CN107947151B - 一种电力系统关键节点的识别方法 - Google Patents

一种电力系统关键节点的识别方法 Download PDF

Info

Publication number
CN107947151B
CN107947151B CN201711066022.8A CN201711066022A CN107947151B CN 107947151 B CN107947151 B CN 107947151B CN 201711066022 A CN201711066022 A CN 201711066022A CN 107947151 B CN107947151 B CN 107947151B
Authority
CN
China
Prior art keywords
psnoderank
vector
nodes
power grid
matrix
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
Application number
CN201711066022.8A
Other languages
English (en)
Other versions
CN107947151A (zh
Inventor
孙志媛
孙艳
梁水莹
刘默斯
李凌
刘光时
李明珀
文立斌
邓秋荃
熊莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Guangxi Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangxi Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Guangxi Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangxi Power Grid Co Ltd
Priority to CN201711066022.8A priority Critical patent/CN107947151B/zh
Publication of CN107947151A publication Critical patent/CN107947151A/zh
Application granted granted Critical
Publication of CN107947151B publication Critical patent/CN107947151B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电力系统关键节点的识别方法，涉及电力系统数据处理和应用技术领域。所述电力系统关键节点的识别方法，通过对整个电网进行分区，求取每个分区的Local PSNodeRank向量和整个电网的Block PSNodeRank向量，再计算每个节点的PSNodeRank值，根据PSNodeRank值的排序确定电力系统网络中的关键节点，避免了传统识别方法不考虑输电线路实际传输能力或只关注电力系统的拓扑结构的情况；本发明通过对节点故障或者退出运行后电网输电能力的变化和节点间电气拓扑结构的变化，可以定量表征某个节点在电网中重要的地位，从而建立更准确的现代电网的关键节点辨识方法，找到电网运行的薄弱环节，预防系统向连锁故障临界状态演化。

