CN107368966B - 一种电力网络脆弱性的评估方法 - Google Patents
一种电力网络脆弱性的评估方法 Download PDFInfo
- Publication number
- CN107368966B CN107368966B CN201710593538.1A CN201710593538A CN107368966B CN 107368966 B CN107368966 B CN 107368966B CN 201710593538 A CN201710593538 A CN 201710593538A CN 107368966 B CN107368966 B CN 107368966B
- Authority
- CN
- China
- Prior art keywords
- network
- power
- branch
- fault
- neighborhood
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000005540 biological transmission Effects 0.000 claims abstract description 152
- 230000009467 reduction Effects 0.000 claims abstract description 19
- 230000007704 transition Effects 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 5
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- MQTOSJVFKKJCRP-BICOPXKESA-N azithromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)N(C)C[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 MQTOSJVFKKJCRP-BICOPXKESA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种电力网络脆弱性的评估方法,本申请采用改进的连锁故障马尔科夫链模型,连锁故障状态转移概率以p的概率选择邻域电网内部确切的下一故障支路,以1‑p的概率选择邻域外的支路,计算负荷损失率、电能输送网络特征参数下降率、总负荷损失、电能输送网络特征参数,对电网脆弱性进行评估。本申请实施例构建了故障的邻域连锁反应与非邻域近似随机的连锁故障模型,有利于连锁故障传播机理的研究。同时,当p=1时,解决基于概率论连锁故障方法无法确切界定严重故障边界的缺点,以最小电能输送网络特征参数为下一个故障支路,为电力网络的N‑K分析和预警提供明确的方向。
Description
技术领域
本申请涉及电网安全分析技术领域,特别涉及一种电力网络脆弱性的评估方法。
背景技术
电力网络已经发展成为世界上最复杂的人造网络之一。近年来,电力系统大停电事故时有发生,后果日益严重,充分暴露了大型互联电网的脆弱性,研究复杂电网连锁故障的脆弱性成为保障我国电网安全稳定运行亟待解决的技术问题。
目前,综合统计学和系统学的复杂网络理论是研究复杂电网连锁故障风险的重要手段之一。现有的技术分析手段有:一是复杂网络理论方面,在复杂网络拓扑模型发展的基础上,结合电力网络的一些特点,提出与电力网络更相符的模型,并在已有的网络特性参数(特征路径长度、度分布和聚类系数)上分析网络的动态效应。如:部分电力系统与具有较大的聚类系数和较小的特征路径长度的小世界网络相近,这种网络特征对节点的作用有深度和广度上的扩散效应。部分电力系统与度幂率分布的无标度网络相近,该种网络特性对随机作用有很好的鲁棒性,对目标作用很脆弱。二是建立连锁故障模型,采用随机故障和蓄意故障方法分析复杂电力网络的脆弱性。三是基于复杂系统理论中的自组织临界性理论,判断电力系统是否处于自组织临界态。电力网络的拓扑特性分析和连锁故障序列预测是主要难点。
现有方法存在以下薄弱点:一是都是基于复杂网络理论本身的特征参数,且由其他类型的网络结构发展而来,节点类型无差异性,趋向于表征综合因素下网络长期演化后节点之间的关联,无法表征电力网络输送电能的本质需求,分析连锁故障危害和电网脆弱性评估存在缺陷性。二是连锁故障模型主要考虑了潮流转移所引起的马尔科夫过程,并因国内距离保护辅助判据的存在而有质疑,不能表征故障邻域范围内的连锁反应以及非邻域范围内的故障可能性。
发明内容
本申请的目的在于提供一种电力网络脆弱性的评估方法,以解决现有技术不能表征故障邻域范围内的连锁反应以及非邻域范围内的故障可能性的问题。
