CN116845872A - 一种配电网防灾预警与生产决策支持方法及系统 - Google Patents
一种配电网防灾预警与生产决策支持方法及系统 Download PDFInfo
- Publication number
- CN116845872A CN116845872A CN202310820780.3A CN202310820780A CN116845872A CN 116845872 A CN116845872 A CN 116845872A CN 202310820780 A CN202310820780 A CN 202310820780A CN 116845872 A CN116845872 A CN 116845872A
- Authority
- CN
- China
- Prior art keywords
- load
- power
- data
- distribution network
- module
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 29
- 230000002265 prevention Effects 0.000 title claims abstract description 28
- 230000006378 damage Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000013461 design Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 11
- 230000008439 repair process Effects 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 6
- 239000012212 insulator Substances 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 5
- 238000001556 precipitation Methods 0.000 claims description 5
- 230000010485 coping Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 238000012806 monitoring device Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012502 risk assessment Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 102100028292 Aladin Human genes 0.000 description 1
- 101710065039 Aladin Proteins 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 208000025274 Lightning injury Diseases 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism 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
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/16—Cables, cable trees or wire harnesses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Power Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种配电网防灾预警与生产决策支持方法及系统，涉及配电网技术领域，本发明可以融合数据中心多类数据，进行配电网多源数据的分类、解析、特征提取，进而在无需另外安装气象环境监测装置的情况下，通过计算最大风荷载、雷电跳闸率、最高允许运行温度下的最大载流量、考虑环境因素的平均失效频率和平均失效时间来评估配电网停电风险并进行风险分级。突发事件发生后，通过分析设备停运后的电网拓扑结构，进一步计算得出设备停运概率，得出负荷停电概率及停电风险，本发明实现对台风、雷电、洪涝、覆冰等灾害下的配电网灾前预警、灾中监测、灾后抢修辅助决策，为配电网安全生产、规划管理、指挥决策提供数据和业务支撑。
Description
技术领域
本发明涉及配电网技术领域，特别涉及一种配电网防灾预警与生产决策支持方法及系统。
背景技术
由于自然灾害频繁发生，特别是台风、雷电、冰雹、雨雪、强对流天气等极端天气给配电网安全稳定运行造成巨大危害，容易引发大规模停电事故，而配电网处于电力系统末端，承担着直接向用户供电的任务，在灾害发生时，若配电网受灾害影响导致停电，会对用户造成重大损失。虽然国内外对于提升电网抗灾能力的研究已在不断的丰富，但是，当前对电网防灾的研究主要集中在输电线路上，对配电网的防灾的研究较少，对于配电网的智能化灾害预警的研究则更少。实际上，与输电设备相比，由于配电设备数量大、配电网络复杂，在受到台风、山火、雷电、内涝、地质、覆冰等自然灾害的影响时，其影响过程更复杂多变，容易出现多重故障从而导致预测和处理困难，且在气象环境监测等方面，现有的关于灾害预警及处理的技术多为在电网安装实际气象环境监测装置，然后接收采集这些装置传输回来的数据进而进行进一步的处理，这个方法的弊端在于不是所有地区均安装有实际气象环境监测装置，进而导致有些地区的气象环境数据无法获取到，从而影响最终的输出结果的准确程度。
