CN115865727A - 基于可信度和不可信度推理图的支路关联风险评估方法 - Google Patents

基于可信度和不可信度推理图的支路关联风险评估方法 Download PDF

Info

Publication number
CN115865727A
CN115865727A CN202211479468.4A CN202211479468A CN115865727A CN 115865727 A CN115865727 A CN 115865727A CN 202211479468 A CN202211479468 A CN 202211479468A CN 115865727 A CN115865727 A CN 115865727A
Authority
CN
China
Prior art keywords
branch
credibility
node
inference graph
graph
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211479468.4A
Other languages
English (en)
Other versions
CN115865727B (zh
Inventor
韦晓广
罗嘉明
雷杰宇
高仕斌
黄涛
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202211479468.4A priority Critical patent/CN115865727B/zh
Publication of CN115865727A publication Critical patent/CN115865727A/zh
Application granted granted Critical
Publication of CN115865727B publication Critical patent/CN115865727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了基于可信度和不可信度推理图的支路关联风险评估方法，具体包括：S1：获取电力系统历史连锁故障数据；S2：构建支路故障关联关系可信度以及不可信度模型；S3：构建虚拟路径链图，S4：构建以目标支路为起始点，面向所有支路的推理图；S5：构建以目标支路为起始点面向所有支路的可信度推理图以及以目标支路为起始点面向所有支路的不可信度推理图；S6：构建推理模型；S7：评估目标支路与推理图中对应支路的故障关联关系的风险程度；该方法能够评估未知故障关联关系的风险程度，并且能够有效避免对高风险故障关联关系的误判，可有效评估电网级联故障的风险程度，为阻止级联故障的发生提供决策依据。

