一种电网风险辨识方法、系统、设备、介质和产品与流程

摘要: 本发明涉及电网运行风险评估与安全分析,尤其涉及一种电网风险辨识方法、系统、设备、介质和产品。背景技术:1、随着新型电力系统建设的深入推进,电网结构日趋复杂,新能...
一种电网风险辨识方法、系统、设备、介质和产品与流程

本发明涉及电网运行风险评估与安全分析,尤其涉及一种电网风险辨识方法、系统、设备、介质和产品。

背景技术:

1、随着新型电力系统建设的深入推进,电网结构日趋复杂,新能源大规模并网、交直流混联运行以及电力市场化改革的持续深化,使得电网运行方式愈发灵活多变,风电、光伏出力的强随机性与强波动性导致潮流分布的不确定性显著上升,特高压交直流混联电网中单一扰动可能诱发连锁故障的风险也日益增加,电网运行风险管控面临前所未有的挑战。

2、在这一背景下,电力系统风险评估方法经历了从确定性分析到概率评估的发展历程。以n-1准则为代表的确定性安全评估方法因其计算简便、工程适用性强而在实际调度中得到了广泛应用,但该方法本质上是对预设场景进行“是否越限”的二分判断,无法量化故障发生的真实概率,也难以计及多重不确定因素叠加下的系统风险水平,评估结果过于保守或乐观均可能导致调度决策失当。现有方法普遍采用静态断面分析,忽略了风险事件从萌芽、发展到爆发的时序累积效应,且对多因素间的非线性耦合关系缺乏有效的建模手段,难以准确刻画设备老化、气象环境、运行方式等多重因素协同作用下的系统风险。此外,基于蒙特卡洛模拟的概率评估方法虽能通过大量随机抽样给出风险的概率性描述,但其计算开销随精度要求呈指数级增长,难以满足在线辨识的时效性要求。

技术实现思路

1、本发明提供了一种电网风险辨识方法、系统、设备、介质和产品,解决了现有电网运行风险评估中概率量化能力不足的技术问题。

2、本发明第一方面提供的一种电网风险辨识方法,包括:

3、采用目标电网的多源监测数据并进行预处理,得到由多个风险变量组成风险特征向量,所述风险特征向量包括历史风险特征向量和实时风险特征向量;

4、基于所述历史风险特征向量分别构建的贝叶斯网络有向依赖项和马尔可夫随机场空间耦合项,生成联合概率模型;

5、利用变分贝叶斯推断法对所述联合概率模型进行近似推理,以所述实时风险特征向量作为观测证据,得到各所述风险变量在所述观测证据下的后验概率;

6、采用所述后验概率与历史存储风险值进行加权融合,确定所述目标电网的综合风险指数;

7、根据所述综合风险指数所处的预设风险等级区间,确定所述目标电网的风险等级。

8、可选地,所述基于所述历史风险特征向量分别构建的贝叶斯网络有向依赖项和马尔可夫随机场空间耦合项,生成联合概率模型,包括:

9、确定各所述风险变量对应的物理监测节点;

10、采用所述历史风险特征向量,以所述物理监测节点作为节点,构建贝叶斯网络有向依赖项;

11、读取所述目标电网的电网拓扑参数,在所述物理监测节点之间连接无向边,并结合所述历史风险特征向量构建马尔可夫随机场空间耦合项;

12、将所述贝叶斯网络有向依赖项与所述马尔可夫随机场空间耦合项相乘,并除以配分函数进行归一化,得到联合概率模型。

13、可选地,所述采用所述历史风险特征向量,以所述物理监测节点作为节点,构建贝叶斯网络有向依赖项,包括:

14、采用所述历史风险特征向量构建历史数据矩阵;

15、对所述历史数据矩阵进行贝叶斯网络有向边结构学习,得到有向无环图;

16、计算所述有向无环图内各所述物理监测节点的局部条件概率分布;

17、采用所有所述局部条件概率分布进行乘值运算,得到贝叶斯网络有向依赖项。

18、可选地,所述读取所述目标电网的电网拓扑参数,在所述物理监测节点之间连接无向边,并结合所述历史风险特征向量构建马尔可夫随机场空间耦合项,包括:

19、读取所述目标电网的电网拓扑参数,计算任意两个所述物理监测节点之间的电气距离或地理直线距离;

20、基于所述电气距离或地理直线距离,将小于预设距离阈值的物理监测节点对之间连接无向边,得到无向图;

21、采用所述历史风险特征向量计算所述无向图中各无向边的空间耦合势能;

22、采用所有所述空间耦合势能进行乘值运算,得到马尔可夫随机场空间耦合项。

23、可选地,所述利用变分贝叶斯推断法对所述联合概率模型进行近似推理,以所述实时风险特征向量作为观测证据,得到各所述风险变量在所述观测证据下的后验概率,包括:

24、采用平均场变分族对所述联合概率模型进行真实后验近似,得到变分分布;

25、将所述实时风险特征向量作为观测证据输入所述联合概率模型,构建证据下界;

26、以最大化证据下界为优化目标,利用坐标上升法对所述变分分布进行迭代更新,直至所述证据下界的相对变化量小于预设阈值,输出最优变分分布;

27、从所述最优变分分布中提取各所述风险变量的数学期望,得到各所述风险变量在所述观测证据下的后验概率。

28、可选地,所述采用所述后验概率与历史存储风险值进行加权融合,确定所述目标电网的综合风险指数,包括:

29、对所述后验概率与历史存储风险值进行加权融合,得到各所述风险变量的时序累积因子;

30、采用所述后验概率与所述时序累积因子进行加权求和,得到所述目标电网的综合风险指数。

31、本发明第二方面提供的一种电网风险辨识系统,包括:

32、数据采集模块,用于采用目标电网的多源监测数据并进行预处理,得到由多个风险变量组成风险特征向量,所述风险特征向量包括历史风险特征向量和实时风险特征向量;

33、模型构建模块,用于基于所述历史风险特征向量分别构建的贝叶斯网络有向依赖项和马尔可夫随机场空间耦合项,生成联合概率模型;

34、后验推理模块,用于利用变分贝叶斯推断法对所述联合概率模型进行近似推理,以所述实时风险特征向量作为观测证据,得到各所述风险变量在所述观测证据下的后验概率;

35、综合评估模块,用于采用所述后验概率与历史存储风险值进行加权融合,确定所述目标电网的综合风险指数;

36、风险定级模块,用于根据所述综合风险指数所处的预设风险等级区间,确定所述目标电网的风险等级。

37、本发明第三方面提供的一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述所述的电网风险辨识方法的步骤。

38、本发明第四方面提供的一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现如上述所述的电网风险辨识方法。

39、本发明第五方面提供的一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,其中,当所述程序指令被计算机执行时,使所述计算机执行如上述所述的电网风险辨识方法。

40、从以上技术方案可以看出,本发明具有以下优点:

41、本发明首先通过多源监测数据的预处理构建由多个风险变量组成的风险特征向量,并进一步区分为历史风险特征向量与实时风险特征向量,为概率化建模奠定了数据基础;在此基础上,利用历史风险特征向量分别构建贝叶斯网络有向依赖项和马尔可夫随机场空间耦合项,将二者相乘并归一化生成联合概率模型,通过该联合概率模型将风险变量间的因果依赖关系与空间耦合关系统一纳入概率框架进行描述,为概率推理提供了结构化的理论支撑;进而以实时风险特征向量作为观测证据,通过变分贝叶斯推断对所述联合概率模型的真实后验进行近似求解,该步骤的技术实质在于,变分贝叶斯推断通过将高维积分问题转化为优化问题,能够实时计算出每个风险变量在给定观测证据下的精确后验概率,使风险描述从确定性方法下的“是否越限”转变为“越限概率多大”,定量地回答了风险的可能性大小;进一步地,计算得到的后验概率不仅表征当前时刻的风险状态,还与历史存储的风险值进行加权融合,通过时序累积因子将风险事件的演变轨迹纳入量化评估,使概率化评估结果具备动态跟踪能力,最终以综合风险指数和预设风险等级区间的对应关系输出精确的概率化风险等级判定。本发明以概率理论为基础,以后验概率计算为核心,以变分贝叶斯推断为高效计算手段,以时序加权融合为动态更新机制,形成了一条完整的概率量化评估技术路径,有效解决了现有电网运行风险评估中概率量化能力不足的技术问题。