CN107132762B - 基于预想故障集自动筛选的在线静态安全评估方法 - Google Patents
基于预想故障集自动筛选的在线静态安全评估方法 Download PDFInfo
- Publication number
- CN107132762B CN107132762B CN201710247586.5A CN201710247586A CN107132762B CN 107132762 B CN107132762 B CN 107132762B CN 201710247586 A CN201710247586 A CN 201710247586A CN 107132762 B CN107132762 B CN 107132762B
- Authority
- CN
- China
- Prior art keywords
- weak
- margin
- ols
- node
- svs
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003068 static effect Effects 0.000 title claims abstract description 130
- 238000012216 screening Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 238000002347 injection Methods 0.000 claims abstract description 24
- 239000007924 injection Substances 0.000 claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 8
- 230000035945 sensitivity Effects 0.000 claims abstract description 8
- 238000011158 quantitative evaluation Methods 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 9
- 230000007123 defense Effects 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 239000000243 solution Substances 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于预想故障集自动筛选的在线静态安全评估方法,属于电力系统安全分析技术领域。本发明分别采用节点有功注入对支路有功的灵敏度和节点无功注入对节点电压的灵敏度,基于前一次预想故障下设备过载安全和静态电压安全的评估结果,以及当前运行状态下节点有功、无功注入相对于前一次静态安全评估所对应运行状态的变化量,估算当前运行状态下静态安全评估结果,只针对设备过载安全和静态电压安全裕度估算值较小的预想故障进行基于潮流计算的静态安全评估,并依据基于潮流计算的静态安全评估结果与估算值的差异,采用后验校正法对估算参数进行修正。本发明能够实现基于预想故障集自动筛选的在线静态安全快速评估。
Description
技术领域
本发明属于电力系统安全分析技术领域,更准确地说,本发明涉及一种适用于大电网预想故障集自动筛选的在线静态安全评估的方法。
背景技术
在线静态安全评估是EMS必备的一项应用功能,目前有两种技术方案:
第一种是由电网调度运行控制人员根据经验设置少量的预想故障,基于潮流计算进行静态安全评估。这种方案保证了静态安全评估的快速性,但当人工设置的预想故障集与电网实际运行状态的静态安全特性失配程度较大时,其静态安全评估结果不能反映电网的静态安全问题,给电网运行带来安全隐患。
第二种是基于电网的实际运行状态按照要求设置全部的预想故障,建立综合反映电网设备过载和电压安全的指标,通过评估指标对各支路导纳变化的灵敏度来反映相应支路故障对电网设备过载和电压安全的影响,实现对所有支路故障按严重程度排序,再依次针对排序在前位的严重故障进行基于潮流计算的静态安全评估,直至开断某条支路后设备过载和静态电压安全裕度大于设定门槛值为止。这种方案克服了预想故障集依赖人工设置、存在安全隐患的问题,但是由于不能预先确定需要进行基于潮流计算的静态安全评估的严重故障数目,需要通过设置静态安全裕度门槛值保证严重的预想故障都得到基于潮流计算的静态安全评估,因此,计算速度难以保障,稳定性也不够。此外,由于只对严重的预想故障进行了基于潮流计算的静态安全评估,其它预想故障没有静态安全评估结果,在电网存在静态安全问题需要进行预防控制决策计算时,难以避免预防控制决策实施后可能会导致没有进行静态安全评估的预想故障无法满足静态安全要求,给电网运行带来安全隐患。
发明内容
本发明目的是:针对上述现有技术中的不足,本发明提出一种不需要人工设置预想故障集且满足精度和快速性综合要求的数万个节点大电网在线静态安全评估方法。