Description

基于可信度和不可信度推理图的支路关联风险评估方法
技术领域
本发明涉及电力与能源技术领域，具体涉及基于可信度和不可信度推理图的支路关联风险评估方法。
背景技术
电网作为最重要的基础设施，一旦发生级联故障将导致大规模停电，严重威胁电网的运行安全，并且造成不可估量的经济和社会损失。从负荷重分配角度来看，电网连锁故障本质上是有一个或多个元件故障引起网络负荷重分配，导致其他元件过负荷，进而相继故障。因此，为了评估电网安全运行水平，有效预防连锁故障的发生，其中一个关键步骤就是揭示元件之间的故障关联特性。
目前，研究元件之间的关联特性最主要的方法是通过历史或者仿真的连锁故障数据挖掘潜在的有价值的信息。其中，基于图论的方法是使用最广泛的统计方法，通过将连锁故障数据映射成图，进而分析节点之间的连接关系，识别关键的故障关联关系。与此同时，概率方法(包括贝叶斯理论、蒙特卡洛方法、马尔科夫链)也是其中一个流行的方法，被使用取评估故障关联关系的风险程度。
上述方法主要聚焦于评估连锁故障数据中已知的故障关联关系的风险程度。然而，对于未知的(即连锁故障数据中没有出现的)故障关联关系不能得出合理的风险推断。另外，当前的方法主要从可信度角度识别高风险关联关系，但是忽略了从不可信度角度评关系的关联特性，导致一些故障关联关系被误判为高风险关联关系。因此，为解决上述问题，提出故障关联关系风险评估方法具有重要的理论意义和工程价值。
发明内容
为克服现有技术的缺陷，评估故障关联关系的风险程度，本发明提出基于可信度和不可信度推理图的支路关联风险评估方法，该方法通过历史连锁故障数据库，构建支路关联关系的可信度与不可信度模型，可量化计算支路之间的故障关联关系风险程度，另外，利用历史连锁故障数据库构建推理模型，实现故障关联关系的风险评估。
本发明的目的可以通过以下技术方案来实现：
基于可信度和不可信度推理图的支路关联风险评估方法，具体包括以下几个步骤：
S1：获取电力系统历史连锁故障数据；
S2：根据所述电力系统历史连锁故障数据，定义输电线路支路故障关联关系以及支路故障关联关系剩余可信度，构建输电网络支路故障关联关系可信度模型以及输电网络支路故障关联关系不可信度模型；
S3：构建虚拟路径图，包括：定义目标支路虚拟路径，获取目标支路与其他支路虚拟路径长度最短的虚拟路径集合，将所述虚拟路径集合中所有路径均映射成路径链图；
S4：根据所述路径链图，构建以目标支路为起始点，面向所有支路的推理图；
S5：根据S4推理图中每一条边的前端节点和末端节点对应的原系统中支路之间的故障关联关系，定义推理图中边的可信度权重以及推理图中边的不可信度权重，构建以目标支路为起始点面向所有支路的可信度推理图以及以目标支路为起始点面向所有支路的不可信度推理图；
S6：构建推理模型，包括：根据所述可信度推理图，计算推理图中所有节点可信度值；根据所述不可信度推理图，计算推理图中所有节点不可信度值；
S7：根据S6节点可信度值和节点不可信度值，评估目标支路与推理图中对应支路的故障关联关系的风险程度。
进一步的，所述电力系统历史连锁故障数据中的每一条连锁故障数据采用故障链L1→L2…→Li→…→Ln表示，其中，Li(i＝1,2,…,n)表示第i个阶段的故障元件集合，Li→Lj表示两个故障元件集合之间的关联关系。
由于传递特性，任意两个非相邻的故障元件集合之间也具有故障关联关系，例如L1→Ln，需要注意的是，如果两个故障集合来自于不同的故障链，则它们之间没有故障关联关系。
进一步的，构建所述输电网络支路之间故障关联关系可信度以及输电网络支路之间故障关联关系不可信度模型，包括以下几个步骤：
S31：依据电力系统历史连锁故障数据，对于任意一条支路故障关联关系Li→Lk，如式(1)所示定义支路故障关联关系的剩余可信度S(Li→Lk)：
Figure SMS_1
式(1)中，P(Li)，P(Lk)和P(Li→Lk)分别表示在历史连锁故障数据中的支路Li，支路Lk以及支路故障关联关系Li→Lk出现的频率，P(Lk/Li)表示在支路Li发生故障的条件下支路Lk发生的故障概率；
S32：对于任意一条支路故障关联关系Li→Lk，如公式(2)所示构建输电网络支路故障关联关系的可信度模型C(Li→Lk)：
Figure SMS_2
式(2)中，C(Li→Lk)∈[0,1]，C(Li→Lk)值越大，表明支路故障关联关系Li→Lk的可信度越大；
S33：对于任意一条支路故障关联关系Li→Lk，如公式(3)所示构建输电网络支路故障关联关系的不可信度模型I(Li→Lk)：
Figure SMS_3
式(3)中，I(Li→Lk)∈[0,1]，I(Li→Lk)值越大，表明支路故障关联关系Li→Lk的不可信度越大。
进一步的，将所述虚拟路径集合中所有路径均映射成路径链图，具体包括以下步骤：
S41：定义目标支路L0的虚拟路径为：对于电力系统中的任意一条关联支路Li，如果在历史连锁故障数据中存在支路
Figure SMS_4
具有支路故障关联关系，即
Figure SMS_5
和/>
Figure SMS_6
(需要注意地是，这些支路关联关系可能来自于不同的故障链)，则L0和Li之间存在虚拟路径/>
Figure SMS_7
且虚拟路径的长度为M+2；
S42：根据S41中所述虚拟路径的定义，找出目标支路L0和支路Li之间所有的虚拟路径，然后筛选出长度最短的虚拟路径集合(由于长度最短的虚拟路径可能有多条，因此这里用虚拟路径集合表示)；
如式(4)所示定义目标支路L0和支路Li之间第di条长度最短的虚拟路径为：
Figure SMS_8
式(4)中，Di表示目标支路L0和支路Li之间长度最短的虚拟路径数量；
S43：如式(5)所示定义所述链图中的节点
Figure SMS_9
为：
