CN107818414A - 一种大规模交直流混联电网n‑2预想事故集的生成方法 - Google Patents
一种大规模交直流混联电网n‑2预想事故集的生成方法 Download PDFInfo
- Publication number
- CN107818414A CN107818414A CN201711032886.8A CN201711032886A CN107818414A CN 107818414 A CN107818414 A CN 107818414A CN 201711032886 A CN201711032886 A CN 201711032886A CN 107818414 A CN107818414 A CN 107818414A
- Authority
- CN
- China
- Prior art keywords
- circuit
- degree
- sample
- correlation
- power grid
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 239000000126 substance Substances 0.000 claims abstract description 15
- 230000009977 dual effect Effects 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000004888 barrier function Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims 1
- 239000007924 injection Substances 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 7
- 238000007621 cluster analysis Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005404 monopole Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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
本发明公开了一种大规模交直流混联电网N‑2预想事故集的生成方法,从交直流混联电网中筛选出主要线路样本,形成单重故障集合;采用近邻传播算法对步骤1中得到单重故障集合的线路样本进行聚类,确定聚类结果;计算由各类内部任意两个线路样本形成的双重故障集合以及由任意两类内部的线路样本形成的双重故障集合的相关度;设置相关度阈值,筛选出相关度达到或超过相关度阈值的双重故障集合,生成N‑2预想事故集。本发明可在离线状态下生成大规模交直流混联电网的N‑2预想事故集,包含双重交流故障、直流故障、交直流故障等N‑2事故场景。
Description
技术领域
本发明涉及电力系统安全稳定领域,尤其涉及一种大规模交直流混联电网N-2预想事故集的生成方法。
背景技术
三道防线是我国《电力系统安全稳定导则》的重要内容,是保障电力系统安全稳定运行的防御体系。根据导则的要求,电力系统需要保持稳定运行和正常供电,称为第一级标准,是第一道防线的控制目标;保持稳定运行,但允许损失部分负荷,称为第二级标准,是第二道防线的控制目标;当系统不能保持稳定运行时,必须防止系统崩溃并尽量减少负荷损失,称为第三级标准,是第三道防线的控制目标。与第一级标准相比,第二级标准所对应的事故更为严重,系统面临失稳风险,需要制定相应的控制措施以保持系统稳定;与第三级标准相比,第二级标准所对应的事故发生的可能性更大。因此,在我国电力系统安全稳定防御体系中,第二道防线的地位非常突出。三道防线,尤其是第二道防线的设置,需要适应电网结构和运行方式的变化。
