CN108389002B - 一种基于n-1严重故障集的多重故障生成方法 - Google Patents
一种基于n-1严重故障集的多重故障生成方法 Download PDFInfo
- Publication number
- CN108389002B CN108389002B CN201810203846.3A CN201810203846A CN108389002B CN 108389002 B CN108389002 B CN 108389002B CN 201810203846 A CN201810203846 A CN 201810203846A CN 108389002 B CN108389002 B CN 108389002B
- Authority
- CN
- China
- Prior art keywords
- fault
- equipment
- serious
- domain
- risk
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000035945 sensitivity Effects 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 16
- 239000011541 reaction mixture Substances 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 9
- 239000011159 matrix material Substances 0.000 abstract description 6
- 230000003068 static effect Effects 0.000 abstract description 6
- 230000000737 periodic effect Effects 0.000 abstract description 3
- 238000003012 network analysis Methods 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种适用于静态安全分析的基于N‑1严重故障集的多重故障生成方法。方法综合D5000综合智能告警平台，对于正常气候下的开断故障，构建多元指标评价体系，从开断故障严重程度和故障概率两个角度，设定N‑1严重故障门槛，形成N‑1严重故障集；并将恶劣气候条件下的高发故障设备补入N‑1严重故障集。本发明基于潮流灵敏度矩阵，计算故障开断分布因子，进而确定N‑1严重故障的故障影响域；再对开断潮流进行快速估算，根据交集支路重载越限情况，确定故障设备是否收入N‑2故障集。本发明着重对严重开断故障生成相应的N‑2多重故障组合，大大减少了N‑2故障组合数目，使周期N‑2扫描更具针对性，有效提高了扫描效率。
Description
技术领域
本发明设计电力***自动化调度技术领域，特别是一种基于N-1严重故障集的多重故障生成方法。
背景技术
静态安全分析按照《电力***安全稳定导则》将预想事故的发生模拟为潮流计算中事故设备N-1开断，通过潮流计算技术提供***支路、母线等设备在开断故障下的越限程度，为保障电力***稳态运行安全提供分析计算依据，其着眼点不在于实时处理电力***事故，而是在于预防事故，是电网调度自动化常规应用模块。近年来，国内外发生的由连锁故障引起的大停电事故使现场调度运行不再满足于常规N-1开断和基于人工经验维护的多重故障开断，提出了面向全网设备的N-2故障自动扫描需求。
对于大规模电网来讲，N-2组合故障数目相较于N-1故障大幅度增长，计算量显著增加，计算速度成为制约N-2在线周期扫描的瓶颈，即使采用并行技术，其增加的计算耗时也是非常可观的。因此，如何在N-1扫描的基础上进一步生成N-2故障，针对用户真正关注且对电网运行安全存在一定隐患的N-2组合故障是大大减少N-2故障的有效手段。
现有的智能电网调控***的告警***，如D5000综合智能告警平台，可实现对电力***的稳态监控、WAMS、故障录波、保护、告警直传，并能够输出以下信息：
1、设备故障信息：发电机、变压器、母线、线路、断路器、换流器等设备跳闸；
2、***故障或异常信息：低频振荡、非全相运行、潮流越限、频率越限、电流越限、相角差越限；
3、预警信息：静态安全分析、暂态稳定、电压稳定、辅助决策、短路电流计算、小干扰稳定、静态稳定；