Figure SMS_10
如式(6)所示定义所述链图中的边
Figure SMS_11
为：
Figure SMS_12
S44：根据式(5)和式(6)，将目标支路L0和支路Li之间第di条长度最短的虚拟路径映射成链图
Figure SMS_13
S45：根据步骤S41～S44，将目标支路L0和支路Li之间Di条长度最短的虚拟路径映射成链图，包括：
Figure SMS_14
Figure SMS_15
进一步的，构建以目标支路L0为起始点，面向所有支路的推理图，具体包括以下步骤：
S51：根据步骤S45中Di条链图，如公式(7)所示构建目标支路L0和支路Li之间的推理图
Figure SMS_16
/>
Figure SMS_17
S52：定义目标支路L0和电力系统中其余所有支路(除了目标支路)之间的推理图，分别为
Figure SMS_18
其中N表示系统中支路的数量；
如公式(8)所示构建以目标支路L0为起始点，面向所有支路的推理图
Figure SMS_19
Figure SMS_20
进一步的，构建以目标支路为起始点面向所有支路的可信度推理图以及以目标支路为起始点面向所有支路的不可信度推理图，具体包括以下步骤：
S61：定义推理图
Figure SMS_21
中的节点Vi和Vj对于原电力系统中的支路Li和Lj，定义推理图/>
Figure SMS_22
边e的前端节点和末端节点分别为Vi和Vj，根据支路Li和支路Lj之间的故障关联关系Li→Lj，如公式(9)定义推理图/>
Figure SMS_23
边e的可信度权重C(e)：
C(e)＝C(La→Lb) (9)
如公式(10)定义推理图
Figure SMS_24
边e的不可信度权重I(e)：
I(e)＝I(La→Lb) (10)
S62：根据公式(8)和(9)，得到以目标支路L0为起始点，面向所有支路的可信度推理图；
根据公式(8)和(10)，得到以目标支路L0为起始点，面向所有支路的不可信度推理图。
进一步的，根据可信度推理图，以原电力系统目标支路L0对应的推理图中节点V0作为起始节点，对于可信度推理图中的任意一个节点
Figure SMS_25
计算推理图中所有节点可信度值的具体步骤包括：
S71：在可信度推理图中，若仅有一个节点
Figure SMS_26
指向节点/>
Figure SMS_27
则节点Vi的可信度值可通过公式(11)计算：
C(Vi)＝C(Vj)×C(eji) (11)
式(11)中，C(eji)表示从节点
Figure SMS_28
指向节点/>
Figure SMS_29
的边的可信度值；
S72：在可信度推理中，若有多个节点
Figure SMS_30
指向节点/>
Figure SMS_31
则节点/>
Figure SMS_32
的可信度值可通过公式(12)计算：
Figure SMS_33
/>
式(12)中，Q表示指向节点
Figure SMS_34
的节点个数，/>
Figure SMS_35
表示从节点/>
Figure SMS_36
指向节点/>
Figure SMS_37
的边的可信度值；
S73：根据公式(11)和公式(12)，计算可信度推理图中所有节点可信度值。
进一步的，根据可信度推理图，以原电力系统目标支路L0对应的推理图中节点V0作为起始节点，对于不可信度推理图中的任意一个节点
Figure SMS_38
计算推理图中所有节点不可信度值的具体步骤包括：
S81：在不可信度推理图中，若仅有一个节点
Figure SMS_39
指向节点/>
Figure SMS_40
则节点Vi的不可信度值可通过公式(13)计算：
I(Vi)＝1-(1-I(Vj))×(1-I(eji)) (13)
式(13)中，I(eji)表示从节点
Figure SMS_41
指向节点/>
Figure SMS_42
的边的不可信度值；
S82：在不可信度推理图中，若有多个节点
Figure SMS_43
Figure SMS_44
指向节点/>
Figure SMS_45
则节点/>
Figure SMS_46
的不可信度值可通过公式(14)计算：
Figure SMS_47
式(14)中，
Figure SMS_48
表示从节点/>
Figure SMS_49
指向节点/>
Figure SMS_50
的边的不可信度值；
S83：根据公式(13)和公式(14)，计算不可信度推理图中所有节点不可信度值。
进一步的，对于可信度推理图中的节点
Figure SMS_51
的可信度值C(Vi)，可视为原电力系统中目标支路L0与可信度推理图中的节点/>
Figure SMS_52
对应原电力系统中支路Li之间的故障关联关系L0→Li的故障关联关系可信度值C(L0→Li)；
对于不可信度推理图中的节点
Figure SMS_53
的不可信度值I(Vi)，可视为原电力系统中目标支路L0与可信度推理图中的节点/>
Figure SMS_54
对应原电力系统中支路Li之间的故障关联关系L0→Li的故障关联关系不可信度值C(L0→Li)；
根据故障关联关系可信度值C(L0→Li)以及故障关联关系不可信度值C(L0→Li)，所述目标支路与推理图中对应支路的故障关联关系的风险程度可通过式(15)计算的风险程度值来进行评估：
CCI(L0→Li)＝C(L0→Li)-I(L0→Li)＝C(Vi)-I(Vi) (15)
与现有技术相比，本发明具有以下技术效果：
(1)本发明可以对于未知的(即连锁故障数据中没有出现的)故障关联关系进行合理的风险程度评估；
(2)本发明提出的方法综合考虑了可信度和不可信度，能有效避免一些故障关联关系被误判为高风险关联关系。
附图说明
图1为本发明总体流程图；
图2为IEEE 39节点系统图；
图3为以目标支路4为起始点的推理图；
