【技术实现步骤摘要】
一种基于大数据与人为因素的电力系统风险评估方法
本专利技术属于电力系统风险评估领域,具体涉及了一种基于大数据与人为因素的电力系统风险评估方法。
技术介绍
目前,针对电力系统风险评估的研究较多,但主要集中在对一次设备的故障概率与故障后果的研究上,而少有将人因可靠性与二次设备停运引发的系统故障考虑进系统的失效机理中,因此,评估得到的风险结果往往不准确,有时甚至会存在较大出入。随着电力信息技术的不断发展,电力系统的数据呈爆炸式增长,具有海量、异构的特点,采用常规软件、工具分析费时、耗力,而大数据挖掘技术具有快速处理此类数据的优势,因此本专利技术将采用大数据挖掘技术对输变电设备、二次系统设备、软件的可用率与其历史数据、当前数据、人为因素等进行关联分析,得到当前的设备可用率。本专利技术提出了一种基于大数据与人为因素的电力系统风险评估方法。首先利用AHP-SLIM方法评估系统运行过程中操作人员发生人为失误的概率;其次采用大数据挖掘技术得出输变电设备、二次系统设备及软件的失效概率;再次基于IEC-61850的功能分解对二次设备或软件的各种功能的失效风险进行评估,两者相结合对传统一次设备的故障概率进行修正,实现电力系统风险评估的精确化,可弥补目前电力系统风险评估存在的局限。
技术实现思路
针对现有电力系统风险评估存在的上述问题,本专利技术的目的在于提出一种基于大数据与人为因素的电力系统风险评估方法。本方法分为四个步骤,第一,利用AHP-SLIM方法评估系统运行过程中操作人员发生人为失误的概率;第二,采用大数据挖掘技术得出输变电设备、二次系统设备及软件的失效概率;第三,基于IE ...
【技术保护点】
一种基于大数据与人为因素的电力系统风险评估方法,其特征在于包括如下步骤:步骤1、构建行为影响体系,选择情景下的影响因素;针对电力系统工作人员的操作环境,结合常规人因可靠性分析理论,建立了相应的行为影响体系;该体系共分为5类一级影响因素,包括:个人因素、组织因素、团队因素、环境因素以及信息因素;每种一级影响因素下又包含多种二级因素;每种影响因素代表了电力系统工作人员在工作时其操作可能受到影响的方面,该体系不仅适用于人为失误根源的定性分析,还可作为各因素对人员行为影响的定量分析的基础;为了定量分析每种因素的影响程度,一般采用面向专家的问卷调查方法;每类二级因素均具有1至10的等级划分,数字越小说明情况越恶劣;步骤2、基于步骤1中的行为影响体系,利用AHP‑SLIM方法评估人为失效概率;步骤2‑1、利用层次分析法计算各项行为影响因素的权重系数;步骤2‑1‑1、假设分析场景下有n个二级行为影响因素,则征询本领域专家意见,依据表2对这些影响因素进行重要度评分并进行比较,构建判别矩阵A如下:
【技术特征摘要】
1.一种基于大数据与人为因素的电力系统风险评估方法,其特征在于包括如下步骤:步骤1、构建行为影响体系,选择情景下的影响因素;针对电力系统工作人员的操作环境,结合常规人因可靠性分析理论,建立了相应的行为影响体系;该体系共分为5类一级影响因素,包括:个人因素、组织因素、团队因素、环境因素以及信息因素;每种一级影响因素下又包含多种二级因素;每种影响因素代表了电力系统工作人员在工作时其操作可能受到影响的方面,该体系不仅适用于人为失误根源的定性分析,还可作为各因素对人员行为影响的定量分析的基础;为了定量分析每种因素的影响程度,一般采用面向专家的问卷调查方法;每类二级因素均具有1至10的等级划分,数字越小说明情况越恶劣;步骤2、基于步骤1中的行为影响体系,利用AHP-SLIM方法评估人为失效概率;步骤2-1、利用层次分析法计算各项行为影响因素的权重系数;步骤2-1-1、假设分析场景下有n个二级行为影响因素,则征询本领域专家意见,依据表2对这些影响因素进行重要度评分并进行比较,构建判别矩阵A如下:该矩阵满足aji=1/aij,且aji(j<=i)的取值遵循表2;步骤2-1-2、对矩阵A中的各列进行归一化处理,得到A1矩阵;步骤2-1-3、A1矩阵各行求和,得到列向量W;步骤2-1-4、对列向量W进行归一化处理,即得权重系数向量W1;表2AHP判别矩阵取值说明步骤2-2、利用式(2)计算成功似然指数SLI;SLI=∑ωivi,0≤SLI≤10(2)式中,ωi为第i项影响因素的重要度权重,vi为第i项影响因素的评定等级,a和b均为常数;步骤2-3、利用式(3)计算人为失误概率,HEP=exp(a×SIL+b)(3)式中,a与b均为常数,依据历史数据进行拟合得到;步骤3、采用大数据挖掘技术,结合HEP及其他各项因素,得出输变电设备、二次系统设备及软件的失效概率;步骤3-1、获取当前数据、历史数据,包括负载率K、天气W、检修R、历史故障数据F、设备故障率λ、设备修复率μ,以及步骤2所得的人为失误概率HEP;对各项数据进行离散化处理,在历史数据的各个时间点上,负载率K分为轻载1,重载2以及过载3;天气W依据是否有气象局的预警分为恶劣天气1与正常天气2;检修R分为最近6个月内有检修1和无检修2;历史故障数据F分为最近6个月内发生故障1和未发生故障2;设备故障率λ分为低故障率1,一般故障率2,高故障率3;人为失误概率HEP分为低概率1、一般概率2与高概率3;负载率K、设备故障率λ以及人为失误概率HEP的离散化对应关系如表3所示,其中λ6为近6个月来的设备平均故障率;表3离散化对应关系步骤3-2、枚举关联规则1)对于输变电设备,考虑K、W、R与F对λ的影响,共321条规则;2)对于二次系统设备、软件,考虑W、R、F与HEP对λ的影响,共321条规则;规则形如A→B,A为条件(可包含任意项),B为结果,例如K1,W1,R2、F2→λ3K2,W2,R2→λ2F1,HEP2→λ1步骤3-3、计算各条关联规则的支持度S和置信度C,N(A∪B)表示A和B同时出现的次数,N表示总数据记录数,N(A)表示A出现的次数;舍弃支持度小于20%或...
【专利技术属性】
技术研发人员:李洁珊,朱永虎,
申请(专利权)人:广东南方电力通信有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。