随着“西电东送”电网发展战略的实施,多项特高压交流和直流输电工程相继建设、投运,我国逐渐形成典型的大规模交直流混联电网结构。在我国东部地区,电网通过交直流输电线路接受外送电的比例显著提高,交流送电线路短路、直流线路闭锁等故障引起的大功率缺额,交直流线路之间、多馈入直流线路之间的交互影响,使电网动态特性变得更加复杂,显著增加了系统失稳风险。针对大规模交直流混联电网的特点,第二道防线应承受的N-2事故,即双重元件因故障而停运的事故构成发生了显著的变化,N-2预想事故集中需要计及直流线路故障,同时,随着电网规模增大,元件数目增加,N-2预想事故场景数量巨大。如果对所有可能的事故场景逐一进行校验,工作量大且效率低,因为电网中部分元件的重要程度较低,或者两个元件之间电气距离较远,形成的双重故障对电网安全稳定性的影响较小,没有必要将其纳入到N-2预想事故集中。因此,如何根据大规模交直流互联电网第二道防线的防御要求,设计一种N-2预想事故集的高效生成方法,来保证电网的安全稳定性,仍是待解决的技术问题。
发明内容
为了克服上述现有技术的不足,本发明提供了一种针对大规模交直流混联电网的N-2预想事故集生成方法,可在离线状态下生成大规模交直流混联电网的N-2预想事故集,包含双重交流故障、直流故障、交直流故障等N-2事故场景;与双重元件的全组合数目相比,生成的N-2预想事故集规模较小,但是涵盖了对电网安全稳定性影响显著的事故场景,满足第二道防线的防御要求。
本发明所采用的技术方案是:
一种大规模交直流混联电网N-2预想事故集的生成方法,包括以下步骤:
步骤1:从交直流混联电网中筛选出主要线路样本,形成单重故障集合;
步骤2:采用近邻传播算法对步骤1中得到单重故障集合的线路样本进行聚类,确定聚类结果;
步骤3:计算由各类内部任意两个线路样本形成的双重故障集合以及由任意两类内部的线路样本形成的双重故障集合的相关度;
步骤4:设置相关度阈值,筛选出相关度达到或超过相关度阈值的双重故障集合,生成N-2预想事故集。
进一步的,所述主要线路样本包括跨区域交流线路、直流线路、区域电网内部主网架超高压和特高压交流线路。
进一步的,采用近邻传播算法对单重故障集合的线路样本进行聚类的具体方法为:
步骤2.1:根据全网潮流计算结果计算主要线路样本的线路负载率、线路对受端节点注入功率比和线路权重,并进行规格化处理,构建主要线路样本的坐标;
步骤2.2:基于主要线路样本的坐标,计算两两线路样本的相似度,得到主要线路样本的相似度矩阵S;
步骤2.3:将线路样本的吸引度矩阵R和归属度矩阵A的元素置零,根据相似度矩阵S迭代更新线路样本的吸引度矩阵R和归属度矩阵A;
步骤2.4:当迭代次数达到上限或经过多次迭代聚类中心都不发生变化时,停止迭代,线路样本属于使吸引度和归属度之和取最大值时所对应的聚类中心,得到聚类结果。
进一步的,所述线路负载率为当前运行方式下线路电流与线路最大载流量的比值;所述线路对受端节点注入有功功率占比为通过该线路向受端节点注入的有功功率与该受端节点接受的总有功功率的比值。
进一步的,所述线路权重表示为线路类型参数和线路电压水平参数的乘积,其中,对于线路类型参数,交流线路取1,直流线路取2;对于线路电压水平参数,取线路电压与电网最高电压比值的平方。
进一步的,采用近邻传播算法对单重故障集合的线路样本进行聚类,还包括:
在每一次迭代中,根据吸引度矩阵R的对角线上元素R(k,k)和归属度矩阵A的对角线上元素A(k,k)之和判断任一线路样本k是否可以作为聚类中心,当R(k,k)+A(k,k)>0,则线路样本k可以作为聚类中心,当迭代次数达到设定值或者经过多次迭代聚类中心都不发生变化时,停止计算;得到聚类中心之后,根据吸引度和归属度之和取最大值时所对应的聚类中心k,判断线路样本归属的聚类中心。
进一步的,对于由来自同一类内部的两个线路样本形成的双重故障集合,两个线路样本的相关度为两者与其共同的聚类中心之间的相关度的乘积;其中,故障样本与其聚类中心之间的相关度为线路样本的吸引度和归属度之和。
进一步的,对于由来自不同类的两个线路样本形成的双重故障集合,两个线路样本的相关度为第一个故障样本与其聚类中心的相关度、第二个故障样本与其聚类中心的相关度以及两个聚类中心的相关度这三者的乘积;其中,故障样本与其聚类中心之间的相关度为线路样本的吸引度和归属度之和;两个聚类中心的相关度为相似度矩阵S中非对角元素值。
进一步的,所述设置相关度阈值,筛选出相关度达到或超过相关度阈值的双重故障集合,包括:
寻找由各类内部任意两个线路样本形成的所有双重故障集合相关度的最大值,将该最大值除以一个大于1的实数,所得值作为由各类内部任意两个线路样本形成的所有双重故障集合相关度的阈值Rst1,在由各类内部任意两个线路样本形成的所有双重故障集合中,将相关度达到或超过阈值Rst1的双重故障集合筛选出来,作为事故集的元素。