图4为计算出来的以支路4为前置条件的所有故障关联关系。
具体实施方式
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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于发明中的实施例，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，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。
如图1所示，基于可信度和不可信度推理图的支路关联风险评估方法，具体包括以下几个步骤：
S1：获取电力系统历史连锁故障数据；
S2：根据所述电力系统历史连锁故障数据，定义输电线路支路故障关联关系以及支路故障关联关系剩余可信度，构建输电网络支路故障关联关系可信度模型以及输电网络支路故障关联关系不可信度模型；
S3：构建虚拟路径图，包括：定义目标支路虚拟路径，获取目标支路与其他支路虚拟路径长度最短的虚拟路径集合，将所述虚拟路径集合中所有路径均映射成路径链图；
S4：根据所述路径链图，构建以目标支路为起始点，面向所有支路的推理图；
S5：根据S4推理图中每一条边的前端节点和末端节点对应的原系统中支路之间的故障关联关系，定义推理图中边的可信度权重以及推理图中边的不可信度权重，构建以目标支路为起始点面向所有支路的可信度推理图以及以目标支路为起始点面向所有支路的不可信度推理图；
S6：构建推理模型，包括：根据所述可信度推理图，计算推理图中所有节点可信度值；根据所述不可信度推理图，计算推理图中所有节点不可信度值；
S7：根据S6节点可信度值和节点不可信度值，评估目标支路与推理图中对应支路的故障关联关系的风险程度。
所述电力系统历史连锁故障数据中的每一条连锁故障数据采用故障链L1→L2…→Li→…→Ln表示，其中，Li(i＝1,2,…,n)表示第i个阶段的故障元件集合，Li→Lj表示两个故障元件集合之间的关联关系。
由于传递特性，任意两个非相邻的故障元件集合之间也具有故障关联关系，例如L1→Ln，需要注意的是，如果两个故障集合来自于不同的故障链，则它们之间没有故障关联关系。
构建所述输电网络支路之间故障关联关系可信度以及输电网络支路之间故障关联关系不可信度模型，包括以下几个步骤：
S31：依据电力系统历史连锁故障数据，对于任意一条支路故障关联关系Li→Lk，如式(1)所示定义支路故障关联关系的剩余可信度S(Li→Lk)：
Figure SMS_55
式(1)中，P(Li)，P(Lk)和P(Li→Lk)分别表示在历史连锁故障数据中的支路Li，支路Lk以及支路故障关联关系Li→Lk出现的频率，P(Lk/Li)表示在支路Li发生故障的条件下支路Lk发生的故障概率；
S32：对于任意一条支路故障关联关系Li→Lk，如公式(2)所示构建输电网络支路故障关联关系的可信度模型C(Li→Lk)：
Figure SMS_56
式(2)中，C(Li→Lk)∈[0,1]，C(Li→Lk)值越大，表明支路故障关联关系Li→Lk的可信度越大；
S33：对于任意一条支路故障关联关系Li→Lk，如公式(3)所示构建输电网络支路故障关联关系的不可信度模型I(Li→Lk)：
Figure SMS_57
式(3)中，I(Li→Lk)∈[0,1]，I(Li→Lk)值越大，表明支路故障关联关系Li→Lk的不可信度越大。
将所述虚拟路径集合中所有路径均映射成路径链图，具体包括以下步骤：
S41：定义目标支路L0的虚拟路径为：对于电力系统中的任意一条关联支路Li，如果在历史连锁故障数据中存在支路
Figure SMS_58
具有支路故障关联关系，即
Figure SMS_59
和/>
Figure SMS_60
(需要注意地是，这些支路关联关系可能来自于不同的故障链)，则L0和Li之间存在虚拟路径/>
Figure SMS_61
且虚拟路径的长度为M+2；
S42：根据S41中所述虚拟路径的定义，找出目标支路L0和支路Li之间所有的虚拟路径，然后筛选出长度最短的虚拟路径集合(由于长度最短的虚拟路径可能有多条，因此这里用虚拟路径集合表示)；
如式(4)所示定义目标支路L0和支路Li之间第di条长度最短的虚拟路径为：
Figure SMS_62
式(4)中，Di表示目标支路L0和支路Li之间长度最短的虚拟路径数量；
S43：如式(5)所示定义所述链图中的节点
Figure SMS_63
为：
Figure SMS_64
如式(6)所示定义所述链图中的边
Figure SMS_65
为：
Figure SMS_66
S44：根据式(5)和式(6)，将目标支路L0和支路Li之间第di条长度最短的虚拟路径映射成链图
Figure SMS_67
S45：根据步骤S41～S44，将目标支路L0和支路Li之间Di条长度最短的虚拟路径映射成链图，包括：
Figure SMS_68
Figure SMS_69
构建以目标支路L0为起始点，面向所有支路的推理图，具体包括以下步骤：
S51：根据步骤S45中Di条链图，如公式(7)所示构建目标支路L0和支路Li之间的推理图
Figure SMS_70
Figure SMS_71
S52：定义目标支路L0和电力系统中其余所有支路(除了目标支路)之间的推理图，分别为
Figure SMS_72
其中N表示系统中支路的数量；
如公式(8)所示构建以目标支路L0为起始点，面向所有支路的推理图
Figure SMS_73
Figure SMS_74
构建以目标支路为起始点面向所有支路的可信度推理图以及以目标支路为起始点面向所有支路的不可信度推理图，具体包括以下步骤：
S61：定义推理图
Figure SMS_75
