CN117150808A - 一种强对流天气下输电线路韧性评估方法、***及设备 - Google Patents
一种强对流天气下输电线路韧性评估方法、***及设备 Download PDFInfo
- Publication number
- CN117150808A CN117150808A CN202311218628.4A CN202311218628A CN117150808A CN 117150808 A CN117150808 A CN 117150808A CN 202311218628 A CN202311218628 A CN 202311218628A CN 117150808 A CN117150808 A CN 117150808A
- Authority
- CN
- China
- Prior art keywords
- fault
- transmission line
- power transmission
- partition
- line
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005192 partition Methods 0.000 claims abstract description 110
- 238000011156 evaluation Methods 0.000 claims abstract description 75
- 230000008439 repair process Effects 0.000 claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 238000012423 maintenance Methods 0.000 claims abstract description 19
- 238000000638 solvent extraction Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000002265 prevention Effects 0.000 claims description 11
- 238000011084 recovery Methods 0.000 claims description 8
- 230000003449 preventive effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process 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
- 238000011002 quantification Methods 0.000 description 1
Classifications
-
- 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
- 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
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种强对流天气下输电线路韧性评估方法、***及设备，包括：根据线路所处地理位置对输电线路进行分区；基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率；基于各线路故障历史数据和维护时间确定各分区的平均故障修复时间；基于所述各分区的总故障概率、所述各分区的平均故障修复时间结合输电线路最高电压等级确定韧性评估指标；基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估。本发明实现了对输电线路在强对流天气下的韧性评估，快速分析出输电线路中的薄弱区域，为是否对线路采取预防措施或快速恢复抢修提供依据。
Description
技术领域
本发明涉及输电工程领域，具体讲涉及一种强对流天气下输电线路韧性评估方法、***及设备。
背景技术
韧性是能够反应电力***在受到极端灾害影响下，能否产生严重故障以及发生故障后，能否快速应对恢复运行状态的能力。高韧性电网在灾害环境下，具备更好的抗灾和灾后恢复运行的能力。
强对流天气对输电线路的安全稳定运行带来了极大影响，发生导线断线断股、风偏放电甚至倒塔等故障。根据强对流大风天气特性，提高输电线路设计风速以提升抗风能力是有效途经之一。但实际应用存在较大不适用性，如***速可达100m/s，发生时间、地点随机性强，影响范围相对较小(几米-几百米)，若整体提升输电线路的设计风速，会导致工程造价指数级增加，成本不可估量。目前，针对强对流大风天气，电网仍处于被动应对状态。
台风同样易造成架空线路异物短路、风偏或本体损伤故障，鉴于此，国内外学者引入了“韧性”概念来量化电力***应对台风天气时的承受能力和应急恢复能力，建立了在台风作用下多种配电网韧性评估模型，以提升架空线路应对台风灾害的能力。但是，针对强对流大风天气，输电线路的综合韧性评估方法尚未有相关研究。
发明内容
为解决强对流大风天气，输电线路的综合韧性评估方法尚未有相关研究，本发明提供了一种强对流天气下输电线路韧性评估方法，包括：
根据线路所处地理位置对输电线路进行分区；
基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率；
基于各线路故障历史数据和维护时间确定各分区的平均故障修复时间；
基于所述各分区的总故障概率、所述各分区的平均故障修复时间结合输电线路最高电压等级确定韧性评估指标；
基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估。
可选的，所述基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率，包括：
基于线路运行时间和预先构建的杆塔故障概率模型，得到各杆塔的基准故障概率；
对实时监测数据和预报数据进行分析，确定强对流天气故障概率加权系数和，并计算各种类型元件的故障概率；
基于所述基准故障概率和所述强对流天气故障概率加权系数确定架空线路故障率；
基于各种类型元件的故障概率和所述架空线路故障率确定各分区的总故障概率；
其中，所述杆塔故障概率模型是利用Webull分布结合输电线路历史台账数据建立的；
所述各种类型元件包括杆塔和各档导线。
可选的，所述架空线路故障率按下式计算：
式中：为架空线路故障率；λ0(t)为基准故障率函数；W为强对流天气故障概率加权系数。
可选的，所述各分区的总故障概率按下式计算：
式中：λ'm为分区m的总故障概率，为架空线路故障率；j为元件类型编号，其中导线编号为1，杆塔编号为2；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率。
可选的，还包括，在根据线路所处地理位置对输电线路进行分区，之前还包括：对各输电线路进行编号。
可选的，所述各分区的平均故障修复时间按下式计算：
式中，t'm为分区m的平均故障修复时间，m为分区编号；为架空线路故障率；j为元件类型编号；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率；/>为线路平均故障修复时间；/>为第i种类型元件平均故障修复时间。
可选的，所述韧性评估指标按下式计算：
其中，L为强对流天气下输电线路的韧性评估指标；Q(t)为输电线路基础运行状态；t0为强对流发生时刻；t3为输电线路状态恢复时刻，N为输电线路分区集合；Pm为某一分区负荷损失功率，Vm为架空输电线路区域最高电压等级，t'm为分区m的平均故障修复时间，λ'm为分区m的总故障概率。
可选的，所述基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估，包括：
判断所述韧性评估指标是否大于设定倍数的预先确定的初始韧性评估指标；
若大于，则强对流天气下输电线路的韧性较差，需要做防灾措施；否则强对流天气下输电线路的韧性较强，无需做防灾措施；
其中，所述初始韧性评估指标是基于输电线路电压等级、故障历史数据和维护时间确定的。
再一方面本发明还提供了一种强对流天气下输电线路韧性评估***，包括：
分区模块，用于根据线路所处地理位置对输电线路进行分区；
概率计算模块，用于基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率；
时间计算模块，用于基于各线路故障历史数据和维护时间确定各分区的平均故障修复时间；
评估指标计算模块，用于基于所述各分区的总故障概率、所述各分区的平均故障修复时间结合输电线路最高电压等级确定韧性评估指标；
评估模块，用于基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估。
可选的，所述概率计算模块具体用于：
基于线路运行时间和预先构建的杆塔故障概率模型，得到各杆塔的基准故障概率；
对实时监测数据和预报数据进行分析，确定强对流天气故障概率加权系数和，并计算各种类型元件的故障概率；
基于所述基准故障概率和所述强对流天气故障概率加权系数确定架空线路故障率；
基于各种类型元件的故障概率和所述架空线路故障率确定各分区的总故障概率；
其中，所述杆塔故障概率模型是利用Webull分布结合输电线路历史台账数据建立的；
所述各种类型元件包括杆塔和各档导线。
可选的，所述概率计算模块通过下式计算架空线路故障率：
式中：为架空线路故障率；λ0(t)为基准故障率函数；W为强对流天气故障概率加权系数。
可选的，所述概率计算模块通过下式计算各分区的总故障概率：
式中：λ'm为分区m的总故障概率，为架空线路故障率；j为元件类型编号，其中导线编号为1，杆塔编号为2；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率。
可选的，所述时间计算模块通过下式计算各分区的平均故障修复时间：
