CN100442627C - 用于电力系统在线动态筛选的方法和系统 - Google Patents

Abstract

本发明涉及在线事故动态筛选方法和系统。其中，提供一种基于所输入的事故的在线事故动态筛选系统，所述事故包括影响电力系统的假设扰动，所述系统包括：网络孤岛问题分类器，稳定平衡点问题分类器，大稳定区分类器，退出点问题分类器，射线调节问题分类器，能量函数问题分类器，控制不稳定平衡点收敛问题分类器和控制不稳定平衡点分类器。该系统还包括时域仿真分类器，确定通过稳定平衡点问题分类器、退出点问题分类器、射线调节问题分类器、能量函数问题分类器和控制不稳定平衡点收敛问题分类器筛选出的所述不稳定事故中的哪些在时域中是不稳定的确定通过所述控制不稳定平衡点分类器筛选出的所述不稳定事故中的哪些在时域中是不稳定的。

Description

用于电力系统在线动态筛选的方法和系统

技术领域

本发明涉及电力系统领域，并更具体地涉及用于实际电力系统的在线暂态稳定分析、在线动态安全评估和能量裕度计算的方法。

背景技术

电力系统连续地经历扰动。这些扰动可分为事件扰动或负荷扰动。电力系统的规划和操作应能承受某些特定扰动的发生。目前，现代能量管理系统(EMS)定期地执行在线(静态)安全评估任务，以确保电力系统承受可信事故(扰动)。可信事故组是有可能发生的具有潜在严重后果的扰动的集合。所述评估包括：选择一组可信事故，随后评价系统承受它们冲击的能力。

对于现代电力系统而言，对EMS进行扩展以包括在线动态安全评估(DSA)是所希望的并且变得是必需的。然而，此扩展是具有相当挑战性的任务；尽管此种扩展的持续压力部分是因为经济动机并且部分是因为环境考虑，但是，执行DSA部分是因为环境考虑，但是，长期以来，执行DSA是属于离线活动。可期望从此扩展得到几个明显的好处。首先，如果执行在线DSA而不是离线DSA，电力系统可操作到操作裕度减小10倍或更多的程度。在线DSA的第二个好处是可大大减少分析量，从而只包括那些与实际操作条件有关的事故。

从工程上考虑，在线安全评估要求评价几百个或者甚至是几千个可信事故对电力系统的静态和动态的影响。静态安全评估(SSA)现在一般在能量管理系统中执行，它检查对故障后(事故后)静态的所有相关静态约束的满意度。从计算观点考虑，SSA需要求解大型的非线性代数方程组。动态安全评估(DSA)是评估事故之后的电力系统稳定性/不稳定性，除了在SSA中的非线性代数方程组以外，DSA还要处理大型的非线性微分方程组。在线DSA中所需的计算工作量比SSA中的大概高三个数量级。

为了显著减少在线DSA所需要的计算负担，使用有效方案来筛选出大量稳定事故并只对潜在不稳定事故应用详细仿真程序是得到广泛认可的策略。此策略已经成功地在在线SSA中实施，并可潜在地应用到在线DSA中。给出一组可信事故，该策略把在线DSA的任务分为两个评估阶段：

阶段1：执行快速动态事故筛选任务，从一组可信事故中筛选出肯定稳定的事故；

阶段2：对在阶段1之后剩余的每个事故执行详细稳定评估和能量裕度计算。

阶段1的动态事故筛选是在线DSA系统的基本功能。在阶段1之后，剩余的事故分为未决定的或潜在不稳定的，它们接着发送到阶段2，进行详细稳定评估和能量裕度计算。基于时域仿真的方法通常可应用到在线DSA的阶段2。在线DSA系统的总体计算速度在很大程度上取决于动态事故筛选的效率，动态事故筛选的目的是识别肯定稳定的并因而不需要进一步稳定分析的事故。

在在线应用环境下，对于任何用于现代电力系统在线动态事故筛选的分类器而言，以下五条要求是最基本的：

(A-1)(可靠性测量)分类器完全捕捉不稳定的事故；具体地，分类器不会漏过不稳定的事故(单摆或多摆)。换句话说，所捕捉不稳定事故的数量与实际不稳定事故的数量的比例是1。

(A-2)(效率测量)分类器实现筛选出大量的稳定事故，即，分类器筛选出的稳定事故的数量与实际稳定事故的数量的比例尽可能接近1。

(A-3)(在线计算)分类器很少要求离线计算和/或调整，以便满足经常变化的和不确定的操作条件。

(A-4)(速度测量)高速，即，在线操作要求分类器快速。

(A-5)(性能测量)DSA中分类器的性能对于电力系统操作条件的变化是坚固的。

完全捕捉不稳定事故的要求是对动态事故筛选的可靠性测量。对稳定事故漏掉的高百分比要求是效率测量。如鲁棒性能要求所规定的，这些测量对于不同的操作条件不应该是降低测量功能的。当前和将来电力系统操作环境的趋势是：在线操作数据和假定离线数据可以有很大的不同。在非极端情况下，离线假定数据可变为与在线操作数据不相关。这表示在线计算要求的重要性。

已经在文献中报道了在线动态事故筛选中的几个研究开发。目前，除了在[2，3]中讨论的一种方法以外，现有的动态事故筛选方法都非常依赖广泛的离线仿真结果来区分事故。这些筛选方法都首先用离线网络数据对一组可信事故执行广泛的数值仿真，以便捕捉系统动态行为基本的稳定性特征；接着，它们构造分类器，该分类器试图以在线模式正确地区分新的和未曾见的电力网络事故。因此，这些方法不能满足以上在线计算要求。进而，这些方法不能满足可靠性要求。

BCU方法

近来，开发一种寻找控制不稳定平衡点的系统方法，称作BCU方法，并在Chiang的美国专利5483462[1]中公布。在开发用于给定电力系统稳定性模型的BCU方法时，必须首先定义有关的减化态(reduced-state)模型。我们考虑具有以下有包括损耗的保留电力网络结构(network-preserving)的暂态稳定模型：

$\mathrm{\θ}=-\frac{\∂U}{\∂u}(u,w,x,y)+g_1(u,w,x,y)$

$\mathrm{\θ}=-\frac{\∂U}{\∂w}(u,w,x,y)+g_2(u,w,x,y)$

$T\stackrel{\·}{x}=-\frac{\∂U}{\∂x}(u,w,x,y)+g_3(u,w,x,y)---\left(1\right)$

$\stackrel{\·}{y}=z$

$M\stackrel{\·}{z}=-\mathrm{Dz}-\frac{\∂U}{\∂y}(u,w,x,y)+g_4(u,w,x,y)$

这里，U(u，w，x，y)是纯量函数。对于原始模型(1)，我们选择以下微分代数系统，作为相关的减化态模型。

$0=-\frac{\∂U}{\∂u}(u,w,x,y)+g_1(u,w,x,y)$

$0=-\frac{\∂U}{\∂w}(u,w,x,y)+g_2(u,w,x,y)$

$T\stackrel{\·}{x}=-\frac{\∂U}{\∂x}(u,w,x,y)+g_3(u,w,x,y)$

$\stackrel{\·}{y}=-\frac{\∂U}{\∂y}(u,w,x,y)+g_4(u,w,x,y)$

下面解释BCU方法的基本思想。给出电力系统稳定性模型(该模型容许能量函数)，BCU方法首先发掘该模型的特殊性质，目的是定义人造的减化态模型，从而，满足特定的静态和动态关系。接着，BCU方法通过研究稳定边界的特殊结构和减化态模型的能量函数而寻找减化态模型的控制UEP。最后，它使减化态模型的控制UEP关联到原始模型的控制UEP。

概念BCU方法

步骤1.从网络保留模型(1)的故障轨迹(u(t)，ω(t)，x(t)，y(t)，z(t))检测退出点(u^＊，w^＊，x^＊，y^＊)，在退出点(u^＊，w^＊，x^＊，y^＊)上，投射的轨迹(u(t)，ω(t)，x(t)，y(t))退出故障后减化态模型(2)的稳定边界。

步骤2.使用在步骤1中检测的退出点(u^＊，w^＊，x^＊，y^＊)作为初始条件，并且积分故障后减化态模型到一个平衡点。令解为(u_CO，w_CO，x_CO，y_CO)。

