CN116976154A - 一种基于诱导因子的电力系统脆弱性测试方法 - Google Patents
一种基于诱导因子的电力系统脆弱性测试方法 Download PDFInfo
- Publication number
- CN116976154A CN116976154A CN202311240714.5A CN202311240714A CN116976154A CN 116976154 A CN116976154 A CN 116976154A CN 202311240714 A CN202311240714 A CN 202311240714A CN 116976154 A CN116976154 A CN 116976154A
- Authority
- CN
- China
- Prior art keywords
- node
- power
- power system
- nodes
- vulnerability
- 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
Links
- 230000006698 induction Effects 0.000 title claims abstract description 32
- 238000012360 testing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000003012 network analysis Methods 0.000 claims abstract description 7
- 230000035945 sensitivity Effects 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005206 flow analysis Methods 0.000 claims description 10
- 230000006378 damage Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010206 sensitivity analysis Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000010485 coping Effects 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000000411 inducer Substances 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力系统及可靠性技术领域,公开了一种基于诱导因子的电力系统脆弱性测试方法,首先对电力系统进行详细的分析和建模,结合超网络模型和贝叶斯概率网络,深入地理解系统的内部结构和运行机制。然后,采用电力系统分析技术对系统性能进行基线测量,包括对系统稳定性、可靠性的评估。在此基础上,模拟可能的攻击情景,研究其对系统性能的影响,以识别出系统的脆弱性。最后,利用复杂网络分析技术对系统的脆弱性进行更深入的理解和解析,找出在系统中起到关键作用的节点和连接,以及他们在攻击中的表现。本发明方法可以准确地评估电力系统的脆弱性,有助于防止电力系统的突发事故,提高系统的安全性和可靠性。
Description
技术领域
本发明涉及电力系统及可靠性技术领域,尤其涉及一种基于诱导因子的电力系统脆弱性测试方法。
背景技术
随着社会经济的快速发展,电力系统作为现代社会的基础设施,其重要性日益突出。电力系统的稳定性、可靠性和经济性对于保障社会正常运行具有至关重要的作用。电力系统脆弱性是指在面对自然灾害、设备故障、恶意攻击等不利影响时,电力系统失去正常运行能力的倾向程度。通过理解并测试电力系统的脆弱性,我们可以预防和应对各种可能的危机。然而,电力系统的复杂性和不确定性使得其脆弱性问题成为了一个重要的研究课题。对电力系统脆弱性的准确评估和有效控制,可以避免电力系统的突发事故,提高系统的安全性和可靠性。
随着诱导因子技术的发展,该技术已经被成功地应用于许多领域,如社会网络分析、生态系统评估等。诱导因子技术可以通过对系统的内部和外部因素进行分析,识别出影响系统性能的关键因素,从而对系统的脆弱性进行深入的理解和有效的控制。因此,将诱导因子技术应用于电力系统脆弱性的评估,是一种很有潜力的研究方向。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明公开了一种基于诱导因子的电力系统脆弱性测试方法。所述方法在诱导因子技术的基础上,综合各类因素对电力系统进行复杂性分析,旨在对电力系统的脆弱性进行全面的评估,满足了当前电力系统脆弱性研究的技术需求和必要性。
本发明的目的是通过如下技术方案实现的,一种基于诱导因子的电力系统脆弱性测试方法,所述方法包括:
步骤1,对电力系统进行详细的分析和建模,包括对系统的物理结构、设备参数、运行状态进行分析和建模;
步骤2,进行电力系统的系统性能的基线测量,包括对系统的稳定性、可靠性的评估。
步骤3,模拟预设的攻击情景,在攻击情景下评估系统性能,计算和记录诱导因子,以量化系统的脆弱性;
步骤4,利用复杂网络分析技术,对系统的脆弱性进行指标计算,用以指征脆弱性的原因。
