CN110826179B - 一种智能变电站继电保护实时可靠性预测方法 - Google Patents
一种智能变电站继电保护实时可靠性预测方法 Download PDFInfo
- Publication number
- CN110826179B CN110826179B CN201910933148.3A CN201910933148A CN110826179B CN 110826179 B CN110826179 B CN 110826179B CN 201910933148 A CN201910933148 A CN 201910933148A CN 110826179 B CN110826179 B CN 110826179B
- Authority
- CN
- China
- Prior art keywords
- time
- state
- real
- relay protection
- formula
- 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
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/22—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for distribution gear, e.g. bus-bar systems; for switching devices
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明公开了一种智能变电站继电保护实时可靠性预测方法,包括以下步骤:S1:建立单个装置故障率的二参数LN分布模型,将单个继电保护装置寿命历史数据作为输入,其故障率为累积密度函数;S2:对非线性的LN分布模型进行线性转化,进行直线拟合,求得时变失效率;S3:建立保护***的时变马尔可夫模型,不同状态之间的实时转换概率由保护装置LN分布模型确定,分别分析其转移概率矩阵P和转移密度矩阵A,得出马尔可夫实时状态概率。采用本发明通过计算状态转移矩阵与初始状态的乘积可以得到实时的保护***状态概率,提供短时(一小时)的状态预测,实现状态评估并为状态检修提供参考。
Description
技术领域
本发明涉及继电保护技术领域,具体而言,涉及一种智能变电站继电保护实时可靠性预测方法。
背景技术
目前,在电力***中,智能变电站是采用先进、可靠、集成和环保的智能设备,以全站信息数字化、通信平台网络化、信息共享标准化为基本要求,自动完成信息采集、测量、控制、保护、计量和检测等基本功能,同时,具备支持电网实时自动控制、智能调节、在线分析决策和协同互动等高级功能的变电站。
智能变电站主要包括智能高压设备和变电站统一信息平台两部分。智能高压设备主要包括智能变压器、智能高压开关设备、电子式互感器等。智能变压器与控制***依靠通信光纤相连,可及时掌握变压器状态参数和运行数据。当运行方式发生改变时,设备根据***的电压、功率情况,决定是否调节分接头;当设备出现问题时,会发出预警并提供状态参数等,在一定程度上降低运行管理成本,减少隐患,提高变压器运行可靠性。
传统的继电保护模型考虑装置老化保护模型使用Weibull分布拟合,而智能站继电保护设备由于其数字化特点所以其寿命更长,可靠性更高,对这种数字化保护装置建立其数学模型时应考虑数字产品的具体特性,而传统Weibull分布并不能充分考虑这一点;在考虑可修复保护***可靠性时,目前主要方法多基于恒定失效率建立***的马尔可夫模型,而实际继电保护装置其失效率明显是随时间变化的,对时变失效率的模型分析很有必要;传统的保护可靠性预测方法主要针对长期状态的预测,主要针对稳态进行预测,建立实时的可靠性预测方法对于指导实际运行有实际意义。
发明内容
本发明的目的在于提供一种智能变电站继电保护实时可靠性预测方法,针对目前智能站继电保护装置数字化特性,考虑数字产品失效特性,首先从分布角度出发,建立的单个继电保护装置时变失效率LN分布模型,为继电保护***建模提供数据支撑。对保护***的各种故障情况进行分类,然后提出单套保护***的8状态马尔可夫模型,通过理论分析得到计算状态转移矩阵eAt的方法,通过计算状态转移矩阵与初始状态的乘积可以得到实时的保护***状态概率,提供短时(一小时)的状态预测,实现状态评估并为状态检修提供参考。
为达到上述技术目的,本发明采用的技术方案具体如下:
一种智能变电站继电保护实时可靠性预测方法,包括以下步骤:
S1:建立单个装置故障率的二参数LN分布模型,将单个继电保护装置寿命历史数据作为输入,其故障率为累积密度函数,由式1获得,
F(t)=Φ[ln(t/θ)ρ], 式一;
其中,t为输入的寿命数据,ρ,θ为LN分布模型的两个变量参数;
S2:对非线性的LN分布模型进行线性转化,进行直线拟合,求得ρ,θ的估计值进而得到PDF函数进而得到时变失效率,分别由式7和式8获得
S3:建立保护***的时变马尔可夫模型,不同状态之间的实时转换概率由保护装置LN分布模型确定,分别分析其转移概率矩阵P和转移密度矩阵A,得出马尔可夫实时状态概率。
