基于设备参与度的特种车辆电力系统短时安全评估

刘旭; 张国驹; 刘丽峰; 吴波; 刘春光; 裴玮

doi:10.12404/j.issn.1671-1815.2505966

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (25) :11032-11043 DOI: 10.12404/j.issn.1671-1815.2505966

交通运输

基于设备参与度的特种车辆电力系统短时安全评估

刘旭 ¹ ,
张国驹 ¹^,^* ,
刘丽峰 ² ,
吴波 ² ,
刘春光 ³ ,
裴玮 ¹

作者信息 +

Short-term Security Assessment of Special Vehicle Power Systems Based on Equipment Participation

LIU Xu ¹ ,
ZHANG Guo-ju ¹^,^* ,
LIU Li-feng ² ,
WU Bo ² ,
LIU Chun-guang ³ ,
PEI Wei ¹

Author information +

文章历史 +

摘要

多源综合电力系统作为特种车辆电能传输的枢纽,其安全、稳定、可靠运行对特种车辆性能起到关键作用。针对特种车辆综合电力系统安全风险评估需求,提出了一种基于设备参与度的特种车辆综合电力系统短时在线安全风险评估方法。首先,对比分析了直连型、可控型结合综合电力系统电路结构,构建了包括4个层次在内的特种车辆多源综合电力系统安全风险指标体系;然后,建立了包括电源、配电、负荷和系统4个单元的安全风险评估量化模型,确定了各单元安全风险评估模型量化计算表达式,设计了基于设备参与度的综合权重计算方法并进行系统整体安全风险评估,并确定了对应安全等级;最后,以特种车辆多源综合电力系统算例模型为例,模拟不同的运行工况,对指标体系以及评估方法进行了分析,验证了所构建的安全风险指标体系以及评估方法的有效性。算例结果表明,所构建的安全风险指标体系可量化系统风险水平并划分安全等级,适用于不同运行工况下的在线风险研判。

Abstract

As the hub of power transmission for special vehicles, the multi-source integrated power system plays a critical role in vehicle performance through its safe, stable, and reliable operation. In response to the safety risk assessment requirements for integrated power systems in special vehicles, a short-term online safety risk assessment method was proposed based on equipment participation degree. First, a comparative analysis was conducted in terms of circuit configurations of direct-connection and controllable integrated power systems, and a four-level safety risk indicator system was established for multi-source integrated power systems in special vehicles. Second, a quantitative safety risk assessment model was developed comprising four units (power supply, distribution, load, and system), with quantitative calculation expressions determined for the safety risk assessment model of each unit. A comprehensive weight calculation method was designed to conduct overall system safety risk assessment based on equipment participation degree, and to determine corresponding safety levels. Finally, using a case study model of a multi-source integrated power system for special vehicles, different operating conditions were simulated to verify the effectiveness of the constructed safety risk indicator system and assessment method. The results show that the established safety risk indicator system can quantify the system risk level and classify safety grades, and is applicable to on-line risk assessment under various operating conditions.

Graphical abstract

关键词

电力系统 / 特种车辆 / 安全评估指标体系 / 综合权重 / 实时监测

Key words

power system / special vehicles / safety assessment index system / comprehensive weight / real time monitoring

引用本文

引用格式 ▾

刘旭, 张国驹, 刘丽峰, 吴波, 刘春光, 裴玮. 基于设备参与度的特种车辆电力系统短时安全评估[J]. 科学技术与工程, 2026, 26(25): 11032-11043 DOI:10.12404/j.issn.1671-1815.2505966

LIU Xu, ZHANG Guo-ju, LIU Li-feng, WU Bo, LIU Chun-guang, PEI Wei. Short-term Security Assessment of Special Vehicle Power Systems Based on Equipment Participation[J]. Science Technology and Engineering, 2026, 26(25): 11032-11043 DOI:10.12404/j.issn.1671-1815.2505966

登录浏览全文

4963

注册一个新账户忘记密码

随着特种车辆的复杂化和智能化,特种车辆电力系统的可靠性和智能化水平越来越受到关注。目前特种车辆车载电力系统仍以柴油发电机为主要能量来源,同时配置了动力电池、超级电容等混合能源,通过电力转换装置为车辆的驱动系统、武器系统等提供电能^[1-4]。因此,车载电力系统是特种车辆运行的核心支撑,其安全性、可靠性直接关系到车辆的性能和使用人员的生命安全,需对特种车辆多源综合电力系统进行安全风险评估。

目前,对于特种车辆安全风险评价的研究较少,参照电动车辆、舰船电力系统以及电网系统安全风险评估方法。文献[5]对电动车辆电池安全预警策略进行了全面综述,详细梳理了电池安全风险评估方法和风险预测方法。文献[6]以梯次利用于储能系统的退役动力电池为研究对象,提出一种基于多重APH-熵-TOPSIS算法的梯次利用电池组合安全评估方法,为电池的安全风险评估提供了参考。文献[7]建立了车载动力电池风险评估指标体系,并采用基于多指标熵权云模型的评估方法进行分析,为车载动力电池风险评估提供了理论支撑。文献[8]针对舰船电力系统,提出了一种基于比例伪时序算法的风险评估方法,对不同工况下舰船电力系统进行整体风险评估,并通过组态测试平台和现场实测验证了评估方法的可行性和准确性。文献[9-10]研究了电力系统的安全风险评估,提出了多维度评估方法,解决了传统单指标评估方法评估维度单一,评估需要海量数据样本等问题。文献[11]建立了电动特种车辆安全运行指标体系,利用改进隶属函数的模糊综合评估方法,对机坪电动特种车辆运行安全风险进行了评估。但此评估指标不适用于本文所研究的基于多源综合电力系统的特种车辆,基于多源综合电力系统的特种车辆结构复杂包含多种电力设备,每个设备的状态都会影响系统的安全。

基于上述研究,为了对基于多源综合电力系统的特种车辆进行安全风险评估,同时避免对海量数据的依赖,现提出一种基于设备参与度的短时在线特种车辆电力系统安全风险评估方法。首先,构建特种车辆电力系统安全风险指标体系,包括源侧、配电侧、荷侧;其次,建立安全风险评估模型,计算各指标综合权重,对系统整体安全风险进行评估;最后,以特种车辆多源综合电力系统算例模型为例验证所构建的安全风险指标体系以及评估方法的有效性。有效解决传统评估方式数据依赖度高、实时性不足的问题,对提升特种车辆供电可靠性、保障整车运行安全具有重要工程价值。