进一步的,所述设置相关度阈值,筛选出相关度达到或超过相关度阈值的双重故障集合,还包括:
寻找由任意两类内部的线路样本形成的所有双重故障集合相关度的最大值,将该最大值除以一个大于1的实数,所得值作为由任意两类之间的线路样本形成的所有双重故障集合相关度的阈值Rst2;在由任意两类之间的线路样本形成的所有双重故障集合中,将相关度达到或超过阈值Rst2的双重故障集合筛选出来,作为事故集的元素。
与现有技术相比,本发明的有益效果是:
(1)本发明采用聚类算法对线路样本进行聚类分析,对各类内部的样本以及类之间的样本进行相关度指标计算,通过设置相关度阈值,筛选出双重事故,生成N-2预想事故集,具有普适性,适用于各种大规模交直流混联电网N-2预想事故集的生成;
(2)本发明生成的N-2预想事故集规模较小,涵盖了对电网安全稳定性影响显著的事故场景,满足第二道防线的防御要求;
(3)本发明的计算量较小,对各类内部的样本以及类之间的样本进行相关度指标计算时,可利用聚类分析时的指标信息,使部分指标信息重复利用。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本发明公开的大规模交直流混联电网N-2预想事故集的生成方法流程图;
图2是本发明公开的采用聚类算法对单重故障集合的线路样本进行聚类分析流程图;
图3是本发明公开的线路样本之间信息传递示意图;
图4a是本发明公开的类内部样本的相关度计算示意图;
图4b是本发明公开的类之间样本的相关度计算示意图;
图5是本发明实施例一公开的电网结构图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的,现有技术中将由于电网中部分元件的重要程度较低,或者两个元件之间电气距离较远,形成的双重故障纳入到N-2预想事故集中,导致工作量大且效率低的不足,为了解决如上的技术问题,本申请提出了一种大规模交直流混联电网N-2预想事故集的生成方法,可在离线状态下生成大规模交直流混联电网的N-2预想事故集,包含双重交流故障、直流故障、交直流故障等N-2事故场景。与双重元件的全组合数目相比,生成的N-2预想事故集规模较小,但是涵盖了对电网安全稳定性影响显著的事故场景,满足第二道防线的防御要求。
如图1所示,本申请提供了一种大规模交直流混联电网N-2预想事故集的生成方法,该方法包括以下步骤:
步骤1:从交直流混联电网中筛选出主要线路样本,构成单重故障集合。
其中,对交直流混联电网中线路进行筛选,得到主要线路样本;该主要线路样本包括跨区域交流线路、跨区域直流线路、区域电网内部主网架超高压和特高压交流线路,跨区域直流线路的正负两极各计为一条,采用跨区域交流线路、跨区域直流线路、区域电网内部主网架超高压和特高压交流线路构成单重故障集合。
步骤2:采用聚类算法对单重故障集合的线路样本进行聚类分析。
所采用的聚类算法为近邻传播(AP)算法,近邻传播(AP)算法是根据N个数据点之间的相似度进行聚类,这些相似度可以是对称的,即两个数据点之间的相似度一样,如欧式距离;也可以是不对称的,即两个数据点之间的相似度不等,这些相似度组成N×N的相似度矩阵S,其中,N为N个数据点。
近邻传播(AP)算法不需要事先指定聚类数目,而是将所有的线路样本都作为潜在的聚类中心,根据线路样本之间的参考度、相似度、吸引度和归属度进行聚类。
如图2所示,所述采用聚类算法对单重故障集合的线路样本进行聚类分析的具体方法为:
步骤201:根据电网潮流计算结果计算主要线路样本的线路负载率、线路对受端节点注入功率比和线路权重,并进行规格化处理,构建线路样本的坐标。
其中,潮流计算是指在给定电力系统网络拓扑、元件参数和发电、负荷参量条件下,计算有功功率、无功功率及电压在电力网中的分布。潮流计算是根据给定的电网结构、参数和发电机、负荷等元件的运行条件,确定电力系统各部分稳态运行状态参数的计算。通常给定的运行条件有系统中各电源和负荷点的功率、枢纽点电压、平衡点的电压和相位角。电网潮流计算结果包括电网各母线节点的电压幅值和相角,以及各支路的功率分布、网络的功率损耗等。
所述线路负载率定义为当前运行方式下线路电流与线路最大载流量的比值,认为直流线路运行于额定状态,负载率为1;线路对受端节点注入有功功率占比定义为通过该线路向受端节点注入的有功功率与该受端节点接受的总有功功率的比值,反映了该线路对于该受端节点的重要性;线路权重考虑了线路类型和线路电压水平,反映了线路在系统中的地位。
