CN103336994A - 电力系统暂态稳定评估预想故障集快速筛选方法 - Google Patents

Abstract

本发明公开了一种电力系统暂态稳定评估预想故障集快速筛选方法，属于电力系统及其自动化技术领域。本发明基于扩展等面积准则(extendedequal-areacriterion,EEAC)，以由简化程度不同的暂态稳定分析算法反映的研究算例时变程度和暂态稳定裕度为指标，结合研究算例故障信息，匹配组合成不同筛选判据，从预想故障全集中分层筛选掉满足筛选判据的预想故障子集，大大减少了需进行详细暂态稳定分析的预想故障数。本发明可在保证不失暂态稳定评估准确性的前提下，提高暂态稳定评估快速性，从而恰到好处地协调暂态稳定分析的精度与速度。

Description

电力系统暂态稳定评估预想故障集快速筛选方法

技术领域

本发明属电力系统及其自动化技术领域，更准确地说，本发明涉及一种电力系统暂态稳定评估预想故障集的筛选方法。

背景技术

现代电力系统规模的不断扩大，电力市场机制的更加成熟以及特高压智能电网建设的快速发展对电力系统暂态稳定的准确快速评估提出了更高的要求。而一直以来，暂态稳定分析的速度与精度始终是一对矛盾：时域仿真法可以实现精确的暂态稳定分析，然而其不但计算量很大并且不能定量地给出稳定裕度指标；基于李雅普诺夫理论的暂态稳定分析直接法（如RUEP法、PEBS法）虽然可以实现较快速的暂态稳定分析，但却只能给出或偏保守或偏冒进的分析结果。

一方面，轻微故障（稳定裕度较高的研究算例）不会引起较大的社会经济损失，不必事先制定特别的控制策略降低或消除该损失，因而并不需要了解其精确的暂态稳定分析结果，只需应用简化算法进行粗略的暂态稳定分析，以提高暂态稳定评估快速性；另一方面，严重故障（稳定裕度较低的研究算例）会导致较大的社会经济损失，必须制定相应的控制策略（预案）降低或消除潜在的损失，因而必须应用严格算法给出精确的暂态稳定分析结果，以保证暂态稳定评估和相应控制策略制定的准确性。应用筛选框架筛选掉预想故障集中的轻微故障而仅对严重故障进行详细分析是解决暂态稳定分析速度与精度矛盾的有效方法，这一观点已得到普遍认同。

现有电力系统暂态稳定评估预想故障筛选根据一定的筛选规则决定研究算例的过滤与否。所用筛选指标大多为反映电力系统静态、暂态稳定物理特性的指标，所用筛选方法或者直接根据提取出的筛选指标、或者应用人工智能方法（机器学习方法）构建筛选指标与筛选结果间的映射关系进行故障筛选。然而，现有筛选方法中：为提高筛选速率，所用筛选指标仅反映了暂态过程中的部分特性，未全面反映（或至少粗略计及）整个暂态过程的物理特性，导致筛选准确性的降低；或者为保证筛选精度，将故障筛选问题等同于暂态稳定计算问题，导致筛选所需计算量的增加；应用人工智能方法（机器学习方法）对某些特定系统进行故障筛选可同时保证准确性和快速性，但其强壮性值得商榷。因此，亟需提出一种兼顾筛选准确性和快速性的强壮的电力系统暂态稳定评估预想故障集快速筛选方法。

扩展等面积准则(extended equal-area criterion,EEAC)是惟一得到严格证明和工程应用的电力系统暂态稳定性量化分析方法。EEAC理论经历了静态(SEEAC)、动态(DEEAC)、集成(IEEAC)三个阶段，它们反映整个暂态过程物理特性的精度由低到高、所需计算量由小到大。EEAC算法是简化的与严格的暂态稳定分析算法的互补与协调，在评估每个算例时，都按照假设条件从强到弱、直至消除的这3种形式协调分析，以兼获算法的严格性和快速性。因此，基于EEAC理论设计暂态稳定评估预想故障集快速筛选框架可兼顾筛选准确性与快速性，以实现暂态稳定分析速度与精度的协调。