根据本申请的实施例,提供了一种电力网络脆弱性的评估方法,包括以下步骤:
S1、建立电力网络拓扑模型和改进的连锁故障马尔科夫链模型;
S2、在所述电力网络拓扑模型中,随机或特定断线仿真,生成当前故障支路;
S3、根据当前故障支路,构建当前故障支路的邻域电网,获取所述邻域电网的所有支路;
S4、依次单独断开所述邻域电网每个支路,计算所述邻域网络拓扑模型中电能输送网络特征参数;
S5、比较所述电能输送网络特征参数,得到所述电能输送网络特征参数中的最小值所对应的支路;
S6、在所述改进的连锁故障马尔科夫链模型中,得到由所述最小值所对应的支路、所述邻域电网其他支路和非所述邻域电网支路构成的连锁故障状态转移矩阵;
S7、根据所述连锁故障状态转移矩阵选取开断支路为下一个故障支路,将所述下一个故障支路作为当前故障支路;统计故障支路的总数;
S8、判断所述故障支路的总数是否等于预设故障数列深度;
如果所述故障支路的总数不等于所述预设故障数列深度,执行步骤S3;
如果所述故障支路的总数等于所述预设故障数列深度,执行步骤S9;
S9、依次输出故障支路,生成连锁故障序列;
S10、根据所述连锁故障序列计算损失总负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数;
S11、根据所述损失负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数评估电力网络脆弱性。
进一步地,所述建立电力网络拓扑模型的步骤包括:
获取电力网络中厂站的分布信息,以及,厂站之间的输电线路连接信息;
根据所述厂站分布信息和输电线路连接信息,映射出节点和支路,所述节点包括电源节点、输电节点和负荷节点;
根据所述节点和支路建立电力网络拓扑模型。
进一步地,所述邻域网络的构建步骤包括:
获取当前故障支路i;以支路i为中心延伸M条支路,定义为i的M级邻域电网。
进一步地,所述计算电力网络拓扑模型中电能输送网络特征参数的步骤包括:
计算所述电力网络拓扑模型中,电源节点与负荷节点之间的最小输送路径边数和总输送路径条数;
根据所述最小输送路径边数和所述总输送路径条数计算所述电能输送网络特征参数。
进一步地,所述计算电力网络拓扑模型中,电源节点与负荷节点之间的最小输送路径边数和总输送路径条数的步骤中,所述最小输送路径边数的计算公式:
其中,Dmin为最小输送路径边数,i为电源节点,j为负荷节点,dij为i和j之间距离最短输送路径上的边数,ns为网络中电源节点数,nl为网络中负荷节点数。
进一步地,所述计算电力网络拓扑模型中,电源节点与负荷节点之间的最小输送路径边数和总输送路径条数的步骤中,所述总输送路径条数的计算公式:
其中,Z为总输送路径条数,i为电源节点,j为负荷节点,Zij为i和j之间的输送路径条数,是i和j之间的输送路径边数为M的输送路径条数,ZM是输送路径边数为M的输送路径条数,ns为网络中电源节点数,nl为网络中负荷节点数,Mmax为电网最大输送路径边数。
进一步地,所述根据最小输送路径边数和总输送路径条数计算电能输送网络特征参数的步骤中,所述电能输送网络特征参数的计算公式:
其中,fk+1(i)为第k+1次故障后电能输送网络特征参数,Zk+1为第k+1次故障后电力网络总输送路径条数,为第k+1次故障后电力网络最短路径边数,w为输送路径条数的权重因子,可设定为ns为网络中电源节点数,nl为网络中负荷节点数。
进一步地,所述在改进的连锁故障马尔科夫链模型中,得到由最小值所对应的支路、邻域电网其他支路和非邻域电网支路构成的连锁故障状态转移矩阵的步骤为:
P=[pnonneighbour,pneighbour,pminneighbour]
其中,nwhole为当前故障网络所有的支路数,nneighbourhood为邻域电网的支路数,P为nwhole条支路的转移概率矩阵,psj为不确定因素引起的线路跳闸,pminneighbour为邻域电网内部的最小值所对应的支路断开概率,pneighbour为邻域电网其他支路断开概率,pnonneighbour为非邻域电网支路断开概率。
进一步地,所述根据连锁故障状态转移矩阵选取开断支路为下一个故障支路的步骤为:
从均匀分布采样r1~Uniform[0,1);
选择r1≤Prob的第一条支路为开断支路。
