一种能源系统的受损预测方法、装置、设备和存储介质与流程

1.本发明属于灾害防御技术领域，具体涉及一种能源系统的受损预测方法、装置、设备和存储介质。


背景技术：

2.近年来电力网络、天然气输送网络等能源系统受到小概率-高风险极端灾害天气影响的事情频发，给能源网络系统带来严重破坏，造成长时间、大范围的能源断供，严重影响社会正常的生产生活。因此如何对灾害天气下对能源系统的受损情况进行预测，为防灾减灾的准备提供可靠的依据就显得尤为重要。
3.在ries(regional integrated energy system)区域综合能源系统灾害预测中，现有的预测技术大都采用“n-k”描述系统的不确定性对能源系统在台风灾害下的受损情况进行预测。但由于网络线路、管道等结构的故障概率不同，使得“n-k”方法有极大的局限性，难以准确预测ries在台风下的受损情况。


技术实现要素：

4.为了解决现有技术存在的无法精准预测受损情况的问题，本发明提供了一种能源系统的受损预测方法、装置、设备和存储介质，其具有能够精准预测能源系统受损情况等特点
5.根据本发明具体实施方式提供的一种能源系统的受损预测方法，包括：
6.基于历史灾害的最大风速对历史灾害中各时刻的风速进行处理，得到表征风速变化趋势的风速因子；
7.基于所述风速因子、本次灾害的预计最大风速和元件脆弱性曲线确定本次灾害下元件故障概率；
8.基于蒙特卡罗模拟法对所述本次灾害下元件故障概率进行处理，得到表征受损程度的受损概率；
9.基于所述受损概率对能源系统的受损情况进行预测。
10.进一步地，所述基于历史灾害的最大风速对历史灾害中各时刻的风速进行处理，得到表征风速变化趋势的风速因子，包括：
11.将所述历史灾害中的实时风速除以所述历史灾害的最大风速，得到表征风速变化趋势的所述风速因子。
12.进一步地，所述基于所述风速因子、本次灾害的预计最大风速和元件脆弱性曲线确定本次灾害下元件故障概率，包括：
13.基于所述风速因子得到本次灾害的风速因子期望；
14.基于本次灾害的预计最大风速和所述风速因子期望得到本次灾害下各时刻的风速；
15.基于所述本次灾害下各时刻的风速在所述元件脆弱性曲线上查找得到本次灾害
下各时刻的元件故障概率，所述元件脆弱性曲线的横坐标为风速值，纵坐标为故障概率。
16.进一步地，所述基于蒙特卡罗模拟法对所述本次灾害下元件故障概率进行处理，得到表征受损程度的受损概率，包括：
17.将所述每次灾害中各时刻的风速转换为本次灾害的预计最大风速下的实时风速；
18.基于所述元件脆弱性曲线得到所述实时风速下的元件故障概率；
19.将所述实时风速下的元件故障概率和随机数进行比较，得到故障停运的元件，所述随机数服从标准均匀分布；
20.将所有故障停运的元件的故障概率进行相乘得到每次模拟攻击下的受损概率。
21.进一步地，所述基于所述受损概率对能源系统的受损情况进行预测，包括：
22.将所述受损概率的数值按由大到小顺序排列；
23.取排在前(1-ξ)
×
100％中的最小值确定为目标抵御能力下的受损概率，ξ为抵御能力，所述抵御能力的取值不小于0且不大于1；
24.基于所述目标抵御能力下的受损概率对系统进行受损预测。
25.进一步地，所述将所述每次灾害中各时刻的风速转换为本次灾害的预计最大风速下的实时风速，包括：
26.将所述历史灾害中各时刻的风速乘以所述预计最大风速得到乘积，将所述乘积除以每次灾害中的风速最大值得到所述预计最大风速下的实时风速值。
27.进一步地，所述基于所述风速因子得到本次灾害的风速因子期望，包括：
28.将历史灾害中的风速因子相加后取平均值得到所述本次灾害的风速因子期望。
29.根据本发明具体实施方式提供的一种能源系统的受损预测装置，包括：
30.风速因子确定模块，用于基于历史灾害的最大风速对历史灾害中各时刻的风速进行处理，得到表征风速变化趋势的风速因子；
31.故障概率确定模块，用于基于所述风速因子、本次灾害的预计最大风速和元件脆弱性曲线确定本次灾害下元件故障概率；
32.受损概率确定模块，用于基于蒙特卡罗模拟法对所述本次灾害下元件故障概率进行处理，得到表征受损程度的受损概率；以及
33.受损预测模块，用于基于所述受损概率对能源系统的受损情况进行预测。