1 安全风险指标体系

为了建立基于多源综合电力系统的特种车辆安全风险评估指标体系,首先分析多源综合电力系统的结构,并基于此提出安全风险评估指标体系。

1.1 多源综合电力系统结构

特种车辆多源综合电力系统一般包括发电系统、配电系统以及用电系统^[12-13],电路结构如图1所示。图1(a)为早期特种车辆多源供电系统,动力电池和超级电容直接连至负载系统,此电路对比传统特种车辆供电系统增加了储能类型,有效延长了动力电池的使用寿命,但是此结构只能通过储能本身进行功率分配,可控性较差。为了增加动力电池和超级电容可控性和使用率,相关学者提出了可控型特种车辆多源供电系统,如图1(b)所示,动力电池和超级电容通过双向DC/DC连至负载系统,实现了储能单元的可控,提高了资源利用率。所提出的基于电能适配器的特种车辆多源供电系统的结构如图1(c)所示,增加了直流母线和电能适配器,此结构更加稳定、可控。

1.2 安全风险指标体系

特种车辆多源供电系统与常规电网安全风险评估不同之处在于:①特种车辆多源综合电力系统供电线路短,网络结构多变;②特种车辆运行环境复杂多变,环境适应范围广。常规电网安全风险评估的指标主要包括负荷承载能力、电源备用能力、电压稳定性等^[14-15],但其未充分结合特种车辆电力系统的核心风险特征,难以适配特种车辆的运行需求。本文研究立足特种车辆多源综合电力系统结构,针对实际需求,提出了一种针对特种车辆多源综合电力系统的安全风险指标体系。

特种车辆多源综合电力系统主要包括发电、配电以及用电三部分。实践表明,引发特种车辆多源综合电力系统事故的原因众多,表现形式各异,但从本质上看,设备故障通常是引起电力系统事故发生的直接原因,尤其是过电压、过功率。因此,特种车辆多源综合电力系统安全风险评估可以从源侧、配电以及荷侧的设备方面来进行。所提出的安全风险指标体系结构如图2所示,可以分为目标层、分目标层、中间层以及指标层4个层次^[16-17]。

(1)目标层。目标层为特种车辆多源综合电力系统安全风险评估,表示对特种车辆运行状态下总的评估目标。

(2)分目标层。分目标层是指评估中具体目标分类,包括源侧部分安全风险评估、配电部分安全风险评估、荷侧部分安全风险评估。

(3)中间层。中间层源侧部分安全风险评估包括动力电池安全风险评估、超级电容安全风险评估、柴油发电机组安全风险评估;配电部分安全风险评估包括高压配电箱安全风险评估、多端口适配器安全风险评估、双向DC/DC变换器安全风险评估;荷侧部分安全风险评估包括电机驱动器安全风险评估、28 VDC用电负荷安全风险评估、270 VDC用电负荷安全风险评估、380 VAC用电负荷安全风险评估。

(4)指标层。指标层是对各个分目标层的具体状态细分。

①动力电池安全风险评估指标包括单体电压指标、单体温度指标、模组电压一致性指标、模组温度一致性指标;超级电容安全风险评估指标包括:电压指标,温度指标;柴油发电机组安全风险评估指标包括:发电机电压指标、发电机频率指标、双向AC/DC变换器电压越限指标、双向AC/DC变换器功率不匹配指标、双向AC/DC变换器温度指标。

②高压配电箱安全风险评估指标包括电压稳定性指标、温度指标、绝缘指标;多端口适配器、双向DCDC安全风险评估指标包括电压越限指标、功率不匹配指标、温度指标^[18]。

③驱动电机组安全风险评估指标包括电机驱动器电压越限指标、功率不匹配指标、温度指标;脉冲负荷、28 VDC用电负荷、270 VDC用电负荷、380 VAC用电负荷安全风险评估指标包括负荷功率预测合格率指标、调节能力失效严重指标、弃负荷严重程度指标^[19]。

2 安全风险评估量化模型

2.1 系统风险评估模型

2.1.1 源侧风险评估模型

1)动力电池安全风险评估模型

针对项目所采用的锂离子电池,其具有能量密度高、使用寿命长、自放电率低等优势,发生安全事故的主要根源在于热失控^[20-21],因此主要针对电池的电压和温度进行评估。

(1)单体电压安全风险评估计算模型。

(1)$\mathrm{\Delta }\mathit{U}=\frac{\left|{\mathit{U}}_{\mathit{t}}-\stackrel{-}{\mathit{U}}\right|}{\stackrel{-}{\mathit{U}}}\times 100\mathrm{\%}$

式(1)中:ΔU为电压偏移率;U_t为电池单体某一时刻电压监测数据;$\stackrel{-}{\mathit{U}}$为同一模组同一时刻电压平均值。

(2)单体温度安全风险评估计算模型。

(2)$\mathrm{\Delta }\mathit{T}=\frac{\left|\mathit{T}-{\mathit{T}}_{\mathrm{N}}\right|}{{\mathit{T}}_{\mathrm{N}}}\times 100\mathrm{\%}$

式(2)中:ΔT为温度偏移率;T为电池单体某一时刻温度监测数据;T_N为同一模组同一时刻所处室温。

(3)电压一致性安全风险评估计算模型。

(3)${\mathit{\varepsilon }}_{\mathit{U}}=\sqrt{\frac{1}{\mathit{n}-1}\stackrel{\mathit{N}}{\sum _{\mathit{i}=1}}\left|{\mathit{U}}_{\mathit{i}}-\stackrel{-}{\mathit{U}})\right|}$

式(3)中:ε_U为电池模组电压一致性评估指标,其越大则代表电池安全性能越低;U_i为单块电池的实时监测电压;$\stackrel{-}{\mathit{U}}$为同一模组、同一时刻电池的平均电压。

(4)温度一致性安全风险评估计算模型。

(4)${\mathit{\varepsilon }}_{\mathit{T}}=\sqrt{\frac{1}{\mathit{n}-1}\stackrel{\mathit{N}}{\sum _{\mathit{i}=1}}\left|{\mathit{T}}_{\mathit{i}}-\stackrel{-}{\mathit{T}}\right|}$

