一种电力系统信息故障扫描的分析方法与流程

本发明涉及电力系统故障扫描的技术领域，特别是涉及一种电力系统信息故障扫描的分析方法。

背景技术：

目前，电力系统的可靠性可以通过n-1支路开断方法进行评估，该方法对所有可能发生的物理故障进行扫描，并分析各故障对应的系统响应，该思路可同样应用于信息故障分析与信息可靠性评估，在信息系统中，信息故障可能导致系统生成不同的控制指令，从而影响物理系统。通过对比有无故障情况下的系统运行或安全指标，故障的严重性和系统的脆弱性可得到有效评估。

现有技术中，实现信息故障评估，采用对系统进行仿真，通过对物理系统和信息系统迭代进行仿真，系统对各信息故障的在不同时间尺度的响应可以得到准确的评估，但是该方法虽结果准确，但计算量过大，且事件触发机制和时间序列非常复杂。即便只对某一故障，仍需反复迭代计算物理潮流和信息传输，这在实际应用中是难以实现的。

为了解决该问题，需要有一种不同于仿真分析的信息系统故障的理论体系，在各类故障集下实现故障的快速分析和扫描。

技术实现要素：

本发明为克服上述所述的不足，提供一种实现故障的快速分析和扫描的电力系统信息故障扫描的分析方法。

为解决上述技术问题，本发明采用的技术方案是：

一种电力系统信息故障扫描的分析方法，其特征在于：包括以下具体步骤：

s1.基于运行的数据信息生成电力系统的初始状态；

s2.基于步骤生成的初始状态，进一步生成信息系统的矩阵模型；

s3.基于步骤s2，进一步建立故障模型；

s4.基于步骤s2和步骤s3的模型，生成一系列节点信息故障集，判断该故障故障类型，并计算偏差值；

s5.采用灵敏度方法计算偏差值对电力系统的潮流分布影响；

s6.判断潮流是否大于预设值，若是，则发出警告，否则进行步骤s4继续分析下一个故障，完成全部故障扫描后，结束操作。

所述的步骤s2具体如下：

所述的矩阵模型包括传感节点向量模型、控制节点向量模型和决策映射矩阵模型；

所述的传感节点向量模型用于生成传感节点，其中，信息系统的起点为传感节点的量测值，定义为：

m

所述的控制节点向量模型用于生成控制节点，其中，信息系统的终点为控制节点的控制值，定义为：

u

所述的决策映射矩阵模型用于生成决策映射，其中，信息系统的中间过程为从传感节点到控制节点的决策映射，决策映射定义为：

△u＝u′-u。

在上述方案中，在信息系统中生成矩阵模型，扫描信息故障对电力系统潮流的影响，并采用灵敏度计算潮流；首先，运行数据生成电力系统的初始状态；并建立生成信息系统的矩阵模型；随后建立故障模型，生成一系列信息故障集，分类故障集后分别计算故障导致的偏差量；再采用灵敏度方法计算偏差值对电力系统的潮流分布影响，判断是否越线；最后返回故障集判断继续扫描故障直至所有故障扫描完成。

优选的，所述的步骤s3具体如下：

所述的故障模型包括传感节点的故障模型、控制节点的故障模型；

建立传感节点的故障模型，如下式所示：

△m＝m′-m

其中，m′为故障后的传感节点的量测值，△m为传感节点量测值的偏差量；

所述的控制节点的故障模型定义如下式所示：

△u＝u′-u

其中，u′为故障后的控制节点的控制值，△u为控制节点控制值的偏差量。

优选的，所述的步骤s4具体如下：

生成一系列节点信息故障集，故障类型包括传感节点故障和控制节点故障；判断该故障属于传感节点故障或是控制节点故障；其中，传感节点故障和控制节点故障的计算如下：

所述的传感节点故障基于信息系统的矩阵模型，求解传感节点量测值的偏差量导致的控制节点控制量的偏差量，如式所示：

△u＝d·△m；

其中，定义d为信息中心的优化决策函数映射矩阵，d取决于具体的电网的优化决策函数映射，如二级电压控制；

所述的控制节点故障根据控制节点的故障模型修正，如式所示：

△u＝u′-u。

优选的，所述的步骤s5具体如下：

采用灵敏度方法计算控制节点控制值的偏差量导致电力系统的潮流分布变化，与原有潮流模型求和。

与现有技术相比，本发明的有益效果是：本技术方案中，本方案的电力系统信息故障扫描的分析方法在信息系统的矩阵模型的基础上，扫描信息故障对电力系统潮流的影响，并采用灵敏度计算潮流，计算效果准确定高且极大降低了仿真分析的时间。

附图说明

图1为一种电力系统信息故障扫描的分析方法的流程示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。

一种电力系统信息故障扫描的分析方法，其特征在于：包括以下具体步骤：

s1.基于运行的数据信息生成电力系统的初始状态；

s2.基于步骤生成的初始状态，进一步生成信息系统的矩阵模型；

s3.基于步骤s2，进一步建立故障模型；

s4.基于步骤s2和步骤s3的模型，生成一系列节点信息故障集，判断该故障故障类型，并计算偏差值；

s5.采用灵敏度方法计算偏差值对电力系统的潮流分布影响；

s6.判断潮流是否大于预设值，若是，则发出警告，否则进行步骤s4继续分析下一个故障，完成全部故障扫描后，结束操作。

所述的步骤s2具体如下：

所述的矩阵模型包括传感节点向量模型、控制节点向量模型和决策映射矩阵模型；

所述的传感节点向量模型用于生成传感节点，其中，信息系统的起点为传感节点的量测值，定义为：

m

所述的控制节点向量模型用于生成控制节点，其中，信息系统的终点为控制节点的控制值，定义为：

u

所述的决策映射矩阵模型用于生成决策映射，其中，信息系统的中间过程为从传感节点到控制节点的决策映射，决策映射定义为：

△u＝u′-u。

在本实施例中，所述的步骤s3具体如下：

所述的故障模型包括传感节点的故障模型、控制节点的故障模型；

建立传感节点的故障模型，如下式所示：

△m＝m′-m

其中，m′为故障后的传感节点的量测值，△m为传感节点量测值的偏差量；

所述的控制节点的故障模型定义如下式所示：

△u＝u′-u

其中，u′为故障后的控制节点的控制值，△u为控制节点控制值的偏差量。

在本实施例中，所述的步骤s4具体如下：

生成一系列节点信息故障集，故障类型包括传感节点故障和控制节点故障；判断该故障属于传感节点故障或是控制节点故障；其中，传感节点故障和控制节点故障的计算如下：

所述的传感节点故障基于信息系统的矩阵模型，求解传感节点量测值的偏差量导致的控制节点控制量的偏差量，如式所示：

△u＝d·△m；

其中，定义d为信息中心的优化决策函数映射矩阵，d取决于具体的电网的优化决策函数映射，如二级电压控制；

所述的控制节点故障根据控制节点的故障模型修正，如式所示：

△u＝u′-u。

在本实施例中，所述的步骤s5具体如下：

采用灵敏度方法计算控制节点控制值的偏差量导致电力系统的潮流分布变化，与原有潮流模型求和。

在本实施例中，在信息系统中生成矩阵模型，扫描信息故障对电力系统潮流的影响，并采用灵敏度计算潮流；首先，运行数据生成电力系统的初始状态；并建立生成信息系统的矩阵模型；随后建立故障模型，生成一系列信息故障集，分类故障集后分别计算故障导致的偏差量；再采用灵敏度方法计算偏差值对电力系统的潮流分布影响，判断是否越线；最后返回故障集判断继续扫描故障直至所有故障扫描完成。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。