鉴于此，需要一种配电网防灾预警与生产决策支持方法及系统。
发明内容
针对现有技术中当前对电网防灾的研究主要集中在输电线路上，对配电网的防灾的研究较少，对于配电网的智能化灾害预警的研究则更少且与输电设备相比，由于配电设备数量大、配电网络复杂，在受到台风、山火、雷电、内涝、地质、覆冰等自然灾害的影响时，其影响过程更复杂多变，容易出现多重故障的情况，且在气象环境监测等方面，现有的关于灾害预警及处理的技术多为在电网安装实际气象环境监测装置，然后接收采集这些装置传输回来的数据进而进行进一步的处理，这个方法的弊端在于不是所有地区均安装有实际气象环境监测装置，进而导致有些地区的气象环境数据无法获取到，从而影响最终的输出结果的准确程度的问题，本发明提供了一种配电网防灾预警与生产决策支持方法及系统，能够基于采集到的多样数据进行配电网停电风险判断，而后在灾害等突发事件发生后进一步得出负荷停电概率及停电风险。具体技术方案如下：
一种配电网防灾预警与生产决策支持方法，包括以下步骤：
S1：收集潜在突发事件信息，所述突发事件包括台风、雷电、高温以及恶劣环境信息；
S2：基于突发事件信息，评估配电网停电风险，进而得出配电网对突发事件的应对能力，并且进行灾损分级；
S3：基于配电网停电风险判断是否进入预警，若不需进入预警则继续收集潜在突发事件信息及进行配电网停电风险评估，若进入预警则实行预警措施；
S4：事件发生后，令设备停运,并启用应急管理预案中已设计好的设备停运后可启用的备用供电路径(或设备)，进而更新电网拓扑结构；
S5：分析更新后的电网拓扑结构，如果出现孤岛电网脱离主网运行，则针对孤岛电网计算其中发电和负荷差额，进而得到其中停电负荷，如果电网保持完整，则求解最小损失切负荷，即求得满足电网运行要求和设备容量约束情况下保持系统关键负荷供电所需切除的负荷；
S6：计算设备停运概率，基于停电负荷和设备停运概率计算负荷停电概率及停电风险。
优选的，所述评估配电网停电风险具体为计算最大风荷载、雷电跳闸率、最高允许运行温度下的最大载流量、考虑环境因素的平均失效频率和平均失效时间。
优选的，所述计算最大风荷载具体如下：
线路风荷载的计算公式如下：
Wx＝6.25×10-4αμzμscβcdlHv2 sin2θ
式中，Wx为导线风荷载标准值，N；α为导线风压不均匀系数；μsc为电线体型系数，在GB 50545中规定当d<17mm取1.2,当d>＝17mm取1.1；βc为风载调整系数，电压等级为500kV/750kV，其他直接取为导线外径,mm；lH为杆塔水平档距,m；μz为风压高度变化系数；θ为风向与导线之间的夹角；
利用广义极值分布对其进行概率分布拟合,广义极值分布又分为I型极值分布、II型极值分布、III型极值分布，将不同类型的3种极值分布一般化，得到的广义极值分布函数表达式为：
式中：r为形状参数；a为尺度参数；b为位置参数；
馈线设计风荷载的变差系数为：
式中：μ为馈线设计风荷载的均值；σ为线路设计风荷载的标准差；
利用应力-强度干涉面积法计算架空馈线故障概率内的，其馈线设计风荷载的概率分布为正态分布：
因此，基于风灾下的馈线停运概率预测模型如下：
疲劳折损系数为：
折损后的线路所能承受的最大风荷载为：
式中：ζ为疲劳折损系数；Wd’为实际能承受的风荷载；Wd为设计所能承受的风荷载；ζ2为线路服役寿命到达时的疲劳折损系数；β为形状参数；α为尺度参数。
优选的，其特征在于，计算所述雷电跳闸率如下：
雷击跳闸率的计算公式为：
η＝NgSξσ
式中：η为雷击跳闸率，次(100km·a)-1；Ng为地闪密度，表示雷电活动的强烈，只与雷电活动特征本身相关，次km-2·a-1；S为引起线路跳闸的有效受雷区域，一般为距线路单侧距离0.5km的范围，km；ξ为有效区域内由雷击引起绝缘子闪络的概率。
优选的，计算所述最高允许运行温度下的最大载流量具体如下：
借助WRF数值天气预报系统获取架空线路沿线的气象环境参数预测值；
利用导线热平衡方程计算线路未来时刻的动态载流值，线路最大载流量I的计算公式如下：
式中，Ta为环境预报温度，Tc为导线温度，Vdw为预报风速与实际数据的误差，R(Tc)为定值，其他参数均为沿线的气象环境数据。
优选的，计算所述考虑环境因素的平均失效频率和平均失效时间具体如下：
fto＝fadPad+fno(1-Pad)；
rto＝radPad+rno(1-Pad)；
式中：fad和fno分别为恶劣和正常气候条件下的失效频率；fto为平均失效频率；rad和rno分别为两种气候条件下的平均修复时间；rto为整个时期内的平均修复时间；Pad和(1-Pad)是恶劣和正常气候条件的概率。
优选的，所述步骤S4-S6具体如下：
令设备停运,并启用应急管理预案中已设计好的该设备停运后可启用的备用供电路径(或设备)，进而更新电网拓扑结构，分析更新后的电网拓扑结构，如果出现孤岛电网脱离主网运行，则针对孤岛电网计算其中发电和负荷差额,进而得到其中停电负荷；如果电网保持完整，则计算最小损失切负荷优化问题,求得满足电网运行要求和设备容量约束情况下保持系统关键负荷供电所需切除的负荷，计算得到的所要切除的负荷更新其不停电概率，直到遍历所有受影响设备集合,然后计算出每一个负荷的停电概率，最后计算出突发事件情况下城市配电网停电风险；
采用灾害i发生的概率pi和危害严重性Ci的乘积来计算风险R，对于灾害严重性可用停电负荷来表示，也可用为表征负荷重要程度的价值来表示：
价值系数ci一般根据应急管理中保障供电需求而人为决定，例如日常情况下，市政府、医院、交通系统等负荷价值较大，而在重大公共活动期间，对相关场馆和交通设施应设置更大的价值系数；