中的节点Vi和Vj对于原电力系统中的支路Li和Lj，定义推理图/>
Figure SMS_76
边e的前端节点和末端节点分别为Vi和Vj，根据支路Li和支路Lj之间的故障关联关系Li→Lj，如公式(9)定义推理图/>
Figure SMS_77
边e的可信度权重C(e)：
C(e)＝C(La→Lb) (9)
如公式(10)定义推理图
Figure SMS_78
边e的不可信度权重I(e)：
I(e)＝I(La→Lb) (10)
S62：根据公式(8)和(9)，得到以目标支路L0为起始点，面向所有支路的可信度推理图；
根据公式(8)和(10)，得到以目标支路L0为起始点，面向所有支路的不可信度推理图。
根据可信度推理图，以原电力系统目标支路L0对应的推理图中节点V0作为起始节点，对于可信度推理图中的任意一个节点
Figure SMS_79
计算推理图中所有节点可信度值的具体步骤包括：
S71：在可信度推理图中，若仅有一个节点
Figure SMS_80
指向节点/>
Figure SMS_81
则节点Vi的可信度值可通过公式(11)计算：
C(Vi)＝C(Vj)×C(eji) (11)
式(11)中，C(eji)表示从节点
Figure SMS_82
指向节点/>
Figure SMS_83
的边的可信度值；
S72：在可信度推理中，若有多个节点
Figure SMS_84
指向节点/>
Figure SMS_85
则节点/>
Figure SMS_86
的可信度值可通过公式(12)计算：
Figure SMS_87
式(12)中，Q表示指向节点
Figure SMS_88
的节点个数，/>
Figure SMS_89
表示从节点/>
Figure SMS_90
指向节点/>
Figure SMS_91
的边的可信度值；
S73：根据公式(11)和公式(12)，计算可信度推理图中所有节点可信度值。
根据可信度推理图，以原电力系统目标支路L0对应的推理图中节点V0作为起始节点，对于不可信度推理图中的任意一个节点
Figure SMS_92
计算推理图中所有节点不可信度值的具体步骤包括：
S81：在不可信度推理图中，若仅有一个节点
Figure SMS_93
指向节点/>
Figure SMS_94
则节点Vi的不可信度值可通过公式(13)计算：
I(Vi)＝1-(1-I(Vj))×(1-I(eji)) (13)
式(13)中，I(eji)表示从节点
Figure SMS_95
指向节点/>
Figure SMS_96
的边的不可信度值；
S82：在不可信度推理图中，若有多个节点
Figure SMS_97
Figure SMS_98
指向节点/>
Figure SMS_99
则节点/>
Figure SMS_100
的不可信度值可通过公式(14)计算：
Figure SMS_101
式(14)中，
Figure SMS_102
表示从节点/>
Figure SMS_103
指向节点/>
Figure SMS_104
的边的不可信度值；
S83：根据公式(13)和公式(14)，计算不可信度推理图中所有节点不可信度值。
对于可信度推理图中的节点
Figure SMS_105
的可信度值C(Vi)，可视为原电力系统中目标支路L0与可信度推理图中的节点/>
Figure SMS_106
对应原电力系统中支路Li之间的故障关联关系L0→Li的故障关联关系可信度值C(L0→Li)；
对于不可信度推理图中的节点
Figure SMS_107
的不可信度值I(Vi)，可视为原电力系统中目标支路L0与可信度推理图中的节点/>
Figure SMS_108
对应原电力系统中支路Li之间的故障关联关系L0→Li的故障关联关系不可信度值C(L0→Li)；
根据故障关联关系可信度值C(L0→Li)以及故障关联关系不可信度值C(L0→Li)，所述目标支路与推理图中对应支路的故障关联关系的风险程度可通过式(15)计算的风险程度值来进行评估：
CCI(L0→Li)＝C(L0→Li)-I(L0→Li)＝C(Vi)-I(Vi) (15)
以IEEE 39节点系统为例，其系统图如图2所示。通过获取IEEE 39节点的历史连锁故障数据，计算所有故障关联关系的可信度值和不可信度值。
如图3所示，以目标支路4为例，构建以目标支路4为起始点的推理图，在此基础上，利用公式(9)和(10)分别计算推理图中边的可信度值和不可信度值，进而获得可信度推理图和不可信度推理图。
再根据公式(11)至(14)，推理得到所有节点的可信度值和不可信度值。依据公式(15)计算推理图中节点的风险程度，如图4所示，评估目标支路4与推理图中所有支路的故障关联关系风险程度，图4中标出的风险值指的是目标支路4与该支路之间的故障关联关系风险值。
分析图4可知，当风险程度值大于0时，表明目标支路4与该支路之间的故障关联关系的风险程度较高；当风险程度值小于0时，表明目标支路4与该支路之间的故障关联关系的风险程度较低。其中，目标支路4和支路3之间的故障关联关系风险程度最高，达到0.34486。另外，在历史连锁故障数据中，支路4和支路14之间是未知的故障关联关系(历史数据库中没有出现的)，本文的方法仍然可以计算它们之间的故障关联关系为0.0016。
另外，在图4中，目标支路4和支路13之间的故障关联关系为-0.5778，是一个低风险故障关联关系。然而，利用贝叶斯理论计算该故障关联关系为0.1448，其计算出来的风险值相对较高。通过统计历史连锁故障数据，支路13发生的故障频率为0.3430，大于0.1448，明显地，当支路4发生故障之后并没有增大支路13发生故障的可能性。因此，利用贝叶斯理论计算出来的结果并不合理。采用本文的方法，计算出来的结果更加合理，可以减少高风险故障关联关系的误判。