步骤3.对于保留电力网络结构的暂态稳定模型(1)故障轨迹的控制UEP是(u_CO，w_CO，x_CO，y_CO)。在(u_CO，w_CO，x_CO，y_CO)处的能量函数值是对于故障轨迹(u(t)，ω(t)，x(t)，y(t)，z(t))的临界能量。

概念BUC方法的步骤1和步骤2计算减化态系统的控制UEP。应指出，在概念BUC方法的步骤2中，退出点(u^＊，w^＊，x^＊，y^＊)的故障后减化态轨迹将收敛到平衡点。步骤3使减化态系统的控制UEP(关于投射的故障轨迹)与原始系统的控制UEP相关联。在数值上实现保留电力网络结构的暂态稳定模型的概念BUC方法有几种可能的方式。

保留电力网络结构的暂态稳定模型的概念BUC方法的数值实施如下所示：

数值BCU方法

步骤1.从原始模型(1)的(持续)故障轨迹(u(t)，w(t)，x(t)，y(t)，z(t))检测退出点(u^＊，w^＊，x^＊，y^＊)，在退出点(u^＊，w^＊，x^＊，y^＊)上，投射的轨迹(u(t)，w(t)，x(t)，y(t))达到数值位能函数的第一局部最大值。

步骤2.用退出点(u^＊，w^＊，x^＊，y^＊)作为初始条件，并且积分故障后减化态系统(2)直到故障后减化态系统(2)的轨迹达到以下规范的(第一)局部最小值。令局部最小值为(u₀ ^＊，w₀ ^＊，x₀ ^＊，y₀ ^＊)。

步骤3.使用点(u₀ ^＊，w₀ ^＊，x₀ ^＊，y₀ ^＊)作为初始推测，并且求解以下非线性代数方程组：

$\left|\right|\frac{\∂U}{\∂u}(u,w,x,y)+g_1(u,w,x,y)\left|\right|$

$+\left|\right|\frac{\∂U}{\∂w}(u,w,x,y)+g_2(u,w,x,y)\left|\right|$

$+\left|\right|\frac{\∂U}{\∂x}(u,w,x,y)+g_3(u,w,x,y)\left|\right|$

$+\left|\right|\frac{\∂U}{\∂y}(u,w,x,y)+g_4(u,w,x,y)\left|\right|=0$

令解为(u_CO ^＊，w_CO ^＊，x_CO ^＊，y_CO ^＊)。

步骤4.相对于原始模型故障轨迹(u(t)，w(t)，x(t)，y(t)，z(t))的控制UEP为(u_CO ^＊，w_CO ^＊，x_CO ^＊，y_CO ^＊，0)。

以上数值网络保留BCU方法的步骤1-3计算减化态系统(2)的控制UEP，并且，步骤4使减化态系统的控制UEP与原始系统的控制UEP相关。在数值BCU方法的步骤3中，最小梯度点(MGP)用作搜索控制UEP的引导。从计算观点考虑，MGP可用作Newton方法中的初始推测，以计算控制UEP。如果MGP充分接近控制UEP，那么，Newton方法从MGP开始所产生的序列就收敛到控制UEP。否则，该序列收敛到另一平衡点或发散掉。应该在步骤3中使用鲁棒非线性代数求解器。

BCU分类器

近来，开发一组用于电力系统在线动态事故筛选的BCU分类器[2，3]，并且在Chiang和Wang的美国专利5719787[2]中公布。然而，BCU分类器不总是满足在以下数值仿真中示出的五个基本要求。

考虑173-母线真实电力系统模型。使用BCU分类器[1]筛选具有两个不同负荷模型的总共1014个系统事故。在评估中考虑的故障类型是三相故障，并且，故障位置在发电机和负荷母线上。一些事故是通过开启双回路可清除的故障，而其它则是通过开启单回路可清除的故障。在仿真中使用ZIP负荷模型，该模型包括20％恒定电流、20％恒定功率和60％恒定阻抗。考虑严重的和轻微的故障。所有故障假设在0.07s之后被清除。使用可靠的时域稳定程序在数值上核对所有分类结果。

对BCU分类器总共给出507个事故，第一BCU分类器滤掉59个事故并把它们归为不稳定的。这59个事故在数值上由时域稳定程序核实。根据时域稳定程序，在这59个事故中，有58个事故确实是不稳定的，1个事故是稳定的。余下的448个事故发送给第二BCU分类器，进行另一分类。此分类器滤掉8个被归为稳定的事故，并且所有这些事故被时域稳定程序核实为实际上是单摆或多摆稳定。应指出，在实际应用中，不必把这些稳定的事故(由BCU分类器归类的)发送给时域程序进行核实。余下的440个事故发送到BCU分类器III，它筛选出0个不稳定的事故。余下的440个事故发送到BCU分类器IV，它筛选出332个稳定的事故。根据时域稳定程序，在这些事故中，10个事故是不稳定的，322个事故是稳定的。第五BCU分类器总共筛选出16个事故。这些事故归类为不稳定的。在这些事故中，14个是稳定的，2个确实是不稳定的。余下的事故输入到最终BCU分类器，进行最后的分类。在这些事故中，0个事故被归类为稳定的，92个情形被归类为不稳定的。根据时域稳定程序的核实，在这些事故中，12个事故确实是不稳定的，80个事故是稳定的。

此数值仿真揭示BCU分类器可能会错误地把不稳定事故归类为稳定事故。例如，在173-母线系统中的10个不稳定事故被错分为稳定的，因而，违反动态安全分类器的可靠性要求。

本发明开发一种用于实际电力系统在线动态安全筛选的改良BCU分类器。改良BCU分类器不仅满足上述五个要求，而且还使以前在静态安全评估中实际使用的策略可应用于在线动态安全评估中。进而，改良BCU分类器计算用于所筛选稳定事故的能量裕度。

为了说明改良BCU分类器在满足五个基本要求(A-1)至(A-5)时的有效性，我们把它们应用到具有相同系统条件和相同事故组的173-母线电力系统中。

表1

在173-母线阻尼系统：ZIP模型上的BCU分类器

以下描述仿真结果。对改良BCU分类器总共给出507个事故，第一BCU分类器滤掉83个事故，并把它们归类为不稳定的。这83个事故由时域稳定程序在数值上核实。根据时域稳定程序，在这些事故中，74个事故确实是不稳定的，而9个事故是稳定的。余下的424个事故发送给第二BCU分类器，以进行另一次分类。此分类器滤掉16个被归为稳定的事故，并且根据时域稳定程序，它们确实是稳定的。余下的408个事故发送给BCU分类器III，该分类器筛选出0个不稳定事故。余下的408个事故发送给BCU分类器IV，该分类器筛选出1个不稳定事故。根据时域稳定程序，此事故是稳定的。第五BCU分类器不筛选任何事故。BCU分类器VI总共筛选出1个被归为不稳定的事故。然而，根据时域稳定程序，此事故是稳定的。余下的事故输入到最终BCU分类器，进行最后的分类。在它们中，380个事故归类为稳定的并且它们全部由时域稳定程序核实为稳定的；26个事故被归类为不稳定的。根据时域稳定程序的核实，在这26个情形中，8个事故确实是不稳定的，而18个事故是稳定的。

此数值仿真揭示改良BCU分类器不会错误地把不稳定事故归类为稳定事故，因而，满足动态安全分类器的可靠性要求。我们还对具有相同事故组和相同系统条件的173-母线电力系统应用改良BCU分类器，不同的是系统阻尼设定为零。此仿真结果在表格2和3中列出。同样，改良BCU分类器对此测试系统不会把不稳定的事故错分为稳定的。

基于以上数值仿真，我们在后面检查满意度，根据此满意度，改良BCU分类器满足用于对173-母线电力系统执行在线动态事故筛选的基本要求。

表2

在173-母线阻尼系统：ZIP模型上的改良BCU分类器

表3

在173-母线无阻尼系统：ZIP模型上的改良BCU分类器

表4

在173-母线无阻尼系统：ZIP负荷模型上的改良BCU分类器的性能评估

#	要求	描述	无阻尼	阻尼
					1	完全捕捉不稳定事故	所捕捉不稳定事故的数量/实际不稳定事故的数量＝1.0	100％	100％
2	大量的稳定事故	所检测稳定事故数量与实际稳定事故数量的比例接近但小于1.0	89.41％	92.41％
					3	很少的离线计算	符合在线要求。在线数据和离线数据几乎不相关。	是	是
4	高速	快速分类	是	是
					5	鲁棒性	每个分类器的相同阈值作用于不同的电力系统操作条件	是	是