分析更新后的电网拓扑结构，如果出现孤岛电网脱离主网运行"则针对孤岛电网计算其中发电和负荷差额"进而得到其中停电负荷；如果电网保持完整，可用最小损失切负荷优化问题，求得满足电网运行要求和设备容量约束情况下保持系统关键负荷供电所需切除的负荷；
最小损失切负荷问题的目标函数为：
其约束条件为：
式中，Pi为负荷i初始有功功率，Pi *为采取紧急切负荷措施后的负荷i有功功率；f为网络潮流方程；V和θ为所有节点电压和相角向量；P*和Q*分别为切负荷措施后所有负荷有功和无功功率向量；Vk为节点电压幅值，Ω为节点集合；Fl为支路l的传输功率，Ψ为支路集合。
一种配电网防灾预警与生产决策支持系统，应用如上所述的方法，包括多元数据接入模块、外源公众数据模块、数据融合模块和显示模块；所述多元数据接入模块用于接入气象数据、台风数据、雷电及山火数据；所述外源公众数据模块用于存储公众预警数据；所述数据融合模块用于处理各种采集数据并应用模型分析并得出结果；显示模块用于与客户端交互，向客户端显示多元数据接入模块采集到的各项原始数据、数据融合模块中产出的结果数据及外源公众数据模块中存储的数据。
优选的，所述气象数据包括湿度、降水量、温度、风向、风俗、气压的实时数据、预报数据和历史数据；所述台风数据包括台风基本信息、台风等级、预报路径、实施路径和预报等级；所述雷电及山货数据包括落雷点、火点；所述公众预警数据包括预警信息标题、类型、等级、预警文本信息、预警状态、发布时间、结束时间。
优选的，还包括业务域数据模块，所述业务域数据模块包括生产域模块、调度自动化模块、营销域模块、配电自动化模块、客服模块、计量自动化模块以及GIS模块；所述生产域模块中存储有设备台账、故障、缺陷、计划及停电数据；所述调度自动化模块中存储有开关动作、故障类型、故障时间；所述营销域模块中存储有客户台账、配变台账、停电数据；所述配电自动化模块中存储有开关动作、故障类型、故障时间；所述客服模块中存储有地理位置。配网拓扑。风险隐患点；所述计量自动化模块存储有客户台账、配变台账、停电数据；所述GIS模块中设有GIS拓扑、多功能图层内涝水浸标注、配网线路杆塔打点服务。
与现有技术相比，本发明的有益效果为：
本发明可以融合数据中心多类数据，进行配电网多源数据(如气象数据、设备台账数据、运行数据等)的分类、解析、特征提取，进而在无需另外安装气象环境监测装置的情况下，通过WRF数值预报产品获取气象环境数据并进一步处理，通过计算最大风荷载、雷电跳闸率、最高允许运行温度下的最大载流量、考虑环境因素的平均失效频率和平均失效时间来评估配电网停电风险并进行风险分级，使得工作人员得以在灾害等突发事件发生前对风险等级高的设备或配电网进行升级。在灾害等突发事件发生后，通过分析设备停运后的电网拓扑结构，进一步计算得出设备停运概率，基于停电负荷和设备停运概率计算负荷停电概率及停电风险，实现对台风、雷电、洪涝、覆冰等灾害下的配电网灾前预警、灾中监测、灾后抢修辅助决策，为配电网安全生产、规划管理、指挥决策提供数据和业务支撑。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明的配电网停电风险判断流程图；
图2为本发明的突发事件处理流程图；
图3为本发明的跳闸率计算示意图；
图4为本发明的数据采集及结果分类示意图；
图5为一种配电网防灾预警与生产决策支持系统示意图。
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明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发明。如在本发明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。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本实施例提供一种配电网防灾预警与生产决策支持方法，包括以下步骤：
S1：收集潜在突发事件信息，所述突发事件包括台风、雷电、高温以及恶劣环境信息；
S2：基于突发事件信息，评估配电网停电风险，进而得出配电网对突发事件的应对能力，并且进行灾损分级；
S3：基于配电网停电风险判断是否进入预警，若不需进入预警则继续收集潜在突发事件信息及进行配电网停电风险评估，若进入预警则实行预警措施；
S4：事件发生后，令设备停运,并启用应急管理预案中已设计好的设备停运后可启用的备用供电路径(或设备)，进而更新电网拓扑结构；
S5：分析更新后的电网拓扑结构，如果出现孤岛电网脱离主网运行，则针对孤岛电网计算其中发电和负荷差额，进而得到其中停电负荷，如果电网保持完整，则求解最小损失切负荷，即求得满足电网运行要求和设备容量约束情况下保持系统关键负荷供电所需切除的负荷；
S6：计算设备停运概率，基于停电负荷和设备停运概率计算负荷停电概率及停电风险。
下面详细介绍每一个步骤的原理思路和详细过程：
为更好的共享网省数据资源，同时避免气象大数据网络传输压力过大问题，本发明梳理历史台风、雷电、洪涝、高温、冰灾等不同自然灾害环境下配电网典型灾损场景及灾损信息，将地理环境、风速、温度、降水、时间等灾害关键因素结合配电网设备损坏、线路跳闸、负荷损失等受损情况进行关联性分析，研究不同自然灾害环境下配电网灾损机理；结合国家防灾预警分级、电网公司防风防汛和应急响应等相关规程，对配电网不同灾害环境的灾损情况进行分级，建立不同自然灾害条件下对应的配电网灾损分级库，对配电网灾害应对能力进行评估。
首先提取温湿度、风速、降雨量、台风等级、雷电密度等配电网灾损的关键影响因素，结合实际配电网网架结构、台账信息、设备运行数据，得出考虑配电网灾损特征的配电网灾前自身应对能力动态评估结果。
(1)台风作用下架空馈线时变停运模型：
线路风荷载的计算公式：
