[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115224684A - 基于免疫危险理论的智能配电网风险状态辨识方法及系统 - Google Patents

基于免疫危险理论的智能配电网风险状态辨识方法及系统 Download PDF

Info

Publication number
CN115224684A
CN115224684A CN202110408365.8A CN202110408365A CN115224684A CN 115224684 A CN115224684 A CN 115224684A CN 202110408365 A CN202110408365 A CN 202110408365A CN 115224684 A CN115224684 A CN 115224684A
Authority
CN
China
Prior art keywords
risk
equipment
fault
distribution network
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.)
Pending
Application number
CN202110408365.8A
Other languages
English (en)
Inventor
鲍薇
李钰洋
燕跃豪
辛忠良
赵乔
王增平
李玉倩
周嘉轩
苏迪
景中炤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Henan Electric Power Co Zhengzhou Power Supply Co
State Grid Corp of China SGCC
North China Electric Power University
Original Assignee
State Grid Henan Electric Power Co Zhengzhou Power Supply Co
State Grid Corp of China SGCC
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Henan Electric Power Co Zhengzhou Power Supply Co, State Grid Corp of China SGCC, North China Electric Power University filed Critical State Grid Henan Electric Power Co Zhengzhou Power Supply Co
Priority to CN202110408365.8A priority Critical patent/CN115224684A/zh
Publication of CN115224684A publication Critical patent/CN115224684A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/001Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于免疫危险理论的智能配电网风险状态辨识方法及系统,基于免疫危险理论定义了风险评估中的危险信号与抗原识别信号,建立配电网风险状态辨识机制,从设备的故障概率与故障后果严重程度两个角度出发,选取风险指标并进行量化方案设计,综合评价配电网的实时运行风险程度;本发明通过对故障概率与故障后果的综合计算,评价配电网的实时风险情况,所提风险状态辨识方法既可用于配电网的在线安全监测,指导风险状态下的防控重构策略,也可以根据信息物理平台存储的历史数据,离线计算系统安全可靠的运行方式,配合调整配电网的短期运行规划。

