一种基于多层级联合互动的工业供配电系统风险状态评估方法及装置
本发明涉及电力系统状态评估领域,尤其涉及一种基于多层级联合互动的工业供配电系统风险状态评估方法及装置。
背景技术:
1、随着工业供配电系统的智能化和复杂性不断提高,实时风险评估与预警技术成为确保系统安全和可靠运行的关键。多层级联合互动的方法通过在不同层级间建立紧密的协作关系,实现对系统状态的全面感知与动态评估。
2、目前,国内外学者已对多层级联合互动的工业供配系统开展了相关研究。李华及其团队提出了一种基于多维度数据融合的风险评估方法,通过对工业供配电系统各物理量的实时采集,提出一个多层级数据融合模型,用以提高电力系统的风险预测能力;王磊在期刊中提出一种基于信息流与物理流交互的多层级风险评估框架,他结合电力设备的物理状态检测与网络通信数据流,利用模型预测算法对可能得设备故障、负荷波动等风险进行系统评估;a.b.sadeh和m.k.khedri在期刊中提出一种基于动态模型的多层级风险评估框架,实现了电力系统的快速评估与潜在风险预判的能力;m.k.kazmi和t.q.nguyen探讨了利用深度学习算法提升多层次数据融合效果,以更准确的评估复杂电力系统中的潜在风险。然而,现有研究仍存在数据融合与处理复杂以及算法适应性与普适性差的问题,导致现有方法实时性、准确性和鲁棒性较差。
3、因此,亟需一种新的技术方案,用以解决如何提高工业供配电系统风险状态评估的实时性、准确性和鲁棒性的技术问题。
技术实现思路
1、本发明提供了一种基于多层级联合互动的工业供配电系统风险状态评估方法及装置,用以解决如何提高工业供配电系统状态风险评估的实时性、准确性和鲁棒性的技术问题。
2、为实现上述目的,本发明提供了一种基于多层级联合互动的工业供配电系统风险状态评估方法,包括以下步骤:
3、s1、通过预部署的多维传感器获取供配电系统的第一参数;第一参数包括预设状态参数和预设运行参数。
4、s2、根据第一参数构建第一模型;第一模型反映供配电系统整体的运行状态以及供配电系统内关键设备的运行状态。
5、s3、根据第一参数和第一模型结合动态贝叶斯网络得到第一参数和第一模型联合分布。
6、s4、根据联合分布结合状态转移模型将第一参数和第一模型进行结合,得到第二模型;通过arima模型筛选出第一参数中的异常数据,得到第二参数。
7、s5、根据第二模型和第二参数建立分级预警机制,根据分级预警机制进行工业供配电系统的风险状态评估。
8、优选的,s1包括:
9、预设状态参数包括供配电系统的核心电力物理量的采样值;预设运行参数包括反映供配电系统运行状态的电力系统运行参数变化量的采样值。
10、优选的,s2包括:
11、将预设状态参数和预设运行参数进行隶属系统层级的分类;
12、构建m个监测层面和每个监测层面内n个评价指标的供电可靠性制表判断矩阵a,可表示为:
13、
14、其中,aij为比较尺度,指标i与指标j的重要程度对比;
15、供电可靠性制表判断矩阵a需满足一致性,一致性要求包括:
16、
17、其中,ci为一致性指数,λ为矩阵a最大特征值,ri为随机一致性指标,cr为一致性比率;ri取值依据n确定;
18、判断矩阵a通过一致性检验后,计算各个评价指标的权重:
19、
20、其中,ωij表示评价指标的权重;aij表示计算过程中使用的元素值;
21、根据各评价指标的权重和实际数据,进行综合评分,并构建加权综合评价模型,即第一模型,根据第一模型即可得到综合的供电可靠性评分;第一模型包括:
22、
23、其中,wi表示第i个指标的权重;xi表示第i个指标根据实际数据所得的实际评分。
24、优选的,s3包括:
25、假设t时刻第一参数的采样值用xt表示,t时刻的第一模型用yt表示,则存在
26、xt={xt,1,xt,2,...,xt,n}
27、yt={yt,1,yt,2,...,yt,n}
28、其中,xt,n表示xt中第n个参数t时刻的采样值;yt,n表示第n个参数t时刻的第一模型;
29、建立贝叶斯网络结构,设定时间步t,得到第一参数和第一模型联合分布,可表示为:
30、p(xt,yt|xt-1,yt-1)=p(xt|xt-1)p(yt|yt-1)
31、其中,xt-1表示t-1时刻第一参数的采样值;yt-1表示t-1时刻的第一模型;xt依赖于前一时刻的状态xt-1,yt依赖于当前的xt以及前一时刻的yt-1。
32、优选的,s4中根据联合分布结合状态转移模型将第一参数和第一模型进行结合,得到第二模型包括:
33、建立状态转移模型,包括第一参数状态转移和第一模型状态转移:
34、第一参数状态转移用条件概率分布p(xt|xt-1)描述,表示物理系统在时间t的状态取决于其时间t-1的状态,对于连续状态,使用线性高斯模型表示:
35、xt=dxt-1+∈t
36、其中,d表示状态转移矩阵;∈t~n(0,σ)为噪声项,∑表示协方差矩阵;
37、第一模型状态转移依赖于第一模型的历史状态和第一参数的当前状态,条件概率为p(yt|yt-1);对于连续状态,也可使用高斯模型表示:
38、yt=ext+cyt-1+ηt
39、其中,e和c为状态转移矩阵,ηt~n(0,γ)为噪声项,γ为协方差矩阵。
40、优选的,s4中通过arima模型消除第一参数中的异常数据,得到第二参数包括:
41、使用adf检验模型对时间序列进行平稳性检测,adf检验模型包括:
42、
43、其中,表示adf检验模型时间t+h的预测目标值;c为模型的常数项;φi表示自回归部分的系数;θi表示滑动平均部分的系数;表示时间点t+h-i的预测误差;p表示自回归阶数;
44、若p的值小于预设阈值,则序列平稳;若序列不平稳,则进行差分计算,使其平稳:
45、δdyt=(1-b)dyt
46、其中,b为滞后算子,d是差分阶数;
47、使用自相关函数图和偏自相关函数图确定arima检验模型的自回归阶数p、差分阶数d和移动平均阶数q;建立arima模型:
48、
49、其中,φi表示自回归系数;θi表示移动平均系数;∈t表示t时刻的白噪声;∈t-i表示t-i时刻的白噪声;yt表示t时刻的观测值向量;yt-1表示t-1时刻的观测值向量;
50、通过最小化残差平方和训练arima模型,得到拟合的参数,并使用arima模型对未来的时间点进行预测:
51、
52、其中,表示时间点t+h的预测值,c为常数项,表示时刻t+h-i的预测误差;
53、计算实际值和arima模型预测值的残差et:
54、
55、其中,yt表示实际值;表示arima模型预测值;
56、对残差进行标准化:
57、
58、其中,zt为标准化的z值;μe为et的均值;σe为et的标准差;
59、当|zt|大于第一阈值时,yt被视为异常点;设第一阈值为2或3,若数据质量要求高,样本量较小,第一阈值取2,否则取3。
60、优选的,s5包括:
61、假设在时刻t,系统的预测值为实际值为yt,通过历史数据得出正常范围的估计,假设均值和标准差为μy和σy,则正常范围为:
62、
63、其中,k为常数;
64、预警级别包括:
65、预测值和残差均在正常范围内,系统无异常,即无预警:
66、且|zt|≤2
67、预测值偏离正常范围,但残差未超过警戒值,表明存在轻微的系统波动,即轻度异常:
68、且|zt|≤2
69、预测值显著偏离正常范围,且残差异常,存在中度风险,即中度异常:
70、且2<|zt|≤3
71、预测值大幅偏离正常范围,且残差严重异常,存在重大风险,需紧急处理,即严重异常:
72、且|zt|>3
73、本发明还提供了一种基于多层级联合互动的工业供配电系统风险状态评估装置,用于本发明的方法,装置包括第一模块、第二模块、第三模块、第四模块和第五模块;
74、第一模块用于通过预部署的多维传感器获取供配电系统的第一参数;第一参数包括预设状态参数和预设运行参数;
75、第二模块用于根据第一参数构建第一模型;第一模型反映供配电系统整体的运行状态以及供配电系统内关键设备的运行状态;
76、第三模块用于根据第一参数和第一模型结合动态贝叶斯网络得到第一参数和第一模型联合分布;
77、第四模块用于根据联合分布结合状态转移模型将第一参数和第一模型进行结合,得到第二模型;通过arima模型消除第一参数中的异常数据,得到第二参数;
78、第五模块用于根据第二模型和第二参数建立分级预警机制,根据分级预警机制进行工业供配电系统的风险状态评估。
79、本发明具有以下有益效果:
80、本发明的基于多层级联合互动的工业供配电系统风险状态评估方法,通过实时风险评估与预警,实现对工业供配电系统运行状态的实时监测,及时发现潜在风险,缩短响应时间;结合多种数据源和模型,提升预测的准确性和鲁棒性;使用多层级联动机制综合各个层面信息,实现更加全面、协同的风险评估和管理。本发明有助于对潜在风险的快速识别和响应,并提高工业供配电系统风险状态评估的实时性、准确性和鲁棒性。
81、本发明的基于多层级联合互动的工业供配电系统风险状态评估装置,用于本发明的方法,与本发明的方法具备相同的有益效果。
82、除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com