所述的电力系统进行详细的分析和建模的过程利用超网络模型和贝叶斯网络建模,包括以下步骤:
所述的电力系统中的物理实体构成超网络中的超节点,所述的物理实体包括发电机、变电站、输电线,超节点之间的物理连接则形成超边,设定电力系统中每个超节点的状态向量为/>,并由所有超节点的状态向量构成系统状态向量/>;n为电力系统中超节点个数;
将每个设备的电气参数视为超节点状态的属性,用符号表示,所述的电气参数包括:额定电压、额定功率、阻抗;
将每个超节点的运行状态定义为一个条件概率分布,,其中,是与超节点/>直接相连的超节点集合;
整个电力系统构建为一个联合概率状态模型,
其中,是在给定父节点状态的条件下,超节点/>的状态概率分布。
所述的系统的稳定性的评估包括电压稳定性和动态稳定性两个方面的评估,所述的电压稳定性的分析目标是判断系统在面对负荷变化、故障或系统参数变化扰动后,是否能够维持所有节点电压在合理范围内:计算每个节点的电压幅值和相角; 判断电压稳定性,如果所有节点的电压幅值都能够维持在预设范围内,且电压相角差在合理的范围内,认定为电力系统在电压上是稳定的;动态稳定性的分析目标是电力系统在面对大规模扰动后,是否能够在有限的时间内恢复到新的稳态运行状态:利用电力系统动态模型进行分析,所述的电力系统动态模型包括生成机的机电力平衡方程和功率角稳定方程,所述的机电力平衡方程表达为:,功率角稳定方程表达为:,其中,/>表示电力机电矩和电磁矩之间的相角差,/>是电机的转速,/>是同步速度,/>是机械功率,/>是电磁功率,/>是阻尼系数,/>是惯性常数;对系统在扰动后的动态响应进行模拟计算;对电力系统在扰动后的动态响应进行模拟计算,通过计算各个节点的角度和频率随时间的变化,评估电力系统在面对扰动后能否在有限的时间内恢复稳定;如果在模拟计算中,所有节点的角度和频率能够在有限的时间内恢复到新的稳态状态,那么认为电力系统在动态上是稳定的。
所述的系统的稳定性的评估包括以下步骤:收集历史故障数据,统计各个设备的故障次数和故障时间,从而得到每种设备的平均故障率 λ;基于设备的故障率,构建系统的可靠性模型;评估在发生故障时,系统是否能够通过调度策略保证供电的稳定,所述的评估的方法包括失效模式和影响分析和故障树分析;将上述信息综合起来,评估系统的整体可靠性,整体可靠性的指标包括:失效频率、失效概率和平均故障间隔时间。
所述的预设的攻击情景包括物理攻击和网络攻击,所述的物理攻击通过对电力系统的实体设施进行破坏,包括设备破坏、破坏供电和自然灾害;所述的网络攻击通过对电力系统的网络进行攻击,包括服务拒绝攻击、入侵攻击和恶意软件攻击。
所述的诱导因子为以下一个系统性能指标或者多个系统指标的综合:系统负荷水平、发电机出力、线路阻抗、系统拓扑结构和系统保护设备;所述的负荷水平会直接影响系统的运行状态;所述的发电机出力会影响电力系统的供应情况,出力不足导致系统供电不足;所述的线路阻抗会影响电力的传输效率,阻抗高的线路导致大量电力在传输过程中损失;所述的系统拓扑结构会影响系统的稳定性和可靠性,复杂的拓扑结构导致系统出现故障的概率增大;所述的系统保护设备的性能会影响系统在故障发生时的应对能力,保护设备的动作不准确或不及时导致系统出现大范围的故障;通过比较系统在攻击前后的状态差异进行量化,设诱导因子数值为I,通过以下公式计算:,其中,/>和/>分别表示攻击前后系统的性能指标。
所述的系统的脆弱性指标包括网络流指标、功能度指标和概率流指标。
所述的网络流指标包括节点的度分布、集群系数、平均路径长度和网络效率,节点度分布:节点的度是指与该节点直接相连的其他节点的数量;集群系数:在复杂网络中,集群系数是用来描述节点之间紧密程度的参数,定义为节点邻居之间链接数与可能的最大链接数之比;平均路径长度:平均路径长度是指在网络中任意两点之间的最短路径长度的平均值;网络效率是衡量网络连通性的指标,考虑了网络中所有节点之间的最短路径的倒数的平均值。
所述的功能度指标包括电力流分析和灵敏度分析,所述的电力流分析用以计算系统中各个节点的电压大小和相角,以及各条线路的功率流动情况,对电力系统进行电力流分析,找出电力流动量大的节点和连接;灵敏度分析评估系统参数变化对系统输出的影响,在电力系统中,分析节点电压对负荷变化的灵敏度、线路功率对发电量变化的灵敏度,找出灵敏度高的节点和连接。
所述的概率流指标的计算步骤如下:计算节点的先验概率:对于每一个节点,它的先验概率通过历史数据或者专家经验来获取;计算节点的后验概率:给定父节点集合的状态,使用贝叶斯公式计算节点/>的后验概率/>;计算节点的影响力:节点的影响力通过条件概率的变化来衡量;设/>,其中/>是/>的一个不同的状态,那么节点/>对于其父节点的影响力定义为/>的绝对值;识别关键节点:如果一个节点的影响力较大,那么这个节点被视为关键节点,设定一个阈值/>,如果节点的影响力大于/>,那么这个节点就是关键节点;识别关键连接:在超网络中,如果一个超边连接的节点中包含了多个关键节点,那么这个超边被视为关键连接。
具体地,所述的电力流分析包括以下步骤:
假设有个节点,表示每一个节点/>的电压为/>,包括幅值和相角,从节点/>到节点/>的复功率为/>,其中,/>和/>分别是有功和无功功率;
对于已知电源节点,设定电压幅值和有功输出,对于负载节点,设定有功和无功功率,对于所有节点,设定电压相角的初始值;