Wx＝6.25×10-4αμzμscβcdlHv2sin2θ (1)
式中，Wx为导线风荷载标准值，N；α为导线风压不均匀系数；μsc为电线体型系数，在GB 50545中规定当d<17mm取1.2,当d>＝17mm取1.1；βc为风载调整系数，电压等级为500kV/750kV，其他直接取为导线外径,mm；lH为杆塔水平档距,m；μz为风压高度变化系数；θ为风向与导线之间的夹角，(。)。
由上式可知，线路所承受的风荷载与风速和风向密切相关，由于风速、风向是随机变量,所以线路风荷载也是随机变量。利用广义极值分布对其进行概率分布拟合,广义极值分布又分为I型极值分布、II型极值分布、III型极值分布，将不同类型的3种极值分布一般化，得到的广义极值分布函数表达式为
式中：r为形状参数；a为尺度参数；b为位置参数。
目前，大多数国家(包括我国)对风速概率模拟都釆用I型极值分布。因此，将这种对风速概率模拟的方式应用在预测风荷载概率分布上，即釆用I型极值分布确定风荷载概率分布函数：
目前，对式(3)中2个参数a、b的估计有距法、最小二乘法、极大似然法及概率加权距法。采用距法确定2个参数，计算结果是由根方差和数学期望的计算公式得到：
式中：为馈线风荷载的平均值。
线路风荷载概率分布函数的具体步骤为：
1)根据观测到风速、风向数据计算线路所承受的风荷载；
2)选取区间t时段内最大的风荷载，重复此过程，选取出几组最大风荷载组成一列风荷载的极值样本序列；
3)根据步骤2)风荷载的极值样本序列，通过距法，估计出风荷载的2个参数a和b；
4)根据每一次估计的2个参数a和丄即可估计出风灾下的线路风荷载概率分布函数。
馈线设计风荷载的变差系数为：
式中：μ为馈线设计风荷载的均值；σ为线路设计风荷载的标准差。
事实上，线路实际风荷载和设计的风荷载是随机变量，利用应力-强度干涉面积法计算架空馈线故障概率内的，其馈线设计风荷载的概率分布为正态分布：
因此，本发明提出了基于风灾下的馈线停运概率预测模型：
疲劳折损系数为
折损后的线路所能承受的最大风荷载为
式中：ζ为疲劳折损系数；Wd’命为实际能承受的风荷载；Wd为设计所能承受的风荷载；ζ2为线路服役寿命到达时的疲劳折损系数；β为形状参数；α为尺度参数。
(2)雷击跳闸概率分析方法与框架；
研究表明，因雷击线路导致其跳闸需满足：①由雷击造成的过电压大于绝缘子雷电冲击耐受电压值U50％发生冲击闪络；②雷电消失后由冲击闪络发展成短路电流电弧并持续存在，进而引起继电保护装置动作，线路跳闸。线路耐雷水平与接地方式是影响线路跳闸率的两个重要因素，除此之外，还与当地雷电活动频繁程度密切相关。因此雷击跳闸率的计算需考虑以下三个重要计算参量：地闪密度、闪络率和建弧率。故雷击跳闸率的计算公式为：
η＝NgSξσ
式中：η为雷击跳闸率，次(100km·a)-1；Ng为地闪密度，表示雷电活动的强烈，只与雷电活动特征本身相关，次km-2·a-1；S为引起线路跳闸的有效受雷区域，一般为距线路单侧距离0.5km的范围，km；ξ为有效区域内由雷击引起绝缘子闪络的概率，主要与线路耐雷水平(与杆塔结构、接地电阻、有无架设避雷线、绝缘子型号等相关)、雷电流大小、雷击位置等相关，记为闪络率；σ为建弧率，与杆塔自身结构、接地方式有关。
由上述分析可知，地闪密度、雷电流大小、雷击位置、接地电阻、杆塔结构等会影响雷击跳闸率。从统计学角度看可划分为确定性因素(如接地电阻、档距、绝缘子型号等)和不确定性因素(雷电流幅值、地闪次数、雷击点等)。其中不确定因素根据雷电活动特征统计分析获取相关雷电参数统计值及概率分布模型，并采用蒙特卡罗法进行闪络率的计算。本发明拟在采用蒙特卡罗法计算跳闸率的基础上提出改进的基于雷电活动特征的雷击跳闸率计算方法。
(3)基于数值天气预报的高温天气导线时变停运模型；
架空线路的静态载流量是基于稳态热平衡方程以及导线的最高允许运行温度(我国规定钢芯铝绞线为70℃)，以十分保守的气象因素作为边界条件计算得出的导线载流值。这个预先设定的边界条件，不能动态反映线路运行状态的实时变化。相对于静态载流量，动态载流量是基于实时气象环境参数，经由导线热平衡方程在线计算而得到，可以实时反映线路的运行状态。
目前，由于导线测温和微气象参数监测装置并未广泛地安装于全架空线路走廊之中，因此动态载流能力未广泛应用于架空线路。而作为电网调度以及变电运维部门，在迎峰度夏用电高峰期间如果能采用相关技术手段，提前预测架空线路的动态载流能力，则可为调度计划制定和运行方式优化提供决策依据，从而在保证架空线路的安全运行的基础上，充分利用线路动态载流能力。
数值天气预报是基于当前的大气状态，利用大气的数学模型，设定合适的求解初值和边界环境条件，利用大型计算机对海量气象信息数据进行数值计算，通过求解描述天气演变过程的物理方程组，对未来一定时间段的大气运动状态和气象进行预测的方法。目前广泛应用的数值天气预报计算模式主要有以下几类：1)WRF，气象研究与预测模型，该模式由美国气象研究中心、美国国家海洋、大气管理局和空军气象局支持；2)RAMS，区域大气模型系统，该系统由科罗拉多州立大学研究与发展；3)GEM-LAM，全球环境多尺度有限地域模型，为加拿大气象服务体系；4)HIRLAM，高分辨率有限区域模式，由欧洲气象的合作研究院支持；5)ALADIN，由法国气象中心领导的数个欧洲和北非国家的联合组织支持。因WRF计算模式对微气象物理过程中的影响因素考虑较为全面，预报发明包括风速、温度、太阳辐射、湿度和降水量等要素，且相关预报值的相对误差限为8％。
故利用WRF数值预报产品获取未来24h架空线路沿线的气象环境数据，对架空线路未来时刻的载流能力进行研究。提出的方法利用数值天气预报的气象预报参数实现动态载流值的预测计算，可在无需安装实际气象环境监测装置的情况下为连续高温天气下应急人员完成风险评估提供参考依据。
