CN117220279A - 基于图模型的电网数据分析方法、装置、设备和存储介质 - Google Patents
基于图模型的电网数据分析方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117220279A CN117220279A CN202311185109.2A CN202311185109A CN117220279A CN 117220279 A CN117220279 A CN 117220279A CN 202311185109 A CN202311185109 A CN 202311185109A CN 117220279 A CN117220279 A CN 117220279A
- Authority
- CN
- China
- Prior art keywords
- power grid
- equipment
- determining
- bus
- fault event
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000007405 data analysis Methods 0.000 title claims abstract description 27
- 238000010586 diagram Methods 0.000 claims abstract description 226
- 238000004458 analytical method Methods 0.000 claims abstract description 68
- 238000009826 distribution Methods 0.000 claims description 63
- 238000004590 computer program Methods 0.000 claims description 37
- 238000005206 flow analysis Methods 0.000 claims description 37
- 230000005283 ground state Effects 0.000 claims description 37
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 abstract description 26
- 238000004364 calculation method Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004804 winding Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 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
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种基于图模型的电网数据分析方法、装置、计算机设备、存储介质。方法包括:基于目标电网的电网数据,确定目标电网的母线支路图模型;获取目标电网所关联的至少一个故障事件;基于母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;基于各子母线支路图模型,确定各故障事件中目标电网中电网设备的越限信息。采用本方法能够提高电网的静态安全分析效率。
Description
技术领域
本申请涉及电网分析技术领域,特别是涉及一种基于图模型的电网数据分析方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
在电力系统中,为了避免过负荷和电压越限引起的设备损坏,或由于过负荷设备在系统保护作用下退出运行而导致的大面积的连锁故障停电,常利用静态安全分析对系统进行事故预想,校验系统的承受能力。电力系统的静态安全分析是根据预想的事故,设想各种可能的设备开断情况,完成针对电力系统的稳态分析,得出系统的静态安全性。
由于静态安全分析要求检验的预想事故数量巨大,且要求在线分析或实时分析在短时间内完成,而传统的静态安全分析多采用关系型数据库技术实现,对于大规模电力系统下的数量过多的预想事故的分析的计算效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高电力系统静态安全分析效率的基于图模型的电网数据分析方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于图模型的电网数据分析方法。所述方法包括:
基于目标电网的电网数据,确定所述目标电网的母线支路图模型;
获取所述目标电网所关联的至少一个故障事件;所述故障事件由至少一个电网设备发生故障产生;
基于所述母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;所述子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;
基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息。
在其中一个实施例中,所述基于目标电网的电网数据,确定所述目标电网的母线支路图模型,包括:
基于所述电网数据中的设备数据,构建所述目标电网的节点开关图模型;所述节点开关图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
针对所述节点开关图模型执行拓扑分析操作,得到所述目标电网的母线支路图模型。
在其中一个实施例中,所述针对所述节点开关图模型执行拓扑分析操作,得到所述目标电网的母线支路图模型,包括:
针对所述节点开关图模型中任一第一设备节点,分配对应的节点标识;
在所述节点开关图模型中,确定与所述第一设备节点具有相同电气节点的至少一个第二设备节点,并为各所述第二设备节点分配与所述第一设备节点相同的节点标识;
合并所述节点开关图模型中具有相同节点标识的设备节点,得到母线支路图模型中的母线节点;
合并所述母线节点之间的关联边形成所述母线支路图模型中的支路。
在其中一个实施例中,所述基于所述母线支路图模型,确定各所述故障事件对应的子母线支路图模型,包括:
针对每个所述故障事件,确定产生所针对的故障事件的故障设备;