电力流方程基于功率平衡原理建立,对于每一个节点,其功率平衡方程表示为:
其中,代表节点/>的注入有功功率,/>代表节点/>的注入无功功率,/>是节点/>和节点/>的互导纳,/>是/>的相角,/>是节点/>的电压相角,/>是节点/>的电压相角;/>代表节点j的电压;
解以上电力流方程,得到所有节点的电压相角和幅值,以及各条线路的功率流动情况;
根据电力流计算的结果,找出电力流动量大的节点和连接。
所述的灵敏度分析包括以下步骤:
每个节点代表一个电源或负载,每条边代表一条输电线路,节点的电压表示为/>;
对于节点电压对负荷变化的灵敏度,定义灵敏度系数为负荷功率/>的变化对节点电压/>的影响,/>,对于线路功率对发电量变化的灵敏度,定义灵敏度系数/>为发电机功率/>的变化对线路/>的功率/>的影响,/>
对计算结果进行分析,找出灵敏度高的节点和连接。
与现有方法相比,本发明方法的优点在于:本发明方法首先对电力系统进行详细的分析和建模,结合超网络模型和贝叶斯概率网络,深入地理解系统的内部结构和运行机制。然后,采用电力系统分析技术对系统性能进行基线测量,包括对系统稳定性、可靠性、经济性的评估。在此基础上,模拟可能的攻击情景,研究其对系统性能的影响,以识别出系统的脆弱性。最后,利用复杂网络分析技术对系统的脆弱性进行更深入的理解和解析,找出在系统中起到关键作用的节点和连接,以及他们在攻击中的表现。本发明方法可以准确地评估电力系统的脆弱性,有助于防止电力系统的突发事故,提高系统的安全性和可靠性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了本发明实施例的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,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它实施例,都属于本发明保护的范围。
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。
本实施例中,以诱导因子作为电力系统脆弱性的量化指标。诱导因子反映了系统在攻击后其功能降低的程度,通过比较系统在攻击前后的状态差异进行量化;使用电力系统分析技术对系统进行深入分析,包括电力系统的稳定性、可靠性和经济性分析。利用这些技术,我们可以了解系统在面对攻击时的反应,并确定哪些部分最脆弱;电力系统是一个复杂的网络系统,通过使用复杂网络分析技术,我们可以更好地理解系统的整体结构和各部分之间的交互关系,以及他们对系统脆弱性的影响。
请参阅图1所示,本发明提供一种基于诱导因子的电力系统脆弱性测试方法,所述方法包括:
步骤1,对电力系统进行详细的分析和建模,包括对系统的物理结构、设备参数、运行状态进行分析和建模;
步骤2,进行电力系统的系统性能的基线测量,包括对系统的稳定性、可靠性的评估。
步骤3,模拟预设的攻击情景,在攻击情景下评估系统性能,计算和记录诱导因子,以量化系统的脆弱性;
步骤4,利用复杂网络分析技术,对系统的脆弱性进行指标计算,用以指征脆弱性的原因。
所述的电力系统进行详细的分析和建模的过程利用超网络模型和贝叶斯网络建模,包括以下步骤:
所述的电力系统中的物理实体构成超网络中的超节点,所述的物理实体包括发电机、变电站、输电线,超节点之间的物理连接则形成超边,设定电力系统中每个超节点的状态向量为/>,并由所有超节点的状态向量构成系统状态向量/>;n为电力系统中超节点个数;每个节点和边在系统模型中都将被赋予一个独特的标识符,以便于后续的分析和计算。
将每个设备的电气参数视为超节点状态的属性,用符号表示,所述的电气参数包括:额定电压、额定功率、阻抗;这些参数影响设备的性能和系统的整体运行状态。一般通过设备制造商提供的数据手册或者现场测试获取这些参数,然后将其纳入模型中。
将每个超节点的运行状态定义为一个条件概率分布,,其中,是与超节点/>直接相连的超节点集合;在贝叶斯网络中,每个节点的状态不仅取决于其本身的属性,还取决于与其直接相连的节点的状态。
整个电力系统构建为一个联合概率状态模型,
其中,是在给定父节点状态的条件下,超节点/>的状态概率分布。
通过比较模型预测的系统运行状态与实际运行数据,我们可以评估模型的准确性。如果两者的差距在可接受范围内,则我们可以认为模型是准确的。同样,我们后期可以利用贝叶斯推理对电力系统的运行状态进行预测,也可以对系统的脆弱性进行评估。这种方法既考虑了系统的复杂性,也考虑了不确定性,因此,它对于电力系统脆弱性的分析具有很大的潜力。
所述的系统的稳定性的评估包括电压稳定性和动态稳定性两个方面的评估,所述的电压稳定性的分析目标是判断系统在面对负荷变化、故障或系统参数变化扰动后,是否能够维持所有节点电压在合理范围内:计算每个节点的电压幅值和相角; 判断电压稳定性,如果所有节点的电压幅值都能够维持在预设范围内,且电压相角差在合理的范围内,认定为电力系统在电压上是稳定的;动态稳定性的分析目标是电力系统在面对大规模扰动后,是否能够在有限的时间内恢复到新的稳态运行状态:利用电力系统动态模型进行分析,所述的电力系统动态模型包括生成机的机电力平衡方程和功率角稳定方程,所述的机电力平衡方程表达为:,功率角稳定方程表达为:,其中,/>表示电力机电矩和电磁矩之间的相角差,/>是电机的转速,/>是同步速度,/>是机械功率,/>是电磁功率,/>是阻尼系数,/>是惯性常数;对系统在扰动后的动态响应进行模拟计算;对电力系统在扰动后的动态响应进行模拟计算,通过计算各个节点的角度和频率随时间的变化,评估电力系统在面对扰动后能否在有限的时间内恢复稳定;如果在模拟计算中,所有节点的角度和频率能够在有限的时间内恢复到新的稳态状态,那么认为电力系统在动态上是稳定的。