完全捕捉和漏掉

改良BCU分类器满足在总计1014个事故中完全捕捉不稳定事故的要求。捕捉比例(即，所捕捉不稳定事故与实际事故的比例)为1.0。换句话说，改良BCU分类器捕捉所有不稳定事故。

大量漏掉稳定事故

漏掉率(即，由改良BCU分类器漏掉的稳定事故与实际稳定事故的比例)分别为90.99％(阻尼)和90.58％(无阻尼)。在表4中概括改良BCU分类器在这些测试系统上的可靠性和效率测量。注意，八个BCU分类器中每一个的相同阈值作用于这1014个情形。改良BCU分类器不要求离线计算。

BCU引导时域方法

我们现在转到在线DSA的阶段2，这包括详细稳定评估和能量裕度计算。在对直接法几十年的研究开发之后，已经很清楚：它们不能取代稳定分析中的时域方法。相反，直接法的能力和时域方法的能力是互补的。当前的开发方向是把直接法和快速时域方法结合为集成电力系统稳定程序，以便利用这两种方法的优点。

在计算能量裕度的文献中提出几种直接法。从实用观点出发，现有的直接法不能可靠地计算每个事故的准确能量裕度。一些直接法只能对某些类型的事故计算能量裕度，而另一些直接法可以计算其它类型事故的能量裕度。因而，必须采取基于时域的方法来对这些直接法不能计算的事故来计算准确能量裕度。相反，对每个事故计算准确能量裕度的任务一直以来被认为是一个具有挑战性的任务。

我们建议任何用于能量裕度计算的基于时域的方法都必须满足以下基本要求：

(B-1)该方法计算的临界能量值是准确和可靠的

(B-2)该方法计算的临界能量值必须与通过控制UEP所计算的临界能量值兼容

(B-3)该方法必须相当快。

开发此种基于时域的方法的一种有希望的途径是根据某一直接法与几个时域仿真的组合。

因而，到目前为止为计算能量裕度而提出的现有的所有基于时域的方法是包括以下两个步骤：

步骤1.(稳定评估)应用时域方法来仿真系统轨迹，并接着基于仿真的故障后轨迹来评估其稳定性。

步骤2.(能量裕度计算)单独基于仿真的故障后轨迹(如，基于等面积标准的方法以及混合方法)或结合一些其它的系统轨迹(如，改良混合方法和第二反冲(second-kick)方法)来计算相应的能量裕度。

显然，在模型有效性下，这些方法非常准确地判别稳定和不稳定的事故。然而，它们对于在线应用而言太慢，并且它们在计算能量裕度时的准确度不是令人满意的。而且，这些基于时域的方法不能满足上述要求(B-1)至(B-3)，大部分是因为以下困难：

·必须先计算临界清除时刻之后，才能获得临界能量值(因而获得能量裕度)。

·它们缺少理论基础

·故障清除时刻和能量裕度之间的关系相当复杂，并且可能不是函数关系。

·对于稳定事故，基于时域仿真程序的方法所要求的计算时间非常长

因而，用于能量裕度计算的现有时域方法不能应用于在线DSA的阶段1和阶段2。

近年来，在Mansour.Vaahedi和Chang的美国专利5638297中公布用于计算能量裕度的第二反冲方法[3]。然而，如几个数值仿真中所示，第二反冲方法不能总是满足基本要求(B-1)至(B-3)。具体地说，第二反冲方法计算的能量裕度通常与准确的能量裕度不兼容且不一致。

我们相信：开发基于时域仿真的方法来计算能量裕度的唯一可行途径是满足以下原则的途径：

(G-1)它基于临界清除时刻的计算(或近似)

(G-2)为了确定临界清除时刻，它可有效地减少执行时域稳定仿真的时间间隔。(显然，时间间隔越短，要求的时域稳定仿真的次数就越少，并且该方法将更快。)

本发明开发一种(两阶段)BCU引导的时域方法，此方法是基于时域的BCU引导方法，用于稳定评估并计算临界能量值。此方法所计算的能量裕度值能与控制UEP方法所计算的能量裕度值相兼容，而且此方法是可靠的和快速的。因而，该方法满足基本要求(B-1)至(B-3)。BCU引导时域方法使用BCU引导方案，在给定时间间隔内确定缩短时间的时间间隔，并且对确定的时间间隔采用黄金分割插值算法，以减少准确能量裕度计算所要求的时域仿真总次数。

我们还在本发明中开发一种称作BCU-DSA的新型系统，用于在现代能量管理系统中进行实际电力系统的在线动态安全评估和能量裕度计算。通过有效地研究BCU方法(和改良BCU分类器)与详细时域仿真程序的优点，该新型系统满足在线动态安全评估和能量裕度计算的要求。在图1中示出该新型系统的结构。在此结构中有两个主要部件：(i)由一系列的改良BCU分类器组成的动态事故筛选程序，所述改良BCU分类器的主要功能是从一组可信事故中筛选出所有肯定稳定的事故，并且捕捉所有(潜在)不稳定的事故；以及(ii)BCU引导的时域程序，该程序对在(i)中捕捉的(潜在)不稳定的和未决定的事故进行稳定分析和能量裕度计算。

发明内容

为了满足前述的迫切要求，本发明提供一种可靠有效的系统BCU-DSA，用于执行实际电力系统的在线动态安全评估(DSA)和能量裕度计算。

根据本发明的一方面，提供一种基于所输入的事故的在线事故动态筛选方法，所述事故包括影响电力系统的假设扰动，所述方法包括以下步骤：

通过网络孤岛问题分类器，基于所输入的事故中的断线事故，筛选出所输入的事故中的不稳定的事故；

通过稳定平衡点问题分类器，应用数值方法来计算从故障前稳定平衡点开始的故障后稳定平衡点，筛选出通过所述网络孤岛问题分类器未筛选出的包括数值发散问题和不正确收敛问题的不稳定事故；

通过大稳定区分类器，基于故障前稳定平衡点、故障后稳定平衡点和到退出点的时间，筛选出通过所述稳定平衡点问题分类器未筛选出的稳定事故；

如果可以在达到故障轨迹的退出点所需的时间间隔内找到退出点并且如果在所述故障前稳定平衡点处的位能和在所述退出点处的位能之间的位能差异为负，则通过退出点问题分类器筛选出通过所述大稳定区分类器未筛选出的引起退出点问题的不稳定事故；

如果用于获得最小梯度点的射线调节处理中的故障的总数大于阈值，则通过射线调节问题分类器筛选出通过所述退出点问题分类器未筛选出的不稳定事故；

如果在所述最小梯度点处的位能大于在所述退出点处的位能，则通过能量函数问题分类器筛选出通过所述射线调节问题分类器未筛选出的不稳定事故；

通过控制不稳定平衡点收敛问题分类器，在从最小梯度点开始通过使用用于获得控制不稳定平衡点的计算无法获得收敛或最小梯度点位于另一不稳定平衡点的收敛区域中而不是控制不稳定平衡点的收敛区域中时，筛选出通过所述能量函数问题分类器未筛选出的不稳定事故；

如果在故障清除时刻的能量值大于在所述控制不稳定平衡点处作为临界能量的能量值，则通过控制不稳定平衡点分类器筛选出通过所述控制不稳定平衡点收敛问题分类器未筛选出的不稳定事故；以及

确定通过稳定平衡点问题分类器、退出点问题分类器、射线调节问题分类器、能量函数问题分类器和控制不稳定平衡点收敛问题分类器筛选出的所述不稳定事故中的哪些在时域中是不稳定的。

根据本发明的另一方面，提供一种基于所输入的事故的在线事故动态筛选系统，所述事故包括影响电力系统的假设扰动，所述系统包括：

网络孤岛问题分类器，基于所输入的事故中的断线事故，筛选出所输入的事故中的不稳定的事故；

稳定平衡点问题分类器，应用数值方法来计算从故障前稳定平衡点开始的故障后稳定平衡点，筛选出通过所述网络孤岛问题分类器未筛选出的包括数值发散问题和不正确收敛问题的不稳定事故；

