本发明专利技术属于数据处理技术领域，尤其涉及一种送端大系统可靠性跟踪方法和系统，方法包括基于OPA模型生成连锁故障数据；基于图论计算每次部件停运后，其他部件的预期故障次数，以识别输电系统中的易损部件；根据所述易损部件，计算最优减载；设置基于模糊熵权法的传动部件综合风险责任评价指标，以辨识送端大系统的可靠性薄弱环节，能更全面地识别送端大系统的薄弱环节，实现系统的可靠性跟踪。
1、现代电力系统的停电大多是由输电系统故障引起的连锁故障引起的。输电线路的故障不仅直接影响到系统的可用输电容量，而且还可能进一步扰乱其他电力部件的运行状态，如高压直流输电装置、变压器和输电线路等。因此，为避免大规模减载，有必要在电力系统运行规划中全面分析输电系统的故障风险，对系统可靠性进行跟踪，经济有效地对其可靠性负责。
2、虽然连锁故障的力学模型可以较详细地模拟故障的传播过程，但在模拟小概率、严重影响的停电时，基于潮流计算的稳态模型和基于暂态分析的动态模型都存在计算复杂度高的缺点。第一类是针对输电系统的停电风险评估，如减载概率分布的估计或者线路故障的数量。典型的代表是连锁故障的分支流程模型。该模型只分析了失效元件的总数，而没有区分具体的失效元件。该模型虽然简化了停电风险估计所需的数据信息，但也限制了分支过程在连锁故障中识别薄弱环节方面的应用。第二类是基于交互网络和影响图的连锁故障概率评估模型。该模型在提取连锁故障统计信息的同时，关注故障传递过程中不同部件的影响，既能评估停电风险，又能识别出系统的薄弱环节，实现系统的可靠性跟踪。然而，上述交互网络使用所有代的连锁故障数据来估计交互矩阵，并没有考虑连锁故障在不同阶段的行为变化，因此可能会大大低估连锁故障的传播能力。
>技术实现思路1、为了解决或者改善上述问题，本专利技术提供了送端大系统可靠性跟踪方法和系统，具体技术方案如下：
2、本专利技术提供一种送端大系统可靠性跟踪方法，包括：基于opa模型生成连锁故障数据；基于图论计算每次部件停运后，其他部件的预期故障次数，以识别送端大系统中的易损部件；根据所述易损部件，计算最优减载；设置基于模糊熵权法的传动部件综合风险责任评价指标，以辨识送端大系统的可靠性薄弱环节。
3、优选的，所述基于opa模型生成连锁故障数据，包括：
4、基于opa模型生成连锁故障数据，以估计部件故障之间的相互作用，得到相互作用矩阵；
5、基于em算法计算设置所述相互作用矩阵，得到交互矩阵。
6、优选的，所述基于图论计算每次部件停运后，其他部件的预期故障次数，以识别输电系统中的易损部件，包括：
7、对于每代至少停电一次的组件r，从交互矩阵bg中提取出从根总线r开始的有向网络其中，根总线r到任意总线至少有一条路径，且中的任意总线至少有一条输入链路；
8、所有根总线位于第0层，在距离根总线最少k步之后，可以到达第k层的任何其他总线；
9、总线号从1开始重新排序，对于新的母线编号j，使用j0表示其重新编号之前的编号；
10、定义有向邻接矩阵如果u0到v0已经连接，则否则，
11、对于邻接矩阵中的任意总线j，期望中断数：其中，为网络中组件个数为网络中因组件i中断而导致组件j中断的预期总数；为除网络g以外的其他因素导致的组件j的停机次数；
12、当j为根总线且j＝1时，为第g代组件j的停机次数；对于其他总线而言，
13、母线r在g代中次停机后的期望停机次数：减去所含的
14、各代中由总线r引起的预期故障总数为：用于确定连锁故障的脆弱部分。
15、优选的，根据所述易损部件，计算最优减载，包括：
16、基于部件失效对系统减载风险的影响，改写以得到其中，为部件j在停电后的预期减载量，为第g代部件j由于停电导致的减载量；
17、第g代母线r停机后的总期望减载量为：
18、总预期减载量为：
19、优选的，所述设置基于模糊熵权法的传动部件综合风险责任评价指标，以辨识送端大系统的可靠性薄弱环节，包括：
20、根据可靠性跟踪理论中的比例分配方法，评估连锁故障的初始故障fi1、fi2和连锁故障风险fi3和fi4；
21、构造行第nl列第4的模糊隶属度矩阵r，其中元素rim：
22、
23、风险指标f1、f2、f3、f4的熵：
24、相应的指标熵权：
25、设定规划者和操作者的初始失效风险和级联失效风险偏好权重分别为αa和αs，则风险指标f1的模糊熵权：f2的模糊熵权：f3的模糊熵权：f4的模糊熵权
26、第i条线的综合风险责任评价指标ficom：
27、
28、本专利技术提供一种送端大系统可靠性跟踪系统，包括：第一模块，用于基于opa模型生成连锁故障数据；第二模块，用于基于图论计算每次部件停运后，其他部件的预期故障次数，以识别送端大系统中的易损部件；第三模块，用于根据所述易损部件，计算最优减载；第四模块，用于设置基于模糊熵权法的传动部件综合风险责任评价指标，以辨识送端大系统的可靠性薄弱环节。
29、优选的，所述基于opa模型生成连锁故障数据，包括：
30、基于opa模型生成连锁故障数据，以估计部件故障之间的相互作用，得到相互作用矩阵；
31、基于em算法计算设置所述相互作用矩阵，得到交互矩阵。
32、优选的，所述基于图论计算每次部件停运后，其他部件的预期故障次数，以识别输电系统中的易损部件，包括：
33、对于每代至少停电一次的组件r，从交互矩阵bg中提取出从根总线r开始的有向网络其中，根总线r到任意总线至少有一条路径，且中的任意总线至少有一条输入链路；
34、所有根总线位于第0层，在距离根总线最少k步之后，可以到达第k层的任何其他总线；
35、总线号从1开始重新排序，对于新的母线编号j，使用j0表示其重新编号之前的编号；
36、定义有向邻接矩阵如果u0到v0已经连接，则否则，
37、对于邻接矩阵中的任意总线j，期望中断数：其中，为网络中组件个数为网络中因组件i中断而导致组件j中断的预期总数；为除网络g以外的其他因素导致的组件j的停机次数；
38、当j为根总线且j＝1时，为第g代组件j的停机次数；对于其他总线而言，
39、母线r在g代中次停机后的期望停机次数：减去所含的
40、各代中由总线r引起的预期故障总数为：用于确定连锁故障的脆弱部分。
41、优选的，根据所述易损部件，计算最优减载，包括：
42、基于部件失效对系统减载风险的影响，改写以得到其中，为部件j在停电后的预期减载量，为第g代部件j由于停电导致的减载量；
43、第g代母线r停机后的总期望减载量为：
44、总预期减载量为：
45、优选的，所述设置基于模糊熵权法的传动部件综合风险责任评价指标，以辨识送端大系统的可靠性薄弱环节，包括：
46、根据可靠性跟踪理论中的比例本文档来自技高网...
【技术保护点】
1.一种送端大系统可靠性跟踪方法，其特征在于，包括：
2.根据权利要求1所述送端大系统可靠性跟踪方法，其特征在于，所述基于OPA模型生成连锁故障数据，包括：
3.根据权利要求2所述送端大系统可靠性跟踪方法，其特征在于，所述基于图论计算每次部件停运后，其他部件的预期故障次数，以识别输电系统中的易损部件，包括：
4.根据权利要求3所述送端大系统可靠性跟踪方法，其特征在于，所述根据所述易损部件，计算最优减载，包括：基于部件失效对系统减载风险的影响，改写得到其中，为部件j在停电后的预期减载量，为第g代部件j由于停电导致的减载量；
5.根据权利要求4所述送端大系统可靠性跟踪方法，其特征在于，所述设置基于模糊熵权法的传动部件综合风险责任评价指标，以辨识送端大系统的可靠性薄弱环节，包括：
6.一种送端大系统可靠性跟踪系统，其特征在于，包括：
7.根据权利要求6所述送端大系统可靠性跟踪系统，其特征在于，所述基于OPA模型生成连锁故障数据，包括：
8.根据权利要求7所述送端大系统可靠性跟踪系统，其特征在于，所述基于图论计算每次部件停运后，其他部件的预期故障次数，以识别输电系统中的易损部件，包括：
9.根据权利要求8所述送端大系统可靠性跟踪系统，其特征在于，所述根据所述易损部件，计算最优减载，包括：基于部件失效对系统减载风险的影响，改写得到其中，为部件j在停电后的预期减载量，为第g代部件j由于停电导致的减载量；
10.根据权利要求9所述送端大系统可靠性跟踪系统，其特征在于，所述设置基于模糊熵权法的传动部件综合风险责任评价指标，以辨识送端大系统的可靠性薄弱环节，包括：
...
【技术特征摘要】
1.一种送端大系统可靠性跟踪方法，其特征在于，包括：
2.根据权利要求1所述送端大系统可靠性跟踪方法，其特征在于，所述基于opa模型生成连锁故障数据，包括：
3.根据权利要求2所述送端大系统可靠性跟踪方法，其特征在于，所述基于图论计算每次部件停运后，其他部件的预期故障次数，以识别输电系统中的易损部件，包括：
4.根据权利要求3所述送端大系统可靠性跟踪方法，其特征在于，所述根据所述易损部件，计算最优减载，包括：基于部件失效对系统减载风险的影响，改写得到其中，为部件j在停电后的预期减载量，为第g代部件j由于停电导致的减载量；
5.根据权利要求4所述送端大系统可靠性跟踪方法，其特征在于，所述设置基于模糊熵权法的传动部件综合风险责任评价指标，以辨识送端大系统的可靠性薄弱环节，包括：
...
【专利技术属性】
技术研发人员：黄丽娟，侯婷，林信，李凌飞，庞华，刘先富，金沐蓉，方明，符贤，韦俊韬，于明，卢毓欣，辛清明，冯俊杰，魏伟，李岩，袁智勇，赵晓斌，邹常跃，
申请(专利权)人：广西电网有限责任公司，
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。