CN113313342A - 多种自然灾害引发电网设备故障概率分析方法和*** - Google Patents
多种自然灾害引发电网设备故障概率分析方法和*** Download PDFInfo
- Publication number
- CN113313342A CN113313342A CN202110379691.0A CN202110379691A CN113313342A CN 113313342 A CN113313342 A CN 113313342A CN 202110379691 A CN202110379691 A CN 202110379691A CN 113313342 A CN113313342 A CN 113313342A
- Authority
- CN
- China
- Prior art keywords
- power grid
- probability
- grid equipment
- ice
- calculating
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims description 51
- 239000011248 coating agent Substances 0.000 claims description 18
- 238000000576 coating method Methods 0.000 claims description 18
- 239000004020 conductor Substances 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000008018 melting Effects 0.000 claims description 9
- 238000002844 melting Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 230000001939 inductive effect Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 238000000859 sublimation Methods 0.000 claims description 6
- 208000025274 Lightning injury Diseases 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000008021 deposition Effects 0.000 claims description 3
- 239000000017 hydrogel Substances 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000008022 sublimation Effects 0.000 claims description 3
- 230000003746 surface roughness Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 238000012876 topography Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 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
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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
- G06Q10/0639—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
- 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
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及多种自然灾害引发电网设备故障概率分析方法和***,该方法包括暴雨灾害、大风灾害、覆冰灾害和雷电灾害故障概率计算,本发明主要是掌握西双版纳地区典型外部灾害,综合分析各类告警信息,以及气象、灾害的预测、实测等外部信息,并综合灾害引发设备故障的故障的概率、时空范围、类型等信息做出较为准确的分析判断,提升地区电网调度运行人员对于外部环境信息及其影响的感知能力,从而降低电网设备受灾后对各地区的影响,将风险降低到最小化。
Description
技术领域
本发明涉及设备灾害预警领域,具体的涉及多种自然灾害引发电网设备故障概率评估系 统及方法。
背景技术
西双版纳地区雨季高温多雨,旱季干燥,地形条件复杂,大风、山火、暴雨、雷电、洪涝以及地质灾害频发,严重威胁电网运行。目前该地区的调度自动化***主要以电网自身工 况的监视与分析为主,调度人员难以感知外部环境情况并分析其对于电网的影响,难以预判 并制定恶劣天气条件下合理的运行与检修方式。在国内外的研究中,大多研究雷电、覆冰、 台风等常见灾害对于省级以上电网的影响,较少研究该地区多发的暴雨、地质等灾害的监视 与影响分析方法,缺少面向地区电网特点的防灾应急决策技术研究。