大稳定区分类器，基于故障前稳定平衡点、故障后稳定平衡点和到退出点的时间，筛选出通过所述稳定平衡点问题分类器未筛选出的稳定事故；

退出点问题分类器，如果可以在达到故障轨迹的退出点所需的时间间隔内找到退出点并且如果在所述故障前稳定平衡点处的位能和在所述退出点处的位能之间的位能差异为负，则筛选出通过所述大稳定区分类器未筛选出的引起退出点问题的不稳定事故；

射线调节问题分类器，如果用于获得最小梯度点的射线调节处理中的故障的总数大于阈值，则筛选出通过所述退出点问题分类器未筛选出的不稳定事故；

能量函数问题分类器，如果在所述最小梯度点处的位能大于在所述退出点处的位能，则筛选出通过所述射线调节问题分类器未筛选出的不稳定事故；

控制不稳定平衡点收敛问题分类器，在从最小梯度点开始通过使用用于获得控制不稳定平衡点的计算无法获得收敛或最小梯度点位于另一不稳定平衡点的收敛区域中而不是控制不稳定平衡点的收敛区域中时，筛选出通过所述能量函数问题分类器未筛选出的不稳定事故；

控制不稳定平衡点分类器，如果在故障清除时刻的能量值大于在所述控制不稳定平衡点处作为临界能量的能量值，则筛选出通过所述控制不稳定平衡点收敛问题分类器未筛选出的不稳定事故；以及

时域仿真分类器，确定通过稳定平衡点问题分类器、退出点问题分类器、射线调节问题分类器、能量函数问题分类器和控制不稳定平衡点收敛问题分类器筛选出的所述不稳定事故中的哪些在时域中是不稳定的。

具体地，本发明开发以下：

(i)改良BCU分类器

(ii)用于稳定评估和能量裕度计算的BCU引导时域方法

(iii)BCU-DSA系统，该系统是改良BCU分类器与BCU引导时域方法的混合结构，该系统执行实际电力系统的在线动态安全评估、评级和能量裕度计算。

3.1改良BCU分类器

改良BCU分类器(参见图2)满足上述五个要求(A-1)至(A-2)，并且包括以下特定顺序的BCU分类器：

分类器I(用于网络孤岛问题)

BCU分类器I设计为筛选出导致网络孤岛问题的非常不稳定的事故。

分类器II(用于SEP收敛问题)

此分类器设计为检测潜在不稳定的事故，当应用数值方法而从故障前稳定平衡点(SEP)开始计算故障后SEP时，所述事故导致以下SEP收敛问题。

(i)(数值发散问题)在从故障前稳定平衡点(SEP)开始计算故障后SEP时有发散问题，或者

(ii)(不正确收敛问题)它收敛到错误的故障后EP(平衡点)。在此分类器中，设计两个指标来确定导致SEP收敛问题的事故。

·I_smax：在计算(故障后)稳定平衡点时的最大迭代次数。

·δ_smax：在故障前稳定平衡点与计算的(故障后)稳定平衡点之间的最大角度差

分类器III-A(用于大稳定区的分类器)

此分类器设计为筛选出非常稳定的事故，所述事故导致潜在故障后SEP的大(足够尺寸)稳定区。为此分类器设计以下两个指标：

·T_exit：到达故障轨迹的退出点所需的时间间隔。

·δ_smax：在故障前SEP和计算的故障后EP之间的最大角度差。

分类器III-B(用于退出点问题的分类器)

此分类器用于筛选出导致所谓退出点问题的潜在不稳定事故。它在搜索退出点的过程中利用一些动态信息。为此分类器设计两个指标。它们是：

·T_exit：到达故障轨迹的退出点所需的时间间隔。

·故障前SEP和退出点之间的位能差。

给出一个研讨事故，如果发生退出点问题，即，可在时间间隔[0，T_exit]内找到退出点，并且，如果位能差是负的，那么，该事故就归类为潜在不稳定的事故。

分类器IV(用于射线调节问题的分类器)

此分类器在搜索最小梯度点过程中基于一些动态信息而筛选出潜在不稳定事故。如果在最小梯度点搜索过程中不能进行射线调节，就表示数值BCU方法无法应用于此，且归类该研讨事故为潜在不稳定的事故。我们为此分类器提出以下指标：

·N(射线调节)：在射线调节过程中的总失败次数。

分类器V(用于能量函数问题的分类器)

在此分类器中，我们用能量函数随着系统轨迹减小的性质而设计指标。如果在最小梯度点上的位能大于退出点上的，相应的事故就确定为导致能量函数问题并且归类为潜在不稳定的事故。

分类器VI(用于UEP收敛问题)

此分类器设计为：当应用数值方法以从MGP开始计算控制UEP时，检测以下UEP收敛问题。

(i)(数值发散问题)在从MGP开始计算控制UEP时有发散问题，或者

(ii)(不正确收敛问题)它收敛到错误的控制UEP，(即，最小梯度点位于另一UEP的收敛区域中，而不是控制UEP的收敛区域中)。

在此分类器中，设计下面的两个指标来确定那些导致UEP收敛适问题的事故。具有UEP收敛适问题的研讨事故则归类为潜在不稳定的。

·l_smax在计算CUEP时的最大迭代次数。

·δ_smax在最小梯度点和所计算UEP之间的最大角度差。

分类器VII(用于CUEP的分类器)

接着，余下的未分类的事故发送到BCU分类器VII，进行最后的分类。此分类器使用CUEP上的能量值作为临界能量，把每个余下的事故归类为(肯定)稳定的或(潜在)不稳定的。根据控制UEP方法的理论，如果故障清除时刻的能量值小于临界能量值，那么，相应的事故就(肯定)是稳定的；否则，它就是(潜在)不稳定的。

对八个BCU分类器提供可信事故列表，BCU分类器I设计为筛选出那些导致网络孤岛问题的事故，而分类器II设计为筛选出那些在计算故障后稳定平衡点时具有收敛问题的事故。BCU分类器III-A设计为过滤具有大(故障后)稳定区的非常稳定的事故，而分类器III-B筛选出那些在计算退出点时导致数值困难的事故。BCU分类器IV筛选出那些在寻找MGP时导致数值失败的事故。BCU分类器V过滤掉那些不能满足能量函数要求的事故。BCU分类器VI筛选出那些在从MGP开始计算控制UEP时使BCU方法经受数值问题的事故。BCU分类器VII使用控制UEP上的能量作为临界能量，把从前面分类器余下的每一个事故分为两类：稳定事故和不稳定事故。经过BCU分类器过滤的事故被确定为潜在不稳定的事故，则发送到时域方法(如BCU引导时域方法)，进行明确的稳定性分析和能量裕度计算。

3.2BCU引导时域方法

基于黄金分割的方法

给出研讨事故，假设故障后SEP存在且假设在一定的时间间隔内，即[t₁，t₂]，如果在t₁设定为故障清除时刻，故障后系统就是稳定的，如果在t₂设定为故障清除时刻，故障后系统就是不稳定的。因而，临界清除时刻位于间隔[t₁，t₂]内。本发明开发一种基于黄金分割的算法，使用以下步骤来计算位于时间间隔[t₁，t₂]内的临界清除时刻：

基于黄金分割的方法

步骤1.使用黄金分割方法从间隔[t₁，t₂]计算两个故障清除瞬间

$t_0^{\left(1\right)}=0.618t_1+0.382t_2$

$t_0^{\left(2\right)}=0.618t_2+0.382t_1$

步骤2.对故障清除时刻为t₀ ⁽¹⁾的事故执行时域稳定分析。如果故障后系统是不稳定的，就设定 $t_2=t_0^{\left(1\right)},$ 并且前进到步骤3；否则就设定 $t_1=t_0^{\left(1\right)},$ 并且对故障清除时刻为t₀ ⁽²⁾的事故执行时域稳定分析。如果故障后系统是稳定的，就设定 $t_1=t_0^{\left(2\right)};$ 否则就设定 $t_2=t_0^{\left(2\right)}.$

步骤3.检查收敛性：如果‖t₁-t₂‖≤ε，就前进到步骤4；否则就前进到步骤1。

步骤4.临界清除时刻设定为t₁，并且在此临界清除时刻的系统能量设定为临界能量。

本发明开发一种(两阶段)BCU引导时域方法，该基于时域的方法是用于执行稳定评估并计算临界能量值。该方法对于计算与控制UEP方法所计算能量裕度值兼容的能量裕度值而言是可靠和快速的。因而，该方法满足基本要求(B1)-(B3)。以下符号用于我们对该方法的描述中

