CN105678642A - 一种电力系统连锁故障风险辨识法 - Google Patents

Abstract

本发明公开了一种电力系统连锁故障风险辨识法，其综合考虑电网运行内部状态和外部自然灾害预警信息，统筹电网内外部因素，更为真实地反映电网实际工况。本发明辨识用数学方法为可信性测度理论，刻画电网内、外部复杂不确定性，结合综合严重度指标计算连锁故障的风险测度，风险辨识序列更加贴近实际。因此，本发明提供的电力系统连锁故障风险辨识法更精准地实现连锁故障风险预警。

Description

一种电力系统连锁故障风险辨识法

技术领域

本发明涉及一种电力系统风险评估领域，具体涉及一种电力系统连锁故障风险辨识法。

背景技术

随着电网互联程度的增加，跨区域、远距离输电的常态化及经济发展对电力供应的高度依赖性，确保电力系统安全稳定运行尤为重要；然而电网的复杂化、接入设备的多样化及持续增加的用电需求等电网内部不稳定因素导致电网运行工况日趋恶化，与此同时，泥石流、雷击、冰冻等电网外部自然灾害对电网安全稳定运行构成严重威胁；电网内外部多重不确定因素可诱发电网连锁性故障，甚至发生大停电事故；大停电事故多由连锁故障诱发，因此，对电力系统连锁故障进行辨识分析具有理论价值和现实意义。

连锁故障受多重不确定因素影响，可采用测度法进行定量刻画。然而经典测度法各有缺陷，其中，概率测度需满足苛刻的可列可加性条件，模糊测度不具有自对偶性；为解决这一问题，通常利用可信性测度评价连锁故障中的模糊不确定性，以反映连锁故障的固有属性；基于可信性理论的电网连锁故障不确定性评价主要包含连锁故障序列辨识和序列可信性测度计算。

连锁故障序列辨识包括确定支路初始故障、形成准误动集和分析级联故障过程；通常的，由历史统计数据确定支路初始故障；依据“隐性故障”机理，故障线路首尾相连的支路构成准误动集；计算准误动集中线路失效的可信性测度，认为测度值最大的线路发生故障，由此，循环往复形成级联故障，获得连锁故障序列。

序列可信性测度计算的关键是连锁故障各阶段的可信性测度计算；以连锁故障发展至第j阶段为例，假设准误动集有n_j条支路，支路L_ij的电流I_ij为模糊变量，其隶属度函数为μ_ij(I_ij)。考虑单重故障，即准误动集中仅有1条线路被切除；假设切除前L_ij的电流为则第j阶段线路m被切除的可信性测度为

其中，事件A_j为第j阶段线路m被切除。则有

由连锁故障不同阶段的测度值，可得连锁故障序列的可信性测度，从而实现序列可信性测度计算。综上所述，如何提高连锁故障序列辨识和序列可信度测度计算的准确性和真实性是亟需解决的问题。

发明内容

本发明提供了一种电力系统连锁故障风险辨识法，在提高提高连锁故障序列辨识和序列可信度测度计算的准确性和真实性的前提下，实现了更精准的连锁故障风险预警。

本发明公开了如下技术方案：

一种电力系统连锁故障风险辨识法，包括以下步骤：

获取待辨识电力系统的整体电网结构，并为所述电网中的每个支路编号；

获取所述每个支路各自的初始负载率数值和预设最大负载率数值；

判断所述每个支路的初始负载率数值是否超过各自的预设最大负载率数值，如果是，则标记为超载支路；

获取在本次辨识前，发生过故障的所有支路，并标记为历史故障支路；

获取所述每个支路所处地理区域的气象预报信息，从所有支路中选择处于自然灾害区域的支路，标记为自然灾害支路；其中所述处于自然灾害的支路是指处于降雨、雷电和/或降雪自然预报信息下的地理区域所对应的支路；

分别对所述超载支路、历史故障支路和自然灾害支路中每个支路计算各自的可信度测度M_cr，并选择所述可信性测度值M_cr最大的作为初始故障支路；

择取与所述初始电路首末尾直接相连的支路，构建第二个故障阶段准误动集，且依次构建直到第n个故障阶段的准误动集，n≥2；

计算每个故障阶段中的每个支路各自的可信性测度指标M_nicr和严重度指标Sev_ni，根据所述M_nicr和Sev_ni，计算所述每个阶段中每个支路各自的风险测度指标：