4、计划信息：发供电计划偏差；
5、气象信息：雷电、山火告警；
6、其他信息。
发明内容
本发明的目的是提供一种基于N-1严重故障集的多重故障生成方法，通过忽略影响较小的N-2故障组合，减少N-2故障组合数据，使得周期N-2扫描更具针对性，并有效提高故障扫描效率。
本发明采取的技术方案为：一种基于N-1严重故障集的多重故障生成方法，包括：
S1，获取当前气象信息数据以及历史故障告警数据；
S2，对当前全网设备(包括支路设备)进行N-1故障扫描，得到N-1故障集，然后根据当前气象状态，筛选出N-1故障集中的严重故障，生成N-1严重故障集；
S3，对于全网设备，分别计算支路开断分布因子；
S4，设定灵敏度门槛值，根据开断分布因子与灵敏度门槛值的比较结果，确定各设备的开断故障影响域；
S5，遍历N-1严重故障集，对于其中的各故障对应的设备A，若其开断故障影响域中的任一设备B属于N-1严重故障集，则将设备A和设备B同时收入N-2故障集；否则计算设备A于设备B的开断故障影响域交集，根据交集中是否存在任一设备潮流越限，确定是否将设备A和设备B收入N-2故障集；
S6，输出全网N-2故障集。
优选的，S1获取的历史故障告警数据包括设备事故跳闸发生时间、故障原因、故障设备信息、及相应时刻的气象信息等。
S1中，气象信息数据通过接入气象数据平台获取，历史故障告警数据从综合智能告警平台获取，如现有的D5000综合智能告警平台。
优选的，S2包括步骤：
S21，对当前全网设备进行N-1故障扫描，得到N-1故障集，以及N-1故障集中各设备故障时的潮流信息数据；
S22，根据开断故障严重程度和历史故障发生概率对N-1故障集中的各设备进行故障风险评估；并设定故障风险门槛值，将故障风险评估结果大于故障风险门槛值的N-1故障定义为N-1严重故障，形成N-1严重故障集；
S23，根据S1获取的当前气象信息数据，判断当前气象状态为正常气候还是恶劣气候：正常气候下，S23得到的N-1严重故障集即为最终N-1严重故障集；恶劣气候下，转至步骤S24；
S24，恶劣气候下，从S1获取的历史故障告警数据中选取恶劣气候下的历史故障告警数据，计算各设备故障在恶劣气候下的平均故障概率，并设定平均故障概率门槛值，若某设备的平均故障概率大于平均故障概率门槛值，则将该设备故障作为恶劣气候下的高发故障，补入N-1严重故障集，形成最终的N-1严重故障集。
在电力***分析时，正常气候与恶劣气候的区分为现有技术，正常气候即无雨雪雷电、无大风、无超高温和极寒天气的气象状态。由于部分严重开断故障仅容易在恶劣气候下发生，因此若将所有开断故障不分气候条件进行风险评估，无疑这些严重故障的总体发生概率会较仅恶劣气候条件下的发生概率大大降低，进一步的就会使得恶劣气候下的实际严重故障被淹没忽略。本发明考虑了气候的因素对开断故障进行综合风险量化评估，使得N-1严重故障的结果更加准确全面。
进一步的，步骤S22中，定义Serv_i为设备i的开断故障严重程度，Fault_i为设备i开断故障的历史故障概率，则设备i开断故障的量化综合风险Risk_i为：
式(1)中，Servsplit为设备开断故障发生时的***解列状态数据，为0/1值，ServV为母线电压越限率、Servload负荷失电量，Servbch为设备越限率，w1、w2、w3、w4分别为***解裂、母线电压越限、负荷失电和设备越限的权重因子，且w1+w2+w3+w4＝1；P为开断故障的历史故障概率。Servsplit、ServV、Servload和Servbch可根据N-1扫描得到的数据利用现有技术进一步计算得到。
设定故障风险门槛值为λrisk，对于开断故障i，若量化综合风险满足以下条件，则该开断故障i收入N-1严重故障集：
Risk_i＞λrisk (2)。
现有的故障智能告警平台能够输出的历史故障告警数据，是包含了各故障发生时的气象状态数据的。因此，优选的，本发明S24中，以设备开断故障的相应时刻是否伴随恶劣气候为判定依据，将相应设备开断故障归类为相应恶劣气候的统计集合中，筛选出符合各种恶劣气候的高发故障设备，对已生成的N-1严重故障集进行补充，避免恶劣气候下事故高发设备被淹没。恶劣气候可分为多种，如雷电气候、降雨气候、降雪气候、超高温气候、极寒气候等。
优选的，S24中，定义某种恶劣气候下某地区元件设备i平均故障概率为
可通过下式计算得到：
式(3)中，
为相应恶劣气候下某地区设备i的故障发生次数，n为相应恶劣气候下该地区发生过故障的设备总数；