预测导线未来时刻的动态载流能力，需要借助WRF数值天气预报系统获取架空线路沿线的气象环境参数预测值，利用导线热平衡方程计算线路未来时刻的动态载流值。
导线动态载流能力的计算基础是：
在导线温度Tc为线路最高允许运行温度70℃时，R(Tc)为定值，将未来24h架空线路沿线的气象环境数据代入式(3.1)，就可以计算出最高允许运行温度下未来24h的线路最大载流量I的计算值。
计及环境预报温度Ta、预报风速与实际数据的误差，未来24h架空线路沿线的环境预报温度以及预报风速分别为Ta∈[Tamin,Tamax]，va∈[vamin,vamax]，则线路的预测动态量存在最大值Imax和Imin。数值预报技术提供的理想值是存在误差的，以此来计算未来24h线路的预测。
动态载流量存在较大的误差，故此需要考虑数值预报技术的波动性，以此提高预测动态载流量的准确性。随着数值预报技术的发展，未来24h的气象环境数值预报区间预测已较为准确，故可以认为实际气象环境数据在数值预报区间内是随机分布的，故架空线路实际的动态载流量在预测动态载流量区间内也是随机分布的。考虑架空线在数值天气预报情况下服从某种概率分布即可获得由于高温天气造成的概率停运模型。
(4)多种天气情况设备停运模型；
许多系统元件可能暴露在恶劣的、甚至是灾变性的环境中。尽管这种情况不经常出现，且持续时间较短，但在这个期间，元件的故障概率却显著增加,，并可能发生多个元件的重叠失效或整个子系统的失效。需要注意的是，在恶劣或灾变性环境中,重叠停运的失效过程与共因停运的概念不同。本质上说，环境相依停运意味着只有系统元件对环境间的相依性，而不是元件与元件之间的相关性。元件的重叠失效仍然还是独立的，但因共同环境的影响而更趋严重。
恶劣环境通常是指象刮风、下雨、下雪等不适宜的气候条件，而灾变性环境是指诸如暴风雪、龙卷风、火灾、洪水、地震等自然灾害。由于灾变性环境的发生概率及其影响范围仅能粗略估计，因此要对其提出精确的模型是困难的。可是，一旦在分析中接受了某种估计，则可作出如下的合理假设：所有元件会在这个估计范围内发生像共因停运那样的同时失效。这样的假设能使我们实现包含灾变性环境影响的系统风险评估。尽管这种影响被简单化而可能不够精确，但这种方法却提供了对决策有用的某些量化信息。
对于一般的气候条件，由于总是有可用的气象统计资料，因此可设计较好的模拟方法。传统方法是将气候分为正常和恶劣两种基本状态。正常和恶劣气候状态的概率可根据气象数据进行计算。如果在正常和恶劣气候状态下元件的失效频率和修复时间可被分辨出来，则两种气候条件下的系统风险可分别评估，最终的风险指标则由两种气候状态的概率加权而得。可是，大多数数据采集系统并不区分正常和恶劣气候条件下的失效事件，而仅有过去年份的平均失效频率和平均修复时间。在此情况下，下述公式(12)至(13)可用于计算两种气候状态下的失效频率和修复时间。
fto＝fadPad+fno(1-Pad) (12)
rto＝radPad+rno(1-Pad) (13)
式中：fad和fno分别为恶劣和正常气候条件下的失效频率；fto为平均失效频率；rad和rno分别为两种气候条件下的平均修复时间；rto为整个时期内的平均修复时间；Pad和(1-Pad)是恶劣和正常气候条件的概率。
融合多源数据的配电网灾害预警及风险评估技术研究
研究配电网风涝致灾因素及日前预测方法，建立配电网风涝灾损日前预测概率模型；在台风、雷电、高温、覆冰、强对流天气等不同自然灾害条件下，对气象环境数据、配电设备台账、配电网运行、GIS地图等数据进行融合分析，建立配网设备灾害受损概率预警模型，对灾害环境下的配电网受损情况进行预警；研究配电网灾害风险评估技术，建立配电设备停运概率模型，分析计算各设备停运后相应的停电负荷。
令设备停运,并启用应急管理预案中已设计好的该设备停运后可启用的备用供电路径(或设备)，进而更新电网拓扑结构。分析更新后的电网拓扑结构，如果出现孤岛电网脱离主网运行，则针对孤岛电网计算其中发电和负荷差额,进而得到其中停电负荷；如果电网保持完整，则计算最小损失切负荷优化问题,求得满足电网运行要求和设备容量约束情况下保持系统关键负荷供电所需切除的负荷。计算得到的所要切除的负荷更新其不停电概率。直到遍历所有受影响设备集合,然后计算出每一个负荷的停电概率。最后计算出突发事件情况下城市配电网停电风险。
一般采用灾害i发生的概率pi和危害严重性Ci的乘积来计算风险R，对于灾害严重性可用停电负荷来表示，也可用为表征负荷重要程度的价值来表示：
价值系数ci一般根据应急管理中保障供电需求而人为决定，例如日常情况下，市政府、医院、交通系统等负荷价值较大，而在重大公共活动期间，对相关场馆和交通设施应设置更大的价值系数。
分析更新后的电网拓扑结构，如果出现孤岛电网脱离主网运行"则针对孤岛电网计算其中发电和负荷差额"进而得到其中停电负荷；如果电网保持完整，可用最小损失切负荷优化问题，求得满足电网运行要求和设备容量约束情况下保持系统关键负荷供电所需切除的负荷。
最小损失切负荷问题的目标函数为：
其约束条件为
式中，Pi为负荷i初始有功功率，Pi*为采取紧急切负荷措施后的负荷i有功功率；f为网络潮流方程；V和θ为所有节点电压和相角向量；P*和Q*分别为切负荷措施后所有负荷有功和无功功率向量；Vk为节点电压幅值，Ω为节点集合；Fl为支路l的传输功率，Ψ为支路集合。
配电网设备运行灾损分析技术研究
研究配电网灾害受损程度快速统计技术，基于现有生产业务配电网设备运行数据，包括停电信息、跳闸信息、设备缺陷等，融合计量自动化、GIS拓扑、营销用户档案等多源数据，应用大数据技术，实现对配电设备损坏、线路跳闸、负荷损失等灾害受损程度的快速统计及分析。