本发明的基本原理在于:静态安全评估基于的是非线性潮流方程,若基于某个电网运行状态下节点有功注入对支路有功的灵敏度和节点无功注入对节点电压的灵敏度,直接计算相对于该电网运行状态变化后的支路有功变化量和节点电压变化量,其计算精度与反映该电网运行状态的潮流方程的非线性程度以及两个运行状态之间的差异程度二者紧密相关。若潮流方程的非线性程度不高,即使两个运行状态之间的差异程度较大,其计算精度也会比较高;若两个运行状态之间的差异程度不大,即使潮流方程的非线性程度较高,其计算精度仍会比较高。只有在潮流方程的非线性程度和两个运行状态之间的差异程度都较高的情况下,其计算精度才会比较差。为了应对这种情况,本发明引入估算参数,并采用后验校正法对估算参数进行动态修正以提高估算精度。
具体地说,本发明是采用以下技术方案实现的,包括以下步骤:
1)设基于预想故障集自动筛选的在线静态安全评估首次启动的电力系统运行时刻为t0,t0时刻电力系统运行状态为S0,基于S0,根据《电力系统安全稳定导则》中第一道安全防线静态安全评估预想故障集的设置要求,生成预想故障集,记为F0,进入步骤2);
2)针对S0下F0中所有预想故障分别进行基于潮流计算的静态安全量化评估,得到t0时刻的在线静态安全评估结果,进入步骤3);
3)设电力系统当前运行时刻为t1,t1时刻电力系统运行状态为S1,基于S1,根据《电力系统安全稳定导则》中第一道安全防线静态安全评估预想故障集的设置要求,生成预想故障集,记为F1,进入步骤4);
4)先将F1中不属于F0的预想故障以及F1中引发S1下电力系统解列的预想故障作为需要进行基于潮流计算的静态安全量化评估的预想故障集,记为Fc,再将F1中不属于Fc的预想故障作为需要进行基于估算的静态安全量化评估的预想故障集,记为Fe,进入步骤5);
5)分别针对Fe中的各个预想故障,基于其在S0下的静态安全稳定量化评估结果以及S0与S1之间的差异,估算其在S1下的静态安全稳定量化评估结果,将估算结果直接作为裕度估算值大于筛选门槛的预想故障在S1下的静态安全稳定量化评估结果,将裕度估算值小于等于筛选门槛的预想故障添加到Fc中,并将添加到Fc中的预想故障组成的集合记为Fce,进入步骤6);
6)针对S1下Fc中所有预想故障分别进行基于潮流计算的静态安全量化评估,得到静态安全量化评估结果,进入步骤7);
7)将步骤5)得到的S1下F1中不属于Fc的静态安全量化评估结果和步骤6)得到的S1下Fc的静态安全量化评估结果,作为t1时刻的在线静态安全评估结果,并将S1、F1及其静态安全量化评估结果分别用于替代S0、F0及其静态安全量化评估结果,再根据Fce中各个预想故障的静态安全稳定裕度估算值与潮流计算值之差,采用后验校正方法对估算参数进行修正,用于下一轮在线静态安全评估,返回步骤3)。
上述技术方案的进一步特征在于,,所述步骤2)中的t0时刻的在线静态安全评估结果,包括与每个预想故障相对应的设备过载安全OLS薄弱支路及其裕度集和静态电压安全SVS薄弱节点及其裕度集;
所述OLS薄弱支路及其裕度集是指由与OLS主导支路裕度之差小于OLS薄弱支路筛选的裕度增量设定值的若干个OLS支路及其裕度组成的集合,用来表示,其中,nol为OLS薄弱支路总数,NOLi、ηol.i分别为第i个OLS薄弱支路的名称和裕度,通过公式(1)计算ηol.i;
式中,Pol.lmt.i为S0下预想故障的第i个OLS薄弱支路按电压和功率因数不变计算出的与其过载限值相对应的有功限值,P’i为S0下预想故障后其第i个OLS薄弱支路的稳态有功;
所述OLS主导支路是指OLS裕度最小的支路;
所述SVS薄弱节点及其裕度集是指由与SVS主导节点裕度之差小于SVS薄弱节点筛选的裕度增量设定值的若干个SVS节点及其裕度组成的集合,用来表示,其中,nsv为SVS薄弱节点总数,NSVi、ηsv.i分别为第i个SVS薄弱节点的名称和裕度,通过公式(2)计算ηsv.i;
式中,Vsv.ulmt.i、Vsv.llmt.i分别为S0下预想故障的第i个SVS薄弱节点的电压上、下限值,V’i为S0下预想故障后其第i个SVS薄弱节点的稳态电压;
所述SVS主导节点是指SVS裕度最小的节点。
上述技术方案的进一步特征在于,所述步骤5)中,针对Fe中的各个预想故障,按以下步骤进行处理:
5-1)记预想故障为f,首先将S0下预想故障f的静态安全评估结果作为S1下f的静态安全评估结果的初值;然后,根据S0、S1两个运行状态下设备的投/退变化,分别针对S1下f的静态安全评估结果初值中各个OLS薄弱支路,从中剔除S0下投运、S1下退出的支路,针对S1下f的静态安全评估结果初值中各个SVS薄弱节点,从中剔除S0下投运、S1下退出的节点;最后,分别通过公式(3)和公式(4)对S1下f的静态安全评估结果初值中各个OLS薄弱支路的裕度和各个SVS薄弱节点的裕度进行估算;