·t_cl_故障清除时刻

·t_mgp_在MGP的时间

·t_ep_在退出点的时间

·V_cl ^PE_在故障清除时刻的位能

·V_cl ^KE_在故障清除时刻的动能

·V_mgp_在MGP的能量

·V_ep_在退出点的能量

·V_uep_在控制不稳定平衡点的能量

以下详细描述用于每一个事故的BCU引导时域方法(同时参照图3)。假设满足以下条件。如果所述条件不满足，则容易相应地修改该方法。

t_cl＜min{t_uep，t_mgp，t_ep}

BCU引导时域方法

输入：具有与动态安全评估和事故相关的数据的电力系统

输出：对电力系统上事故的稳定评估和能量裕度值

步骤1.(对具有事故的电力系统)应用BCU方法，以计算退出点(即，PEBS交点)。如果可在一定的时间内(如在2秒钟内)找到退出点，就前进到步骤2；否则，如果终点的能量是正的，就宣布故障后系统为非常稳定的，并且能量裕度被赋值999，并且停止处理；否则，就宣布故障后系统为非常不稳定的，并且能量裕度被赋值-999，并且停止处理。

步骤2.如果退出点的能量为正，就前进到步骤3；否则，就宣布故障后系统为非常不稳定的，并且能量裕度被赋值-999，并且停止处理。

步骤3.继续BCU方法，以计算MGP。如果找到MGP，就前进到步骤6；否则，就前进到步骤4。

步骤4.执行下列操作：(i)(估计)设定临界能量为在退出点的能量值，即V_cr＝V_ep，并且从故障轨迹寻找故障时间(即t_ep)。(ii)(核实)以t_ep作为故障清除时刻而执行时域仿真。如果故障后系统是稳定的，就设定V_ep为V_cr，并且停止处理；否则，就前进到步骤5。

步骤5.以t_cl的状态作为初始条件对故障后系统执行时域仿真。如果是稳定的，就设定t₀＝t_cl并且t₁＝t_ep；否则就设定t₀＝0并且t₁＝t_cl。前进到步骤8。

步骤6.继续BCU方法，以计算CUEP。如果找到CUEP，就前进到步骤9；否则执行下列操作：(i)(估计)设定临界能量为在最小梯度点的能量值，即，V_cr＝V_mgp，并且从故障轨迹寻找相应的故障时间(即t_mgp)。(ii)(核实)以t_mgp作为故障清除时刻而执行时域仿真。如果故障后系统是稳定的，就设定V_mgp为临界能量，并且停止处理；否则，就前进到步骤7。

步骤7.以t_cl的状态作为初始条件对故障后系统执行时域仿真。

如果是稳定的，就设定t₀＝t_el并且t₁＝t_mgp；否则就设定t₀＝0并且t₁＝t_cl。前进到步骤8。

步骤8.执行下列操作来确定临界能量值

(i)(插值)用基于黄金分割的插值方法在(t₀，t₁)之间进行插值，以寻找一个瞬间，记作t⁽⁰⁾。

(ii)(核实)以t⁽⁰⁾作为故障清除时刻而执行时域仿真；如果故障后系统是稳定的，就把t⁽⁰⁾作为临界清除时刻，并且相应状态的能量值作为临界能量，且停止处理；否则设定t₁＝t⁽⁰⁾，并前进到此步骤的(i)(即在间隔(t₀，t⁽⁰⁾)之间进行另一次插值)。

步骤9.在所计算CUEP上的能量值用作临界能量值。停止处理。

可以修改BCU引导时域方法中的步骤9，以时域仿真为代价以便改进BCU方法的保守性质。对于那些被BCU方法评估为稳定的事故，相应的能量裕度保持不变(即，基于BCU方法而确定能量裕度)；对于那些被BCU方法评估为不稳定的事故，可按以下修改相应的能量裕度：

步骤10.如果事故被所计算的CUEP评估为稳定的，那么，相应的能量裕度就保持不变，并且停止处理；否则，以t_cl的状态作为初始条件对故障后系统执行时域仿真。如果是不稳定的，就设定t₀＝0并且t₁＝t_cl，并前进到步骤8；否则前进到步骤11。

步骤11.以t_mgp作为故障清除时刻而执行时域仿真。如果故障后系统是稳定的，就设定V_mgp为临界能量，且停止处理；否则设定t₀＝t_cl并且t₁＝t_mgp，并前进到步骤8.

3.3BCU-DSA系统

本发明提供一种新型系统BCU-DSA，用于执行实际电力系统的在线动态安全评估和能量裕度计算。BCU-DSA的结构包括两个主要部件(参见图1)：由八个BCU分类器组成的动态事故分类程序以及BCU引导的时域仿真程序。当批准DSA的新周期时，首先，可信事故列表，状态估计和拓扑分析的信息一起输入到改良BCU分类器，所述改良BCU分类器的基本功能是筛选出潜在不稳定或肯定稳定的事故。由改良BCU分类器归类为肯定稳定的事故被赋予能量函数值，接着被排除进一步的稳定分析。被确定为潜在不稳定的事故接着发送给BCU引导时域仿真程序，以执行进一步的稳定分析和能量裕度计算。

BCU-DSA系统对实际电力系统的每个事故给出明确的稳定和不稳定评估以及准确的能量裕度，该系统的详细流程图在图4中示出。由分类器I至VI，不包括分类器III-A，滤掉的事故被归类为潜在不稳定的或未决定的，并且发送给BCU引导时域方法，进行明确的稳定分析和能量裕度计算。BCU分类器III-A和VII滤掉的事故被归类为稳定的，能量裕度已经计算，并且不需要进一步的分析。因而，本发明中的新型BCU-DSA的一个明显特性是不仅除去BCU方法中的保守性质，而且大大地提高BCU方法的可靠性和时域仿真方法的计算速度。

附图说明

图1为用于在线动态安全评估、能量裕度计算和控制的BCU-DSA的结构。

图2为用于在线动态事故筛选的改良BCU分类器的结构。

图3为用于可靠的稳定评估和能量裕度计算的BCU引导时域方法的流程图。

图4为用于可靠的稳定评估、动态事故评级和能量裕度计算的BCU-DSA系统的流程图。

图5为示出根据图4所示BCU-DSA系统的用于规划电力系统的系统的框图。

图6为示出根据图4所示BCU-DSA系统的用于分析电力系统的系统的框图。

图7为示出根据图4所示BCU-DSA系统的用于操作电力系统的系统的框图。

图8为示出根据图4所示BCU-DSA系统的用于电力市场的信息系统的框图。

具体实施方式

本发明开发一种新型系统，即BCU-DSA系统，用于实际电力系统的在线动态安全评估和能量裕度计算。BCU-DSA系统由以下三个主要子系统组成：

(i)改良BCU分类器

(ii)用于稳定评估和能量裕度计算的BCU引导时域仿真程序

(iii)BCU-DSA系统，该系统是改良BCU分类器与BCU引导时域仿真程序的混合结构，该系统执行实际电力系统的在线动态安全评估和能量裕度计算。

5.1改良BCU分类器

改良BCU分类器的主要设计目的是保证满足上述用于在线动态事故筛选的全部五个要求。为此，开发和集成八个BCU分类器，以形成基于在线和预测数据而执行在线动态安全分类的改良BCU分类器。八个BCU分类器顺序执行在线暂态稳定分类，从而，每个BCU分类器不仅筛选出不稳定事故，而且筛选出那些可导致后续分类器性能下降的事故。

改良BCU分类器的另一设计目的是保证以下标准：

稳定分类中的保守标准

如果事故被改良BCU分类器归类为稳定的，该事故相对于所提供数据和模型(第一摆或多摆)就确实是稳定的；另一方面，如果事故被改良BCU分类器归类为不稳定的，该事故就是稳定的或不稳定的(第一摆或多摆)。

以上保守标准在执行在线动态安全评估时是重要的。接着，所有由每个BCU分类器归类为肯定稳定的事故从进一步分析中除去。这是由稳定事故的明确分类所引起的，这样可实现高速动态安全评估。只有那些未被改良BCU分类器决定或确定为不稳定的事故接着发送到时域暂态稳定程序，以执行进一步的稳定分析。注意，BCU分类器给出保守分类的唯一情形是稳定事故、第一摆或多摆被归类为不稳定事故。