本发明的有益效果在于:本发明区别于现有技术,本发明从单个继电保护装置出发,首先根据历史寿命数据建立单个保护装置的故障率模型,对于智能站其数字化特征描述选择LN分布进行建模,通过平均秩次法和最小二乘法完成对LN分布的建模,最终实现单个继电保护装置的故障率模型,通过此模型可以计算对应保护时变失效率。
对智能变电站保护***,本发明首先从SCD文件中提取出保护的配置信息,通过配置信息完成对实际保护***的建模,建立了保护***8状态马尔可夫模型,考虑了通信***和断路器、二次回路等影响因素,不同状态之间的转移概率通过单个保护装置的LN模型以及时间确定,推导了时变马尔可夫模型的计算过程,给出时变状态转移矩阵的计算公式,将初始状态以及时间代入即可求得实时状态概率,实现了对继电保护***状态评估,实现了保护***实时预测。
附图说明
图1是本发明对单个继电保护装置建模过程示意图;
图2是本发明对继电保护***建立马尔可夫模型并计算实时概率流程示意图;
图3是本发明对继电保护装置建模的过程具体流程图;
图4是本发明对继电保护***建立的八状态马尔可夫模型。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
下面通过具体的实施例子并结合附图对本发明做进一步的详细描述。
图1-图4所示,一种智能变电站继电保护实时可靠性预测方法,包括以下步骤:
S1:建立单个装置故障率的二参数LN分布模型,对数正态(LogNormal)分布最早由Mcalister提出,在经济学以及生物学领域有着广泛的应用。近年来LN分布模型在可靠性理论应用领域得到广泛应用,被广泛应用于可修复***的寿命建模,确定第一次修理时间等等。LN分布函数模型在可靠性模型中属于“先递增、后递减风险度模型”。
将单个继电保护装置寿命历史数据作为输入,其故障率为累积密度函数,由式1获得,
F(t)=Φ[ln(t/θ)ρ], 式一;
其中,t为输入的寿命数据,ρ,θ为LN分布模型的两个变量参数;
S2:对非线性的LN分布模型进行线性转化,非线性的LN分布进行线性转换由式1展开线性化转化为式2,
对于一组寿命数据,其寿命时长即为对应t的值,而F(t)的计算可以通过查中位秩表或者平均秩次法计算得到,查询中为秩表的方式不再过多进行复述。
对F(t)的计算通过平均秩次法计算,由式3-式5获得,
Ak=Ak-1+ΔAk-1, 式4;
式中,Ak为故障样品的平均秩次;k为故障样品的顺序号;Ak-1为前一个故障样品的平均秩次;ΔAk为平均秩次增量;i为所有样品的按时间顺序排列号;tk为第k个样品的寿命。
令x=Φ-1(F(t)),y=ln(t),则有式6表明ρ,θ具有线性关系,
然后进行直线拟合,求得ρ,θ的估计值进而得到PDF函数进而得到时变失效率,分别由式7和式8获得
S3:根据SCD文件解析出的智能站配置,建立保护***的时变马尔可夫模型,时变马尔可夫模型具体八个分布状态,令状态一为保护正常运行;状态二为保护装置故障被自检发现;状态三为断路器、二次回路等硬件故障且被自检发现;状态四为通信***故障被自检发现;状态五为保护装置故障未被自检发现;状态六为断路器、二次回路等硬件故障且未被自检发现;状态七为通信***故障未被自检发现;状态八为检修状态。
不同状态之间的实时转换概率由保护装置LN分布模型确定,分别分析其转移概率矩阵P和转移密度矩阵A,转移概率矩阵P,计算各状态之间的转移概率,并由式9统计后获得,
上式中,pij(△t)表示保护装置从状态i转移至状态j的概率;
转移密度矩阵A,由式10获得,
式中q为不同状态之间的转移密度。
所述马尔可夫实时状态概率由S3中的转移概率矩阵P和转移密度矩阵A的含义推出式11:
由式11得出状态转移矩阵eAt,由式12获得,
P(t)=P(0)eAt, 式12;
其中,Pt(0)=P(0),Pt(0)为当前装置的初始状态矩阵,
从t0时刻到t时刻的状态转移矩阵,
忽略高次积分项并令t0为0,得到式14,
由式12和式14得出马尔可夫实时状态概率。通过计算状态转移矩阵与初始状态的乘积可以得到实时的保护***状态概率,提供短时(一小时)的状态预测,实现状态评估并为状态检修提供参考。
在实际使用过程中,本实施方式首先从分布角度出发,建立的单个继电保护装置时变失效率LN分布模型。通过给出LN分布的累积密度函数(故障率函数),并给出LN分布的参数估计方法,先对LN分布进行线性化,然后通过平均秩次法和最小二乘法结合求解二参数LN分布的参数,此模型可以有效模拟数字化元件的寿命特性,进而得到故障率和失效率,为继电保护***建模提供数据支撑。
然后进一步,建立单套保护***的八状态马尔可夫模型,如图4所示,本实施方式中的马尔可夫模型具有八种可能的状态,各个状态之间存在转换概率,考虑了通信***和断路器、二次回路等影响因素,不同状态之间的转移概率通过单个保护装置的LN模型以及时间确定,推导了时变马尔可夫模型的计算过程,给出时变状态转移矩阵的计算公式,将初始状态以及时间代入即可求得实时状态概率,实现了对继电保护***状态评估,实现了保护***实时预测。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种智能变电站继电保护实时可靠性预测方法,其特征在于,包括以下步骤:
S1:建立单个装置故障率的二参数LN分布模型,将单个继电保护装置寿命历史数据作为输入,其故障率为累积密度函数,由式1获得,
F(t)=Φ[ln(t/θ)ρ],式1;