在线路权重计算中,为了体现直流线路对交直流混联电网安全稳定性的影响程度,对于线路类型参数,交流线路取1,直流线路取2;对于线路电压水平参数,取线路电压与电网最高电压比值的平方。线路权重表示为线路类型参数和线路电压水平参数的乘积,如下所示:
式中,Wi为线路样本i的线路权重,ki为线路样本i的线路类型参数,Vi为线路样本i的电压值,Vmax为电网最高电压值。
线路样本i的坐标为(xi,yi,zi),其中,xi为线路负载率,yi为线路对受端节点注入功率比,zi为线路权重。
步骤202:根据主要线路样本的坐标,计算两两线路样本的相似度,得到线路样本的相似度矩阵S。
相似度矩阵S中非对角元素S(i,j)反映了两个不同线路样本之间的相似度,其值为线路样本i和线路样本j的坐标之间欧氏距离的负值,其计算公式为:
非对角元素S(i,j)的值越大,表明线路样本i和线路样本j的之间的距离越近,相似度越高,
相似度矩阵S的对角元素S(k,k)表示线路样本k成为聚类中心的能力,其对角元素S(k,k)值为所有非对角元素的最小值。
步骤203:将线路样本的吸引度矩阵R和归属度矩阵A的元素置零,根据相似度矩阵S迭代更新线路样本的吸引度矩阵R和归属度矩阵A。
吸引度矩阵R的元素迭代更新的公式为:
R(i,k)=S(i,k)-max{A(i,j)+S(i,j)}(j∈{1,2,…,N},j≠k)
式中,R(i,k)表示线路样本k适合作为线路样本i的聚类中心的程度;S(i,k)为线路样本i和线路样本k之间的相似度;S(i,j)为线路样本i和线路样本j之间的相似度;A(i,j)表示归属度矩阵A的第i行第j列元素,其初始值为0;N表示线路样本数目。
归属度矩阵A迭代更新的公式为:
式中,A(i,k)表示线路样本i选择线路样本k作为聚类中心的程度,样本之间的信息传递结构如图3所示。
每次更新后可以确定当前线路样本i的代表线路样本k,该代表线路样本k为使R(i,k)+A(i,k)取得最大值的那个k。
步骤204:当迭代次数达到上限或经过多次迭代聚类中心都不发生变化时,停止迭代,线路样本i属于使R(i,k)+A(i,k)取最大值时所对应的聚类中心k,得到聚类结果。
其次,还有一种判断线路样本属于哪一个聚类的方法,其具体为:
在每一次迭代中,根据吸引度矩阵R的对角线上元素R(k,k)和归属度矩阵A的对角线上元素A(k,k)之和判断任一线路样本k是否可以作为聚类中心,当R(k,k)+A(k,k)>0,则线路样本k可以作为聚类中心,当迭代次数达到设定值或者经过多次迭代聚类中心都不发生变化时,停止计算;得到聚类中心之后,根据R(i,k)+A(i,k)的最大值所对应的聚类中心k,判断线路样本i归属于哪个聚类中心。
此外,为了提高收敛速度,将第n次迭代的吸引度矩阵Rn和归属度矩阵An与上一次迭代的结果Rn-1和An-1进行加权求和,公式如下:
Rn=(1-λ)·Rn+λ·Rn-1
An=(1-λ)·An+λ·An-1
式中,λ∈(0,1)为阻尼系数,一般取0.5。
步骤3:计算由各类内部任意两个线路样本形成的双重故障集合以及任意两类内部之间的线路样本形成的双重故障集合的相关度;
在计算双重故障集合的相关度时,运用了在上述聚类过程中使用过的指标信息,即吸引度和归属度之和R(i,k)+A(i,k)作为线路样本与其聚类中心之间的相关度;运用相似度矩阵S中反映各聚类中心之间相似度的非对角线上元素值,作为各个聚类中心之间的相关度。
对于由每一类内部的两个线路样本形成的双重故障集合,按照“线路样本1A—类中心1—线路样本1B”的关系,如图4a所示,两个线路样本的相关度为该两个线路样本与其共同的聚类中心之间的相关度的乘积,其具体计算公式如下所示:
Ci,j=Ii,k·Ij,k
式中,Ci,j表示两个线路样本i和j的相关度,Ii,k和Ij,k分别表示线路样本i和j与其聚类中心k的相关度。
对于由不同类的两个线路样本形成的双重故障集合,按照“样本1A—类中心1—类中心2—样本2B”的关系,如图4b所示,两个故障样本的相关度为第一个故障样本与其聚类中心的相关度、第二个故障样本与其聚类中心的相关度以及两个聚类中心的相关度这三者的乘积;其具体计算公式如下所示:
Ci,j=Ii,k·Dk,l·Ij,l