在图1中示出改良BCU分类器的结构。在控制UEP方法和BCU方法以及稳定区理论的理论基础上建立本发明的改良BCU分类器。更具体地，在控制UEP方法的理论基础上建立BCU分类器I、II、V和VII，同时，在BCU方法和稳定区理论的理论基础上建立BCU分类器III-A、III-B、IV、VI和VII。在八个BCU分类器中，仅有的过滤肯定稳定的事故并计算有关能量裕度的一个BCU分类器是BCU分类器VII，而分类器III-A过滤出非常稳定的事故。其它BCU分类器的目的是筛选出不稳定事故。以下给出每个分类器的详细描述。

分类器I(用于网络孤岛问题)

由于断线事故的影响，电网可能被分为两个子网，称作网络孤岛。尽管可在每个子网内保持同步，但电网整体将因网络孤岛而肯定失去同步。因而，如果事故导致网络孤岛问题，该事故就被归类为非常不稳定的。

BCU分类器I设计为筛选出导致网络孤岛问题的非常不稳定事故。

分类器II(用于SEP收敛问题)

此分类器设计为检测潜在不稳定的事故，当应用数值方法而从故障前稳定平衡点(SEP)开始计算故障后SEP时，所述事故导致以下SEP收敛问题。

(i)(数值发散问题)在从故障前稳定平衡点(SEP)开始计算故障后SEP时有发散问题，或者

(ii)(不正确收敛问题)它收敛到错误的故障后EP(平衡点)。在此分类器中，设计两个指标来确定导致SEP收敛问题的事故。

·I_smax：在计算(故障后)稳定平衡点时的最大迭代次数。

·δ_smax：在故障前稳定平衡点与计算的(故障后)稳定平衡点之间的最大角度差

在从故障前SEP开始计算故障后SEP时，第一个指标基于最大迭代次数而检测发散问题，即I_smax。如果所用迭代次数超过预定次数，那么，相应的事故就被视为导致数值发散问题，并且被归类为潜在不稳定的。第二个指标使用故障前SEP和所计算的故障后EP之间的最大角度差，作为判断是否发生不正确收敛问题的依据。如果最大角度差大于预定的数量，那么，相应的事故就认为已经导致不正确收敛问题，并且被归类为潜在不稳定的事故。

分类器III-A(用于大稳定区的分类器)

此分类器设计为筛选出非常稳定的事故，所述事故导致潜在故障后SEP的大(足够尺寸)稳定区。此分类器在BCU方法的退出点搜索处理过程中利用一些动态信息。为此分类器设计以下两个指标：

·T_exit：到达故障轨迹的退出点所需的时间间隔。

·δ_smax：在故障前SEP和所计算的故障后EP之间的最大角度差。

如果在时间间隔[0，T_exit]内未发现退出点(即，PEBS交点)，并且如果最大角度差小于阈值，那么，该事故就是非常稳定的，并且不需要进一步的分析。

分类器III-B(用于退出点问题的分类器)

此分类器用于筛选出导致所谓退出点问题的潜在不稳定事故。它在搜索退出点过程中利用一些动态信息。为此分类器设计两个指标。

它们是：

·T_exit：到达故障轨迹的退出点的所需的时间间隔。

·在故障前SEP和退出点之间的位能差。

给出一个研讨事故，如果发生退出点问题，即，可在时间间隔[0，T_exit]内找到退出点，并且，如果位能差是负的，那么，该事故就归类为潜在不稳定的。

分类器IV(用于射线调节问题的分类器)

此分类器用于在搜索最小梯度点过程中基于一些动态信息而筛选出潜在不稳定的事故。

如果在搜索最小梯度点过程中不能进行射线调节，就表示数值BCU方法无法应用于此，研讨事故且归类它为潜在不稳定的事故。我们为此分类器提出以下指标：

·N(射线调节)：在射线调节过程中的总失败次数。

给出一个研讨事故，如果次数N(射线调节)大于阈值，那么，就认为该事故具有射线调节问题，并且被归类为不稳定的事故。

分类器V(用于能量函数问题的分类器)

基于以下假设而得到能量函数，所述假设为：电力系统的传输电导足够小，从而，该函数满足作为能量函数所要求的三个条件。如果传输电导不足够小，那么，就不能使用(数值)能量函数来直接评估暂态稳定。

在此分类器中，我们用能量函数随着系统轨迹减小的性质而设计指标。如果在最小梯度点上的位能大于退出点上的，相应的事故就确定为导致能量函数问题并且归类为潜在不稳定的。

分类器VI(用于UEP收敛问题)

此分类器设计为：当应用数值方法从MGP开始计算控制UEP时，检测以下UEP收敛问题。

(i)(数值发散问题)在从MGP开始计算控制UEP时有发散问题，或者

(ii)(不正确收敛问题)它收敛到错误的控制UEP，(即，最小梯度点位于另一UEP的收敛区域中，而不是控制UEP的收敛区域中)。

在此分类器中，设计两个指标来确定那些导致UEP收敛问题的事故。下面描述的第一个指标基于在从最小梯度点开始计算控制UEP时的最大迭代次数，即l_smax，而检测数值发散问题。

·l_smax在计算CUEP时的最大迭代次数。

如果在计算CUEP时所用的迭代次数超过预定次数，相应的事故就认为是导致数值发散问题，并且被归类为潜在不稳定的。

下面描述的第二个指标使用最小梯度点和所计算UEP之间的最大角度差作为检测是否发生不正确收敛问题的依据。

·δ_smax在最小梯度点和所计算UEP之间的最大角度差。

如果最大角度差大于预定数量，相应的事故就认为是导致不正确收敛问题，并且被归类为潜在不稳定的。

分类器VII(用于CUEP的分类器)

接着，余下的未分类的事故发送到BCU分类器VII，进行最后的分类。此分类器使用CUEP上的能量值作为临界能量，以便把每个余下的事故归类为(肯定)稳定的或(潜在)不稳定的。根据控制UEP方法的理论，如果故障清除时刻的能量值小于临界能量值，那么，相应的事故就(肯定)是稳定的；否则，就是(潜在)不稳定的。

基于几个实际电力系统的广泛仿真结果，我们发现改良BCU分类器可满足上述基本要求。具体地，改良BCU分类器可实现不稳定事故的完全捕捉；即，不会错过不稳定(单摆或多摆)事故；即，所捕捉不稳定事故与实际临界事故的比例是100％。进而，滤掉量(即滤掉的稳定事故与实际稳定事故的比例)非常高。这些仿真结果揭示：对于实际电力系统的在线动态安全评估而言，所述改良BCU分类器是非常可靠和有效的。

5.2BCU引导时域方法

本发明开发一种(两阶段)BCU引导时域方法，该方法是用于执行稳定评估并计算临界能量值的基于时域的BCU引导方法。该方法对于计算与控制UEP方法所计算能量裕度值兼容的能量裕度值。因而，该方法满足基本要求(B1)-(B3)。

BCU引导时域方法使用BCU引导方案，在给定时间间隔内确定缩短时间的时间间隔，并采用黄金分割插值算法来确定时间间隔，以减少准确能量裕度计算所需的时域仿真总数。为了解释的目的，令事故的CCT，即t_clr，在时间间隔[0，T_max]内。BCU引导时域方法的第一阶段使用BCU引导方案，在[0，T_max]内确定子时间间隔[t_min，t_max]，其中，t_min＜t_clr＜t_max。该方法的第二阶段对间隔[t_min，t_max]采用下面描述的黄金分割算法，并且执行几次时域仿真，以便精确定出满足下列条件的足够小的间隔[t_clr ^min，t_clr ^max]。

$\left\{\begin{array}{c}{t}_{\mathrm{clr}}^{\min }<t_{\mathrm{clr}}<t_{\mathrm{clr}}^{\max }\\ |t_{\mathrm{clr}}^{\max }-t_{\mathrm{clr}}^{\min }|<\mathrm{\&epsiv;}\end{array}\right.$

因而，我们获得近似CCT。

基于黄金分割的方法

黄金分割方法是用于寻找实值单峰函数最优解的一维搜索方法。黄金分割方法具有可靠性优秀和收敛快速的美誉，并且已经在用于执行一维最佳搜索的许多商业软件包中广泛使用。我们应用黄金分割算法，寻找位于时间间隔内的临界清除时刻。

