CN111784020A - 一种智能变电站继电保护装置寿命预测方法 - Google Patents

一种智能变电站继电保护装置寿命预测方法 Download PDF

Info

Publication number
CN111784020A
CN111784020A CN202010368429.1A CN202010368429A CN111784020A CN 111784020 A CN111784020 A CN 111784020A CN 202010368429 A CN202010368429 A CN 202010368429A CN 111784020 A CN111784020 A CN 111784020A
Authority
CN
China
Prior art keywords
protection device
relay protection
state
index
intelligent substation
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.)
Withdrawn
Application number
CN202010368429.1A
Other languages
English (en)
Inventor
张文强
徐泽
陈盛凯
丁盛阳
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010368429.1A priority Critical patent/CN111784020A/zh
Publication of CN111784020A publication Critical patent/CN111784020A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Optimization (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)

Abstract

本发明公开了一种智能变电站继电保护装置的寿命预测方法，选取继电保护装置的不正确动作次数、故障次数、CPU温度、工作电压指标作为继电保护装置的状态评估指标，根据智能变电站继电保护装置的历史运行数据计算继电保护装置的各运行状态指标相对劣化度；将继电保护装置的综合劣化度由各指标的加权和表示，并基于综合劣化度进行状态等级的划分；利用云模型建立各状态等级的隶属函数，计算初始状态概率分布向量；依据马尔科夫链原理计算继电保护装置的状态转移概率矩阵；最后通过设置置信度预测保护装置有效寿命。本发明减少了人为因素的主观性和随机性，不仅可以很好的预测继电保护装置的寿命，还能预测装置的未来运行状态分布。