Description

基于免疫危险理论的智能配电网风险状态辨识方法及系统
技术领域:
本发明涉及配电网自愈控制与电力系统自动化技术领域,特别是涉及一种基于免疫危险理论的智能配电网风险状态辨识方法及系统。
背景技术:
配电系统停电事故存在着状态恶化、风险增加的演变发展过程,采取有针对性的控制措施能够有效降低停电事故发生的概率以及损失。风险评估作为预防控制措施的前提基础,有着重要的研究意义。
配电网风险运行具体表现为当前系统运行方式下故障发生的概率高且造成的后果较为严重。对设备运行状态的评估也是为了获取设备故障概率,便于及时进行维护检修,但是,每次对设备进行维护检修就需要影响系统的供电,影响用户的用电体验,况且,有时设备之间的运行状态是不同的,难免会存在维护检修部分设备时,另外一部分设备出现故障的情况发生,造成维护检修的连续性,增加影响用户用电的程度。
发明内容:
本发明所要解决的技术问题是:克服现有技术的不足,通过配电网风险辨识与评估与免疫学理论中辨识抗原过程有着较高的功能相似性,基于免疫危险理论建立配电网实时运行风险评估体系,从设备的故障概率与故障后果严重程度两个角度出发,选取风险指标并进行量化方案设计,综合评价配电网的实时运行风险程度的基于免疫危险理论的智能配电网风险状态辨识方法。
本发明的技术方案是:一种基于免疫危险理论的智能配电网风险状态辨识方法,其步骤是:
步骤一、依据配电网中设备的信息获取其故障概率,将故障概率超过阈值作为危险信号,并把相应的设备标记成故障设备;
步骤二、获取故障设备的故障后果,并与其故障概率一起作为风险指标,合成得出该设备的风险值,风险值较高的设备认为运行可靠性较低,发出“危险信号”预警;
步骤三、将各个设备的风险值合成得到系统的实时运行风险值,系统的实时运行风险值超出安全阈值时发出“抗原识别信号”;
步骤四、当同时具备危险信号与抗原识别信号时,配电网的风险防控功能开启,进行报警的同时,生成预防控制策略。
进一步的,所述步骤一中,故障概率包括历史记录影响下的故障概率值、设备电气量越限影响下故障概率值和恶劣天气影响下的故障概率值;
其中,历史记录影响下的故障概率值的获得方式为:收集配网设备的每个部件在维护过程中的历次缺陷和故障情况,根据缺陷检修情况计算部件状态评价得分,合成设备状态评价得分;
设备电气量越限影响下故障概率值的获得方式为:采集配电网潮流数据,计算设备过负荷故障风险值和设备电压越限故障风险值;
恶劣天气影响下的故障概率值的获得方式为:依据供电局提供的故障数据与气象部门的气候资料,得到各个气象因素在不同气象等级下的故障率。
进一步的,所述步骤二中,故障后果包括根据用户停电造成的经济损失计算的负荷失电损失率和根据电力用户负荷等级的权重系数计算的用电户数损失率。
进一步的,所述步骤三中,利用乘积的形式对故障概率与故障后果进行数值上的合成,得到系统的实时运行风险值。
一种基于免疫危险理论的智能配电网风险状态辨识系统,其特征是:包括风险状态辨识模块:通过构建基于免疫危险理论的配电网风险状态辨识机制,将风险分为“危险信号”与“抗原识别信号”,并在二者协同刺激作用下,综合判断配网风险运行的严重程度;
设备运行可靠性诊断模块:量化配电网设备的风险运行状态,获得设备故障概率,将设备故障概率超过阈值作为危险信号;
设备故障后果评估模块:根据设备故障后,从负荷失电损失率与用电户数损失率两个条件,量化分析设备的故障后果及严重程度;
配电网整体风险值计算模块:以设备为基本单元,由故障概率与故障后果合成设备的风险值,风险值较高的设备发出“危险信号”预警;将各个设备的风险值合成得到系统的实时运行风险值,系统的实时运行风险值超出安全阈值时发出“抗原识别信号”。
进一步的,所述量化配电网设备的风险运行状态,为设备在历史记录影响下的故障概率值、设备电气量越限影响下故障概率值和恶劣天气影响下的故障概率值。
进一步的,根据用户停电造成的经济损失,计算负荷失电损失率,根据电力用户负荷等级的权重系数,计算用电户数损失率。
进一步的,所述利用乘积的形式对故障概率与故障后果进行数值上的合成,得到系统的实时运行风险值。
本发明的有益效果是:
本发明基于免疫危险理论,建立配电网风险状态辨识机制,将风险分为“危险信号”与“抗原识别信号”,在二者协同刺激作用下,综合评价配电网的实时运行风险程度。其中“危险信号”指风险扰动下设备的故障概率风险值,包括历史记录、运行工况、恶劣天气(台风、冰灾)以及施工影响四个方面。“抗原识别信号”在前者基础上加入了设备故障后果严重程度评估,包括负荷失电的经济损失与户数损失两方面,通过对故障概率与故障后果的综合考虑,评价配电网的实时风险情况,所提风险防控系统既可用于配电网的在线安全监测,指导风险状态下的防控重构策略,也可以作为离线计算平台,根据信息物理平台存储的历史数据以及施工计划等影响,离线计算系统安全可靠的运行方式,配合调整配电网的短期运行规划。
附图说明:
图1为配电网风险状态辨识机制示意图。
图2为IEEE 33节点配电网模型。
具体实施方式:
实施例:参见图1和图2。
基于免疫危险理论的智能配电网风险状态辨识方法及系统,基于免疫危险理论定义了风险评估中的危险信号与抗原识别信号,建立配电网风险状态辨识机制,从设备的故障概率与故障后果严重程度两个角度出发,选取风险指标并进行量化方案设计,综合评价配电网的实时运行风险程度。本发明通过对故障概率与故障后果的综合计算,评价配电网的实时风险情况,所提风险状态辨识方法既可用于配电网的在线安全监测,指导风险状态下的防控重构策略,也可以根据信息物理平台存储的历史数据,离线计算系统安全可靠的运行方式,配合调整配电网的短期运行规划。