给出研讨事故，假设故障后SEP存在，而且假设在某一特定的时间间隔内，即[t₁，t₂]，如果在t₁设定为故障清除时刻，故障后系统就是稳定的，如果在t₂设定为故障清除时刻，故障后系统是不稳定的。因此，临界清除时刻位于间隔[t₁，t₂]内。我们应用黄金分割算法，使用以下步骤来计算位于时间间隔[t₁，t₂]内的临界清除时刻：

基于黄金分割的方法

步骤1.使用黄金分割方法从间隔[t₁，t₂]计算两个故障清除时刻

$t_0^{\left(1\right)}=0.618t_1+0.382t_2$

$t_0^{\left(2\right)}=0.618t_2+0.382t_1$

步骤2.对故障清除时刻为t₀ ⁽¹⁾的事故执行时域稳定分析。如果故障后系统是不稳定的，就设定 $t_2=t_0^{\left(1\right)},$ 并且前进到步骤3；否则就设定 $t_1=t_0^{\left(1\right)},$ 并且对故障清除时刻为t₀ ⁽²⁾的事故执行时域稳定分析。如果故障后系统是稳定的，就设定 $t_1=t_0^{\left(2\right)};$ 否则就设定 $t_2=t_0^{\left(2\right)}.$

步骤3.检查收敛性：如果‖t₁-t₂‖≤ε，就前进到步骤4；否则就前进到步骤1。

步骤4.临界清除时刻设定为t₁，并且在此临界清除时刻的系统能量设定为临界能量。

在应用黄金分割算法计算临界能量之前，一个重要的任务是设定用于黄金分割算法中的初始(故障清除)时间间隔的上、下限，以执行分割。在本发明中，基于下列一些信息而开发用于确定此初始时间间隔的BCU引导方法：

·在退出点(EP)上的势能V_ep，

·在最小梯度点(MGP)上的势能V_mgp，

·一些插值时域仿真结果

我们接下来详细描述用于准确计算临界能量的BCU引导时域方法。以下使用的符号在第3节中解释。对满足以下条件的情形进行此描述。

t_cl＜min{t_uep，t_mgp，t_ep}

如果所述条件不满足，则很容易相应地修改此方法。

BCU引导时域方法

输入：具有与动态安全评估和事故相关的数据的电力系统

输出：对电力系统上事故的稳定评估和能量裕度值

步骤1.(对具有事故的电力系统)应用BCU方法，以计算退出点(即，PEBS交点)。如果可在一定的时间内(如在2秒钟内)找到退出点，就前进到步骤2；否则，如果终点的能量是正的，就宣布故障后系统为非常稳定的，并且能量裕度被赋值999，并且停止处理；否则，就宣布故障后系统为非常不稳定的，并且能量裕度被赋值-999，并且停止处理。

步骤2.如果退出点的能量为正，就前进到步骤3；否则，就宣布故障后系统为非常不稳定的，并且能量裕度被赋值-999，并且停止处理。

步骤3.继续BCU方法来计算MGP。如果找到MGP，就前进到步骤6；否则，就前进到步骤4。

步骤4.执行下列操作：(i)(估计)设定临界能量为在退出点上的能量值，即V_cr＝V_ep，并且从故障轨迹寻找相应的故障时刻(即t_ep)。(ii)(核实)以t_ep作为故障清除时刻而执行时域仿真。如果故障后系统是稳定的，就设定V_ep为V_cr，并且停止处理；否则，就前进到步骤5。

步骤5.以t_cl的状态作为初始条件对故障后系统执行时域仿真。如果是稳定的，就设定t₀＝t_cl并且t₁＝t_ep；否则就设定t₀＝0并且t₁＝t_cl。前进到步骤8。

步骤6.继续BCU方法来计算CUEP。如果找到CUEP，就前进到步骤9；否则执行下列操作：(i)(估计)设定临界能量为在最小梯度点上的能量值，即，V_cr＝V_mgp，并且从故障轨迹寻找相应的故障时刻(即t_mgp)。(ii)(核实)以t_mgp作为故障清除时刻而执行时域仿真。如果故障后系统是稳定的，就设定V_mgp为临界能量，并且停止处理；否则，就前进到步骤7。

步骤7.以t_cl的状态作为初始条件对故障后系统执行时域仿真。如果是稳定的，就设定t₀＝t_cl并且t₁＝t_mgp；否则就设定t₀＝0并且t₁＝t_cl。前进到步骤8。

步骤8.执行下列操作来确定临界能量值

(i)(插值)用基于黄金分割的插值方法在(t₀，t₁)之间进行插值，以寻找瞬间，记作t⁽⁰⁾。

(ii)(核实)以t⁽⁰⁾作为故障清除时刻而执行时域仿真；如果故障后系统是稳定的，就把t⁽⁰⁾作为临界清除时刻，并且相应状态的能量值作为临界能量，且停止处理；否则设定t₁＝t⁽⁰⁾，并前进到此步骤的(i)(即在间隔(t₀，t⁽⁰⁾)之间进行另一次插值)。

步骤9.在所计算CUEP上的能量值用作临界能量值。停止处理。

可以修改BCU引导时域方法中的步骤9，以便改进BCU方法以时域仿真为代价的保守性质。对于那些被BCU方法评估为稳定的事故，相应的能量裕度保持不变(即，基于BCU方法而确定能量裕度)；对于那些被BCU方法评估为不稳定的事故，可按以下修改相应的能量裕度：

步骤10.如果事故被所计算CUEP评估为稳定的，那么，相应的能量裕度就保持不变，并且停止处理；否则，以t_cl的状态作为初始条件对故障后系统执行时域仿真。如果是不稳定的，就设定t₀＝0并且t₁＝t_cl，并前进到步骤8；否则前进到步骤11。

步骤11.以t_mgp作为故障清除时刻而执行时域仿真。如果故障后系统是稳定的，就设定V_mgp为临界能量，且停止处理；否则设定t₀＝0并且t₁＝t_mgp，并前进到步骤8.

为了说明本发明的BCU引导时域方法满足三个基本要求(B1)-(B3)的有效性，我们对具有一组事故的实际200-母线电力系统应用该方法。另外，对实际电力系统在BCU引导方法、第二反冲方法[3]和精确时域方法之间进行准确性和计算速度方面的比较研究。这些数值结果概括如下。

·对于每一个事故，BCU引导时域方法总是计算小于并接近精确时域方法所计算能量裕度的能量裕度。此性质表示BCU引导方法在计算能量裕度时的保守。在直接法精神范围内的此性质在实际应用中是令人满意的。

·第二反冲方法可对每个事故计算能量裕度；然而，计算的能量裕度可能大于或小于通过精确时域方法所计算的。此性质意味着第二反冲方法在计算能量裕度方向是不一致的，这在预期应用中可导致能量裕度被过低估计或过高估计。

·在BCU引导时域方法的计算速度与精确时域方法的计算速度之间的比较大概为1到2的比例。

·三种方法共享一种公共性质：它们对每个事故计算能量裕度。

·(速度)总体上，在这三种方法中，BCU引导方法具有最快的计算速度。

5-3 BCU-DSA

本发明开发一种改良BCU分类器与BCU引导时域仿真程序的混合结构，称作BCU-DSA，用于执行在线动态安全评估、能量裕度计算和控制(如图4所示)。在此结构中有两个主要的部件：(i)改良BCU分类器，其主要功能是从一组可信事故中筛选出所有肯定稳定的事故，并且捕捉所有(潜在)不稳定的事故；以及(ii)BCU引导时域程序，该程序对在(i)中捕捉的(潜在)不稳定事故进行稳定分析和能量裕度计算。改良BCU分类器和BCU引导时域稳定分析程序的混合结构通过有效研究BCU方法(和改良BCU分类器)和详细时域仿真程序的优点，而实现可靠性和准确性。为了实现在线DSA所需的高速度，混合结构设计为：只对以下两种事故才使用BCU引导时域仿真程序：(1)由BCU分类器归类为潜在不稳定的事故，以及(2)无法通过BCU方法获得能量裕度的事故。而且，BCU引导时域稳定分析程序在稳定评估中消除直接法中的，具体为BCU分类器中的保守性质：即，把稳定的事故归类为不稳定的。结果，本发明的混合结构给出精确的稳定评估，即，既不乐观也不悲观的稳定评估。