M_risk＝M_crSev

根据所述风险测度指标M_risk数值从大到小顺序列出所述各个故障阶段的连锁故障序列。

优选的，在上述一种电力系统连锁故障风险辨识法中，采用EMS系统中描述电力系统模型的E语言文件在线获取待辨识电力系统的整体电网结构和每个支路各自的初始负载率数值。

优选的，在上述一种电力系统连锁故障风险辨识法中，所述严重度指标Sev，为发电机有功出力偏离的严重度、无功出力偏离的严重度，电压偏离的严重度，支路过载严重度和负荷损失的严重度指标相加所得。

优选的，在上述一种电力系统连锁故障风险辨识法中，所述支路过载严重度Ser(a)的计算公式为：

$Sev\left(a\right)=\left\{\begin{array}{cc}0& a<a_1\\ \frac{a-a_1}{a_{1\lim }-a_1}& a_1<a<a_{1\lim }\\ 1& a>a_{1\lim }\end{array}\right.$

其中，a为当前支路潮流；a₁为当前支路潮流预警值；a_1lim为当前支路潮流最高值。

优选的，在上述一种电力系统连锁故障风险辨识法中，所述负荷损失越限严重度Ser(b)的计算公式为；

$Sev\left(b\right)=\left\{\begin{array}{cc}1& b<b_{1\lim }\\ \frac{b-b_1}{b_{1\lim }-b_1}& b_{1\lim }<b<b_1\\ 0& b>b_1\end{array}\right.$

其中，b为当前在运负荷量；b₁为当前支路在运负荷预警值；b_1lim为当前支路在运负荷危险值。

优选的，在上述一种电力系统连锁故障风险辨识法中，所述发电机有功出力偏离的严重度、无功出力偏离的严重度和电压偏离的严重度属于区间偏离严重度，所述区间偏离严重度Ser(c)的计算公式为：

$Sev\left(c\right)=\left\{\begin{array}{cc}1& c<c_{1\lim }\\ \frac{c-c_1}{c_{1\lim }-c_1}& c_{1\lim }<c<c_1\\ 0& c_1<c<c_2\\ \frac{c-c_2}{c_{2\lim }-c_2}& c_2<c<c_{2\lim }\\ 1& c_{2\lim }<c\end{array}\right.$

其中，c为当前支路中发电机有、无功出力或母线电压值，c₁表示当前支路中电气量正常运行阈值的下限值，c₂表示当前支路中电气量正常运行阈值的上限值，c_1lim表示当前支路中电气量越限阈值的下限值，c_2lim表示当前支路中电气量越限阈值的上限值。

优选的，在上述一种电力系统连锁故障风险辨识法中，所述获取所有本次辨识前发生过故障的所有支路，并标记为历史故障支路具体是指：

确定在本次辨识前，当前支路发生故障的预设频率，获取在本次辨识前，发生故障频率超过所述预设频率的所有支路，并标记为历史故障支路。

由以上技术方案可见，本发明提供的电力系统连锁故障风险辨识法综合考虑电网运行内部状态和外部自然灾害预警信息，统筹电网内外部因素，更为真实地反映电网实际工况。本发明辨识用数学方法为可信性测度理论，刻画电网内、外部复杂不确定性，结合综合严重度指标计算连锁故障的风险测度，风险辨识序列更加贴近实际。因此，本发明提供的电力系统连锁故障风险辨识法更精准地实现连锁故障风险预警。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中基于地理信息的电力系统的电网结构图；

图2为本发明提供的电力系统连锁故障风险辨识法的逻辑框图。

具体实施方式

本发明提供的一种电力系统连锁故障风险辨识法，在提高提高连锁故障序列辨识和序列可信度测度计算的准确性和真实性的前提下，实现了更精准的连锁故障风险预警。

为了使本技术领域的人员更好地理解本说明中的技术方案，下面将结合本说明实施例中的附图，对本说明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明一部分实施例，而不是全部的实施例。基于本说明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明保护的范围。