式(4)中:ε_T为电池模组温度一致性评估指标;T_i为单块电池的实时监测温度;$\stackrel{-}{\mathit{T}}$为同一模组电池的平均温度。

2)超级电容安全风险评估模型

(1)电压指标。

(5)$\mathit{f}\left(\mathit{U}\right)=\left\{\begin{array}{ll}\frac{1}{0.25(\mathit{U}-{\mathit{U}}_{\mathrm{m}\mathrm{i}\mathrm{n}}{)}^{2}+1},& \mathit{U}\le {\mathit{U}}_{\mathrm{m}\mathrm{i}\mathrm{n}}\\ 1,& {\mathit{U}}_{\mathrm{m}\mathrm{i}\mathrm{n}}<\mathit{U}<{\mathit{U}}_{\mathrm{m}\mathrm{a}\mathrm{x}}\\ \frac{1}{0.51(\mathit{U}-{\mathit{U}}_{\mathrm{m}\mathrm{a}\mathrm{x}}{)}^{2}+1},& \mathit{U}\ge {\mathit{U}}_{\mathrm{m}\mathrm{a}\mathrm{x}}\end{array}\right.$

式(5)中:U为超级电容某一时刻电压监测数据;U_min为超级电容电压下限值;U_max为超级电容电压上限值。

(2)温度指标。

(6)$\mathit{f}\left(\mathit{T}\right)=\left\{\begin{array}{ll}1,& \mathit{T}<55\mathit{℃}\\ \frac{1}{0.000204{(\mathit{T}-55)}^{2}+1},& \mathit{T}\ge 55\mathit{℃}\end{array}\right.$

式(6)中:T为某一时刻温度监测数据。

3)柴油发电机组安全风险评估模型

(1)发电机电压指标。

(7)${\mathit{S}}_{\mathit{V},\mathrm{M}}=\frac{\left|\mathit{U}-{\mathit{U}}_{\mathrm{N}}\right|}{{\mathit{U}}_{\mathrm{N}}}$

式(7)中:U_N为发电机电压输出的额定电压;U为当前电压监测数据。

(2)发电机频率指标。

(8)${\mathit{S}}_{\mathit{f},\mathrm{M}}=\frac{\left|\mathit{f}-{\mathit{f}}_{\mathrm{N}}\right|}{{\mathit{f}}_{\mathrm{N}}}$

式(8)中:f_N为发电机输出频率的额定值;f为当前频率的监测数据。

2.1.2 配电侧风险评估模型

1)高压配电箱安全风险评估模型

(1)线路电压稳定性指标。

(9)${\mathit{S}}_{\mathrm{U}\mathrm{L}}=\stackrel{\mathit{m}}{\sum _{\mathit{l}=1}}{\left(\frac{\mathit{\Delta }{\mathrm{U}}_{\mathrm{l}}^{}}{{\mathit{U}}_{\mathrm{N}\mathit{l}}}\right)}^{2}$

式(9)中:S_UL为高压配电箱的线路电压稳定性指标;ΔU_l为第l条母线线路过电压/欠电压量;U_N_l为第l条母线的额定电压。

(2)温度指标。

(10)${\mathit{S}}_{\mathrm{T}\mathrm{L}}=\stackrel{\mathit{m}}{\sum _{\mathit{l}=1}}{\left(\frac{\mathrm{\Delta }{\mathit{T}}_{\mathit{l}}}{{\mathit{T}}_{\mathrm{N}\mathit{l}}}\right)}^{2}$

式(10)中:S_TL为母线的过温严重度指标;ΔT_l为第l条母线温度偏差量;T_N_l为第l条母线标准环境温度。

(3)绝缘指标。高压配电箱主要组成单元为直流母线,其绝缘性能是车载电力系统安全运行的核心根基,一旦出现绝缘老化、破损、受潮等问题,极易引发高压击穿、短路电弧甚至设备烧毁等事故,不仅威胁高压配电箱自身安全,更会传导至整个车载电力系统,危及人员与设备安全。因此,高压配电箱绝缘失效相关指标绝非仅针对其自身的安全评价标准,更是保障整个电力系统安全防线的关键核心指标。

高压配电箱绝缘指标通过通信方式获得,当运行正常时,绝缘失效信号为1;当出现绝缘电阻下降、泄漏电流增大、局部放电量超标等异常状态时,绝缘失效信号为0。

2)电力电子设备安全风险评估模型

(1)电压越线指标。

(11)${\mathit{S}}_{\mathit{V},\mathrm{A}\mathrm{C}\mathrm{D}\mathrm{C}}={\left[\frac{\mathrm{m}\mathrm{a}\mathrm{x}({\mathit{U}}_{\mathrm{m}\mathrm{i}\mathrm{n}}-\mathit{U},\mathit{U}-{\mathit{U}}_{\mathrm{m}\mathrm{a}\mathrm{x}},0)}{{\mathit{U}}_{\mathit{N}}}\right]}^{2}$

式(11)中:U_min、U_max、U_N、U分别为双向AC/DC变换器电压输出的下限值、上限值、额定电压以及当前电压监测数据。

(2)功率不匹配指标。

(12)${\mathit{S}}_{\mathit{P},\mathrm{A}\mathrm{C}\mathrm{D}\mathrm{C}}=\frac{\mathrm{e}\mathrm{x}\mathrm{p}\left[\mathrm{m}\mathrm{a}\mathrm{x}\right(\mathit{P}-{\mathit{P}}_{\mathrm{m}\mathrm{a}\mathrm{x}},0\left)\right]-1}{\mathrm{e}-1}$

式(12)中:P_max、P分别为双向AC/DC变换器功率输出的上限值以及当前功率监测数据;e为自然常数。

(3)温度指标。

(13)${\mathit{S}}_{\mathit{T},\mathrm{A}\mathrm{C}\mathrm{D}\mathrm{C}}=\frac{\mathrm{e}\mathrm{x}\mathrm{p}\left[\mathrm{m}\mathrm{a}\mathrm{x}\right({\mathit{T}}_{\mathrm{m}\mathrm{i}\mathrm{n}}-\mathit{T},\mathit{T}-{\mathit{T}}_{\mathrm{m}\mathrm{a}\mathrm{x}},0\left)\right]-1}{\mathrm{e}-1}$

式(13)中:T_min、T_max、T分别为双向AC/DC变换器温度的下限值、上限值及当前温度监测数据。

2.1.3 荷侧风险评估模型

负载评估模型如下:

(1)功率预测合格率指标。

(14)${\mathit{S}}_{\mathrm{P},\mathit{i}}=\frac{\left|{\mathit{P}}_{\mathrm{L},\mathit{i}}-{\mathit{P}}_{\mathrm{c},\mathit{i}}\right|}{{\mathit{P}}_{\mathrm{L},\mathit{i}}}+({\mathit{P}}_{\mathrm{L},\mathit{i}}-{\mathit{P}}_{\mathrm{c},\mathit{i}}{)}^{2}$