当批准DSA的新周期时，首先，可信事故列表、状态估计和拓扑分析的信息一起输入到改良BCU分类器，所述改良BCU分类器的基本功能是筛选出潜在不稳定或肯定稳定的事故。由改良BCU分类器归类为肯定稳定的事故被赋予能量函数值，接着被排除进一步的稳定分析。被确定为潜在不稳定的事故接着发送给BCU引导时域仿真程序，以执行进一步的稳定分析和能量裕度计算。更具体地，应用BCU引导时域方法，以便对那些由BCU分类器II至VI，但不包括III-A，所筛选出的事故执行稳定评估和能量裕度计算。

纠正措施的部件功能判断使用及时故障后事故纠正措施如自动急救措施是否可操纵系统从不可接受条件切换到可接受状态。如果没有适当的纠正措施，预防措施的部件功能就决定所需的事故前预防措施，以便在发生某些事故时维持系统稳定。

在以上描述中，图4中示出的BCU-DSA系统可适用于以下系统。

图5为示出根据图4所示BCU-DSA系统的用于规划电力系统的系统的框图。

在图5中，该系统包括提供者50、BCU-DSA系统53和详细仿真系统54。提供者50向电力系统提供建造规划51以及电力系统的事故列表52。BCU-DSA系统53根据建造规划51和事故列表52中的任一个而执行图4中的方法。详细仿真系统54根据BCU-DSA系统53的操作结果而执行详细仿真。操作者利用详细仿真的结果55，以便决定建造规划51。

图6为表示根据图4所示BCU-DSA系统的用于分析电力系统的系统的框图。

在图6中，该系统包括采集系统61、能量管理系统(EMS)62、数据库63和BCU-DSA系统64。采集系统61采集电力系统60的信息。能量管理系统62对电力系统执行能量管理并且估计电力系统的能量流。数据库63储存由能量管理系统62估计的能量流。BCU-DSA系统64根据数据库63储存的能量流以及事故列表65而执行图4中的方法，以便评估暂态稳定，并且对电力系统中事故列表的每个事故计算能量裕度指标66。

图7为表示根据图4所示BCU-DSA系统的用于操作电力系统的系统的框图。

在图7中，该系统包括采集系统72、能量管理系统(EMS)73以及与EMS 73有关的BCU-DSA系统74。采集系统72采集电力系统的信息。EMS 73对电力系统执行能量管理并且估计电力系统的能量流。BCU-DSA系统74根据EMS 73计算的能量流以及事故列表75而执行图4中的方法，以便评估暂态稳定，并且对电力系统中事故列表的每个事故计算能量裕度指标76，其中，该能量裕度指标76利用电力系统的发电机输出的再分配指令。

图8为表示根据图4所示BCU-DSA系统的用于电力市场的信息系统的框图。

在图8中，该系统包括采集系统82、能量管理系统(EMS)83以及与EMS 83有关的BCU-DSA系统84。采集系统82采集电力系统的信息。EMS 83对电力系统执行能量管理并且估计电力系统的能量流。BCU-DSA系统84根据EMS 83计算的能量流以及事故列表85而执行图4中的方法，以便评估暂态稳定，并且计算电力系统的能量裕度指标86，其中，该能量裕度指标86利用电力市场87并且发送电力系统的发电机输出的再分配指令。

6.参考文献

[1]H.D.Chiang，“用于确定电力系统暂态稳定的在线方法”，美国专利5483462，1996年1月9日。

[2]H.D.Chiang和C.S.Wang，“用于防止电力系统中电压崩溃的动态方法”，美国专利5796628，1998年8月18日。

[3]Y.Mansour等，“电力系统在线暂态稳定评估方法”，美国专利5638297，1997年6月10日。

[4]C.Tang、C.E.Grahma、M、El-kady和R.T.H.Ablen，“常规时域模式的暂态稳定指标”，IEEE Trans，PWRS，第3期，第9卷，1994年8月，第1524-1530页。

[5]E.Vaahedi等，“用于在线动态安全评估的增强第二反冲方法”，IEEE Trans，PWRS，第4期，第11卷，1996年11月，第1976-1982页。

尽管按照优选实施例描述本发明，但应该理解，只要不偏离后附权利要求所定义的本发明范围，就可对所述实施例进行许多修改和变更。

Claims (2)

1.一种基于所输入的事故的在线事故动态筛选方法，所述事故包括影响电力系统的假设扰动，所述方法包括以下步骤：

通过网络孤岛问题分类器，基于所输入的事故中的断线事故，筛选出所输入的事故中的不稳定的事故；

通过稳定平衡点问题分类器，应用数值方法来计算从故障前稳定平衡点开始的故障后稳定平衡点，筛选出通过所述网络孤岛问题分类器未筛选出的包括数值发散问题和不正确收敛问题的不稳定事故；

通过大稳定区分类器，基于故障前稳定平衡点、故障后稳定平衡点和到退出点的时间，筛选出通过所述稳定平衡点问题分类器未筛选出的稳定事故；

如果可以在达到故障轨迹的退出点所需的时间间隔内找到退出点并且如果在所述故障前稳定平衡点处的位能和在所述退出点处的位能之间的位能差异为负，则通过退出点问题分类器筛选出通过所述大稳定区分类器未筛选出的引起退出点问题的不稳定事故；

如果用于获得最小梯度点的射线调节处理中的故障的总数大于阈值，则通过射线调节问题分类器筛选出通过所述退出点问题分类器未筛选出的不稳定事故；

如果在所述最小梯度点处的位能大于在所述退出点处的位能，则通过能量函数问题分类器筛选出通过所述射线调节问题分类器未筛选出的不稳定事故；

通过控制不稳定平衡点收敛问题分类器，在从最小梯度点开始通过使用用于获得控制不稳定平衡点的计算无法获得收敛或最小梯度点位于另一不稳定平衡点的收敛区域中而不是控制不稳定平衡点的收敛区域中时，筛选出通过所述能量函数问题分类器未筛选出的不稳定事故；

如果在故障清除时刻的能量值大于在所述控制不稳定平衡点处作为临界能量的能量值，则通过控制不稳定平衡点分类器筛选出通过所述控制不稳定平衡点收敛问题分类器未筛选出的不稳定事故；以及

确定通过稳定平衡点问题分类器、退出点问题分类器、射线调节问题分类器、能量函数问题分类器和控制不稳定平衡点收敛问题分类器筛选出的所述不稳定事故中的哪些在时域中是不稳定的。

2.一种基于所输入的事故的在线事故动态筛选系统，所述事故包括影响电力系统的假设扰动，所述系统包括：

网络孤岛问题分类器，基于所输入的事故中的断线事故，筛选出所输入的事故中的不稳定的事故；

稳定平衡点问题分类器，应用数值方法来计算从故障前稳定平衡点开始的故障后稳定平衡点，筛选出通过所述网络孤岛问题分类器未筛选出的包括数值发散问题和不正确收敛问题的不稳定事故；

大稳定区分类器，基于故障前稳定平衡点、故障后稳定平衡点和到退出点的时间，筛选出通过所述稳定平衡点问题分类器未筛选出的稳定事故；

退出点问题分类器，如果可以在达到故障轨迹的退出点所需的时间间隔内找到退出点并且如果在所述故障前稳定平衡点处的位能和在所述退出点处的位能之间的位能差异为负，则筛选出通过所述大稳定区分类器未筛选出的引起退出点问题的不稳定事故；

射线调节问题分类器，如果用于获得最小梯度点的射线调节处理中的故障的总数大于阈值，则筛选出通过所述退出点问题分类器未筛选出的不稳定事故；

能量函数问题分类器，如果在所述最小梯度点处的位能大于在所述退出点处的位能，则筛选出通过所述射线调节问题分类器未筛选出的不稳定事故；

控制不稳定平衡点收敛问题分类器，在从最小梯度点开始通过使用用于获得控制不稳定平衡点的计算无法获得收敛或最小梯度点位于另一不稳定平衡点的收敛区域中而不是控制不稳定平衡点的收敛区域中时，筛选出通过所述能量函数问题分类器未筛选出的不稳定事故；

控制不稳定平衡点分类器，如果在故障清除时刻的能量值大于在所述控制不稳定平衡点处作为临界能量的能量值，则筛选出通过所述控制不稳定平衡点收敛问题分类器未筛选出的不稳定事故；以及

时域仿真分类器，确定通过稳定平衡点问题分类器、退出点问题分类器、射线调节问题分类器、能量函数问题分类器和控制不稳定平衡点收敛问题分类器筛选出的所述不稳定事故中的哪些在时域中是不稳定的。

Images