Description

一种电力系统关键节点的识别方法
技术领域
本发明属于电力系统数据处理和应用技术领域，尤其涉及一种电力系统关键节点的识别方法。
背景技术
随着电力系统规模的日益增大，我国的电网逐步成为了一个交直流混合运行的复杂大电网，其形态的复杂程度也随之增大。交直流并联运行、结构复杂、联系日趋紧密，使得电网的安全稳定运行情况变得更加复杂。近年来，国内外已经频繁地发生了多起大停电事故，对人民生活和经济造成了严重影响。研究发现，电力系统大停电事故均与电网的某些关键节点有着极其重要的联系，而这些关键节点在电力系统安全稳定运行中扮演着非常重要的角色。关键节点的故障极易导致电网发生连锁故障，继而引起电网的失稳、崩溃。因此，如何准确、快速并且符合实际情况地辨识出电网中对连锁故障产生推波助澜的关键节点十分重要，且有助于我们有针对性地对它们采取保护控制策略，提高电力系统安全稳定运行的能力，预防发生电力系统连锁故障引发的大停电事故。
发明内容
针对现有技术的不足，本发明提供一种电力系统关键节点的识别方法。
本发明是通过如下的技术方案来解决上述技术问题的：一种电力系统关键节点的识别方法，包括以下几个步骤：
(1)获取电网的拓扑结构信息；
将电力系统的各个元件抽象成网络拓扑中的节点，输电线路抽象成链接节点与节点的边，节点与节点之间有着功率传输的方向。
(2)将电网进行分区；
根据电网的复杂网络特性，电网的结构是不均匀的，整个电网B将被划分成多个区域块B1，B2，...Bi...Bn，使得区域内的节点之间的链接关系较为紧密，而区域块之间的链接数尽量少。
(3)计算电网各个分区的链接矩阵以及整个电网的链接矩阵；
对于一个具有N个节点的电力系统网络，将电网的各个节点构成一个N*N 的链接矩阵H，其中矩阵元素hij表示电网节点i与节点j之间的有功传输功率，也代表节点i到节点j的边的权值，即节点间的链接强度。
(4)对所述步骤(3)的链接矩阵进行归一化处理、转置，获得相应的概率转移矩阵；
将链接矩阵H进行归一化处理，得到矩阵
Figure BDA0001455794690000021
若出现悬虚节点(即矩阵中元素全为0的行)，则用向量(1/n)eT来替换，得到处理后的随机矩阵P’，并将矩阵P’转置后得到转置矩阵M，该矩阵被称为电网链接结构的概率转移矩阵。
(5)根据所述步骤(4)的概率转移矩阵，计算每个分区的Local PSNodeRank 向量和整个电网的Block PSNodeRank向量；
将每个区域块Bi内的节点通过PSNodeRank算法算出的局部PSNodeRank 值，即Local PSNodeRank向量；再将区域块Bi抽象成节点，通过PSNodeRank 算法算出区域块PSNodeRank值，即Block PSNodeRank向量。
(5.1)采用如下表达式求解Local PSNodeRank向量：
Figure BDA0001455794690000022
式中，α为跳转因子，可设置为0.85；M为电网链接结构的概率转移矩阵； N为电力系统节点数；e为单位矩阵；eT为e的转置矩阵；
区域块内的初始向量采用节点的注入有功功率占整个区域块的注入功率之和的比值来估计，所求的计算结果为
Figure BDA0001455794690000031
即为区域块内的 LocalPSNodeRank向量，k表示电网所有的区域块数目。
(5.2)求解Block PSNodeRank向量：将区域块内节点数目与整个电网的节点总数的比值作为区域块间的初始向量，并代入Local PSNodeRank向量的求解表达式进行迭代运算，得到一个K维向量G＝(g1,g2,...,gk)T，该向量即为区域块的 Block PSNodeRank向量。
(6)通过所述步骤(5)计算得到的Local PSNodeRank向量和Block PSNodeRank向量构造N维向量，得到每个节点的PSNodeRank值；
将所述步骤(5.1)和(5.2)计算的节点对应的Local PSNodeRank向量和 BlockPSNodeRank向量的数值相乘，即得到电力系统每个节点的PSNodeRank 值，如下式所示，Zi为最终的电网节点i的PSNodeRank向量，即节点的关键度指标；
Figure BDA0001455794690000032
(7)根据所述步骤(6)的PSNodeRank值进行排序，获得电力系统网络中的关键节点；
对计算得到的各个节点的Zi值从高到低进行排序，即得到各个节点在该系统中的关键度。
与现有技术相比，本发明所提供的电力系统关键节点的识别方法，通过对整个电网进行分区，求取每个分区的Local PSNodeRank向量和整个电网的Block PSNodeRank向量，再计算每个节点的PSNodeRank值，根据PSNodeRank值的排序确定电力系统网络中的关键节点，避免了传统识别方法不考虑输电线路实际传输能力或只关注电力系统的拓扑结构的情况；本发明通过对节点故障或者退出运行后电网输电能力的变化和节点间电气拓扑结构的变化两个因素的综合描述，可以定量表征某个节点在电网中重要的地位，从而建立更准确的现代电网的关键节点辨识方法，找到电网运行的薄弱环节，预防系统向连锁故障临界状态演化，对提高电力系统安全稳定运行有着重要的实用价值。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述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发明的一个实施例，对于本领域普通技术人员来说，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是本发明一种电力系统关键节点的识别方法的流程图；
图2是本发明IEEE39节点系统的电网分区图；
图3是本发明IEEE39节点系统识别后的关键节点PSNodeRank值排序图。
具体实施方式
下面结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例以IEEE39节点系统为例，进行基于PSNodeRank关键节点排序的正确性和有效性校验计算。
如图1所示，本发明所提供的一种电力系统关键节点的识别方法，包括以下步骤：
(1)获取电网的拓扑结构信息，输入待计算系统的参数信息。
在安装有matlab的计算机上输入IEEE39节点系统的方式数据，包括线路、变压器等网架参数，以及负荷、发电机参数。该节点系统包括10台发电机，12 台变压器，19个负荷节点以及46条线路，其中31号节点机组为平衡机节点，系统的基准功率为100MVA，基准电压为345kV。
(2)将IEEE39节点系统电网进行分区。根据IEEE39节点系统网络特性，将该系统划分成6个区域块，详见图2所示。其中，节点1、9、39在区域块1，节点2、3、17、18、25、26、27、30、37在区域块2，节点28、29、38在区域块3，节点15、16、21、22、23、24、35、36在区域块4，节点19、20、33、 34在区域块5，节点4、5、6、7、8、10、11、12、13、14、31、32在区域块6。这样划分使得区域内的节点之间的链接关系较为紧密，而区域块之间的链接数尽量少。
(3)计算电网各个分区的链接矩阵以及整个电网的链接矩阵。
对于IEEE39节点的电力系统网络，将电网的各个节点构成一个39*39的链接矩阵H，其中矩阵元素hij表示电网节点i与节点j之间的有功传输功率，也代表节点i到节点j的边的权值，即节点间的链接强度。
(4)对链接矩阵进行归一化处理、转置，获得相应的概率转移矩阵。
将链接矩阵H进行归一化处理，得到矩阵
Figure BDA0001455794690000051
若出现悬虚节点(即矩阵中元素全为0的行)，则用向量(1/n)eT来替换，得到处理后的随机矩阵P’，并将矩阵P’转置后得到转置矩阵M，该矩阵被称为电网链接结构的概率转移矩阵。
(5)根据步骤(4)的概率转移矩阵，计算6个分区的Local PSNodeRank 向量和整个电网的Block PSNodeRank向量。
(5.1)求解B1～B6分区中每个分区Local PSNodeRank向量，其计算公式如下式(1)所示：
Figure BDA0001455794690000052
式中，α为跳转因子，本实施例中α＝0.85；M为电网链接结构的概率转移矩阵；N为电力系统节点数，本实施例中N＝39；e为单位矩阵；eT为e的转置矩阵。
Figure BDA0001455794690000053
即为B1～B66个区域块的Local PSNodeRank向量。
区域块内的初始向量采用节点的注入有功功率占整个区域块的注入功率之和的比值来估计。
(5.2)求解Block PSNodeRank向量：
将区域块内节点数目与整个电网的节点总数的比值作为区域块间的初始向量，并代入式(1)进行迭代运算，得到一个6维向量G＝(g1,g2,...,g6)T，该向量即为区域块的Block PSNodeRank向量。
(6)通过Local PSNodeRank向量和Block PSNodeRank向量构造39维向量，得到每个节点的PSNodeRank值。
将步骤(5.1)和(5.2)计算的节点对应的Local PSNodeRank向量和BlockPSNodeRank向量的数值相乘，即得到电力系统每个节点的PSNodeRank值，如下式(2)所示。Zi为最终的电网节点i＝1,2,...,39的PSNodeRank向量，即节点的关键度指标。此处，
Figure BDA0001455794690000061