下面结合附图和实施例对本申请进行详细描述。
基于免疫危险理论的智能配电网风险状态辨识系统,包括风险状态辨识模块:通过构建基于免疫危险理论的配电网风险状态辨识机制,将风险分为“危险信号”与“抗原识别信号”,并在二者协同刺激作用下,综合判断配网风险运行的严重程度;
设备运行可靠性诊断模块:量化配电网设备的风险运行状态,获得设备故障概率,将设备故障概率超过阈值作为危险信号;
设备故障后果评估模块:根据设备故障后,从负荷失电损失率与用电户数损失率两个条件,量化分析设备的故障后果及严重程度;
配电网整体风险值计算模块:以设备为基本单元,由故障概率与故障后果合成设备的风险值,风险值较高的设备发出“危险信号”预警;将各个设备的风险值合成得到系统的实时运行风险值,系统的实时运行风险值超出安全阈值时发出“抗原识别信号”。
其各模块之间相互配合,对智能配电网风险状态辨识的方法如下:
首先,借鉴免疫危险理论,将配电网中的主要设备看作机体细胞,将配电网在风险评估过程中设备所发出的信号分为两种,分别是危险信号(sig1)与抗原识别信号(sig2)。
其中,危险信号(sig1):基于配电信息物理平台的智能传感器,对系统中n个监测点进行实时的运行态势反馈,当配电网免疫系统的主要设备(机体细胞)反应为运行可靠性下降时,认为发出设备发出危险信号。在分析过程中,首先提取出n个监测点的风险源数据并形成集合X={x1,x2,...,xn}。利用风险评估体系,处理风险源数据,得到设备可靠性的函数映射Y={f(x1),f(x2),...,f(xn)}。
危险信号的定义:
Figure BDA0003023197340000051
其中,抗原识别信号(sig2):配电免疫系统中的细胞受损程度并不能代表系统的整体风险,故结合设备在网络拓扑层次中的位置作为设备的故障后果严重程度,进而得出系统整体的风险值。当系统整体风险值超出风险阈值时认为抗原对配电网免疫系统存在着大规模的事故失电风险,发出抗原识别信号。
抗原识别信号的定义:
Figure BDA0003023197340000061
在配电网免疫系统中应用危险理论以协调个体受损程度与系统整体风险值的关系。免疫应答的开启要求危险信号与抗原识别信号同时存在,当个别设备发出危险信号,而系统并未发出抗原识别信号时,配电网的防控措施不会开启,故配电网系统有着一定的免疫耐受能力,避免频繁开启防控策略,降低系统的运行经济性;对于设备可靠性较低且故障造成的后果较为严重的情况,系统风险值将超出所设定的安全阈值,发出抗原识别信号。抗原识别信号与危险信号的协调配合可及时开启配电网的风险防控策略,降低事故风险。
步骤一、依据配电网中设备的信息获取其故障概率,将故障概率超过阈值作为危险信号,并把相应的设备标记成故障设备;故障概率包括历史记录影响下的故障概率值、设备电气量越限影响下故障概率值和恶劣天气影响下的故障概率值。
其中,历史记录影响下的故障概率值的获得方式为:收集配网设备的每个部件在维护过程中的历次缺陷和故障情况,根据缺陷检修情况计算部件状态评价得分,合成设备状态评价得分。
具体的为:配网设备在维护过程会积累运行信息,包括历次缺陷、故障情况,历史缺陷记录有对应的缺陷等级Ltest或者修复等级Mtest。参考国家电网公司《Q/GDW 645-2011-配网设备状态评价导则》,对于设备的单个部件,设置故障/缺陷等级及相应的扣分值SD,修复等级及相应的修复系数FD
缺陷发现后,还未进行检修或者消缺,各部件状态评价得分的计算公式:
Si=(100-SD)×Kn (3)
检修或消缺后,各部件状态评价得分的计算公式:
Si=(100-SD×FD)×Kn (4)
式中,K为缺陷系数,表示发生故障或产生缺陷后设备状态的劣化程度,一般取0.95;n为同一设备同一部件发生同一类型故障或缺陷的次数。当设备更换为全新时,则重新进行记录评估。
对于设备而言,若存在某部件的健康状态得分小于85分,则设备总得分以该部件得分为准;否则设备总得分按照现有状态评价导则规定的各部件权重将部件得分加权获得。设备状态评价分值S的计算公式:
Figure BDA0003023197340000071
根据历史记录对设备状态进行评分,已投运的设备由于历史记录影响下的可靠性诊断公式:
Figure BDA0003023197340000072
设备电气量越限影响下故障概率值的获得方式为:采集配电网潮流数据,计算设备过负荷故障风险值和设备电压越限故障风险值。
具体的为:定义设备过负荷故障风险值Pe,I表征过负荷引发的设备故障概率。当设备电流小于或者等于额定电流的某一比例a时(可根据评估目标设定,通常取a=0.8),其引起设备故障的概率为0;随着流过设备电流的增加,设备故障的概率增大,且增加速率变快。设备过负荷故障风险值Pe,I计算公式:
Figure BDA0003023197340000073
式中,λI为电流越限风险概率系数,L是流过设备的电流占其额定电流的比例。
定义设备电压越限故障风险值Pe,V表征电压越线引发的设备故障概率。设定当电压为1.0p.u.时,严重度函数取值为0;随着电压越限值的增加,节点电压越限风险严重度也增加。设备电压越限故障风险值Pe,V计算公式:
Pe,V=λV(e|1-V|-1) (8)
式中,λV为电压越限风险概率系数,V为节点电压幅值。
假设功率越限、电压越线导致故障的概率相互独立,则已投运的设备由于运行工况影响下的可靠性诊断公式:
Pe=1-(1-Pe,I)(1-Pe,V) (9)。
