[发明专利]一种智能变电站继电保护实时可靠性预测方法

说明书

本发明公开了一种智能变电站继电保护实时可靠性预测方法,包括以下步骤：S1:建立单个装置故障率的二参数LN分布模型，将单个继电保护装置寿命历史数据作为输入，其故障率为累积密度函数；S2：对非线性的LN分布模型进行线性转化，进行直线拟合，求得时变失效率；S3：建立保护系统的时变马尔可夫模型，不同状态之间的实时转换概率由保护装置LN分布模型确定，分别分析其转移概率矩阵P和转移密度矩阵A，得出马尔可夫实时状态概率。采用本发明通过计算状态转移矩阵与初始状态的乘积可以得到实时的保护系统状态概率，提供短时(一小时)的状态预测，实现状态评估并为状态检修提供参考。

技术领域

本发明涉及继电保护技术领域，具体而言，涉及一种智能变电站继电保护实时可靠性预测方法。

背景技术

目前，在电力系统中，智能变电站是采用先进、可靠、集成和环保的智能设备，以全站信息数字化、通信平台网络化、信息共享标准化为基本要求，自动完成信息采集、测量、控制、保护、计量和检测等基本功能，同时，具备支持电网实时自动控制、智能调节、在线分析决策和协同互动等高级功能的变电站。

智能变电站主要包括智能高压设备和变电站统一信息平台两部分。智能高压设备主要包括智能变压器、智能高压开关设备、电子式互感器等。智能变压器与控制系统依靠通信光纤相连，可及时掌握变压器状态参数和运行数据。当运行方式发生改变时，设备根据系统的电压、功率情况，决定是否调节分接头；当设备出现问题时，会发出预警并提供状态参数等，在一定程度上降低运行管理成本，减少隐患，提高变压器运行可靠性。

传统的继电保护模型考虑装置老化保护模型使用Weibull分布拟合，而智能站继电保护设备由于其数字化特点所以其寿命更长，可靠性更高，对这种数字化保护装置建立其数学模型时应考虑数字产品的具体特性，而传统Weibull分布并不能充分考虑这一点；在考虑可修复保护系统可靠性时，目前主要方法多基于恒定失效率建立系统的马尔可夫模型，而实际继电保护装置其失效率明显是随时间变化的，对时变失效率的模型分析很有必要；传统的保护可靠性预测方法主要针对长期状态的预测，主要针对稳态进行预测，建立实时的可靠性预测方法对于指导实际运行有实际意义。

发明内容

本发明的目的在于提供一种智能变电站继电保护实时可靠性预测方法，针对目前智能站继电保护装置数字化特性，考虑数字产品失效特性，首先从分布角度出发，建立的单个继电保护装置时变失效率LN分布模型，为继电保护系统建模提供数据支撑。对保护系统的各种故障情况进行分类，然后提出单套保护系统的8状态马尔可夫模型，通过理论分析得到计算状态转移矩阵e^At的方法，通过计算状态转移矩阵与初始状态的乘积可以得到实时的保护系统状态概率，提供短时(一小时)的状态预测，实现状态评估并为状态检修提供参考。

为达到上述技术目的，本发明采用的技术方案具体如下：

一种智能变电站继电保护实时可靠性预测方法，包括以下步骤：

S1:建立单个装置故障率的二参数LN分布模型，将单个继电保护装置寿命历史数据作为输入，其故障率为累积密度函数，由式1获得，

F(t)＝Φ[ln(t/θ)^ρ]， 式一；

其中，t为输入的寿命数据，ρ,θ为LN分布模型的两个变量参数；

S2：对非线性的LN分布模型进行线性转化，进行直线拟合，求得ρ,θ的估计值进而得到PDF函数进而得到时变失效率，分别由式7和式8获得

式中

S3：建立保护系统的时变马尔可夫模型，不同状态之间的实时转换概率由保护装置LN分布模型确定，分别分析其转移概率矩阵P和转移密度矩阵A，得出马尔可夫实时状态概率。