主要方法为：提取温湿度、风速、降雨量、台风等级、雷电密度等配电网灾损的关键影响因素，结合实际配电网网架结构、台账信息、设备运行数据，研究考虑配电网灾损特征的配电网受损快速统计技术。
以台风灾损统计为例，根据风场预报、杆塔耐受风速、杆塔海拔等与倒/断塔、倒/断杆相关因子进行分析，研究杆塔受损预警模型，在台风来临前根据台风预测数据，提前预警存在倒/断塔、倒/断杆风险的杆塔清单，指导运维工作人员做好防风加固工作。
此外，本实施例还提供一种配电网防灾预警与生产决策支持系统，应用如上所述的方法，包括多元数据接入模块、外源公众数据模块、数据融合模块和显示模块；所述多元数据接入模块用于接入气象数据、台风数据、雷电及山火数据；所述外源公众数据模块用于存储公众预警数据；所述数据融合模块用于处理各种采集数据并应用模型分析并得出结果；显示模块用于与客户端交互，向客户端显示多元数据接入模块采集到的各项原始数据、数据融合模块中产出的结果数据及外源公众数据模块中存储的数据。所述气象数据包括湿度、降水量、温度、风向、风俗、气压的实时数据、预报数据和历史数据；所述台风数据包括台风基本信息、台风等级、预报路径、实施路径和预报等级；所述雷电及山货数据包括落雷点、火点；所述公众预警数据包括预警信息标题、类型、等级、预警文本信息、预警状态、发布时间、结束时间。还包括业务域数据模块，所述业务域数据模块包括生产域模块、调度自动化模块、营销域模块、配电自动化模块、客服模块、计量自动化模块以及GIS模块；所述生产域模块中存储有设备台账、故障、缺陷、计划及停电数据；所述调度自动化模块中存储有开关动作、故障类型、故障时间；所述营销域模块中存储有客户台账、配变台账、停电数据；所述配电自动化模块中存储有开关动作、故障类型、故障时间；所述客服模块中存储有地理位置。配网拓扑。风险隐患点；所述计量自动化模块存储有客户台账、配变台账、停电数据；所述GIS模块中设有GIS拓扑、多功能图层内涝水浸标注、配网线路杆塔打点服务。
综上所述，本发明可以融合数据中心多类数据，进行配电网多源数据(如气象数据、设备台账数据、运行数据等)的分类、解析、特征提取，进而在无需另外安装气象环境监测装置的情况下，通过WRF数值预报产品获取气象环境数据并进一步处理，通过计算最大风荷载、雷电跳闸率、最高允许运行温度下的最大载流量、考虑环境因素的平均失效频率和平均失效时间来评估配电网停电风险并进行风险分级，使得工作人员得以在灾害等突发事件发生前对风险等级高的设备或配电网进行升级。在灾害等突发事件发生后，通过分析设备停运后的电网拓扑结构，进一步计算得出设备停运概率，基于停电负荷和设备停运概率计算负荷停电概率及停电风险。本发明实现对台风、雷电、洪涝、覆冰等灾害下的配电网灾前预警、灾中监测、灾后抢修辅助决策，为配电网安全生产、规划管理、指挥决策提供数据和业务支撑。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，单元的划分，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，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。
另外，在本发明各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM,Read-0nlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种配电网防灾预警与生产决策支持方法，其特征在于，包括以下步骤：
S1：收集潜在突发事件信息，所述突发事件包括台风、雷电、高温以及恶劣环境信息；
S2：基于突发事件信息，评估配电网停电风险，进而得出配电网对突发事件的应对能力，并且进行灾损分级；
S3：基于配电网停电风险判断是否进入预警，若不需进入预警则继续收集潜在突发事件信息及进行配电网停电风险评估，若进入预警则实行预警措施；
S4：事件发生后，令设备停运,并启用应急管理预案中已设计好的设备停运后可启用的备用供电路径(或设备)，进而更新电网拓扑结构；
S5：分析更新后的电网拓扑结构，如果出现孤岛电网脱离主网运行，则针对孤岛电网计算其中发电和负荷差额，进而得到其中停电负荷，如果电网保持完整，则求解最小损失切负荷，即求得满足电网运行要求和设备容量约束情况下保持系统关键负荷供电所需切除的负荷；
S6：计算设备停运概率，基于停电负荷和设备停运概率计算负荷停电概率及停电风险。
2.根据权利要求1所述的一种配电网防灾预警与生产决策支持方法，其特征在于，所述评估配电网停电风险具体为计算最大风荷载、雷电跳闸率、最高允许运行温度下的最大载流量、考虑环境因素的平均失效频率和平均失效时间。
3.根据权利要求2所述的一种配电网防灾预警与生产决策支持方法，其特征在于，所述计算最大风荷载具体如下：
线路风荷载的计算公式如下：
Wx＝6.25×10-4αμzμscβcdlHv2sin2θ
式中，Wx为导线风荷载标准值，N；α为导线风压不均匀系数；μsc为电线体型系数，在GB50545中规定当d<17mm取1.2,当d>＝17mm取1.1；βc为风载调整系数，电压等级为500kV/750kV，其他直接取为导线外径,mm；lH为杆塔水平档距,m；μz为风压高度变化系数；θ为风向与导线之间的夹角；
利用广义极值分布对其进行概率分布拟合,广义极值分布又分为I型极值分布、II型极值分布、III型极值分布，将不同类型的3种极值分布一般化，得到的广义极值分布函数表达式为：
式中：r为形状参数；a为尺度参数；b为位置参数；
馈线设计风荷载的变差系数为：
式中：μ为馈线设计风荷载的均值；σ为线路设计风荷载的标准差；
利用应力-强度干涉面积法计算架空馈线故障概率内的，其馈线设计风荷载的概率分布为正态分布：
因此，基于风灾下的馈线停运概率预测模型如下：
疲劳折损系数为：
折损后的线路所能承受的最大风荷载为：
式中：ζ为疲劳折损系数；Wd’为实际能承受的风荷载；Wd为设计所能承受的风荷载；ζ2为线路服役寿命到达时的疲劳折损系数；β为形状参数；α为尺度参数。
4.根据权利要求2所述的一种配电网防灾预警与生产决策支持方改了及法，其特征在于，计算所述雷电跳闸率如下：
雷击跳闸率的计算公式为：
η＝NgSξσ
式中：η为雷击跳闸率，次(100km·a)-1；Ng为地闪密度，表示雷电活动的强烈，只与雷电活动特征本身相关，次km-2·a-1；S为引起线路跳闸的有效受雷区域，一般为距线路单侧距离0.5km的范围，km；ξ为有效区域内由雷击引起绝缘子闪络的概率。
5.根据权利要求2所述的一种配电网防灾预警与生产决策支持方法，其特征在于，计算所述最高允许运行温度下的最大载流量具体如下：
借助WRF数值天气预报系统获取架空线路沿线的气象环境参数预测值；
利用导线热平衡方程计算线路未来时刻的动态载流值，线路最大载流量I的计算公式你如下：
式中，Ta为环境预报温度，Tc为导线温度，Vdw为预报风速与实际数据的误差，R(Tc)为定值，其他参数均为沿线的气象环境数据。
6.根据权利要求2所述的一种配电网防灾预警与生产决策支持方法，其特征在于，计算所述考虑环境因素的平均失效频率和平均失效时间具体如下：
fto＝fadPad+fno(1-Pad)；
rto＝radPad+rno(1-Pad)；
式中：fad和fno分别为恶劣和正常气候条件下的失效频率；fto为平均失效频率；rad和rno分别为两种气候条件下的平均修复时间；rto为整个时期内的平均修复时间；Pad和(1-Pad)是恶劣和正常气候条件的概率。
7.根据权利要求2所述的一种配电网防灾预警与生产决策支持方法，其特征在于，所述步骤S4-S6具体如下：
令设备停运,并启用应急管理预案中已设计好的该设备停运后可启用的备用供电路径(或设备)，进而更新电网拓扑结构，分析更新后的电网拓扑结构，如果出现孤岛电网脱离主网运行，则针对孤岛电网计算其中发电和负荷差额,进而得到其中停电负荷；如果电网保持完整，则计算最小损失切负荷优化问题,求得满足电网运行要求和设备容量约束情况下保持系统关键负荷供电所需切除的负荷，计算得到的所要切除的负荷更新其不停电概率，直到遍历所有受影响设备集合,然后计算出每一个负荷的停电概率，最后计算出突发事件情况下城市配电网停电风险；
采用灾害i发生的概率pi和危害严重性Ci的乘积来计算风险R，对于灾害严重性可用停电负荷来表示，也可用为表征负荷重要程度的价值来表示：
价值系数ci一般根据应急管理中保障供电需求而人为决定，例如日常情况下，市政府、医院、交通系统等负荷价值较大，而在重大公共活动期间，对相关场馆和交通设施应设置更大的价值系数；
分析更新后的电网拓扑结构，如果出现孤岛电网脱离主网运行"则针对孤岛电网计算其中发电和负荷差额"进而得到其中停电负荷；如果电网保持完整，可用最小损失切负荷优化问题，求得满足电网运行要求和设备容量约束情况下保持系统关键负荷供电所需切除的负荷；
最小损失切负荷问题的目标函数为：
其约束条件为：
式中，Pi为负荷i初始有功功率，Pi *为采取紧急切负荷措施后的负荷i有功功率；f为网络潮流方程；V和θ为所有节点电压和相角向量；P*和Q*分别为切负荷措施后所有负荷有功和无功功率向量；Vk为节点电压幅值，Ω为节点集合；Fl为支路l的传输功率，Ψ为支路集合。
8.一种配电网防灾预警与生产决策支持系统，其特征在于，应用权利要求1至7任一所述的方法，包括多元数据接入模块、外源公众数据模块、数据融合模块和显示模块；所述多元数据接入模块用于接入气象数据、台风数据、雷电及山火数据；所述外源公众数据模块用于存储公众预警数据；所述数据融合模块用于处理各种采集数据并应用模型分析并得出结果；显示模块用于与客户端交互，向客户端显示多元数据接入模块采集到的各项原始数据、数据融合模块中产出的结果数据及外源公众数据模块中存储的数据。
9.根据权利要求8所述的一种配电网防灾预警与生产决策支持系统，其特征在于，所述气象数据包括湿度、降水量、温度、风向、风俗、气压的实时数据、预报数据和历史数据；所述台风数据包括台风基本信息、台风等级、预报路径、实施路径和预报等级；所述雷电及山货数据包括落雷点、火点；所述公众预警数据包括预警信息标题、类型、等级、预警文本信息、预警状态、发布时间、结束时间。
10.根据权利要求8所述的一种配电网防灾预警与生产决策支持系统，其特征在于，还包括业务域数据模块，所述业务域数据模块包括生产域模块、调度自动化模块、营销域模块、配电自动化模块、客服模块、计量自动化模块以及GIS模块；所述生产域模块中存储有设备台账、故障、缺陷、计划及停电数据；所述调度自动化模块中存储有开关动作、故障类型、故障时间；所述营销域模块中存储有客户台账、配变台账、停电数据；所述配电自动化模块中存储有开关动作、故障类型、故障时间；所述客服模块中存储有地理位置。配网拓扑。风险隐患点；所述计量自动化模块存储有客户台账、配变台账、停电数据；所述GIS模块中设有GIS拓扑、多功能图层内涝水浸标注、配网线路杆塔打点服务。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310820780.3A CN116845872A (zh) | 2023-07-06 | 2023-07-06 | 一种配电网防灾预警与生产决策支持方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310820780.3A CN116845872A (zh) | 2023-07-06 | 2023-07-06 | 一种配电网防灾预警与生产决策支持方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116845872A true CN116845872A (zh) | 2023-10-03 |
