
Zou et al. Loss of load probability for power systems based on renewable sources
Oliveira et al. Data-driven methodology to predict distribution lines failure location
Kebe et al. An experience of detection and classification of Quality-Of-Service problems in MV/LV distribution substations using artificial intelligence: Senegal case study
Mandich Power System Stability Assessment with Supervised Machine Learning

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