(7)根据PSNodeRank进行排序，获得电力系统网络中的关键节点。对计算得到的39个节点的Zi值从高到低进行排序，即得到各个节点在该系统中的关键度。如图3所示，15、16号节点，26、27号节点以及2、3、4、5、6、8号节点形成了网络中重要节点集中分布的3个区域；节点2为发电机直连节点，节点3、4、26、27为重负荷节点，节点15、16、5、6处于重负荷的输电通道上，它们的故障或者退出运行可能会导致潮流大范围重新分布，对系统安全稳定运行的影响较大。
以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种电力系统关键节点的识别方法，其特征在于，包括以下几个步骤：
(1)获取电网的拓扑结构信息；
(2)将电网进行分区，根据电网的复杂网络特性，将整个电网B划分成多个区域块B1，B2，...Bi...Bn；
(3)计算电网各个分区的链接矩阵以及整个电网的链接矩阵；
(4)对所述步骤(3)的链接矩阵进行归一化处理、转置，获得相应的概率转移矩阵；
(5)根据所述步骤(4)的概率转移矩阵，计算每个分区的Local PSNodeRank向量和整个电网的Block PSNodeRank向量；
将每个区域块Bi内的节点通过PSNodeRank算法算出的局部PSNodeRank值，即LocalPSNodeRank向量；再将区域块Bi抽象成节点，通过PSNodeRank算法算出区域块PSNodeRank值，即Block PSNodeRank向量；
(5.1)采用如下表达式求解Local PSNodeRank向量：
Figure FDA0002595947200000011
式中，α为跳转因子，设置为0.85；M为电网链接结构的概率转移矩阵；N为电力系统节点数；e为单位矩阵；eT为e的转置矩阵；
区域块内的初始向量采用节点的注入有功功率占整个区域块的注入功率之和的比值来估计，所求的计算结果为
Figure FDA0002595947200000012
Figure FDA0002595947200000013
即为区域块内的Local PSNodeRank向量，k表示电网所有的区域块数目；
(5.2)求解Block PSNodeRank向量：将区域块内节点数目与整个电网的节点总数的比值作为区域块间的初始向量，并代入Local PSNodeRank向量的求解表达式进行迭代运算，得到一个K维向量G＝(g1,g2,...,gk)T，该向量即为区域块的Block PSNodeRank向量；
(6)通过所述步骤(5)计算得到的Local PSNodeRank向量和Block PSNodeRank向量构造N维向量，得到每个节点的PSNodeRank值；
将所述步骤(5.1)和(5.2)计算的节点对应的Local PSNodeRank向量和BlockPSNodeRank向量的数值相乘，即得到电力系统每个节点的PSNodeRank值，如下式所示，Zi为最终的电网节点i的PSNodeRank向量，即节点的关键度指标；
Figure FDA0002595947200000021
式中，
Figure FDA0002595947200000022
表示节点i对应的Local PSNodeRank向量，gi表示节点i对应的BlockPSNodeRank向量；
(7)根据所述步骤(6)的PSNodeRank值进行排序，获得电力系统网络中的关键节点。
2.如权利要求1所述的电力系统关键节点的识别方法，其特征在于，所述步骤(1)获取的电网拓扑结构信息是将电力系统的各个元件抽象成网络拓扑中的节点，输电线路抽象成链接节点与节点的边，节点与节点之间有着功率传输的方向。
3.如权利要求1所述的电力系统关键节点的识别方法，其特征在于，所述步骤(3)整个电网的链接矩阵H中的矩阵元素hij表示电网节点i与节点j之间的有功传输功率，i，j∈N，N表示该电力系统电网的节点数。
4.如权利要求1所述的电力系统关键节点的识别方法，其特征在于，所述步骤(4)归一化处理后的矩阵为
Figure FDA0002595947200000023
hij为电网节点i与节点j之间的有功传输功率，n为电网的节点数；若出现悬虚节点，则用向量(1/n)eT来替换，得到处理后的随机矩阵P’，其中，悬虚节点为矩阵中元素全为0的行，e为单位矩阵，eT为e的转置矩阵；并将矩阵P’转置后得到转置矩阵M，该矩阵被称为电网链接结构的概率转移矩阵。
CN201711066022.8A 2017-11-02 2017-11-02 一种电力系统关键节点的识别方法 Active CN107947151B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711066022.8A CN107947151B (zh) 2017-11-02 2017-11-02 一种电力系统关键节点的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711066022.8A CN107947151B (zh) 2017-11-02 2017-11-02 一种电力系统关键节点的识别方法

