[发明专利]基于SCADA大数据的电网系统解列风险分析方法

说明书

本发明公开了一种基于SCADA大数据的电网系统解列风险分析方法，包括如下步骤：S1.采集输配电网网络基础数据；S2.根据输配电网网络基础数据，构建输配电网一体化的全局电网模型；S3.获取全局电网模型中各顶点的最终标记值；S4.根据顶点的最终标记值，判断输配电网系统的解列风险。本发明的一种基于SCADA大数据的电网系统解列风险分析方法，能够提升解列风险评估准确性，精准捕捉电网薄弱环节，提高电网系统的可靠性。

技术领域

本发明涉及电网领域，具体涉及一种基于SCADA大数据的电网系统解列风险分析方法。

背景技术

在传统电网的基础上，智能电网利用先进的信息技术手段实现能源和电力的进一步精细化调控。数据高效的采集与处理是实现精细化调控的重要基础。随着智能电网建设的不断推进，海量的电网数据的产生对SCADA系统的易扩性、可伸缩性、可靠性都提出了更高的要求，亟需打造现代云SCADA系统，为后期挖掘电网大数据潜能与价值奠定基础。

同时，智能电网发展过程中，更多程度更高的不确定因素已渗透到电力系统中，如需求响应的广泛开展、高比例可再生能源、储能系统的时空接入等。这些不确定因素共同构成了电力系统在经济、安全规划以及运行方面的风险源。因此，需要开展全面的输配电网风险评估，健全风险评估模型，从而有效地降低不确定因素给电网带来的不利影响。

目前，输配电网风险评估方法大体上可分为确定性和概率性两类，确定性风险评估方法主要是指N-K校验，即保障预想事故下的电网安全运行，已在电网规划和调度部门沿用了多年，较为成熟，但该方法往往具有较高的时间和空间复杂度，无法适应大规模网络的连通性测试。概率性风险评估方法考虑了元件发生故障的概率，可对元件故障的严重程度进行定量评估，但尚处于起步阶段。

因此，为解决以上问题，需要一种基于SCADA大数据的电网系统解列风险分析方法，能够提升解列风险评估准确性，精准捕捉电网薄弱环节，提高电网系统的可靠性。

发明内容

有鉴于此，本发明的目的是克服现有技术中的缺陷，提供基于SCADA大数据的电网系统解列风险分析方法，能够更准确地评估输电网和配电网中存在的网络解列风险，从而减少传统风险的探测盲区，有效地提升电网系统运行的稳定性。

本发明的基于SCADA大数据的电网系统解列风险分析方法，包括如下步骤：

S1.基于SCADA大数据，采集输配电网网络基础数据；

S2.根据输配电网网络基础数据，构建输配电网一体化的全局电网模型G＝(v,e)；其中，v为以输配电网中的节点为元素的顶点集，e为以输配电网中的输电线路以及变压器为元素的边集；

S3.为全局电网模型G的顶点集中的顶点设置标记值，不断调整顶点集中各顶点的标记值，使得连通的顶点的标记值相等，当顶点集中各顶点的标记值不再变化时，得到各顶点的最终标记值；

S4.判断顶点集中各顶点的最终标记值是否均相等，如是，则输配电网完全连通，不存在解列风险；否则，输配电网不完全连通，存在解列风险。

进一步，步骤S2中，将输电网模型和配电网模型通过边界节点进行拼接得到输配电网一体化的全局电网模型。

进一步，步骤S3中，根据如下步骤得到顶点集v中各顶点的最终标记值：

S31.获取全局电网模型G的顶点集v中顶点个数n以及边集e中边数m；

S32.设顶点集v中的顶点i的标记值为reach(i)，并对各顶点的标记值进行初始化处理，使得顶点i的标记值reach(i)＝i；其中，i为顶点的标识符号，0<i<＝n，i为整数；

S33.设置循环标志变量flag与k，且flag的初始值为true，k的初始值为1；其中，0<k<＝m，k为整数；