式中,nol.f为S1下f的OLS薄弱支路数,ηol.f.i、ηol.f.i.t分别为S1下f的第i个OLS薄弱支路的裕度初值和估算值,Jgld为S0、S1下接入发电机、负荷和直流系统的节点总数,Pj、Pj.t分别为S0和S1下接入其中第j个节点的发电机、负荷和直流系统的有功注入之和,sol.i.j为S0下第j个节点有功注入对S0下f的第i个OLS薄弱支路有功的灵敏度,Pol.lmt.i为S0下f的第i个OLS薄弱支路按电压和功率因数不变计算出的与其过载限值相对应的有功限值,a为反映节点有功注入变化对OLS薄弱支路裕度的影响参数,初值取为1,L为S0下投运、S1下退出的线路和变压器集,若L中第l个线路或变压器是F0中某个预想故障的设备且S1下f的第i个OLS薄弱支路是S0下该线路或变压器故障的OLS薄弱支路,则ηol.l.i为S0下L中第l个线路或变压器故障的OLS薄弱支路集中与S1下f的第i个OLS薄弱支路相同的薄弱支路的裕度,Pl.i为该薄弱支路在S0下的有功,否则,ηol.l.i取为0,Pl.i取为Pol.lmt.i;
nsv.f为S1下f的SVS薄弱节点数,ηsv.f.i、ηsv.f.i.t分别为S1下f的第i个SVS薄弱节点的裕度初值和估算值,Jglx为S0、S1下接入发电机、负荷和无功补偿设备的节点总数,Qk、Qk.t分别为S0和S1下接入其中第k个节点的发电机、负荷和无功补偿设备的无功注入之和,ssv.i.k为S0下第k个节点无功注入对第i个SVS薄弱节点电压的灵敏度,Vsv.ulmt.i、Vsv.llmt.i分别为S0下f的第i个SVS薄弱节点的电压上、下限值,b为反映节点无功注入变化对SVS薄弱节点裕度的影响参数,初值取为1,若L中第l个线路或变压器是F0中某个预想故障的设备且S1下f的第i个SVS薄弱节点是S0下该线路或变压器故障的SVS薄弱节点,则ηsv.l.i为S0下L中第l个线路或变压器故障的SVS薄弱节点集中与S1下f的第i个SVS薄弱节点相同的薄弱节点的裕度,Vl.i为该薄弱节点在S0下的电压,否则,ηsv.l.i取为0,Vl.i取为Vsv.llmt.i;
5-2)若S1下f的所有OLS薄弱支路的裕度估算值和所有SVS薄弱节点的裕度估算值都分别大于设定的预想故障集自动筛选的OLS裕度门槛值和SVS裕度门槛值,则首先采用这些裕度估算值来替代S1下f的静态安全评估结果中相应的裕度初值,然后将经过上述处理后的f在S1下的静态安全评估结果初值直接作为其在S1下的静态安全评估结果,不再对该预想故障进行基于潮流计算的静态安全量化评估,否则,将该预想故障添加到Fc中。
上述技术方案的进一步特征在于,所述步骤6)中的静态安全量化评估结果,包括与每个预想故障相对应的OLS薄弱支路及其裕度集和SVS薄弱节点及其裕度集。
上述技术方案的进一步特征在于,所述步骤7)中,通过以下步骤完成对估算参数的修正:
若S1相对于S0没有新投入线路或变压器,则分别通过求解公式(5)和公式(6)表示的优化函数,更新a和b,否则,不更新a和b;
式中,Jf为Fce中预想故障数,η’ol.d.j为步骤6)得到的S1下Fce中第j个预想故障的OLS主导支路的裕度,iol为步骤6)得到的S1下Fce中第j个预想故障的OLS主导支路在步骤5)得到的该预想故障OLS薄弱支路中的序号,采用步骤5)中S1下Fce中第j个预想故障的第iol个OLS薄弱支路的裕度估算公式(3)等号的右端项来计算,a为优化变量;
η’sv.d.j为步骤6)得到的S1下Fce中第j个预想故障的SVS主导节点的裕度,isv为步骤6)得到的S1下Fce中第j个预想故障的SVS主导节点在步骤5)得到的该预想故障SVS薄弱节点中的序号,采用步骤5)中S1下Fce中第j个预想故障的第isv个SVS薄弱负荷的裕度估算公式(4)等号的右端项来计算,b为优化变量。
通过采用上述技术方案,本发明取得了下述技术效果:对于上万个节点的大电网,其N-1静态安全评估的预想故障集中故障数达到数万个,若不采用“先估算、再筛选”的计算策略,对所有预想故障分别进行基于潮流计算的静态安全评估,计算量很大,在目前调控中心的集群计算软硬配置条件下还不能满足电网运行控制对在线静态安全评估速度的要求。而本发明基于前一时间断面预想故障下静态安全的评估结果,以及当前运行状态下节点有功、无功注入相对于前一次静态安全评估所对应运行状态的变化量,直接估算当前运行状态下静态安全评估结果,只针对静态安全裕度估算值较小的预想故障进行基于潮流计算的静态安全评估,并依据基于潮流计算的静态安全评估结果与估算值的差异,采用后验校正法对估算参数进行动态修正,作为估算精度的保障措施。本发明既克服了现有技术中所述的第一种方案中预想故障集需要人工设置的不足,又克服了第二种技术方案中需要通过迭代才能确定严重故障、计算速度难以保障,以及非严重故障没有评估结果导致只针对严重故障的预防控制存在安全隐患的不足,满足了大电网静态安全评估精度和快速性的综合要求。采用本发明方法,通常情况下需要基于潮流计算的静态安全评估预想故障数不超过100个,基于目前调控中心的集群计算软硬件平台,只需要一次潮流计算的时间就能完成在线静态安全评估,可以满足电网运行控制对在线静态安全评估速度的要求。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面参照附图对本发明作进一步详细描述。
图1中步骤1:设基于预想故障集自动筛选的在线静态安全评估首次启动的电力系统运行时刻为t0,t0时刻电力系统运行状态为S0,基于S0,根据《电力系统安全稳定导则》中第一道安全防线静态安全评估预想故障集的设置要求,生成预想故障集,记为F0,进入步骤2);
图1中步骤2:基于集群计算平台,针对S0下F0中所有预想故障分别进行基于潮流计算的静态安全量化评估,得到与每个预想故障相对应的设备过载安全OLS薄弱支路及其裕度集、静态电压安全SVS薄弱节点及其裕度集,作为t0时刻的在线静态安全评估结果,进入步骤3);
所述OLS薄弱支路及其裕度集是指由与OLS主导支路裕度之差小于OLS薄弱支路筛选的裕度增量设定值(通常设置为0.15)的若干个OLS支路及其裕度组成的集合,用来表示,其中,nol为OLS薄弱支路总数,NOLi、ηol.i分别为第i个OLS薄弱支路的名称和裕度,通过公式(1)计算ηol.i;
式中,Pol.lmt.i为S0下预想故障的第i个OLS薄弱支路按电压和功率因数不变计算出的与其过载限值相对应的有功限值,P’i为S0下预想故障后其第i个OLS薄弱支路的稳态有功;
所述OLS主导支路是指OLS裕度最小的支路;
所述SVS薄弱节点及其裕度集是指由与SVS主导节点裕度之差小于SVS薄弱节点筛选的裕度增量设定值(通常设置为0.15)的若干个SVS节点及其裕度组成的集合,用来表示,其中,nsv为SVS薄弱节点总数,NSVi、ηsv.i分别为第i个SVS薄弱节点的名称和裕度,通过公式(2)计算ηsv.i;
式中,Vsv.ulmt.i、Vsv.llmt.i分别为S0下预想故障的第i个SVS薄弱节点的电压上、下限值,V’i为S0下预想故障后其第i个SVS薄弱节点的稳态电压;
所述SVS主导节点是指SVS裕度最小的节点;
图1中步骤3:设电力系统当前运行时刻为t1,t1时刻电力系统运行状态为S1,基于S1,根据《电力系统安全稳定导则》中第一道安全防线静态安全评估预想故障集的设置要求,生成预想故障集,记为F1,进入步骤4);
图1中步骤4:先将F1中不属于F0的预想故障以及F1中引发S1下电力系统解列的预想故障作为需要进行基于潮流计算的静态安全量化评估的预想故障集,记为Fc,再将F1中不属于Fc的预想故障作为需要进行基于估算的静态安全量化评估的预想故障集,记为Fe,进入步骤5);
图1中步骤5:基于集群计算平台,针对Fe中的各个预想故障,分别按以下步骤处理后将添加到Fc中的预想故障组成的集合记为Fce,进入步骤6);
5-1)记预想故障为f,首先将S0下预想故障f的静态安全评估结果作为S1下f的静态安全评估结果的初值;然后,根据S0、S1两个运行状态下设备的投/退变化,分别针对S1下f的静态安全评估结果初值中各个OLS薄弱支路,从中剔除S0下投运、S1下退出的支路,针对S1下f的静态安全评估结果初值中各个SVS薄弱节点,从中剔除S0下投运、S1下退出的节点;最后,分别通过公式(3)和公式(4)对S1下f的静态安全评估结果初值中各个OLS薄弱支路的裕度和各个SVS薄弱节点的裕度进行估算;
式中,nol.f为S1下f的OLS薄弱支路数,ηol.f.i、ηol.f.i.t分别为S1下f的第i个OLS薄弱支路的裕度初值和估算值,Jgld为S0、S1下接入发电机、负荷和直流系统的节点总数,Pj、Pj.t分别为S0和S1下接入其中第j个节点的发电机、负荷和直流系统的有功注入之和,sol.i.j为S0下第j个节点有功注入对S0下f的第i个OLS薄弱支路有功的灵敏度,Pol.lmt.i为S0下f的第i个OLS薄弱支路按电压和功率因数不变计算出的与其过载限值相对应的有功限值,a为反映节点有功注入变化对OLS薄弱支路裕度的影响参数,初值取为1,L为S0下投运、S1下退出的线路和变压器集,若L中第l个线路或变压器是F0中某个预想故障的设备且S1下f的第i个OLS薄弱支路是S0下该线路或变压器故障的OLS薄弱支路,则ηol.l.i为S0下L中第l个线路或变压器故障的OLS薄弱支路集中与S1下f的第i个OLS薄弱支路相同的薄弱支路的裕度,Pl.i为该薄弱支路在S0下的有功,否则,ηol.l.i取为0,Pl.i取为Pol.lmt.i;
nsv.f为S1下f的SVS薄弱节点数,ηsv.f.i、ηsv.f.i.t分别为S1下f的第i个SVS薄弱节点的裕度初值和估算值,Jglx为S0、S1下接入发电机、负荷和无功补偿设备的节点总数,Qk、Qk.t分别为S0和S1下接入其中第k个节点的发电机、负荷和无功补偿设备的无功注入之和,ssv.i.k为S0下第k个节点无功注入对第i个SVS薄弱节点电压的灵敏度,Vsv.ulmt.i、Vsv.llmt.i分别为S0下f的第i个SVS薄弱节点的电压上、下限值,b为反映节点无功注入变化对SVS薄弱节点裕度的影响参数,初值取为1,若L中第l个线路或变压器是F0中某个预想故障的设备且S1下f的第i个SVS薄弱节点是S0下该线路或变压器故障的SVS薄弱节点,则ηsv.l.i为S0下L中第l个线路或变压器故障的SVS薄弱节点集中与S1下f的第i个SVS薄弱节点相同的薄弱节点的裕度,Vl.i为该薄弱节点在S0下的电压,否则,ηsv.l.i取为0,Vl.i取为Vsv.llmt.i;
