[发明专利]基于全息地理信息模型的灾害天气电网连锁故障预测方法

说明书

本发明公开了一种基于全息地理信息模型的灾害天气电网连锁故障预测方法，包括步骤：(1)输入数据源；(2)建立电网语义位置场景模型；(3)利用全息技术，得到全息电网语义位置场景模型；(4)利用全息电网语义位置场景模型，根据天气预报信息，预测极端灾害天气下电网线路设备的风险，并进行风险评估；(5)分析电网不同设备之间的关联特性，预测极端灾害天气下设备之间可能引发的连锁事故。本发明通过自然语言匹配、自然语言‑图像匹配构建电网语义位置场景模型，并将全息地理信息应用于灾害天气下电网连锁故障的预测，考虑了极端天气的随机变化和电网设备元件的运行机理，可以精确快速地进行电网连锁故障预测。

技术领域

本发明涉及电力系统故障预测，尤其涉及一种基于全息地理信息模型的灾害天气电网连锁故障预测方法。

背景技术

近年来，世界范围内发生了多次电力系统大停电事故，事故给各个国家造成了巨大的经济损失和严重的社会影响。灾害天气例如冰雪、雷电或台风等往往是诱发停电事故的原因，这些大停电事故多数是由连锁故障引发的。因此，开展连锁故障预测研究对于防御大停电事故、降低故障扩大风险、保障电力系统安全稳定运行具有重要意义。

目前相关研究主要着眼于灾害天气对某条线路故障概率或电力系统整体可靠性的影响，对由灾害天气引发的连锁故障的研究还较为少见。在灾害天气下，电力系统关键线路因雷击跳闸而引发连锁故障的可能性也是不可忽略的。

复杂地理环境、随机变化的极端天气、电网设备运行的高耦合性，使得灾害天气下电网随机故障的预测复杂性极度增加。目前电网连锁故障的预测主要采用传统的GIS地理信息技术，不能充分反映极端灾害天气下连锁故障在事件层次、事件时态方面的特性。

发明内容

发明目的：针对以上问题，本发明提出一种基于全息地理信息模型的灾害天气电网连锁故障预测方法，建立全息地理信息电网语义位置场景模型，进行电网连锁故障预测。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于全息地理信息模型的灾害天气电网连锁故障预测方法，包括步骤：

(1)输入数据源；

(2)建立电网语义位置场景模型；

(3)利用全息技术，得到全息电网语义位置场景模型；

(4)利用全息电网语义位置场景模型，根据天气预报信息，预测极端灾害天气下电网线路设备的风险，并进行风险评估；

(5)分析电网不同设备之间的关联特性，预测极端灾害天气下设备之间可能引发的连锁事故。

进一步地，所述步骤1中，数据源包括地理地形信息、灾害天气气象实时信息、电网架构模型信息、电网线路与设备信息、电网线路监控摄像信息、电网历史故障信息。

进一步地，所述步骤2中，将地理地形信息、灾害天气气象实时信息、电网架构模型信息、电网线路与设备信息、电网线路监控摄像信息，进行图像语言综合处理，建立电网语义位置场景模型。

进一步地，所述步骤2中，电网语义位置场景模型包括语义位置模型和场景模型。

进一步地，所述语义位置模型，是利用自然语言关联分析，将描述地理地形信息中的经纬度信息和灾害天气气象实时信息、电网线路与设备信息中的电网线路名称进行自然语言匹配，确定发生极端自然灾害的地理位置。

进一步地，所述场景模型，是利用自然语言-图像关联匹配分析方法，将地理地形信息、电网线路监控摄像的图片和视频信息与天气预报信息进行匹配综合，确定发生极端自然灾害的实时现场状况。

进一步地，所述步骤4具体包括步骤：

(4.1)根据天气预报信息了解极端灾害天气的发展趋势；

(4.2)建立线路/设备的时变运行特性模型；