由以上技术方案可知,本申请提供了一种电力网络脆弱性的评估方法,S1、建立电力网络拓扑模型和改进的连锁故障马尔科夫链模型;S2、在所述电力网络拓扑模型中,随机或特定断线仿真,生成当前故障支路;S3、根据当前故障支路,构建当前故障支路的邻域电网,获取所述邻域电网的所有支路;S4、依次单独断开所述邻域电网每个支路,计算所述邻域网络拓扑模型中电能输送网络特征参数;S5、比较所述电能输送网络特征参数,得到所述电能输送网络特征参数中的最小值所对应的支路;S6、在所述改进的连锁故障马尔科夫链模型中,得到由所述最小值所对应的支路、所述邻域电网其他支路和非所述邻域电网支路构成的连锁故障状态转移矩阵;S7、根据所述连锁故障状态转移矩阵选取开断支路为下一个故障支路,将所述下一个故障支路作为当前故障支路;统计故障支路的总数;S8、判断所述故障支路的总数是否等于预设故障数列深度;如果所述故障支路的总数不等于所述预设故障数列深度,执行步骤S3;如果所述故障支路的总数等于所述预设故障数列深度,执行步骤S9;S9、依次输出故障支路,生成连锁故障序列;S10、根据所述连锁故障序列计算损失总负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数;S11、根据所述损失负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数评估电力网络脆弱性。本申请采用改进的连锁故障马尔科夫链模型,连锁故障状态转移概率以p的概率选择邻域电网内部确切的下一故障支路,以1-p的概率选择邻域外的支路,计算负荷损失率、电能输送网络特征参数下降率、总负荷损失、电能输送网络特征参数,对电网脆弱性进行评估。本申请实施例构建了故障的邻域连锁反应与非邻域近似随机的连锁故障模型,有利于连锁故障传播机理的研究。同时,当p=1时,解决基于概率论连锁故障方法无法确切界定严重故障边界的缺点,以最小电能输送网络特征参数为下一个故障支路,为电力网络的N-K分析和预警提供明确的方向。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,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为根据本申请实施例示出的一种电力网络脆弱性的评估方法流程图;
图2为根据本申请实施例示出的连锁故障序列生成方法流程图;
图3为根据本申请实施例示出的连锁故障及损失负荷统计流程图。
具体实施方式
参阅图1至图3,本申请实施例提供了一种电力网络脆弱性的评估方法,包括以下步骤:
S1、建立电力网络拓扑模型和改进的连锁故障马尔科夫链模型;
S2、在所述电力网络拓扑模型中,随机或特定断线仿真,生成当前故障支路;
S3、根据当前故障支路,构建当前故障支路的邻域电网,获取所述邻域电网的所有支路;
S4、依次单独断开所述邻域电网每个支路,计算所述邻域网络拓扑模型中电能输送网络特征参数;
S5、比较所述电能输送网络特征参数,得到所述电能输送网络特征参数中的最小值所对应的支路;
S6、在所述改进的连锁故障马尔科夫链模型中,得到由所述最小值所对应的支路、所述邻域电网其他支路和非所述邻域电网支路构成的连锁故障状态转移矩阵;
S7、根据所述连锁故障状态转移矩阵选取开断支路为下一个故障支路,将所述下一个故障支路作为当前故障支路;统计故障支路的总数;
S8、判断所述故障支路的总数是否等于预设故障数列深度;
如果所述故障支路的总数不等于所述预设故障数列深度,执行步骤S3;
如果所述故障支路的总数等于所述预设故障数列深度,执行步骤S9;
S9、依次输出故障支路,生成连锁故障序列;
S10、根据所述连锁故障序列计算损失总负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数;
S11、根据所述损失负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数评估电力网络脆弱性。
需要说明的是,建立改进的连锁故障马尔科夫链模型构建步骤包括:
连锁故障的下一级故障仅与上一级故障有关:设连锁故障{B(t),t∈T}的状态空间为S,如果对于任意的k>=2,t1<t2<...<tk∈T,在B(ti)=bi,bi∈S,i=1,2,...,k-1下B(tk)的条件概率分布函数恰好等于其在条件B(tk-1)=bk-1下的条件概率分布函数,即
P(B(tk)≤bk|B(t1)=b1,B(t2)=b2,...,B(tk-1)=bk-1)=P(B(tk)≤bk|B(tk-1)=bk-1)
本申请提出以p的概率选择上一级故障邻域电网内部支路为下一故障支路,以(1-p)的概率选择邻域外的支路作为下一故障支路,下一级故障仅与上一级故障有关。
本申请将复杂网络理论和电力网络电能输送特点相结合,针对简化电力系统的复杂网络拓扑特征描述,提出基于电能输送结构特点的电能输送网络特征参数;采用以继电保护主保护为最小单元的电网拓扑建模方法,贴近在电力网络故障情况下逐个失去单个拓扑单元运行实际;在故障支路的邻域范围内的选择最弱电能输送网络特征参数所对应的支路作为下一故障支路。当p=1时,为电网的严重故障搜索路径提供可行的解决方案;采用OPA模型分析连锁故障下的负荷损失,可用于评估复杂电力网络的脆弱性。
由以上技术方案可知,本申请提供了一种电力网络脆弱性的评估方法,本申请采用改进的连锁故障马尔科夫链模型,连锁故障状态转移概率以p的概率选择邻域电网内部确切的下一故障支路,以1-p的概率选择邻域外的支路,计算负荷损失率、电能输送网络特征参数下降率、总负荷损失、电能输送网络特征参数,对电网脆弱性进行评估。本申请实施例构建了故障的邻域连锁反应与非邻域近似随机的连锁故障模型,有利于连锁故障传播机理的研究。同时,当p=1时,解决基于概率论连锁故障方法无法确切界定严重故障边界的缺点,以最小电能输送网络特征参数为下一个故障支路,为电力网络的N-K分析和预警提供明确的方向。
进一步地,所述建立电力网络拓扑模型的步骤包括:
获取电力网络中厂站的分布信息,以及,厂站之间的输电线路连接信息;
根据所述厂站分布信息和输电线路连接信息,映射出节点和支路,所述节点包括电源节点、输电节点和负荷节点;
根据所述节点和支路建立电力网络拓扑模型。
需要说明的是,对特定电压等级或大于等于某电压等级的电网进行建模。在进行厂站到节点的映射时,根据厂站在电力系统中不同功能,将网络节点分为三类:电源节点,输电节点,负荷节点。根据继电保护主保护范围映射节点和支路,对于有负荷下网或电源上网的变电站,根据变电站的功能特点,进行单个变电站的多节点映射。以单台发电机来定义单个电源节点,分段的负荷母线定义负荷节点。
进一步地,所述计算电力网络拓扑模型中电能输送网络特征参数的步骤包括:
计算所述电力网络拓扑模型中,电源节点与负荷节点之间的最小输送路径边数和总输送路径条数;
根据所述最小输送路径边数和所述总输送路径条数计算所述电能输送网络特征参数。
需要进一步说明的是,对于负荷节点,其供电支路上的故障单元越多,即支路上的边越多,该条支路失去对负荷节点供电能力的风险越大,电网更容易损失负荷。因此,提出最小输送路径边数的概念,定义网络中电源节点i和负荷节点j之间的距离dij为最短输送路径上的边数。该网络的最小输送路径边数Dmin就是指所有节点对之间距离的平均值,即:
式中,ns为网络中电源节点数,nl为网络中负荷节点数。最小输送路径边数Dmin实际从整体上表征了系统的输电距离,以电源与负荷节点间最短距离的故障单元数来表征,这样的故障单元数越少,损失负荷的风险越小。
另外,还需要说明的是,对于负荷节点,其输电支路存在多条,任意一条支路切断,还可以通过另外几条支路输电。因此对于负荷节点而言,这样的输电支路越多,电网损失负荷节点的风险越小。提出输送路径条数的概念,定义网络中电源节点i和负荷节点j之间的路径条数为输送路径条数Zij,设定输送路径边数M,定义网络中电源节点i和负荷节点j之间的输送路径边数为M的输送路径条数该网络的输送路径边数为M的输送路径条数ZM就是指所有电源和负荷节点对之间输送路径条数的平均值,即:
式中,ns为网络中电源节点数,nt为网络中输电节点数,nl为网络中负荷节点数。以M为横坐标,ZM为纵坐标,可以列出网络中输送路径边数为M的输送路径条数ZM,即网络中输送路径条数ZM随输送路径边数M的变化情况,可用于对比不同电力网络的输送路径条数分布情况。输送路径条数ZM实际从整体上表征了系统通过输电断面对负荷供电的能力,输送路径条数ZM越大,损失负荷的风险越小。总的输送路径条数Z为:
Mmax为电网最大输送路径边数。Z的大小表征了电能输送的通路数,Z越大,电网输送电能的能力越强。
进一步地,所述根据最小输送路径边数和总输送路径条数计算电能输送网络特征参数的步骤中,所述电能输送网络特征参数的计算公式:
其中,fk+1(i)为第k+1次故障后电能输送网络特征参数,Zk+1为第k+1次故障后电力网络总输送路径条数,为第k+1次故障后电力网络最短路径边数,w为输送路径条数的权重因子,可设定为ns为网络中电源节点数,nl为网络中负荷节点数。
需要说明的是,连锁故障是某一时段多个连续单一故障的组合,通常在进行电力系统N-K稳定分析时,以最严重故障作为分析边界。在连锁第k次故障后,任意断开电力网络中的一条支路,使得所形成的网络具有最弱的网络特征参数,定为第k+1次故障。可以采用如下算法求得第k+1次故障支路。
0≤ZK+1≤ZK
参阅图2,连锁故障序列生成方法包括:
k=0,确定初始运行参数,包括电网拓扑、负荷需求和发电机出力等;根据初始运行参数数据来判别发电节点、负荷节点、输电节点,确定初始拓扑结构;确定连锁故障序列深度K。
k=1,随机或特定故障仿真,生成故障支路break(1)。
以break(k)为中心,构建break(k)的邻域网络neigbourhood_k。
k=k+1,记录邻域网络支路neig_Branch(k),计算邻域网络支路数N_neig_Branch(k),采用比较得出电能输送网络特征参数最小值的方法,记录邻域最小特征参数对应支路neig_break(k)。
计算线路j的综合状态转移概率,选出故障线路break(k)。