式(14)中:P_L,_i为负载i功率实际值;P_c,_i为负载i功率预测值。

(2)调节能力失效严重度

(15)${\mathit{S}}_{\mathrm{S}\mathrm{X},\mathit{i}}=\frac{\left|{\mathit{P}}_{\mathrm{c},\mathit{i}}-{\mathit{P}}_{\mathrm{L},\mathit{i}}\right|}{{\mathit{P}}_{\mathrm{c},\mathit{i}}}$

式(15)中:P_L,_i为负载i功率实际值;P_c,_i为负载i功率预测值。

(3)弃负荷严重度。

(16)${\mathit{S}}_{\mathrm{D}\mathrm{R}\mathrm{L},\mathit{i}}=\frac{\mathrm{\Delta }{\mathit{P}}_{\mathrm{L},\mathit{i}}}{{\mathit{P}}_{\mathrm{L},\mathit{i}}+\mathrm{\Delta }{\mathit{P}}_{\mathrm{L},\mathit{i}}}$

式(16)中:ΔP_L,_i为负载i弃负荷功率值。

2.1.4 系统风险评估模型

系统风险评估模型表达式为

(17)$\begin{array}{l}\mathit{E}=\mathit{\mu }({\mathit{w}}_{1}{\mathit{E}}_{\mathrm{b}}+{\mathit{w}}_{2}{\mathit{E}}_{\mathrm{Q}}+{\mathit{w}}_{3}{\mathit{E}}_{\mathrm{G}}+{\mathit{w}}_{4}{\mathit{E}}_{\mathrm{b}\mathrm{u}\mathrm{s}}+{\mathit{w}}_{5}{\mathit{E}}_{\mathrm{e}\mathrm{l}\mathrm{e}1}+\\ {\mathit{w}}_{6}{\mathit{E}}_{\mathrm{e}\mathrm{l}\mathrm{e}2}+{\mathit{w}}_{7}{\mathit{E}}_{\mathrm{M}}+{\mathit{w}}_{8}{\mathit{E}}_{\mathrm{L}1}+{\mathit{w}}_{9}{\mathit{E}}_{\mathrm{L}2}+{\mathit{w}}_{10}{\mathit{E}}_{\mathrm{L}3})\end{array}$

式(17)中:E_b、E_Q、E_G、E_bus、E_ele1、E_ele2、E_M、E_L1、E_L2、E_L3分别为动力电池安全风险评估计算值、超级电容安全风险评估计算值、柴油发电机组安全风险评估计算值、高压配电箱安全风险评估计算值、多端口电能适配器安全风险评估计算值、双向DC/DC变换器安全风险评估计算值、电机驱动器安全风险评估计算值、28 VDC线路安全风险评估计算值、270 VDC线路安全风险评估计算值、380 VAC线路安全风险评估计算值;w₁、w₂、w₃、w₄、w₅、w₆、w₇、w₈、w₉、w₁₀分别为上述各单元的权重系数;μ为高压配电箱绝缘失效信号,当绝缘失效时为0,当绝缘正常时为1。

2.2 基于设备参与度的指标权重确定

2.2.1 基于层次分析法的主观权重

权重值直观地反映了指标在综合评估计算中所占百分比,直接影响评估结果。层次分析法是常用的主观权重计算方法,主要基于专家经验^[22-24],具体计算步骤如下。

步骤1 对指标进行两两比较和评估,按照1~5标度法确定指标的判断矩阵A。a_ij代表指标i相对于指标j的相对重要性量化值,具体含义如下。

(18)${\mathit{a}}_{\mathit{i}\mathit{j}}=\left\{\begin{array}{ll}1,& \mathrm{指}\mathrm{标}\mathit{i}\mathrm{与}\mathrm{指}\mathrm{标}\mathit{j}\mathrm{同}\mathrm{等}\mathrm{重}\mathrm{要}\\ 3,& \mathrm{指}\mathrm{标}\mathit{i}\mathrm{比}\mathrm{指}\mathrm{标}\mathit{j}\mathrm{稍}\mathrm{微}\mathrm{重}\mathrm{要}\\ 5,& \mathrm{指}\mathrm{标}\mathit{i}\mathrm{比}\mathrm{指}\mathrm{标}\mathit{j}\mathrm{明}\mathrm{显}\mathrm{重}\mathrm{要}\\ 1/3,& \mathrm{指}\mathrm{标}\mathit{i}\mathrm{比}\mathrm{指}\mathrm{标}\mathit{j}\mathrm{稍}\mathrm{微}\mathrm{不}\mathrm{重}\mathrm{要}\\ 1/5,& \mathrm{指}\mathrm{标}\mathit{i}\mathrm{比}\mathrm{指}\mathrm{标}\mathit{j}\mathrm{明}\mathrm{显}\mathrm{不}\mathrm{重}\mathrm{要}\end{array}\right.$

步骤2 判断矩阵的一致性检验。

(19)$\mathrm{C}\mathrm{I}=\frac{{\mathit{\lambda }}_{\mathrm{m}\mathrm{a}\mathrm{x}}-\mathit{n}}{\mathit{n}-1}$

1~5阶判断矩阵平均随机一致性指标RI如表1所示。

随机一致比率CR=$\frac{\mathrm{C}\mathrm{I}}{\mathrm{R}\mathrm{I}}$<0.10时,即认为判断矩阵具有满意的一致性。

步骤3 层次总排序及权重计算。

步骤4 归一化处理,得到各指标的权重

(1)计算判断矩阵每一行元素的乘积M_i。

(20)${\mathit{M}}_{\mathit{i}}=\stackrel{\mathit{n}}{\prod _{\mathit{j}=1}}{\mathit{a}}_{\mathit{i}\mathit{j}},\begin{array}{ll}& \mathit{i}=\mathrm{1,2},\dots,\mathit{n}\end{array}$

(2)计算M_i的n次方根${\stackrel{-}{\mathit{W}}}_{\mathit{i}}$。

(21)$\overline{{\mathit{W}}_{\mathit{i}}}=\sqrt[\mathrm{n}]{{\mathit{M}}_{\mathit{i}}}$

(3)对向量$\stackrel{-}{\mathit{W}}=[{\stackrel{-}{\mathit{W}}}_{1},{\stackrel{-}{\mathit{W}}}_{2},\dots,{\stackrel{-}{\mathit{W}}}_{\mathit{n}}{]}^{\mathrm{T}}$正规化(归一化处理)。