Description

一种智能变电站继电保护装置寿命预测方法
技术领域
本发明属于智能电网领域，特别涉及一种智能变电站继电保护装置寿命预测方法。
背景技术
目前，智能变电站是坚强智能电网的重要环节，智能变电站二次设备的安全可靠运行直接关系到智能变电站一次设备能否稳定运行，关系到我国电力***朝着特高压、大容量方向发展的重要进程。因此，为保障智能变电站继电保护装置的安全、稳定运行，及时准确了解继电保护装置的运行状态以及剩余寿命至关重要。
发明内容
本发明的目的在于是提供一种智能变电站继电保护装置寿命预测方法。
实现本发明目的的技术解决方案为：一种智能变电站继电保护装置寿命预测方法，包括以下步骤：
步骤一、选取继电保护装置的不正确动作次数、故障次数、CPU温度、工作电压指标作为继电保护装置的状态评估指标，根据智能变电站继电保护装置的历史运行数据计算继电保护装置的各运行状态指标相对劣化度；
步骤二、将继电保护装置的综合劣化度由各指标的加权和表示，并基于综合劣化度进行状态等级的划分；
步骤三、将运行状态综合劣化度变为云模型的数字特征，然后利用云模型对状态等级进行划分，得到各状态等级的隶属云；
步骤四、根据运行状态综合劣化度与隶属云模型计算初始状态概率分布向量；
步骤五、依据马尔科夫链原理计算继电保护装置的状态转移概率矩阵；
步骤六、对继电保护装置进行马尔科夫链预测，并利用置信度判断继电保护装置的有效寿命。
本发明与现有技术相比，其显著优点在于：(1)基于云模型理论建立马尔科夫链的初始状态概率分布向量，能够解决模糊性和随机性的不确定性问题，使得对智能变电站继电保护装置寿命的预测更接近于实际；(2)预测方法可以得到保护装置处于各个运行状态的概率大小，当“注意”、“异常”指标值较高时，可以对设备进行及时处理。
附图说明
图1是智能变电站继电保护装置寿命预测方法流程图。
图2是云模型的隶属度函数图。
具体实施方式
下面结合附图和具体实施例，进一步说明本发明方案。
如图1所示，智能变电站继电保护装置寿命预测方法，包括以下步骤：
步骤一、选取继电保护装置的不正确动作次数、故障次数、CPU温度、工作电压指标作为继电保护装置的状态评估指标，根据智能变电站继电保护装置的历史运行数据计算继电保护装置的各运行状态指标相对劣化度：
Figure BDA0002477300230000021
式中：xi为第i个运行状态指标的相对劣化度，表示指标偏离标准值的程度；Vim表示第i个指标的运行状态极值，当指标为越大越优型时取最大值，否则为最小值；Vio为运行允许值，即状态良好值；Vi为实际运行数据。α反映参数变化对保护装置状态的影响程度，取为1。
步骤二、根据权威专家意见以及保护装置运行经验，将继电保护装置的综合指标劣化度由各指标的加权和表示。根据综合指标劣化度将继电保护装置的状态等级分为“良好”、“注意”、“异常”、“失效”4个等级。综合指标的加权计算公式如下：
Figure BDA0002477300230000022
式中，各指标的权重系数依次分别为：αβγδ。而每个指标的分类标准如表1所示。
表1状态等级评估标准
Figure BDA0002477300230000023
步骤三、将运行状态综合劣化度变为云模型的数字特征，然后利用云模型对状态等级进行划分，得到各状态等级的隶属云；
按照表1的评估标准来进行状态等级区间的划分，按照表2中的公式计算云模型的数字特征，q取0.1，根据云模型的生成算法，由此可得到各指标数据对应的状态等级及隶属度大小如表2所示，生成的隶属云如图2所示。
表2云模型特征值确定方法
Figure BDA0002477300230000024
Figure BDA0002477300230000031
步骤四、获取继电保护装置在T1、T2时刻之间N个测量点的运行状态指标值V1i V2iV3i V4i(i＝1,2,3…,N)，计算出对应的相对劣化度x1i x2i x3i x4i与综合劣化度Ri；将Ri输入隶属云模型的第j个等级云，取M个隶属度的平均值作为该测量点i处于第j个状态等级的概率值，记作向量R ij，则T1、T2时刻之间的多个测量点的隶属度向量进行加权平均，得到初始状态概率分布向量λ：
Figure BDA0002477300230000032
步骤五、利用步骤四生成连续5年的概率分布列向量λ1＝(a 1,a 2,a 3,a 4)，λ2＝(b 1,b 2,b 3,b 4)，λ3＝(c 1,c 2,c 3,c4)，λ4＝(d 1,d 2,d 3,d4)，λ5＝(f 1,f 2,f3,f4)，由此可得相邻4年的初始状态概率分布矩阵分别为A和B。于是，继电保护装置的状态转移概率矩阵P＝A-1B。
Figure BDA0002477300230000033
步骤六、对继电保护装置进行马尔科夫链预测，并利用置信度判断继电保护装置的有效寿命。以当前时刻T0的状态概率分布向量和状态转移概率矩阵P可求得之后任意时刻T的状态概率分布向量，计算公式如下：
Figure BDA0002477300230000034
式中：λ(T0)表示时刻T0的状态概率分布向量；λ(T)表示时刻T的状态概率分布向量：λ(T)＝(k1,k2,k3,k4)，其中，k m为继电保护装置处于状态等级m的概率。此时，若置信度水平为0.75，那么保护装置处于良好状态等级的概率小于0.75时，认为装置处于失效状态，时刻T即为装置的最终寿命时间。
综上所述，利用本发明方法，利用云模型理论建立马尔科夫链的初始状态概率分布向量，能够解决模糊性和随机性的不确定性问题，使得对智能变电站继电保护装置寿命的预测更接近于实际。

Claims (6)

1.一种智能变电站继电保护装置寿命预测方法，其特征在于，包括以下步骤：
步骤一、选取继电保护装置的不正确动作次数、故障次数、CPU温度、工作电压指标作为继电保护装置的状态评估指标，根据智能变电站继电保护装置的历史运行数据计算继电保护装置的各运行状态指标相对劣化度；
步骤二、将继电保护装置的综合劣化度由各指标的加权和表示，并基于综合劣化度进行状态等级的划分；
步骤三、将运行状态综合劣化度变为云模型的数字特征，然后利用云模型对状态等级进行划分，得到各状态等级的隶属云；
步骤四、根据运行状态综合劣化度与隶属云模型计算初始状态概率分布向量；
步骤五、依据马尔科夫链原理计算继电保护装置的状态转移概率矩阵；
步骤六、对继电保护装置进行马尔科夫链预测，并利用置信度判断继电保护装置的有效寿命。
2.如权利要求1所述的智能变电站继电保护装置寿命预测方法，其特征在于，步骤一选取继电保护装置的不正确动作次数、故障次数、CPU温度、工作电压指标作为继电保护装置的状态评估指标，根据智能变电站继电保护装置的历史运行数据计算继电保护装置的各运行状态指标相对劣化度，计算公式如下：
Figure RE-FDA0002665405370000011
式中：xi为第i个运行状态指标的相对劣化度，表示指标偏离标准值的程度；Vim表示第i个指标的运行状态极值，当指标为越大越优型时取最大值，否则为最小值；Vio为运行允许值，即状态良好值；Vi为实际运行数据，α为反映参数变化对保护装置状态的影响程度，取为1。
3.如权利要求2所述的智能变电站继电保护装置寿命预测方法，其特征在于，步骤二将继电保护装置的综合指标劣化度由各指标的加权和表示，根据综合指标劣化度将继电保护装置的状态等级分为“良好”、“注意”、“异常”、“失效”4个等级，综合指标的加权计算公式如下：
Figure RE-FDA0002665405370000012
式中，各指标的权重系数依次分别为：αβγδ。
4.如权利要求3所述的智能变电站继电保护装置寿命预测方法，其特征在于，步骤四获取继电保护装置在T1、T2时刻之间N个测量点的运行状态指标值V1i V2i V3i V4i(i＝1,2,3…,N)，计算出对应的相对劣化度x1i x2i x3i x4i与综合劣化度Ri；将Ri输入隶属云模型的第j个等级云，取M个隶属度的平均值作为该测量点i处于第j个状态等级的概率值，记作向量Rij，则T1、T2时刻之间的多个测量点的隶属度向量进行加权平均，得到初始状态概率分布向量λ：
Figure RE-FDA0002665405370000021
5.如权利要求4所述的智能变电站继电保护装置寿命预测方法，其特征在于，步骤五利用步骤四生成连续5年的概率分布列向量λ1＝(a1,a2,a3,a4)，λ2＝(b1,b2,b3,b4)，λ3＝(c1,c2,c3,c4)，λ4＝(d1,d2,d3,d4)，λ5＝(f1,f2,f3,f4)，由此即得相邻4年的初始状态概率分布矩阵分别为A和B，于是，继电保护装置的状态转移概率矩阵P＝A-1B
Figure RE-FDA0002665405370000022
6.如权利要求5所述的智能变电站继电保护装置寿命预测方法，其特征在于，步骤六根据当前时刻T0的状态概率分布向量和状态转移概率矩阵P可求得之后任意时刻T的状态概率分布向量，计算公式如下：
Figure RE-FDA0002665405370000023
式中：λ(T0)表示时刻T0的状态概率分布向量；λ(T)表示时刻T的状态概率分布向量：λ(T)＝(k1,k2,k3,k4)，其中，km为继电保护装置处于状态等级m的概率，此时，若置信度水平为0.75，那么保护装置处于良好状态等级的概率小于0.75时，认为装置处于失效状态，时刻T即为装置的最终寿命时间。
CN202010368429.1A 2020-04-30 2020-04-30 一种智能变电站继电保护装置寿命预测方法 Withdrawn CN111784020A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010368429.1A CN111784020A (zh) 2020-04-30 2020-04-30 一种智能变电站继电保护装置寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010368429.1A CN111784020A (zh) 2020-04-30 2020-04-30 一种智能变电站继电保护装置寿命预测方法

Publications (1)

Publication Number Publication Date
CN111784020A true CN111784020A (zh) 2020-10-16

Family

ID=72753048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010368429.1A Withdrawn CN111784020A (zh) 2020-04-30 2020-04-30 一种智能变电站继电保护装置寿命预测方法

Country Status (1)

Country Link
CN (1) CN111784020A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111305A (zh) * 2021-04-08 2021-07-13 广东电网有限责任公司韶关供电局 一种异常检测方法、装置、存储介质及电子设备
CN117269704A (zh) * 2023-11-22 2023-12-22 湖州新江浩电子有限公司 铝电容器内爆检测方法、装置、设备及存储介质
CN117809729A (zh) * 2024-02-29 2024-04-02 山东云海国创云计算装备产业创新中心有限公司 一种存储设备寿命预测方法、装置、设备和存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111305A (zh) * 2021-04-08 2021-07-13 广东电网有限责任公司韶关供电局 一种异常检测方法、装置、存储介质及电子设备
CN117269704A (zh) * 2023-11-22 2023-12-22 湖州新江浩电子有限公司 铝电容器内爆检测方法、装置、设备及存储介质
CN117269704B (zh) * 2023-11-22 2024-02-20 湖州新江浩电子有限公司 铝电容器内爆检测方法、装置、设备及存储介质
CN117809729A (zh) * 2024-02-29 2024-04-02 山东云海国创云计算装备产业创新中心有限公司 一种存储设备寿命预测方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
CN107516170B (zh) 一种基于设备故障概率和电网运行风险的差异自愈控制方法
CN106780127B (zh) 含分布式光伏配电网的评价方法
CN110796368B (zh) 基于贝叶斯网络的社区配电网动态风险评估方法及装置
CN107292478B (zh) 一种灾害对配电网影响态势的获取方法
CN114372417A (zh) 基于充电网的电动汽车电池健康状态和剩余寿命评估方法
CN109190792B (zh) 一种确定配电网中分布式电源的配置的方法和***
CN112668943A (zh) 一种配电线路健康状态评估方法及***
CN111340360B (zh) 基于运行及网架风险的综合能源***实时风险评估方法
CN111784020A (zh) 一种智能变电站继电保护装置寿命预测方法
CN109993665B (zh) 电力***在线安全稳定评估方法、装置及***
CN117498555B (zh) 一种基于云边融合的储能电站智能运维***
CN114742283A (zh) 一种基于深度学习网络的中压线路合环电流估算与风险评估方法
CN110783913B (zh) 基于群的计及预想事故集最佳电网拓扑在线优化方法
CN116167609A (zh) 基于神经网络模型的电力***风险评估方法
CN112632748B (zh) 一种电力***安稳风险优化方法、***及存储介质
CN117543822A (zh) 一种用于智能变电站继电保护设备的监测***
CN116316611B (zh) 基于低压台区下的供电方法及***
CN112329809A (zh) 基于决策树算法的高压断路器故障诊断方法
CN116452041A (zh) 一种基于交叉熵重要抽样的配电网可靠性评估方法
CN116581759A (zh) 一种输电断面有功校正控制方法、***及设备
CN115775107A (zh) 一种考虑连锁故障的电网信息物理***风险评估方法
Zhou et al. State evaluation of secondary equipment based on combination weighting and cloud model
CN111092430A (zh) 一种适应于电力***恢复的应急资源优化配置方法
CN117913827B (zh) 一种计及触发功能的复杂配电网的优化方法
Wang et al. Research of Auto Adjustment Method for Cross-Section Power of Power Grid Based on Reverse Equivalent Matching Method with AI Strategy

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20201016

WW01 Invention patent application withdrawn after publication