34.根据本发明具体实施方式提供的一种设备，包括：存储器和处理器；
35.所述存储器，用于存储程序；
36.所述处理器，用于执行所述程序，实现上所述的能源系统的受损预测方法的各个步骤。
37.根据本发明具体实施方式提供的一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如上所述的能源系统的受损预测方法的各个步骤。
38.本发明提供的能源系统的受损预测方法，首先通过台风历史数据挖掘台风风速的时空特性，计算不同时空下的风速因子得到台风衰减的规律。然后，根据风速因子、预计台风强度和元件的脆弱性曲线计算不同时空下的综合能源系统元件故障率。在此基础上，提出受损概率，根据台风历史数据计算不同时空下的受损概率用以预算当前预计台风强度下的受损概率。本发明所提供的能源系统的受损预测方法实现了充分考虑能源系统中的不确
定性，通过综合能源系统中的历史数据柔性去应对不确定性，得到的规划结果能够有效应对系统中的不确定波动，使得受损情况的预测更加的精准可靠。
附图说明
39.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
40.图1是根据一示例性实施例提供的能源系统的受损预测方法的流程图；
41.图2是根据一示例性实施例提供的故障概率曲线图；
42.图3是根据一示例性实施例提供的元件故障概率的示意图；
43.图4是根据一示例性实施例提供的分区一的风速因子的变化图；
44.图5是根据一示例性实施例提供的分区二的风速因子的变化图；
45.图6是根据一示例性实施例提供的分区一的电力线路故障概率图；
46.图7是根据一示例性实施例提供的分区一的天然气管道故障概率图；
47.图8是根据一示例性实施例提供的不同抵御能力下的电力线路的受损概率；
48.图9是根据一示例性实施例提供的不同抵御能力下的天然气管道的受损概率；
49.图10是根据一示例性实施例提供的能源系统的受损预测装置的结构图；
50.图11是根据一示例性实施例提供的设备的结构图。
具体实施方式
51.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
52.参照图1所示，本发明的实施例提供了一种能源系统的受损预测方法，该方法可以包括以下步骤：
53.101、基于历史灾害的最大风速对历史灾害中各时刻的风速进行处理，得到表征风速变化趋势的风速因子。
54.由于每次灾害的强度不同，导致不同次灾害间的风速差异较大，难以获取其趋势规律。因此，采用每次历史灾害的最大风速对历史灾害中的实时风速进行处理得到风速因子，通过风速因子值挖掘风速的时空分布和衰减趋势。将历史灾害中的实时风速除以历史灾害的最大风速，即可得到表征风速变化趋势的所述风速因子。
55.102、基于风速因子、本次灾害的预计最大风速和元件脆弱性曲线确定本次灾害下元件故障概率。
56.在得到风速因子后基于风速因子得到本次灾害的风速因子期望，即将历史灾害中的风速因子相加后取平均值得到本次灾害的风速因子期望。在得到风速因子的期望后，基于本次灾害的预计最大风速和风速因子期望即可得到本次灾害下各时刻的风速。基于本次灾害下各时刻的风速在元件脆弱性曲线上查找得到本次灾害下各时刻的元件故障概率，元
件脆弱性曲线的横坐标为风速值，纵坐标为故障概率。参照图2所示，在风速较小时，元件的故障概率一定，即为正常运行时的故障概率当风速超过阈值w1时，元件故障概率pf随风速增加而增加。当风速超过阈值w2时，元件故障概率pf达到100％。其数学表达如下所示：
[0057][0058]
将得到实时风速带入到故障率曲线中即可得到相应的故障概率的分布。
[0059]
103、基于蒙特卡罗模拟法对本次灾害下元件故障概率进行处理，得到表征受损程度的受损概率。
[0060]
在进行蒙特卡罗模拟法对受损概率进行预测时，首先将历史灾害中各时刻的风速乘以预计最大风速得到乘积，将乘积除以每次灾害中的风速最大值得到预计最大风速下的实时风速值，使每次灾害中各时刻的风速转换为本次灾害的预计最大风速下的实时风速。然后基于元件脆弱性曲线得到实时风速下的元件故障概率。将实时风速下的元件故障概率和随机数进行比较，得到故障停运的元件，随机数服从标准均匀分布。将所有故障停运的元件的故障概率进行相乘得到每次模拟攻击下的受损概率。
