CN117094475B - 一种电力配电网故障分析系统 - Google Patents
一种电力配电网故障分析系统 Download PDFInfo
- Publication number
- CN117094475B CN117094475B CN202311347643.9A CN202311347643A CN117094475B CN 117094475 B CN117094475 B CN 117094475B CN 202311347643 A CN202311347643 A CN 202311347643A CN 117094475 B CN117094475 B CN 117094475B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- designated area
- fault type
- fault
- power distribution
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 73
- 230000006698 induction Effects 0.000 claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 42
- 238000012544 monitoring process Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000006978 adaptation Effects 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 description 5
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于配电网故障分析领域,涉及到一种电力配电网故障分析系统,通过设置指定区域信息获取模块、配电网故障发生频次分析模块、配电网故障气象诱发分析模块、配电网运行故障分析模块、配电网故障概率评估模块和云数据库,本发明旨在对电力配电网故障发生前阶段进行优化分析,为指定区域配电网后续的运营和维护提供更可靠的决策依据,其将指定区域配电网在未来设定时间段内各故障类型的发生概率权重、气象诱发影响系数和运行故障风险系数三个方面结合,更准确地分析指定区域配电网在未来设定时间段内各故障类型的发生概率,实现各故障类型未来发生趋势的细致化分析,进一步保障配电网的运行安全。
Description
技术领域
本发明属于配电网故障分析领域,涉及到一种电力配电网故障分析系统。
背景技术
电力配电网作为现代社会供电的核心基础设施,负责将发电厂产生的电能传输到最终用户。然而,由于各种因素的影响,电力配电网可能会遭遇各种故障情况,这些故障可能导致停电、电压不稳定、电能质量恶化等问题,给用户和经济带来重大影响,为了确保电力配电网的高可靠性和高稳定性,需要进行故障分析。
故障分析分为发生前、发生中和发生后三个阶段。在配电网故障发生前,通过回顾故障记录来了解先前故障的趋势,包括故障频率、类型和影响范围等,为后续故障分析提供数据支持。在配电网故障发生中,通过监测和追踪故障发生时的数据来定位故障。在配电网故障发生后,进行深入的原因分析、评估故障影响程度,并提出处理和改进措施以减少类似故障的再次发生。
科技的快速发展使得当前电力配电网故障发生前阶段的分析已能够利用某区域配电网的历史故障数据来预测该区域配电网未来故障的趋势,虽具有一定的先进性,但仍存在局限,其具体表现在:1、当前电力配电网故障发生前阶段的分析主要依赖于某区域配电网的各故障类型发生频率和分布规律,来评估该区域配电网未来时间段内发生故障的概率,考虑的因素相对单一,易忽略其他重要的影响因素,使得获取到的该区域配电网未来时间段内发生故障的概率不具有科学性、准确性和可靠性。
2、当前电力配电网故障发生前阶段的分析在预测区域配电网未来故障的趋势时,缺乏针对未来气象对区域配电网各故障类型的诱发影响的细致化分析,使得预测结果不贴合实际,仅浮于理论,进而使得区域配电网未来故障的趋势存在局限性,无法为区域配电网后续的运营和维护提供更可靠的决策依据。
3、当前电力配电网故障发生前阶段的分析在预测区域配电网未来故障的趋势时,由于区域配电网的运行安全系数每天可能存在不同的细微的变化,并且存在演化趋势,仅通过区域配电网的当前运行安全系数代表未来时间段内的运行安全状况是不够全面的,无法保障后续区域配电网各故障类型未来时间段内发生概率的精确性。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种电力配电网故障分析系统。
本发明的目的可以通过以下技术方案实现:本发明提供一种电力配电网故障分析系统,包括:指定区域信息获取模块,用于根据获取到的指定区域的地理位置,在配电网管理中心查询指定区域配电网的相关信息。
配电网故障发生频次分析模块,用于计算指定区域配电网在未来设定时间内各故障类型的发生频次,进而分析指定区域配电网在未来设定时间内各故障类型的发生概率权重。