在所述母线支路图模型中,确定各所述故障设备分别所属的目标节点;
断开所述目标节点间的连接关系,得到所针对的故障事件对应的子母线支路图模型。
在其中一个实施例中,所述基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息,包括:
确定所述母线支路图模型的基态潮流;
针对每个所述子母线支路图模型执行潮流分析,得到各所述子母线支路图模型的潮流分析结果;
基于所述基态潮流以及各所述潮流分析结果,确定各故障事件中所述目标电网中电网设备的越限信息。
在其中一个实施例中,所述潮流分析结果包括母线电压以及线路功率,所述越限信息包括电压越限信息以及功率越限信息,
所述基于各所述潮流分析结果,确定各故障事件中所述目标电网中电网设备的越限信息,包括:
获取所述基态潮流中的第一母线电压分布,以及第一线路功率分布;
针对每个故障事件,根据对应的潮流分析结果,确定所针对的故障事件对应的第二母线电压分布,以及第二线路功率分布;
基于所述第一母线电压分布与所述第二母线电压分布之间的差异,确定所针对的故障事件中所述目标电网中电网设备的电压越限信息;
基于所述第一线路功率分布与所述第二线路功率分布之间的差异,确定所针对的故障事件中所述目标电网中电网设备的功率越限信息。
在其中一个实施例中,所述确定各故障事件中所述目标电网中电网设备的越限信息之后,所述方法还包括:
针对每个故障事件中的故障设备,基于所针对的故障设备的越限信息,确定故障设备的严重性指标;所述严重性指标,用于指示故障设备产生越限情况的严重程度;
对各所述严重性指标进行排序,并基于排序后的严重性指标,确定所述故障事件中越限严重程度达到严重性指标阈值的目标故障设备。
第二方面,本申请还提供了一种基于图模型的电网数据分析装置。所述装置包括:
第一确定模块,用于基于目标电网的电网数据,确定所述目标电网的母线支路图模型;
获取模块,用于获取所述目标电网所关联的至少一个故障事件;所述故障事件由至少一个电网设备发生故障产生;
第二确定模块,用于基于所述母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;所述子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;
第三确定模块,用于基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
基于目标电网的电网数据,确定所述目标电网的母线支路图模型;
获取所述目标电网所关联的至少一个故障事件;所述故障事件由至少一个电网设备发生故障产生;
基于所述母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;所述子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;
基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
基于目标电网的电网数据,确定所述目标电网的母线支路图模型;
获取所述目标电网所关联的至少一个故障事件;所述故障事件由至少一个电网设备发生故障产生;
基于所述母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;所述子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;
基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
基于目标电网的电网数据,确定所述目标电网的母线支路图模型;
获取所述目标电网所关联的至少一个故障事件;所述故障事件由至少一个电网设备发生故障产生;
基于所述母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;所述子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;
基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息。
上述基于图模型的电网数据分析方法、装置、计算机设备、存储介质和计算机程序产品,确定目标电网正常稳定运行状态下的母线支路图模型,相较于用于管理目标电网的电网设备的图模型而言,母线支路图模型的节点数量少,能够大大减少计算量;并在母线支路图模型的基础上,确定每个故障事件下的目标电网所对应的子母线支路模型,并基于子母线支路模型,确定各故障事件中目标电网中电网设备的越限信息,如此,由于每个故障事件下关联的越限信息是基于母线支路图模型得到的,母线支路图模型下的相关信息可以重复利用,不需要每次重新计算,能够提高越限信息计算效率。同时,由于针对每个故障事件的处理过程可以采用子任务并行的方式进行,如此,能够进一步提高针对电网的静态安全分析效率。
附图说明
图1为一个实施例中基于图模型的电网数据分析方法的应用环境图;
图2为一个实施例中基于图模型的电网数据分析方法的流程示意图;
图3为一个实施例中故障事件对应的子母线支路图模型的示例图;
图4为一个实施例中目标电网的母线支路图模型的确定方法的流程示意图;
图5A为一个实施例中母线支路图模型的示例图;
图5B为另一个实施例中母线支路图模型的示例图;
图6为一个实施例中故障事件下越限信息的确定方法流程示意图;
图7为一个实施例中故障事件下越限设备的确定方法流程示意图;
图8为一个实施例中并行方式确定故障事件下的越限信息的流程示意图;
图9为一个实施例中基于图模型的电网数据分析装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
1)电力系统安全分析:通过一组预想事故(或称预想故障)来评定电力系统运行状态是否安全的分析计算,分为静态和动态安全。静态安全分析,用来判断在发生预想事故后电力系统是否会发生过负荷或电压越限等,即静态安全分析仅考虑预想事故发生后的稳态,不考虑过渡过程,本质是潮流计算。
2)电力潮流:电力系统中各节点的电压和各支路的功率的稳态分布。潮流计算:给定电力系统运行条件计算电力系统运行状态。系统运行条件包括发电机功率、机端电压、负荷的功率、负荷侧所要求的电压等。在运行时,在电源电势激励作用下,电流或功率从电源通过系统各元件流入负荷,分布于电力网各处,称为电力潮流。
