[发明专利]一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法

摘要

本发明提供了一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法，结合智能隔离断路器内部各组成部分数据、当前电网运行状态数据、电网风险数据、环境数据得到智能隔离断路器的马尔科夫瞬时状态概率模型，构造状态分布曲线，采用拉丁超立方算法对状态概率模型抽样获得智能隔离断路器的状态，并采用Cholesky分解对矩阵重新排列，降低初始采样的相关性。使用以切负荷最小为目标函数的OPF算法，计算发生故障后切负荷的最小值以及风险指标。针对智能隔离断路器内部发生不同故障，通过计算灵敏度得到不同部件故障对电网风险程度影响的大小，为差异性运维提供参考。

主权项

1.一种基于大数据分析的智能隔离断路器对电网影响的在线风险评估方法，其特征在于，包括以下具体步骤：步骤1，结合所述智能隔离断路器的各组成部分的运行状态历史数据、当前电网运行状态数据、电网风险数据、环境数据，获得所述含有智能隔离断路器的电网各状态之间的转移率；步骤2，采用马尔可夫方法，利用步骤1所述含有智能隔离断路器的电网各状态之间的转移率，获得所述智能隔离断路器瞬时状态概率，包含所述智能隔离断路器的线路运行状态概率记为p_oi(x_i)，停运状态概率记为p_ci(x_i)；步骤3，确定抽样规模N，采用拉丁超立方抽样的方法，获得所述智能隔离断路器抽样状态，状态集合记为S＝{s₁、s₂、s₃...s_N}，将状态集合写为矩阵形式，获得N×K阶的原始采样矩阵，记为：X_NK＝[X₁、X₂、X₃...X_k...X_K]，其中向量X_k为含有智能断路器的第k条线路的采样向量，向量X_k记为X_k＝[x₁、x₂、x₃...x_N]^T，K的值为含有智能断路器的线路条数n，抽样状态s_m＝[x₁、x₂、x₃...x_K]；步骤4，采用Cholesky分解的方法对步骤3所述的抽样矩阵X_NK重排列，将重排后的采样矩阵记为H_NK＝[H₁、H₂、H₃...H_K]；步骤5，当系统发生故障时，判断系统的状态、发电机出力、输电线路传输的有功功率和无功功率以及节点电压的是否超过电网的约束，如果超过约束，则采用最优潮流算法求解最优的切除负荷量，利用步骤4所述重排列采样矩阵H_NK计算步骤3所述各状态下发生故障后切负荷的最小值从而得到风险评估指标；步骤6，针对智能隔离断路器内部发生不同故障结合步骤5中的风险评估指标，计算灵敏度得到不同部件故障对电网风险程度影响的大小。