(22)${\mathit{W}}_{\mathit{i}}=\frac{\overline{{\mathit{W}}_{\mathit{i}}}}{\stackrel{\mathit{n}}{\sum _{\mathit{j}=1}}\overline{{\mathit{W}}_{\mathit{j}}}}$

则$\mathit{W}=[{\mathit{W}}_{1},{\mathit{W}}_{2},\dots,{\mathit{W}}_{\mathit{n}}{]}^{\mathrm{T}}$即为所求的特征向量。

(4)计算判断矩阵的最大特征根λ_max。

(23)${\mathit{\lambda }}_{\mathrm{m}\mathrm{a}\mathrm{x}}=\stackrel{\mathit{n}}{\sum _{\mathit{i}=1}}\frac{{\left(\mathit{A}\mathit{W}\right)}_{\mathit{i}}}{\mathit{n}{\mathit{W}}_{\mathit{i}}}$

式(23)中:(AW)_i为向量AW的第i个元素;AW为判断矩阵A与特征向量W的乘积。

2.2.2 基于熵值法的客观权重

客观权重计算方法采用熵值法^[25],具体计算步骤如下。

假设原始数据矩阵Y由i个样本、j项指标构成,计算第j项指标下第i个样本值占比重p_ij值。

(24)${\mathit{p}}_{\mathit{i}\mathit{j}}=\frac{{\mathit{y}}_{\mathit{i}\mathit{j}}}{\stackrel{\mathit{n}}{\sum _{\mathit{i}=1}}{\mathit{y}}_{\mathit{i}\mathit{j}}}$

计算各指标的信息熵e_j值。

(25)${\mathit{e}}_{\mathit{j}}=-\mathrm{k}\stackrel{\mathit{n}}{\sum _{\mathit{i}=1}}{\mathit{p}}_{\mathit{i}\mathit{j}}\mathrm{l}\mathrm{n}{\mathit{p}}_{\mathit{i}\mathit{j}}$

式(25)中:k=1/lnn。

计算信息效用值d_j。

(26)${\mathit{d}}_{\mathit{j}}=1-{\mathit{e}}_{\mathit{j}}$

计算权重系数。

(27)${\mathit{w}}_{\mathit{j}}=\frac{{\mathit{d}}_{\mathit{j}}}{\stackrel{\mathit{n}}{\sum _{\mathit{j}=1}}{\mathit{d}}_{\mathit{j}}}$

2.2.3 设备参与度权重

针对电力系统设备的多状态运行特性,将其工作状态粗略划分为停机与工作两大类:停机状态包含待机、故障两种子状态,此状态下设备未参与系统调度,设备参与度取值为0;工作状态设备参与度取值与实际运行功率相关。对于特种车辆电力系统设备,驻车工况下,实际运行功率一般为额定功率10%~30%,此时设备参与度取值为0.2;低速行驶或轻载作业工况下,实际运行功率一般为额定功率30%~60%,此时设备参与度取值为0.5;高速行驶或重载作业工况下,实际运行功率一般为额定功率60%~100%,此时设备参与度取值为1;极端过载工况下,实际运行功率一般为额定功率100%~110%,此时设备参与度取值为1,若连续过载运行时间超过10 min,或运行功率大于额定功率110%,则设备参与度取值按照函数关系增大。

具体可表示为

(28)$\mathrm{\lambda }=\left\{\begin{array}{ll}0,& {\mathit{P}}_{\mathit{\eta }}=0\\ 0.2,& 0<{\mathit{P}}_{\mathit{\eta }}\le 0.3{{\mathit{P}}_{\mathit{\eta }}}_{\mathrm{N}}\\ 0.5,& 0.3{{\mathit{P}}_{\mathit{\eta }}}_{\mathrm{N}}<{\mathit{P}}_{\mathit{\eta }}\le 0.6{{\mathit{P}}_{\mathit{\eta }}}_{\mathrm{N}}\\ 1,& 0.6{\mathit{P}}_{\mathrm{N}}<{\mathit{P}}_{\mathit{\eta }}\le {\mathit{P}}_{\mathrm{N}}\\ 1,& {\mathit{P}}_{\mathit{\eta }\mathrm{N}}<{\mathit{P}}_{\mathit{\eta }}\le 1.1{\mathit{P}}_{\mathit{\eta }\mathrm{N}}\\ & \mathrm{且}{\mathit{t}}_{\mathit{\eta }-\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{n}\mathrm{d}\mathrm{b}\mathrm{y}}<{\mathit{t}}_{0}\\ 1+\mathrm{\tau }\left(\frac{{\mathit{P}}_{\mathit{\eta }}}{{\mathit{P}}_{\mathit{\eta }\mathrm{N}}}-1.1\right),& {\mathit{P}}_{\mathit{\eta }}>1.1{\mathit{P}}_{\mathit{\eta }\mathrm{N}}\mathrm{或}{\mathit{t}}_{\mathit{\eta }-\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{n}\mathrm{d}\mathrm{b}\mathrm{y}}\ge {\mathit{t}}_{0}\end{array}\right.$

式(28)中:λ为设备参与度参数;P_η为设备η的运行功率;{P_ηN为设备η的额定功率,t_η-standby为设备η的过载时长;t₀为设备过载允许时间,一般取10 min;τ为设备参与度过载增长系数,与设备的过载耐受能力相关,取值范围为5~15,综合考虑车载电力系统内设备的过载耐受能力,取τ=10。