本申请实施例提供的基于图模型的电网数据分析方法,可以应用于如图1所示的应用环境中,该应用环境为智能电网环境。其中,终端102(部署有电网管理客户端)通过网络与服务器104进行通信。数据存储系统部署有图数据库可以存储服务器104需要处理的电网数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端102部署目标电网的电网管理客户端,向服务器发送针对目标电网的分析请求,分析请求中包括目标电网的电网数据的存放路径,服务器104接收到该分析请求,并基于分析请求中的存放路径,获取目标电网的电网数据,基于目标电网的电网数据,确定目标电网的母线支路图模型;获取目标电网所关联的一组预想的故障事件;基于母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;基于各子母线支路图模型,确定各故障事件中目标电网中电网设备的越限信息,并将越限信息返回至终端。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和物联网设备,物联网设备可为智能电表等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于图模型的电网数据分析方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,基于目标电网的电网数据,确定目标电网的母线支路图模型。
在实际实施时,服务器获取目标电网的电网数据,电网数据包括目标电网的所有电网设备的设备数据,以及电网设备间的连接关系。其中,电网数据的存储形式符合电力系统数据标记语言-E语言规范。服务器将电网数据解析成图数据库中的结构化数据,得到目标电网的节点开关图模型,然后通过对节点开关图模型进行拓扑分析,得到目标电网在正常稳定运行状态下的母线支路图模型(可称为基态模型)。服务器通过节点开关图模型对目标电网中的电网设备进行管理。服务器基于目标电网的母线支路图模型对目标电网执行静态安全分析得到相应的潮流分布。由于母线支路图模型中的节点数量远少于节点开关图模型中的节点,因此,基于母线支路图模型的数据存储空间占用少,数据分析效率高。
步骤204,获取目标电网所关联的至少一个故障事件;故障事件由至少一个电网设备发生故障产生。
在实际实施时,服务器获取用于对目标电网进行静态安全分析的预想故障集合,预想故障集合包括多个预想事故(即预想的故障事件),故障事件由目标电网中的至少一个电网设备发生故障(如设备断开)产生。其中,预想事故选取原则包括N-1原则,N-2原则等,其中,N为正整数,N-1大于零,N-2同样大于零,N表示电网设备的数量,预想事故的设置至少包括两大类,一类是支路开断,即输电线路或者变压器退出运行,一类是发电机或重要负荷开断。N-1原则为目标电网中包括N个元件,构建N个故障,每一个故障都只损失一个元件,电力系统依然能够保持正常运行范围内,此时电力系统也是安全的。N-2原则为目标电网中包括N个元件,构建N个故障,每一个故障即使损失2个元件,电力系统依然能够保持正常运行范围内。
步骤206,基于母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态。
在实际实施时,目标电网在故障事件下的子母线支路图模型可看作是由目标电网的基态模型变化得到的。服务器在基态模型中,断开相应故障事件中发生故障的电网设备相关的节点,就可得到该故障事件对应的子母线支路模型。
示例性地,如图3所示,图中编号1示出的是基态模型,编号2中示出的是4个预想的故障事件分别对应的子母线支路模型。图a中,故障事件CA1-2,节点1与节点2之间的边所指示的电网设备发生故障,边断开,得到故障事件CA1-2对应的子母线支路图模型;图b中,故障事件CA2-3,节点2与节点3之间的边所指示的电网设备发生故障,边断开,得到故障事件CA2-3对应的子母线支路图模型。图c中,故障事件CA3-4,节点3与节点4之间的边所指示的电网设备发生故障,边断开,得到故障事件CA3-4对应的子母线支路图模型;图d中,故障事件CA1-4,节点1与节点4之间的边所指示的电网设备发生故障,边断开,得到故障事件CA1-4对应的子母线支路图模型。
步骤208,基于各子母线支路图模型,确定各故障事件中目标电网中电网设备的越限信息。
在实际实施时,针对每个故障事件,服务器可以基于该故障事件的子母线支路图模型进行针对目标电网的静态安全分析,检测目标电网是否能够安全运行,以及确定该故障事件下目标电网中电网设备的越限信息。
需要说明的是,针对目标电网的静态安全分析,会预先设置大量的预想的故障事件,且由于电力系统静态安全分析需要在线实时运行,为了能够在短时间内确定每个故障事件下的目标电网的稳定性,服务器为每个故障事件分配一个子任务,在图数据库中通过子任务并行的方式实现针对子母线支路图模型的并行计算。
上述基于图模型的电网数据分析方法中,通过子任务并行的方式,基于每个故障事件的子母线支路图模型,并行确定在每个故障事件下,目标电网的静态安全分析结果,如此,能够加速运算并提高分析计算效率。
针对母线支路图模型的构建进行说明,在一个实施例中,如图4所示,基于目标电网的电网数据,确定目标电网的母线支路图模型,包括:
步骤302,基于电网数据中的设备数据,构建目标电网的节点开关图模型;节点开关图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的连接节点。
在实际实施时,目标电网中的电网设备可以包括交流传输线(Acline_dot)、三绕组变压器(three_port_transformer)、双绕组变压器(two_port_transformer)、负荷(Load)、母线(Busbar)、机组(Generator)、并联电容电抗器(C_P)、串联补偿器(C_S)、开关(Breaker)、刀闸(Disconnector)等。在图数据库中通过点vertex(V)和边edge(E)来定义目标电网的图模型G(V,E)。具体的,通过把输电线线端、变压器端口、机组、负荷、以及母线等电网设备定义为节点V,把传输线和变压器绕组,开关和刀闸定义为边E,可以生成由节点V和边E构成的节点开关图模型。在节点开关图模型中具有连接关系的设备节点间不是直接相连的,而是通过连接点(CN,Connectivity Node)连接的。