恶劣天气影响下的故障概率值的获得方式为:依据供电局提供的故障数据与气象部门的气候资料,得到各个气象因素在不同气象等级下的故障率。
具体的为:考虑引起线路故障的八种气象因素(雷电、覆冰、降雨、风、台风、冰雹、雪、气温),建立单气象因素在不同气象等级下的故障率模型:
Figure BDA0003023197340000081
式中:
Figure BDA0003023197340000082
为第i种气象因素在气象等级xi下线路的故障率,是气象参数等级xi的函数;
Figure BDA0003023197340000083
为第i种气象因素在气象等级xi下线路发生故障的次数;
Figure BDA0003023197340000084
为第i种气象因素下出现气象等级xi的总次数,n=8。
恶劣天气带来的风险值
Figure BDA0003023197340000085
步骤二、获取故障设备的故障后果,并与其故障概率一起作为风险指标,合成得出该设备的风险值,风险值较高的设备认为运行可靠性较低,发出“危险信号”预警。
其中,故障后果包括根据用户停电造成的经济损失计算的负荷失电损失率和根据电力用户负荷等级的权重系数计算的用电户数损失率。
具体的为:负荷失电损失率:表征停运设备所在的馈线下游负荷损失所占比例。考虑到故障停电给不同电力用户所带来的经济损失不同,引入用户停电造成的经济损失,定义负荷失电损失率为:
Figure BDA0003023197340000091
式中,RF为设备故障后造成的负荷损失率;Si为该设备下游第i个负荷容量;ci为下游第i个用户停电经济损失;M为下游负荷总数;Sj为配电系统中第j个负荷容量;cj为系统中第j个用户停电经济损失;N为配电系统的负荷总个数。
具体的为:用电户数损失率:表征设备故障所造成的用电户数损失和相应负荷等级权重。引入电力用户负荷等级的权重系数,定义用电户数损失率RU:
Figure BDA0003023197340000092
式中,γi为第i个由于设备退运导致失电的用户权重系数;γj为设备所在馈线段第j个用户负荷权重系数;M为下游负荷总数;N为设备所在馈线上的负荷总个数。
具体的:设备的风险值:设备故障概率指标主要分为运行工况、历史记录、恶劣天气。假定导致设备故障的四种风险因素彼此独立,可得设备运行综合风险值的计算公式:
PF,i=1-(1-Ph,i)(1-Pe,i)(1-Pw,i) (13)
式中,PF,i为设备i的故障概率风险值;Ph,i为历史记录影响下的故障概率值;Pe,i为设备电气量越限影响下故障概率值;Pw,i为恶劣天气影响下的故障概率值。
设备故障后果影响指标有负荷损失率、故障后用电户数损失率,加权得到设备的故障后果风险值:
CF,i=β1RF,i2RU,i (14)
式中,CF,i为设备i的故障后果风险值;RF,i为设备i的负荷失电损失率;RU,i为设备i故障后的用电户数损失率;β为指标的权重,可利用层次分析法赋权。
评估设备运行可靠性及其故障后果影响,将二者的乘积定义为该设备的整体风险值。当设备运行可靠性较低且故障后果较为严重时,设备的风险值将会有显著的增加,计算公式如下:
VARi=PF,i×CF,i (15)
式中,VARi为配电设备i的风险值;PF,i为设备i的故障概率风险值;CF,i为设备i的故障后果风险值。
步骤三、将各个设备的风险值合成得到系统的实时运行风险值,系统的实时运行风险值超出安全阈值时发出“抗原识别信号”。
具体的:综合配电网系统中所有的配电设备风险情况,得出配电系统的实时运行风险值:
Figure BDA0003023197340000101
式中,VAR为配电系统实时运行风险值;Q为系统中设备的总数。
步骤四、当同时具备危险信号与抗原识别信号时,配电网的风险防控功能开启,进行报警的同时,生成预防控制策略。
下面结合附图对本申请进行验证。
下面结合附图2所示的IEEE 33节点配电网模型,对本发明做实例说明。系统有37条支路,5个联络开关,33个负荷节点,并将负荷划分为居民区、商业区、工业区、农业区四种类型。根据气象预报中心的预警信息,该城市即将迎来台风天气,并且影响图中工业区的设备。
将IEEE 33节点模型的设备危险信号安全阈值设置为0.1,系统的抗原识别信号安全阈值设置为1(即1/3左右的设备处于风险运行状态)。量化分析仿真模型中各个设备的运行可靠性以及故障后果影响程度,得出当前系统的风险值为1.391。表1列出了典型设备的风险数据。
表1典型设备的风险计算结果
Figure BDA0003023197340000111
Figure BDA0003023197340000121
分析以上风险量化数据,可得如下结果:
(1)受恶劣天气(台风)的影响,设备9-17的运行可靠性有着明显的下降,此外这些设备处于工业区,所带的负荷一旦失电引发的经济性损失较高,故障后果严重。由于低可靠性设备所带重要负荷较多,导致这些设备的实时风险值超出安全阈值,发出危险信号。
(2)在当前运行方式下,设备27-31的电气量越限较为明显,但由于设备本身无不良历史记录,即物理状态良好,故认为设备对电气量越限运行工况有着一定的耐受能力,设备风险值并未超出危险信号安全阈值,没有发出危险信号。
(3)通过综合计算系统中所有设备的风险运行情况,得出系统的风险值为1.391,超出所设定的抗原识别信号的安全阈值,系统发出抗原识别信号,等待风险防控策略开启。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。