2.2.4 基于设备参与度的综合权重

采用基于设备参与度的综合权重计算方法,通过将主观权重、客观权重以及设备参与度的结合^[26],得到综合权重,具体如下。

(29)$\left\{\begin{array}{l}{\mathit{w}}_{\mathit{i}}=\frac{{\mathit{w}}_{\mathrm{B}\mathit{i}}{\mathit{w}}_{\mathrm{C}\mathit{i}}{\mathit{\lambda }}_{\mathit{i}}}{\stackrel{3}{\sum _{\mathit{i}=1}}{\mathit{w}}_{\mathrm{B}\mathit{i}}{\mathit{w}}_{\mathrm{C}\mathit{i}}{\mathit{\lambda }}_{\mathit{i}}+\stackrel{3}{\sum _{\mathit{j}=1}}{\mathit{w}}_{\mathrm{B}\mathit{j}}{\mathit{w}}_{\mathrm{C}\mathit{j}}{\mathit{\lambda }}_{\mathit{j}}+\stackrel{4}{\sum _{\mathit{k}=1}}{\mathit{w}}_{\mathrm{B}\mathit{k}}{\mathit{w}}_{\mathrm{C}\mathit{k}}{\mathit{\lambda }}_{\mathit{k}}}\\ {\mathit{w}}_{\mathit{j}}=\frac{{\mathit{w}}_{\mathrm{B}\mathit{j}}{\mathit{w}}_{\mathrm{C}\mathit{j}}{\mathit{\lambda }}_{\mathit{j}}}{\stackrel{3}{\sum _{\mathit{i}=1}}{\mathit{w}}_{\mathrm{B}\mathit{i}}{\mathit{w}}_{\mathrm{C}\mathit{i}}{\mathit{\lambda }}_{\mathit{i}}+\stackrel{3}{\sum _{\mathit{j}=1}}{\mathit{w}}_{\mathrm{B}\mathit{j}}{\mathit{w}}_{\mathrm{C}\mathit{j}}{\mathit{\lambda }}_{\mathit{j}}+\stackrel{4}{\sum _{\mathit{k}=1}}{\mathit{w}}_{\mathrm{B}\mathit{k}}{\mathit{w}}_{\mathrm{C}\mathit{k}}{\mathit{\lambda }}_{\mathit{k}}}\\ {\mathit{w}}_{\mathit{k}}=\frac{{\mathit{w}}_{\mathrm{B}\mathit{k}}{\mathit{w}}_{\mathrm{C}\mathit{k}}{\mathit{\lambda }}_{\mathit{k}}}{\stackrel{3}{\sum _{\mathit{i}=1}}{\mathit{w}}_{\mathrm{B}\mathit{i}}{\mathit{w}}_{\mathrm{C}\mathit{i}}{\mathit{\lambda }}_{\mathit{i}}+\stackrel{3}{\sum _{\mathit{j}=1}}{\mathit{w}}_{\mathrm{B}\mathit{j}}{\mathit{w}}_{\mathrm{C}\mathit{j}}{\mathit{\lambda }}_{\mathit{j}}+\stackrel{4}{\sum _{\mathit{k}=1}}{\mathit{w}}_{\mathrm{B}\mathit{k}}{\mathit{w}}_{\mathrm{C}\mathit{k}}{\mathit{\lambda }}_{\mathit{k}}}\end{array}\right.$

式(29)中:w_i为第i个源的综合权重;w_B_i为第i个源的主观权重;w_C_i为第i个源的客观权重;λ_i为第i个源的参与度参数;w_j为第j个配电设备的综合权重;w_B_j为第j个配电设备的主观权重;w_C_j为第j个配电设备的客观权重;l_j为第j个配电设备的参与度参数;w_k为第k个负荷的综合权重;w_B_k为第k个负荷的主观权重;w_C_k为第k个负荷的客观权重;λ_k为第k个负荷的参与度参数。

3 安全风险等级确定

特种车辆多源综合电力系统安全风险评估得分,可实现对系统安全风险状态的量化表征,不同分值区间对应系统差异化的安全风险水平。采集特种车辆现场运行数据共计50组,提取系统各典型工作状态下的核心指标参数,并采用百分制量化评估方法完成指标的归一化处理,得到百分化评估值E,如表2所示。统计结果表明:2组数据的百分制评估得分落在[10,20],对应特种车辆处于故障状态;1组数据的百分制评估得分落在[20,30],对应特种车辆高压配电箱处于临界故障状态;6组数据的百分制评估得分落在[40,60],对应特种车辆多部件临界故障状态;19组数据的百分制评估得分落在[60,80],对应特种车辆非关键部件处于临界故障状态,如电能适配器交流端口过载;22组数据的百分制评估得分落在[80,100],对应特种车辆处于正常运行状态。

结合本文量化评估结果,参照标准中关于电力系统的安全等级分级准则^[27-29],将特种车辆多源综合电力系统的安全等级划分为4个类别。不同安全风险评估分值对应不同安全等级,且分值越低表征系统的安全风险程度越高,具体分级标准如表3所示。

4 算例验证与分析

4.1 仿真算例分析

搭建含特种车辆多源综合电力系统测试平台模型,对案例进行仿真分析,包含1组动力电池:额定功率100 kW,容量250 kW·h;1组超级电容:额定电压900 V;1台柴油发电机:额定功率900 kW;双向AC/DC变换器:额定功率900 kW;高压配电箱:额定电压900 V;多端口电能适配器:含900 V端口、270 V端口、28 V端口、380 VAC端口;双向DC/DC变换器:210 kW;电机驱动器、28 VDC负荷、270 VDC负荷、380 VAC负荷,控制系统以及数据观测系统,标准环境温度25 ℃,工作温度范围为-50~50 ℃。表3给出了4种不同工况的运行数据,工况1下各设备基本运行在额定工况附近,工况2各设备运行在各参数上限附近,工况3各参数超过可运行上限值,工况4各单元运行正常,但高压配电箱绝缘失效,具体数据如表4所示。

根据各工况运行数据,计算层次分析法权重值、熵值法权重值以及综合权重值如表5~表8所示。

在Visual Studio中开发计算程序,根据式(1)~式(17)计算出各工况下各指标值,将百分化数据得到中间层指标安全风险得分,然后结合权重计算值,得到系统综合评分,如表9~表12所示。由计算结果可以看出,在工况1,设备基本运行在额定工况附近,安全风险评估得分较高,安全等级为安全;在工况2,存在个别单元处于紧急状态,多个单元处于不安全状态,系统综合安全等级为不安全;在工况3,多个单元处于紧急状态,系统综合安全等级为紧急;在工况4,高压配电箱处于不工作状态,系统综合安全等级为不工作。

4.2 不同权重方法对比分析

为了进一步凸显增加设备参与度的权重计算方法的优越性,以特种车辆低速稳定行驶工况下的两组数据为例进行对比分析。该工况下柴油发电机组、高压配电箱以及电机驱动器为系统主要参与单元,动力电池以及多端口适配器功率为28 VDC线路负载供电,其余单元功率为0 kW,不参与当前系统,此时运行数据如表13所示。

分别采用方法1基于层次分析法主观权重、方法2基于熵值法客观权重、方法3传统综合权重、方法4基于设备参与度的综合权重评估方法对特种车辆低速稳定行驶工况进行安全风险评估,评估结果如表14所示。