这种方法既可以评估电力系统当前的稳定性状态,也可以预测在未来可能出现的扰动情况下,系统的稳定性会受到怎样的影响。可靠性评估可以帮助我们了解电力系统在面对各种故障时的性能,从而更好地制定维护策略和应急计划,提高电力系统的运行效率和安全性。
所述的系统的稳定性的评估包括以下步骤:收集历史故障数据,统计各个设备的故障次数和故障时间,从而得到每种设备的平均故障率 λ;基于设备的故障率,构建系统的可靠性模型;评估在发生故障时,系统是否能够通过调度策略保证供电的稳定,所述的评估的方法包括失效模式和影响分析和故障树分析;将上述信息综合起来,评估系统的整体可靠性,整体可靠性的指标包括:失效频率、失效概率和平均故障间隔时间。
所述的预设的攻击情景包括物理攻击和网络攻击,所述的物理攻击通过对电力系统的实体设施进行破坏,包括设备破坏、破坏供电和自然灾害;所述的网络攻击通过对电力系统的网络进行攻击,包括服务拒绝攻击、入侵攻击和恶意软件攻击。
设备破坏:通过对关键设备如变电站、发电机、输电线等进行破坏,以尝试破坏电力系统的正常运行。破坏供电:通过攻击电源线或切断电源,尝试使电力系统无法供电。自然灾害:虽然不是主动的攻击,但自然灾害(如地震、风暴、洪水等)可能对电力系统造成严重的破坏。
服务拒绝攻击(DoS):通过在网络中大量发送数据包,使得电力系统的通信网络瘫痪,从而影响系统的运行。入侵攻击:通过黑客技术入侵电力系统的控制网络,篡改系统的操作指令或者盗取敏感信息。恶意软件攻击:通过在电力系统的控制网络中植入恶意软件,尝试破坏系统的运行或者窃取敏感信息。
所述的诱导因子为以下一个系统性能指标或者多个系统指标的综合:系统负荷水平、发电机出力、线路阻抗、系统拓扑结构和系统保护设备;所述的负荷水平会直接影响系统的运行状态;所述的发电机出力会影响电力系统的供应情况,出力不足可导致系统供电不足;所述的线路阻抗会影响电力的传输效率,阻抗高的线路可导致大量电力在传输过程中损失;所述的系统拓扑结构会影响系统的稳定性和可靠性,复杂的拓扑结构可导致系统出现故障的概率增大;所述的系统保护设备的性能会影响系统在故障发生时的应对能力,保护设备的动作不准确或不及时可导致系统出现大范围的故障;通过比较系统在攻击前后的状态差异进行量化,设诱导因子数值为I,可以通过以下公式计算:,其中,/>和/>分别表示攻击前后系统的性能指标。
这些诱导因子在实际运行中可能会发生变化,需要进行实时监测和分析,以对电力系统的脆弱性进行有效的评估。
所述的系统的脆弱性指标包括网络流指标、功能度指标和概率流指标。
所述的网络流指标包括节点的度分布、集群系数、平均路径长度和网络效率,节点度分布:节点的度是指与该节点直接相连的其他节点的数量;集群系数:在复杂网络中,集群系数是用来描述节点之间紧密程度的参数,定义为节点邻居之间链接数与可能的最大链接数之比;平均路径长度:平均路径长度是指在网络中任意两点之间的最短路径长度的平均值;网络效率是衡量网络连通性的指标,考虑了网络中所有节点之间的最短路径的倒数的平均值。
所述的功能度指标包括电力流分析和灵敏度分析,所述的电力流分析用以计算系统中各个节点的电压大小和相角,以及各条线路的功率流动情况,对电力系统进行电力流分析,找出电力流动量大的节点和连接;灵敏度分析评估系统参数变化对系统输出的影响,在电力系统中,分析节点电压对负荷变化的灵敏度、线路功率对发电量变化的灵敏度,找出灵敏度高的节点和连接。
所述的概率流指标的计算步骤如下:计算节点的先验概率:对于每一个节点,它的先验概率可以通过历史数据或者专家经验来获取;计算节点的后验概率:给定父节点集合/>的状态,使用贝叶斯公式计算节点/>的后验概率/>;计算节点的影响力:节点的影响力通过条件概率的变化来衡量;设/>,其中/>是/>的一个不同的状态,那么节点/>对于其父节点的影响力可以定义为/>的绝对值;识别关键节点:如果一个节点的影响力较大,那么这个节点可以被视为关键节点,设定一个阈值/>,如果节点的影响力大于/>,那么这个节点就是关键节点;识别关键连接:在超网络中,如果一个超边连接的节点中包含了多个关键节点,那么这个超边被视为关键连接。
具体地,所述的电力流分析包括以下步骤:
假设有个节点,表示每一个节点/>的电压为/>,包括幅值和相角,从节点/>到节点/>的复功率为/>,其中,/>和/>分别是有功和无功功率;
对于已知电源节点,设定电压幅值和有功输出,对于负载节点,设定有功和无功功率,对于所有节点,设定电压相角的初始值;
电力流方程基于功率平衡原理建立,对于每一个节点,其功率平衡方程可表示为:
其中,代表节点/>的注入有功功率,/>代表节点/>的注入无功功率,/>是节点/>和节点/>的互导纳,/>是/>的相角,/>是节点/>的电压相角,/>是节点/>的电压相角;/>代表节点j的电压;
解以上电力流方程,得到所有节点的电压相角和幅值,以及各条线路的功率流动情况;
根据电力流计算的结果,找出电力流动量大的节点和连接。