配电网故障气象诱发分析模块,用于从气象局提取未来设定时间段内指定区域的气象信息,分析指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数。
配电网运行故障分析模块,用于计算指定区域配电网当前运行安全系数以及运行安全系数的演化因子,分析指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数。
配电网故障概率评估模块,用于评估指定区域配电网在未来设定时间段内各故障类型的发生概率,在配电网预警终端进行显示。
云数据库,用于存储指定区域配电网适配气象环境信息,其包括指定区域配电网可承受的最高温度值、最低温度值/>、最高湿度值/>、最大风力强度/>、总降雪量和结冰量/>,存储指定区域配电网各故障类型对应的运行安全系数预警值。
优选地,所述指定区域配电网的相关信息包括历史故障信息、当前运行信息和历史运行信息。
所述历史故障信息包括各故障类型在各历史年限设定时间段内的发生总次数。
所述当前运行信息包括各监测时间点的电压值、电流值和负载数量。
所述历史运行信息包括历史设定时间段内各天各监测时间点的电压值、电流值和负载数量。
所述气象信息包括最高温度值、最低温度值/>、最高湿度值/>、最大风力强度/>、总降雪量x和结冰量y。
优选地,所述计算指定区域配电网在未来设定时间内各故障类型的发生频次,其具体分析过程为:根据指定区域配电网的历史故障信息,获取指定区域配电网各故障类型在各历史年限设定时间段内的发生频次,按照从小到大的顺序对各故障类型在各历史年限设定时间段内的发生频次进行排序,筛选出各故障类型在各历史年限设定时间段内的发生频次的众数与中位数/>,其中i表示各故障类型的编号,/>。
通过均值计算得到各故障类型在设定时间段内发生频次的均值。
由公式得到指定区域配电网在未来设定时间段内各故障类型的发生频次,其中/>表示预设的发生频次修正因子。
优选地,所述分析指定区域配电网在未来设定时间内各故障类型的发生概率权重,其分析过程为:根据指定区域配电网的历史故障信息,通过均值计算得到各故障类型在设定时间段内发生总次数的均值,将其作为各故障类型在未来设定时间段内的参照发生总次数,由公式/>得到指定区域配电网在未来设定时间内各故障类型的发生概率权重,其中/>表示未来设定时间段内的总天数。
优选地,所述分析指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数,其具体分析过程为:从云数据库中提取指定区域配电网适配气象环境信息,结合未来设定时间段内指定区域的气象信息,计算未来设定时间段内指定区域的气象环境适配度,其公式为,其中e表示自然常数。
从气象局提取各故障类型历史设定时间段内各次发生的时间点所处当天的气象信息,记为各故障类型历史各次发生气象信息,将各故障类型历史各次发生气象信息与指定区域配电网适配气象环境信息进行比对,获取各故障类型历史各次发生的最高温度、最低温度、最高湿度、最大风力强度、总降雪量和结冰量的偏差值,据此分析各故障类型对应最高温度、最低温度、最高湿度、最大风力强度、总降雪量和结冰量的诱发阈值,分别记为,进而分析诱发指定区域配电网各故障类型的气象环境适配度,其计算公式为/>。
由公式得到指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数。
优选地,所述分析指定区域配电网各故障类型对应的最高温度、最低温度、最高湿度、最大风力强度、总降雪量和结冰量的诱发阈值,其具体分析过程为:将各故障类型历史各次发生的最高温度的偏差值,通过均值计算得到各故障类型发生时最高温度平均偏差值/>,由公式/>得到指定区域配电网各故障类型对应最高温度偏差的波动因子,其中w表示故障类型历史各次发生的编号,/>,b表示故障类型历史发生次数,n=b-1,由公式/>得到各故障类型对应的最高温度的诱发阈值。
同理得到指定区域配电网各故障类型对应的最低温度、最高湿度、最大风力强度、总降雪量和结冰量的诱发阈值。
优选地,所述计算指定区域配电网当前运行安全系数,其具体分析过程为:从当前运行信息提取各监测时间点的电压值,将各监测时间点的电压值与其相邻监测时间点的电压值的差值作为各指定时间点的电压波动值,其中r表示各指定时间点的编号,,计算指定区域配电网当前的电压稳定性能指数,其中/>为预设的配电网合理电压波动阈值。
从当前运行信息提取各监测时间点的电流值,分析得到指定区域配电网当前的电流稳定性能指数。
从当前运行信息提取各监测时间点的负载数量,筛选出监测时间点的负载数量最大值,分析指定区域配电网当前负载率/>,其中/>为预设的指定区域配电网可承受的负载数量阈值。
计算指定区域配电网当前运行安全系数,其公式为,其中/>分别表示预设的指定区域配电网当前的负载率、电压稳定性能指数、电流稳定性能指数对应当前运行安全评估的权重占比。
优选地,所述计算指定区域配电网运行安全系数的演化因子,其具体分析过程为:根据历史运行信息,同上述计算指定区域配电网当前运行安全系数的方法一致,得到指定区域配电网历史设定时间段内各天的运行安全系数,其中/>表示历史设定时间段内各天的编号,/>,分析指定区域配电网运行安全系数的演化因子/>,其计算公式为:/>,其中/>表示预设的运行安全系数的演化修正因子,/>表示预设的运行安全系数参照偏差值,/>为历史设定时间段内的总天数。