一种电力系统连锁故障风险辨识法，包括以下步骤：

首先，获取待辨识电力系统的整体电网结构，并为所述电网中的每个支路编号；请参考图2，该图为本发明实施例中基于地理信息的电力系统的电网结构图，如图1所示的电网结构中，诸如l₁₆、l₄₄中的16和44均为支路编号。

然后，获取所述每个支路各自的初始负载率数值和预设最大负载率数值；再判断所述每个支路的初始负载率数值是否超过各自的预设最大负载率数值，如果是，则标记为超载支路。

再次，获取所有本次辨识前发生过故障的所有支路，并标记为历史故障支路，格外关注历史故障支路是有道理的，因为在较长之间来看，每个支路的负载情况是趋于相似的，因此，发生过故障的支路再次发生故障的可能性较从没有发生过故障的支路大。

再次，获取所述每个支路所处地理区域的气象预报信息，从所述每个支路中选择处于自然灾害区域的支路，标记为自然灾害支路；其中所述处于自然灾害的支路是指处于降雨、雷电和/或降雪自然预报信息下的地理区域所对应的支路。举例，如表1所示，为图1所示地理区域的自然预报信息。

表1自然灾害预警信息

地区名	降雨预警	雷电预警	降雪预警
				临翔	无雨	无雷电	无雪
云县	无雨	无雷电	无雪
				凤庆	无雨	无雷电	无雪
双江	暴雨	黄色预警	无雪
				沧源	无雨	无雷电	无雪
耿马	大暴雨	橙色预警	无雪
				镇康	无雨	无雷电	无雪
永德	无雨	无雷电	无雪

分别对所述超载支路、历史故障支路和自然灾害支路中每个支路计算各自的可信度测度M_cr，并选择所述可信性测度值M_cr最大的作为初始故障支路；针对表一，也就是要考虑将双江、耿马地区的支路纳入初始故障支路集中，在结合图1，具体涉及的支路编号为18、34、35、49。

请参考图2，该图为本发明提供的电力系统连锁故障风险辨识法的逻辑框图。可见，上述的内容对应于图2中初始故障识别的步骤前的内容。其中，上述获得超载支路时对应于图2中的电网初始运行状态分析逻辑框。下一个逻辑即为构件准误动集，具体做法如下：

择取与所述初始电路首末尾直接相连的支路，构建第二个故障阶段准误动集，且依次构建直到第n个故障阶段的准误动集，n≥2。第一故障阶段对应超载支路、历史故障支路和自然灾害支路构成的初始故障集，计算各个支路的Mcr，与初始故障集中支路首尾相连的支路均纳入第二阶段的准误动集；对第二阶段的准误动集中每一支路计算Mcr，进而计算前两阶段级联故障构成的连锁故障序列的Mcr和Sev，由Mrisk确定进入下一阶段的连锁故障序列(2层：第一阶段-第二阶段)；与第二阶段故障首尾相连支路纳入第三阶段的准误动集，对第三阶段的准误动集支路计算Mcr，进而计算前三阶段级联故障构成的连锁故障序列的Mcr和Sev，由Mrisk确定进入下一阶段的连锁故障序列(3层：第一阶段-第二阶段-第三阶段)，后续依次类推。

如图2所示，下一个逻辑即为风险测度计算，具体如下：

计算每个故障阶段中的每个支路各自的可信性测度指标M_nicr和严重度指标Sev_ni，根据所述M_nicr和Sev_ni，计算所述每个阶段中每个支路各自的风险测度指标：

M_risk＝M_crSev

据所述风险测度指标Mrisk数值从大到小顺序列出所述各个故障阶段的连锁故障序列。

本发明综合考虑连锁故障演化过程中电网运行状态和外部天气的作用，用可信性测度刻画连锁故障中的多重不确定性，评估连锁故障发生的可能性。

事件A发生的可信性测度M_cr(A)为

$M_{cr}\left(A\right)=\frac{1}{2}\left(M_{pos}\right(A)+M_{nec}(A\left)\right)$

其中，

M_nec(A)＝1-M_pos(A^c)