具体地,所述的灵敏度分析包括以下步骤:
每个节点代表一个电源或负载,每条边代表一条输电线路,节点的电压表示为/>;
对于节点电压对负荷变化的灵敏度,定义灵敏度系数为负荷功率/>的变化对节点电压/>的影响,/>,对于线路功率对发电量变化的灵敏度,定义灵敏度系数/>为发电机功率/>的变化对线路/>的功率/>的影响,/>
对计算结果进行分析,找出灵敏度高的节点和连接。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (10)
1.一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,所述方法包括:
步骤1,对电力系统进行详细的分析和建模,包括对系统的物理结构、设备参数、运行状态进行分析和建模;
步骤2,进行电力系统的系统性能的基线测量,包括对系统的稳定性、系统的可靠性的评估;
步骤3,模拟预设的攻击情景,在攻击情景下评估系统性能,计算和记录诱导因子,以量化系统的脆弱性;
步骤4,利用复杂网络分析技术,对系统的脆弱性进行指标计算,用以指征脆弱性的原因。
2.根据权利要求1所述的一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,所述的对电力系统进行详细的分析和建模的过程利用超网络模型和贝叶斯网络建模,包括以下步骤:
所述的电力系统中的物理实体构成超网络中的超节点,所述的物理实体包括发电机、变电站、输电线,超节点之间的物理连接则形成超边,设定电力系统中每个超节点的状态向量为/>,并由所有超节点的状态向量构成系统状态向量/>;n为电力系统中超节点个数;
将每个设备的电气参数视为超节点状态的属性,用符号表示,所述的电气参数包括:额定电压、额定功率、阻抗;
将每个超节点的运行状态定义为一个条件概率分布,,其中,是与超节点/>直接相连的超节点集合;
整个电力系统构建为一个联合概率状态模型,
其中,是在给定父节点状态的条件下,超节点/>的状态概率分布。
3.根据权利要求1所述的一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,对系统的稳定性的评估包括电压稳定性和动态稳定性两个方面的评估,所述的电压稳定性的分析目标是判断系统在面对负荷变化、故障或系统参数变化扰动后,是否能够维持所有节点电压在合理范围内:计算每个节点的电压幅值和相角;判断电压稳定性,如果所有节点的电压幅值都能够维持在预设范围内,且电压相角差在合理的范围内,认定为电力系统在电压上是稳定的;动态稳定性的分析目标是电力系统在面对大规模扰动后,是否能够在有限的时间内恢复到新的稳态运行状态:利用电力系统动态模型进行分析,所述的电力系统动态模型包括生成机的机电力平衡方程和功率角稳定方程,所述的机电力平衡方程表达为:,功率角稳定方程表达为:/>,其中,/>表示电力机电矩和电磁矩之间的相角差,/>是电机的转速,/>是同步速度,/>是机械功率,/>是电磁功率,/>是阻尼系数,/>是惯性常数;对系统在扰动后的动态响应进行模拟计算;对电力系统在扰动后的动态响应进行模拟计算,通过计算各个节点的角度和频率随时间的变化,评估电力系统在面对扰动后能否在有限的时间内恢复稳定;如果在模拟计算中,所有节点的角度和频率能够在有限的时间内恢复到新的稳态状态,那么认为电力系统在动态上是稳定的;
所述的系统的可靠性的评估包括以下步骤:收集历史故障数据,统计各个设备的故障次数和故障时间,从而得到每种设备的平均故障率λ;基于设备的故障率,构建系统的可靠性模型;评估在发生故障时,系统是否能够通过调度策略保证供电的稳定,所述的评估的方法包括失效模式和影响分析和故障树分析;将每种设备的平均故障率λ、系统的可靠性模型,以及在发生故障时,系统是否能够通过调度策略保证供电的稳定的信息综合起来,评估系统的整体可靠性,整体可靠性的指标包括:失效频率、失效概率和平均故障间隔时间。
4.根据权利要求1所述的一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,所述的预设的攻击情景包括物理攻击和网络攻击,所述的物理攻击通过对电力系统的实体设施进行破坏,包括设备破坏、破坏供电和自然灾害;所述的网络攻击通过对电力系统的网络进行攻击,包括服务拒绝攻击、入侵攻击和恶意软件攻击;
所述的诱导因子为以下一个系统性能指标或者多个系统指标的综合:系统负荷水平、发电机出力、线路阻抗、系统拓扑结构和系统保护设备;所述的负荷水平会直接影响系统的运行状态;所述的发电机出力会影响电力系统的供应情况,出力不足导致系统供电不足;所述的线路阻抗会影响电力的传输效率,阻抗高的线路导致大量电力在传输过程中损失;所述的系统拓扑结构会影响系统的稳定性和可靠性,复杂的拓扑结构导致系统出现故障的概率增大;所述的系统保护设备的性能会影响系统在故障发生时的应对能力,保护设备的动作不准确或不及时导致系统出现大范围的故障;通过比较系统在攻击前后的状态差异进行量化,设诱导因子数值为,通过以下公式计算:/>,其中,/>和/>分别表示攻击前后系统的性能指标。
5.根据权利要求2所述的一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,所述的系统的脆弱性的指标包括网络流指标、功能度指标和概率流指标。