设定平均故障概率门槛值λweather，满足以下条件，即可将相应的设备列为重点考察对象即恶劣气候下的高发故障设备，补入N-1严重故障集：
优选的，S3中，基于潮流灵敏度矩阵，计算支路开断分布因子。具体计算过程内容详见《高等电力网络分析》中8.3.3节，为现有技术。
优选的，S4中，设定灵敏度门槛值为λdomain；
对于N-1严重故障集中的任一设备A∈Sserious，若存在一设备B，且设备A对设备B的支路开断分布因子DBA＞λdomain，则设备B属于设备A的开断故障影响域，即B∈Domain_A。
开断分布因子DBA表示为故障支路A开断对支路B的潮流影响。DBA＞λdomain，认为支路B受支路A开断影响较大，潮流转移增大，最容易发生越限情况，故确定B∈Domain_A；反之，DBA＜λdomain，则认为故障支路设备A开断对支路B的影响可以忽略，则支路B不归属于支路设备A的影响域，但该值仍参与后续的潮流估算。
优选的，S5中，若设备A的故障影响域中的设备B不属于N-1严重故障集，则对设备A和设备B计算故障影响域的交集Domain_A∩Domain_B；
遍历设备A和设备B故障影响域交集中的各设备，对于交集中的任一设备C∈Domain_A∩Domain_B，进行潮流计算，包括：
S51，按照设备A与设备B同时发生开断故障，则设备C的潮流估算值
为：
式(5)中，
分别为设备A、B、C的初始潮流，DCA为设备A开断故障对设备C的开断分布因子，DCB为设备B开断故障对设备C的开断分布因子；
若设备C的潮流估算值
越限，则将支路设备A和支路B收入N-2故障集；否则转入S52；
S52，按照设备A与设备B相继发生开断故障，则设备C的潮流估算值
为：
式(6)中，
项反应了设备A、B发生连锁故障对设备C的潮流转移影响；
若设备C的潮流估算值
越限，则将设备A和设备B收入N-2故障集；否则设备A和设备B不属于N-2故障集。
有益效果
与现有技术相比，本发明具有以下优点和进步：
1)特别考虑了气候因素，有针对性的兼顾了恶劣气候(雷电、台风、暴风雪等)下历史高发故障设备的N-2组合故障，使得N-2故障集涵盖的N-2故障更加全面准确，为调度员在恶劣气候下对全网N-1、N-2开断故障的应急准备提供依据；
2)多元指标评价体系，相较于目前D5000***静态安全分析单项越限评价指标更加全面，并且能够有效利用综合智能告警平台如D5000的历史运行数据，对N-1开断风险评估更具指导意义；
3)针对N-1严重故障集，结合基于开断灵敏度确定的故障影响域，考虑同时故障和相继故障两种开断类型，能够大幅度减小非严重故障带来的N-2故障组合，有效提高N-2组合严重故障集扫描效率。
附图说明
图1所示为本发明方法的一种具体实施例流程示意图。
具体实施方式
以下结合附图和具体实施例进一步描述。
本发明基于N-1严重故障集的多重故障生成方法，包括：
S1，获取当前气象信息数据以及历史故障告警数据；
S2，对当前全网设备进行N-1故障扫描，得到N-1故障集，然后根据S1获取的数据，筛选出N-1故障集中的严重故障，生成N-1严重故障集；
S3，对于全网设备，分别计算支路开断分布因子；
S4，设定灵敏度门槛值，根据开断分布因子与灵敏度门槛值的比较结果，确定各设备的开断故障影响域；
S5，遍历N-1严重故障集，对于其中的各故障对应的设备A，若其开断故障影响域中的任一设备B属于N-1严重故障集，则将设备A和设备B同时收入N-2故障集；否则计算设备A于设备B的开断故障影响域交集，根据交集中是否存在任一设备潮流越限，确定是否将设备A和设备B收入N-2故障集；
S6，输出全网N-2故障集。
实施例1
S1中，当前气象信息数据通过接入气象数据平台获取，历史故障告警数据从综合智能告警平台获取，如现有的D5000综合智能告警平台。S1获取的历史故障告警数据包括设备事故跳闸发生时间、故障原因、故障设备信息、及相应时刻的气象信息等。
S2包括步骤：
S21，对当前全网设备进行N-1故障扫描，得到N-1故障集，以及N-1故障集中各设备故障时的潮流信息数据；
S22，根据开断故障严重程度和历史故障发生概率对N-1故障集中的各设备进行故障风险评估；并设定故障风险门槛值，将故障风险评估结果大于故障风险门槛值的N-1故障定义为N-1严重故障，形成N-1严重故障集；
S23，根据S1获取的当前气象信息数据，判断当前气象状态为正常气候还是恶劣气候：正常气候下，S23得到的N-1严重故障集即为最终N-1严重故障集；恶劣气候下，转至步骤S24；