Claims (8)

1.一种基于免疫危险理论的智能配电网风险状态辨识方法,其步骤是:
步骤一、依据配电网中设备的信息获取其故障概率,将故障概率超过阈值作为危险信号,并把相应的设备标记成故障设备;
步骤二、获取故障设备的故障后果,并与其故障概率一起作为风险指标,合成得出该设备的风险值,风险值超过阈值的设备认为运行可靠性较低,发出“危险信号”预警;
步骤三、将各个设备的风险值合成得到系统的实时运行风险值,系统的实时运行风险值超出安全阈值时发出“抗原识别信号”;
步骤四、当同时具备危险信号与抗原识别信号时,配电网的风险防控功能开启,进行报警的同时,生成预防控制策略。
2.根据权利要求1所述的基于免疫危险理论的智能配电网风险状态辨识方法,其特征是:所述步骤一中,故障概率包括历史记录影响下的故障概率值、设备电气量越限影响下故障概率值和恶劣天气影响下的故障概率值;
其中,历史记录影响下的故障概率值的获得方式为:收集配网设备的每个部件在维护过程中的历次缺陷和故障情况,根据缺陷检修情况计算部件状态评价得分,合成设备状态评价得分;
设备电气量越限影响下故障概率值的获得方式为:采集配电网潮流数据,计算设备过负荷故障风险值和设备电压越限故障风险值;
恶劣天气影响下的故障概率值的获得方式为:依据供电局提供的故障数据与气象部门的气候资料,得到各个气象因素在不同气象等级下的故障率。
3.根据权利要求1所述的基于免疫危险理论的智能配电网风险状态辨识方法,其特征是:所述步骤二中,故障后果包括根据用户停电造成的经济损失计算的负荷失电损失率和根据电力用户负荷等级的权重系数计算的用电户数损失率。
4.根据权利要求1所述的基于免疫危险理论的智能配电网风险状态辨识方法,其特征是:所述步骤三中,利用乘积的形式对故障概率与故障后果进行数值上的合成,得到系统的实时运行风险值。
5.一种基于免疫危险理论的智能配电网风险状态辨识系统,其特征是:包括风险状态辨识模块:通过构建基于免疫危险理论的配电网风险状态辨识机制,将风险分为“危险信号”与“抗原识别信号”,并在二者协同刺激作用下,综合判断配网风险运行的严重程度;
设备运行可靠性诊断模块:量化配电网设备的风险运行状态,获得设备故障概率,将设备故障概率超过阈值作为危险信号;
设备故障后果评估模块:根据设备故障后,从负荷失电损失率与用电户数损失率两个条件,量化分析设备的故障后果及严重程度;
配电网整体风险值计算模块:以设备为基本单元,由故障概率与故障后果合成设备的风险值,风险值较高的设备发出“危险信号”预警;将各个设备的风险值合成得到系统的实时运行风险值,系统的实时运行风险值超出安全阈值时发出“抗原识别信号”。
6.根据权利要求5所述的基于免疫危险理论的智能配电网风险状态辨识系统,其特征是:所述量化配电网设备的风险运行状态,为设备在历史记录影响下的故障概率值、设备电气量越限影响下故障概率值和恶劣天气影响下的故障概率值。
7.根据权利要求5所述的基于免疫危险理论的智能配电网风险状态辨识系统,其特征是:根据用户停电造成的经济损失,计算负荷失电损失率,根据电力用户负荷等级的权重系数,计算用电户数损失率。
8.根据权利要求5所述的基于免疫危险理论的智能配电网风险状态辨识系统,其特征是:所述利用乘积的形式对故障概率与故障后果进行数值上的合成,得到系统的实时运行风险值。
CN202110408365.8A 2021-04-16 2021-04-16 基于免疫危险理论的智能配电网风险状态辨识方法及系统 Pending CN115224684A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110408365.8A CN115224684A (zh) 2021-04-16 2021-04-16 基于免疫危险理论的智能配电网风险状态辨识方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110408365.8A CN115224684A (zh) 2021-04-16 2021-04-16 基于免疫危险理论的智能配电网风险状态辨识方法及系统