Claims (9)

1.基于可信度和不可信度推理图的支路关联风险评估方法，其特征在于，所述评估方法包括以下几个步骤：
S1：获取电力系统历史连锁故障数据；
S2：根据所述电力系统历史连锁故障数据，定义输电线路支路故障关联关系以及支路故障关联关系剩余可信度，构建输电网络支路故障关联关系可信度模型以及输电网络支路故障关联关系不可信度模型；
S3：构建虚拟路径图，包括：定义目标支路虚拟路径，获取目标支路与其他支路虚拟路径长度最短的虚拟路径集合，将所述虚拟路径集合中所有路径均映射成路径链图；
S4：根据所述路径链图，构建以目标支路为起始点，面向所有支路的推理图；
S5：根据S4推理图中每一条边的前端节点和末端节点对应的原系统中支路之间的故障关联关系，定义推理图中边的可信度权重以及推理图中边的不可信度权重，构建以目标支路为起始点面向所有支路的可信度推理图以及以目标支路为起始点面向所有支路的不可信度推理图；
S6：构建推理模型，包括：根据所述可信度推理图，计算推理图中所有节点可信度值；根据所述不可信度推理图，计算推理图中所有节点不可信度值；
S7：根据S6节点可信度值和节点不可信度值，评估目标支路与推理图中对应支路的故障关联关系的风险程度。
2.根据权利要求1所述基于可信度和不可信度推理图的支路关联风险评估方法，其特征在于，所述电力系统历史连锁故障数据中的每一条连锁故障数据采用故障链L1→L2…→Li→…→Ln表示，其中，Li(i＝1,2,…,n)表示第i个阶段的故障元件集合，Li→Lj表示两个故障元件集合之间的关联关系。
3.根据权利要求2所述基于可信度和不可信度推理图的支路关联风险评估方法，其特征在于，构建所述输电网络支路之间故障关联关系可信度以及输电网络支路之间故障关联关系不可信度模型，包括以下几个步骤：
S31：依据电力系统历史连锁故障数据，对于任意一条支路故障关联关系Li→Lk，如式(1)所示定义支路故障关联关系的剩余可信度S(Li→Lk)：
Figure FDA0003960678680000021
式(1)中，P(Li)，P(Lk)和P(Li→Lk)分别表示在历史连锁故障数据中的支路Li，支路Lk以及支路故障关联关系Li→Lk出现的频率，P(Lk/Li)表示在支路Li发生故障的条件下支路Lk发生的故障概率；
S32：对于任意一条支路故障关联关系Li→Lk，如公式(2)所示构建输电网络支路故障关联关系的可信度模型C(Li→Lk)：
Figure FDA0003960678680000022
/>
S33：对于任意一条支路故障关联关系Li→Lk，如公式(3)所示构建输电网络支路故障关联关系的不可信度模型I(Li→Lk)：
Figure FDA0003960678680000023
4.根据权利要求3所述基于可信度和不可信度推理图的支路关联风险评估方法，其特征在于，将所述虚拟路径集合中所有路径均映射成路径链图，具体包括以下步骤：
S41：定义目标支路L0的虚拟路径为：对于电力系统中的任意一条关联支路Li，如果在历史连锁故障数据中存在支路
Figure FDA0003960678680000024
具有支路故障关联关系，即
Figure FDA0003960678680000031
和/>
Figure FDA0003960678680000032
则L0和Li之间存在虚拟路径
Figure FDA0003960678680000033
且虚拟路径的长度为M+2；
S42：根据S41中所述虚拟路径的定义，找出目标支路L0和支路Li之间所有的虚拟路径，然后筛选出长度最短的虚拟路径集合；
如式(4)所示定义目标支路L0和支路Li之间第di条长度最短的虚拟路径为：
Figure FDA0003960678680000034
式(4)中，Di表示目标支路L0和支路Li之间长度最短的虚拟路径数量；
S43：如式(5)所示定义所述链图中的节点
Figure FDA0003960678680000035
为：
Figure FDA0003960678680000036
如式(6)所示定义所述链图中的边
Figure FDA0003960678680000037
为：
Figure FDA0003960678680000038
S44：根据式(5)和式(6)，将目标支路L0和支路Li之间第di条长度最短的虚拟路径映射成链图
Figure FDA0003960678680000039
S45：根据步骤S41～S44，将目标支路L0和支路Li之间Di条长度最短的虚拟路径映射成链图，包括：
Figure FDA00039606786800000310
Figure FDA00039606786800000311
5.根据权利要求4所述基于可信度和不可信度推理图的支路关联风险评估方法，其特征在于，构建以目标支路L0为起始点，面向所有支路的推理图，具体包括以下步骤：
S51：根据步骤S45中Di条链图，如公式(7)所示构建目标支路L0和支路Li之间的推理图
Figure FDA00039606786800000312
/>
Figure FDA0003960678680000041
S52：定义目标支路L0和电力系统中其余所有支路(除了目标支路)之间的推理图，分别为
Figure FDA0003960678680000042
其中N表示系统中支路的数量；
如公式(8)所示构建以目标支路L0为起始点，面向所有支路的推理图
Figure FDA0003960678680000043
Figure FDA0003960678680000044
6.根据权利要求5所述基于可信度和不可信度推理图的支路关联风险评估方法，其特征在于，构建以目标支路为起始点面向所有支路的可信度推理图以及以目标支路为起始点面向所有支路的不可信度推理图，具体包括以下步骤：