依此循环,当k=K,生成故障深度为K的最弱网络特征参数连锁故障序列break_K=[break(1)…break(k)…break(K)]。
需要补充的是,每得到一次故障电网,可计算当前故障电网的最小输送路径边数和总输送路径条数,电能输送网络特征参数实际上可用于不同实际电力网络之间的对比,也可用于表征在连锁故障不断深化下,电网输送能力的减弱。
进一步地,所述在改进的连锁故障马尔科夫链模型中,得到由最小值所对应的支路、邻域电网其他支路和非邻域电网支路构成的连锁故障状态转移矩阵的步骤为:
P=[pnonneighbour,pneighbour,pminneighbour]
其中,nwhole为当前故障网络所有的支路数,nneighbourhood为邻域电网的支路数,P为nwhole条支路的转移概率矩阵,psj为不确定因素引起的线路跳闸,pminneighbour为邻域电网内部的最小值所对应的支路断开概率,pneighbour为邻域电网其他支路断开概率,pnonneighbour为非邻域电网支路断开概率。
线路i断开后系统任一剩余线路j断开的概率为
psj为不确定因素引起的线路跳闸,包括线路随机故障,保护和断路器的不正确动作等。neighbourhood为线路i所形成的邻域网络。
邻域电网内部支路j的断开概率为:
MINneighbourhood为邻域网络中最小电能输送网络特征参数所对应的支路。
由上一级线路i故障引起的剩余线路线路j的状态转移概率为:
P(bk=j|bk-1=i)=pΠneighbour(j)+(1-p)psjΠnonneighbour(j)
nwhole条支路的转移概率矩阵:
P=[pnonneighbour,pneighbour,pminneighbour]
pminneighbour为邻域内部最小电能输送网络特征参数所对应的支路断开概率,pneighbour为邻域内其余支路断开概率;pnonneighbour为邻域外支路断开概率。
进一步地,所述根据连锁故障状态转移矩阵选取开断支路为下一个故障支路的步骤为:
从均匀分布采样r1~Uniform[0,1);
选择r1≤Prob的第一条支路为开断支路。
采用matlab编程如下:
进一步地,所述根据连锁故障序列统计总损失负荷,包括:
断开所述连锁故障序列内的第一个故障支路;
计算直流最优潮流,统计负荷损失;
如果所述断开次数不等于所述预设故障数列深度,断开所述连锁故障序列内的下一个故障支路,重复所述计算直流最优潮流,统计负荷损失的步骤;
如果所述断开次数等于所述预设故障数列深度,统计总负荷损失。
参阅图3,根据连锁故障序列统计总损失负荷,包括:
k=0,确定初始运行参数,确定连锁故障序列深度K和连锁故障序列break_K=[break(1)…break(k)…break(K)]。
其中,若有孤岛,对孤岛进行处理包括:对于实际电网,重要线路跳闸形成孤岛,按实际策略执行,无策略按直流最优潮流执行。
直流最优潮流使用线性规划方法求解发电机功率调度问题,目标是价值函数最小化。其中,为该孤岛中所有发电机发出的总功率,表示该孤岛中所有负荷节点的总负荷,Cost表示甩负荷所付出代价。ei为发电机发出单位电量所需费用,为系统优化控制前负荷节点的负荷需求。一般取Cost>>ei。
k=k+1,若k≠K,继续模拟下一个故障,重复执行上述步骤;
依此循环,当k=K,统计总的损失负荷Lose_K、损失负荷率LK、电能输送网络特征参数下降率FK、电能输送网络特征参数f。
进一步的,根据
统计总负荷损失;其中,Lose_K为总负荷损失,Lose(k)为第k级故障负荷损失,K为预设故障序列深度。
通过总损失负荷评估电力网络应对严重故障的脆弱性。以负荷损失量作为评估手段,最为直接,对于实际电网,可以对负荷进行分级,配置不同权重进行评估。
进一步地,负荷损失率指标用于评估连锁故障传播深度对系统负荷的损失程度。计算公式为:
其中,Load0为电网初始负荷总量。
各级联故障负荷损失率指标计算公式为:
各级联故障负荷损失率指标用于评估各级连锁故障对系统负荷损失的影响程度。有利于分析各级故障对负荷损失的后果。通过各级损失负荷率区间评估不同电网的故障承受能力。
如:对于A电网,k级故障的损失负荷率区间为[a1,a2],对于B电网,k级故障的损失负荷率区间为[b1,b2],若有b1>a1,b2>a2,那么A电网明显强于B电网。
进一步地,电能输送网络特征参数下降率指标计算公式为:
其中,fK和f0分别为发生K级连锁故障后电能输送网络特征参数和初始网络的电能输送网络特征参数。
电能输送网络特征参数下降率指标用于评估连锁故障传播深度对电网拓扑结构的影响。
进一步地,各级联故障电能输送网络特征参数下降率指标的计算公式为:
由以上技术方案可知,本申请提供了一种电力网络脆弱性的评估方法,S1、建立电力网络拓扑模型和改进的连锁故障马尔科夫链模型;S2、在所述电力网络拓扑模型中,随机或特定断线仿真,生成当前故障支路;S3、根据当前故障支路,构建当前故障支路的邻域电网,获取所述邻域电网的所有支路;S4、依次单独断开所述邻域电网每个支路,计算所述邻域网络拓扑模型中电能输送网络特征参数;S5、比较所述电能输送网络特征参数,得到所述电能输送网络特征参数中的最小值所对应的支路;S6、在所述改进的连锁故障马尔科夫链模型中,得到由所述最小值所对应的支路、所述邻域电网其他支路和非所述邻域电网支路构成的连锁故障状态转移矩阵;S7、根据所述连锁故障状态转移矩阵选取开断支路为下一个故障支路,将所述下一个故障支路作为当前故障支路;统计故障支路的总数;S8、判断所述故障支路的总数是否等于预设故障数列深度;如果所述故障支路的总数不等于所述预设故障数列深度,执行步骤S3;如果所述故障支路的总数等于所述预设故障数列深度,执行步骤S9;S9、依次输出故障支路,生成连锁故障序列;S10、根据所述连锁故障序列计算损失总负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数;S11、根据所述损失负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数评估电力网络脆弱性。本申请采用改进的连锁故障马尔科夫链模型,连锁故障状态转移概率以p的概率选择邻域电网内部确切的下一故障支路,以1-p的概率选择邻域外的支路,计算负荷损失率、电能输送网络特征参数下降率、总负荷损失、电能输送网络特征参数,对电网脆弱性进行评估。本申请实施例构建了故障的邻域连锁反应与非邻域近似随机的连锁故障模型,有利于连锁故障传播机理的研究。同时,解决基于概率论连锁故障方法无法确切界定严重故障边界的缺点,以最小电能输送网络特征参数为下一个故障支路,当p=1时,为电力网络的N-K分析和预警提供明确的方向。
本领域技术人员在考虑说明书及实践这里公开的申请后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (8)
1.一种电力网络脆弱性的评估方法,其特征在于,包括以下步骤:
S1、建立电力网络拓扑模型和改进的连锁故障马尔科夫链模型;
S2、在所述电力网络拓扑模型中,随机或特定断线仿真,生成当前故障支路;
S3、根据当前故障支路,构建当前故障支路的邻域电网,获取所述邻域电网的所有支路;
S4、依次单独断开所述邻域电网每个支路,计算所述邻域网络拓扑模型中电能输送网络特征参数;
S5、比较所述电能输送网络特征参数,得到所述电能输送网络特征参数中的最小值所对应的支路;
S6、在所述改进的连锁故障马尔科夫链模型中,得到由所述最小值所对应的支路、所述邻域电网其他支路和非所述邻域电网支路构成的连锁故障状态转移矩阵;
S7、根据所述连锁故障状态转移矩阵选取开断支路为下一个故障支路,将所述下一个故障支路作为当前故障支路;统计故障支路的总数;
S8、判断所述故障支路的总数是否等于预设故障数列深度;
如果所述故障支路的总数不等于所述预设故障数列深度,执行步骤S3;
如果所述故障支路的总数等于所述预设故障数列深度,执行步骤S9;
S9、依次输出故障支路,生成连锁故障序列;
S10、根据所述连锁故障序列计算损失总负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数;
S11、根据所述损失负荷、负荷损失率、电能输送网络特征参数下降率以及连锁故障电能输送网络特征参数评估电力网络脆弱性。
2.根据权利要求1所述的方法,其特征在于,所述建立电力网络拓扑模型的步骤包括:
获取电力网络中厂站的分布信息,以及,厂站之间的输电线路连接信息;
根据所述厂站分布信息和输电线路连接信息,映射出节点和支路,所述节点包括电源节点、输电节点和负荷节点;
根据所述节点和支路建立电力网络拓扑模型。
3.根据权利要求1所述的方法,其特征在于,所述计算电力网络拓扑模型中电能输送网络特征参数的步骤包括:
计算所述电力网络拓扑模型中,电源节点与负荷节点之间的最小输送路径边数和总输送路径条数;
根据所述最小输送路径边数和所述总输送路径条数计算所述电能输送网络特征参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710593538.1A CN107368966B (zh) | 2017-07-20 | 2017-07-20 | 一种电力网络脆弱性的评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710593538.1A CN107368966B (zh) | 2017-07-20 | 2017-07-20 | 一种电力网络脆弱性的评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107368966A CN107368966A (zh) | 2017-11-21 |
