一种梯级水电站设备故障应急调度方法及系统与流程

本发明属于水电站应急管理，具体是涉及到一种梯级水电站设备故障应急调度方法及系统。

背景技术：

1、流域梯级水电站的输电外送线路绵延数千公里，地震、山火、覆冰、高温、暴雨、洪水等自然灾害不仅会影响水电站的安全，对梯级枢纽以及机电设备安全稳定运行也是严峻考验。随着流域梯级电站的不断发展成熟，目前通常采用流域梯级电站调管机组的调控一体化模式实现数据的统一采集以及设备的统一管理。同时，调控一体化管理模式的普及也使得流域梯级电站下所管辖设备的数量也在不断增加，进而使得设备故障概率也随之上升。特别是各流域层级水电站中出现复杂性多设备故障时，故障定位与故障原因诊断短时间难以快速掌握，将给调度运行工作带来一定的安全生产风险，极易突破电厂调度规程规定要求。

2、目前，在流域梯级枢纽的实时调度中，应急调度主要依靠枢纽调度团队的团队业务能力或个人经验判断处置，虽然通过已有的综合信息系统可实现典型事故指引判断，但应对复杂事故时暂无法实现精准定位故障点，且未接入故障录波、保护信息系统、安稳系统、故障测距等辅助数据，无法给予调控人员全面综合的事故决策辅助支撑，导致调控工作质量无法真正实现本质安全。因此，迫切需要一套故障应急调度方案提升流域梯级枢纽中设备故障定位的及时性、准确性以及快速的应急处置能力。

技术实现思路

1、本发明提供一种梯级水电站设备故障应急调度方法及系统，以解决现有故障应急调度方法难以实现快速故障定位以及安全快速进行应急调度的问题。

2、第一方面，本发明提供一种梯级水电站设备故障应急调度方法，该方法包括如下步骤：

3、获取梯级水电站中各个层级水电站的历史运行数据和实时运行数据；

4、基于各个所述层级水电站的电网拓扑并利用所述历史运行数据进行潮流计算和潮流敏感性分析，分别确定各个所述层级水电站在所述电网拓扑中的重要潮流断面，所述重要潮流断面与对应所述层级水电站的水电站出力存在直接关联关系；

5、对于每个所述层级水电站，基于所述重要潮流断面并结合所述实时运行数据和所述电网拓扑进行设备故障分析监测；

6、若通过所述故障分析监测确定任意一个或多个所述层级水电站出现设备故障，则将出现所述设备故障的所述层级水电站标记为故障水电站，根据所述设备故障分析监测的故障分析结果计算所述故障水电站的发电功率损失；

7、以最大化所述梯级水电站的总发电效益为优化目标，结合所述实时运行数据和所述发电功率损失并采用遗传算法生成所述梯级水电站的初始应急调度方案；

8、对所有所述故障水电站进行故障定位和故障维修调度，并预测得到所有所述故障水电站均恢复至正常运行状态的维修恢复时间；

9、基于所述初始应急调度方案创建二代遗传算法的二代初始种群，以最大化所述梯级水电站的总发电效益为优化目标，结合所述实时运行数据、所述发电功率损失和所述维修恢复时间并采用所述二代遗传算法生成所述梯级水电站的最优应急调度方案。

10、可选的，所述基于各个所述层级水电站的电网拓扑并利用所述历史运行数据进行潮流计算和潮流敏感性分析，分别确定各个所述层级水电站在所述电网拓扑中的重要潮流断面包括如下步骤：

11、对于每个所述层级水电站，基于所述层级水电站的电网拓扑获取所述层级水电站的电网结构数据，从所述历史运行数据中提取所述层级水电站的水电站发电数据；

12、结合所述电网结构数据和所述水电站发电数据进行潮流计算，根据潮流计算结果分析所述电网拓扑中所有节点和所有线路的重要度，并通过预设的重要度阈值筛选出所述电网拓扑中的初始关键节点和初始关键线路；

13、通过模拟所述层级水电站的水电站出力变化完成所有所述初始关键节点和所述初始关键线路的潮流敏感性分析，计算得到所有所述初始关键节点和所述初始关键线路的潮流敏感度，通过预设的敏感度阈值筛选出所述电网拓扑中的目标关键节点和目标关键线路；

14、结合所有所述目标关键节点和所述目标关键线路确定所述层级水电站在所述电网拓扑中的多个重要潮流断面。

15、可选的，所述基于所述重要潮流断面并结合所述实时运行数据和所述电网拓扑进行设备故障分析监测包括如下步骤：

16、对于任一所述重要潮流断面，识别所述电网拓扑中与所述重要潮流断面相关联的关联节点；

17、基于所述电网拓扑并结合所有所述关联节点构建所述重要潮流断面的潮流断面平衡模型；

18、将所述实时运行数据代入所述潮流断面平衡模型，计算得到所述重要潮流断面的断面稳定裕度；

19、分别将各个所述重要潮流断面的所述断面稳定裕度与预设的裕度阈值进行比对；

20、若任意一个或多个所述断面稳定裕度低于所述裕度阈值，则确定故障分析监测结果为存在设备故障，将所有低于所述裕度阈值的异常断面稳定裕度作为故障分析结果；

21、若所有所述断面稳定裕度均高于或等于所述裕度阈值，则确定所述故障分析监测结果为不存在设备故障。

22、可选的，所述根据所述设备故障分析监测的故障分析结果计算所述故障水电站的发电功率损失包括如下步骤：

23、将所述故障分析结果中所有所述异常断面稳定裕度对应的重要潮流断面标记为负荷潮流断面；

24、根据所述故障水电站的所述历史运行数据分别计算得到各个所述负荷潮流断面的潮流灵敏系数；

25、利用各个所述异常断面稳定裕度分别计算得到各个所述负荷潮流断面的异常潮流功率，并结合所述历史运行数据分别计算得到各个所述负荷潮流断面在正常运行状态下的正常潮流功率；

