改进的基于功能分解的二次系统风险量化模型建立方法
【技术领域】
[0001] 本发明属于电力系统技术领域，具体涉及一种以电力二次系统的业务功能为基 础，基于功能对电力二次系统进行规范化分解，分析功能失效可能性和功能失效的方法。
【背景技术】
[0002] 现代电网一次系统和二次系统之间联系越来越紧密，电力二次系统的安全风险给 一次系统的安全运行引入了许多不确定因素，评价电力二次系统的风险已是一个紧迫的问 题。
[0003] 基于功能对电力二次系统进行规范化分解来建立其风险量化模型，能体现电力二 次系统作为一个整体对于电力生产的重要性，使电网运行人员能够准确、直接地掌握电力 二次系统风险水平，从而满足实际电力生产、管理的需要。
[0004] 在基于功能分解的电力二次系统风险量化建模中，对功能的失效概率计算是关键 的一步，目前的方法中通过建立可靠性框图进行分析，该方法无法考虑信息流的方向，通用 性不尚。
【发明内容】
[0005] 本发明针对现有技术的不足，提供了一种改进的基于功能分解的二次系统风险量 化模型建立方法。
[0006] 本发明方法包括以下步骤：
[0007] 步骤一：分解功能涉及的软硬件，抽象成逻辑节点和逻辑连接得到功能图，具体 是：
[0008] 功能（Function)是指在系统中，独立执行某个任务的信息和物理设备的集合。对 于一个复杂的系统，一个功能可能包含多个子功能（Sub Function)。如继电保护系统中的 过电流保护功能。
[0009] 功能图中的主要元素包括：实体、逻辑节点和逻辑连接。功能由若干交换信息的逻 辑节点和逻辑连接组成。通过功能图可以知道功能完成涉及的逻辑连接、逻辑节点及它们 之间的信息片流向。
[0010] 1)实体：电力二次系统中客观存在的二次设备、电力软件和控制人员等。
[0011] 2)逻辑节点：电力二次系统中交换数据或执行任务的最小部分。逻辑节点是二次 设备、电力软件和控制人员的整体或部分的行为和方法的抽象，如变电站自动化系统中负 责模拟量釆集的智能电子设备可以抽象为电流互感器逻辑节点、电压互感器逻辑节点等。
[0012] 3)逻辑连接：逻辑节点之间的通信链路，是信息传送的途径，具有方向性。逻辑连 接可以视为对通信信道的抽象。
[0013] 步骤二：分析逻辑节点和逻辑连接的失效概率，具体是：
[0014] 逻辑节点是对二次设备或软件等的抽象，可以根据已有研宄成果进行单独分析。
[0015] 设备的故障率是一个重要的可靠性指标，常被用来度量设备的性能。设备在t时 刻的故障率表示设备在t时刻以前一直正常工作，在t时刻以后单位时间内故障的概率，记 为λ (t)。假定Ntl个相同的元件在t = O时刻投入运行，t时刻以后部分元件发生故障，记 NstS t时刻完好的元件数。则设备的故障率函数为：
[0016] 冲)=去(施U 叫 (1)
[0017] 设备故障有三种类型，包括初始运行期的早期故障、稳定运行期的偶然故障、耗损 期的损耗故障。将三个时期的曲线连在一起形成形似浴盆的曲线，称之为浴盆曲线。通常 认为设备处于初始运行期和耗损期的寿命分布主要有可能为威布尔分布、伽玛分布或者对 数正态分布，设备处于偶然故障时其寿命分布为指数分布。
[0018] 目前针对电力软件运行可靠性的相关研宄还较少，可以采用历史统计的方法来得 到软件的故障概率，即认为软件的故障概率是一个定值表示为： Γ ? TT f XMTTR , , X
[0019] U = - ⑴
[0020] 式中：f为自投入以来该软件故障的次数；MTTR为每次故障的平均修复时间（小 时）；τ为软件自投入以来的运行时间。
[0021] 逻辑连接是对通信信道的抽象，对于冗余配置或非冗余配置的信道可以采用不同 的失效概率进行处理。
[0022] 步骤三：求解功能图终点为末端节点的失效概率最大的路径，该路径的失效概率 即为功能的失效概率。具体如下：
[0023] 将功能图中信息片流向的方向取反，形成一张新的图，该图表示了末端节点对其 他节点所产生信息片的依赖关系，简称为依赖图。在依赖图中，从节点V i出发到节点Vj的 边Eu的权值用I-Pf(Eu)表示，其中P f(Eu)为该边的失效概率。节点\本身的失效概率 用匕(\)表示。以末端节点为起点，计算末端节点到各节点的最短路径，这些路径中具有最 短路径距离的为最小不失效概率路径，即最大失效概率路径。可以基于图论中经典的网络 最短路径算法来求解其失效概率，具体算法介绍如下。
[0024] 本发明采用修改后的Bellman-Ford算法进行求解。Bellman-Ford法能在一般情 况下解决单源最短路径问题。该算法的基本思路是：对每个节点V i，逐步减小从末端节点Vs 到Vi的最短路径距离的估计值PNF(Vi)，直至其达到实际的最短路径距离。求解问题的步骤 如下：
[0025] (1)初始化各节点最短路径距离的估计值Pnf(V1):对末端节点V s，令Pnf(Vs)= I-Pf(Vs);对其余节点，令 Pnf (Vi) = 00。
[0026] (2)循环执行步骤（3)，循环次数为依赖图中的节点个数-1。完成本步骤的大循环 后算法结束，此时P nf(Vi)即为末端节点Vs到节点V i的最短路径距离。
[0027] (3)遍历依赖图中的所有边，对每条边Eu考察不等式（3)是否成立：
[0028] Pnf (Vj) >PNF (Vi) (I-Pf(Eu)) (I-Pf(Vj)) (3)
[0029] 若式（2)成立，则按照下式更新节点j的Pnf (Vj)值：
[0030] Pnf(Vj) = Pnf(V1) (l-PF(Ei；J)) (I-Pf(Vj)) (4)
[0031] 完成步骤⑶的小循环后，返回步骤⑵进行下一次大循环。
[0032] 上述算法与传统的最短路径求解有所区别，一是在路径中需要考虑节点的权重， 二是路径长度的计算是用乘法，而不是加法，这个