式中，c表示取补集；M_pos(A)和M_nec(A)分别为事件A发生的可能性和事件Ac发生的不可能性；由上述两公式可知，求取事件A发生的可信性测度转换为其可能性测度求取问题。与概率测度类似，可信性测度最大取值为1，表示事件A必然发生；最小取值为0，表示事件A必然不发生；取值介于0和1时，表示事件A可能发生。

仅考虑电网运行状态时，以连锁故障第i层的支路e为例，假设第i层准误动集元素个数为ni，且支路e流过的有功功率Pie为模糊变量，其隶属度函数为μ，则当前支路e流过的有功功率为时其失效的可能性测度为：

$M_{pos}\left(A_{ie}\right)=\mathrm{\&mu;}(P_{ie}\&le;{\stackrel{\&OverBar;}{P}}_{ie})=\mathrm{\&mu;}\left({\stackrel{\&OverBar;}{P}}_{ie}\right)$

其中，事件A_ie表示连锁故障第i层支路e发生故障。

相应的，可得

$M_{pos}\left(A_{ie}^c\right)=\mathrm{\&mu;}(P_{ie}\&GreaterEqual;{\stackrel{\&OverBar;}{P}}_{ie})=1$

其中，是A_ie的补集。

若同时考虑电网运行状态和外部天气信息，同样以连锁故障第i层的支路e为例，假设支路e流过的有功功率Pie和支路e所处区域降水预警信息rie为模糊变量，其隶属度函数分别为μ_P和μ_r，则当前支路e流过的有功功率为所处区域降水预警信息为时其失效的可能性测度为

若连锁故障第i层中支路e因隐性故障被切除，而准误动集中其他支路保持正常的可能性测度M_pos(A_i)为

假设连锁故障发展至j层，则相应可得连锁序列的可能性测度M_pos(A)为

M_pos(A)＝M_pos(A₁)∧M_pos(A₂)∧…∧M_pos(A_j)

其中，事件A_j表示连锁故障第j层事故。

由以上技术方案可见，本发明提供的电力系统连锁故障风险辨识法综合考虑电网运行内部状态和外部自然灾害预警信息，统筹电网内外部因素，更为真实地反映电网实际工况。本发明辨识用数学方法为可信性测度理论，刻画电网内、外部复杂不确定性，结合综合严重度指标计算连锁故障的风险测度，风险辨识序列更加贴近实际。因此，本发明提供的电力系统连锁故障风险辨识法更精准地实现连锁故障风险预警。

优选的，在上述一种电力系统连锁故障风险辨识法中，采用EMS系统中描述电力系统模型的E语言文件在线获取待辨识电力系统的整体电网结构和每个支路各自的初始负载率数值。EMS为能量管理系统；借助EMS系统中描述电力系统模型的E语言文件在线获取电网结构和初始运行负载率，其中E语言文件包括线路、变压器、母线、断路器等电路结构静态参数和节点电压、开关状态、线路潮流、发电机出力等运行数据。因此，在线获取的电网结构和数据进行潮流计算等电力系统分析计算，计算结构更贴近实际工况，也更能反映电网实际运行状态，为本发明提供的连锁故障风险辨识提供相比通常的辨识方法更精准的数据支持。

本发明采用严重度指标，刻画连锁故障造成的后果的严重度；综合考虑支路、母线和发电机的影响，反映了扰动对电网的影响程度；构建“源-网-荷”三位一体的严重度指标；其中，电源侧考虑发电机有、无功出力偏离的严重度，电网络考虑支路过载和母线电压偏离的严重度，负荷侧考虑负荷损失的严重度。所述严重度指标Sev，为发电机有功出力偏离的严重度、无功出力偏离的严重度，电压偏离的严重度，支路过载严重度和负荷损失的严重度指标相加所得。

支路过载和负荷损失严重度由其实际支路潮流值或损失负荷量远离预警值的程度度量，属于越限严重度。所述支路过载严重度Ser(a)的计算公式为：

$Sev\left(a\right)=\left\{\begin{array}{cc}0& a<a_1\\ \frac{a-a_1}{a_{1\lim }-a_1}& a_1<a<a_{1\lim }\\ 1& a>a_{1\lim }\end{array}\right.$

其中，a为当前支路潮流；a₁为支路潮流预警值；a_1lim为支路潮流最高值。

所述负荷损失越限严重度Ser(b)的计算公式为；

$Sev\left(b\right)=\left\{\begin{array}{cc}1& b<b_{1\lim }\\ \frac{b-b_1}{b_{1\lim }-b_1}& b_{1\lim }<b<b_1\\ 0& b>b_1\end{array}\right.$

其中，b为在运负荷量；b₁为在运负荷预警值；b_1lim为在运负荷危险值。

所述发电机有功出力偏离的严重度、无功出力偏离的严重度和电压偏离的严重度属于区间偏离严重度，所述区间偏离严重度Ser(c)的计算公式为：

$Sev\left(c\right)=\left\{\begin{array}{cc}1& c<c_{1\lim }\\ \frac{c-c_1}{c_{1\lim }-c_1}& c_{1\lim }<c<c_1\\ 0& c_1<c<c_2\\ \frac{c-c_2}{c_{2\lim }-c_2}& c_2<c<c_{2\lim }\\ 1& c_{2\lim }<c\end{array}\right.$

其中，c为发电机有、无功出力或母线电压值，c₁表示电气量正常运行阈值的下限值，c₂表示电气量正常运行阈值的上限值，c_1lim表示电气量越限阈值的下限值，c_2lim表示电气量越限阈值的上限值。

基于事件后潮流计算结果，综合严重度指标由五个严重度指标相加而得；严重度指标值越小，电网安全性越好；严重度指标越大，电网安全性越差。

本发明基于电网运行状态和自然灾害预警信息对电力系统可能发生的连锁故障进行辨识，用风险测度评价连锁故障可能对电力系统造成的影响，辨识出“风险大”的连锁故障序列，为调度人员提供辅助决策；通常列出风险测度值位于前10位的连锁故障序列。

下面以云南临沧电网为例进行连锁故障风险辨识，基于地理位置的电力系统的电网结构图如图1所示。

无自然灾害预警信息时，即不考虑天气因素时，风险较大的10个连锁故障序列如表2。

表2风险较大的10个连锁故障序列

连锁故障序列号	第一阶段	第二阶段	第三阶段	第四阶段
					1	l16	l22	-	-
2	l22	l16	-	-
					3	l10	l16	l22	-
4	l16	-	-	-
					5	l16	l10	l14	l13
6	l16	l10	l13	l14
					7	l10	l13	l14	-
8	l10	l14	l13	-
					9	l10	l13	l14	l9
10	l10	l14	l13	l9

表2中，第一阶段从初始故障集中选取前10个最可能发生故障的支路形成初始故障；第二阶段根据已发故障确定准误动集，准误动集中支路与已发故障支路级联故障形成连锁故障序列，风险排名前10的序列进入下一阶段；第三阶段和第四阶段依次类推，直到满足序列搜索终止条件，由此，得到风险较大的10个连锁故障序列。表一中的“-”代表序列缺省，即例如连锁故障序列号为1时，故障只发生在第一阶段和第二阶段，支路16和22相继发生故障后故障即停止扩散。

考虑如表1所示的自然灾害预警信息时，即综合考虑电网运行状态和自然灾害预警信息时，风险较大的10个连锁故障序列如表3。

表3考虑自然灾害预警信息时风险最大的10个序列

连锁故障序列号	第一阶段	第二阶段	第三阶段	第四阶段
					1	l16	l22	-	-
2	l16	-	-	-
					3	l16	l17	-	-
4	l16	l34	-	-
					5	l16	l49	-	-
6	l16	l35	-	-
					7	l16	l17	l34	-
8	l16	l34	l17	-
					9	l16	l49	l34	-
10	l16	l34	l49	-

表2和表3对比可知，其计算结果有很大的差异，因考虑外部气象信息，表3对应的连锁故障辨识序列更加贴近电网实际工况，辨识结果为运行人员提供决策支持。

本发明基于电网运行状态和自然灾害预警信息对连锁故障进行风险辨识，综合考虑电网内部运行状态和外部局域气象信息，兼顾电网内部固有属性和外部复杂多重不确定性，所得结果更加贴近电网实际工况，辨识结果可以为运行人员提供决策支持。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上所述仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种电力系统连锁故障风险辨识法，其特征在于，包括以下步骤：