其中,t为输入的寿命数据,ρ,θ为LN分布模型的两个变量参数;
S2:对非线性的LN分布模型进行线性转化,进行直线拟合,求得ρ,θ的估计值进而得到PDF函数进而得到时变失效率,分别由式7和式8获得
所述S2步骤中对非线性的LN分布进行线性转换由式1展开线性化转化为式2,
所述S2步骤中进行直线拟合前,需推导出ρ,θ具有线性关系,由式6获得,
式中,令x=Φ-1(F(t)),y=ln(t);
所述S1步骤中,对F(t)的计算通过平均秩次法计算,由式3-式5获得,
Ak=Ak-1+ΔAk-1,式4;
式中,Ak为故障样品的平均秩次;k为故障样品的顺序号;Ak-1为前一个故障样品的平均秩次;ΔAk为平均秩次增量;i为所有样品的按时间顺序排列号;tk为第k个样品的寿命。
2.根据权利要求1所述的智能变电站继电保护实时可靠性预测方法,其特征在于:所述S3步骤中,所述时变马尔可夫模型具体包括八个分布状态,令状态一为保护正常运行;状态二为保护装置故障被自检发现;状态三为断路器、二次回路等硬件故障且被自检发现;状态四为通信***故障被自检发现;状态五为保护装置故障未被自检发现;状态六为断路器、二次回路等硬件故障且未被自检发现;状态七为通信***故障未被自检发现;状态八为检修状态。
3.根据权利要求2所述的智能变电站继电保护实时可靠性预测方法,其特征在于:根据SCD文件解析出的智能站配置,建立保护***的时变马尔可夫模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910933148.3A CN110826179B (zh) | 2019-09-29 | 2019-09-29 | 一种智能变电站继电保护实时可靠性预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910933148.3A CN110826179B (zh) | 2019-09-29 | 2019-09-29 | 一种智能变电站继电保护实时可靠性预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826179A CN110826179A (zh) | 2020-02-21 |
CN110826179B true CN110826179B (zh) | 2023-07-11 |
Family
ID=69548449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910933148.3A Active CN110826179B (zh) | 2019-09-29 | 2019-09-29 | 一种智能变电站继电保护实时可靠性预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826179B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538371B (zh) * | 2021-07-14 | 2022-05-17 | 贵州电网有限责任公司 | 一种改进k均值聚类的配电网架空线路覆冰厚度监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477588A (zh) * | 2009-01-13 | 2009-07-08 | 中国人民解放军国防科学技术大学 | 基于Petri网模型的设备维修保障仿真方法 |
CN102254100A (zh) * | 2011-07-13 | 2011-11-23 | 西安工业大学 | 刀具运行可靠性评估的比例故障率模型方法 |
CN108763654A (zh) * | 2018-05-03 | 2018-11-06 | 国网江西省电力有限公司信息通信分公司 | 一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945316B (zh) * | 2012-10-25 | 2016-02-24 | 华北电力大学 | 一种考虑协变量的继电保护设备失效率计算方法 |
CN102968556B (zh) * | 2012-11-08 | 2016-03-09 | 重庆大学 | 一种基于概率分布的配网可靠性判断方法 |
EP2927700B1 (en) * | 2014-04-01 | 2019-08-07 | ABB Schweiz AG | Method for monitoring system variables of a distribution or transmission grid |
CN104281750B (zh) * | 2014-10-13 | 2017-04-05 | 北京航空航天大学 | 一种故障率为浴盆曲线的寿命分布方法 |
EP3156870B1 (en) * | 2015-10-15 | 2022-06-01 | Tata Consultancy Services Limited | Systems and methods for predictive reliability mining |
CN106295963A (zh) * | 2016-07-29 | 2017-01-04 | 国网江苏省电力公司镇江供电公司 | 基于失效物理的智能变电站二次***可靠性评估方法 |