CN107368966B true CN107368966B (zh) | 2020-11-03 |
Family
ID=60307389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710593538.1A Active CN107368966B (zh) | 2017-07-20 | 2017-07-20 | 一种电力网络脆弱性的评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107368966B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697563B (zh) * | 2018-12-24 | 2020-06-19 | 浙江大学 | 一种考虑隐性故障的电力信息物理系统风险保障预警方法 |
CN109919494A (zh) * | 2019-03-11 | 2019-06-21 | 长沙理工大学 | 一种基于故障耦合传播过程的综合能源系统负荷安全域演变特征生成方法 |
CN110288489B (zh) * | 2019-07-01 | 2022-04-12 | 华北电力大学(保定) | 一种电网脆弱线路分类方法及装置 |
CN110895744B (zh) * | 2019-11-18 | 2022-04-22 | 国网浙江省电力有限公司经济技术研究院 | 考虑电网三道防线的电力信息物理系统数据传播建模方法 |
CN111860959B (zh) * | 2020-06-19 | 2024-03-29 | 齐丰科技股份有限公司 | 一种电力系统连锁故障预测方法 |
CN113301010B (zh) * | 2021-03-11 | 2022-08-05 | 上海大学 | 拒绝服务攻击下电力信息网络数据传输通道重要程度的判定方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327033A (zh) * | 2015-06-18 | 2017-01-11 | 中国电力科学研究院 | 一种基于马尔可夫过程的电力系统连锁故障解析方法 |
CN106529181A (zh) * | 2016-11-17 | 2017-03-22 | 国网四川省电力公司电力科学研究院 | 一种电力系统连锁故障脆弱线路的辨识方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327034B (zh) * | 2015-06-18 | 2019-07-26 | 中国电力科学研究院 | 基于运行可靠性模型的连锁故障搜索及薄弱环节分析方法 |
CN105391064B (zh) * | 2015-12-11 | 2017-11-14 | 天津大学 | 基于精确隐性故障模型的输电系统连锁故障风险评估方法 |
CN106503923B (zh) * | 2016-11-15 | 2019-07-16 | 国网四川省电力公司电力科学研究院 | 一种电力系统连锁故障风险评估的方法及系统 |
CN106532720A (zh) * | 2016-12-20 | 2017-03-22 | 国网辽宁省电力有限公司沈阳供电公司 | 一种含分布式电源的配电网动态分区故障恢复方法 |
CN106961350B (zh) * | 2017-02-28 | 2020-03-31 | 南京邮电大学 | 一种智能电网级联故障的仿真控制方法 |
-
2017
- 2017-07-20 CN CN201710593538.1A patent/CN107368966B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327033A (zh) * | 2015-06-18 | 2017-01-11 | 中国电力科学研究院 | 一种基于马尔可夫过程的电力系统连锁故障解析方法 |
CN106529181A (zh) * | 2016-11-17 | 2017-03-22 | 国网四川省电力公司电力科学研究院 | 一种电力系统连锁故障脆弱线路的辨识方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107368966A (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107368966B (zh) | 一种电力网络脆弱性的评估方法 | |
Rios et al. | Value of security: modeling time-dependent phenomena and weather conditions | |
