居民负荷可用调节容量多状态的评估方法及装置与流程

1.本发明属于电力系统运行和控制技术领域，特别是涉及一种居民负荷可用调节容量多状态的评估方法及装置。


背景技术：

2.传统电源跟随负荷波动的调度模式已不再满足新形势需求，充分挖掘负荷侧的可用调节容量以环节电力系统平衡压力显得尤为必要。而且负荷侧的可用调节容量受天气因素影响较大，需要进一步量化严峻气象条件下的居民负荷可用调节容量。目前，针对居民负荷可用调节容量的评估主要是采用两状态模型，而且未考虑天气因素的影响，为此会影响居民负荷可用调节容量评估的精确程度，在此背景下，如何量化严峻气象条件下的居民负荷可用调节容量成为影响电力系统运行安全、促进双碳目标实现的重要挑战。


技术实现要素：

3.有鉴于此，本发明提供一种居民负荷可用调节容量多状态的评估方法及装置，以解决上述背景技术中提出的问题。
4.依据本发明一个方面，提供了一种居民负荷可用调节容量多状态的评估方法，包括：根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。
5.进一步的，所述根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息，包括：根据所述居民负荷侧在雷暴天气下的雷电峰值电流值，得到所述居民负荷侧在雷暴天气下的雷电峰值电流均值；根据通过所述居民负荷侧的雷暴天气情况、以及所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息。
6.进一步的，所述雷暴天气严重程度信息包括雷电峰值电流正态分布函数值和等效拦截范围；所述根据通过所述居民负荷侧的雷暴天气情况、以及所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴
天气严重程度信息，包括：根据所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到雷电峰值电流正态分布函数值；其中，计算所述雷电峰值电流正态分布函数值的公式如下：；其中，表示雷电峰值电流正态分布函数值，i表示雷电峰值电流，表示电流方差参数，表示雷电峰值电流均值；根据所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到等效拦截范围；其中，计算所述等效拦截范围的公式如下：其中，表示等效拦截范围，，m，n分别为由居民负荷侧的历史雷电数据拟合得到的等效拦截范围计算参数，h表示居民负荷的高度。
7.进一步的，所述根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率，包括：根据所述天气参数、所述雷暴天气严重程度信息、所述居民负荷侧的设备的元件长度、以及通过所述居民负荷侧的设备在雷暴天气下的故障概率值，建立所述居民负荷侧的雷暴天气故障率计算模型；根据所述居民负荷侧的设备故障概率预测值、以及所述居民负荷侧的雷暴天气故障率计算模型获得的雷暴天气故障率值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率。
8.进一步的，还包括：得到所述居民负荷侧的设备故障概率预测值，其包括：获取所述居民负荷侧的设备基准老化故障率和偶然失效期持续时间，建立所述居民负荷侧的设备偶然失效期老化故障率计算模型；获取所述居民负荷侧的设备基准老化故障率、损耗失效期持续时间以及威布尔分布的参数，建立所述居民负荷侧的设备损耗失效期老化故障率计算模型；分析所述居民负荷侧的设备所处于的老化阶段，若所述设备处于偶然失效期，则根据所述设备偶然失效期老化故障率计算模型，评估所述设备在偶然失效期的故障概率预测结果；若所述设备处于损耗失效期，则根据所述设备损耗失效期老化故障率计算模型，评估所述设备在损耗失效期的故障概率预测结果；根据所述设备在偶然失效期的故障概率预测结果、所述设备在损耗失效期的故障概率预测结果，建立所述居民负荷侧的设备故障概率预测模型；根据所述居民负荷侧的设备故障概率预测模型，得到所述居民负荷侧的设备故障概率预测值。
9.进一步的，根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民
负荷在雷暴天气对应多状态概率，包括：根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，建立所述居民负荷侧的可用调节容量多状态模型；根据所述居民负荷侧的可用调节容量多状态模型，获得所述居民负荷在雷暴天气对应多状态概率；其中，所述根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，通过公式：建立所述居民负荷侧的可用调节容量多状态模型；其中：、和分别表示居民负荷侧的多状态可用容量，、和分别表示居民负荷侧的多状态概率，其中多状态概率服从以下约束：；表示设备在雷暴天气下的实际故障概率。
10.进一步的，所述根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量，包括：根据所述居民负荷在雷暴天气对应多状态概率，建立所述居民负荷侧的可用调节容量评估模型；根据所述居民负荷侧的可用调节容量评估模型，评估所述居民负荷在雷暴天气下的综合可用调节容量；其中，所述根据所述居民负荷在雷暴天气对应多状态概率，建立所述居民负荷侧的可用调节容量评估模型，所用的公式如下：；其中：、和分别表示居民负荷侧的多状态可用容量，、和分别表示居民负荷侧的多状态概率，其中多状态概率服从以下约束：；表示设备在雷暴天气下的实际故障概率。