US20180232650A1 (en) * | 2017-02-10 | 2018-08-16 | New York University | Systems and methods for sparse travel time estimation |
CN107169188A (zh) * | 2017-05-09 | 2017-09-15 | 河海大学 | 一种多维多变量非高斯空间随机场模拟方法 |
CN107870894B (zh) * | 2017-12-15 | 2020-07-07 | 中国海洋大学 | 一种计算乘潮水位及其延时的条件概率方法 |
CN108493959B (zh) * | 2018-03-26 | 2021-01-26 | 河海大学 | 基于Markov模型的电动汽车参与电网调频控制与分析方法 |
CN108596514A (zh) * | 2018-05-11 | 2018-09-28 | 贵州电网有限责任公司 | 基于模糊遗传算法的电力设备混合威布尔可靠性建模方法 |
-
2019
- 2019-09-29 CN CN201910933148.3A patent/CN110826179B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477588A (zh) * | 2009-01-13 | 2009-07-08 | 中国人民解放军国防科学技术大学 | 基于Petri网模型的设备维修保障仿真方法 |
CN102254100A (zh) * | 2011-07-13 | 2011-11-23 | 西安工业大学 | 刀具运行可靠性评估的比例故障率模型方法 |
CN108763654A (zh) * | 2018-05-03 | 2018-11-06 | 国网江西省电力有限公司信息通信分公司 | 一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110826179A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107680368A (zh) | 一种基于采集数据的计量装置在线监测与智能诊断方法 | |
CN103413044B (zh) | 一种基于变电站量测信息的电力***局部拓扑估计方法 | |
CN111025222A (zh) | 基于递推主元分析的电子式电压互感器状态监测方法 | |
CN107547269B (zh) | 基于farima的智能变电站通信流量阈值模型的构建方法 | |
CN109492866A (zh) | 一种配电网运行状态智能评估方法 | |
CN110363326B (zh) | 一种电网110kV线路短期负荷曲线预测方法 | |
CN109324261A (zh) | 一种配电网电缆线路过热风险预警方法和*** | |
CN109472388B (zh) | 一种基于损耗的保电设备故障预警方法和*** | |
CN106160218A (zh) | 电网配电线路实时监控分析*** | |
Yu et al. | Load forecasting based on smart meter data and gradient boosting decision tree | |
CN109524982A (zh) | 一种交直流电网暂态稳定风险评估方法 | |
CN110826179B (zh) | 一种智能变电站继电保护实时可靠性预测方法 | |
CN105391168A (zh) | 变压器负荷实时控制方法 | |
CN104834305B (zh) | 基于dms***的配网自动化终端遥测异常分析***及方法 | |
CN117911196B (zh) | 基于人工智能的环网柜全周期运行数据监管***及方法 | |
CN116228184A (zh) | 一种电力设备安装维护方法及*** | |
CN110750760A (zh) | 一种基于态势感知和控制图的异常理论线损检测方法 | |
CN105071388B (zh) | 一种基于极大似然估计的配电网状态估计方法 | |
CN114142614A (zh) | 一种基于sd-wan网络的高速公路配电房智能运维管理*** | |
CN117767283A (zh) | 一种基于多策略融合的电网资源趋势预警分析方法及*** | |
CN105487036B (zh) | 一种电子式互感器误差特性分析*** | |
Ding et al. | Individual nonparametric load estimation model for power distribution network planning | |
CN103049661B (zh) | Gis剩余使用寿命评估方法和*** | |
CN102693514A (zh) | 一种基于设备风险预控、重点设备监控的变电站设备自动评价方法 | |
CN104680010A (zh) | 一种汽轮机组稳态运行数据筛选方法 |
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 |