式中,Ci,j表示两个样本i和j的相关度,Ii,k和Ij,l分别表示样本i和j与其各自聚类中心k和l的相关度,Dk,l表示两个聚类中心k和l之间的相关度。
步骤4:设置相关度阈值,筛选出达到或超过相关度阈值的双重故障集合,生成N-2预想事故集。
对于上述由各类内部任意两个线路样本形成的双重故障集合以及任意两类之间的线路样`形成的双重故障集合,分别设置相关度阈值;首先,确定由各类内部任意两个线路样本形成的所有双重故障集合相关度的最大值,将该最大值除以一个大于1的实数,所得值作为由各类内部任意两个线路样本形成的所有双重故障集合相关度的阈值Rst1;其次,确定由任意两类之间的线路样本形成的所有双重故障集合相关度的最大值,将该最大值除以一个大于1的实数,所得值作为由任意两类内部的线路样本形成的所有双重故障集合相关度的阈值Rst2;在由各类内部任意两个线路样本形成的所有双重故障集合中,将相关度达到或超过阈值Rst1的双重故障集合选出来,作为事故集的元素;在由任意两类内部的线路样本形成的所有双重故障集合中,将相关度达到或超过阈值Rst2的双重故障集合选出来,作为事故集的元素,形成大规模交直流混联电网N-2预想事故集。
对于上述相关度的最大值和阈值之间的比值,一般在1.5~2.5之间取值。根据先验知识,对于安全稳定性较高的系统,该值可以取得小一些,适度减少筛选出来的N-2预想事故的数目;对于安全稳定性较低的系统,该值应取得大一些,以保证更全面地筛选出高风险的事故场景。另外,随着电网负荷水平升高,出现N-2事故的几率以及发生N-2事故后对系统造成的危害程度增大,此时,该值应取得大一些,以保证事故筛选的可靠性。
实施例一
本实施例以某一省级交直流混联电网为例,对本发明的具体实现过程进行进一步说明。该交直流混联电网通过5条双回超高压和特高压交流线路从相邻外部电网受电,同时通过3条双极运行的超高压和特高压直流输电线路从送端系统受电,并且电网内部交流线路众多,相互之间连接紧密,图5示出该电网的简化结构。本实施例的具体实现过程包括:
1)初步筛选出该交直流混联电网中的主要线路:包括跨区域交流线路、直流线路(正负两极各计为一条)、区域电网内部主网架超高压和特高压交流线路,共计有171条线路,分别进行样本编号为1号~171号,其中,1号~165号为交流线路样本,166号~171号为直流线路样本。
2)根据全网潮流计算结果,计算上述线路样本的线路负载率、线路对受端节点注入功率比和线路权重,采用AP算法对线路样本进行聚类,共计生成6类,聚类结果如表1所示,其中,聚类中心用粗体标记。
表1AP聚类结果
3)计算每一类内部的样本以及类之间的样本的相关度指标。
4)每一类内部以及类之间的故障样本形成两个待筛选的双重故障集合,两个集合中双重故障相关度的最大值分别为1.122和0.976,取相关度的最大值和阈值之间的比值为2,则两个集合中双重故障相关度的阈值分别为0.561和0.488。在两个待筛选的双重故障集合中,将达到或超过阈值的双重故障组合筛选出来,形成该交直流混联电网的N-2预想事故集,其中,类内部事故数目为429,类之间事故数目为988,共计1417个N-2预想事故,占双重线路故障总数的4.87%。表2示出部分N-2预想事故。
表2部分N-2预想事故
5)采用电力系统综合分析程序PSASP 7.21进行仿真验证。
经过上述各步骤,最终形成了实施例一的N-2预想事故集,在生成过程中筛选掉了大部分对系统安全稳定性影响较小的预想事故,显著减少了N-2预想事故集的规模。生成的N-2预想事故集涵盖了对系统安全稳定性影响较大的事故场景,包括:1)双回交流外网送电线路故障,2)直流线路双极闭锁,3)两回直流线路单极闭锁,4)直流线路单极闭锁与受端换流站三级以内的交流线路故障构成的双重故障,5)电网内部电气距离较近的双重交流线路故障等。对于一条线路,与其直接相连的线路称为一级线路,与一级线路直接相连的线路称为二级线路,以此类推,三级以内线路视为电气距离较近的强相关线路。分别抽取N-2预想事故集和未包含在该事故集中的双重故障样本,进行仿真验证,结果表明,N-2预想事故集中的样本对系统的安全稳定性影响较大,甚至导致系统失稳,而未包含在该事故集中的样本对系统的安全稳定性影响较小,无失稳场景,验证了该N-2预想事故集生成方法的有效性。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
(1)本发明采用聚类算法对线路样本进行聚类分析,对各类内部的样本以及类之间的样本进行相关度指标计算,通过设置相关度阈值,筛选出双重事故,生成N-2预想事故集,具有普适性,适用于各种大规模交直流混联电网N-2预想事故集的生成;
(2)本发明生成的N-2预想事故集规模较小,涵盖了对电网安全稳定性影响显著的事故场景,满足第二道防线的防御要求;
(3)本发明的计算量较小,对各类内部的样本以及类之间的样本进行相关度指标计算时,可利用聚类分析时的指标信息,使部分指标信息重复利用。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种大规模交直流混联电网N-2预想事故集的生成方法,其特征是,包括以下步骤:
步骤1:从交直流混联电网中筛选出主要线路样本,形成单重故障集合;
步骤2:采用近邻传播算法对步骤1中得到单重故障集合的线路样本进行聚类,确定聚类结果;
步骤3:计算由各类内部任意两个线路样本形成的双重故障集合以及由任意两类内部的线路样本形成的双重故障集合的相关度;
步骤4:设置相关度阈值,筛选出相关度达到或超过相关度阈值的双重故障集合,生成N-2预想事故集。
2.根据权利要求1所述的大规模交直流混联电网N-2预想事故集的生成方法,其特征是,所述主要线路样本包括跨区域交流线路、直流线路、区域电网内部主网架超高压和特高压交流线路。
3.根据权利要求1所述的大规模交直流混联电网N-2预想事故集的生成方法,其特征是,采用近邻传播算法对单重故障集合的线路样本进行聚类的具体方法为:
步骤2.1:根据全网潮流计算结果计算主要线路样本的线路负载率、线路对受端节点注入功率比和线路权重,并进行规格化处理,构建主要线路样本的坐标;
步骤2.2:基于主要线路样本的坐标,计算两两线路样本的相似度,得到主要线路样本的相似度矩阵S;
步骤2.3:将线路样本的吸引度矩阵R和归属度矩阵A的元素置零,根据相似度矩阵S迭代更新线路样本的吸引度矩阵R和归属度矩阵A;
步骤2.4:当迭代次数达到上限或经过多次迭代聚类中心都不发生变化时,停止迭代,线路样本属于使吸引度和归属度之和取最大值时所对应的聚类中心,得到聚类结果。
4.根据权利要求3所述的大规模交直流混联电网N-2预想事故集的生成方法,其特征是,所述线路负载率为当前运行方式下线路电流与线路最大载流量的比值;所述线路对受端节点注入有功功率占比为通过该线路向受端节点注入的有功功率与该受端节点接受的总有功功率的比值。
5.根据权利要求3所述的大规模交直流混联电网N-2预想事故集的生成方法,其特征是,所述线路权重表示为线路类型参数和线路电压水平参数的乘积,其中,对于线路类型参数,交流线路取1,直流线路取2;对于线路电压水平参数,取线路电压与电网最高电压比值的平方。
6.根据权利要求3所述的大规模交直流混联电网N-2预想事故集的生成方法,其特征是,采用近邻传播算法对单重故障集合的线路样本进行聚类,还包括:
在每一次迭代中,根据吸引度矩阵R的对角线上元素R(k,k)和归属度矩阵A的对角线上元素A(k,k)之和判断任一线路样本k是否可以作为聚类中心,当R(k,k)+A(k,k)>0,则线路样本k可以作为聚类中心,当迭代次数达到设定值或者经过多次迭代聚类中心都不发生变化时,停止计算;得到聚类中心之后,根据吸引度和归属度之和取最大值时所对应的聚类中心k,判断线路样本归属的聚类中心。
7.根据权利要求1所述的大规模交直流混联电网N-2预想事故集的生成方法,其特征是,对于由来自同一类内部的两个线路样本形成的双重故障集合,两个线路样本的相关度为两者与其共同的聚类中心之间的相关度的乘积;其中,故障样本与其聚类中心之间的相关度为线路样本的吸引度和归属度之和。
8.根据权利要求1所述的大规模交直流混联电网N-2预想事故集的生成方法,其特征是,对于由来自不同类的两个线路样本形成的双重故障集合,两个线路样本的相关度为第一个故障样本与其聚类中心的相关度、第二个故障样本与其聚类中心的相关度以及两个聚类中心的相关度这三者的乘积;其中,故障样本与其聚类中心之间的相关度为线路样本的吸引度和归属度之和;两个聚类中心的相关度为相似度矩阵S中非对角元素值。
9.根据权利要求1所述的大规模交直流混联电网N-2预想事故集的生成方法,其特征是,所述设置相关度阈值,筛选出相关度达到或超过相关度阈值的双重故障集合,包括:
寻找由各类内部任意两个线路样本形成的所有双重故障集合相关度的最大值,将该最大值除以一个大于1的实数,所得值作为由各类内部任意两个线路样本形成的所有双重故障集合相关度的阈值Rst1,在由各类内部任意两个线路样本形成的所有双重故障集合中,将相关度达到或超过阈值Rst1的双重故障集合筛选出来,作为事故集的元素。
10.根据权利要求1所述的大规模交直流混联电网N-2预想事故集的生成方法,其特征是,所述设置相关度阈值,筛选出相关度达到或超过相关度阈值的双重故障集合,还包括:
寻找由任意两类内部的线路样本形成的所有双重故障集合相关度的最大值,将该最大值除以一个大于1的实数,所得值作为由任意两类之间的线路样本形成的所有双重故障集合相关度的阈值Rst2;在由任意两类之间的线路样本形成的所有双重故障集合中,将相关度达到或超过阈值Rst2的双重故障集合筛选出来,作为事故集的元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711032886.8A CN107818414B (zh) | 2017-10-30 | 2017-10-30 | 一种大规模交直流混联电网n-2预想事故集的生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711032886.8A CN107818414B (zh) | 2017-10-30 | 2017-10-30 | 一种大规模交直流混联电网n-2预想事故集的生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107818414A true CN107818414A (zh) | 2018-03-20 |
CN107818414B CN107818414B (zh) | 2020-07-31 |
Family
ID=61603477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711032886.8A Active CN107818414B (zh) | 2017-10-30 | 2017-10-30 | 一种大规模交直流混联电网n-2预想事故集的生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107818414B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948695A (zh) * | 2019-03-18 | 2019-06-28 | 云南电网有限责任公司 | 一种基于近邻传播聚类算法的电网脆弱节点自动识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006162541A (ja) * | 2004-12-10 | 2006-06-22 | Meiji Univ | 事故点標定方法、システム及びプログラム |
CN102315640A (zh) * | 2010-07-09 | 2012-01-11 | 中国电力工程顾问集团华东电力设计院 | 用于多层电网的事故集处理系统和方法 |
CN103091612A (zh) * | 2013-01-16 | 2013-05-08 | 重庆市电力公司电力科学研究院 | 一种变压器油纸绝缘多局部放电源信号的分离与识别算法 |
CN105896534A (zh) * | 2016-05-17 | 2016-08-24 | 太原理工大学 | 计及线路重要度及关联度的输电系统故障状态集筛选方法 |
CN104037760B (zh) * | 2014-06-12 | 2017-01-18 | 国家电网公司 | 一种不确定注入功率的电力系统预想事故选择方法 |
-
2017
- 2017-10-30 CN CN201711032886.8A patent/CN107818414B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006162541A (ja) * | 2004-12-10 | 2006-06-22 | Meiji Univ | 事故点標定方法、システム及びプログラム |