获取待辨识电力系统的整体电网结构，并为所述电网中的每个支路编号；

获取所述每个支路各自的初始负载率数值和预设最大负载率数值；

判断所述每个支路的初始负载率数值是否超过各自的预设最大负载率数值，如果是，则标记为超载支路；

获取在本次辨识前发生过故障的所有支路，并标记为历史故障支路；

获取所述每个支路所处地理区域的气象预报信息，从所有支路中选择处于自然灾害区域的支路，标记为自然灾害支路；其中所述处于自然灾害的支路是指处于降雨、雷电和/或降雪自然预报信息下的地理区域所对应的支路；

分别对所述超载支路、历史故障支路和自然灾害支路中每个支路计算各自的可信度测度M_cr，并选择所述可信性测度值M_cr最大的作为初始故障支路；

择取与所述初始电路首末尾直接相连的支路，构建第二个故障阶段准误动集，且依次构建直到第n个故障阶段的准误动集，n≥2；

计算每个故障阶段中的每个支路各自的可信性测度指标M_nicr和严重度指标Sev_ni，根据所述M_nicr和Sev_ni，计算所述每个阶段中每个支路各自的风险测度指标：

M_risk＝M_crSev

根据所述风险测度指标M_risk数值从大到小顺序列出所述各个故障阶段的连锁故障序列。

2.根据权利要求1所述的电力系统连锁故障风险辨识法，其特征在于，采用EMS系统中描述电力系统模型的E语言文件在线获取待辨识电力系统的整体电网结构和每个支路各自的初始负载率数值。

3.根据权利要求1所述的电力系统连锁故障风险辨识法，其特征在于，所述严重度指标Sev，为发电机有功出力偏离的严重度、无功出力偏离的严重度，电压偏离的严重度，支路过载严重度和负荷损失的严重度指标相加所得。

4.根据权利要求3所述的电力系统连锁故障风险辨识法，其特征在于，所述支路过载严重度Ser(a)的计算公式为：

$Sev\left(a\right)=\left\{\begin{array}{cc}0& a<a_1\\ \frac{a-a_1}{a_{1\lim }-a_1}& a_1<a<a_{1\lim }\\ 1& a>a_{1\lim }\end{array}\right.$

其中，a为当前支路潮流；a₁为当前支路潮流预警值；a_1lim为当前支路潮流最高值。

5.根据权利要求3所述的电力系统连锁故障风险辨识法，其特征在于，所述负荷损失越限严重度Ser(b)的计算公式为；

$Sev\left(b\right)=\left\{\begin{array}{cc}1& b<b_{1\lim }\\ \frac{b-b_1}{b_{1\lim }-b_1}& b_{1\lim }<b<b_1\\ 0& b>b_1\end{array}\right.$

其中，b为当前支路在运负荷量；b₁为当前支路在运负荷预警值；b_1lim为当前支路在运负荷危险值。

6.根据权利要求3所述电力系统连锁故障风险辨识法，其特征在于，所述发电机有功出力偏离的严重度、无功出力偏离的严重度和电压偏离的严重度属于区间偏离严重度，所述区间偏离严重度Ser(c)的计算公式为：

$Sev\left(c\right)=\left\{\begin{array}{cc}1& c<c_{1\lim }\\ \frac{c-c_1}{c_{1\lim }-c_1}& c_{1\lim }<c<c_1\\ 0& c_1<c<c_2\\ \frac{c-c_2}{c_{2\lim }-c_2}& c_2<c<c_{2\lim }\\ 1& c_{2\lim }<c\end{array}\right.$

其中，c为当前支路中发电机有、无功出力或母线电压值，c₁表示当前支路中电气量正常运行阈值的下限值，c₂表示当前支路中电气量正常运行阈值的上限值，c_1lim表示当前支路中电气量越限阈值的下限值，c_2lim表示当前之路电气量越限阈值的上限值。

7.根据权利要求1所述的电力系统连锁故障风险辨识法，其特征在于，所述获取在本次辨识前，发生过故障的所有支路，并标记为历史故障支路具体是指：

确定在本次辨识前，当前支路发生故障的预设频率，获取在本次辨识前，发生故障频率超过所述预设频率的所有支路，并标记为历史故障支路。