6.根据权利要求5所述的一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,所述的网络流指标包括节点的度分布、集群系数、平均路径长度和网络效率,节点度分布:节点的度是指与该节点直接相连的其他节点的数量;集群系数:在复杂网络中,集群系数是用来描述节点之间紧密程度的参数,定义为节点邻居之间链接数与可能的最大链接数之比;平均路径长度:平均路径长度是指在网络中任意两点之间的最短路径长度的平均值;网络效率是衡量网络连通性的指标,考虑了网络中所有节点之间的最短路径的倒数的平均值。
7.根据权利要求5所述的一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,所述的功能度指标包括电力流分析和灵敏度分析,所述的电力流分析用以计算系统中各个节点的电压大小和相角,以及各条线路的功率流动情况,对电力系统进行电力流分析,找出电力流动量大的节点和连接;灵敏度分析评估系统参数变化对系统输出的影响,在电力系统中,分析节点电压对负荷变化的灵敏度、线路功率对发电量变化的灵敏度,找出灵敏度高的节点和连接。
8.根据权利要求5所述的一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,所述的概率流指标的计算步骤如下:计算节点的先验概率:对于每一个节点,它的先验概率/>通过历史数据或者专家经验来获取;计算节点的后验概率:给定父节点集合/>的状态,使用贝叶斯公式计算节点/>的后验概率/>;计算节点的影响力:节点的影响力通过条件概率的变化来衡量;设/>,其中/>是/>的一个不同的状态,那么节点/>对于其父节点的影响力定义为/>的绝对值;识别关键节点:如果一个节点的影响力较大,那么这个节点被视为关键节点,设定一个阈值/>,如果节点的影响力大于/>,那么这个节点就是关键节点;识别关键连接:在超网络中,如果一个超边连接的节点中包含了多个关键节点,那么这个超边被视为关键连接。
9.根据权利要求7所述的一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,所述的电力流分析包括以下步骤:
假设有个节点,表示每一个节点/>的电压为/>,包括幅值和相角,从节点/>到节点/>的复功率为/>,其中,/>和/>分别是有功和无功功率;
对于已知电源节点,设定电压幅值和有功输出,对于负载节点,设定有功和无功功率,对于所有节点,设定电压相角的初始值;
电力流方程基于功率平衡原理建立,对于每一个节点,其功率平衡方程表示为:
其中,代表节点/>的注入有功功率,/>代表节点/>的注入无功功率,/>是节点/>和节点/>的互导纳,/>是/>的相角,/>是节点/>的电压相角,/>是节点/>的电压相角;/>代表节点j的电压;
解以上电力流方程,得到所有节点的电压相角和幅值,以及各条线路的功率流动情况;
根据电力流计算的结果,找出电力流动量大的节点和连接。
10.根据权利要求7所述的一种基于诱导因子的电力系统脆弱性测试方法,其特征在于,所述的灵敏度分析包括以下步骤:
每个节点代表一个电源或负载,每条边代表一条输电线路,节点的电压表示为/>;
对于节点电压对负荷变化的灵敏度,定义灵敏度系数为负荷功率/>的变化对节点电压/>的影响,/>,对于线路功率对发电量变化的灵敏度,定义灵敏度系数/>为发电机功率/>的变化对线路/>的功率/> 的影响,/>
对计算结果进行分析,找出灵敏度高的节点和连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311240714.5A CN116976154B (zh) | 2023-09-25 | 2023-09-25 | 一种基于诱导因子的电力系统脆弱性测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311240714.5A CN116976154B (zh) | 2023-09-25 | 2023-09-25 | 一种基于诱导因子的电力系统脆弱性测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116976154A true CN116976154A (zh) | 2023-10-31 |
CN116976154B CN116976154B (zh) | 2023-12-22 |
Family
ID=88473485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311240714.5A Active CN116976154B (zh) | 2023-09-25 | 2023-09-25 | 一种基于诱导因子的电力系统脆弱性测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116976154B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080209566A1 (en) * | 2005-06-30 | 2008-08-28 | Raw Analysis Ltd. | Method and System For Network Vulnerability Assessment |