CN102315640A (zh) * | 2010-07-09 | 2012-01-11 | 中国电力工程顾问集团华东电力设计院 | 用于多层电网的事故集处理系统和方法 |
CN103091612A (zh) * | 2013-01-16 | 2013-05-08 | 重庆市电力公司电力科学研究院 | 一种变压器油纸绝缘多局部放电源信号的分离与识别算法 |
CN104037760B (zh) * | 2014-06-12 | 2017-01-18 | 国家电网公司 | 一种不确定注入功率的电力系统预想事故选择方法 |
CN105896534A (zh) * | 2016-05-17 | 2016-08-24 | 太原理工大学 | 计及线路重要度及关联度的输电系统故障状态集筛选方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948695A (zh) * | 2019-03-18 | 2019-06-28 | 云南电网有限责任公司 | 一种基于近邻传播聚类算法的电网脆弱节点自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107818414B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104578427B (zh) | 一种含微网电源的配电网的故障自愈方法 | |
CN109687438B (zh) | 一种计及高铁冲击负荷作用下的电网脆弱线路辨识方法 | |
CN107316113B (zh) | 一种输电网规划方法及系统 | |
CN107292481B (zh) | 一种基于节点重要度的电网关键节点评估方法 | |
CN101800426A (zh) | 电网安全性水平评估方法 | |
CN107622360A (zh) | 一种综合考虑主客观因素的关键线路识别方法 | |
CN108808664B (zh) | 一种考虑电网分区优化运行的城市电网规划方法 | |
CN107947151A (zh) | 一种电力系统关键节点的识别方法 | |
CN109039766B (zh) | 一种基于渗流概率的电力cps网络风险传播阈值确定方法 | |
CN103366062A (zh) | 基于bbo算法和电网生存性的核心骨干网架构建方法 | |
CN107358338A (zh) | 一种多业务和硬件融合的d5000系统健康度分层优先评价方法 | |
CN109598377A (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
CN105140973A (zh) | 一种考虑交流侧故障的高压直流输电系统可靠性评估方法 | |
CN104950205B (zh) | 一种交流系统故障对直流线路影响的量化分析方法 | |
CN104408539B (zh) | 一种配电网资源优化配置综合评价方法及系统 | |
CN106712030B (zh) | 基于wams动态跟踪的直流受端交流系统电压稳定判别方法 | |
CN111639841A (zh) | 一种高压输电线路的雷击跳闸风险综合评估方法 | |
Chang et al. | A Byzantine-resilient distributed peer-to-peer energy management approach | |
CN109377020B (zh) | 一种考虑配电网负荷转供能力的输电网规划方法 | |
Chen et al. | Cyber-physical system fusion modeling and robustness evaluation | |
CN107196307B (zh) | 一种变压器故障后电网有功潮流快速估算的方法 | |
CN107818414A (zh) | 一种大规模交直流混联电网n‑2预想事故集的生成方法 | |
WO2021227373A1 (zh) | 省间交易代理模式下节点的选取方法和系统、以及存储介质 | |
CN111369388B (zh) | 用于城市电网的对抗脆弱性评估方法及系统 | |
CN110768260A (zh) | 一种基于电气介数的电网级联失效模型建立方法 |
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 |