发明内容

本发明的目的是：为进一步协调电力系统暂态稳定分析精度与速度，提供一种基于EEAC理论、综合SEEAC、DEEAC、IEEAC三种算法的强壮的电力系统暂态稳定评估预想故障集快速筛选方法。

本发明应用SEEAC/DEEAC算法裕度计算结果作为筛选指标之一，通过比较SEEAC、DEEAC算法裕度计算过程或结果间差异反映研究算例时变程度。研究算例时变程度信息或故障信息可作为对裕度计算结果可信度的校核，将它们匹配组合成不同筛选指标分层筛选掉预想故障集中的稳定算例。本发明以较小的计算代价过滤较多的实际稳定算例，保证筛选框架具有较高筛选性能，进一步实现暂态稳定分析精度与速度的协调。

具体地说，本发明是采用以下的技术方案来实现的，包括下列步骤：

1)暂态稳定评估系统启动后，取出预想故障全集中某一算例，应用SEEAC算法对该算例进行裕度计算。

2)若该算例故障清除时间τ较短且应用SEEAC算法求得的稳定裕度η^SE(τ)很大，则将其直接过滤，结束对该算例的筛选，执行步骤8)，否则执行步骤3)。

3)应用SEEAC算法进行极限计算求得该算例临界清除时间

并将其作为该算例故障清除时间，分别比较SEEAC和DEEAC两种算法裕度计算时得到的加速、减速面积的差异，以及DEEAC算法裕度计算得到的加速面积和减速面积的差异，由此反映研究算例时变程度。

即采用公式 ${\mathrm{\σ}}_1=\max \left\{\right|{\mathrm{\ΔA}}_{\mathrm{inc}}\left(t_c^{\mathrm{SE}}\right)|,|{\mathrm{\ΔA}}_{\mathrm{dec}}\left(t_c^{\mathrm{SE}}\right)|,|\mathrm{\Δ\η}\left(t_c^{\mathrm{SE}}\right)\left|\right\}$ 作为该算例时变程度的一种表达，其中：

为基于

比较两种算法求得的加速面积的差异， ${\mathrm{\ΔA}}_{\mathrm{inc}}\left(t_c^{\mathrm{SE}}\right)=\frac{|A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)-A_{\mathrm{inc}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right)|}{\max \{A_{\mathrm{inc}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right),A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)\}};$

为基于

比较两种算法求得的减速面积的差异， ${\mathrm{\ΔA}}_{\mathrm{dec}}\left(t_c^{\mathrm{SE}}\right)=\frac{|A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)-A_{\mathrm{dec}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right)|}{\max \{A_{\mathrm{dec}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right),A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)\}};$

为基于

比较DEEAC算法求得的加速面积和减速面积的差异， $\mathrm{\Δ\η}\left(t_c^{\mathrm{SE}}\right)=\frac{|A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)-A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)|}{\max \{A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right),A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)\}}.$

这里，

为对应于

的由SEEAC算法求得的加速面积，

为对应于

的由SEEAC算法求得的减速面积，

为对应于

的由DEEAC算法求得的加速面积，为对应于

的由DEEAC算法求得的减速面积。

4)若由步骤3)反映的时变程度σ₁较小且由SEEAC算法求得的暂态稳定裕度η^SE(τ)较大，则将该算例过滤，结束对该算例的筛选，执行步骤8)，否则执行步骤5)。

5)应用DEEAC算法对该算例进行裕度计算，并根据SEEAC算法与DEEAC算法裕度计算结果η^SE(τ)、η^DE(τ)间的差异反映研究算例时变程度。

即采用公式

作为研究算例时变程度的表达。其中，η^SE(τ)为对应于τ的由SEEAC算法求得的稳定裕度；η^DE(τ)为对应于τ的由DEEAC算法求得的稳定裕度。

6)若由步骤5)反映的时变程度σ₂较小且由DEEAC算法求得的稳定裕度η^DE(τ)较大，则将该算例过滤，结束对该算例的筛选，执行步骤8)，否则执行步骤7)。

7)如果经步骤2)、4)、6)均不能将该算例过滤，应用IEEAC算法进行详细暂态稳定分析，执行步骤8)。

8)若预想故障全集中每个算例都已判定过滤与否，结束筛选，否则取下一算例执行步骤1)。

本发明的有益效果如下：本发明基于扩展等面积准则(extended equal-areacriterion,EEAC)，通过挖掘简化程度不同的暂态稳定分析算法间比较信息反映研究算例时变程度。将由简化的暂态稳定分析算法求得的近似的稳定裕度作为筛选指标之一，研究算例时变程度信息或故障信息可作为对近似的稳定裕度可信度的校核。由它们匹配组合成不同筛选规则，各筛选规则分别由详尽程度不同的暂态稳定分析算法求得近似的稳定裕度、并从不同角度校核近似的稳定裕度的可信度，对于不同的筛选情形均反映出不同的筛选性能。本发明设计的筛选框架协调各筛选规则，实现预想故障集的分层筛选，提高筛选框架的整体筛选性能和强壮性：既加快轻微故障（算例）的暂态稳定分析速率，又保证严重故障（算例）的暂态稳定分析精度，实现暂态稳定分析速度与精度的协调，推动大电网暂态稳定评估技术的工程实用化。

附图说明

图1为本发明方法的流程图。

具体实施方式

下面参照附图1并结合实例对本发明作进一步详细描述。

图1中步骤1描述的是暂态稳定评估系统启动后，取出预想故障全集中某一算例，采用SEEAC算法对该算例进行暂态稳定裕度计算。

图1中步骤2描述的是第一层筛选规则，若该算例故障清除时间τ小于或等于阈值ε₁且由SEEAC算法进行暂态稳定裕度计算求得的稳定裕度η^SE(τ)大于阈值ε₂(τ)，将其直接滤去，结束对该算例的筛选，执行步骤8，否则执行步骤3。

图1中步骤3披露了一种反映研究算例时变程度的计算方法：应用SEEAC算法求得该算例临界清除时间并将其作为该算例故障清除时间，分别比较SEEAC和DEEAC两种算法裕度计算过程中得到的加速、减速面积的差异，以及DEEAC算法裕度计算得到的加速面积和减速面积的差异，取其最大值反映该算例时变程度。

采用公式(1)作为该算例时变程度。其中，

为基于

比较两种算法求得的加速面积的差异；

为基于

比较两种算法求得的减速面积的差异；为基于

比较DEEAC算法求得的加速面积和减速面积的差异。

的定义如式(2)、(3)、(4)所示。式(2)、(3)、(4)中，

为对应于的由SEEAC算法求得的加速面积，

为对应于

的由SEEAC算法求得的减速面积，

为对应于的由DEEAC算法求得的加速面积，

为对应于

的由DEEAC算法求得的减速面积。

${\mathrm{\σ}}_1=\max \left\{\right|{\mathrm{\ΔA}}_{\mathrm{inc}}\left(t_c^{\mathrm{SE}}\right)|,|{\mathrm{\ΔA}}_{\mathrm{dec}}\left(t_c^{\mathrm{SE}}\right)|,|\mathrm{\Δ\η}\left(t_c^{\mathrm{SE}}\right)\left|\right\}---\left(1\right)$

${\mathrm{\ΔA}}_{\mathrm{inc}}\left(t_c^{\mathrm{SE}}\right)=\frac{|A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)-A_{\mathrm{inc}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right)|}{\max \{A_{\mathrm{inc}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right),A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)\}}---\left(2\right)$

${\mathrm{\ΔA}}_{\mathrm{dec}}\left(t_c^{\mathrm{SE}}\right)=\frac{|A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)-A_{\mathrm{dec}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right)|}{\max \{A_{\mathrm{dec}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right),A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)\}}---\left(3\right)$

$\mathrm{\Δ\η}\left(t_c^{\mathrm{SE}}\right)=\frac{|A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)-A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)|}{\max \{A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right),A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)\}}---\left(4\right)$

值得说明的是，以σ₁作为该算例时变程度时，σ₁不受故障清除时间的影响。

图1中步骤4描述的是第二层筛选规则，若由步骤3反映的时变程度σ₁小于或等于阈值ε₃且由SEEAC算法求得的暂态稳定裕度η^SE(τ)大于阈值ε₄(τ)，则将该算例滤去，结束对该算例的筛选，执行步骤8，否则执行步骤5。

图1中步骤5披露了另一种反映研究算例时变程度的计算方法，它分别应用SEEAC、DEEAC算法对该算例进行裕度计算求得稳定裕度η^SE(τ)、η^DE(τ)，通过比较η^SE(τ)和η^DE(τ)的差异反映该算例时变程度。

即采用公式

作为该算例时变程度的另一种表达，其中，η^SE(τ)为对应于τ的由SEEAC算法求得的稳定裕度；η^DE(τ)为对应于τ的由DEEAC算法求得的稳定裕度。值得说明的是，以σ₂作为该算例时变程度时，σ₂随故障清除时间的变化而变化。

图1中步骤6描述的是第三层筛选规则，若由步骤5反映的时变程度σ₂小于或等于阈值ε₅，且由DEEAC算法求得的暂态稳定裕度η^DE(τ)大于阈值ε₆(τ)，则将该算例过滤，结束对该算例的筛选，执行步骤8，否则执行步骤7。

以上步骤中，ε₁、ε₂(τ)、ε₃、ε₄(τ)、ε₅、ε₆(τ)为三个筛选判据门限值。其中，ε₁、ε₃、ε₅为静态门限值，ε₂(τ)、ε₄(τ)、ε₆(τ)为动态门限值，它们是根据不同系统的大量算例以可靠性为首要原则归纳得到的，针对不同系统、不同工况具有强壮性。ε₁、ε₃、ε₅的值如下，当0≤τ≤0.26时按以下公式计算ε₂(τ)的值；当0≤τ<1时按以下公式计算ε₄(τ)、ε₆(τ)取值：

ε₁＝0.26     (5)

${\mathrm{\&epsiv;}}_2\left(\mathrm{\&tau;}\right)=\left\{\begin{array}{cc}-0.3+8.75\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0,0.12}\right)\\ 0.664+0.714\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.12,0.26}\right]\end{array}\right.---\left(6\right)$

ε₃＝0.465     (7)

${\mathrm{\&epsiv;}}_4\left(\mathrm{\&tau;}\right)=\left\{\begin{array}{cc}0.023+3.167\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0,0.28}\right)\\ 0.91& \mathrm{\&tau;}\&Element;\left[\mathrm{0.28,1.00}\right)\end{array}\right.---\left(8\right)$

ε₅＝0.35     (9)

${\mathrm{\&epsiv;}}_6\left(\mathrm{\&tau;}\right)=\left\{\begin{array}{cc}-0.185+4\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0,0.20}\right)\\ 0.515+0.5\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.20,0.22}\right)\\ -0.475+5\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.22,0.26}\right)\\ -0.93+6.75\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.26,0.28}\right)\\ 0.96& \mathrm{\&tau;}\&Element;\left[\mathrm{0.28,0.36}\right)\\ 0.78+0.5\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.36,0.40}\right)\\ 0.98& \mathrm{\&tau;}\&Element;\left[\mathrm{0.40,1.00}\right)\end{array}\right.---\left(10\right)$

当τ≥1时，ε₄(τ)、ε₆(τ)的值分别取0.91、0.98。

图1中步骤7描述的是，若该算例经上述三层筛选规则判定后仍未能过滤，只能由IEEAC算法进行详细暂态稳定分析，以IEEAC算法裕度计算结果η^IE(τ)作为其精确稳定裕度。

图1中步骤8描述的是，若对于预想故障全集中所有算例均已完成过滤与否的判定，结束筛选，否则取下一算例执行步骤1。

总之，本发明基于扩展等面积准则(extended equal-area criterion,EEAC)，以由简化程度不同的暂态稳定分析算法反映的研究算例时变程度和暂态稳定裕度为指标，结合研究算例故障信息，匹配组合成不同筛选判据，从预想故障全集中分层筛选掉满足筛选判据的预想故障子集，大大减少了需进行详细暂态稳定分析的预想故障数。本发明可在保证不失暂态稳定评估准确性的前提下，提高暂态稳定评估快速性，从而恰到好处地协调暂态稳定分析的精度与速度。

虽然本发明已以较佳实施例公开如上，但实施例并不是用来限定本发明的。在不脱离本发明之精神和范围内，所做的任何等效变化或润饰，同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。

Claims (4)

1.电力系统暂态稳定评估预想故障集快速筛选方法，其特征在于，包括如下步骤:

1）暂态稳定评估系统启动后，取出预想故障全集中某一算例，应用SEEAC算法对该算例进行裕度计算；

2）如果该算例故障清除时间τ小于或等于阈值ε₁且应用SEEAC算法进行裕度计算求得的稳定裕度η^SE(τ)大于阈值ε₂(τ)，则将其直接过滤，结束对该算例的筛选，并执行步骤8），否则执行下一步骤；

3）应用SEEAC算法进行极限计算求得该算例临界清除时间

以其作为该算例故障清除时间，分别应用SEEAC、DEEAC算法进行裕度计算，通过比较SEEAC、DEEAC算法裕度计算过程的差异反映该算例时变程度；

4）如果由步骤3）反映的时变程度小于或等于阈值ε₃且由SEEAC算法求得的稳定裕度η^SE(τ)大于阈值ε₄(τ)，则将该算例过滤，结束对该算例的筛选，并执行步骤8），否则执行下一步骤；

5）应用DEEAC算法对该算例进行裕度计算，并根据SEEAC与DEEAC算法裕度计算结果的差异反映该算例时变程度；

6）如果由步骤5）反映的时变程度小于或等于阈值ε₅且由DEEAC算法求得的稳定裕度η^DE(τ)大于阈值ε₆(τ)，则将该算例过滤，结束对该算例的筛选，并执行步骤8），否则执行下一步骤；

7）应用IEEAC算法对该算例进行详细暂态稳定分析，并执行步骤8）；

8）如果预想故障全集中每个算例都已判定是否过滤，结束筛选，否则取下一算例执行步骤1）。

2.根据权利要求1所述的电力系统暂态稳定评估预想故障集快速筛选方法，其特征在于，所述步骤3）中通过比较SEEAC、DEEAC算法裕度计算过程的差异反映该算例时变程度，其方法为：先分别求得SEEAC和DEEAC两种算法裕度计算过程中得到的加速、减速面积的差异、以及求得DEEAC算法裕度计算过程中得到的加速面积和减速面积的差异，再按公式（1）取这些差异中的最大差异值σ₁以反映该算例的时变程度：

${\mathrm{\&sigma;}}_1=\max \left\{\right|{\mathrm{\&Delta;A}}_{\mathrm{inc}}\left(t_c^{\mathrm{SE}}\right)|,|{\mathrm{\&Delta;A}}_{\mathrm{dec}}\left(t_c^{\mathrm{SE}}\right)|,|\mathrm{\&Delta;\&eta;}\left(t_c^{\mathrm{SE}}\right)\left|\right\}---\left(1\right)$

其中：

${\mathrm{\&Delta;A}}_{\mathrm{inc}}\left(t_c^{\mathrm{SE}}\right)=\frac{|A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)-A_{\mathrm{inc}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right)|}{\max \{A_{\mathrm{inc}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right),A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)\}}$

${\mathrm{\&Delta;A}}_{\mathrm{dec}}\left(t_c^{\mathrm{SE}}\right)=\frac{|A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)-A_{\mathrm{dec}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right)|}{\max \{A_{\mathrm{dec}}^{\mathrm{SE}}\left(t_c^{\mathrm{SE}}\right),A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)\}}$

$\mathrm{\&Delta;\&eta;}\left(t_c^{\mathrm{SE}}\right)=\frac{|A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)-A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)|}{\max \{A_{\mathrm{inc}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right),A_{\mathrm{dec}}^{\mathrm{DE}}\left(t_c^{\mathrm{SE}}\right)\}}$

为SEEAC、DEEAC两种算法裕度计算过程中得到的加速面积的差异，

为SEEAC、DEEAC两种算法裕度计算过程中得到的减速面积的差异，

为DEEAC算法裕度计算过程中得到的加速面积和减速面积的差异；

为对应于的由SEEAC算法求得的加速面积，

为对应于

的由DEEAC算法求得的加速面积，为对应于

的由SEEAC算法求得的减速面积，

为对应于

的由DEEAC算法求得的减速面积。

3.根据权利要求1所述的电力系统暂态稳定评估预想故障集快速筛选方法，其特征在于，所述步骤5）中根据比较SEEAC、DEEAC算法裕度计算结果的差异反映该算例时变程度，其方法为：按公式（2）求得SEEAC、DEEAC算法裕度计算结果的差异比值σ₂以反映该算例时变程度：

${\mathrm{\&sigma;}}_2=\frac{|{\mathrm{\&eta;}}^{\mathrm{DE}}\left(\mathrm{\&tau;}\right)-{\mathrm{\&eta;}}^{\mathrm{SE}}\left(\mathrm{\&tau;}\right)|}{\max \left\{\right|{\mathrm{\&eta;}}^{\mathrm{SE}}\left(\mathrm{\&tau;}\right)|,|{\mathrm{\&eta;}}^{\mathrm{DE}}\left(\mathrm{\&tau;}\right)\left|\right\}}---\left(2\right).$

4.根据权利要求1所述的电力系统暂态稳定评估预想故障集快速筛选方法，其特征在于，ε₁＝0.26、ε₃＝0.465、ε₅＝0.35；当0≤τ≤0.26时按以下公式计算ε₂(τ)的值；当0≤τ<1时按以下公式计算ε₄(τ)、ε₆(τ)取值：

${\mathrm{\&epsiv;}}_2\left(\mathrm{\&tau;}\right)=\left\{\begin{array}{cc}-0.3+8.75\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0,0.12}\right)\\ 0.664+0.714\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.12,0.26}\right]\end{array}\right.$

${\mathrm{\&epsiv;}}_4\left(\mathrm{\&tau;}\right)=\left\{\begin{array}{cc}0.023+3.167\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0,0.28}\right)\\ 0.91& \mathrm{\&tau;}\&Element;\left[\mathrm{0.28,1.00}\right)\end{array}\right.$

${\mathrm{\&epsiv;}}_6\left(\mathrm{\&tau;}\right)=\left\{\begin{array}{cc}-0.185+4\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0,0.20}\right)\\ 0.515+0.5\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.20,0.22}\right)\\ -0.475+5\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.22,0.26}\right)\\ -0.93+6.75\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.26,0.28}\right)\\ 0.96& \mathrm{\&tau;}\&Element;\left[\mathrm{0.28,0.36}\right)\\ 0.78+0.5\mathrm{\&tau;}& \mathrm{\&tau;}\&Element;\left[\mathrm{0.36,0.40}\right)\\ 0.98& \mathrm{\&tau;}\&Element;\left[\mathrm{0.40,1.00}\right)\end{array}\right.$

当τ≥1时，ε₄(τ)、ε₆(τ)的值分别取0.91、0.98。

Images