S61：定义推理图
Figure FDA0003960678680000045
中的节点Vi和Vj对于原电力系统中的支路Li和Lj，定义推理图/>
Figure FDA0003960678680000046
边e的前端节点和末端节点分别为Vi和Vj，根据支路Li和支路Lj之间的故障关联关系Li→Lj，如公式(9)定义推理图/>
Figure FDA0003960678680000047
边e的可信度权重C(e)：
C(e)＝C(La→Lb)(9)
如公式(10)定义推理图
Figure FDA0003960678680000048
边e的不可信度权重I(e)：
I(e)＝I(La→Lb)(10)
S62：根据公式(8)和(9)，得到以目标支路L0为起始点，面向所有支路的可信度推理图；
根据公式(8)和(10)，得到以目标支路L0为起始点，面向所有支路的不可信度推理图。
7.根据权利要求6所述基于可信度和不可信度推理图的支路关联风险评估方法，其特征在于，根据可信度推理图，以原电力系统目标支路L0对应的推理图中节点V0作为起始节点，对于可信度推理图中的任意一个节点
Figure FDA0003960678680000051
计算推理图中所有节点可信度值的具体步骤包括：
S71：在可信度推理图中，若仅有一个节点
Figure FDA0003960678680000052
指向节点/>
Figure FDA0003960678680000053
则节点Vi的可信度值可通过公式(11)计算：
C(Vi)＝C(Vj)×C(eji)(11)
式(11)中，C(eji)表示从节点
Figure FDA0003960678680000054
指向节点/>
Figure FDA0003960678680000055
的边的可信度值；
S72：在可信度推理中，若有多个节点
Figure FDA0003960678680000056
指向节点/>
Figure FDA0003960678680000057
则节点/>
Figure FDA0003960678680000058
的可信度值可通过公式(12)计算：
Figure FDA0003960678680000059
式(12)中，Q表示指向节点
Figure FDA00039606786800000510
的节点个数，/>
Figure FDA00039606786800000511
表示从节点/>
Figure FDA00039606786800000512
指向节点/>
Figure FDA00039606786800000513
的边的可信度值；
S73：根据公式(11)和公式(12)，计算可信度推理图中所有节点可信度值。
8.根据权利要求7所述基于可信度和不可信度推理图的支路关联风险评估方法，其特征在于，根据可信度推理图，以原电力系统目标支路L0对应的推理图中节点V0作为起始节点，对于不可信度推理图中的任意一个节点
Figure FDA00039606786800000514
计算推理图中所有节点不可信度值的具体步骤包括：
S81：在不可信度推理图中，若仅有一个节点
Figure FDA00039606786800000515
指向节点/>
Figure FDA00039606786800000516
则节点Vi的不可信度值可通过公式(13)计算：
I(Vi)＝1-(1-I(Vj))×(1-I(eji))(13)
式(13)中，I(eji)表示从节点
Figure FDA00039606786800000517
指向节点/>
Figure FDA00039606786800000518
的边的不可信度值；
S82：在不可信度推理图中，若有多个节点
Figure FDA00039606786800000519
Figure FDA00039606786800000520
指向节点/>
Figure FDA00039606786800000521
则节点/>
Figure FDA00039606786800000522
的不可信度值可通过公式(14)计算：
Figure FDA0003960678680000061
式(14)中，
Figure FDA0003960678680000062
表示从节点/>
Figure FDA0003960678680000063
指向节点/>
Figure FDA0003960678680000064
的边的不可信度值；
S83：根据公式(13)和公式(14)，计算不可信度推理图中所有节点不可信度值。
9.根据权利要求8所述基于可信度和不可信度推理图的支路关联风险评估方法，其特征在于，所述目标支路与推理图中对应支路的故障关联关系的风险程度可通过式(15)计算的风险程度值来进行评估：
CCI(L0→Li)＝C(L0→Li)-I(L0→Li)＝C(Vi)-I(Vi)(15)。
CN202211479468.4A 2022-11-24 2022-11-24 基于可信度和不可信度推理图的支路关联风险评估方法 Active CN115865727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211479468.4A CN115865727B (zh) 2022-11-24 2022-11-24 基于可信度和不可信度推理图的支路关联风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211479468.4A CN115865727B (zh) 2022-11-24 2022-11-24 基于可信度和不可信度推理图的支路关联风险评估方法