综合上述对比分析结果可知,提出的基于设备参与度的综合权重评估方法(方法4),其平均绝对偏差为0.715,相较于方法1的1.46与方法3的1.28处于更低水平,展现出良好的评估准确性;同时,该方法的评估耗时仅为3 ms(不含数据采集时间),优于方法2的4 ms与方法3的5 ms。此外,方法4无需采集与处理设备参与度为0的设备数据,若考虑数据采集时间,则相较于传统评估方法更具优势。

5 结论

对比分析了直连型、可控型特种车辆多源综合电力系统电路结构,构建了特种车辆电力系统安全风险指标体系,针对动力电池、超级电容、柴油发电机组等,建立了包括电源、配电、负荷和系统4个单元的安全风险评估量化模型,确定了各单元安全风险评估模型量化计算表达式,设计了基于设备参与度的综合权重计算方法并进行系统整体安全风险评估,确定了安全风险等级映射关系,最后结合不同工况实际数据对特种车辆多源综合电力系统进行了安全风险评估,验证了所构建的安全风险指标体系以及评估方法的有效性。所研究的特种车辆多源综合电力系统安全风险评估方法可以实时地给出系统安全风险状态,有助于运维人员发现并处理安全隐患,保证系统的安全稳定运行。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	岳文斌, 宁功韬, 倪永亮, 等. 坦克装甲车辆电力系统源网荷储协同优化与安全控制: 架构设计及前沿思考[J]. 兵工学报, 2024, 45(8): 2463-2477.

[2]	Yue Wenbin, Ning Gongtao, Ni Yongliang, et al. Collaborative optimization and security control of source-grid-load-storage of tank and armored vehicle power system: architecture design and frontier thinking[J]. Acta Armamentarii, 2024, 45(8): 2463-2477.

[3]	徐浩轩, 马晓军, 刘春光. 混合动力装甲车直流微电网大信号稳定性分析[J]. 兵工学报, 2023, 44(1): 108-116.

[4]	Xu Haoxuan, Ma Xiaojun, Liu Chunguang. Large-signal stability of on-board DC microgrids for hybrid electric armored vehicles[J]. Acta Armamentarii, 2023, 44(1): 108-116.

[5]	高强, 廖自力, 马晓军, 等. 高速工况下车载综合电力系统失稳预测[J]. 高电压技术, 2021, 47(1): 313-321.

[6]	Gao Qiang, Liao Zili, Ma Xiaojun, et al. Instability prediction of vehicular integrated power system in high speed mode[J]. High Voltage Engineering, 2021, 47(1): 313-321.

[7]	Xiang Y, Ma X, Xu H, et al. The power flow control strategy of electric armored vehicle multi power system[C]// 2016 IEEE Vehicle Power and Propulsion Conference (VPPC). Hangzhou: IEEE, 2016: 1-6

[8]	李达, 邓钧君, 张照生, 等. 电动车辆动力电池安全预警策略研究综述[J]. 汽车工程, 2023, 45(8): 1392-1407.

[9]	Li Da, Deng Junjun, Zhang Zhaosheng, et al. Review on power battery safety warning strategy in electric vehicles[J]. Automotive Engineering, 2023, 45(8): 1392-1407.

[10]	于璐, 张辉, 田培根, 等. 一种退役动力电池梯次利用储能系统安全评估方法[J]. 太阳能学报, 2022, 43(5): 446-453.

[11]	Yu Lu, Zhang Hui, Tian Peigen, et al. A battery safety evaluation method for reuse of retired power battery in energy storage system[J]. Acta Energiae Solaris Sinica, 2022, 43(5): 446-453.

[12]	贺佳伟, 邵垒, 杨文举, 等. 基于多指标评估云模型的车载动力锂电池火灾风险研究[J]. 科学技术与工程, 2023, 23(20): 8901-8906.

[13]	He Jiawei, Shao Lei, Yang Wenju, et al. Research on fire safety of vehicle power lithium battery based on multi-index assessment cloud model[J]. Science Technology and Engineering, 2023, 23(20): 8901-8906.

[14]	詹锦皓, 李维波, 李齐, 等. 基于比例伪时序算法的舰船电力风险评估系统[J]. 中国舰船研究, 2022, 17(1): 176-186.

[15]	Zhan Jinhao, Li Weibo, Li Qi, et al. Ship power risk assessment system based on proportional pseudo time-series algorithm[J]. Chinese Journal of Ship Research, 2022, 17(1): 176-186.

[16]	张玉跃, 程佩芬, 田鑫, 等. 计及非同步电源规模化接入的受端电网支撑能力综合量化指标和评估方法研究[J/OL]. 华北电力大学学报(自然科学版), 1-1 2[2026-06-09]. https://link.cnki.net/urlid/10.1999.tm.20250630.1557.004.

[17]

Zhang Yuyue, Cheng Peifen, Tian Xin, et al. Research on comprehensive quantitative indicators and assessment methods for distribution network support capability considering large-scale connection of asynchronous power sources[J/OL]. Journal of North China Electric Power University (Natural Science Edition), 1-12 [2026-06-09]. https://link.cnki.net/urlid/10.1999.tm.20250630.1557.004.

[18]	齐航, 李常刚, 刘玉田, 等. 基于电气坐标的电力系统动态安全分区评估及模型更新[J]. 电力系统自动化, 2025, 49(17): 101-111.

[19]	Qi Hang, Li Changgang, Liu Yutian, et al. Assessment of dynamic security region and model updating of power systems based on electrical coordinates[J]. Automation of Electric Power Systems, 2025, 49(17): 101-111.

[20]	费春国, 潘伟鹏. 机坪电动特种车辆运行安全风险评估研究[J]. 现代电子技术, 2017, 40(12): 34-38.

[21]	Fei Chunguo, Pan Weipeng. Research on safety risk evaluation for electric special vehicle running on airport apron[J]. Modern Electronics Technique, 2017, 40(12): 34-38.

[22]	张顺洋. 特种车辆高压直流电力系统母线电压稳定控制方法研究[D]. 沈阳: 东北大学, 2022.

[23]	Zhang Shunyang. Research on bus voltage stability control method of high-voltage DC power system for special vehicles[D]. Shenyang: Northeastern University, 2022.

[24]	高强, 袁东, 刘春光, 等. 车载综合电力系统大信号失稳预测[J]. 兵器装备工程学报, 2020, 41(12): 143-148.

[25]	Gao Qiang, Yuan Dong, Liu Chunguang, et al. Large-signal instability prediction of vehicular integrated power system[J]. Journal of Ordnance Equipment Engineering, 2020, 41(12): 143-148.