Family
ID=88159627
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310820780.3A Pending CN116845872A (zh) | 2023-07-06 | 2023-07-06 | 一种配电网防灾预警与生产决策支持方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116845872A (zh) |
-
2023
- 2023-07-06 CN CN202310820780.3A patent/CN116845872A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Douglass et al. | A review of dynamic thermal line rating methods with forecasting | |
| Panteli et al. | Influence of extreme weather and climate change on the resilience of power systems: Impacts and possible mitigation strategies | |
| CN105005827B (zh) | 一种基于电力突发事件的应急响应预警方法 | |
| Reed | Electric utility distribution analysis for extreme winds | |
| Yu et al. | Does weather explain cost and quality performance? An analysis of UK electricity distribution companies | |
| Dumas et al. | Extreme weather and climate vulnerabilities of the electric grid: A summary of environmental sensitivity quantification methods | |
| Sang et al. | An integrated preventive operation framework for power systems during hurricanes | |
| CN109063975A (zh) | 一种电力微气象灾害监测及预警装置 | |
| CN107292478A (zh) | 一种灾害对配电网影响态势的获取方法 | |
| Yao et al. | Toward simulation and risk assessment of weather-related outages | |
| CN111612315A (zh) | 一种新型电网灾害性大风预警方法 | |
| CN110632681B (zh) | 基于机器学习的电网午后雷阵雨的短临预警方法及系统 | |
| CN111680862A (zh) | 基于时空网格关联的配电网多源数据融合风险预警方法 | |
| JP2022115061A (ja) | 気象関連架空配電線路故障オンライン予測 | |
| JP7074932B1 (ja) | エネルギー運用システム、エネルギー運用方法、および記憶媒体 | |
| CN114936450A (zh) | 面向风电送出线路动态增容的数字孪生评估方法和系统 | |
| CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
| Huang et al. | Analysis and visualization of natural threats against the security of electricity transmission system | |
| CN116845872A (zh) | 一种配电网防灾预警与生产决策支持方法及系统 | |
| Loktionov et al. | Comparative analysis of evaluation approaches for the climatic factors influence on power grid facilities reliability | |
| CN113269509A (zh) | 一种电力气象数据库的构建方法 | |
| CN116976594A (zh) | 一种配电网灾害应对能力评估方法及系统 | |
| CN112949920A (zh) | 一种基于观冰代表站数据的区域覆冰预测及预警方法 | |
| de Almeida et al. | The main causes of incidents in the portuguese transmission system—their characterization and how they can be used for risk assessment | |
| Oh et al. | Predicting the damage of distribution system by strong wind |
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 |