【技术实现步骤摘要】
电力系统运行可靠性评估方法、装置及电子设备
[0001]本申请涉及电力系统运维
,具体涉及一种电力系统运行可靠性评估方法、装置及电子设备。
技术介绍
[0002]近年来,新能源发电在电力系统中所占比例快速增加,然而,新能源发电具有随机性和不确定性,为保证电力系统能够安全稳定的运行,需要对电力系统运行可靠性进行评估。
[0003]常规的电力系统运行可靠性评估方法,其计算时间同时取决于电力系统规模和设置的收敛精度,通常导致计算速度慢,无法满足快速评估的要求。因此,提高电力系统运行可靠性评估的评估速度,确保电力系统运行的安全性和稳定性,是目前本领域亟待解决的问题。
技术实现思路
[0004]有鉴于此,本申请实施例提供了一种电力系统运行可靠性评估方法、装置及电子设备,以解决常规的电力系统运行可靠性评估方法计算速度慢、无法满足快速评估的要求的技术问题。
[0005]第一方面,本申请实施例提供了一种电力系统运行可靠性评估方法,包括:获取电力系统的多组历史数据;针对每组历史数据,通过非序贯蒙特卡洛抽样法对电力系统中的每个元件的元件状态进行抽样,得到多个系统状态,计算每个系统状态的负荷削减概率和最优削负荷量,根据多个系统状态的负荷削减概率和最优削负荷量计算该组历史数据的历史可靠性指标;按照预设分类条件,确定每组历史数据所属的运行场景;将每个运行场景下的多组历史数据和对应的历史可靠性指标作为数据集,对该运行场景对应的预测模型进行训练,得到多个训练后的预测模型,构成M
‑
预测模型; ...
【技术保护点】
【技术特征摘要】
1.一种电力系统运行可靠性评估方法,其特征在于,包括:获取电力系统的多组历史数据;针对每组所述历史数据,通过非序贯蒙特卡洛抽样法对电力系统中的每个元件的元件状态进行抽样,得到多个系统状态,计算每个所述系统状态的负荷削减概率和最优削负荷量,根据所述多个系统状态的负荷削减概率和最优削负荷量计算该组历史数据的历史可靠性指标;按照预设分类条件,确定每组所述历史数据所属的运行场景;将每个运行场景下的多组历史数据和对应的历史可靠性指标作为数据集,对该运行场景对应的预测模型进行训练,得到多个训练后的预测模型,构成M
‑
预测模型;获取电力系统的实时数据,基于所述M
‑
预测模型对所述实时数据进行预测,得到电力系统的可靠性指标,以根据所述可靠性指标对所述电力系统评估。2.根据权利要求1所述的电力系统运行可靠性评估方法,其特征在于,所述预测模型为反向传播神经网络;所述运行场景有多个;所述将每个运行场景下的多组历史数据和对应的历史可靠性指标作为数据集,对该运行场景对应的预测模型进行训练,得到多个训练后的预测模型,构成M
‑
预测模型,包括:以每个运行场景下的历史数据为模型输入,历史可靠性指标为模型输出,基于自适应算法对该运行场景对应的预测模型进行训练,得到该运行场景对应的训练后的预测模型;将多个运行场景对应的多个训练后的预测模型构成M
‑
预测模型。3.根据权利要求1所述的电力系统运行可靠性评估方法,其特征在于,每个运行场景对应的预测模型的训练过程,包括:根据预测模型的预设最大隐藏层数和预设最大隐藏元数,对所述预测模型的隐藏层数和隐藏元数进行枚举;根据当前枚举的隐藏层数和隐藏元数,基于所述预测模型对应的运行场景下的数据集对所述预测模型进行训练和测试,得到当前可靠性指标的误差;在所有隐藏层数和隐藏元数均被枚举后,得到多个可靠性指标的误差,确定最小的可靠性指标的误差对应的隐藏层数和隐藏元数为所述预测模型的最终隐藏层数和隐藏元数,得到训练后的预测模型。4.根据权利要求1所述的电力系统运行可靠性评估方法,其特征在于,每个系统状态为所述每个元件的元件状态构成的数组;所述每个元件的元件状态为第一状态或第二状态,其中,所述第一状态表示的元件状态为故障,所述第二状态表示的元件状态为非故障;所述通过非序贯蒙特卡洛抽样法对电力系统中的每个元件的元件状态进行抽样,得到多个系统状态,包括:基于电力系统中每个元件的不可用率,通过非序贯蒙特卡洛抽样法确定每个元件的元件状态,根据所述每个元件的元件状态确定系统状态;对所述电力系统中的每个元件的元件状态进行多次抽样,得到多个系统状态。5.根据权利...
【专利技术属性】
技术研发人员:张菁,齐晓光,张倩茅,赵凯林,徐田丰,陈宇,田家辉,张丽洁,董家盛,谢婉莹,
申请(专利权)人:国家电网有限公司,
类型:发明
国别省市:
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。