11.依据本发明另一个方面，提供了一种居民负荷可用调节容量多状态的评估装置，包括：雷暴天气严重程度信息获取模块，用于根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；实际故障概率确定模块，用于根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；多状态概率获取模块，用于根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；评估模块，用于根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。
12.根据本发明的又一方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；
根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。
13.根据本发明的再一方面，提供一种计算机设备，包括存储器、处理器及存储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程序时实现以下步骤：根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。
14.借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：本发明提供了居民负荷可用调节容量多状态的评估方法、装置及计算机设备，与现有技术相比，本发明通过根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；再根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；又根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；最后根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。本发明通过综合考虑居民负荷侧的雷暴天气情况，可提高居民负荷可用调节容量量化精度，同时以居民负荷在雷暴天气对应多状态概率刻画居民负荷的可用调节容量，提高居民负荷的可用调节容量量化精度，避免传统两状态模型的不足，从而提升居民负荷参与电力系统测试平衡的积极性，提高电力系统运行灵活性。
15.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
16.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本发明实施例提供的一种居民负荷可用调节容量多状态的评估方法流程图；图2示出了本发明实施例提供的确定居民负荷侧的雷暴天气严重程度信息的流程图；
图3示出了本发明实施例提供的评估居民负荷侧的设备在雷暴天气下的实际故障概率的流程图；图4示出了本发明实施例提供的确定居民负荷侧的设备故障概率预测值的流程图；图5示出了本发明实施例提供的一种居民负荷可用调节容量多状态的评估装置组成框图；图6示出了本发明实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
17.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
18.在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
19.应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
20.下面参考附图描述本发明实施例的待评估设备中居民负荷可用调节容量多状态的评估方法的方法和装置。
21.图1为根据本发明一个实施例的居民负荷可用调节容量多状态的评估方法的流程图。需要说明的是，本发明实施例中的服务器可以是手机、平板电脑、个人数字助理等具有安卓或鸿蒙操作系统且支持应用程序运行的硬件设备。
22.如图1所述，本发明提供的一种居民负荷可用调节容量多状态的评估方法，包括：101、根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息。
23.本技术通过居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到居民负荷侧的雷暴天气严重程度信息，并将所获得的居民负荷侧的雷暴天气严重程度信息作为考虑因素，在步骤102中对居民负荷侧的设备在雷暴天气下的实际故障概率进行评估，提高最后获得的居民负荷的可用调节容量量化精度。
24.参见图2，所述根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息，可以包括如下步骤：1011、根据所述居民负荷侧在雷暴天气下的雷电峰值电流值，得到所述居民负荷侧在雷暴天气下的雷电峰值电流均值。
25.1012、根据通过所述居民负荷侧的雷暴天气情况、以及所述居民负荷侧在雷暴天
气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息。