S24，恶劣气候下，从S1获取的历史故障告警数据中选取恶劣气候下的历史故障告警数据，计算各设备故障在恶劣气候下的平均故障概率，并设定平均故障概率门槛值，若某设备的平均故障概率大于平均故障概率门槛值，则将该设备故障作为恶劣气候下的高发故障，补入N-1严重故障集，形成最终的N-1严重故障集。
在电力***分析时，正常气候与恶劣气候的区分为现有技术，正常气候即无雨雪雷电、无大风、无超高温和极寒天气的气象状态。由于部分N-1开断故障仅容易在恶劣气候下发生，因此若将所有开断故障不分气候条件进行风险评估，无疑这些故障的总体发生概率会较仅恶劣气候条件下的发生概率大大降低，进一步的就会使得恶劣气候下的实际严重故障被忽略。本发明考虑了气候的因素对开断故障进行综合风险量化评估，使得N-1严重故障的结果更加准确全面。
进一步的，步骤S22中，定义Serv_i为设备i的开断故障严重程度，Fault_i为设备i开断故障的历史故障概率，则设备i开断故障的量化综合风险Risk_i为：
式(1)中，Servsplit为设备开断故障发生时的***解列状态数据，为0/1值，ServV为母线电压越限率、Servload负荷失电量，Servbch为设备越限率，w1、w2、w3、w4分别为***解裂、母线电压越限、负荷失电和设备越限的权重因子，且w1+w2+w3+w4＝1；P为开断故障的历史故障概率。
设定故障风险门槛值为λrisk，对于开断故障i，若量化综合风险满足以下条件，则该开断故障i收入N-1严重故障集：
Risk_i＞λrisk (2)。
S25中，基于恶劣气候下的历史故障告警数据，以开断故障及其相应时刻是否伴随恶劣气候为判定依据，将相应开断事故归类为相应恶劣气候条件的统计集合中，筛选出符合各种恶劣气候条件的高发故障设备，对正常气候下生成的N-1严重故障集进行补充。
S3中，基于潮流灵敏度矩阵的计算各N-1严重故障集中各开断故障的支路开断分布因子。具体计算过程内容详见《高等电力网络分析》中8.3.3节，为现有技术。
S4中，设定灵敏度门槛值为λdomain，对于N-1严重故障集中的任一开断故障对应的支路设备A∈Sserious，若存在支路B，且支路设备A对支路B的支路开断分布因子DBA＞λdomain，则支路B属于支路设备A的故障影响域Domain_A，也即相应开断故障的开断故障影响域。
开断分布因子DBA表示为故障支路A开断对支路B的潮流影响。DBA＞λdomain，认为支路B受支路A开断影响较大，潮流转移增大，最容易发生越限情况，故确定B∈Domain_A；反之，DBA＜λdomain，则认为故障支路设备A开断对支路B的影响可以忽略，则支路B不归属于支路设备A的影响域，但该值仍参与后续的潮流估算。
S5中，若设备A的故障影响域中的设备B不属于N-1严重故障集，则对设备A和设备B计算故障影响域的交集Domain_A∩Domain_B；
遍历设备A和设备B故障影响域交集中的各设备，对于交集中的任一设备C∈Domain_A∩Domain_B，进行潮流计算，包括：
S51，按照设备A与设备B同时发生开断故障，则设备C的潮流估算值
为：
式(5)中，
分别为设备A、B、C的初始潮流，DCA为设备A开断故障对设备C的开断分布因子，DCB为设备B开断故障对设备C的开断分布因子；
若设备C的潮流估算值
越限，则将支路设备A和支路B收入N-2故障集；否则转入S52；
S52，按照设备A与设备B相继发生开断故障，则设备C的潮流估算值
为：
式(6)中，
项反应了设备A、B发生连锁故障对设备C的潮流转移影响；
若交集设备C的潮流估算值
越限，则将设备A和设备B收入N-2故障集；否则设备A和设备B不属于N-2故障集。
实施例2
如图1所示，本发明的目的在于提出一种适用于静态安全分析的N-2组合故障快速生成方法。构建多元指标评价体系，基于D5000综合智能告警平台历史数据，从开断故障严重程度和故障概率两个角度，对N-1预想故障进行风险评估，设定N-1风险门槛，形成N-1严重故障集；根据第三方预报气象数据，将预报气象条件下的高发故障设备作为重点关注对象，对N-1严重故障集进行补充；基于潮流矩阵信息，计算支路开断灵敏度，设定筛选门槛，对N-1严重故障集中设备生成故障影响域；基于严重故障集设备的故障影响域，从同时故障和相继故障两个层面，对开断潮流进行快速估算，根据交集支路重载越限情况，确定是否生产N-2故障集。
上述的一种基于N-1严重故障集的多重故障快速生成方法，其特征在于，包括以下步骤：
1)从气象数据平台获取当前气象信息数据，从综合智能告警平台获取历史故障数据，
2)考虑当前气候条件，形成正常气候下的N-1严重故障集，或者包含正常气候下的严重故障和恶劣气候下高发故障的N-1严重故障集；
3)基于潮流灵敏度矩阵信息，对全网设备计算支路开断分布因子；
4)设定灵敏度门槛，根据开断分布因子，确定每个设备或支路的开断故障影响域；
5)遍历N-1严重故障集，对各开断故障的故障影响域中的设备，按照N-1故障设备本身是否属于严重故障集，以及N-1故障设备与其故障影响域中设备两者故障影响域的交集设备是否重载越限生成N-2组合故障；
6)输出全网N-2组合故障集合。
本实施例中，所述步骤2)具体包括：
当前气候为正常气候条件下，构建多元指标评价体系，基于D5000平台综合智能告警历史故障概率数据，从开断故障严重程度和发生概率两个角度，对N-1预想故障进行风险评估，设定N-1风险门槛，形成N-1严重故障集；
利用权重加权方式统一考虑各风险指标，建立量化事故风险指标体系：
式中，Serv_i为开断故障i严重度；w1,w2,w3,w4分别为***解裂、母线电压越限、负荷失电、设备越限的权重因子，且w1+w2+w3+w4＝1；Fault_i为该开断的历史故障概率；Risk_i为综合风险量化指标。
设定风险门槛λrisk，满足以下条件，则进入N-1严重故障集：
Risk_i＞λrisk (2)
当前气候为恶劣气候条件下，在同样采用公式(1)的多元指标评价体系形成N-1严重故障集的基础上，基于智能告警历史故障概率数据，以设备事故跳闸及其相应时刻是否伴随恶劣气候为判定依据，将该事故跳闸归类为相应气候的统计集合中，筛选出符合当前恶劣气候条件下的高发故障设备，对正常气候形成的N-1严重故障集进行补充，避免恶劣气候下事故高发设备被淹没；
以雷电气候为例，雷电气候下某地区元件设备i平均故障概率
为：
式(3)中，
为雷电气候下某地区设备i的故障发生次数，n为雷电气候下该地区发生过故障的设备总数；
设定平均故障概率门槛值λweather，满足以下条件，即可将相应的设备列为重点考察对象即恶劣气候下的高发故障设备，补入N-1严重故障集：
本实施例中，步骤3)采用基于潮流矩阵的灵敏度系数计算支路开断分布因子，具体内容详见《高等电力网络分析》中8.3.3节。
本实施例中，所述步骤4)中故障影响域的确定过程为：
设定门槛λdomain，针对严重故障集Sserious中的支路设备A∈Sserious确定其故障影响域。如开断分布因子大于门槛值，DBA＞λdomain，认为支路B受支路A开断影响较大，潮流转移增大，最容易发生越限情况，则将支路B归属于支路A的故障影响域；如开断分布因子小于门槛值，DBA＜λdomain，认为其影响可以忽略，则支路B不归属于支路A的影响域，但该值仍参与后续的潮流估算；
其中：DBA表示为故障支路A开断对支路B的潮流影响；
本实施例中，所述步骤5)具体包括：
定义严重预想事故A故障影响域中的设备B，如果B隶属于严重预想故障集，即A∈Sserious,B∈Sserious,B∈Domain_A，直接加入N-2预想故障集；
定义严重预想事故A故障影响域中的设备B，如果B隶属于非严重预想故障集，则根据基态潮流结果及开断分布因子对A与B的故障影响域中的交集设备C，即A∈Sserious,
B∈Domain_A,C∈Domain_A∩Domain_B，分别按照同时故障、相继故障进行潮流估算，如果设备C越限，则A与B进入N-2故障集，如果C不越限，则继续对其它交集设备进行潮流估算，若所有交集设备均不越限，则支路A与B不收入N-2故障集。
按照支路A与B同时发生开断故障后，则支路C潮流估算值为：
按照支路A与B先后发生相继故障，支路C潮流估算值为：
其中，
项反应了A、B发生连锁故障对支路C的潮流转移影响。
对严重预想事故A故障影响域遍历结束，则继续跳转至步骤(1)生成下一个严重预想事故的N-2故障组合。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (3)
1.一种基于N-1严重故障集的多重故障生成方法，其特征是，包括：
S1，获取当前气象信息数据以及历史故障告警数据；
S2，对当前全网设备进行N-1故障扫描，得到N-1故障集，然后根据S1获取的数据，筛选出N-1故障集中的严重故障，生成N-1严重故障集；S2包括步骤：
S21，对当前全网设备进行N-1故障扫描，得到N-1故障集，以及N-1故障集中各设备故障时的潮流信息数据；