优选地,所述分析指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数,其具体分析过程为:根据指定区域配电网当前运行安全系数以及运行安全系数的演化因子,由公式得到指定区域配电在未来设定时间段内各天的运行安全系数,其中/>表示未来设定时间段内各天的编号,/>,/>表示未来设定时间段内第/>天的天数,筛选出指定区域配电在未来设定时间段内运行安全系数最小值,将其与云数据库中存储的指定区域配电网各故障类型对应的运行安全系数预警值进行比对,得到指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数,其计算公式为:/>。
优选地,所述评估指定区域配电网在未来设定时间段内各故障类型的发生概率,其计算公式为:,其中/>表示/>。
相较于现有技术,本发明的有益效果如下:(1)本发明根据获取到的指定区域配电网各故障类型在各历史年限设定时间段内的发生频次,据此分析指定区域配电网各故障类型在未来设定时间段的发生频次,进而得到其对应的发生频率权重,为后续指定区域配电网各故障类型在未来设定时间段的发生概率的准确性分析提供科学依据。
(2)本发明通过比对未来设定时间段内指定区域的气象环境适配度与诱发指定区域配电网各故障类型的气象环境适配度,得到指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数,完善未来气象对区域配电网各故障类型的诱发影响的细致化分析,使得预测结果更贴合实际,为区域配电网后续的运营和维护提供更可靠的决策依据。
(3)本发明通过计算指定区域配电网当前运行安全系数以及运行安全系数的演化因子,分析指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数,保障后续各故障类型未来时间段内发生概率的科学性和准确性。
(4)本发明通过将指定区域配电网在未来设定时间内各故障类型的发生概率权重、气象诱发影响系数和运行故障风险系数三方面结合,综合评估指定区域配电网在未来设定时间内各故障类型的发生概率,更进一步更全面地优化了当前电力配电网故障发生前阶段的分析方法,为后续配电网工作人员的运营和维护工作提供数据支持,从而减轻配电网工作人员的工作负担。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明系统结构示意图。
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,所描述的实施例仅仅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。
请参阅图1所示,本发明提供了一种电力配电网故障分析系统,具体模块分布如下:指定区域信息获取模块、配电网故障发生频次分析模块、配电网故障气象诱发分析模块、配电网运行故障分析模块、配电网故障概率评估模块和云数据库,其中模块之间的连接关系为:配电网故障发生频次分析模块与指定区域信息获取模块连接,配电网故障气象诱发分析模块与配电网故障发生频次分析模块连接,配电网运行故障分析模块与配电网故障气象诱发分析模块连接,配电网故障概率评估模块与配电网运行故障分析模块连接,配电网气象诱发分析模块、配电网运行故障分析模块均与云数据库连接。
所述指定区域信息获取模块,用于根据获取到的指定区域的地理位置,在配电网管理中心查询指定区域配电网的相关信息。
需要说明的是,上述指定区域的地理位置是通过GPS定位系统获取到的。
具体地,所述指定区域配电网的相关信息包括历史故障信息、当前运行信息和历史运行信息。
所述历史故障信息包括各故障类型在各历史年限设定时间段内的发生总次数。
所述当前运行信息包括各监测时间点的电压值、电流值和负载数量。
所述历史运行信息包括历史设定时间段内各天各监测时间点的电压值、电流值和负载数量。
所述气象信息包括最高温度值、最低温度值/>、最高湿度值/>、最大风力强度/>、总降雪量x和结冰量y。
所述配电网故障发生频次分析模块,用于计算指定区域配电网在未来设定时间内各故障类型的发生频次,进而分析指定区域配电网在未来设定时间内各故障类型的发生概率权重。
具体地,所述计算指定区域配电网在未来设定时间内各故障类型的发生频次,其具体分析过程为:根据指定区域配电网的历史故障信息,获取指定区域配电网各故障类型在各历史年限设定时间段内的发生频次,按照从小到大的顺序对各故障类型在各历史年限设定时间段内的发生频次进行排序,筛选出各故障类型在各历史年限设定时间段内的发生频次的众数与中位数/>,其中i表示各故障类型的编号,/>。
需要说明的是,上述指定区域配电网各故障类型在各历史年限设定时间段内的发生频次是通过将设定时间段的总天数与各故障类型在各历史年限设定时间段内的发生总次数的比值得到的。
通过均值计算得到各故障类型在设定时间段内发生频次的均值。
由公式得到指定区域配电网在未来设定时间段内各故障类型的发生频次,其中/>表示预设的发生频次修正因子。