26.在一些实施方式中，所述雷暴天气严重程度信息包括雷电峰值电流正态分布函数值和等效拦截范围；所述根据通过所述居民负荷侧的雷暴天气情况、以及所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息，可以包括：根据所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到雷电峰值电流正态分布函数值；其中，计算所述雷电峰值电流正态分布函数值的公式如下：；其中，表示雷电峰值电流正态分布函数值，i表示雷电峰值电流，表示电流方差参数，表示雷电峰值电流均值。
27.根据所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到等效拦截范围；其中，计算所述等效拦截范围的公式如下：其中，表示等效拦截范围，，m，n分别为由居民负荷侧的历史雷电数据拟合得到的等效拦截范围计算参数，h表示居民负荷的高度。
28.102、根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率。
29.通过综合考虑到居民负荷侧的雷暴天气严重程度信息、天气参数对居民负荷侧的设备在雷暴天气下的实际故障概率的影响，使本技术通过居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估获得居民负荷侧的设备在雷暴天气下的实际故障概率与实际情况更加贴合，进而可以提高对居民负荷可用调节容量量化评估的精度。
30.参见图3，所述根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率，可以包括如下步骤：1021、根据所述天气参数、所述雷暴天气严重程度信息、所述居民负荷侧的设备的元件长度、以及通过所述居民负荷侧的设备在雷暴天气下的故障概率值，建立所述居民负荷侧的雷暴天气故障率计算模型。这里，天气参数包括落雷密度。
31.其中，建立居民负荷侧的雷暴天气故障率计算模型所用的公式如下:；式中:表示雷暴天气故障率，表示落雷密度，表示居民负荷侧的设备的元件长度，表示居民负荷侧的设备在雷暴天气下的故障概率值，表示等效拦截范围。
32.1022、根据所述居民负荷侧的设备故障概率预测值、以及所述居民负荷侧的雷暴天气故障率计算模型获得的雷暴天气故障率值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率。
33.其中，计算居民负荷侧的设备在雷暴天气下的实际故障概率的公式如下：；其中，表示实际故障概率，表示雷暴天气故障率值；表示设备故障概率预测值。
34.评估居民负荷侧的设备在雷暴天气下的实际故障概率所用的公式如下：；其中，表示实际故障概率的评估值。
35.在一些实施方式中，还包括得到所述居民负荷侧的设备故障概率预测值，参见图4，所述得到所述居民负荷侧的设备故障概率预测值包括：1023、获取所述居民负荷侧的设备基准老化故障率和偶然失效期持续时间，建立所述居民负荷侧的设备偶然失效期老化故障率计算模型。
36.这里，建立居民负荷侧的设备偶然失效期老化故障率计算模型所用的公式如下：；式中:表示失效期老化故障率，表示居民负荷侧的设备基准老化故障率，tv表示偶然失效期持续时间。
37.1024、获取所述居民负荷侧的设备基准老化故障率、损耗失效期持续时间以及威布尔分布的参数，建立所述居民负荷侧的设备损耗失效期老化故障率计算模型；这里，建立所述居民负荷侧的设备损耗失效期老化故障率计算模型所用的公式如下：；式中:表示失效期老化故障率，表示威布尔分布的参数，表示居民负荷侧的设备基准老化故障率，tv表示损耗失效期持续时间。
38.1025、分析所述居民负荷侧的设备所处于的老化阶段，若所述设备处于偶然失效期，则根据所述设备偶然失效期老化故障率计算模型，评估所述设备在偶然失效期的故障概率预测结果；若所述设备处于损耗失效期，则根据所述设备损耗失效期老化故障率计算模型，评估所述设备在损耗失效期的故障概率预测结果。
39.1026、根据所述设备在偶然失效期的故障概率预测结果、所述设备在损耗失效期的故障概率预测结果，建立所述居民负荷侧的设备故障概率预测模型。
40.1027、根据所述居民负荷侧的设备故障概率预测模型，得到所述居民负荷侧的设备故障概率预测值。
41.103、根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率。
42.通过居民负荷在雷暴天气对应多状态概率，可实现对居民负荷在雷暴天气下的不同状态表征，进而获得各个状态对应独立的概率和严重情况。
43.在一些实施方式中，根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率，包括：根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，建立所述居民负荷侧的可用调节容量多状态模型；根据所述居民负荷侧的可用调节容量多状态模型，获得所述居民负荷在雷暴天气对应多状态概率；其中，所述根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，通过公式：建立所述居民负荷侧的可用调节容量多状态模型；其中：、
和分别表示居民负荷侧的多状态可用容量，、和分别表示居民负荷侧的多状态概率，其中多状态概率服从以下约束：；表示设备在雷暴天气下的实际故障概率。
44.104、根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。
45.通过居民负荷在雷暴天气对应多状态概率，评估居民负荷在雷暴天气下的综合可用调节容量，能够提高居民负荷的可用调节容量量化的评估的精度，而提升居民负荷参与电力系统测试平衡的积极性，提高电力系统运行灵活性。