[0061]
104、基于受损概率对能源系统的受损情况进行预测。
[0062]
在进行受损情况的预测时，将受损概率的数值按由大到小顺序排列。然后取排在前(1-ξ)
×
100％中的最小值确定为目标抵御能力下的受损概率，ξ为抵御能力，这里抵御能力的取值不小于0且不大于1。基于得到的目标抵御能力下的受损概率对能源系统进行受损预测。并可对抵御风险的预期能力进行调节以减少受损情况。
[0063]
这样通过充分考虑能源系统中的不确定性，通过综合能源系统中的历史数据柔性去应对不确定性，得到的规划结果能够有效应对系统中的不确定波动，使得受损情况的预测更加的精准可靠。
[0064]
作为上述实施例可行的实现方式，采用每次历史灾害的最大风速w
max
对实时风速v进行处理，通过风速因子w/w
max
值挖掘风速的时空分布和衰减趋势。将区域内的分区符号定为k，灾害事件为n，时间为t，根据历史数据统计，可得到第n次灾害中k分区在时间t的实时风速和第n次灾害中的最大风速两者相除，即可得到实时风速因子计算不同分区不同时刻的风速因子期望根据台风预计最大风速w0与前面得到的不同分区不同时刻的风速因子期望计算得到此次灾害强度下的各个分区各个时刻的预期风速将代入到元件的故障率曲线中，就可以得到不同分区不同时刻的元件故障概率的时空分布。
[0065]
将综合能源系统的受损情况用受损概率δl表示，受损概率越大代表系统受损越严重。受损概率其中为电力线路的平均故障率，为天然气管道的平均故障率，kp为电力线路停运数量，k-kp为天然气管道停运数量。为更贴合客观实际，准确刻画极端天气的受损概率δl，基于风速因子采用蒙特卡罗模拟法计算预计最大风速w0下
的受损概率δl。定义ξ为抵御能力，ξ取值范围为[0,1]，如ξ取值95％，意味着综合能源系统至少能抵御95％的风速。确定受损概率δl的方法具体如下：首先，将最大风速为的第n次历史灾害实时风速缩放至灾害强度w0下的实时风速计算公式为：
[0066][0067]
然后将灾害将强度w0下的实时风速代入到前述的元件脆弱性曲线中，获得不同时空的元件故障概率然后生成随机数r，r～u(0,1)服从均匀分布。如果元件故障概率大于随机数r，则元件在该风速下处于故障停运状态w
0 s
ij,t
＝1；否则，元件在该风速下处于正常运行状态s
ij,t
＝0。在获得所有元件的状态后，将0-t时刻分区k所有故障停运元件的故障率相乘，即可得到第n次模拟攻击下分区k的δl
n,k,t
，如下式所示：
[0068][0069]
将分区k的n次模拟攻击仿真获得的δl
n,k,t
进行排序，将δl
n,k,t
数值由大到小排前(1-ξ)
×
100％中的最小值定为抵御能力ξ下的攻击预算δl
k,t,ξ
，用数学表达式表示，即为δl
k,t,ξ
＝sup{δγ
t,k
|pr(δl
n,k,t
≥δγ
t,k
)≥1-ξ}。
[0070]
由此可见，规划后的综合能源系统至少能抵御最大风速v
max
下ξ
×
100％的事件，而攻击强度排前(1-ξ)
×
100％的事件不能完全抵御。抵御能力ξ越大，则受损概率δl越大，即规划后的综合能源系统抵御风险的能力越强。当ξ为1时，综合能源系统能抵御最大风速v
max
下的所有风险。因此规划人员可调节ξ值，调控综合能源系统抵御风险的预期能力。
[0071]
作为一种具体的应用方式，在进行实际应用时台风历史数据，ieee33节点配电网和11节点配气网组成的综合能源系统的数据、元件的故障率曲线数据如图3所示，预期灾害最大风速w0＝40m/s。
[0072]
得到规定最大风速下w0＝40m/s的综合能源系统故障受损规律：不同时空下的风速因子规律如图4和图5所示，不同时空下的元件故障概率如图6和图7所示，电力线路的攻击预算和天然气管道的攻击预算分别如图8和图9表格中的数据所示，其中表格的左侧一列为抵御能力，最上面的一行为主机增加的风速强度，表格中的其他部分为受损概率的百分比的值。从以上图中可以看出，本发明提出的计算元件故障概率的方法可以在求出不同区域不同时刻的风速因子的基础上，得到在最大风速w0下的不同分区不同时刻的元件故障概率，相比于其他的计算方法预测结果更加的准确可靠。同时，从两个表格中可以看出在抵御强度ξ不同时，攻击预算也不同。抵御能力ξ越大，攻击预算越大。使规划人员可以通过调节ξ值更加灵活的调控综合能源系统抵御风险的预期能力。