示例性地,如图5A所示,图中编号1示出的为电网的节点开关图模型的一个示例。图中BS指示母线Busbar,DS指示刀闸Disconnector,CB指示刀闸Circuit Breaker,L指示负荷Load,G指示机组Generator。图中DS1-CN8-CB6,指示设备节点DS1与设备节点CB6之间通过连接节点CN8相连,即设备节点DS1与设备节点CB6同时连接在连接节点CN8上,或设备节点DS1与设备节点CB6具有相同的连接节点CN8。
步骤304,针对节点开关图模型执行拓扑分析操作,得到目标电网的母线支路图模型。
在实际实施时,服务器通过预设的拓扑分析算法,对节点开关图模型拓扑分析,得到目标电网的母线支路图模型。该母线支路图模型是目标电网在正常稳定运行状态下的基态模型。母线支路图模型是由节点开关图模型通过合并具有相同节点标识的设备节点得到的,因此,母线支路图模型节点数更少,基于母线支路图模型的分析计算效果更高。服务器通过母线支路图模型对目标电网执行潮流计算。
示例性地,如图5A所示,图中编号2示出的为基于节点开关图模型进行拓扑分析得到的母线支路图模型。母线支路图模型中的节点数量明显少于节点开关图模型。
本实施例中,通过拓扑分析算法确定目标电网的母线支路图模型用于进行静态安全分析,能够大大较少分析过程的计算量,提升分析效率。
在一个实施例中,针对节点开关图模型执行拓扑分析操作,得到目标电网的母线支路图模型,包括:针对节点开关图模型中任一第一设备节点,分配对应的节点标识;在节点开关图模型中,确定与第一设备节点具有相同电气节点的至少一个第二设备节点,并为各第二设备节点分配与第一设备节点相同的节点标识;合并节点开关图模型中具有相同节点标识的设备节点,得到母线支路图模型中的母线节点,并合并母线节点之间的关联边形成母线支路图模型中的支路。
在实际实施时,针对节点开关图模型,服务器通过拓扑分析算法生成基于图数据模型的母线支路图模型。首先,服务器执行步骤1)在节点开关图模型中,针对任一设备节点vi对应的电气节点分配节点标识idi,vi表示节点开关图模型中的第i(i为正整数)个节点,idi表示为第i个节点vi分配的节点标识,然后执行步骤2)将节点vi的节点标识idi传递给与之相连的电气节点vj;如果idi>idj,则重复步骤2)直到所有相连的电气节点都具有相同的节点标识。服务器通过上述方式为节点开关图模型中的各设备节点分配相应的节点标识后,合并节点开关图模型中所有具有相同节点标识的设备节点形成目标电网的母线支路图模型(Bus-Branch Graph Model)中的母线节点,同时合并计算母线节点之间的边形成目标电网的母线支路图模型的计算支路。也就是说,在节点开关图模型中,通过同一个连接点CN连接的设备节点具有相同的电压,可看作一个电气节点,因此,在生成母线支路图模型时,同一个连接点CN连接的设备节点合并成一个母线节点。
示例性地,如图5B所示,图中编号1示出的是节点开关图模型,图中编号2示出的是拓扑分析合并节点后的母线支路图模型。图中编号1中BS1、AC1、L1、L2这4个设备节点连接在同一个CN点上,因此可看作同一个电气节点,合并成图中编号1示出的一个计算母线节点TopoND1。为每个设备节点分配id标识,图中编号1中4个设备分别分配ID标识1001、1002、1003、1004,ID传递合并后的到一个Id=1004作为TopoND1的节点标识。
本实施例中,通过拓扑分析算法确定目标电网的母线支路图模型用于进行静态安全分析,能够大大较少分析过程的计算量,提升分析效率。
针对子母线支路图模型的构建进行说明。在一个实施例中,基于母线支路图模型,确定各故障事件对应的子母线支路图模型,包括:针对每个故障事件,确定产生所针对的故障事件的故障设备。在母线支路图模型中,确定各故障设备分别所属的目标节点;断开目标节点间的连接关系,得到所针对的故障事件对应的子母线支路图模型。
在实际实施时,目标电网中各电网设备正常稳定运行的状态称为目标电网的基态,目标电网处于基态时所对应的母线支路图模型为基态模型,目标电网处于基态时的潮流分析结果为基态潮流。不同的故障事件下目标电网所对应的子母线支路模型可以看成是基于基态模型变化的子图模型。确定每个子母线支路图模型的方式为在母线支路图模型中,确定故障设备分别所属的目标节点,断开目标节点间的连接关系,即可得到所针对的故障事件对应的子母线支路图模型。
本实施例中,基于基态模型为每个预想的故障事件生成相适配的子母线支路图模型,以完成相应故障事件下的安全分析,能够提高分析的准确性。
在一个实施例中,基于各子母线支路图模型,确定各故障事件中目标电网中电网设备的越限信息,包括:确定母线支路图模型的基态潮流;针对每个子母线支路图模型执行潮流分析,得到各子母线支路图模型的潮流分析结果;基于基态潮流以及各潮流分析结果,确定各故障事件中目标电网中电网设备的越限信息。
在实际实施时,服务器可以通过快速解耦法计算目标电网的母线支路图模型的基态潮流。然后在基态潮流的基础上,针对每个故障事件所对应的子母线支路图模型,执行潮流分析,确定每个故障事件的潮流分析结果,潮流分析结果指示在当前故障事件下,目标电网中各电网设备的潮流分布情况。服务器再次根据潮流分析结果,可以确定该故障事件中除故障设备外的其他电网设备中的越限信息。需要说明的是,越限信息是指电网设备的电压超过电压阈值,或功率超过功率阈值时的相关信息。
本实施例中,在静态安全分析过程中,在目标电网的基态潮流的基础上,确定每个故障事件下的潮流分布,避免了从零开始计算潮流的过程,大大提高了静态分析的效率。
在一个实施例中,如图6所示,基于各潮流分析结果,确定各故障事件中所述目标电网中电网设备的越限信息,包括:
步骤402,获取基态潮流中的第一母线电压分布,以及第一线路功率分布。
在实际实施时,服务器采用预设的电力系统潮流计算方法(如快速解耦法)计算目标电网处于基态时的基态潮流,基态潮流包括目标电网中的第一母线电压分布,以及第一线路功率分布。
步骤404,针对每个故障事件,根据对应的潮流分析结果,确定所针对的故障事件对应的第二母线电压分布,以及第二线路功率分布。
在实际实施时,服务器对每个故障事件所对应的子母线支路图模型,基于基态潮流,确定该故障事件下的潮流分析结果,得到该故障事件下的第二母线电压分布,以及线路功率分布。
步骤406,基于第一母线电压分布与第二母线电压分布之间的差异,确定所针对的故障事件中目标电网中电网设备的电压越限信息。