46.在一些实施方式中，所述根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量，包括：根据所述居民负荷在雷暴天气对应多状态概率，建立所述居民负荷侧的可用调节容量评估模型；根据所述居民负荷侧的可用调节容量评估模型，评估所述居民负荷在雷暴天气下的综合可用调节容量；其中，所述根据所述居民负荷在雷暴天气对应多状态概率，建立所述居民负荷侧的可用调节容量评估模型，所用的公式如下：；其中：、和分别表示居民负荷侧的多状态可用容量，、和分别表示居民负荷侧的多状态概率，其中多状态概率服从以下约束：；表示设备在雷暴天气下的实际故障概率。
47.本实施例选取我国华东地区某省份居民负荷的数据进行验证。在本实施例中，在设定的居民负荷老化参数和雷暴气象条件，量化了居民负荷在雷暴天气下的综合可用调节容量。
48.本算例设定的部分参数情况如表1所示，雷暴数据取自于国家气象数据中心公开数据。
49.表1 居民负荷老化及雷暴气象参数首先，基于上述数据，应用本发明一种考虑天气因素的居民负荷可用调节容量多状态评价方法，首先量化评估居民负荷实际故障概率为0.17。
50.然后，应用本发明所提出的居民负荷侧的可用调节容量多状态模型，将居民负荷表征为雷暴天气下的实际故障概率和对应多状态概率，结果如下：基于此，可确定居民负荷侧的可用调节容量多状态模型如下：
最后，应用本发明一种居民负荷可用调节容量多状态的评估方法，优化确定居民负荷在雷暴天气下的综合可用调节容量为284.6kw.通过本实施例的算例结果可以验证一种居民负荷可用调节容量多状态的评估方法的有效性。通过本实施例的结果可以看到，在雷暴天气条件下居民负荷故障情况呈现多种状态，综合可用调节容量为284.6kw。而基于传统两状态居民负荷可用调节容量评价方法获得的综合可用调节容量为249kw。
51.由此可知，通过本发明所提一种居民负荷可用调节容量多状态的评估方法，可以有效反应天气因素对居民负荷可用调节容量的影响，为居民负荷参与需求响应提供指导。
52.本发明实施例提供了一种居民负荷可用调节容量多状态的评估方法，与现有技术相比，本发明实施例通过根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；再根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；又根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；最后根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。本发明通过综合考虑居民负荷侧的雷暴天气情况，可提高居民负荷可用调节容量量化精度，同时以居民负荷在雷暴天气对应多状态概率刻画居民负荷的可用调节容量，提高居民负荷的可用调节容量量化精度，避免传统两状态模型的不足，从而提升居民负荷参与电力系统测试平衡的积极性，提高电力系统运行灵活性。
53.进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种居民负荷可用调节容量多状态的评估装置，如图5所示，该装置包括：雷暴天气严重程度信息获取模块51，用于根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；实际故障概率确定模块52，用于根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；多状态概率获取模块53，用于根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；评估模块54，用于根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。
54.进一步的，所述雷暴天气严重程度信息获取模块包括：雷电峰值电流均值确定单元，用于根据所述居民负荷侧在雷暴天气下的雷电峰值电流值，得到所述居民负荷侧在雷暴天气下的雷电峰值电流均值；雷暴天气严重程度信息确定单元，用于根据通过所述居民负荷侧的雷暴天气情况、以及所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差
参数，得到所述居民负荷侧的雷暴天气严重程度信息。
55.进一步的，所述雷暴天气严重程度信息包括雷电峰值电流正态分布函数值和等效拦截范围；所述雷暴天气严重程度信息确定单元包括：雷电峰值电流正态分布函数值确定子单元，用于根据所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到雷电峰值电流正态分布函数值；其中，计算所述雷电峰值电流正态分布函数值的公式如下：；其中，表示雷电峰值电流正态分布函数值，i表示雷电峰值电流，表示电流方差参数，表示雷电峰值电流均值；根据所述居民负荷侧在雷暴天气下的雷电峰值电流值、雷电峰值电流均值和电流方差参数，得到等效拦截范围；其中，计算所述等效拦截范围的公式如下：其中，表示等效拦截范围，，m，n分别为由居民负荷侧的历史雷电数据拟合得到的等效拦截范围计算参数，h表示居民负荷的高度。
56.进一步的，所述实际故障概率确定模块包括：雷暴天气故障率计算模型构建单元，用于根据所述天气参数、所述雷暴天气严重程度信息、所述居民负荷侧的设备的元件长度、以及通过所述居民负荷侧的设备在雷暴天气下的故障概率值，建立所述居民负荷侧的雷暴天气故障率计算模型；实际故障概率评估单元，用于根据所述居民负荷侧的设备故障概率预测值、以及所述居民负荷侧的雷暴天气故障率计算模型获得的雷暴天气故障率值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率。
57.进一步的，所述装置还包括设备故障概率预测值确定模块，所述设备故障概率预测值确定模块，用于得到所述居民负荷侧的设备故障概率预测值，其包括：偶然失效期老化故障率计算模型构建单元，用于获取所述居民负荷侧的设备基准老化故障率和偶然失效期持续时间，建立所述居民负荷侧的设备偶然失效期老化故障率计算模型；损耗失效期老化故障率计算模型构建单元，用于获取所述居民负荷侧的设备基准老化故障率、损耗失效期持续时间以及威布尔分布的参数，建立所述居民负荷侧的设备损耗失效期老化故障率计算模型；评估单元，用于分析所述居民负荷侧的设备所处于的老化阶段，若所述设备处于偶然失效期，则根据所述设备偶然失效期老化故障率计算模型，评估所述设备在偶然失效期的故障概率预测结果；若所述设备处于损耗失效期，则根据所述设备损耗失效期老化故障率计算模型，评估所述设备在损耗失效期的故障概率预测结果；设备故障概率预测模型构建单元，用于根据所述设备在偶然失效期的故障概率预测结果、所述设备在损耗失效期的故障概率预测结果，建立所述居民负荷侧的设备故障概
率预测模型；设备故障概率预测值获取单元，用于根据所述居民负荷侧的设备故障概率预测模型，得到所述居民负荷侧的设备故障概率预测值。
58.进一步的，所述多状态概率获取模块包括：可用调节容量多状态模型构建单元，用于根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，建立所述居民负荷侧的可用调节容量多状态模型；在雷暴天气对应多状态概率确定单元，用于根据所述居民负荷侧的可用调节容量多状态模型，获得所述居民负荷在雷暴天气对应多状态概率；其中，所述根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，通过公式：建立所述居民负荷侧的可用调节容量多状态模型；其中：、和分别表示居民负荷侧的多状态可用容量，、和分别表示居民负荷侧的多状态概率，其中多状态概率服从以下约束：；表示设备在雷暴天气下的实际故障概率。
59.进一步的，所述评估模块包括：可用调节容量评估模型构建单元，用于根据所述居民负荷在雷暴天气对应多状态概率，建立所述居民负荷侧的可用调节容量评估模型；综合可用调节容量评估单元，用于根据所述居民负荷侧的可用调节容量评估模型，评估所述居民负荷在雷暴天气下的综合可用调节容量；其中，所述根据所述居民负荷在雷暴天气对应多状态概率，建立所述居民负荷侧的可用调节容量评估模型，所用的公式如下：；其中：、和分别表示居民负荷侧的多状态可用容量，、和分别表示居民负荷侧的多状态概率，其中多状态概率服从以下约束：；表示设备在雷暴天气下的实际故障概率。
60.本发明实施例提供了一种居民负荷可用调节容量多状态的评估装置，与现有技术相比，本发明实施例通过根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；再根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；又根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；最后根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。本发明通过综合考虑居民负荷侧的雷暴天气情况，可提高居民负荷可用调节容量量化精度，同时以居民负荷在雷暴天气对应多状态概率刻画居民负荷的可用调节容量，提高居民负荷的可用调节容量量化精度，避免传统两状态模型的不足，从而提升居民负荷参与电力系统测试平衡的积极性，提高电力系统运行灵活性。
61.基于上述如图1所示方法和如图5所示装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图6所示，该计算机设备包括：处理器61、存储器62、及存储在存储器62上并可在处理器上运行的计算机程序，其中存储器62和处理器61均设置在总线63上所述处理器61执行所述程序时实现以下步骤：根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；根据所述居民
负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。
62.通过本发明的技术方案，本发明能够通过根据居民负荷侧在雷暴天气下的雷电峰值电流均值和电流方差参数，得到所述居民负荷侧的雷暴天气严重程度信息；再根据所述居民负荷侧的雷暴天气严重程度信息、天气参数、设备在雷暴天气下的故障概率值、以及设备故障概率预测值，评估所述居民负荷侧的设备在雷暴天气下的实际故障概率；又根据所述居民负荷侧的设备在雷暴天气下的实际故障概率，得到居民负荷在雷暴天气对应多状态概率；最后根据所述居民负荷在雷暴天气对应多状态概率，评估所述居民负荷在雷暴天气下的综合可用调节容量。本发明通过综合考虑居民负荷侧的雷暴天气情况，可提高居民负荷可用调节容量量化精度，同时以居民负荷在雷暴天气对应多状态概率刻画居民负荷的可用调节容量，提高居民负荷的可用调节容量量化精度，避免传统两状态模型的不足，从而提升居民负荷参与电力系统测试平衡的积极性，提高电力系统运行灵活性。
63.显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
64.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。