[26]	李佳旭, 吴俊勇, 李栌苏, 等. 电力系统频率安全评估与紧急控制研究综述[J]. 高电压技术, 2025, 51(4): 1817-1833.

[27]	Li Jiaxu, Wu Junyong, Li Lusu, et al. Review on frequency safety assessment and emergency control of power system[J]. High Voltage Engineering, 2025, 51(4): 1817-1833.

[28]	于丰硕, 孙宏斌, 乔铮, 等. 电-气耦合综合能源系统准动态安全评估[J]. 电网技术, 2023, 47(9): 3681-3692.

[29]	Yu Fengshuo, Sun Hongbin, Qiao Zheng, et al. Quasi-dynamic security assessment of integrated electricity and gas system[J]. Power System Technology, 2023, 47(9): 3681-3692.

[30]	邹枭, 宋立忠, 王征. 舰船电力系统风险评估指标体系研究[J]. 舰船电子工程, 2020, 40(2): 97-100.

[31]	Zou Xiao, Song Lizhong, Wang Zheng. Research on risk assessment index system of ship power system[J]. Ship Electronic Engineering, 2020, 40(2): 97-100.

[32]	钱虹, 严庆云, 王海心, 等. 基于层次分析法和深度学习的凝汽器健康状况趋势[J]. 哈尔滨工程大学学报, 2024, 45(12): 2391-2399.

[33]	Qian Hong, Yan Qingyun, Wang Haixin, et al. Condenser health condition trend prediction using analytic hierarchy process and deep learning[J]. Journal of Harbin Engineering University, 2024, 45(12): 2391-2399.

[34]	张路, 熊张忞, 王建, 等. 考虑一二次耦合多重故障的电力系统风险评估[J]. 电力系统保护与控制, 2023, 51(14): 95-105.

[35]	Zhang Lu, Xiong Zhangmin, Wang Jian, et al. Power system risk assessment considering primary and secondary coupled multiple faults[J]. Power System Protection and Control, 2023, 51(14): 95-105.

[36]	Tan B, Zhao J, Chen Y. Scalable risk assessment of rare events in power systems with uncertain wind generation and loads[J]. IEEE Transactions on Power Systems, 2025, 40(2): 1374-1388.

[37]	成林穗, 杨继斌, 邓鹏毅, 等. 车云协同下动力电池多级安全管理方法研究[J]. 汽车工程, 2025, 47(6): 1037-1047.

[38]	Cheng Linsui, Yang Jibin, Deng Pengyi, et al. Research on multi-level safety management method of power battery under vehicle-cloud collaboration[J]. Automotive Engineering, 2025, 47(6): 1037-1047.

[39]	李焓宁, 李相俊. 考虑电池安全状态的储能电站能量管理策略[J]. 供用电, 2023, 40(8): 21-27.

[40]	Li Hanning, Li Xiangjun. Energy management strategy for energy storage stations considering battery state of safety[J]. Distribution &Utilization, 2023, 40(8): 21-27.

[41]	宁雪峰, 张慧珍, 许加柱. 基于改进AHP-TOPSIS的储能电站安全综合评估[J]. 太阳能学报, 2024, 45(5): 251-259.

[42]	Ning Xuefeng, Zhang Huizhen, Xu Jiazhu. Comprehensive safety evaluation of energy storage power station based on improved AHP-TOPSIS[J]. Acta Energiae Solaris Sinica, 2024, 45(5): 251-259.

[43]	计蓉, 侯慧娟, 盛戈皞, 等. 基于组合赋权法和模糊综合评价的电力设备状态数据质量评估[J]. 高电压技术, 2024, 50(1): 274-281.

[44]	Ji Rong, Hou Huijuan, Sheng Gehao, et al. Data quality assessment for power equipment condition based on combination weighing method and fuzzy synthetic evaluation[J]. High Voltage Engineering, 2024, 50(1): 274-281.

[45]	马莉, 陈应雨, 田钉荣, 等. 基于改进层次分析法的多级电压暂降严重程度评估[J]. 电力系统保护与控制, 2023, 51(17): 49-57.

[46]	Ma Li, Chen Yingyu, Tian Dingrong, et al. Severity evaluation of multistage voltage sag based on an improved analytic hierarchy process[J]. Power System Protection and Control, 2023, 51(17): 49-57.

[47]	王珊珊, 施磊, 顾然. 基于TOPSIS法实现智能电网中一次设备运行状态的评估[J]. 供用电, 2021, 38(6): 56-60.

[48]	Wang Shanshan, Shi Lei, Gu Ran. Evaluation of primary equipment operation state in smart grid based on TOPSIS[J]. Distribution & Utilization, 2021, 38(6): 56-60.

[49]	张洋, 丘东元, 张波, 等. 基于层次分析-熵值法的DC-DC变换器拓扑综合评价[J]. 北京航空航天大学学报, 2025, 51(5): 1469-1479.

[50]	Zhang Yang, Qiu Dongyuan, Zhang Bo, et al. Comprehensive evaluation of DC-DC converters based on analytic hierarchy process and entropy method[J]. Journal of Beijing University of Aeronautics and Astronautics, 2025, 51(5): 1469-1479.

[51]	王浩, 张兰勇, 程垠钟, 等. 船舶综合电力系统运行模式的安全评估方法: T/CAMETA 001071-2025[S]. 北京: 中国机电一体化技术应用协会, 2025.

[52]	Wang Hao, Zhang Lanyong, Cheng Yinzhong, et al. Safety assessment method for operation modes of integrated ship power systems: T/CAMETA 001071-2025[S]. Beijing: China Association of Mechatronics Technology Application, 2025.

[53]	李强, 李温静, 赵峰, 等. 综合能源安全风险评价指标体系: T/CES 104-2022[S]. 北京: 中国电工技术学会, 2022.

[54]	Li Qiang, Li Wenjing, Zhao Feng, et al. Comprehensive energy security risk assessment indicator system: T/CES 104-2022[S]. Beijing: China Electrotechnical Society, 2022.

[55]	刘宏臣, 司永宏, 李华政, 等. 特种设备安全风险辨识、评估和分级: DB12/T 759-2024[S]. 天津: 天津市市场和质量监督管理委员会, 2018.

[56]	Liu Hongchen, Si Yonghong, Li Huazheng, et al. Identification, assessment, and classification of safety risks for special equipment: DB12/T 759-2024[S]. Tianjin: Tianjin Municipal Market and Quality Supervision Administration, 2018.