具体地,所述分析指定区域配电网在未来设定时间内各故障类型的发生概率权重,其分析过程为:根据指定区域配电网的历史故障信息,通过均值计算得到各故障类型在设定时间段内发生总次数的均值,将其作为各故障类型在未来设定时间段内的参照发生总次数,由公式/>得到指定区域配电网在未来设定时间内各故障类型的发生概率权重,其中/>表示未来设定时间段内的总天数。
本发明实施例根据获取到的指定区域配电网各故障类型在各历史年限设定时间段内的发生频次,据此分析指定区域配电网各故障类型在未来设定时间段的发生频次,进而得到其对应的发生频率权重,为后续指定区域配电网各故障类型在未来设定时间段的发生概率的准确性分析提供科学依据。
所述配电网故障气象诱发分析模块,用于从气象局提取未来设定时间段内指定区域的气象信息,分析指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数。
具体地,所述分析指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数,其具体分析过程为:从云数据库中提取指定区域配电网适配气象环境信息,结合未来设定时间段内指定区域的气象信息,计算未来设定时间段内指定区域的气象环境适配度,其公式为,其中e表示自然常数。
需要说明的是,上述指定区域配电网适配气象环境信息的具体获取过程为:在指定区域配电网正常工作情况下,采集各监测时间点指定区域配电网的实际气象环境信息,通过比较得到各气象参数阈值,构成指定区域配电网各运行设备均可承受的实际气象环境信息,获取配电网设备制造商设定的指定区域配电网各运行设备的标准可承受气象环境信息,筛选出适用于指定区域配电网所有运行设备的最大可承受气象环境信息,将其与指定区域配电网各运行设备均可承受的实际气象环境信息结合,通过对各气象参数进行均值计算得到指定区域配电网适配气象环境信息。
从气象局提取各故障类型历史设定时间段内各次发生的时间点所处当天的气象信息,记为各故障类型历史各次发生气象信息,将各故障类型历史各次发生气象信息与指定区域配电网适配气象环境信息进行比对,获取各故障类型历史各次发生的最高温度、最低温度、最高湿度、最大风力强度、总降雪量和结冰量的偏差值,据此分析各故障类型对应最高温度、最低温度、最高湿度、最大风力强度、总降雪量和结冰量的诱发阈值,分别记为,进而分析诱发指定区域配电网各故障类型的气象环境适配度,其计算公式为/>。
由公式得到指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数。
具体地,所述分析指定区域配电网各故障类型对应的最高温度、最低温度、最高湿度、最大风力强度、总降雪量和结冰量的诱发阈值,其具体分析过程为:将各故障类型历史各次发生的最高温度的偏差值,通过均值计算得到各故障类型发生时最高温度平均偏差值/>,由公式/>得到指定区域配电网各故障类型对应最高温度偏差的波动因子,其中w表示故障类型历史各次发生的编号,/>,b表示故障类型历史发生次数,n=b-1,由公式/>得到各故障类型对应的最高温度的诱发阈值。
同理得到指定区域配电网各故障类型对应的最低温度、最高湿度、最大风力强度、总降雪量和结冰量的诱发阈值。
本发明实施例通过比对未来设定时间段内指定区域的气象环境适配度与诱发指定区域配电网各故障类型的气象环境适配度,得到指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数,完善未来气象对区域配电网各故障类型的诱发影响的细致化分析,使得预测结果更贴合实际,为区域配电网后续的运营和维护提供更可靠的决策依据。
所述配电网运行故障分析模块,用于计算指定区域配电网当前运行安全系数以及运行安全系数的演化因子,分析指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数。
具体地,所述计算指定区域配电网当前运行安全系数,其具体分析过程为:从当前运行信息提取各监测时间点的电压值,将各监测时间点的电压值与其相邻监测时间点的电压值的差值作为各指定时间点的电压波动值,其中r表示各指定时间点的编号,,计算指定区域配电网当前的电压稳定性能指数/>,其中/>为预设的配电网合理电压波动阈值。
从当前运行信息提取各监测时间点的电流值,分析得到指定区域配电网当前的电流稳定性能指数。
需要说明的是,上述指定区域配电网当前的电流稳定性能指数的计算过程为:将各监测时间点的电流值与其相邻监测时间点的电流值的差值作为各指定时间点的电流波动值/>,由公式/>得到指定区域配电网当前的电流稳定性能指数,其中/>为预设的配电网合理电流波动阈值。
从当前运行信息提取各监测时间点的负载数量,筛选出监测时间点的负载数量最大值,分析指定区域配电网当前负载率/>,其中/>为预设的指定区域配电网可承受的负载数量阈值。
计算指定区域配电网当前运行安全系数,其公式为,其中/>分别表示预设的指定区域配电网当前的负载率、电压稳定性能指数、电流稳定性能指数对应当前运行安全评估的权重占比。
具体地,所述计算指定区域配电网运行安全系数的演化因子,其具体分析过程为:根据历史运行信息,同上述计算指定区域配电网当前运行安全系数的方法一致,得到指定区域配电网历史设定时间段内各天的运行安全系数,其中/>表示历史设定时间段内各天的编号,/>,分析指定区域配电网运行安全系数的演化因子/>,其计算公式为:/>,其中/>表示预设的运行安全系数的演化修正因子,/>表示预设的运行安全系数参照偏差值,/>为历史设定时间段内的总天数。