[0073]
基于同样的设计思路参照图10所示，本发明的实施例还提供了一种能源系统的受损预测装置，该装置可以执行上述实施例所述的能源系统的受损预测方法的各个步骤，该装置可以包括：
[0074]
风速因子确定模块1001，用于基于历史灾害的最大风速对历史灾害中各时刻的风速进行处理，得到表征风速变化趋势的风速因子。
[0075]
故障概率确定模块1002，用于基于风速因子、本次灾害的预计最大风速和元件脆弱性曲线确定本次灾害下元件故障概率。
[0076]
受损概率确定模块1003，用于基于蒙特卡罗模拟法对本次灾害下元件故障概率进行处理，得到表征受损程度的受损概率。以及
[0077]
受损预测模块1004，用于基于受损概率对能源系统的受损情况进行预测。
[0078]
能源系统的受损预测装置在运行时，具有和上述实施例所述的能源系统的受损预测方法相同的有益效果，本发明在此不再赘述。
[0079]
参照图11所示，本发明的实施例还提供了一种设备，该设备可以包括：存储器1101和处理器1102；
[0080]
存储器1101，用于存储程序；
[0081]
处理器1102，用于执行程序，实现如上实施例所述的能源系统的受损预测方法的各个步骤。
[0082]
本发明的实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如上实施例所述的能源系统的受损预测方法的各个步骤。
[0083]
本发明上述实施例所提供的能源系统的受损预测方法、装置、设备和存储介质，首先通过台风历史数据挖掘台风风速的时空特性，计算不同时空下的风速因子得到台风衰减的规律。然后，根据风速因子、预计台风强度和元件的故障概率曲线计算不同时空下的综合能源系统元件故障率。在此基础上，提出受损概率，根据台风历史数据计算不同时空下的攻击预算用以预算当前预计台风强度下的攻击预算指标。相比于现有的预测方法更加的准确可靠。
[0084]
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0085]
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0086]
本发明各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，各实施例中记载的技术特征可以进行替换或者组合。
[0087]
本发明各实施例种装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
[0088]
本发明所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个子模块或模块可以结合或者可以集成到另一个模块，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0089]
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模
块或子模块来实现本实施例方案的目的。
[0090]
另外，在本发明各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现，也可以采用软件功能模块或子模块的形式实现。
[0091]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0092]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元，或者二者的结合来实施。软件单元可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0093]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0094]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。