Publications (2)

Publication Number Publication Date
CN107947151A CN107947151A (zh) 2018-04-20
CN107947151B true CN107947151B (zh) 2021-01-08

Family

ID=61934196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711066022.8A Active CN107947151B (zh) 2017-11-02 2017-11-02 一种电力系统关键节点的识别方法

Country Status (1)

Country Link
CN (1) CN107947151B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108899905B (zh) * 2018-09-03 2021-08-03 云南电网有限责任公司电力科学研究院 一种复杂电网中关键节点的辨识方法及装置
CN110601185B (zh) * 2019-09-17 2021-07-06 武汉大学 一种基于统一潮流模型的综合能源系统薄弱点辨识方法
CN110675070B (zh) * 2019-09-26 2022-06-24 上海博辕信息技术服务有限公司 智能微网设备关键度分析方法
CN110739692B (zh) * 2019-11-08 2021-10-08 上海电力大学 一种基于概率图模型的配电网结构识别方法
CN112039198B (zh) * 2020-07-22 2022-04-01 清华大学 基于dane的电网拓扑结构关键特征提取方法和装置
CN112487658B (zh) * 2020-12-14 2022-09-16 重庆邮电大学 一种电网关键节点的识别方法、装置及系统
CN113507389B (zh) * 2021-07-08 2022-05-03 华北电力大学 一种电网关键节点识别方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279900A (zh) * 2013-05-24 2013-09-04 华南理工大学 一种针对区域输电网脆弱域的评估方法
CN104331569A (zh) * 2014-11-13 2015-02-04 哈尔滨工业大学 基于关键节点选择和蚁群优化算法的大规模集成电路小时延故障测试通路选择方法
CN105656039A (zh) * 2016-03-21 2016-06-08 国网宁夏电力公司电力科学研究院 一种电力系统脆弱线路的识别方法
CN106253270A (zh) * 2016-08-18 2016-12-21 西南交通大学 电力系统脆弱线路辨识方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279900A (zh) * 2013-05-24 2013-09-04 华南理工大学 一种针对区域输电网脆弱域的评估方法
CN104331569A (zh) * 2014-11-13 2015-02-04 哈尔滨工业大学 基于关键节点选择和蚁群优化算法的大规模集成电路小时延故障测试通路选择方法
CN105656039A (zh) * 2016-03-21 2016-06-08 国网宁夏电力公司电力科学研究院 一种电力系统脆弱线路的识别方法
CN106253270A (zh) * 2016-08-18 2016-12-21 西南交通大学 电力系统脆弱线路辨识方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于PageRank的有向加权复杂网络节点重要性评估方法;张琨等;《南京航空航天大学学报》;20130630;第45卷(第3期);第429-433页 *

Also Published As

Publication number Publication date
CN107947151A (zh) 2018-04-20

Similar Documents

Publication Publication Date Title
CN107947151B (zh) 一种电力系统关键节点的识别方法
Ganganath et al. Agglomerative clustering-based network partitioning for parallel power system restoration
Quirós-Tortós et al. Determination of sectionalising strategies for parallel power system restoration: A spectral clustering-based methodology
US20180375373A1 (en) Impact increments-based state enumeration reliability assessment approach and device thereof
CN110034581B (zh) 风电并网下电力系统的区间电气介数脆弱性评估方法
CN112487658B (zh) 一种电网关键节点的识别方法、装置及系统
Xiangyu et al. Identification of key transmission lines in power grid using modified K-core decomposition
CN111697590A (zh) 一种基于熵权法的电力系统关键节点识别方法及系统
Zhou et al. Fault location for distribution networks with distributed generation sources using a hybrid DE/PSO algorithm
CN112485604A (zh) 一种配电网故障电流计算方法
CN111815137A (zh) 一种电力系统脆弱性综合评估方法
Vaidya et al. Information-based measure for influence characterization in dynamical systems with applications
CN111191867B (zh) 电力系统复杂网络的可靠性评估方法
Kundu et al. State estimation with optimal PMU placement considering various contingencies
CN114665481A (zh) 一种基于电网节点矢量化的城市电网分区方法及装置
CN110829413B (zh) 基于道路矩阵的辐射状配电网可靠性评估方法
CN107818414B (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
CN110808609B (zh) 有源配电网孤岛划分方法、装置、计算机设备及存储介质
Mahmoud 3-Phase Fault Finding in Oil Field MV Distribution Network Using Fuzzy Clustering Techniques
Huang et al. Analysis and mitigation of cascading failure spatial propagation in real utility outage data
CN111917589A (zh) 一种电力通信网络资源备份方法及相关装置
CN113204854A (zh) 一种基于发电机节点及网络加权拓扑的电网分区方法
CN115952740A (zh) 一种用于电力系统安全域边界辨识的运行方式生成方法
US11983472B2 (en) Method for identifying fragile lines in power grids based on electrical betweenness
Lian et al. A network embedding algorithm for vulnerability assessment of power transmission lines using integrated structure and attribute information

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