一种发输电系统可靠性评估系统的制作方法

本发明属于电力系统模拟与计算领域，具体涉及一种发输电系统可靠性评估系统。

背景技术：

电力系统是一个复杂、动态的系统，习惯上将电力系统分成若干子系统，根据这些子系统的功能分别评估各子系统的可靠性，包括：发电系统、输电系统、发输电合成系统、配电系统和发电厂变电所电气主接线可靠性评估。这些子系统的功能特点是不同的，实用的评估方法和采用的可靠性指标也不一样，其完善程度存在很大的差异。发输电系统又称为大电力系统。大电力系统充裕度可靠性评估的实际工程应用一直存在一个难题，即计算的复杂性，这成了阻碍其广泛推广使用的主要障碍。为了解决这个难题，学者们相继提出了大系统可靠性评估的快速分块算法、基于时序蒙特卡洛仿真的并行处理算法、遗传算法寻找对系统可靠性指标贡献最大的系统状态、利用神经网络对系统状态进行故障模式识别、利用神经网络进行最优负荷削减以缓解可靠性评估的“计算灾”、利用网流规划进行大电力系统可靠性评估等方法。

大电力系统充裕度评估虽然经过三十几年的发展己经取得了大量的研究成果，但随着计算机技术和其他相关学科的发展，特别是电力系统不断向超高压、远距离、大容量方向发展，系统规模越来越大，系统的运行方式也越来越复杂，使得大电力系统具有了以前没有的新特点，这也同时要求大电力系统可靠性评估要根据这种发展变化进行相应的分析研究。目前，相关的研究仍然面临着相当大的困难。

发输电系统可靠性计算一般采用交流潮流分析法、直流潮流分析法或网流割集法等方法系统。但是，潮流分析法特别是交流潮流分析法应用于发输电系统可靠性计算时，对大型系统会出现“维数灾”问题。其主要原因是需要对每一个分析的状态都进行事故交流潮流分析，甚至事故稳定性分析。当系统出现过载、电压越限时，尚要进行最优负荷削减计算。而电力系统交流潮流的计算是一组非线性方程组的求解问题，稳定计算则是非线性方程组和微分方程组的求解问题，而负荷削减的优化计算涉及到一个大型非线性规划（优化）问题。对于一个中等规模的系统来说，可能出现的偶发事故状态的数目很大。如果对每一个状态都要进行潮流分析、稳定分析及负荷削减计算的话，其计算量将是非常大的。如果尚要考虑客观因素的影响，如气候、负荷模型的影响，那么整个计算量将达到难以实现的程度。

技术实现要素：

为克服现有技术存在的不足之处，本发明提供一种在确保计算精度的情况下降低计算复杂度的发输电系统可靠性评估系统。为实现上述目标，本发明采用的技术方案为：

一种发输电系统可靠性评估系统，包括可靠性指标构建模块、元件可靠性模型构建模块、模拟抽样模块、计算模块和输出模块，所述可靠性指标构建模块用于构建评估发输电系统的可靠性指标；所述元件可靠性模型构建模块用于构建评估发输电系统的元件可靠性模型；所述模拟抽样模块用于对发输电系统的运行进行模拟抽样，获取系统状态序列；所述计算模块用于计算所述可靠性指标构建模块构建的可靠性指标；所述输出模块用于输出所述计算模块的计算结果；所述可靠性指标构建模块与所述元件可靠性模型构建模块连接，所述元件可靠性模型构建模块与所述模拟抽样模块相连，所述模拟抽样模块与所述计算模块连接，所述计算模块与所述输出模块相连。

优选的，所述可靠性指标包括切负荷概率plc、切负荷频率eflc、切负荷持续时间edlc、平均切负荷持续时间adlc、切负荷期望值elc、电量不足期望值eens、系统停电指标bpii、系统削减电量指标bpeci和严重度指标si。

优选的，所述元件可靠性模型为两状态模型，所述两状态包括无故障运行状态和故障修复状态。

优选的，所述模拟抽样模块采用元件状态持续时间抽样法对发输电系统进行抽样。

优选的，所述元件状态持续时间抽样法在抽样过程中合并相同的系统状态。

优选的，所述元件状态持续时间抽样法将多重故障评估转换成单重故障评估。

优选的，所述可靠性指标的计算公式由采用元件状态持续时间抽样法的蒙特卡洛法导出。

与现有技术相比，本发明的有益效果为：

（1）本发明抽样的是元件状态持续时间而不是元件状态，该系统考虑了电力系统运行状态的时序性，因此可以精确计算实际运行中关于时序性的可靠性指标，适用于随机生产模拟计算生产成本，同时有助于指导实际系统规划与经济性评估。

（2）本发明的最大优点是收敛速度与问题的维数无关，这一特点决定了本系统对多维、高维问题的实用性。在电力系统的可靠性评估中，与解析法相比，系统规模越大，本发明的优势越明显。

（3）本发明通过合并相同系统状态，极大地减少了需要评估的状态数，从而加速评估速度。

（4）本发明通过将多重故障转换成单重故障进行评估，大大加速每个系统状态的评估速度。

（5）本发明的抽样次数取决于评估精度，而与系统规模无关，因此特别适用于大规模电力系统的可靠性评估。

附图说明

图1为本发明一种发输电系统可靠性评估系统的结构示意图。

图2为本发明可修复元件运行和停运循环过程示意图。

图3为本发明可修复元件状态空间示意图。

图4为本发明元件状态持续时间抽样法原理示意图。

图5为ieee-rts79系统主接线图。

具体实施方式

如图1所示，一种发输电系统可靠性评估系统，包括可靠性指标构建模块、元件可靠性模型构建模块、模拟抽样模块、计算模块和输出模块，所述可靠性指标构建模块与所述元件可靠性模型构建模块连接，所述元件可靠性模型构建模块与所述模拟抽样模块相连，所述模拟抽样模块与所述计算模块连接，所述计算模块与所述输出模块相连。其中：

可靠性指标构建模块用于构建评估电力系统的可靠性指标。可靠性指标可以定量地描述系统的可靠性水平。根据对象的不同，可靠性指标主要包括系统指标和负荷点指标两类。负荷点指标描述了单个负荷点的可靠性水平，例如停电时间、停电频率等，体现了故障的局部影响，同时可以作为高一级电网可靠性评估的计算基础。系统指标则是全局性的，描述了故障对系统整体可靠性的影响，系统指标包括基本指标和导出指标，导出指标是对基本指标进行进一步处理得到的，可以用于不同系统间的比较。本实施例的可靠性指标包括切负荷概率plc、切负荷频率eflc、切负荷持续时间edlc、平均切负荷持续时间adlc、切负荷期望值elc、电量不足期望值eens、系统停电指标bpii、系统削减电量指标bpeci和严重度指标si。可靠性指标公式由采用元件状态持续时间抽样法的蒙特卡洛法导出。其中：

（1）切负荷概率（probabilityofloadcurtailment，plc）

切负荷概率是指在统计时间段内系统故障导致处于切负荷状态所占的时间比例。

（1）

其中s是切负荷状态的集合，ti是切负荷状态持续时间，t是总统计时间。

（2）切负荷频率（expectedoffrequencyofloadcurtailment，eflc）

切负荷频率是指单位时间内系统故障导致的切负荷事件的次数。单位为次/年。

（2）

其中ni是切负荷次数，t是总统计时间。

（3）切负荷持续时间（expectedofdurationofloadcurtailment，edlc）

切负荷持续时间是切负荷概率乘一年的小时数，表示系统一年中切负荷的总时间。单位为小时/年。

（3）

（4）平均切负荷持续时间（averagedurationofloadcurtailment，adlc）

平均切负荷持续时间是指每次切负荷事件中切负荷状态持续时间的平均值。单位是小时/次。

（4）

（5）切负荷期望值（expectationofloadcurtailment，elc）

切负荷期望值是指系统中每次切负荷事件的切除电量的平均值，单位是兆瓦/年。

（5）

其中s是切负荷状态的集合，ci是切负荷量，t是总统计时间。

（6）电量不足期望值（expectationofenergynotsupply，eens）

电量不足期望值是指系统中一年内总供电量的不足。单位为兆瓦时/年。由于该指标是能量指标，被广泛应用于可靠性与经济性的综合评价、系统规划等领域，因此是可靠性评估中的核心指标之一。

（6）

其中s是切负荷状态的集合，ci是切负荷量，ti是切负荷状态持续时间，t是总统计时间。

（7）系统停电指标（bulkpowerinterruptionindex，bpii）

系统停电指标反映了单次事故的切负荷平均值与年最大负荷的关系，可以用于不同系统间的比较。

（7）

（8）系统削减电量指标（bulkpowerenergycurtailmentindex，bpeci）

系统削减电量指标反映了系统每年缺电量与年最大负荷的关系，可以用于不同系统间的比较，单位为兆瓦时/兆瓦。

（8）

（9）严重度指标，也称系统分（severityindex，si）

（9）

系统分可以理解为全年运行于最大负荷方式下全系统停电一分钟，描述了系统故障的严重程度。1983年国际大电网会议按照系统扰动对用户冲击的程度对si指标进行了评级：0级，si<1，可接受的不可靠状态；1级，1≤si<10，对用户有显著影响的不可靠状态；2级，10≤si<100，对用户有严重影响的不可靠状态；3级，100≤si<1000，对用户有非常严重影响的不可靠状态。

元件可靠性模型构建模块用于构建评估电力系统的元件可靠性模型。元件可靠性模型主要基于马尔科夫链，给出每个元件的两状态马尔科夫转移模型。元件是电力系统的最小单位，根据元件特点和属性建立恰当的元件概率模型是可靠性评估的基础。元件主要分为可修复元件和不可修复元件两大类。电力系统的主要元件如变压器、发电机、线路、电容电抗器等，绝大部分都是可修复元件，可修复元件又可以分为可用和不可用两种状态，计划停运导致的不可用状态是提前安排的，强迫停运导致的不可用状态则是随机出现的。因此不考虑计划停运的情况下，电力系统元件分为正常运行状态和强迫停运状态，正常运行状态就是无故障运行状态，强迫停运状态也就是故障修复状态。系统在某一时刻属于哪一种状态则是随机的，所以可建立元件的两状态模型，如图2所示。

假定元件的故障率和修复率分别为λ、µ，则元件的两状态空间图如图3所示。

模拟抽样模块用于对电力系统的运行进行模拟抽样，得到系统状态序列。本发明的模拟抽样采用元件状态持续时间抽样法。

元件状态持续时间抽样法是一种时序蒙特卡洛法。假定元件运行时间和故障状态下修复时间服从某种概率分布，通常在电力系统可靠性评估中采用指数分布，然后根据元件的故障率和修复率确定该元件在给定时间段内的状态和状态持续时间。当给定时间段内所有元件的状态和状态持续时间确定后，就可以获得系统的状态和持续时间，在一给定系统状态下，各元件的状态是不变的。

元件状态持续时间抽样法的步骤分为：

（1）根据所述元件可靠性模型获得元件的模拟运行时间序列；

（2）根据元件的故障率λ和修复率µ，采用变换方法获得满足指数分布的无故障工作时间τ1和故障修复时间τ2：

其中，故障率λ为平均无故障运行时间mttf的倒数，修复率µ为平均修复时间mttr的倒数，γ1和γ2均是[0，1]上的均匀分布随机数。

（3）根据元件的无故障运行时间和故障修复时间，模拟出给定的模拟总时间段t内的运行状态持续时间序列；

（4）综合所有元件的运行状态持续时间序列，合并相同系统状态，获得系统的状态序列和持续时间，每一系统状态内，各元件状态不变；

（5）对系统的状态序列逐个进行评估，计算切负荷量。

元件状态持续时间抽样法的抽样原理示意图如图4所示，先通过对3个元件（a，b和c）的运行和故障状态持续时间模拟，然后获得系统状态和状态持续时间，图中给定模拟时间段内总共模拟出11个系统状态。对系统的状态序列逐个进行评估时，如果状态中故障元件完全相同，计算出的切负荷量是完全相同的，而对可靠性指标的贡献只与该状态的持续时间有关，因此可以通过系统状态持续时间相加的方法将两状态进行合并。这里的相同故障元件应该包含：

（1）发电机本身或者是连接在同一母线上的额定容量、故障率、修复率均相同的不同发电机；

（2）线路本身或者是两端连接母线相同的线路参数、额定容量、故障率、修复率均相同的多回路线路；

（3）变压器本身或者变压器参数、变比、额定容量、故障率、修复率均相同的并联变压器。

从元件状态持续时间抽样法的抽样原理可以看出，抽样产生的系统状态序列中包含许多相同系统状态，可以通过合并相同系统状态，采用存储系统状态和状态评估结果的方法来减少需要评估的系统状态数。如图4中模拟的11个系统状态中只包含8个不同系统状态，状态10可以直接读取状态6的状态评估结果，不必重新计算，状态11和状态7均与状态1相同，不必重新计算。采用合并相同系统状态的方法对减少计算量的作用是很明显的，因此采用存储技术，合并相同系统状态和状态评估结果，可以极大地减少需要评估的状态数，减少计算量，但代价是需要占用大量的内存，这就是“以空间换时间”的思想。

仅减少需要评估的系统状态数是不够的，为了进一步减少计算量，需要加速每一系统状态评估的速度。

对给定系统状态进行评估，最费时的情况是出现在多个元件退出运行导致潮流计算收敛困难的情况。正常潮流计算和单重故障评估的速度是相对较快的，如果能够将多重故障评估转换为单重故障评估，就可以极大地加速每一状态的评估速度。从抽样原理可以看出，系统状态序列中相邻两状态的区别只是单一元件的状态改变（元件故障或元件修复），此时出现的两种情况为：

（1）后一状态是在前一状态的基础上叠加某一元件故障，后一状态可以转换为在前一状态基础上进行单重故障评估。

（2）后一状态是在前一状态的基础上叠加某一元件故障修复，则后一状态的故障重数减少，评估难度降低。此时，可能出现两种情况：

（a）后一状态可能是前面评估过程中已经出现过的状态，可以直接通过相同状态合并，从已有的存储结果中获得本状态评估结果。

（b）后一状态也有可能是新出现的状态，此时无法加快评估速度，只有重新进行系统状态评估，但仍然可以将其假设为某一连续单重故障形成的子状态序列来进行评估，代价是将一多重故障评估转换成多个单重故障评估，但总的计算时间仍有所减少。从抽样原理分析，原则能够将多重故障评估转换为单重故障评估，可以极大地加速每一状态的评估速度，如图4中状态4是三重故障（元件abc故障），可以在状态3（元件ab故障）的基础上进行元件c单重故障来进行评估；状态5是新出现的两重故障状态（元件ac故障），可以假定为初始状态1基础上进行元件a单重故障，然后进行元件c单重故障来进行评估，实际上可以更快地假定状态2（元件a故障）的基础上进行元件c单重故障来进行评估。

计算模块用于计算可靠性指标，即根据模拟抽样模块的模拟运行结果，代入上述式子（1）~（9），就可以计算出各个可靠性指标的值。

输出模块用于输出可靠性指标计算结果。

实施例：

ieee-rts79系统是电力系统领域非常重要的算例，主接线图如图5所示，包括24个母线，71个元件，其中含33条线路，32台发电机，5台变压器和1台电抗器，总装机容量3405mw，最大负荷2850mw。

采用本发明的系统模拟ieee-rts79系统运行状态，模拟时间为100万小时，模拟结果见表1。

表1ieee-rts79系统运行状态模拟结果

由表1可知，100万小时的模拟时间下，总共有55783个状态，故障重数从0重（不故障）到9重，其中1重故障和2重故障的概率很高，合计达到67.3%，而多重故障（三重及以上）的概率为19.4%，也占到相当的比例。理论上随着元件数的增加多重故障的概率还将继续增加，因此，在对rts79系统进行可靠性评估时，除了常规的n-1和n-2故障，多重故障也应重点考虑，保证结果的正确性。

基于上述系统状态模拟结果，在可靠性评估中考虑的最大故障重数设为10重，评估结果如表2所示。

表2ieee-rts79系统可靠性评估结果

注：解析法是r.billinton的计算结果。

从表2可以看出，可靠性指标的计算结果与r.billinton的结果一致，本发明的算法是正确的。比较而言，r.billinton的计算结果偏小，这是因为r.billinton采用的解析法使用了故障筛选技术，发电机故障最高考虑到5重，线路故障最高考虑到3重，忽略了高重故障的影响。这也从侧面说明了高重故障的影响不能随便忽略，即使是小概率事件，但由于后果严重所以对可靠性指标可能有较大贡献，因此需要结合系统状态模拟结果确定故障最高重数，保证可靠性评估结果的可信性。