CN106100877A (zh) * | 2016-06-02 | 2016-11-09 | 东南大学 | 一种电力系统应对网络攻击脆弱性评估方法 |
CN111950153A (zh) * | 2020-08-14 | 2020-11-17 | 江苏师范大学 | 一种基于多种攻击策略的电力网络脆弱性评估方法 |
AU2020103195A4 (en) * | 2020-11-03 | 2021-01-14 | East China University Of Science And Technology | A Method for Detecting Vulnerability of Large-scale Power Grid Based On Complex Network |
-
2023
- 2023-09-25 CN CN202311240714.5A patent/CN116976154B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080209566A1 (en) * | 2005-06-30 | 2008-08-28 | Raw Analysis Ltd. | Method and System For Network Vulnerability Assessment |
CN106100877A (zh) * | 2016-06-02 | 2016-11-09 | 东南大学 | 一种电力系统应对网络攻击脆弱性评估方法 |
CN111950153A (zh) * | 2020-08-14 | 2020-11-17 | 江苏师范大学 | 一种基于多种攻击策略的电力网络脆弱性评估方法 |
AU2020103195A4 (en) * | 2020-11-03 | 2021-01-14 | East China University Of Science And Technology | A Method for Detecting Vulnerability of Large-scale Power Grid Based On Complex Network |
Non-Patent Citations (14)
Title |
---|
周余阳;程光;郭春生;: "基于贝叶斯攻击图的网络攻击面风险评估方法", 网络与信息安全学报, no. 06 * |
周嘉俊;朱钦章;蒋美娟;: "船舶电力系统结构脆弱性的综合评估分析", 中国水运, no. 08 * |
张国华;张建华;杨京燕;王策;张印;段满银;: "基于有向权重图和复杂网络理论的大型电力系统脆弱性评估", 电力自动化设备, no. 04 * |
曹一家;陈彦如;曹丽华;谭玉东;: "复杂系统理论在电力系统中的应用研究展望", 中国电机工程学报, no. 19 * |
梅丹;王公宝;叶志浩;沈静;: "考虑元件可靠性的舰船电力网络综合脆弱性分析", 电机与控制学报, no. 04 * |
汤荡之;: "基于复杂网络理论的电网脆弱性评估", 黑龙江电力, no. 05 * |
白加林;刘天琪;曹国云;陈陈;: "电力系统脆弱性评估方法综述", 电网技术, no. 2 * |
罗新宇;段斌;吴俊锋;赖俊;: "基于证据推理的风电场SCADA系统安全脆弱性定量评估方法", 电力系统自动化, no. 11 * |
肖盛;张建华;: "基于小世界拓扑模型的电网脆弱性评估", 电网技术, no. 08 * |
蒋乐;刘俊勇;魏震波;龚辉;黄媛;李成鑫;: "基于Bayesian网络与复杂网络理论的特/超高压输电线路状态评估模型", 高电压技术, no. 04 * |
谭阳红;罗研彬;谭鑫;蒋鹏;: "电力信息物理融合系统结构脆弱性分析", 湖南大学学报(自然科学版), no. 08 * |
赵阳 等: "基于复杂网络理论和条件概率的灾难性事故风险评估方法", 电网技术, pages 1 - 4 * |
郭明健 等: "基于复杂网络理论的电力网络抗毁性分析", 复杂系统与复杂性科学, pages 1 - 4 * |
郭超;彭显刚;王星华;任晓娜;: "基于复杂网络理论的电网脆弱性研究述评", 广东电力 * |
Also Published As
Publication number | Publication date |
---|---|
CN116976154B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Real-time detection of false data injection in smart grid networks: An adaptive CUSUM method and analysis | |
Hong et al. | Vehicle energy system active defense: a health assessment of lithium‐ion batteries | |
Singh et al. | Decision tree based anomaly detection for remedial action scheme in smart grid using PMU data | |
US20220050130A1 (en) | Condition Monitoring Via Energy Consumption Audit in Electrical Devices and Electrical Waveform Audit in Power Networks | |
CN110942109A (zh) | 一种基于机器学习的pmu防御虚假数据注入攻击方法 | |
Zhou et al. | Multi-agent-based hierarchical detection and mitigation of cyber attacks in power systems | |
Veerakumar et al. | PMU-based real-time distribution system state estimation considering anomaly detection, discrimination and identification | |
Li et al. | Strategy for reliability testing and evaluation of cyber physical systems | |
Kamal et al. | Cyberattacks against event-based analysis in micro-PMUs: Attack models and counter measures | |
Hua et al. | Fast unscented transformation-based transient stability margin estimation incorporating uncertainty of wind generation | |
CN117787718A (zh) | 新型电力系统态势的安全风险评估方法、装置及存储介质 | |
Jiang et al. | Synchrophasor measurement‐based correlation approach for dominant mode identification in bulk power systems | |
Venkataramanan et al. | Enhancing microgrid resiliency against cyber vulnerabilities | |
Bi et al. | Impact assessment and defense for smart grids with FDIA against AMI | |
Khan et al. | Real-time cyber attack localization in distribution systems using digital twin reference model | |
CN116976154B (zh) | 一种基于诱导因子的电力系统脆弱性测试方法 | |
Chen et al. | Cyber attack detection for WAMPAC-based HVDC applications | |
Yu et al. | An advanced accurate intrusion detection system for smart grid cybersecurity based on evolving machine learning | |
Shrivastava et al. | A new synchronized data‐driven‐based comprehensive approach to enhance real‐time situational awareness of power system | |
Chatterjee et al. | Data-driven online detection of replay attacks on wide-area measurement systems | |
Li et al. | Quantification of Cascading Failure Propagation in Power Systems | |
Lashgari et al. | An agent‐based fast concurrent prediction scheme for transient and short‐term voltage instability | |
CN114118685A (zh) | 一种评估配电网抗灾能力的方法及系统 | |
Sahoo et al. | Model order estimation for low-frequency oscillations in power systems by an advanced K-mean clustering approach | |
Wang et al. | UIO-based cyber attack detection and mitagation scheme for load frequency control system |
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 |