因此,为掌握西双版纳地区典型外部灾害及其影响的时空规律与关键特征,提升地区电 网调度运行人员对于外部环境信息及其影响的感知能力,对多种自然灾害引发电网设备故障 概率分析和评估是很有必要的。
发明内容
为了解决上述问题,本发明提供多种自然灾害引发电网设备故障概率分析方法和***, 能够更好地分析灾害引发电网设备故障概率。
本发明的技术方案具体如下:
多种自然灾害引发电网设备故障概率分析方法,包括暴雨灾害、大风灾害、覆冰灾害和 雷电灾害故障概率计算,其中:
暴雨灾害风险概率计算按以下进行:
计算10天内的有效累计降雨量;计算当日最大小时降雨量;计算基于有效累积降雨量拟 合的暴雨灾害发生概率;计算当日最大小时降雨量拟合的暴雨灾害发生概率;计算暴雨灾害 诱发概率;计算危险性评价指数;计算电网设备发生故障的概率;
大风灾害风险概率计算按以下进行:
计算气象站与电网设备的距离;计算电网设备所受的风速;利用分段线性公式计算线路 故障的概率;
覆冰灾害风险概率计算按以下进行:
计算水凝物含冰量;构建积冰重量变化量模型;计算积冰厚度;获取该电网设备最大覆 冰厚度;计算电网设备覆冰时发生故障的概率;
雷电灾害风险概率计算按以下进行:
计算落雷面积;计算区域内电网线路长度;计算电网线路跳闸概率;计算雷电灾害引起 的电网设备故障概率。
进一步地:
暴雨灾害风险概率计算中,将计算10天内的有效累计降雨量设为R,其R计算公式如下:
式中:Rn代表第n天的降雨量,∑代表求和运算;
将当日最大小时降雨量设为Rh,其中Rh计算公式如下:
Rh=max(ra,rb)
式中:ra为气象实测数据,代表24小时内的降雨量(逐小时);rb为气象预报数据,代表未来3小时预报降雨量,max(ra,rb)代表取ra或者rb的最大值;
将有效累积降雨量拟合的暴雨灾害发生概率设为P(R),其P(R)的计算公式如下:
P(R)=-6*10-6*R3+0.016R2-0.031R+1.035
其中,R为10天内的有效累计降雨量;
当日最大小时降雨量拟合的暴雨灾害发生概率设为P(Rh),其P(Rh)的计算公式如下:
P(Rh)=-2*10-6*Rh 5+4*10-4*Rh 4-0.025Rh 3+0.56Rh 2-0.71Rh+3.52
其中,Rh代表当日最大小时降雨量;
将暴雨灾害诱发概率设为P,其计算公式如下:
P=0.8P(R)+0.2P(Rh)
其中,R为10天内的有效累计降雨量,Rh代表当日最大小时降雨量;
将危险性评价指数设为U,其计算公式如下:
U=w1*k1+w2*k2+w3*k3
其中,w1为地形的相对权重,k1为电网设备所在地形的台账取值;w2为电网设备类型 的相对权重,k2为电网设备地基隐患的台账取值;w3为地质的相对权重,k3为电网设备所在 地质的台账取值;
将电网设备发生故障的概率设为K,其计算公式如下:
K=1-(1-U)*(1-P)
式中:P为暴雨灾害诱发概率,U为电网设备暴雨灾害危险性评价指数。
进一步地:
所述大风灾害风险概率计算中,计算气象站与电网设备的距离时,将气象站的经纬度设
为(j1,w1),电网设备的经纬度设为(j2,w2);
将分段线性公式评估线路故障的概率设为a1,其计算公式如下:
式中:Vd是电网设备线路最大设计风速;Vm是电网设备线路实际所受最大风力;V1=βVd, β=0.8;k1是第一段的系数,取为0.03;k2是第二段的系数,取为0.02;
进一步地,覆冰灾害风险概率计算按以下进行:
将水凝物含冰率设为I,其计算公式如下:
I=(0-Tw)ln P/E′H
式中:P为压强;Tw为湿球温度;H相对湿度;E′为经验系数取0.045℃;
构建积冰重量变化量模型时,将积冰重量变化量设为dMt,其中,积冰重量变化量模型 的变化阶段包括:维持阶段、雨凇积冰阶段、雾凇积冰阶段、热力融冰阶段、升华脱冰 阶段;
处于维持阶段时dMt=0;
当处于雨凇积冰阶段时,其增长量根据Jones简单模型进行计算,其计算公式如下:
dMt=[(Pρw)2+(3.6V×0.067P0.846)2]0.5
式中:ρw为水的密度;P为降水强度;V为风速;
当处于雾凇积冰阶段时,其增长量根据Makkonen模型计算,其计算公式如下:
dMt=3600α1QVDt-1
式中:Q为液态含水量;α1为碰撞率;V为风速;Dt-1为上个时刻覆冰厚度;
当处于热力融冰阶段时,其融冰量根据Farzaneh公式计算,其计算公式如下:
dMt=-87-80Tt
其中Tt为当前时次的气温;-87和80均为经验值;
当处于升华脱冰阶段时,其积冰重量变化量dMt=-7,其中-7为经验值;
将积冰厚度设为Dt,其计算公式如下:
其中:Dt-1为(t-1)时次的导线积冰直径;ρt代表t时次的电线积冰密变;dMt为积冰重 量变化量;
推导出电网设备最大覆冰厚度计算方法如下:
判断Dt是否大于Dt-1,当Dt是大于Dt-1时最大覆冰厚度Dm=Dt,当Dt是小于Dt-1时最大覆冰厚度Dm=Dt-1;
根据覆冰厚度和重量的变化量计算出电网设备覆冰时发生故障的概率ad,概率的计算方 法如下:
式中:Dd是电网设备线路最大设计覆冰厚度;Dm是电网设备线路实际所受最大风力; D1=βDd,β=0.8;k1是第一段的系数,取为0.03;k2是第二段的系数,取为0.02。
进一步地,雷电灾害风险概率计算按以下进行:
计算落雷面积时,利用墨卡托投影的geodeSicAre函数,输入地球半径和所要计算地区 的经纬度,则输出当前区域落雷的面积S;
计算区域内电网线路长度,输入当前电网线路内所有电网设备的经纬度,基于ES搜索 引擎获取相邻电网设备之间的距离,最后进行相加,输出相加值1为电网线路长度;
将电网线路跳闸概率设为P,其计算方法如下:
其中:α为调整系数,且为常量静态值;n为雷击数;b为避雷线之间的宽度,其值取自 电网设备中左避雷线中距和右避雷线中距数之和;hav为避雷线平均高度,其值取自避雷线高 度;N为电网线路百公里雷击次数,其计算公式为N=0.015Th,其中,T为当前地区的年雷电 日统计值,h取电网设备的高度;S为当前区域落雷的面积;l为电网线路长度;
输出由雷电灾害引起的电网设备故障概率。
进一步地,包括采集器、处理器和显示器;
采集器采集自然灾害相关数据;
处理器根据采集的数据,按权利要求1-5之一的方法,计算相应的自然灾害引发电网设 备故障概率,并在GIS地图上生成电网设备故障告警网格;
显示器,基于GIS地图展示自然灾害的气象监测信息和气象预警信息,并在GIS地图上 生成气象监测和预警网格。
本发明还涉及一种电子设备,包括存储器、处理器以及在存储器上,并可在处理器上运 行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1至5中任一所述方 法的步骤。
本发明的一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处 理器执行时,实现上述方法的步骤。
在本发明的方法的一个实施例中,所述u的值取决于不同地形,其中地形分为:平坦或 稍有起伏的地形和山区地形两种,所述平坦或稍有起伏的地形又细分为海上、乡村、城市、 大城市,所述山区地形分为山峰或山坡、山间盆地或谷底、与风向一致的谷口和山口,所述 地形为海上时u=0.12,所述地形为乡村时u=0.15,所述地形为城市时u=0.22,所述地形为大 城市时u=0.3,所述地形为山峰或山坡时式中:tanα为山峰或山坡 在迎风面一侧的坡度,当tanα大于0.3时,取0.3;当为山峰时k取2.2,当为上坡时k取1.4; H为山峰或上坡的全高(m);z为电网设备计算风速位置离电网设备地面的高度(m),当z 大于2.5H时,取2.5H,所述地形为山间盆地或谷底时u=0.75~0.85,所述地形为与风向一致 的谷口和山口时,u=1.2~1.5。
在本发明的方法的一个实施例中,所述海上是指近海海面和海盗、海岸、湖岸及沙漠地 区,所述乡村是指田野、乡村、丛林、丘陵及房屋比较稀疏的乡镇,所述城市是指密集建筑 群的域市市区、所述大城市是指密集建筑群且房屋较高的域市市区。
与现有技术相比,本发明的有益效果在于:
本发明对多种自然灾害引发电网设备故障概率进行分析,典型外部灾害及其影响的时空 规律与关键特征,提升地区电网调度运行人员对于外部环境信息及其影响的感知能力,能够 实现外部环境信息与电网信息的融合,从设备层面和电网运行层面量化评估外部灾害的影响, 对电网自身运行信息、风险信息、外部环境信息等进行全景可视化展示,并针对电网运行风 险自动给出相应的运行方式调整建议,提升调度运行专业处置灾害风险的分析决策能力与自 动化水平。
本发明同时综合分析各类告警信息、保信信息等电网运行信息,以及气象、灾害的预测、 实测等外部信息,对其中的非结构化、半结构化数据进行识别与处理,并综合灾害引发设备 故障的机理模型和历史数据学习等方法对发生故障的概率、时空范围、类型等信息做出较为 准确的分析判断。
本发明考虑灾害动态影响、电网运行、救灾物资需求匹配等约束,以及运送路径、时间 等不确定因素的多目标非线性优化模型,并提出求解方法,有效提升调度运行专业的应急分 析决策能力,从而降低电网设备受灾后对各地区的影响,将风险降低到最小化。
附图说明
图1为本发明的***的结构框图;
图2为暴雨灾害风险概率评估流程图;
图3为大风灾害风险概率评估流程图;
图4为覆冰灾害风险概率评估流程图;
图5为雷电灾害风险概率评估流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或 类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的 实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚 度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描 述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的 方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者 隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含 地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非 另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语 应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械 连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件 内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中 的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包 括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的 另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二 特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之 下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高 度小于第二特征。
实施例1
如图1所示,本实施例的多种自然灾害引发电网设备故障概率分析***,包括采集器、 处理器、显示器。
采集器采集自然灾害相关数据。处理器根据采集的数据,计算相应的自然灾害引发电网 设备故障概率,并在GIS地图上生成电网设备故障告警网格;显示器,基于GIS地图展示自 然灾害的气象监测信息和气象预警信息,并在GIS地图上生成气象监测和预警网格。
本实施例可通过自动采集和手工录入等方式采集各类数据,处理器基于GIS地图展示自 然灾害的气象监测信息和气象预警信息,结合行政区域划分,自动统计过去24小时各地区气 象情况,并在GIS地图上生成气象监测和预警网格。
处理器基于历史数据分析西双版纳电网雷电、暴雨、大风气象及地质灾害的时空特性, 归纳分析灾害引发电网设备故障或损毁情况及其特征,同时基于灾害引发电网设备故障的机 理,分析灾害引发电网设备故障概率,能够对故障概率较大的设备进行在线预警;在线评估 暴雨灾害、大风灾害、覆冰灾害、雷电灾害引发电网设备故障的概率,并在GIS地图上生成 电网设备故障告警网格。
本实施例的多种自然灾害主要包括暴雨灾害、大风灾害、覆冰灾害、雷电灾害。
如图2所示,暴雨灾害风险概率评估流程包括:
步骤S11:计算10天内的有效累计降雨量;
将危险性评价指数设为U,其计算公式如下:
U=w1*k1+w2*k2+w3*k3
式中:w1为地形的相对权重,k1为电网设备所在地形的台账取值;w2为电网设备类型 的相对权重,k2为电网设备地基隐患的台账取值;w3为地质的相对权重,k3为电网设备所在 地质的台账取值。
步骤S17:推导出电网设备发生故障的概率。
将电网设备发生故障的概率设为K,其计算公式如下:
K=1-(1-U)*(1-P)
式中:P为暴雨灾害诱发概率,U为电网设备暴雨灾害危险性评价指数。
如图3所示,大风灾害风险概率评估流程包括:
步骤S21:计算气象站与电网设备的距离;
计算气象站与电网设备的距离时将气象站的经纬度设为(j1,w1),电网设备的经纬度设 为(j2,w2)。
步骤S22:计算电网设备所受的风速;
其中u的值取决于不同地形,其中地形分为:
平坦或稍有起伏的地形和山区地形两种,所述平坦或稍有起伏的地形又细分为海上、乡 村、城市、大城市,所述山区地形分为山峰或山坡、山间盆地或谷底、与风向一致的谷口和 山口,其中海上是指近海海面和海盗、海岸、湖岸及沙漠地区,所述乡村是指田野、乡村、 丛林、丘陵及房屋比较稀疏的乡镇,所述城市是指密集建筑群的城市市区、所述大城市是指 密集建筑群且房屋较高的城市市区,所述地形为海上时u=0.12,所述地形为乡村时u=0.15, 所述地形为城市时u=0.22,所述地形为大城市时u=0.3,所述地形为山峰或山坡时 式中:tanα为山峰或山坡在迎风面一侧的坡度,当tanα大于0.3 时,取0.3;当为山峰时k取2.2,当为上坡时k取1.4;H为山峰或上坡的全高(m);z为电网设备计算风速位置离电网设备地面的高度(m),当z大于2.5H时,取2.5H,所述地形为 山间盆地或谷底时u=0.75~0.85,所述地形为与风向一致的谷口和山口时,u=1.2~1.5。
步骤S23:利用分段线性公式评估线路故障的概率。
将分段线性公式评估线路故障的概率设为a1,其计算公式如下:
式中:Vd是电网设备线路最大设计风速;Vm是电网设备线路实际所受最大风力;V1=βVd, β=0.8;k1是第一段的系数,可取为0.03;k2是第二段的系数,可取为0.02。
如图4所示,覆冰灾害风险概率评估流程包括:
步骤S31:计算水凝物含冰量;
将水凝物含冰率设为I,其计算公式如下:
I=(0-Tw)ln P/E′H
式中:P为压强(单位:hPa);Tw为湿球温度(单位:℃);H相对湿度(单位:%);E′为经验系 数可取0.045℃。
步骤S32:构建积冰重量变化量模型;
在构建积冰重量变化量模型时,将积冰重量变化量设为dMt,其中积冰重量变化量模型 分为5种变化阶段包括:维持阶段、雨凇积冰阶段、雾凇积冰阶段、热力融冰阶段、升华 脱冰阶段,当处于维持阶段时dMt=0;当处于雨凇积冰阶段时,其增长量根据Jones简单模型 进行计算,其计算公式如下:
dMt=[(Pρw)2+(3.6V×0.067P0.846)2]0.5
式中:ρw为水的密度(单位:1.0gcm-3);P为降水强度(单位:mm·h-1);V为风速(单位:m·s-1):
当处于雾凇积冰阶段时,其增长量根据Makkonen模型计算,其计算公式如下:
dMt=3600α1QVDt-1
式中:Q为液态含水量(单位:g·m-3);α1为碰撞率;V为风速(单位:m·s-1);Dt-1为上个时刻覆冰厚度;
当处于热力融冰阶段时,其融冰量根据Farzaneh公式计算,其计算公式如下:
dMt=-87-80Tt
式中Tt为当前时次的气温(单位:℃);-87和80均为经验值;
当处于处于升华脱冰阶段时,其积冰重量变化量dMt=-7,其中-7为经验值。
所述步骤S33将积冰厚度设为Dt,其计算公式如下:
式中:Dt-1为(t-1)时次的导线积冰直径(单位:mm);ρt代表t时次的电线积冰密度(单位:g·cm-3);dMt为积冰重量变化量。
步骤S33:计算积冰厚度;
步骤S34:获取该电网设备最大覆冰厚度;
推导出电网设备最大覆冰厚度计算方法如下:
判断Dt是否大于Dt-1,当Dt是大于Dt-1时最大覆冰厚度Dm=Dt,当Dt是小于Dt-1时最大 覆冰厚度Dm=Dt-1;
步骤S35:推导出电网设备覆冰时发生故障的概率。
推导出电网设备最大覆冰厚度,所述步骤S34根据覆冰厚度和重量的变化量计算出电网 设备覆冰时发生故障的概率。
根据覆冰厚度和重量的变化量计算出电网设备覆冰时发生故障的概率ad,概率的计算方 法如下:
式中:Dd是电网设备线路最大设计覆冰厚度;Dm是电网设备线路实际所受最大风力; D1=βDd,β=0.8;k1是第一段的系数,取为0.03;k2是第二段的系数,取为0.02。
如图5所示,雷电灾害风险概率评估流程包括:
步骤S41:计算落雷面积;
计算落雷面积时利用墨卡托投影的geodeSicAre函数,输入地球半径和所要计算地区的 经纬度,则输出当前区域落雷的面积S。
步骤S42:计算区域内电网线路长度;
计算区域内电网线路长度,其计算方法为输入当前电网线路内所有电网设备的经纬度, 基于ES搜索引擎获取相邻电网设备之间的距离,最后进行相加,输出相加值l为电网线路长 度。
步骤S43:计算电网线路跳闸概率;
将电网线路跳闸概率设为P,其计算方法如下:
式中:α为调整系数,且为常量静态值;n为雷击数;b为避雷线之间的宽度,其值取自 电网设备中左避雷线中距和右避雷线中距数之和:hav为避雷线平均高度,其值取自避雷线高 度:N为电网线路百公里雷击次数,其计算公式为N=0.015Th,其中T为当前地区的年雷电日统计值,h取电网设备的高度;S为当前区域落雷的面积;l为电网线路长度。
步骤S44:输出由雷电灾害引起的电网设备故障概率。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实 现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软 件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理 元件调用软件的形式实现,部分模块通过硬件的形式实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当 使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包 括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产 生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算 机网络、或者其他可编程装置。所述计算机指令可以存储在可读存储介质中,或者从一个可 读存储介质向另一个可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算 机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、 无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述可读存储 介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、 数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光 介质(例如,DVD)、或者半导体介质(例如固态硬盘solid statedisk(SSD))等。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络 处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignalProcessing,DSP)、 专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field- Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分 立硬件组件。