在实际实施时,针对每个故障事件,服务器基于第一母线电压分布以及该故障事件所对应的第二母线电压分布之间的差异,可以确定故障事件中目标电网中电网设备的电压越限信息。如针对同一个电网设备所属的节点,将该节点在第一母线电压分布中的电压值,以及将该节点在第二母线电压分布中的电压值之间的差值,作为该电网设备的电压越限信息。
步骤408,基于第一线路功率分布与第二线路功率分布之间的差异,确定所针对的故障事件中目标电网中电网设备的功率越限信息。
在实际实施时,针对每个故障事件,服务器基于第二线路功率分布以及该故障事件所对应的第二线路功率分布之间的差异,可以确定故障事件中目标电网中电网设备的功率越限信息。
本实施例中,在静态安全分析过程中,在目标电网的基态潮流的基础上,确定每个故障事件下的目标电网中电网设备的越限信息,能够减少计算量,提高分析效率。
在一个实施例中,如图7所示,确定各故障事件中目标电网中电网设备的越限信息之后还包括:
步骤502,获取每个故障事件中的越限设备,越限设备为故障事件中发生越限的电网设备。
在实际实施时,针对每个故障事件,服务器确定该故障事件下,目标电网中的越限设备,这里的越限设备为目标电网中在当前故障事件下,电压或功率发生越限的电网设备。
步骤504,针对每个故障事件中的越限设备,基于所针对的越限设备的越限信息,确定越限设备的严重性指标,。
其中,严重性指标,用于指示越限设备产生越限情况的严重程度。
在实际实施时,服务器可以通过计算越限设备的严重性指标的实际值,评估越限设备产生越限情况的严重程度。其中,严重性指标的数值越大说明该越限设备在此次故障事件中受影响程度最严重。其中,功率对应的严重性指标的计算方式为:严重性指标SI=P/Prated,其中,P为越限设备的功率实际值或电压实际值,Prated为越限设备的功率越限容量或电压越限容量,其中,功率越限容量为线路的额定有功功率,即线路的传输功率超过这个容量则判定位功率越限。
步骤506,对各严重性指标进行排序,并基于排序后的严重性指标,确定故障事件中越限严重程度达到严重性指标阈值的目标越限设备。
在实际实施时,针对每个故障事件下目标电网中的越限设备,服务器可以依据预设的排序方式(如降序排序或升序排序等),对越限设备的严重性指标的实际值进行排序,并确定越限严重程度达到严重性指标阈值的目标越限设备。
本实施例中,通过严重性指标从高到低(或从低到高)排序可以更直观地确定相应故障事件对哪些电网设备的越限影响最严重,能够更精确地评估预想事故对电网的影响,更准确地找到电网最薄弱环节,以便针对薄弱环节采取相应措施防止电力系统发生重大安全事故。
为详细说明本方案中基于图模型的电网数据分析方法,下面以一个实施例进行说明,在该实施例中,针对目标电网的静态安全分析,是服务器基于目标电网在正常稳定运行状态下的母线支路图模型,采用子任务并行的方式,确定目标电网在各预想的故障事件发生时各电网设备的越限信息。其中,母线支路图模型是服务器对目标电网的节点开关图模型进行拓扑分析得到的。节点开关图模型用于管理目标电网中电网设备,以及电网设备间的连接关系,相对于节点开关图模型,母线支路图模型的节点更少,便于服务器执行针对目标电网的潮流分析。
针对节点开关图模型的构建进行说明,服务器获取目标电网的电网模型文件,在图数据库中建立相应的节点开关图模型(Node-Breaker Graph Mode)。对目标电网中的电网设备进行管理。在图数据库通过点vertex(V)和边edge(E)来定义输电网的图模型G(V,E)。通过把输电线线端,变压器端口,机组,负荷,和母线等设备定义为节点V,把传输线和变压器绕组,开关和刀闸定义为边E,可以生成由节点V和边E构成的节点开关图模型。
针对母线支路图模型的构建进行说明,服务器通过拓扑分析算法,对节点开关图模型进行拓扑分析,生成基于图数据模型的母线支路图模型,用于进行目标电网在相应运行方式下的潮流计算。
获取目标电网的多个预想的故障事件,并基于目标电网正常稳定运行方式下的母线支路图模型,得到每个预想的故障事件下目标电网所对应的子母线支路图模型。其中,子母线支路图模型是在母线支路图模型中断开发生故障的电网设备所属的节点的连接关系得到的。
服务器可以为每个故障事件分配相应的子任务,并采用子任务并行的方式,基于母线支路图模型以及故障事件所对应的子母线支路图模型,确定每个故障事件下的各电网设备的越限信息,具体处理过程如图8所示:服务器执行步骤1)读取目标电网的潮流计算数据,接着执行步骤2)采用快速解耦法计算目标电网的基态潮流,随后并行运行的每个子任务执行步骤3)采用并行方式,构建复杂故障计算模型,即构建故障事件对应的目标电网的子母线支路图模型,继续执行步骤4)采用并行方式,基于复杂故障计算模型,进行潮流计算,得到每个复杂故障下的线路功率和母线电压。也就是计算每个故障事件下的潮流结果,即基于该子母线支路图模型,执行潮流分析,得到潮流分析结果(即该故障事件下的线路功率和母线电压),继续接着执行步骤5)服务器基于基态潮流和潮流分析结果,确定母线电压和线路功率越限信息。最后还可以执行步骤6)针对故障事件下的越限信息进行排序,也就是对故障事件下的母线电压以及线路功率相关的越限信息进行排序,具体的排序方式可以是确定严重性指标的实际值,并根据严重性指标的实际值确定该故障事件下发生越限情况最严重的电网设备。
本实施例的有益效果如下:利用图数据模型和图计算技术,采用图并行分析算法加快预想故障分析的计算速度,有效提高计算效率。同时,能够更精确地评估预想事故对电网的影响,更准确地找到电网最薄弱环节,以便针对薄弱环节采取相应措施防止电力系统发生重大安全事故。
本实施例中,针对给定软件,能够得到更符合市场规律和潮流的软件更新频率策略,从而增加用户量,增大用户粘性,提高客户体验。对开发团队而言,可以调整开发策略和进度安排。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于图模型的电网数据分析方法的基于图模型的电网数据分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于图模型的电网数据分析装置实施例中的具体限定可以参见上文中对于基于图模型的电网数据分析方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种基于图模型的电网数据分析装置,包括:第一确定模块、获取模块、第二确定模块和第三确定模块,其中:
第一确定模块,用于基于目标电网的电网数据,确定所述目标电网的母线支路图模型;
获取模块,用于获取所述目标电网所关联的至少一个故障事件;所述故障事件由至少一个电网设备发生故障产生;
第二确定模块,用于基于所述母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;所述子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;
第三确定模块,用于基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息。
在一个实施例中,第一确定模块,还用于基于电网数据中的设备数据,构建目标电网的节点开关图模型;节点开关图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;针对节点开关图模型执行拓扑分析操作,得到目标电网的母线支路图模型。
在一个实施例中,第一确定模块,还用于针对节点开关图模型中任一第一设备节点,分配对应的节点标识;在节点开关图模型中,确定与第一设备节点具有相同电气节点的至少一个第二设备节点,并为各第二设备节点分配与第一设备节点相同的节点标识;合并节点开关图模型中具有相同节点标识的设备节点,得到母线支路图模型中的母线节点;合并母线节点之间的关联边形成母线支路图模型中的支路。
在一个实施例中,第二确定模块,还用于针对每个故障事件,确定产生所针对的故障事件的故障设备;在母线支路图模型中,确定各故障设备分别所属的目标节点;断开目标节点间的连接关系,得到所针对的故障事件对应的子母线支路图模型。
在一个实施例中,第三确定模块,还用于确定母线支路图模型的基态潮流;针对每个子母线支路图模型执行潮流分析,得到各子母线支路图模型的潮流分析结果;基于基态潮流以及各潮流分析结果,确定各故障事件中目标电网中电网设备的越限信息。
在一个实施例中,潮流分析结果包括母线电压以及线路功率,越限信息包括电压越限信息以及功率越限信息,第三确定模块,还用于获取基态潮流中的第一母线电压分布,以及第一线路功率分布;针对每个故障事件,根据对应的潮流分析结果,确定所针对的故障事件对应的第二母线电压分布,以及第二线路功率分布;基于第一母线电压分布与第二母线电压分布之间的差异,确定所针对的故障事件中目标电网中电网设备的电压越限信息;基于第一线路功率分布与第二线路功率分布之间的差异,确定所针对的故障事件中目标电网中电网设备的功率越限信息。
在一个实施例中,第三确定模块,还用于获取每个故障事件中的越限设备,越限设备为故障事件中发生越限的电网设备;针对每个故障事件中的越限设备,基于所针对的越限设备的越限信息,确定越限设备的严重性指标;严重性指标,用于指示越限设备产生越限情况的严重程度;对各严重性指标进行排序,并基于排序后的严重性指标,确定故障事件中越限严重程度达到严重性指标阈值的目标越限设备。
上述基于图模型的电网数据分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储应用程序的历史下载次数相关的数据、以及应用程序的属性数据等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于图模型的电网数据分析方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于图模型的电网数据分析方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:基于目标电网的电网数据,确定目标电网的母线支路图模型;获取目标电网所关联的至少一个故障事件;故障事件由至少一个电网设备发生故障产生;基于母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;基于各子母线支路图模型,确定各故障事件中目标电网中电网设备的越限信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于电网数据中的设备数据,构建目标电网的节点开关图模型;节点开关图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;针对节点开关图模型执行拓扑分析操作,得到目标电网的母线支路图模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:针对节点开关图模型中任一第一设备节点,分配对应的节点标识;在节点开关图模型中,确定与第一设备节点具有相同电气节点的至少一个第二设备节点,并为各第二设备节点分配与第一设备节点相同的节点标识;合并节点开关图模型中具有相同节点标识的设备节点,得到母线支路图模型中的母线节点;合并母线节点之间的关联边形成母线支路图模型中的支路。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:针对每个故障事件,确定产生所针对的故障事件的故障设备;在母线支路图模型中,确定各故障设备分别所属的目标节点;断开目标节点间的连接关系,得到所针对的故障事件对应的子母线支路图模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定母线支路图模型的基态潮流;针对每个子母线支路图模型执行潮流分析,得到各子母线支路图模型的潮流分析结果;基于基态潮流以及各潮流分析结果,确定各故障事件中目标电网中电网设备的越限信息。
在一个实施例中,潮流分析结果包括母线电压以及线路功率,越限信息包括电压越限信息以及功率越限信息,处理器执行计算机程序时还实现以下步骤:获取基态潮流中的第一母线电压分布,以及第一线路功率分布;针对每个故障事件,根据对应的潮流分析结果,确定所针对的故障事件对应的第二母线电压分布,以及第二线路功率分布;基于第一母线电压分布与第二母线电压分布之间的差异,确定所针对的故障事件中目标电网中电网设备的电压越限信息;基于第一线路功率分布与第二线路功率分布之间的差异,确定所针对的故障事件中目标电网中电网设备的功率越限信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取每个故障事件中的越限设备,越限设备为故障事件中发生越限的电网设备;针对每个故障事件中的越限设备,基于所针对的越限设备的越限信息,确定越限设备的严重性指标;严重性指标,用于指示越限设备产生越限情况的严重程度;对各严重性指标进行排序,并基于排序后的严重性指标,确定故障事件中越限严重程度达到严重性指标阈值的目标越限设备。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:基于目标电网的电网数据,确定目标电网的母线支路图模型;获取目标电网所关联的至少一个故障事件;故障事件由至少一个电网设备发生故障产生;基于母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;基于各子母线支路图模型,确定各故障事件中目标电网中电网设备的越限信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:基于电网数据中的设备数据,构建目标电网的节点开关图模型;节点开关图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;针对节点开关图模型执行拓扑分析操作,得到目标电网的母线支路图模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:针对节点开关图模型中任一第一设备节点,分配对应的节点标识;在节点开关图模型中,确定与第一设备节点具有相同电气节点的至少一个第二设备节点,并为各第二设备节点分配与第一设备节点相同的节点标识;合并节点开关图模型中具有相同节点标识的设备节点,得到母线支路图模型中的母线节点;合并母线节点之间的关联边形成母线支路图模型中的支路。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:针对每个故障事件,确定产生所针对的故障事件的故障设备;在母线支路图模型中,确定各故障设备分别所属的目标节点;断开目标节点间的连接关系,得到所针对的故障事件对应的子母线支路图模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定母线支路图模型的基态潮流;针对每个子母线支路图模型执行潮流分析,得到各子母线支路图模型的潮流分析结果;基于基态潮流以及各潮流分析结果,确定各故障事件中目标电网中电网设备的越限信息。
在一个实施例中,潮流分析结果包括母线电压以及线路功率,越限信息包括电压越限信息以及功率越限信息,计算机程序被处理器执行时还实现以下步骤:获取基态潮流中的第一母线电压分布,以及第一线路功率分布;针对每个故障事件,根据对应的潮流分析结果,确定所针对的故障事件对应的第二母线电压分布,以及第二线路功率分布;基于第一母线电压分布与第二母线电压分布之间的差异,确定所针对的故障事件中目标电网中电网设备的电压越限信息;基于第一线路功率分布与第二线路功率分布之间的差异,确定所针对的故障事件中目标电网中电网设备的功率越限信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取每个故障事件中的越限设备,越限设备为故障事件中发生越限的电网设备;针对每个故障事件中的越限设备,基于所针对的越限设备的越限信息,确定越限设备的严重性指标;严重性指标,用于指示越限设备产生越限情况的严重程度;对各严重性指标进行排序,并基于排序后的严重性指标,确定故障事件中越限严重程度达到严重性指标阈值的目标越限设备。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于图模型的电网数据分析方法,其特征在于,所述方法包括:
基于目标电网的电网数据,确定所述目标电网的母线支路图模型;
获取所述目标电网所关联的至少一个故障事件;所述故障事件由至少一个电网设备发生故障产生;
基于所述母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;所述子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;
基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息。
2.根据权利要求1所述的方法,其特征在于,所述基于目标电网的电网数据,确定所述目标电网的母线支路图模型,包括:
基于所述电网数据中的设备数据,构建所述目标电网的节点开关图模型;所述节点开关图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
针对所述节点开关图模型执行拓扑分析操作,得到所述目标电网的母线支路图模型。
3.根据权利要求2所述的方法,其特征在于,所述针对所述节点开关图模型执行拓扑分析操作,得到所述目标电网的母线支路图模型,包括:
针对所述节点开关图模型中任一第一设备节点,分配对应的节点标识;
在所述节点开关图模型中,确定与所述第一设备节点具有相同电气节点的至少一个第二设备节点,并为各所述第二设备节点分配与所述第一设备节点相同的节点标识;
合并所述节点开关图模型中具有相同节点标识的设备节点,得到母线支路图模型中的母线节点;
合并所述母线节点之间的关联边形成所述母线支路图模型中的支路。
4.根据权利要求1所述的方法,其特征在于,所述基于所述母线支路图模型,确定与各故障事件分别对应的子母线支路图模型,包括:
针对每个所述故障事件,确定产生所针对的故障事件的故障设备;
在所述母线支路图模型中,确定各所述故障设备分别所属的目标节点;
断开所述目标节点间的连接关系,得到所针对的故障事件对应的子母线支路图模型。
5.根据权利要求1所述的方法,其特征在于,所述基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息,包括:
确定所述母线支路图模型的基态潮流;
针对每个所述子母线支路图模型执行潮流分析,得到各所述子母线支路图模型的潮流分析结果;
基于所述基态潮流以及各所述潮流分析结果,确定各故障事件中所述目标电网中电网设备的越限信息。
6.根据权利要求5所述的方法,其特征在于,所述潮流分析结果包括母线电压以及线路功率,所述越限信息包括电压越限信息以及功率越限信息,
所述基于所述基态潮流以及各所述潮流分析结果,确定各故障事件中所述目标电网中电网设备的越限信息,包括:
获取所述基态潮流中的第一母线电压分布,以及第一线路功率分布;