CN107394773B (zh) | 考虑故障处理全过程的配网信息物理系统可靠性评估方法 | |
CN102868161B (zh) | 一种含分布式电源配电系统网络变结构优化方法 | |
US20210334441A1 (en) | Apparatus and systems for power system protective relay control using reinforcement learning | |
US20110313581A1 (en) | Self-healing power grid and method thereof | |
CN111475953B (zh) | 供能可靠性影响分析方法、装置设备及存储介质 | |
CN110148937A (zh) | 一种基于贝叶斯网络的大面积停电事件智能推演方法 | |
Zhai et al. | Modeling and identification of worst-case cascading failures in power systems | |
CN110350522A (zh) | 一种基于加权h指数的电力系统脆弱线路辨识方法 | |
CN111753420A (zh) | 面向电力信息物理系统级联故障仿真方法、系统和存储介质 | |
CN101807797A (zh) | 一种用于微网的快速故障诊断方法 | |
Cao et al. | Cyber-Physical Energy and Power Systems | |
Arabzadeh et al. | A new mechanism for remedial action schemes design in a multi-area power system considering competitive participation of multiple electricity market players | |
Li et al. | Cellular automata-based simulation of cross-space transmission of Energy Local Area Network risks: A case study of a power supply station in Beijing | |
Garau et al. | ICT reliability modelling in co-simulation of smart distribution networks | |
Qu et al. | A Globally Cooperative Recovery Strategy for Cyber-Physical Power System Based on Node Importance | |
CN113517701A (zh) | 计及信息设备故障的分布式电压控制系统风险评估方法 | |
Qi et al. | Optimal planning of smart grid communication network for interregional wide-area monitoring protection and control system | |
CN111276967A (zh) | 一种电力系统的弹性能力评估方法和装置 | |
Zheng et al. | A real-time searching system for cascading failures based on small-world network | |
Nie et al. | Measuring and Enabling Transmission Systems Resiliency with Renewable Wind Energy Systems | |
Xu et al. | Blackout risk assessment of cascading outages considering wind power uncertainty | |
Eneh et al. | Improving the reliability and security of active distribution networks using SCADA systems | |
Liu et al. | A resilience enhancement scheme of cyber-physical power system for extreme natural disasters |
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 |