具体地,所述分析指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数,其具体分析过程为:根据指定区域配电网当前运行安全系数以及运行安全系数的演化因子,由公式得到指定区域配电在未来设定时间段内各天的运行安全系数,其中/>表示未来设定时间段内各天的编号,/>,/>表示未来设定时间段内第/>天的天数,筛选出指定区域配电在未来设定时间段内运行安全系数最小值,将其与云数据库中存储的指定区域配电网各故障类型对应的运行安全系数预警值进行比对,得到指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数,其计算公式为:/>。
需要说明的是,上述指定区域配电网各故障类型对应的运行安全系数预警值的具体分析方法为:通过从配电网管理中心提取指定区域配电网各故障类型历史各次发生前设定时间段内各时间点的电压波动、电流波动和负载率,计算指定区域配电网各故障类型历史各次发生前设定时间段内各时间点的运行安全系数,筛选出指定区域配电网各故障类型历史各次发生前运行安全系数最小值,分别进行方差和均值计算,将二者相加得到配电网行业规定的配电网各故障类型对应的运行安全系数预警值。
本发明实施例通过计算指定区域配电网当前运行安全系数以及运行安全系数的演化因子,分析指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数,保障后续各故障类型未来时间段内发生概率的科学性和准确性。
所述配电网故障概率评估模块,用于评估指定区域配电网在未来设定时间段内各故障类型的发生概率,在配电网预警终端进行显示。
具体地,所述评估指定区域配电网在未来设定时间段内各故障类型的发生概率,其计算公式为:,其中/>表示/>。
本发明实施例通过将指定区域配电网在未来设定时间内各故障类型的发生概率权重、气象诱发影响系数和运行故障风险系数三方面结合,综合评估指定区域配电网在未来设定时间内各故障类型的发生概率,更进一步更全面地优化了当前电力配电网故障发生前阶段的分析方法,为后续配电网工作人员的运营和维护工作提供数据支持,从而减轻配电网工作人员的工作负担。
所述云数据库,用于存储指定区域配电网适配气象环境信息,其包括指定区域配电网可承受的最高温度值、最低温度值/>、最高湿度值/>、最大风力强度/>、总降雪量/>和结冰量/>,存储指定区域配电网各故障类型对应的运行安全系数预警值。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (4)
1.一种电力配电网故障分析系统,其特征在于:该系统包括:
指定区域信息获取模块,用于根据获取到的指定区域的地理位置,在配电网管理中心查询指定区域配电网的相关信息;
配电网故障发生频次分析模块,用于计算指定区域配电网在未来设定时间内各故障类型的发生频次,进而分析指定区域配电网在未来设定时间内各故障类型的发生概率权重;
配电网故障气象诱发分析模块,用于从气象局提取未来设定时间段内指定区域的气象信息,分析指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数;
配电网运行故障分析模块,用于计算指定区域配电网当前运行安全系数以及运行安全系数的演化因子,分析指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数;
配电网故障概率评估模块,用于评估指定区域配电网在未来设定时间段内各故障类型的发生概率,在配电网预警终端进行显示;
云数据库,用于存储指定区域配电网适配气象环境信息,其包括指定区域配电网可承受的最高温度值、最低温度值/>、最高湿度值/>、最大风力强度/>、总降雪量/>和结冰量/>,存储指定区域配电网各故障类型对应的运行安全系数预警值;
所述分析指定区域配电网在未来设定时间内各故障类型的发生概率权重,其分析过程为:根据指定区域配电网的历史故障信息,通过均值计算得到各故障类型在设定时间段内发生总次数的均值,将其作为各故障类型在未来设定时间段内的参照发生总次数,由公式/>得到指定区域配电网在未来设定时间内各故障类型的发生概率权重,其中/>表示未来设定时间段内的总天数,/>表示指定区域配电网在未来设定时间段内各故障类型的发生频次;
所述分析指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数,其具体分析过程为:从云数据库中提取指定区域配电网适配气象环境信息,结合未来设定时间段内指定区域的气象信息,计算未来设定时间段内指定区域的气象环境适配度,其公式为,其中e表示自然常数;
从气象局提取各故障类型历史设定时间段内各次发生的时间点所处当天的气象信息,记为各故障类型历史各次发生气象信息,将各故障类型历史各次发生气象信息与指定区域配电网适配气象环境信息进行比对,获取各故障类型历史各次发生的最高温度、最低温度、最高湿度、最大风力强度、总降雪量和结冰量的偏差值,据此分析各故障类型对应最高温度、最低温度、最高湿度、最大风力强度、总降雪量和结冰量的诱发阈值,分别记为,进而分析诱发指定区域配电网各故障类型的气象环境适配度,其计算公式为/>;
由公式得到指定区域配电网在未来设定时间段内各故障类型的气象诱发影响系数;
所述计算指定区域配电网当前运行安全系数,其具体分析过程为:从当前运行信息提取各监测时间点的电压值,将各监测时间点的电压值与其相邻监测时间点的电压值的差值作为各指定时间点的电压波动值,其中r表示各指定时间点的编号,/>,计算指定区域配电网当前的电压稳定性能指数/>,其中/>为预设的配电网合理电压波动阈值;
从当前运行信息提取各监测时间点的电流值,分析得到指定区域配电网当前的电流稳定性能指数;
从当前运行信息提取各监测时间点的负载数量,筛选出监测时间点的负载数量最大值,分析指定区域配电网当前负载率/>,其中/>为预设的指定区域配电网可承受的负载数量阈值;
计算指定区域配电网当前运行安全系数,其公式为,其中/>分别表示预设的指定区域配电网当前的负载率、电压稳定性能指数、电流稳定性能指数对应当前运行安全评估的权重占比;
所述计算指定区域配电网运行安全系数的演化因子,其具体分析过程为:根据历史运行信息,同上述计算指定区域配电网当前运行安全系数的方法一致,得到指定区域配电网历史设定时间段内各天的运行安全系数,其中/>表示历史设定时间段内各天的编号,,分析指定区域配电网运行安全系数的演化因子/>,其计算公式为:,其中/>表示预设的运行安全系数的演化修正因子,/>表示预设的运行安全系数参照偏差值,/>为历史设定时间段内的总天数;
所述分析指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数,其具体分析过程为:根据指定区域配电网当前运行安全系数以及运行安全系数的演化因子,由公式得到指定区域配电在未来设定时间段内各天的运行安全系数,其中/>表示未来设定时间段内各天的编号,/>,/>表示未来设定时间段内第/>天的天数,筛选出指定区域配电在未来设定时间段内运行安全系数最小值,将其与云数据库中存储的指定区域配电网各故障类型对应的运行安全系数预警值/>进行比对,得到指定区域配电网在未来设定时间段内各故障类型的运行故障风险系数,其计算公式为:;
所述评估指定区域配电网在未来设定时间段内各故障类型的发生概率,其计算公式为:,其中/>表示/>。
2.根据权利要求1所述的一种电力配电网故障分析系统,其特征在于:所述指定区域配电网的相关信息包括历史故障信息、当前运行信息和历史运行信息;
所述历史故障信息包括各故障类型在各历史年限设定时间段内的发生总次数;
所述当前运行信息包括各监测时间点的电压值、电流值和负载数量;
所述历史运行信息包括历史设定时间段内各天各监测时间点的电压值、电流值和负载数量;
所述气象信息包括最高温度值、最低温度值/>、最高湿度值/>、最大风力强度/>、总降雪量x和结冰量y。
3.根据权利要求2所述的一种电力配电网故障分析系统,其特征在于:所述计算指定区域配电网在未来设定时间内各故障类型的发生频次,其具体分析过程为:根据指定区域配电网的历史故障信息,获取指定区域配电网各故障类型在各历史年限设定时间段内的发生频次,按照从小到大的顺序对各故障类型在各历史年限设定时间段内的发生频次进行排序,筛选出各故障类型在各历史年限设定时间段内的发生频次的众数与中位数/>,其中i表示各故障类型的编号,/>;
通过均值计算得到各故障类型在设定时间段内发生频次的均值;
由公式得到指定区域配电网在未来设定时间段内各故障类型的发生频次,其中/>表示预设的发生频次修正因子。
4.根据权利要求1所述的一种电力配电网故障分析系统,其特征在于:所述分析指定区域配电网各故障类型对应的最高温度、最低温度、最高湿度、最大风力强度、总降雪量和结冰量的诱发阈值,其具体分析过程为:将各故障类型历史各次发生的最高温度的偏差值,通过均值计算得到各故障类型发生时最高温度平均偏差值/>,由公式得到指定区域配电网各故障类型对应最高温度偏差的波动因子,其中w表示故障类型历史各次发生的编号,/>,b表示故障类型历史发生次数,n=b-1,由公式/>得到各故障类型对应的最高温度的诱发阈值;
同理得到指定区域配电网各故障类型对应的最低温度、最高湿度、最大风力强度、总降雪量和结冰量的诱发阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311347643.9A CN117094475B (zh) | 2023-10-18 | 2023-10-18 | 一种电力配电网故障分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311347643.9A CN117094475B (zh) | 2023-10-18 | 2023-10-18 | 一种电力配电网故障分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094475A CN117094475A (zh) | 2023-11-21 |
CN117094475B true CN117094475B (zh) | 2024-01-30 |
Family