需要说明的是,流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为, 表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片 段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论 的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本 发明的实施例所属技术领域的技术人员所理解。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或 “一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于 本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是 相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多 个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的, 不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下 在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.多种自然灾害引发电网设备故障概率分析方法,其特征在于:包括暴雨灾害、大风灾害、覆冰灾害和雷电灾害故障概率计算,其中:
暴雨灾害风险概率计算按以下进行:
计算10天内的有效累计降雨量;计算当日最大小时降雨量;计算基于有效累积降雨量拟合的暴雨灾害发生概率;计算当日最大小时降雨量拟合的暴雨灾害发生概率;计算暴雨灾害诱发概率;计算危险性评价指数;计算电网设备发生故障的概率;
大风灾害风险概率计算按以下进行:
计算气象站与电网设备的距离;计算电网设备所受的风速;利用分段线性公式计算线路故障的概率;
覆冰灾害风险概率计算按以下进行:
计算水凝物含冰量;构建积冰重量变化量模型;计算积冰厚度;获取该电网设备最大覆冰厚度;计算电网设备覆冰时发生故障的概率;
雷电灾害风险概率计算按以下进行:
计算落雷面积;计算区域内电网线路长度;计算电网线路跳闸概率;计算雷电灾害引起的电网设备故障概率。
2.根据权利要求1所述的方法,其特征在于:
暴雨灾害风险概率计算中,将计算10天内的有效累计降雨量设为R,其R计算公式如下:
式中:Rn代表第n天的降雨量,∑代表求和运算;
将当日最大小时降雨量设为Rh,其中Rh计算公式如下:
Rh=max(ra,rb)
式中:ra为气象实测数据,代表24小时内的降雨量(逐小时);rb为气象预报数据,代表未来3小时预报降雨量,max(ra,rb)代表取ra或者rb的最大值;
将有效累积降雨量拟合的暴雨灾害发生概率设为P(R),其P(R)的计算公式如下:
P(R)=-6*10-6*R3+0.016R2-0.031R+1.035
其中,R为10天内的有效累计降雨量;
当日最大小时降雨量拟合的暴雨灾害发生概率设为P(Rh),其P(Rh)的计算公式如下:
P(Rh)=-2*10-6*Rh 5+4*10-4*Rh 4-0.025Rh 3+0.56Rh 2-0.71Rh+3.52
其中,Rh代表当日最大小时降雨量;
将暴雨灾害诱发概率设为P,其计算公式如下:
P=0.8P(R)+0.2P(Rh)
其中,R为10天内的有效累计降雨量,Rh代表当日最大小时降雨量;
将危险性评价指数设为U,其计算公式如下:
U=w1*k1+w2*k2+w3*k3
其中,w1为地形的相对权重,k1为电网设备所在地形的台账取值;w2为电网设备类型的相对权重,k2为电网设备地基隐患的台账取值;w3为地质的相对权重,k3为电网设备所在地质的台账取值;
将电网设备发生故障的概率设为K,其计算公式如下:
K=1-(1-U)*(1-P)
式中:P为暴雨灾害诱发概率,U为电网设备暴雨灾害危险性评价指数。
4.根据权利要求1所述的方法,其特征在于:覆冰灾害风险概率计算按以下进行:
将水凝物含冰率设为I,其计算公式如下:
I=(0-Tw)ln P/E′H
式中:P为压强;Tw为湿球温度;H相对湿度;E′为经验系数取0.045℃;
构建积冰重量变化量模型时,将积冰重量变化量设为dMt,其中,积冰重量变化量模型的变化阶段包括:维持阶段、雨凇积冰阶段、雾凇积冰阶段、热力融冰阶段、升华脱冰阶段;
处于维持阶段时dMt=0;
当处于雨凇积冰阶段时,其增长量根据Jones简单模型进行计算,其计算公式如下:
式中:ρw为水的密度;P为降水强度;V为风速;
当处于雾凇积冰阶段时,其增长量根据Makkonen模型计算,其计算公式如下:
dMt=3600α1QVDt-1
式中:Q为液态含水量;α1为碰撞率;V为风速;Dt-1为上个时刻覆冰厚度;
当处于热力融冰阶段时,其融冰量根据Farzaneh公式计算,其计算公式如下:
dMt=-87-80Tt
其中Tt为当前时次的气温;-87和80均为经验值;
当处于升华脱冰阶段时,其积冰重量变化量dMt=-7,其中-7为经验值;
将积冰厚度设为Dt,其计算公式如下:
其中:Dt-1为(t-1)时次的导线积冰直径;ρt代表t时次的电线积冰密度;dMt为积冰重量变化量;
推导出电网设备最大覆冰厚度计算方法如下:
判断Dt是否大于Dt-1,当Dt是大于Dt-1时最大覆冰厚度Dm=Dt,当Dt是小于Dt-1时最大覆冰厚度Dm=Dt-1;
根据覆冰厚度和重量的变化量计算出电网设备覆冰时发生故障的概率αd,概率的计算方法如下:
式中:Dd是电网设备线路最大设计覆冰厚度;Dm是电网设备线路实际所受最大风力;D1=βDd,β=0.8;k1是第一段的系数,取为0.03;k2是第二段的系数,取为0.02。
5.根据权利要求1所述的方法,其特征在于:雷电灾害风险概率计算按以下进行:
计算落雷面积时,利用墨卡托投影的geodeSicAre函数,输入地球半径和所要计算地区的经纬度,则输出当前区域落雷的面积S;
计算区域内电网线路长度,输入当前电网线路内所有电网设备的经纬度,基于ES搜索引擎获取相邻电网设备之间的距离,最后进行相加,输出相加值1为电网线路长度;
将电网线路跳闸概率设为P,其计算方法如下:
其中:α为调整系数,且为常量静态值;n为雷击数;b为避雷线之间的宽度,其值取自电网设备中左避雷线中距和右避雷线中距数之和;hav为避雷线平均高度,其值取自避雷线高度;N为电网线路百公里雷击次数,其计算公式为N=0.015Th,其中,T为当前地区的年雷电日统计值,h取电网设备的高度;S为当前区域落雷的面积;1为电网线路长度;输出由雷电灾害引起的电网设备故障概率。
6.多种自然灾害引发电网设备故障概率分析***,其特征在于:包括采集器、处理器和显示器;
采集器采集自然灾害相关数据;
处理器根据采集的数据,按权利要求1-5之一的方法,计算相应的自然灾害引发电网设备故障概率,并在GIS地图上生成电网设备故障告警网格;
显示器,基于GIS地图展示自然灾害的气象监测信息和气象预警信息,并在GIS地图上生成气象监测和预警网格。
7.一种电子设备,包括存储器、处理器以及在存储器上,并可在处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现上述权利要求1至5中任一所述方法的步骤。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于:该计算机程序被处理器执行时,实现如权利要求1至5中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110379691.0A CN113313342B (zh) | 2021-04-08 | 2021-04-08 | 多种自然灾害引发电网设备故障概率分析方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110379691.0A CN113313342B (zh) | 2021-04-08 | 2021-04-08 | 多种自然灾害引发电网设备故障概率分析方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313342A true CN113313342A (zh) | 2021-08-27 |
CN113313342B CN113313342B (zh) | 2023-03-31 |
Family
ID=77372008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110379691.0A Active CN113313342B (zh) | 2021-04-08 | 2021-04-08 | 多种自然灾害引发电网设备故障概率分析方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313342B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116153019A (zh) * | 2023-02-13 | 2023-05-23 | 深圳崎点数据有限公司 | 一种基于云计算的电网灾害预警*** |
CN117688475A (zh) * | 2024-02-04 | 2024-03-12 | 山东电工时代能源科技有限公司 | 基于灾害预测的能源网评估方法、***、终端及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318320A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于静态安全分析的电网气象灾害风险评估方法及装置 |
CN107169645A (zh) * | 2017-05-09 | 2017-09-15 | 云南电力调度控制中心 | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 |
CN108898258A (zh) * | 2018-07-06 | 2018-11-27 | 广州供电局有限公司 | 雷电灾害天气下电力***连锁故障风险的分析方法与*** |
-
2021
- 2021-04-08 CN CN202110379691.0A patent/CN113313342B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318320A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于静态安全分析的电网气象灾害风险评估方法及装置 |
CN107169645A (zh) * | 2017-05-09 | 2017-09-15 | 云南电力调度控制中心 | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 |
CN108898258A (zh) * | 2018-07-06 | 2018-11-27 | 广州供电局有限公司 | 雷电灾害天气下电力***连锁故障风险的分析方法与*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116153019A (zh) * | 2023-02-13 | 2023-05-23 | 深圳崎点数据有限公司 | 一种基于云计算的电网灾害预警*** |
CN116153019B (zh) * | 2023-02-13 | 2023-08-22 | 深圳崎点数据有限公司 | 一种基于云计算的电网灾害预警*** |
CN117688475A (zh) * | 2024-02-04 | 2024-03-12 | 山东电工时代能源科技有限公司 | 基于灾害预测的能源网评估方法、***、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113313342B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Orville et al. | Cloud-to-ground lightning in the United States: NLDN results in the first decade, 1989–98 | |
CN107169645B (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
CN107316095A (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
CN102629294A (zh) | 台风引发输电线路故障的概率评估方法 | |
CN113313342B (zh) | 多种自然灾害引发电网设备故障概率分析方法和*** | |
Chu et al. | Extreme rainfall events in the Hawaiian Islands | |
CN104851051A (zh) | 一种结合动态修正的电网区域暴雨量精细化预警方法 | |
CN103914737B (zh) | 一种输变电线路全线路现地气象信息计算方法 | |
Lang et al. | The influence of a lake-to-lake connection from Lake Huron on the lake-effect snowfall in the vicinity of Lake Ontario | |
CN116384733A (zh) | 一种强对流天气下基于气象雷达的输电线路风险预警方法 | |
CN209417901U (zh) | 基于土壤墒情实时校正的山洪灾害动态预警*** | |
CN113313289B (zh) | 一种基于多数据源的电网气象预警*** | |
Barfod et al. | The expert tool XGEO and its applications in the Norwegian Avalanche Forecasting Service | |
Łupikasza et al. | Climatology of Air-Mass and Frontal Extreme Precipitation | |
CN115456463A (zh) | 一种山洪灾害危险区风险等级划分方法及*** | |
Terry | Hazard warning! Hydrological responses in the Fiji Islands to climate variability and severe meteorological events | |
CN117216503B (zh) | 一种小区域短时暴雨的预警方法和*** | |
Thorkildson et al. | In-cloud icing in the Columbia basin | |
Pirovano et al. | Combining meteorological and electrical engineering expertise to solve energy management problems | |
Guo et al. | A movement prediction method of CG flashes based on lightning and convective clouds clustering and tracking technology | |
CN116341704B (zh) | 一种引入生消机制的导线覆冰风险等级预报方法 | |
Harper et al. | Severe thunderstorm risks | |
CN117854235A (zh) | 密集输电通道气象灾害预报预警*** | |
Correia et al. | Portuguese lightning detection network, applications and developed products | |
Zhou et al. | Research on the Forecasting and Risk Analysis Method of Snowmelt Flood. |
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 |