5-2)若S1下f的所有OLS薄弱支路的裕度估算值和所有SVS薄弱节点的裕度估算值都分别大于设定的预想故障集自动筛选的OLS裕度门槛值和SVS裕度门槛值(这两个门槛值通常都设置为0.2),则首先采用这些裕度估算值来替代S1下f的静态安全评估结果中相应的裕度初值,然后将经过上述处理后的f在S1下的静态安全评估结果初值直接作为其在S1下的静态安全评估结果,不再对该预想故障进行基于潮流计算的静态安全量化评估,否则,将该预想故障添加到Fc中;
图1中步骤6:基于集群计算平台,针对S1下Fc中所有预想故障分别进行基于潮流计算的静态安全量化评估,得到与每个预想故障相对应的OLS薄弱支路及其裕度集和SVS薄弱节点及其裕度集,进入步骤7);
图1中步骤7:将步骤5)得到的S1下F1中不属于Fc的静态安全量化评估结果和步骤6)得到的S1下Fc的静态安全量化评估结果,作为t1时刻的在线静态安全评估结果,并将S1、F1及其静态安全量化评估结果分别用于替代S0、F0及其静态安全量化评估结果,再根据Fce中各个预想故障的静态安全稳定裕度估算值与潮流计算值之差,采用以下后验校正方法对估算参数进行修正,用于下一轮在线静态安全评估,返回步骤3)。
若S1相对于S0没有新投入线路或变压器,则分别通过求解公式(5)和公式(6)表示的优化函数,更新a和b,否则,不更新a和b;
式中,Jf为Fce中预想故障数,η’ol.d.j为步骤6)得到的S1下Fce中第j个预想故障的OLS主导支路的裕度,iol为步骤6)得到的S1下Fce中第j个预想故障的OLS主导支路在步骤5)得到的该预想故障OLS薄弱支路中的序号,采用步骤5)中S1下Fce中第j个预想故障的第iol个OLS薄弱支路的裕度估算公式(3)等号的右端项来计算,a为优化变量;
η’sv.d.j为步骤6)得到的S1下Fce中第j个预想故障的SVS主导节点的裕度,isv为步骤6)得到的S1下Fce中第j个预想故障的SVS主导节点在步骤5)得到的该预想故障SVS薄弱节点中的序号,采用步骤5)中S1下Fce中第j个预想故障的第isv个SVS薄弱负荷的裕度估算公式(4)等号的右端项来计算,b为优化变量。
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 (5)
1.基于预想故障集自动筛选的在线静态安全评估方法,其特征在于,包括以下步骤:
1)设基于预想故障集自动筛选的在线静态安全评估首次启动的电力系统运行时刻为t0,t0时刻电力系统运行状态为S0,基于S0,根据《电力系统安全稳定导则》中第一道安全防线静态安全评估预想故障集的设置要求,生成预想故障集,记为F0,进入步骤2);
2)针对S0下F0中所有预想故障分别进行基于潮流计算的静态安全量化评估,得到t0时刻的在线静态安全评估结果,进入步骤3);
3)设电力系统当前运行时刻为t1,t1时刻电力系统运行状态为S1,基于S1,根据《电力系统安全稳定导则》中第一道安全防线静态安全评估预想故障集的设置要求,生成预想故障集,记为F1,进入步骤4);
4)先将F1中不属于F0的预想故障以及F1中引发S1下电力系统解列的预想故障作为需要进行基于潮流计算的静态安全量化评估的预想故障集,记为Fc,再将F1中不属于Fc的预想故障作为需要进行基于估算的静态安全量化评估的预想故障集,记为Fe,进入步骤5);
5)分别针对Fe中的各个预想故障,基于其在S0下的静态安全稳定量化评估结果以及S0与S1之间的差异,估算其在S1下的静态安全稳定量化评估结果,将估算结果直接作为裕度估算值大于筛选门槛的预想故障在S1下的静态安全稳定量化评估结果,将裕度估算值小于等于筛选门槛的预想故障添加到Fc中,并将添加到Fc中的预想故障组成的集合记为Fce,进入步骤6);
6)针对S1下Fc中所有预想故障分别进行基于潮流计算的静态安全量化评估,得到静态安全量化评估结果,进入步骤7);
7)将步骤5)得到的S1下F1中不属于Fc的静态安全量化评估结果和步骤6)得到的S1下Fc的静态安全量化评估结果,作为t1时刻的在线静态安全评估结果,并将S1、F1及其静态安全量化评估结果分别用于替代S0、F0及其静态安全量化评估结果,再根据Fce中各个预想故障的静态安全稳定裕度估算值与潮流计算值之差,采用后验校正方法对估算参数进行修正,用于下一轮在线静态安全评估,返回步骤3)。
2.根据权利要求1所述的基于预想故障集自动筛选的在线静态安全评估方法,其特征在于,所述步骤2)中的t0时刻的在线静态安全评估结果,包括与每个预想故障相对应的设备过载安全OLS薄弱支路及其裕度集和静态电压安全SVS薄弱节点及其裕度集;
所述OLS薄弱支路及其裕度集是指由与OLS主导支路裕度之差小于OLS薄弱支路筛选的裕度增量设定值的若干个OLS支路及其裕度组成的集合,用来表示,其中,nol为OLS薄弱支路总数,NOLi、ηol.i分别为第i个OLS薄弱支路的名称和裕度,通过公式(1)计算ηol.i;
式中,Pol.lmt.i为S0下预想故障的第i个OLS薄弱支路按电压和功率因数不变计算出的与其过载限值相对应的有功限值,P’i为S0下预想故障后其第i个OLS薄弱支路的稳态有功;
所述OLS主导支路是指OLS裕度最小的支路;
所述SVS薄弱节点及其裕度集是指由与SVS主导节点裕度之差小于SVS薄弱节点筛选的裕度增量设定值的若干个SVS节点及其裕度组成的集合,用来表示,其中,nsv为SVS薄弱节点总数,NSVi、ηsv.i分别为第i个SVS薄弱节点的名称和裕度,通过公式(2)计算ηsv.i;
式中,Vsv.ulmt.i、Vsv.llmt.i分别为S0下预想故障的第i个SVS薄弱节点的电压上、下限值,V’i为S0下预想故障后其第i个SVS薄弱节点的稳态电压;
所述SVS主导节点是指SVS裕度最小的节点。
3.根据权利要求2所述的基于预想故障集自动筛选的在线静态安全评估方法,其特征在于,所述步骤5)中,针对Fe中的各个预想故障,按以下步骤进行处理:
5-1)记预想故障为f,首先将S0下预想故障f的静态安全评估结果作为S1下f的静态安全评估结果的初值;然后,根据S0、S1两个运行状态下设备的投/退变化,分别针对S1下f的静态安全评估结果初值中各个OLS薄弱支路,从中剔除S0下投运、S1下退出的支路,针对S1下f的静态安全评估结果初值中各个SVS薄弱节点,从中剔除S0下投运、S1下退出的节点;最后,分别通过公式(3)和公式(4)对S1下f的静态安全评估结果初值中各个OLS薄弱支路的裕度和各个SVS薄弱节点的裕度进行估算;
式中,nol.f为S1下f的OLS薄弱支路数,ηol.f.i、ηol.f.i.t分别为S1下f的第i个OLS薄弱支路的裕度初值和估算值,Jgld为S0、S1下接入发电机、负荷和直流系统的节点总数,Pj、Pj.t分别为S0和S1下接入其中第j个节点的发电机、负荷和直流系统的有功注入之和,sol.i.j为S0下第j个节点有功注入对S0下f的第i个OLS薄弱支路有功的灵敏度,Pol.lmt.i为S0下f的第i个OLS薄弱支路按电压和功率因数不变计算出的与其过载限值相对应的有功限值,a为反映节点有功注入变化对OLS薄弱支路裕度的影响参数,初值取为1,L为S0下投运、S1下退出的线路和变压器集,若L中第l个线路或变压器是F0中某个预想故障的设备且S1下f的第i个OLS薄弱支路是S0下该线路或变压器故障的OLS薄弱支路,则ηol.l.i为S0下L中第l个线路或变压器故障的OLS薄弱支路集中与S1下f的第i个OLS薄弱支路相同的薄弱支路的裕度,Pl.i为该薄弱支路在S0下的有功,否则,ηol.l.i取为0,Pl.i取为Pol.lmt.i;
nsv.f为S1下f的SVS薄弱节点数,ηsv.f.i、ηsv.f.i.t分别为S1下f的第i个SVS薄弱节点的裕度初值和估算值,Jglx为S0、S1下接入发电机、负荷和无功补偿设备的节点总数,Qk、Qk.t分别为S0和S1下接入其中第k个节点的发电机、负荷和无功补偿设备的无功注入之和,ssv.i.k为S0下第k个节点无功注入对第i个SVS薄弱节点电压的灵敏度,Vsv.ulmt.i、Vsv.llmt.i分别为S0下f的第i个SVS薄弱节点的电压上、下限值,b为反映节点无功注入变化对SVS薄弱节点裕度的影响参数,初值取为1,若L中第l个线路或变压器是F0中某个预想故障的设备且S1下f的第i个SVS薄弱节点是S0下该线路或变压器故障的SVS薄弱节点,则ηsv.l.i为S0下L中第l个线路或变压器故障的SVS薄弱节点集中与S1下f的第i个SVS薄弱节点相同的薄弱节点的裕度,Vl.i为该薄弱节点在S0下的电压,否则,ηsv.l.i取为0,Vl.i取为Vsv.llmt.i;
5-2)若S1下f的所有OLS薄弱支路的裕度估算值和所有SVS薄弱节点的裕度估算值都分别大于设定的预想故障集自动筛选的OLS裕度门槛值和SVS裕度门槛值,则首先采用这些裕度估算值来替代S1下f的静态安全评估结果中相应的裕度初值,然后将经过上述处理后的f在S1下的静态安全评估结果初值直接作为其在S1下的静态安全评估结果,不再对该预想故障进行基于潮流计算的静态安全量化评估,否则,将该预想故障添加到Fc中。
4.根据权利要求3所述的基于预想故障集自动筛选的在线静态安全评估方法,其特征在于,所述步骤6)中的静态安全量化评估结果,包括与每个预想故障相对应的OLS薄弱支路及其裕度集和SVS薄弱节点及其裕度集。
5.根据权利要求4所述的基于预想故障集自动筛选的在线静态安全评估方法,其特征在于,所述步骤7)中,通过以下步骤完成对估算参数的修正:
若S1相对于S0没有新投入线路或变压器,则分别通过求解公式(5)和公式(6)表示的优化函数,更新a和b,否则,不更新a和b;
式中,Jf为Fce中预想故障数,η'ol.d.j为步骤6)得到的S1下Fce中第j个预想故障的OLS主导支路的裕度,iol为步骤6)得到的S1下Fce中第j个预想故障的OLS主导支路在步骤5)得到的该预想故障OLS薄弱支路中的序号,采用步骤5)中S1下Fce中第j个预想故障的第iol个OLS薄弱支路的裕度估算公式(3)等号的右端项来计算,a为优化变量;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710247586.5A CN107132762B (zh) | 2017-04-17 | 2017-04-17 | 基于预想故障集自动筛选的在线静态安全评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710247586.5A CN107132762B (zh) | 2017-04-17 | 2017-04-17 | 基于预想故障集自动筛选的在线静态安全评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107132762A CN107132762A (zh) | 2017-09-05 |
CN107132762B true CN107132762B (zh) | 2020-05-15 |
Family
ID=59715937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710247586.5A Active CN107132762B (zh) | 2017-04-17 | 2017-04-17 | 基于预想故障集自动筛选的在线静态安全评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107132762B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108565852B (zh) * | 2018-01-17 | 2021-09-14 | 南方电网科学研究院有限责任公司 | 一种三阶段递进的大电网电压稳定评估的故障筛选与排序方法 |
CN109167354B (zh) * | 2018-10-08 | 2022-02-22 | 国网天津市电力公司电力科学研究院 | 一种基于文件交换的电网预想故障并行分析计算方法 |
CN109993665B (zh) * | 2019-03-18 | 2022-08-23 | 国电南瑞科技股份有限公司 | 电力系统在线安全稳定评估方法、装置及系统 |
CN109960148B (zh) * | 2019-03-20 | 2020-06-09 | 中国科学院软件研究所 | 一种智能无人系统的自主性评估方法及系统 |
CN109961227B (zh) * | 2019-03-22 | 2023-11-24 | 国网上海市电力公司 | 一种三级协调的预想故障筛选与排序方法 |
CN110311400B (zh) * | 2019-07-08 | 2020-12-11 | 中国电力工程顾问集团中南电力设计院有限公司 | 基于分散接入式lcc-mmc混合直流系统的电流分配优化方法 |
CN110350548B (zh) * | 2019-08-05 | 2022-08-30 | 国电南瑞科技股份有限公司 | 基于upfc的电力系统安全稳定在线预防控制方法、装置及系统 |
CN110649627B (zh) * | 2019-10-28 | 2021-03-30 | 国网湖北省电力有限公司电力科学研究院 | 一种基于gbrt的静态电压稳定裕度评估方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425686A (zh) * | 2008-12-11 | 2009-05-06 | 国网电力科学研究院 | 电力系统在线安全稳定评估预想故障集自适应筛选方法 |
-
2017
- 2017-04-17 CN CN201710247586.5A patent/CN107132762B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425686A (zh) * | 2008-12-11 | 2009-05-06 | 国网电力科学研究院 | 电力系统在线安全稳定评估预想故障集自适应筛选方法 |
Non-Patent Citations (4)
Title |
---|
implementation of line stability index for contingency analysis and screening in power systems;Subramani,C,et al.;《Journal of computer science》;20121231;第8卷(第4期);全文 * |
Severity indices for contingency screening in dynamic security assessment;V.Brandwajn,et al.;《IEEE transactions on power systems》;19970831;第12卷(第3期);全文 * |
基于故障影响域的多重预想故障集筛选方法;李传栋等;《电力系统保护与控制》;20150716;第43卷(第14期);全文 * |
暂态稳定在线预警故障集的自适应筛选;徐泰山等;《电力系统自动化》;20091125;第33卷(第22期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107132762A (zh) | 2017-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107132762B (zh) | 基于预想故障集自动筛选的在线静态安全评估方法 | |
CN107591800B (zh) | 基于场景分析的含分布式电源配电网运行状态预测方法 | |
CN109598435B (zh) | 一种配电网电缆运行状态评价方法及系统 | |
CN107093895B (zh) | 基于预想故障集自动筛选的在线暂态安全稳定评估方法 | |
AT513189B1 (de) | Verfahren zur Ermittlung eines regelungstechnischen Beobachters für den SoC | |
EP2442248B1 (de) | Kopplungsmethodik für nicht-iterative Co-Simulation | |
Kumar et al. | Power system dynamic state estimation using kalman filtering technique | |
Massignan et al. | PMUs and SCADA measurements in power system state estimation through Bayesian inference | |
CN110083518B (zh) | 一种基于AdaBoost-Elman的虚拟机软件老化预测方法 | |
CN113506186B (zh) | 电力系统受扰轨迹筛选方法、装置、电子设备和存储介质 | |
CN112952838B (zh) | 一种基于眼动设备的潮流智能分析方法及装置 | |
KR101988670B1 (ko) | 배전계통의 상태추정 장치 | |
Sun et al. | Dynamic state estimation based on unscented Kalman filter and very short-term load and distributed generation forecasting | |
Mosbah et al. | Power system tracking state estimation based on stochastic fractal search technique under sudden load changing conditions | |
CN112380759B (zh) | 基于深度学习和CoxPH模型的智能电表寿命预测方法 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
US20220292232A1 (en) | Method and Apparatus for the State Estimation of an Electrical Grid | |
Bohórquez et al. | One-ended fault location method based on machine learning models | |
CN115409245A (zh) | 电力系统的预测辅助状态估计方法、装置、设备及介质 | |
KR102255058B1 (ko) | 전력 민감도 기반 dc 전력 계통의 운용 방법 | |
CN113379279A (zh) | 基于不完整数据的深度强化学习短期电压稳定性评估方法 | |
Sobierajski | Optimal stochastic load flows | |
Glazunova et al. | Bad data detection by dynamic state estimation for the case of low redundancy of measurements | |
Jain et al. | MCS-ANN based Hybrid Approach for Reliability Assessment of Composite Power System | |
KR102226677B1 (ko) | 전력계통의 하모닉 임피던스 측정장치 및 측정방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |