一种考虑季节条件变化的输变电系统健康度评估方法与流程

本发明涉及电力系统分析领域，尤其涉及一种考虑季节条件变化的输变电系统健康度评估方法。

背景技术：

90年代初期，由billinton等学者提出的well-being分析方法(wbam)，在ram的框架下嵌入了dsc，对系统无风险状态进一步采用确定性评价准则进行区分，其分析结果能够更加接近运行管理人员对电网的认识习惯，从而在一定程度上弥补了对电网风险水平的认识和理解。目前，wbam在发输电复合电力系统和考虑新能源渗透的综合电力系统可靠性分析中都有相关报道。同时为解决仿真时间过长的问题，基于非序贯montecarlo提出一种one-stepforward方法用来计算频率相关的可靠性指标，极大的提高了计算速度，在此基础上进一步简化了well-being指标的求取，提高了计算速度。

在以上的wbam对系统可靠性的仿真过程中，往往将元件的故障率取为常数，如年平均值.这种假设在元件的受运行环境影响不大的情况下是可以接受的，但对于暴露在户外的设备来说，如架空线，其故障率与地理环境，气候条件密切相关，如暴风雪、大风、雷电、植被生长，鸟兽侵袭以及负荷增长等等。如忽略恶劣天气条件的作用，将对系统可靠性的分析产生较大的偏差。

现阶段对系统安全状态的评价，主要以确定性的n-1安全准则(dsc)为主，它具有方便部署实施，结果直观、便于理解的优点，但由于故障的筛选完全依赖运行人员和专家经验，没有考虑系统运行环境和设备本身的随机行为，因此不能充分有效地反应系统的风险状况。well-being分析方法(wbam)，在ram的框架下嵌入了风险分析理论，对系统无风险状态进一步采用确定性评价准则进行区分，其分析结果能够更加接近运行管理人员对电网的认识习惯，从而在一定程度上弥补了对输电线系统的健康水平的认识和理解。在传统的wbam分析中，往往将输变电系统的元件，如变压器，架空线故障率取为常数，如年平均值。这种假设在元件的受运行环境影响不大的情况下是可以接受的，但对于暴露在户外的设备来说，如架空线，其故障率与地理环境，气候条件密切相关，如暴风雪、大风、雷电、植被生长，鸟兽侵袭以及负荷增长等等，目前，尚缺乏考虑季节交替变化条件下的健康度评估方法。

技术实现要素：

针对背景技术中的问题，本发明提供了一种考虑季节条件变化的输变电系统健康度评估方法。

为了实现上述目的，本发明提出如下技术方案：

一种考虑季节条件变化的输变电系统健康度评估方法，所述方法包括如下步骤：

(s1)系统状态划分：wbam根据电网运行状态满足约束条件的不同，将系统状态划分为健康(h)、亚健康(m)、危险(r)三种状态；

(s2)线路故障率的季节性统计：从停电管理系统(oms)或类似系统中获取电网故障相关的统计信息，统计设备故障率信息；

(s3)考虑季节条件变化的输变电系统健康度评估：考虑故障率随季节变化的特性，推导输变电元件周期强度非时齐泊松过程运行状态的仿真方法；所述仿真方法在序贯montecarlo总体计算步骤中加入季节性故障率非时齐仿真，仿真结果为well‐being理论框架下系统各个运行状态的概率。

进一步地，在所述步骤(s2)中，所述设备故障率信息包括故障元件信息、故障时间信息和故障原因信息。

进一步地，在所述步骤(s2)中，设历史数据库存有n年的线路故障信息，sij，i＝[1,...,m],j＝[1,…n]为第j年中i个待统计的时间跨度，单位是小时，nij、rij分别为第j年第i个时间跨度中同一类故障原因诱发的线路故障次数之和以及修复时间之和，单位是小时，则：

第i个时间跨度线路的故障率可以表达为：

对(1)等号两边同时乘以得到：

则λi与年均故障率λc的关系为：

进一步地，在所述步骤(s2)中，若考虑时间跨度取为相等的四季，并忽略元件修复时间的影响时：

其中，《代表一种“换行符”；

则将(4)(5)带入(3)可以得到各个季节的故障率与年均故障率的关系(6)：

进一步地，所述步骤(s3)中又包括如下步骤：

(s3-1)初始化系统，网络参数、机组特性、负荷曲线，元件的可靠性模型，季节性故障率、修复率；

(s3-2)仿真初始时间tsys＝0；

(s3-3)按照非时齐泊松过程的仿真方法对所有元件随机产生状态全景到达时间t，并取最小值min(t)作为下一系统状态发生改变的时刻tsys＝tsys+min(t)；

(s3-4)对系统状态进行分析；状态分析包括潮流计算和矫正控制，如果存在切负荷，则进入步骤(s3-6)；

(s3-5)对系统状态进行预想故障集扫描和矫正控制，如果至少有一项预想故障不能满足约束条件，则判定为m状态；反之，则为h状态；

(s3-6)判断仿真时间是否达到1年，如果不满足，返回至(s3-3)；

否则，判断相关可靠性指标是否满足收敛条件或者达到预设仿真次数，如果条件满足，则输出健康度指标；否则，返回至(s3-2)。

进一步地，步骤(s3-3)中所述的推导输变电元件周期强度非时齐泊松过程运行状态的仿真方法的过程为：

设η(t)为泊松过程强度函数，则线路[0,t]内的平均故障次数可以表达为：

其中，t表示元件非时齐泊松过程的全景到达时间；

则[0,t]内的故障次数，记为n(t)，服从poisson分布：

则[0,t]区间内，元件故障概率为：

因此无故障运行t的元件在[t,t+x],x＞0内发生故障的条件概率为：

其中，x表示元件非时齐泊松过程的故障内部转移时间；

则(t,t+x]区间元件故障次数的期望值可以表达为：

其中，λ(ε)代表设备在ε时刻的故障率；

若故障率满足分时间跨度统计条件(1)，即以年为周期进行变化时时，另t＝0带入公式(10)则：

其中，ki(x)＝λi·x，各个辅助参量的计算方法为：gi＝λi·si，g0＝0，hij＝λi·sj，hi,0＝0，s0＝0，yj＝8760j，j＝0,...,n；

联合公式(7)(10)(11)，可以得到以及

其中，辅助参量的计算方法为，τ＝t+x，

进一步地，以t＝0为起始仿真时间产生周期强度非时齐故障时间序列的方法如下：

步骤一：随机产生p个独立的随机数pi～u(0,1)，i＝1,...,p，通过(13)计算故障率为单位值(λ＝1)的hpp故障内部转移时间hxj：

hxi＝-log(ui)(29)

步骤二：通过(14)计算hpp的故障全景到达时间：

步骤三：另t＝hti带入(12)计算nhpp故障全景到达时间nti：

nti＝λ^-1(hti)(31)

步骤四：将(15)带入(16)得到nhpp故障内部转移时间nxi：

nxi＝nti-nti-1(32)

本发明的有益效果为：

本发明相对于现有技术，能够根据季节交替变化，评估输变电系统的运行健康度，评估结果能更加真实地反映季节剧烈变化下，输变电系统的健康度水平，从而提高规划投资的效益。

附图说明

图1是确定性准则下和well-being框架下的系统状态划分示意图。

图2是wbam框架图。

图3是季节性变化故障率示意图。

图4是两状态元件状态转移示意图。

图5年均和按照(6)的条件周期波动两种故障率下，第一次故障时间t1与-log(u),0＜u＜＝1之间的关系曲线差异示意图。

图6是考虑季节变化的系统可靠性仿真步骤图。

具体实施方式

下面结合附图和具体实施方式，对本发明的具体实施方案作详细的阐述。这些具体实施方式仅供叙述而并非用来限定本发明的范围或实施原则，本发明的保护范围仍以权利要求为准，包括在此基础上所作出的显而易见的变化或变动等。

系统状态划分：

wbam根据电网运行状态约束条件的不同，将系统状态划分为健康(h)、亚健康(m)、危险(r)三种状态，与dsc对系统状态的划分之间的关系如图1所示。因此系统的健康度可以用系统进入三种状态的可靠性指标进行衡量。在图1中，h状态对应dsc中正常状态，代表系统运行在当前以及预想故障集下的各项运行指标(母线电压，支路、发电机功率，系统频率)均在正常范围，m状态与原有dsc中的警戒状态相似，即系统的当前运行指标均正常，但预想故障集中至少存在一个故障会造成系统某个(些)指标越限，但可以通过机组再调度或电压矫正等方法重新恢复到h状态。r状态则对应紧急、崩溃状态，该状态必须通过切负荷才能使系统的各项指标恢复到正常水平。

wbam分析方法：

wbam分析方法是对常规可靠性分析方法的一种扩展，图2给出了wbam与传统的可靠性分析的关系。wbam对于筛选出的任何一个系统状态，都要加入well-being三个状态的指标更新程序，具体方法为：如果是故障越限状态，则直接判定为r；如果系统状态是正常或者经过矫正可以恢复到正常的无风险状态，则需要通过预想故障集的扫描来判定该状态属于h还是m；可以看到，wbam最明显的特征就是加入了对无风险状态的状态可靠性分析，该分析借助确定性的预想故障集从一定程度上描述了无风险状态的安全裕度。故障集一般可以依据实际需要选取n-1准则或系统单机最大容量。

线路故障率的季节性统计：

电网故障相关的统计信息，如故障元件，故障时间，故障原因等可以方便的从停电管理系统(oms)或类似系统中获取。“停电管理系统”目前并不是规范统一的概念，有些运行现场所收集故障信息，更多地依赖人工上传，没有单独的系统。设历史数据库存有n年的线路故障信息，sij，i＝[1,...,m],j＝[1,...n]为第j年中i个待统计的时间跨度(小时)，nij、rij分别为第j年第i个时间跨度中同一类故障原因诱发的线路故障次数之和以及修复时间之和(小时)。为简化起见，以下线路故障率的计算过程，没有计入线路长度，在实际统计过程中，只需要对(1)～(6)中出现的故障率除以线路长度即可。

第i个时间跨度线路的故障率可以表达为：

对(1)等号两边同时乘以得到：

则λi与年均故障率λc的关系为

若考虑时间跨度取为相等的四季，并忽略元件修复时间的影响时：

rij＜＜sij,i＝1,...,4,j＝1,...,n(37)

其中，《代表一种“换行符”。

考虑季节条件变化的输变电系统健康度评估：

架空输电线符合两状态运行条件，两状态运行元件的状态转移包括运行(b＝1)到故障(b＝0)或者从故障到恢复运行。各状态转移时间的关系如图3和图4所示。其中，x为状态内部转移时间，t为状态全景到达时间。考虑到架空线受天气影响具有周期性，若假设故障后采用最小修复，如果能够进一步证明元件的故障、修复过程为泊松过程，则线路的故障-修复过程是两个相互独立的周期强度非时齐泊松过程的叠加。

下面以故障过程为例，推导周期强度非时齐泊松过程的仿真方法。设η(t)为泊松过程强度函数，则线路[0,t]内的平均故障次数可以表达为：

其中，t表示元件非时齐泊松过程的全景到达时间；

则[0,t]内的故障次数，记为n(t)，服从poisson分布：

则[0,t]区间内，元件故障概率为：

因此无故障运行t的元件在[t,t+x],x＞0内发生故障的条件概率为

其中，x表示元件非时齐泊松过程的故障内部转移时间；

可见，元件非时齐泊松过程的故障内部转移时间x与其全景到达时间t有关。

(t,t+x]区间元件故障次数的期望值可以表达为：

其中，λ(ε)代表设备在ε时刻的故障率；

若故障率满足分时间跨度统计条件(1)，即以年(8760h)为周期进行变化时时，另t＝0带入(10)则：

其中，ki(x)＝λi·x，而各个辅助参量的计算方法为：gi＝λi·si，g0＝0，hij＝λi·sj，hi,0＝0，s0＝0，yj＝8760j，j＝0,...,n；

联合(7)(10)(11)，可以得到以及

其中，辅助参量的计算方法为，τ＝t+x，

在元件状态的仿真中，可以联合(9)(12)通过反变换随机产生元件的内部转移时间。图5给出了年均和按照(6)的条件周期波动两种故障率下，第一次故障时间t1与-log(u),0＜u＜＝1之间的关系曲线差异。可以看出，对于相同的-log(u)，nhpp的状态转移时间比hpp要短，意味着同样的时间间隔内，nhpp的故障次数多于hpp。

以t＝0为起始仿真时间产生周期强度非时齐故障时间序列的方法如下：

步骤一：随机产生p个独立的随机数pi～u(0,1)，i＝1,...,p，通过(13)计算故障率为单位值(λ＝1)的hpp故障内部转移时间hxj：

hxi＝-log(ui)(45)

步骤二：通过(14)计算hpp的故障全景到达时间：

步骤三：另t＝hti带入(12)计算nhpp故障全景到达时间nti：

nti＝λ^-1(hti)(47)

步骤四：将(15)带入(16)得到nhpp故障内部转移时间nxi：

nxi＝nti-nti-1(48)

步骤1～步骤4同样适用于符合泊松过程的修复过程模拟。若将全景状态到达时间限定为1年，则故障状态与修复状态个数p，q需要同时满足nx'j为非时齐修复过程的修复内部转移时间。

考虑到故障率随季节变化的特性，在well‐being理论框架下的序贯montecarlo总体计算步骤中加入季节性故障率非时齐仿真过程，如6所示：

第一步：初始化系统，网络参数、机组特性、负荷曲线，元件的可靠性模型，季节性故障率、修复率。

第二步：仿真初始时间tsys＝0。

第三步：按照非时齐泊松过程的仿真方法对所有元件随机产生状态全景到达时间t，并取最小值min(t)作为下一系统状态发生改变的时刻tsys＝tsys+min(t)。

第四步：对系统状态进行分析。状态分析包括潮流计算和矫正控制，如果存在切负荷，则进入第六步。

第五步：对系统状态进行预想故障集扫描和矫正控制，如果至少有一项预想故障不能满足约束条件，则判定为m状态；反之，则为h状态。更新相关的系统健康度指标。

第六步：判断仿真时间是否达到1年，如果不满足，返回至第三步；否则，判断相关可靠性指标是否满足收敛条件或者达到预设仿真次数，如果条件满足，则输出健康度指标。否则，返回至第二步。