针对每个故障事件,根据对应的潮流分析结果,确定所针对的故障事件对应的第二母线电压分布,以及第二线路功率分布;
基于所述第一母线电压分布与所述第二母线电压分布之间的差异,确定所针对的故障事件中所述目标电网中电网设备的电压越限信息;
基于所述第一线路功率分布与所述第二线路功率分布之间的差异,确定所针对的故障事件中所述目标电网中电网设备的功率越限信息。
7.根据权利要求1所述的方法,其特征在于,所述确定各故障事件中所述目标电网中电网设备的越限信息之后,所述方法还包括:
获取每个故障事件中的越限设备,所述越限设备为所述故障事件中发生越限的电网设备;
针对每个故障事件中的越限设备,基于所针对的越限设备的越限信息,确定越限设备的严重性指标;所述严重性指标,用于指示越限设备产生越限情况的严重程度;
对各所述严重性指标进行排序,并基于排序后的严重性指标,确定所述故障事件中越限严重程度达到严重性指标阈值的目标越限设备。
8.一种基于图模型的电网数据分析装置,其特征在于,所述装置包括:
第一确定模块,用于基于目标电网的电网数据,确定所述目标电网的母线支路图模型;
获取模块,用于获取所述目标电网所关联的至少一个故障事件;所述故障事件由至少一个电网设备发生故障产生;
第二确定模块,用于基于所述母线支路图模型,确定与各故障事件分别对应的子母线支路图模型;所述子母线支路图模型中与发生故障的电网设备相关的节点处于断开状态;
第三确定模块,用于基于各所述子母线支路图模型,确定各故障事件中所述目标电网中电网设备的越限信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311185109.2A CN117220279A (zh) | 2023-09-13 | 2023-09-13 | 基于图模型的电网数据分析方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311185109.2A CN117220279A (zh) | 2023-09-13 | 2023-09-13 | 基于图模型的电网数据分析方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117220279A true CN117220279A (zh) | 2023-12-12 |
Family
ID=89047586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311185109.2A Pending CN117220279A (zh) | 2023-09-13 | 2023-09-13 | 基于图模型的电网数据分析方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117220279A (zh) |
-
2023
- 2023-09-13 CN CN202311185109.2A patent/CN117220279A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969347A (zh) | 一种输电网结构形态评估方法 | |
CN104103019A (zh) | 含分布式电源的配电网运行风险评估方法及评估系统 | |
CN116500385B (zh) | 输电网监测校验方法、装置、设备和介质 | |
CN109586281B (zh) | 基于节点优化编号的配电网可靠性评估方法、装置与介质 | |
CN104408539A (zh) | 一种配电网资源优化配置综合评价方法及系统 | |
CN114446019A (zh) | 告警信息处理方法、装置、设备、存储介质和产品 | |
CN107086565B (zh) | 一种基于聚合理论的预想事故自动选择方法 | |
CN109888847B (zh) | 多馈入交直流混联电网的优化运行方法、装置及系统 | |
CN116109440A (zh) | 基于图搜索的停电检修方式调整方案自动生成方法及装置 | |
CN117220279A (zh) | 基于图模型的电网数据分析方法、装置、设备和存储介质 | |
CN106022590B (zh) | 有源配电网的电压质量评估方法和装置 | |
CN115907163A (zh) | 电力系统运行状态预测方法、装置和计算机设备 | |
CN114186858A (zh) | 一种配电网储能规划节点重要度评估方法及系统 | |
CN114996635A (zh) | 一种配电网参数确定方法、装置、设备及存储介质 | |
Mahdavi et al. | Evaluation of GA performance in TNEP considering voltage level, network losses and number of bundle lines | |
CN113917908A (zh) | 一种负载转移影响效应的智能电网脆弱性分析方法及装置 | |
CN113589079A (zh) | 配电网自愈系统的测试方法、电子设备及存储介质 | |
CN103258114A (zh) | 一种基于多中心性测度的最小断点集脆弱性分析方法 | |
CN112016833B (zh) | 电力网络的线损获取方法、装置、计算机设备和介质 | |
Ibrahim et al. | DNN-based contingency screening module for voltage stability analysis | |
Nasiruzzaman et al. | Resiliency analysis of large-scale renewable enriched power grid: A network percolation-based approach | |
CN116316616B (zh) | 配电网的故障处理方案确定方法、装置和计算机设备 | |
CN116976060B (zh) | 分布式新能源集群-负荷-网络动态重构的灵活组网方法 | |
CN113887005B (zh) | 一种交直流电力系统仿真建模方法、装置 | |
CN109492933B (zh) | 基于scada系统的电网模型划分方法及装置 |
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 |