Publications (1)

Publication Number Publication Date
CN115224684A true CN115224684A (zh) 2022-10-21

Family

ID=83604691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110408365.8A Pending CN115224684A (zh) 2021-04-16 2021-04-16 基于免疫危险理论的智能配电网风险状态辨识方法及系统

Country Status (1)

Country Link
CN (1) CN115224684A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116805210A (zh) * 2023-08-21 2023-09-26 国网安徽省电力有限公司合肥供电公司 一种基于大数据的电网风险智能识别管控方法
CN118501596A (zh) * 2024-07-11 2024-08-16 南京米特科技股份有限公司 一种基于数据分析的智能用电监测系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116805210A (zh) * 2023-08-21 2023-09-26 国网安徽省电力有限公司合肥供电公司 一种基于大数据的电网风险智能识别管控方法
CN116805210B (zh) * 2023-08-21 2024-01-12 国网安徽省电力有限公司合肥供电公司 一种基于大数据的电网风险智能识别管控方法
CN118501596A (zh) * 2024-07-11 2024-08-16 南京米特科技股份有限公司 一种基于数据分析的智能用电监测系统

Similar Documents

Publication Publication Date Title
CN103617568B (zh) 稳态电能质量预警机制中的异常数据判定阈值设定方法
CN108320043A (zh) 一种基于电力大数据的配电网设备状态诊断预测方法
CN114254818B (zh) 一种基于风险评估模型的低压配电网连锁故障预警方法
CN111523699A (zh) 一种基于综合状态健康度的架空线路故障概率预测方法
CN104318347A (zh) 一种基于多传感器信息融合的输电线路覆冰状态评估方法
CN104657822A (zh) 一种基于风险评估结果的电力系统灾害预警分级方法及系统
CN111582700A (zh) 一种配电网设备故障率计算方法
CN113268590A (zh) 一种基于设备画像和集成学习的电网设备运行状态评估方法
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
CN115224684A (zh) 基于免疫危险理论的智能配电网风险状态辨识方法及系统
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
CN111047169A (zh) 一种电网调度用故障分析检测系统
CN112116276A (zh) 一种计及电气主设备时变状态的变电站运行风险评估方法
CN117614137A (zh) 基于多源数据融合的配电网优化系统
CN116050599A (zh) 一种线路覆冰故障预测方法、系统、存储介质及设备
CN105958474B (zh) 一种电网调控系统用输电线路动态增容方法和系统
CN112001569A (zh) 一种基于多电压等级故障下的电网运行风险分析方法
Li et al. A line-fault cause analysis method for distribution network based on decision-making tree and machine learning
CN115308465A (zh) 基于bp-som组合神经网络的供电安全隐患智能诊断系统及方法
Sun et al. A multi-model-integration-based prediction methodology for the spatiotemporal distribution of vulnerabilities in integrated energy systems under the multi-type, imbalanced, and dependent input data scenarios
CN114282762A (zh) 一种配电网风险感知方法、系统、电子设备及存储介质
CN112016739A (zh) 故障检测方法、装置、电子设备及存储介质
CN116739409A (zh) 一种配电站房整体健康状态评价方法
CN116308299A (zh) 一种站房设备风险评估方法及装置
CN115877145A (zh) 一种变压器重过载工况大数据交叉评估系统及方法

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