(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210855383.5 (22)申请日 2022.07.19 (71)申请人 浙江大学 地址 310000 浙江省杭州市西湖区余杭塘 路866号 申请人 浙达电力科技 （杭州） 有限公司 (72)发明人 潘艺旻　刘祝平　陈天予　施毓祥　 徐汉麟　杜力宇　潘坚跃　 (74)专利代理 机构 杭州信与义专利代理有限公 司 33450 专利代理师 马育妙 (51)Int.Cl. G06Q 10/04(2012.01) G06F 30/20(2020.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) G06F 119/02(2020.01) (54)发明名称 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 (57)摘要 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。 权利要求书1页 说明书4页 附图1页 CN 115169713 A 2022.10.11 CN 115169713 A 1.一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， 其特征在于， 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。 2.根据权利要求1所述的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， 其特征在于， 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 。 3.根据权利要求1所述的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， 其特征在于， 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。 4.根据权利要求1所述的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， 其特征在于， 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。 5.根据权利要求4所述的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， 其特征在于， 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 。 6.根据权利要求4所述的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， 其特征在于， 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。 7.根据权利要求1所述的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， 其特征在于， 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； (4.3)根据极端灾害天气的发展趋势， 结合历史电网故障文件信息， 预测灾害天气在未 来一段时间内对电网线路或设备造成的风险； (4.4)分析风险发生的概 率和发生的严重程度。 8.根据权利要求1所述的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， 其特征在于， 所述 步骤5中， 电网设备之间的影响互矩阵表示： Ykj(t)＝Yk(t)*Dkj(t) 其中， Ykj(t)是当第k个设备发生故障时， 第j个设备的运行 特性。权　利　要　求　书 1/1 页 2 CN 115169713 A 2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 技术领域 [0001]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 [0002]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。 [0003]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。 [0004]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 [0005]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。 [0006]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： [0007](1)输入数据源； [0008](2)建立电网语义 位置场景模型； [0009](3)利用全息技 术， 得到全息电网语义 位置场景模型； [0010](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； [0011](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。 [0012]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 。 [0013]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。 [0014]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。 [0015]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说　明　书 1/4 页 3 CN 115169713 A 3