S22，根据开断故障严重程度和历史故障发生概率对N-1故障集中的各设备进行故障风险评估；并设定故障风险门槛值，将故障风险评估结果大于故障风险门槛值的N-1故障定义为N-1严重故障，形成N-1严重故障集；
S23，根据S1获取的当前气象信息数据，判断当前气象状态为正常气候还是恶劣气候：正常气候下，S22得到的N-1严重故障集即为最终N-1严重故障集；恶劣气候下，转至步骤S24；
S24，恶劣气候下，从S1获取的历史故障告警数据中选取恶劣气候下的历史故障告警数据，以设备开断故障的相应时刻是否伴随恶劣气候为判定依据，将相应设备开断故障归类为相应恶劣气候的统计集合中，计算各设备故障在恶劣气候下的平均故障概率，并设定平均故障概率门槛值，若某设备的平均故障概率大于平均故障概率门槛值，则将该设备故障作为恶劣气候下的高发故障，补入N-1严重故障集，形成最终的N-1严重故障集；
S3，对于全网设备，分别计算支路开断分布因子；
S4，设定灵敏度门槛值为λdomain，根据开断分布因子与灵敏度门槛值的比较结果，确定各设备的开断故障影响域：对于N-1严重故障集中的任一设备A∈Sserious，若存在一设备B，且设备A对设备B的支路开断分布因子DBA＞λdomain，则设备B属于设备A的开断故障影响域；
S5，遍历N-1严重故障集，对于其中的各故障对应的设备A，若其开断故障影响域中的任一设备B属于N-1严重故障集，则将设备A和设备B同时收入N-2故障集；否则计算设备A于设备B的开断故障影响域交集Domain_A∩Domain_B，根据交集中是否存在任一设备潮流越限，确定是否将设备A和设备B收入N-2故障集，包括：
遍历设备A和设备B故障影响域交集中的各设备，对于交集中的任一设备C∈Domain_A∩Domain_B，进行潮流计算，包括：
S51，按照设备A与设备B同时发生开断故障，则设备C的潮流估算值
为：
式(5)中，
分别为设备A、B、C的初始潮流，DCA为设备A开断故障对设备C的开断分布因子，DCB为设备B开断故障对设备C的开断分布因子；
若设备C的潮流估算值
越限，则将支路设备A和支路B收入N-2故障集；否则转入S52；
S52，按照设备A与设备B相继发生开断故障，则设备C的潮流估算值
为：
式(6)中，
项反应了设备A、B发生连锁故障对设备C的潮流转移影响；
若设备C的潮流估算值
越限，则将设备A和设备B收入N-2故障集；否则设备A和设备B不属于N-2故障集；
S6，输出全网N-2故障集。
2.根据权利要求1所述的方法，其特征是，步骤S22中，定义Serv_i为开断故障i的严重程度，Fault_i为开断故障i的历史故障概率，则开断故障i的量化综合风险Risk_i为：
Risk_i＝Fault_i×Serv_i
＝P×(w1*Servsplit+w2*ServV+w3*Servload+w4*Servbch) (1)
式(1)中，Servsplit为故障发生时的***解列状态数据，为0、1值，ServV为母线电压越限率、Servload负荷失电量，Servbch为设备越限率，w1、w2、w3、w4分别为***解裂、母线电压越限、负荷失电和设备越限的权重因子，且w1+w2+w3+w4＝1；P为开断故障的历史故障概率；
设定故障风险门槛值为λrisk，对于设备i的开断故障，若量化综合风险满足以下条件，则将该设备i开断故障收入N-1严重故障集：
Risk_i＞λrisk (2)。
3.根据权利要求1所述的方法，其特征是，S24中，定义某种恶劣气候下某地区元件设备i平均故障概率为
通过下式计算得到：
式(3)中，
为相应恶劣气候下某地区设备i的故障发生次数，n为相应恶劣气候下该地区发生过故障的设备总数；
设定平均故障概率门槛值λweather，满足以下条件，即将相应的设备列为重点考察对象即恶劣气候下的高发故障设备，补入N-1严重故障集：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810203846.3A CN108389002B (zh) | 2018-03-13 | 2018-03-13 | 一种基于n-1严重故障集的多重故障生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810203846.3A CN108389002B (zh) | 2018-03-13 | 2018-03-13 | 一种基于n-1严重故障集的多重故障生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108389002A CN108389002A (zh) | 2018-08-10 |
| CN108389002B true CN108389002B (zh) | 2021-12-28 |
Family
ID=63067169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810203846.3A Active CN108389002B (zh) | 2018-03-13 | 2018-03-13 | 一种基于n-1严重故障集的多重故障生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108389002B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109524982B (zh) * | 2018-12-12 | 2020-06-16 | 国网山东省电力公司电力科学研究院 | 一种交直流电网暂态稳定风险评估方法 |
| CN110244577A (zh) * | 2019-06-04 | 2019-09-17 | 武汉华飞智能电气科技有限公司 | 一种电网稳控仿真方法及*** |
| CN110390078B (zh) * | 2019-07-10 | 2022-12-20 | 南瑞集团有限公司 | 一种基于时空相关性的外部灾害下群发故障集生成方法 |
| CN110602037B (zh) * | 2019-07-26 | 2021-11-16 | 广州穗科建设管理有限公司 | 一种远程监理*** |
| CN110932267B (zh) * | 2019-12-10 | 2023-04-18 | 国网河北省电力有限公司电力科学研究院 | 一种能源互联网故障集分散生成和集中组合***及方法 |
| CN111429299B (zh) * | 2020-03-10 | 2022-09-06 | 国电南瑞科技股份有限公司 | 一种预想故障集生成方法、***及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101895116A (zh) * | 2010-07-16 | 2010-11-24 | 国电南瑞科技股份有限公司 | 基于分布因子的在线可用输电能力计算方法 |
| CN103279807A (zh) * | 2013-05-06 | 2013-09-04 | 国家电网公司 | 一种恶劣天气下电网静态风险评估方法 |
| CN103942731A (zh) * | 2014-04-21 | 2014-07-23 | 国家电网公司 | 电网预想故障集自动生成方法及*** |
| CN104092210A (zh) * | 2014-07-14 | 2014-10-08 | 国家电网公司 | 一种具备n-2开断快速扫描功能的在线静态安全分析方法 |
-
2018
- 2018-03-13 CN CN201810203846.3A patent/CN108389002B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101895116A (zh) * | 2010-07-16 | 2010-11-24 | 国电南瑞科技股份有限公司 | 基于分布因子的在线可用输电能力计算方法 |
| CN103279807A (zh) * | 2013-05-06 | 2013-09-04 | 国家电网公司 | 一种恶劣天气下电网静态风险评估方法 |
| CN103942731A (zh) * | 2014-04-21 | 2014-07-23 | 国家电网公司 | 电网预想故障集自动生成方法及*** |
| CN104092210A (zh) * | 2014-07-14 | 2014-10-08 | 国家电网公司 | 一种具备n-2开断快速扫描功能的在线静态安全分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于故障影响域的多重预想故障集筛选方法;李传栋等;《电力***保护与控制》;20150716;第43卷(第14期);正文第92-98页 * |
| 配电网风险防控分析及安全预警技术的应用;王大治等;《浙江电力》;20151231(第12期);正文第64-68页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108389002A (zh) | 2018-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108389002B (zh) | 一种基于n-1严重故障集的多重故障生成方法 | |
| Che et al. | False data injection attacks induced sequential outages in power systems | |
| Guo et al. | A multi-state model for transmission system resilience enhancement against short-circuit faults caused by extreme weather events | |
| CN103279808B (zh) | 恶劣天气下的电力***线路状态转移概率预测分析方法 | |
| CN102934312B (zh) | 能量产生***及其控制 | |
| CN105488344B (zh) | 一种配电设备健康指数通用评价方法 | |
| CN105068149B (zh) | 一种基于多信息综合的输变电设备雷电监测和预报方法 | |
| CN113962461A (zh) | 一种基于环境数据预测的配电网韧性提升策略 | |
| CN113609637B (zh) | 一种考虑故障连锁的多灾害配电网弹性评估方法 | |
| CN107067127B (zh) | 一种电力***高风险连锁故障事故链搜索方法 | |
| Sroka et al. | The risk of large blackout failures in power systems | |
| CN111209535B (zh) | 一种电力设备相继故障风险识别方法及*** | |
| McLaughlin et al. | Application of dynamic line rating to defer transmission network reinforcement due to wind generation | |
| CN116167609A (zh) | 基于神经网络模型的电力***风险评估方法 | |
| CN114580177A (zh) | 一种基于连锁故障预防的电力***调度方法 | |
| CN111369388A (zh) | 用于城市电网的对抗脆弱性评估方法及*** | |
| CN111146779B (zh) | 一种电力设备相继故障的大电网柔性安全控制方法及*** | |
| Ciapessoni et al. | A probabilistic risk-based security assessment tool allowing contingency forecasting | |
| Sobbouhi et al. | Transient stability improvement based on out-of-step prediction | |
| CN112701711B (zh) | 一种交直流合建换流站重要线路运维安全性检测评价方法 | |
| Xu et al. | Blackout risk assessment of cascading outages considering wind power uncertainty | |
| Chu et al. | Self-healing control method in abnormal state of distribution network | |
| Salyani et al. | An Analytical Framework for Evaluating the Impact of Distribution-Level LVRT Response on Transmission System Security | |
| CN113191535A (zh) | 一种大风灾害预警中设计风速修正方法 | |
| Yang et al. | Optimization and decision for limiting short circuit current considering sensitivity ranking |
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 |