Publications (2)

Publication Number Publication Date
CN115865727A true CN115865727A (zh) 2023-03-28
CN115865727B CN115865727B (zh) 2024-04-12

Family

ID=85665669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211479468.4A Active CN115865727B (zh) 2022-11-24 2022-11-24 基于可信度和不可信度推理图的支路关联风险评估方法

Country Status (1)

Country Link
CN (1) CN115865727B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260786A (zh) * 2015-09-08 2016-01-20 哈尔滨工程大学 一种电力推进系统仿真可信度评估模型综合优化方法
US20160189440A1 (en) * 2014-12-31 2016-06-30 Jeremy Leigh Cattone Systems and methods for multi-signal fault analysis
DE202017100343U1 (de) * 2017-01-24 2017-02-27 EWC Weather Consult GmbH System zur Generierung von Echtzeit-Information und Prognose von Leistungsregelungen aufgrund von Netzengpässen in einem Stromnetz
CN108830475A (zh) * 2018-06-08 2018-11-16 国网江苏省电力有限公司 二次系统隐性故障评估方法
CN109633372A (zh) * 2018-12-19 2019-04-16 西南交通大学 一种基于模糊推理脉冲神经膜系统的电力系统故障自动诊断方法
CN111208385A (zh) * 2019-12-19 2020-05-29 云南电网有限责任公司玉溪供电局 电网在线故障分层诊断方法
CN113505458A (zh) * 2021-07-26 2021-10-15 中国电力科学研究院有限公司 连锁故障关键触发支路预测方法、系统、设备及存储介质
CN113516357A (zh) * 2021-05-10 2021-10-19 湖南大学 考虑网络攻击风险的电力系统脆弱线路评估方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160189440A1 (en) * 2014-12-31 2016-06-30 Jeremy Leigh Cattone Systems and methods for multi-signal fault analysis
CN105260786A (zh) * 2015-09-08 2016-01-20 哈尔滨工程大学 一种电力推进系统仿真可信度评估模型综合优化方法
DE202017100343U1 (de) * 2017-01-24 2017-02-27 EWC Weather Consult GmbH System zur Generierung von Echtzeit-Information und Prognose von Leistungsregelungen aufgrund von Netzengpässen in einem Stromnetz
CN108830475A (zh) * 2018-06-08 2018-11-16 国网江苏省电力有限公司 二次系统隐性故障评估方法
CN109633372A (zh) * 2018-12-19 2019-04-16 西南交通大学 一种基于模糊推理脉冲神经膜系统的电力系统故障自动诊断方法
CN111208385A (zh) * 2019-12-19 2020-05-29 云南电网有限责任公司玉溪供电局 电网在线故障分层诊断方法
CN113516357A (zh) * 2021-05-10 2021-10-19 湖南大学 考虑网络攻击风险的电力系统脆弱线路评估方法及系统
CN113505458A (zh) * 2021-07-26 2021-10-15 中国电力科学研究院有限公司 连锁故障关键触发支路预测方法、系统、设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
XIAOGUANG WEI等: "Electrical Network Operational Vulnerability Evaluation Based on Small-World and Scale-Free Properties", 《IEEE ACCESS》, 26 March 2019 (2019-03-26) *
刘洋;卢建刚;黄凯;: "电网调度自动化实时信息分析与评估系统的研究", 电力系统保护与控制, no. 08, 16 April 2010 (2010-04-16) *
范译文;刘俊勇;刘友波;苟竞;刁塑;黄炜果;: "计及全路径关联概率的连锁故障风险评估模型", 电力系统及其自动化学报, no. 05, 15 May 2016 (2016-05-15) *
韦晓广: "输电网络时空关联分析与脆弱性评估方法", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, 15 June 2021 (2021-06-15) *

Also Published As

Publication number Publication date
CN115865727B (zh) 2024-04-12

Similar Documents

Publication Publication Date Title
Bai et al. Search for all d-MPs for all d levels in multistate two-terminal networks
CN116505665B (zh) 一种电网配电线路的故障监测方法及系统
CN112926023B (zh) 一种基于考虑气象因素p系统的输电网故障诊断方法
CN110018390B (zh) 基于综合变权的分层模糊petri网电网故障诊断方法
CN107896168B (zh) 一种网络虚拟化环境下的电力通信网多域故障诊断方法
CN112769869A (zh) 一种基于贝叶斯攻击图的sdn网络安全预测方法及对应系统
Nakarmi et al. Analyzing power grids’ cascading failures and critical components using interaction graphs
CN115049270B (zh) 考虑变电站网络攻击成功概率的电力系统风险评估方法
Jorjani et al. An optimization-based approach to recover the detected attacked grid variables after false data injection attack
Dwivedi et al. Evaluating the planning and operational resilience of electrical distribution systems with distributed energy resources using complex network theory
CN115865727A (zh) 基于可信度和不可信度推理图的支路关联风险评估方法
CN111144572B (zh) 一种基于树形贝叶斯网络的配电网灾情推断方法及系统
US20230110983A1 (en) Availability SLO-Aware Network Optimization
CN115775107A (zh) 一种考虑连锁故障的电网信息物理系统风险评估方法
Pilch Reliability evaluation of networks with imperfect and repairable links and nodes
Xie et al. Modeling and quantifying the survivability of telecommunication network systems under fault propagation
Liu et al. Research on node importance of power communication network based on multi-attribute analysis
Wang et al. A fault detection scheme based on self-clustering nodes sets for wireless sensor networks
CN112260873B (zh) 一种5g网络切片下动态网络故障诊断方法
CN114662328B (zh) 一种考虑网络攻击的电力系统恢复力评估方法
CN113484685B (zh) 一种基于时序组织型p系统的电网故障诊断方法
Bai et al. An improved d-MP search algorithm for multi-state networks
CN116545721A (zh) 一种电力信息系统网络安全综合监测方法
Deb et al. A new methodology for severity analysis of power system network by using Bayesian network
Gong et al. Fault location algorithm based on probe in Electric Power Data Network

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