基于贝叶斯神经网络的变电站抗震韧性快速评估方法

技术特征：
1.一种基于贝叶斯神经网络的变电站抗震韧性快速评估方法，其特征在于：包括如下的步骤：s1：确定变电站所处地区的地震烈度，明确变电站设备类型、数目及系统连接方式；s2：建立变电站系统的贝叶斯神经网络，搭建设备和母线间的变电站有向无环图dag，根据各类设备的可靠度分析得到被测子节点的失效概率；s3：将不同重要等级电力用户赋予重要用户系数q，根据供给各类电力用户的出线单元失效概率设立变电站系统的功能评价指标k，具体如下式：；其中：为震后可正常工作的第q条出线单元的重要用户系数；为震后变电站有i条出线单元正常工作的概率；为变电站第w条出线单元的重要用户系数；n为变电站系统的出线单元的总数量；系统功能指标k越大说明地震作用对变电站的功能影响越小，系统功能越完好；s4：根据变电站功能评价指标计算变电站震后功能恢复函数q(t)以表征变电站功能恢复水平随时间变化的函数；s5：根据变电站功能恢复函数q(t)，提出以功能和时间围成的面积作为变电站的抗震韧性指数r的量化标准，并以此来反映变电站在受到地震作用下的抵抗破坏并恢复快慢的能力，具体如下式： ；其中：为震害发生时间，为变电站系统功能完全恢复的时间；所述抗震韧性指数r的大小反映了变电站系统抗震韧性水平，r越大表示变电站的抗震韧性水平越低，造成的资源消耗和经济损失越多。2.根据权利要求1所述的基于贝叶斯神经网络的变电站抗震韧性快速评估方法，其特征在于：所述步骤s1，所述变电站所处地区的地震烈度采用地面运动峰值加速度pga表示，并将其作为衡量地震强度的指标。3.根据权利要求1所述的基于贝叶斯神经网络的变电站抗震韧性快速评估方法，其特征在于：所述步骤s2，所述变电站有向无环图中每一个节点均表示一个电气设备，每一条线表示连接各设备的母线。4.根据权利要求1所述的基于贝叶斯神经网络的变电站抗震韧性快速评估方法，其特征在于：所述步骤s2，各类设备的可靠度采用地震易损性曲线的形式表达，其地震易损性曲线服从中值为μ，对数标准差为β的对数正态分布累计函数如下式：
ꢀꢀꢀꢀꢀꢀ
。5.根据权利要求1所述的基于贝叶斯神经网络的变电站抗震韧性快速评估方法，其特征在于：所述步骤s3，所述电力用户划分为特级、一级和二级重要电力用户，其中特级重要用户系数q1=2，一级重要用户系数q2=1.5，二级重要用户系数q3=1。6.根据权利要求1所述的基于贝叶斯神经网络的变电站抗震韧性快速评估方法，其特征在于：所述步骤s4，变电站修复按照设备类别修复效率从高到低顺序修复，其中设备修复效率指标p
i
如下式：
ꢀꢀꢀꢀ
；其中：p
i
为第i类设备的修复效率指标；k
n
为变电站震后的功能水平；k
bi
为第i类设备修复后的变电站功能水平；t
i
为第i类设备的修复时间。

技术总结
本发明公开了一种基于贝叶斯神经网络的变电站抗震韧性快速评估方法，通过有向无环图搭建了变电站系统的网络模型，在确定各类设备可靠度的情况下，基于各路径通过概率快速评估出系统的失效概率，通过设定功能指标分析震后设备修复顺序，确定功能恢复函数并得到抗震韧性指数，从而实现了变电站系统抗震韧性的快速评估。本发明的优点是将复杂的网络模型拆解为各子节点的概率及逻辑连接关系，极大减小了网络模型的数据输入量和处理量，快速输出各子节点的目标概率和抗震水平；对网络模型中各子节点概率集的分析计算，精确高效的得到被测节点的概率水平，避免了抽样结果收敛性差的问题。避免了抽样结果收敛性差的问题。避免了抽样结果收敛性差的问题。


技术研发人员：谢强 刘潇
受保护的技术使用者：同济大学
技术研发日：2022.07.12
技术公布日：2022/12/19