ID=88772053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311347643.9A Active CN117094475B (zh) | 2023-10-18 | 2023-10-18 | 一种电力配电网故障分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094475B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842581A (zh) * | 2016-03-23 | 2016-08-10 | 国网山东省电力公司章丘市供电公司 | 一种配电网故障预警方法以及系统 |
CN107633320A (zh) * | 2017-08-17 | 2018-01-26 | 广东电网有限责任公司惠州供电局 | 一种基于气象预测和风险评估的电网线路重要度评估方法 |
CN111080169A (zh) * | 2019-12-30 | 2020-04-28 | 国网辽宁省电力有限公司电力科学研究院 | 一种极端天气下主动配电网风险评估方法 |
CN112751418A (zh) * | 2020-12-31 | 2021-05-04 | 国网山东省电力公司青岛供电公司 | 智能配电网区域态势要素感知方法及系统 |
WO2021194820A1 (en) * | 2020-03-27 | 2021-09-30 | Vit Tall Llc | Local power grid fault detection and mitigation systems |
CN113536206A (zh) * | 2021-07-19 | 2021-10-22 | 国网陕西省电力公司 | 一种配电网区域预警方法、系统、终端设备及可读存储介质 |
CN115034510A (zh) * | 2022-06-30 | 2022-09-09 | 湖北工业大学 | 适用于台风场景的电网安全风险全过程闭环管控优化方法及装置 |
CN115270965A (zh) * | 2022-07-29 | 2022-11-01 | 国网浙江省电力有限公司经济技术研究院 | 一种配电网线路故障预测方法和装置 |
CN116663393A (zh) * | 2023-04-24 | 2023-08-29 | 国网河南省电力公司电力科学研究院 | 一种基于随机森林的配电网持续高温下故障风险等级预测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6622497B2 (ja) * | 2015-07-22 | 2019-12-18 | ルネサスエレクトロニクス株式会社 | 故障予測装置および故障予測方法 |
CN108074021A (zh) * | 2016-11-10 | 2018-05-25 | 中国电力科学研究院 | 一种配电网风险辨识系统及方法 |
DK3396802T3 (da) * | 2017-04-26 | 2022-03-14 | Abb Spa | Fremgangsmåde til identificering af en fejlhændelse i en sektor af et strømfordelingsnet |
US20230052730A1 (en) * | 2017-09-04 | 2023-02-16 | Southeast University | Method for predicting operation state of power distribution network with distributed generations based on scene analysis |
US11349306B2 (en) * | 2019-06-19 | 2022-05-31 | King Fahd University Of Petroleum And Minerals | Distribution grid fault analysis under load and renewable energy uncertainties |
US20230296473A1 (en) * | 2020-08-25 | 2023-09-21 | Nec Corporation | Failure prediction system, failure prediction device, and failure prediction method |
-
2023
- 2023-10-18 CN CN202311347643.9A patent/CN117094475B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842581A (zh) * | 2016-03-23 | 2016-08-10 | 国网山东省电力公司章丘市供电公司 | 一种配电网故障预警方法以及系统 |
CN107633320A (zh) * | 2017-08-17 | 2018-01-26 | 广东电网有限责任公司惠州供电局 | 一种基于气象预测和风险评估的电网线路重要度评估方法 |
CN111080169A (zh) * | 2019-12-30 | 2020-04-28 | 国网辽宁省电力有限公司电力科学研究院 | 一种极端天气下主动配电网风险评估方法 |
WO2021194820A1 (en) * | 2020-03-27 | 2021-09-30 | Vit Tall Llc | Local power grid fault detection and mitigation systems |
CN112751418A (zh) * | 2020-12-31 | 2021-05-04 | 国网山东省电力公司青岛供电公司 | 智能配电网区域态势要素感知方法及系统 |
CN113536206A (zh) * | 2021-07-19 | 2021-10-22 | 国网陕西省电力公司 | 一种配电网区域预警方法、系统、终端设备及可读存储介质 |
CN115034510A (zh) * | 2022-06-30 | 2022-09-09 | 湖北工业大学 | 适用于台风场景的电网安全风险全过程闭环管控优化方法及装置 |
CN115270965A (zh) * | 2022-07-29 | 2022-11-01 | 国网浙江省电力有限公司经济技术研究院 | 一种配电网线路故障预测方法和装置 |
CN116663393A (zh) * | 2023-04-24 | 2023-08-29 | 国网河南省电力公司电力科学研究院 | 一种基于随机森林的配电网持续高温下故障风险等级预测方法 |
Non-Patent Citations (3)
Title |
---|
基于历史故障信息的配电网设备故障概率建模;王辉;郝丽丽;黄梅;张圣健;吉宇;陈乾;方鑫;;电力自动化设备(03);全文 * |
基于粗糙集理论的配电网故障风险评估;陈彬;陈敏维;庞清乐;;电气应用(05);全文 * |
基于设备状态评价的配电网动态可靠性评估;王浩鸣;唐;吴莉萍;杨磊;姚瑛;刘洪;;电力系统及其自动化学报(07);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117094475A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115222211B (zh) | 一种基于物联网技术的电力能源智能分析管控系统 | |
CN114386753A (zh) | 一种基于主变负载状况的设备风险综合分析预警方法 | |
CN117013527A (zh) | 一种分布式光伏发电功率预测方法 | |
CN115481918A (zh) | 一种基于源网荷储的单元状态主动感知及预测分析系统 | |
CN117592799A (zh) | 一种在役风电项目资源后评估系统 | |
CN117477558A (zh) | 一种基于电网负荷的预测方法及其系统 | |
CN117094475B (zh) | 一种电力配电网故障分析系统 | |
CN112418662A (zh) | 一种利用人工神经网络的配电网运行可靠性分析方法 | |
CN117728379A (zh) | 用于区域电网的智能运行调度方法 | |
CN111415037A (zh) | 基于相似日与人工神经网络的电力系统短期负荷预测方法 | |
CN115877145A (zh) | 一种变压器重过载工况大数据交叉评估系统及方法 | |
CN112949920B (zh) | 一种基于观冰代表站数据的区域覆冰预测及预警方法 | |
CN112380641B (zh) | 一种应急柴油机健康状态评价方法及计算机终端 | |
CN112686403B (zh) | 一种智能风机档案运维方法及系统 | |
CN117148017B (zh) | 一种高压套管油气远程监测方法及系统 | |
CN116805210B (zh) | 一种基于大数据的电网风险智能识别管控方法 | |
CN117933644A (zh) | 一种基于电力运维应用的大负荷线路需求分析系统 | |
CN115994429A (zh) | 一种输电线路覆冰跳闸预测方法及装置 | |
CN114942956A (zh) | 一种基于气象同化的风资源修正方法 | |
CN118316029A (zh) | 一种基于人工智能的配电箱智能功率调节方法和系统 | |
CN117875704A (zh) | 一种电网设备的能耗异常监测方法、装置和设备 | |
Zhang et al. | Research on refined prediction of coastal wind power based on dynamic downscale and deep learning prediction | |
CN118071535A (zh) | 一种光伏健康度评价模型及其发电系统状态异常预警方法 | |
CN116933981A (zh) | 基于停复电事件数据监测的区域电力稳定性分析评价方法 | |
CN116317164A (zh) | 用于变电站的配电运维管理方法 |
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 |