26、结合所有所述负荷潮流断面的所述异常潮流功率和所述正常潮流功率，以及对应的所述潮流灵敏系数计算得到所述故障水电站的发电功率损失，所述发电功率损失的计算公式如下：

27、，

28、式中：表示所述发电功率损失，表示所述负荷潮流断面的数量，表示第个所述负荷潮流断面的潮流灵敏系数，表示第个所述负荷潮流断面的所述异常潮流功率，表示第个所述负荷潮流断面的所述正常潮流功率，表示基准容量，表示第个所述负荷潮流断面的最大潮流功率。

29、可选的，所述以最大化所述梯级水电站的总发电效益为优化目标，结合所述实时运行数据和所述发电功率损失并采用遗传算法生成所述梯级水电站的初始应急调度方案包括如下步骤：

30、结合所述实时运行数据和所述发电功率损失构建第一约束条件；

31、以最大化所述梯级水电站的总发电效益为优化目标，结合所述优化目标和所述第一约束条件构建所述梯级水电站的应急调度模型；

32、基于各个所述层级水电站的发电引用流量通过染色体编码生成一代初始种群；

33、根据所述优化目标计算所述一代初始种群的种群适应度值，并根据所述种群适应度值生成交叉算子和变异算子；

34、结合所述交叉算子和所述变异算子完成所述一代初始种群的种群交叉操作和种群变异操作，并更新所述一代初始种群的种群适应度值；

35、根据更新后的种群适应度值更新所述一代初始种群；

36、重复所述种群交叉操作、所述种群变异操作以及种群迭代更新操作，直至种群更新达到最大迭代次数，得到一代最优种群；

37、基于所述一代最优种群生成所述梯级水电站的初始应急调度方案。

38、可选的，所述优化目标的表达公式如下：

39、，

40、式中：表示最大化所述梯级水电站的总发电效益的优化目标函数，和均表示优化目标权重，表示调度周期的总时间段数，表示所述层级水电站的数量，表示第个所述层级水电站在第个调度时间段中的发电功率，表示第个调度时间段的时间长度，表示最小值函数。

41、可选的，所述基于所述初始应急调度方案创建二代遗传算法的二代初始种群，以最大化所述梯级水电站的总发电效益为优化目标，结合所述实时运行数据、所述发电功率损失和所述维修恢复时间并采用所述二代遗传算法生成所述梯级水电站的最优应急调度方案包括如下步骤：

42、将所述初始应急调度方案与所述一代初始种群进行混合染色体编码，生成二代遗传算法的二代初始种群；

43、以最大化所述梯级水电站的总发电效益为优化目标，利用所述维修恢复时间将所述第一约束条件更新为第二约束条件；

44、基于所述二代遗传算法并结合所述第二约束条件，利用所述二代遗传算法生成所述梯级水电站的最优应急调度方案。

45、可选的，所述对所有所述故障水电站进行故障定位和故障维修调度，并预测得到所有所述故障水电站均恢复至正常运行状态的维修恢复时间包括如下步骤：

46、采用预设偏移值的故障定位方法对所有所述故障水电站进行故障定位，得到所有所述故障水电站的故障位置；

47、以最小化故障维修时间分别完成各个所述故障水电站的故障维修调度，并预测得到所有所述故障水电站完成故障维修的预测维修时间；

48、将最大的所述预测维修时间作为预测所有所述故障水电站均恢复至正常运行状态的维修恢复时间。

49、可选的，所述采用预设偏移值的故障定位方法对所有所述故障水电站进行故障定位，得到所有所述故障水电站的故障位置包括如下步骤：

50、对于每个所述故障水电站，基于所述故障水电站的所述电网拓扑中的所有电网线路构建线路固有长度矩阵；

51、基于所述线路固有长度矩阵计算初始故障行波到达所述电网拓扑中各个线路端点的行波到达时间；

52、随机选择任意所述线路端点作为初始故障端点，结合所述线路固有长度矩阵和所述行波到达时间计算得到所述初始故障端点与实际故障位置之间的偏移值；

53、将所述偏移值作为适应度函数，以最小化所述适应度函数为目标，利用灰狼优化算法进行迭代优化计算，输出所述故障水电站的故障位置。

54、第二方面，本发明还提供一种梯级水电站设备故障应急调度系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中所述的梯级水电站设备故障应急调度方法。

55、本发明的有益效果是：

56、结合历史和实时数据、利用电网拓扑信息进行潮流分析和敏感性分析，能够准确进行设备故障监测和诊断。在故障发生后，能够快速计算发电功率损失，并以最大化总发电效益为目标，结合实时数据和遗传算法生成初始应急调度方案，并通过二代遗传算法进一步优化调度方案，能够在考虑故障维修时间的基础上，生成更优的应急调度方案，提高电网的应急响应能力。