式中，t'm为分区m的平均故障修复时间，m为分区编号；为架空线路故障率；j为元件类型编号；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率；/>为线路平均故障修复时间；/>为第i种类型元件平均故障修复时间。
可选的，所述评估指标计算模块通过下式计算评估指标：
其中，L为强对流天气下输电线路的韧性评估指标；Q(t)为输电线路基础运行状态；t0为强对流发生时刻；t3为输电线路状态恢复时刻，N为输电线路分区集合；Pm为某一分区负荷损失功率，Vm为架空输电线路区域最高电压等级，t'm为分区m的平均故障修复时间，λ'm为分区m的总故障概率。
可选的，所述评估模块具体用于：
判断所述韧性评估指标是否大于设定倍数的预先确定的初始韧性评估指标；
若大于，则强对流天气下输电线路的韧性较差，需要做防灾措施；否则强对流天气下输电线路的韧性较强，无需做防灾措施；
其中，所述初始韧性评估指标是基于输电线路电压等级、故障历史数据和维护时间确定的。
再一方面本发明还提供了一种计算机设备，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如上述所述的一种强对流天气下输电线路韧性评估方法。
再一方面本发明还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如上述所述的一种强对流天气下输电线路韧性评估方法。
与现有技术相比，本发明的有益效果为：
本发明提供了一种强对流天气下输电线路韧性评估方法，包括：根据线路所处地理位置对输电线路进行分区；基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率；基于各线路故障历史数据和维护时间确定各分区的平均故障修复时间；基于所述各分区的总故障概率、所述各分区的平均故障修复时间结合输电线路最高电压等级确定韧性评估指标；基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估。本发明实现了对输电线路在强对流天气下的韧性评估，快速分析出输电线路中的薄弱区域，为是否对线路采取预防措施或快速恢复抢修提供依据。
附图说明
图1为本发明的一种强对流天气下输电线路韧性评估方法流程图；
图2为本发明的输电线路韧性曲线。
具体实施方式
目前对于电力***的韧性评估均针对配电网***，以造成的经济损失为评估参数，来确定配电***的韧性，而针对输电线路的韧性评估方法尚处空白阶段，本发明提供了一种强对流天气下输电线路韧性评估方法、***及设备。在输电线路中，恶劣灾害引起的故障会导致严重后果，但对于台风、***等极端恶劣气候，又难以通过提高设计标准来应对，因此需要以输电线路安全运行、故障程度最低、灾后恢复最快为多参数评估目标，建立输电线路在灾害环境下的综合性评估方法，即韧性评估方法。
实施例1：一种强对流天气下输电线路韧性评估方法，如图1所示：
S1：根据线路所处地理位置对输电线路进行分区；
S2：基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率；
S3：基于各线路故障历史数据和维护时间确定各分区的平均故障修复时间；
S4：基于所述各分区的总故障概率、所述各分区的平均故障修复时间结合输电线路最高电压等级确定韧性评估指标；
S5：基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估。
下面对本发明作详细介绍：
S1中根据线路所处地理位置对输电线路进行分区，具体包括：
本发明韧性评估指标计算法，将每一基杆塔、每一档导线进行组合，将评估对象输电线路为多个分块，并在分块间建立串联联系。
S2中基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率，包括：
基于线路运行时间和预先构建的杆塔故障概率模型，得到各杆塔的基准故障概率；
对实时监测数据和预报数据进行分析，确定强对流天气故障概率加权系数和各种类型元件的故障概率；
基于所述基准故障概率和所述强对流天气故障概率加权系数确定架空线路故障率；
基于各种类型元件的故障概率和所述架空线路故障率确定各分区的总故障概率；
其中，所述杆塔故障概率模型是利用Webull分布结合输电线路历史台账数据建立的；
所述各种类型元件包括杆塔和各档导线。
S2的具体内容如下：
架空线路故障率可由基准故障率函数和强对流天气故障概率加权系数确定。准故障率函数由线路服役时间确定，利用Weibull分布进行建模。在大风、覆冰等极端天气环境下，架空线故障率将急剧增大，利用故障概率加权系数提升故障发生概率，在应用过程中，根据在线监测数据和相关气象数据，利用风速、温度分析，确定输电线路经历的强对流天气类别，进而确定概率加权系数。
式中：为架空线路故障率；λ0(t)为基准故障率函数，可通过输电线路所在区域的历史故障数据台账进行计算；W为强对流天气故障概率加权系数。
式中：λ'm为分区m的总故障概率，为架空线路故障率；j为元件类型编号；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率。
S3中的基于各线路故障历史数据和维护时间确定各分区的平均故障修复时间，包括：
根据各线路故障历史数据和维护时间，确定各种故障的平均故障时间，并根据下式，计算该区域输电线路的架空线路故障率和线路平均故障修复时间。
式中，t'm为分区m的平均故障修复时间，m为分区编号；为架空线路故障率；j为元件类型编号，其中导线编号为1，杆塔编号为2；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率；/>为线路平均故障修复时间；/>为第i种类型元件平均故障修复时间。
S4中的基于所述各分区的总故障概率、所述各分区的平均故障修复时间结合输电线路最高电压等级确定韧性评估指标，具体包括：
本发明以灾害发生时输电线路负荷损失作为输电线路韧性评估指标，指标越大，表示输电线路负荷损伤越大，输电线路韧性越低。韧性评估指标计算公式为：
其中，L为强对流天气下输电线路的韧性评估指标；Q(t)为输电线路基础运行状态；t0为强对流发生时刻；t3为输电线路状态恢复时刻，N为输电线路分区集合；Pm为某一分区负荷损失功率，Vm为架空输电线路区域最高电压等级，t'm为分区m的平均故障修复时间，λ'm为分区m的总故障概率，m为分区编号。
采用易损修复指标实现输电线路韧性量化，实现输电线路韧性评估。图2中给出韧性的概念曲线，Q(t)为输电线路基础运行状态，t0为强对流发生时刻，t0-t1时段内，为输电线路未能进行及时应对，t1-t2时段为线路产生故障后削减负荷或停止运行，t2为线路修复阶段。
S5中的基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估，具体包括：
判断所述韧性评估指标是否大于设定倍数的预先确定的初始韧性评估指标；
若大于，则强对流天气下输电线路的韧性较差，需要做防灾措施；否则强对流天气下输电线路的韧性较强，无需做防灾措施；
其中，所述初始韧性评估指标是基于输电线路电压等级、故障历史数据和维护时间确定的。
这里初始韧性评估指标的确定具体包括：
利用输电线路电压等级、故障历史数据信息、故障类型及其维护时间等数据，计算输电线路分区内初始韧性评估值。
由韧性评估指标对强对流天气下输电线路的韧性进行评估的整个过程如下：
首先利用输电线路电压等级、故障历史数据等信息、故障类型(无强对流天气时，故障造成破坏程度相对较小)及其维护时间等数据，计算输电线路分区内初始韧性评估值。
当强对流天气到来时，根据气象信息，确定强对流天气基本信息，造成的破坏和抢修难度、时间，计算强对流天气下的韧性指标，当强对流下韧性指标达到初始韧性评估的设定倍数时，这里的设定倍数取1.5倍，线路需要进行相应巡检、维护等防灾措施。
面对台风、***等强对流恶劣天气，难以通过结构设计对其进行完全防护，需加强对输电线路在运行过程的维护，来减小强对流天气对线路的影响。本发明提供了一种强对流天气下输电线路韧性评估方法，该方法实现了对输电线路在强对流天气下的韧性评估，快速分析出输电线路中的薄弱区域，为是否对线路采取预防措施或快速恢复抢修提供依据。
本发明考虑了不同强对流天气类别对输电线路故障概率的影响，利用线路故障概率考虑了输电线路本身特征和运行时长对故障概率的影响，根据输电线路电压等级、抢修所需时间，利用电量损失衡量输电线路韧性，实现了全参数下输电线路的精准评估。
实施例2
以某输电线路区域为例，线路中含500kV输电线路2条，220kV输电线路4条，110kV输电线路6条，各线路杆塔均有20基。
步骤1.对各输电线路进行编号，500kV线路编号为A1，A2,220kV线路编号为B1-4,110kV线路为C1-6，C519编号表示110kV5号线路第19基杆塔。根据线路所处地理位置，对输电线路进行分区，得到其中某分区为A101-A105，B104-B110，B411-B415，C307-C311，C514-C520。
步骤2.利用输电线路历史台账数据，利用Webull分布建立杆塔故障概率模型，并结合线路运行时间，得到各杆塔的基准故障概率，分别为A1线路损伤概率8％，其中A104杆塔因存在修复记录，损伤概率为3％，B1、B4、C3、C5线路损伤概率分别为10％，8％，8％，9％。
步骤3.根据实时监测数据，气象预告，对线路所受强对流天气进行识别，得到各区域遭受某种强对流天气，且能够达到的最大风速，确定故障概率加权系数，并计算各杆塔、各档导线故障概率。
步骤4.根据各线路故障历史数据和维护时间，确定各种故障的平均故障时间，并根据下式，计算该区域输电线路的架空线路故障率和线路平均故障修复时间。
式中，λ'm为分区m的总故障概率，为架空线路故障率；j为元件类型编号；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率，t'm为分区m的平均故障修复时间；/>为线路平均故障修复时间；/>为第i种类型元件平均故障修复时间，
步骤5.重复步骤3和步骤4，求解各分区输电线路的架空线路故障率和线路平均故障修复时间。最后根据下式，计算该区域的输电线路韧性评估指标；
式中，L为强对流天气下输电线路的韧性评估指标；Q(t)为输电线路基础运行状态；t0为强对流发生时刻；t3为输电线路状态恢复时刻，N为输电线路分区集合；Pm为某一分区负荷损失功率，Vm为架空输电线路区域最高电压等级，t'm为分区m的平均故障修复时间，λ'm为分区m的总故障概率。
一种强对流天气下输电线路韧性评估方法，包括以下步骤：
利用Webull分布建立杆塔故障概率模型，该杆塔故障概率模型可计算得到基准故障率函数。基于输电线路本体特征，如电压等级，输电线路运行时间，输电线路所处环境等特征，建立不同输电线路区域不同区域的不同元件的故障概率模型。对输电线路在运行时，发生故障的概率，针对不同位置输电线路，给出更为准确的分析和预测脆弱环节，进而提升灾害风险的预警能力，这里的元件包括导线、杆塔；
利用监测数据和气象预告，快速反应线路遭遇的强对流天气种类，并根据恶劣天气种类，设定输电线路故障概率加权系数，更为准确的反应不同程度极端天气对线路破坏概率；
建立输电线路分区集合，对各区域内输电线路的故障发生概率，和发生概率后进行抢修恢复所需时间和电量损失进行评估，给出不同分区范围内，线路发生故障的总故障概率；
根据输电线路发生故障的总故障概率，基于监测数据判别极端天气发生时间，利用极端天气发生至修复时段的全时间尺度积分，确定输电线路区域内的韧性评估指标。
实施例3
基于同一发明构思的本发明还提供了一种强对流天气下输电线路韧性评估***，包括：
分区模块，用于根据线路所处地理位置对输电线路进行分区；
概率计算模块，用于基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率；
时间计算模块，用于基于各线路故障历史数据和维护时间确定各分区的平均故障修复时间；
评估指标计算模块，用于基于所述各分区的总故障概率、所述各分区的平均故障修复时间结合输电线路最高电压等级确定韧性评估指标；
评估模块，用于基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估。
可选的，所述概率计算模块具体用于：
基于线路运行时间和预先构建的杆塔故障概率模型，得到各杆塔的基准故障概率；
对实时监测数据和预报数据进行分析，确定强对流天气故障概率加权系数和，并计算各种类型元件的故障概率；
基于所述基准故障概率和所述强对流天气故障概率加权系数确定架空线路故障率；
基于各种类型元件的故障概率和所述架空线路故障率确定各分区的总故障概率；
其中，所述杆塔故障概率模型是利用Webull分布结合输电线路历史台账数据建立的；
所述各种类型元件包括杆塔和各档导线。
可选的，所述概率计算模块通过下式计算架空线路故障率：
式中：为架空线路故障率；λ0(t)为基准故障率函数；W为强对流天气故障概率加权系数。
可选的，所述概率计算模块通过下式计算各分区的总故障概率：
式中：λ'm为分区m的总故障概率，为架空线路故障率；j为元件类型编号，其中导线编号为1，杆塔编号为2；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率。
可选的，所述时间计算模块通过下式计算各分区的平均故障修复时间：
式中，t'm为分区m的平均故障修复时间，m为分区编号；为架空线路故障率；j为元件类型编号，其中导线编号为1，杆塔编号为2；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率；/>为线路平均故障修复时间；/>为第i种类型元件平均故障修复时间。
可选的，所述评估指标计算模块通过下式计算评估指标：
其中，L为强对流天气下输电线路的韧性评估指标；Q(t)为输电线路基础运行状态；t0为强对流发生时刻；t3为输电线路状态恢复时刻，N为输电线路分区集合；Pm为某一分区负荷损失功率，Vm为架空输电线路区域最高电压等级，t'm为分区m的平均故障修复时间，λ'm为分区m的总故障概率。
可选的，所述评估模块具体用于：
判断所述韧性评估指标是否大于设定倍数的预先确定的初始韧性评估指标；
若大于，则强对流天气下输电线路的韧性较差，需要做防灾措施；否则强对流天气下输电线路的韧性较强，无需做防灾措施；
其中，所述初始韧性评估指标是基于输电线路电压等级、故障历史数据和维护时间确定的。
实施例4
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种强对流天气下输电线路韧性评估方法的步骤。
实施例5：
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作***。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种强对流天气下输电线路韧性评估方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (12)
1.一种强对流天气下输电线路韧性评估方法，其特征在于，包括：
根据线路所处地理位置对输电线路进行分区；
基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率；
基于各线路故障历史数据和维护时间确定各分区的平均故障修复时间；
基于所述各分区的总故障概率、所述各分区的平均故障修复时间结合输电线路最高电压等级确定韧性评估指标；
基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估。
2.如权利要求1所述的方法，其特征在于，所述基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率，包括：
基于线路运行时间和预先构建的杆塔故障概率模型，得到各杆塔的基准故障概率；
对实时监测数据和预报数据进行分析，确定强对流天气故障概率加权系数和，并计算各种类型元件的故障概率；
基于所述基准故障概率和所述强对流天气故障概率加权系数确定架空线路故障率；
基于各种类型元件的故障概率和所述架空线路故障率确定各分区的总故障概率；
其中，所述杆塔故障概率模型是利用Webull分布结合输电线路历史台账数据建立的；
所述各种类型元件包括杆塔和各档导线。
3.如权利要求2所述的方法，其特征在于，所述架空线路故障率按下式计算：
式中：为架空线路故障率；λ0(t)为基准故障率函数；W为强对流天气故障概率加权系数。
4.如权利要求2所述的方法，其特征在于，所述各分区的总故障概率按下式计算：
式中：λ'm为分区m的总故障概率，为架空线路故障率；j为元件类型编号，其中导线编号为1，杆塔编号为2；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率。
5.如权利要求1所述的方法，其特征在于，还包括，在根据线路所处地理位置对输电线路进行分区之前还包括：对各输电线路进行编号。
6.如权利要求1所述的方法，其特征在于，所述各分区的平均故障修复时间按下式计算：
式中，t'm为分区m的平均故障修复时间，m为分区编号；为架空线路故障率；j为元件类型编号；/>为第m个分区中第i种类型元件个数；/>为第i种类型元件故障率；/>为线路平均故障修复时间；/>为第i种类型元件平均故障修复时间。
7.如权利要求1所述的方法，其特征在于，所述韧性评估指标按下式计算：
其中，L为强对流天气下输电线路的韧性评估指标；Q(t)为输电线路基础运行状态；t0为强对流发生时刻；t3为输电线路状态恢复时刻，N为输电线路分区集合；Pm为某一分区负荷损失功率，Vm为架空输电线路区域最高电压等级，t'm为分区m的平均故障修复时间，λ'm为分区m的总故障概率。
8.如权利要求1所述的方法，其特征在于，所述基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估，包括：
判断所述韧性评估指标是否大于设定倍数的预先确定的初始韧性评估指标；
若大于，则强对流天气下输电线路的韧性较差，需要做防灾措施；否则强对流天气下输电线路的韧性较强，无需做防灾措施；
其中，所述初始韧性评估指标是基于输电线路电压等级、故障历史数据和维护时间确定的。
9.一种强对流天气下输电线路韧性评估***，其特征在于，包括：
分区模块，用于根据线路所处地理位置对输电线路进行分区；
概率计算模块，用于基于线路运行时间、预先构建的杆塔故障概率模型、实时监测数据和预报数据，确定各分区的总故障概率；
时间计算模块，用于基于各线路故障历史数据和维护时间确定各分区的平均故障修复时间；
评估指标计算模块，用于基于所述各分区的总故障概率、所述各分区的平均故障修复时间结合输电线路最高电压等级确定韧性评估指标；
评估模块，用于基于所述韧性评估指标对强对流天气下输电线路的韧性进行评估。
10.如权利要求9所述的***，其特征在于，所述概率计算模块具体用于：
基于线路运行时间和预先构建的杆塔故障概率模型，得到各杆塔的基准故障概率；
对实时监测数据和预报数据进行分析，确定强对流天气故障概率加权系数和，并计算各种类型元件的故障概率；
基于所述基准故障概率和所述强对流天气故障概率加权系数确定架空线路故障率；
基于各种类型元件的故障概率和所述架空线路故障率确定各分区的总故障概率；
其中，所述杆塔故障概率模型是利用Webull分布结合输电线路历史台账数据建立的；
所述各种类型元件包括杆塔和各档导线。
11.一种计算机设备，其特征在于，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至8中任一项所述的一种强对流天气下输电线路韧性评估方法。
12.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至8中任一项所述的一种强对流天气下输电线路韧性评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311218628.4A CN117150808A (zh) | 2023-09-20 | 2023-09-20 | 一种强对流天气下输电线路韧性评估方法、***及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311218628.4A CN117150808A (zh) | 2023-09-20 | 2023-09-20 | 一种强对流天气下输电线路韧性评估方法、***及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117150808A true CN117150808A (zh) | 2023-12-01 |
Family
ID=88912026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311218628.4A Pending CN117150808A (zh) | 2023-09-20 | 2023-09-20 | 一种强对流天气下输电线路韧性评估方法、***及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117150808A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117878926A (zh) * | 2024-03-11 | 2024-04-12 | 国网上海市电力公司 | 一种韧性电网的监测预警和应急处理方法和*** |
-
2023
- 2023-09-20 CN CN202311218628.4A patent/CN117150808A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117878926A (zh) * | 2024-03-11 | 2024-04-12 | 国网上海市电力公司 | 一种韧性电网的监测预警和应急处理方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103440400B (zh) | 考虑灾害因素的电力***短期风险判定方法 | |
| CN103246805B (zh) | 一种针对风灾天气下架空输电线路时变停运概率的估计方法 | |
| CN117150808A (zh) | 一种强对流天气下输电线路韧性评估方法、***及设备 | |
| CN104200288A (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
| CN105205569A (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
| CN103971175B (zh) | 一种多级变电站的短期负荷预测方法 | |
| CN111210102A (zh) | 一种极端灾害条件下电网故障建模方法 | |
| CN103048573A (zh) | 一种用于电力***运行风险评估的方法及装置 | |
| CN103699668A (zh) | 基于数据断面一致性的配电网电气设备组合状态评估方法 | |
| CN109784559B (zh) | 一种台风路径预测信息下的输电杆塔累积损伤故障概率计算方法 | |
| CN106682831A (zh) | 电网舞动区域预测预警方法及*** | |
| CN111191832A (zh) | 一种台风灾害配电网杆塔故障预测方法及*** | |
| CN111340307B (zh) | 预测风机风力发电功率的方法以及相关装置 | |
| CN112949181A (zh) | 一种多源关联数据的预警预测方法、存储介质及电子设备 | |
| CN104574211B (zh) | 基于风险源的电网调度操作风险预警方法和*** | |
| CN105488572A (zh) | 一种配电设备健康状态评价方法 | |
| CN114021858B (zh) | 一种输电线路的精细化风速预测方法 | |
| CN116050599A (zh) | 一种线路覆冰故障预测方法、***、存储介质及设备 | |
| CN114912355A (zh) | 输电线路短期覆冰预测方法、装置和存储介质 | |
| CN110009246B (zh) | 一种基于大数据画像技术的输电线路运行状态评估方法 | |
| Hou et al. | Modeling the resilience of power distribution systems subjected to extreme winds considering tree failures: An integrated framework | |
| CN113541211A (zh) | 一种确定交直流配电网韧性的方法及*** | |
| CN110442897B (zh) | 一种输电线塔倒塔情况分析方法 | |
| CN114139988A (zh) | 一种基于物元可拓模型的输电线路风偏闪络风险评价方法 | |
| CN114047442A (zh) | 一种新能源场站故障穿越检测方法、装置和*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |