CN108899896B - 一种基于改进benders分解法的供电能力评估方法 - Google Patents

Abstract

本发明公开了一种基于改进benders分解法的供电能力评估方法，在建立考虑N‑1静态安全约束的供电能力模型基础上，应用benders分解法进行求解，并对核心事故筛选方法、反馈集选择方法和割集反馈方法进行改进。包括：在核心事故筛选中，根据松弛矩阵对非核心事故集中的子问题进行越限比较，选出使每一个优化变量越限超过阈值的事故进入核心事故集；在反馈集筛选中，将核心子问题越限程度超过阈值的核心子问题组成反馈集；在割集反馈中，应用多种反馈方法和变速处理技术形成反馈集。应用所提出的改进benders分解法，能有效解决大规模电网高维度、非凸非线性多约束优化问题的求解难题，在保证满足N‑1安全约束要求的前提下提高计算效率，减少计算时间，优化计算结果。

Description

一种基于改进benders分解法的供电能力评估方法

技术领域

本发明涉及电网仿真评估领域，特别涉及一种基于改进benders分解法的供电能力评估方法。

背景技术

目前我国很多城市高压电网为浅层、多环网结构，随着负荷增长迅速，在电力安全可靠性要求下，了解当前城市电网的供电能力水平，是电网调度运行和规划建设的重要分析依据。如何快速求解这一类复杂城市电网的供电能力，成为业界高度关注的问题。

有关供电能力评估方法的研究，文献《默哈莫德·夏班，刘皓明，李卫星，等.静态安全约束下基于Benders分解算法的可用传输容量计算[J].中国电机工程学报.2003(08):8-12》中提出了基于benders分解法求解可用传输容量的计算方法，其中benders分解法与一般求解方法相比，在大规模系统中具有时间和结果两方面的计算优势，但是上述文献采用的并行策略迭代效率低；文献《荆朝霞，王宏益，吴青华.220kV电网供电能力计算的改进Benders分解法[J].中国电机工程学报.2017(17):4893-4900》在上述文献的基础上，对benders分解法进行改进，提出核心事故集筛选策略和“逐个添加，均值反馈”的伪串行策略，提高计算效率，减少计算时间，优化计算结果，但是“逐个添加”的策略在实际系统计算中，反馈容易受个别子问题影响，偏离合理的反馈方向，且已经满足安全校核要求的子问题在反馈方案中缺少退出机制，会弱化反馈效果。

现有技术中至少存在以下缺点和不足：在应用benders分解法计算电网供电能力时，无论是并行法还是伪串行法，均没有考虑实际电力系统求解规模大，收敛过慢会增加计算时间，收敛过早可能陷入局部最优解的问题，且没有根据当前解与最优解之间的差距调整反馈速度。

发明内容

本发明的目的是针对上述现有技术的不足，在考虑N-1静态安全约束的供电能力模型基础上，提出了一种改进benders分解法，使模型的求解效率得到极大提高。

本发明的目的可以通过如下技术方案实现：

一种基于改进benders分解法的供电能力评估方法，所述方法包括以下步骤：

步骤1)，建立考虑N-1静态安全约束的供电能力模型，该模型以供电能力最大为优化目标，约束条件包括正常运行方式和N-1运行方式下的负荷、发电机容量、线路热稳极限、节点电压以及发电机爬坡约束，并将该模型简化为向量形式；

步骤2)，输入电网数据，初始化变量数据，将松弛矩阵、核心事故集和主问题的割集约束置零，一个电网元件N-1事故视为一个子问题；

步骤3)，在小循环中，基于benders分解法，将上述模型分解为一个正常运行方式下的主问题和若干个N-1运行方式下的子问题；求解主问题，将所得结果在核心事故集的子问题中进行安全校核：如果存在子问题未通过校核，则转入步骤4)，如果全部通过校核，则转入步骤5)，初次计算中核心事故集为空，直接转入步骤5)；

步骤4)，构建子问题反馈模块：比较核心事故集对应的松弛矩阵，将核心事故集越限程度超过阈值的核心子问题组成反馈集B，转入步骤5)；

步骤5)，将反馈集中的子问题通过平均的方式得到割集约束，并通过变速因子进行变速处理，形成主问题割集约束，转入步骤3)；

步骤6)，在大循环中，对非核心事故集中的子问题进行安全校核，如果全部通过，则输出评估结果，结束评估；否则，根据松弛矩阵计算得到阈值向量，筛选出新的核心事故集，转入步骤4)。

进一步地，步骤1)中所述供电能力模型的目标函数具体表达式如式(1)所示：

约束条件如下：

其中：f为考虑安全校核的供电能力值，i＝1,2,...,n为网络节点编号，j为网络节点编号，n为网络节点数目；D为负荷节点集合；G为发电机集合，L为线路集合，；k为主、子问题编号，k＝0对应主问题，k＝1,2,...,n_c对应子问题，n_c为N-1子问题数量；

分别为主问题中节点i处负荷、发电机的有功功率；

分别为第k个问题中节点i处发电机的有功、无功功率；

分别为第k个问题中节点i处负荷的有功、无功功率，各节点负荷功率因数固定为cosω_D；V_i ^k为第k个问题中节点i处电压幅值θ_i为节点i处电压相角，

为线路两端相角差，

V _i为节点i处电压幅值上、下限；

θ _i为节点i处电压幅值上、下限；G_ij、B_ij分别为节点导纳矩阵第i行第j列元素的实数部分、虚数部分；(i,j)为节点i与节点j之间的线路，线路模型采用π型等值电路；

为节点i处发电机的视在功率，

S _Gi为节点i处发电机的视在功率上、下限；

为节点i处负荷的视在功率，

S _Di为节点i处负荷的视在功率上、下限；

为线路(i,j)上的视在功率，

为线路(i,j)热稳定极限；

为节点i处发电机在允许的故障恢复时间内最大爬坡功率；

为发生故障后，负荷从节点j处转移至节点i处的有功功率，通过调整电网各级联络线开关实现，忽略联络线网络参数，

为节点i与节点j之间可转供容量上限；

其中：式(1)为目标函数，表示负荷有功功率之和最大，式(2)、(3)为系统第k个问题下有功、无功功率平衡方程；式(4)为节点电压幅值约束；式(5)为节点发电机功率约束；式(6)为节点负荷功率约束；式(7)为线路热稳定约束；式(8)为线路两端相角约束；式(9)为发电机爬坡约束式；式(10)为负荷转供方程，子问题k下，节点i处剩余负荷、转入i处负荷及转出i处负荷之和与原负荷相等，保证各节点负荷均不断电，式(11)为节点i与节点j之间转供容量约束；

步骤1)将上述供电能力模型式(1)—(9)简化为向量形式，具体如下：

式中：i＝1,2,...,n为网络节点编号；j为节点编号；k为主、子问题编号，k＝0对应主问题，k＝1,2,...,n_c对应子问题，n_c为N-1子问题数量；

为式(1)供电能力目标函数，

为第k个问题下的控制变量

为第k个问题下的状态变量，

g^k为式(2)-(3)表达式组成的向量；h^k为式(4)-(8)的表达式组成的向量，

h ^k分别为式(4)-(9)约束上下限；

式(12)为式(1)供电能力目标函数简化表达式，式(13)为式(2)-(3)简化表达式，式(14)为式(4)—(9)简化表达式。

进一步地，步骤2)的具体过程为：

输入电网数据，包括网络结构和参数数据；其中式(5)所述视在功率约束根据输入的参数进行计算，包括负荷最大、最小功率和发电机最大、最小出力，计算式分别如下：

式中，R_ij为节点i处变电站或发电站的第m个变压器或发电机额定容量，S_base,i为节点i处基态负荷视在功率，R_min,ij为节点i处发电站第m个发电机的最小出力；

初始化松弛矩阵、核心事故集、非核心事故集，具体如下：

并将松弛矩阵、核心事故集和主问题的割集约束置零。

进一步地，步骤3)中，主问题模型为正常运行方式下，以供电能力最大为目标，考虑主问题安全约束和子问题反馈的benders割集约束，模型如下：

式中：η为变异因子，由于拉格朗日乘子仅代表约束松弛时目标函数的额外效用，为一种边际效用，因此刚好满足割集约束条件，也只能代表满足子问题在上一轮主问题最优解附近的安全约束，不一定完全满足子问题在任意可行解处的安全约束，求解主问题后，仍需对反馈集中的子问题进行安全校核；如果反馈集给出的割集过于保守或者过于激进，都会影响迭代的速度和解的质量，因此，通过控制拉格朗日乘子能够修正割集的反馈效果，η＝1为匀速反馈；1＜η＜1.5为减速因子，表示在当前割集方向上缩短切割步长，削弱反馈效果，适合当前解距离最优点较近，需要精细逼近最优点的场合；0.5≤η＜1为加速因子，表示在当前割集方向上增加切割步长，强化反馈效果，适合当前解距离最优点较远，需要快速逼近最优点的场合；

为上一轮主问题控制变量最优解；Π_k＝diag(π_k)为子问题中松弛变量z对应的拉格朗日乘子；

其中，式(20)为子问题反馈给主问题的割集约束，在第一轮迭代中，不需要考虑式(20)约束；

子问题模型以松弛变量之和最小为目标函数，考虑N-1子问题安全约束，模型如下：

式中：f^k为第k个子问题中的目标函数，z^k为子问题k的非负松弛变量，为列向量，z^k与

为一一对应关系，

为上一轮主问题最优解，对所有子问题k∈C进行安全校核后，z_ij表示第i个子问题的第j个松弛变量，由z_ij形成松弛矩阵Z^k；π_ij表示第i个子问题第j个松弛变量不等式约束对应的拉格朗日乘子，由π_ij形成拉格朗日乘子矩阵Π^k；

其中：式(21)为子问题的目标函数，表示子问题的松弛量总和最小，为松弛变量之和，f^k＝0表示主问题的解在子问题不会越限，定义子问题通过校核的精度为

若

表明主问题的最优解在第k个子问题中通过校核，若

表示主问题的最优解在第k个子问题中未通过校核，需要引入松弛变量z_k，f^k越接近0，代表子问题越限程度越小；式(22)为式(2)—(3)对应功率平衡方程；式(23)为式(4)—(9)对应的子问题安全约束。

进一步地，步骤4)具体过程为：

比较核心事故集对应的松弛矩阵，对核心事故集越限程度超过阈值的核心子问题组成反馈集B，根据判据筛选出反馈子问题，组成反馈集，形成主问题割集；判据公式如下：

式中，z_j,sum为松弛矩阵的第j列元素之和，式(26)表示第j个子问题的越限量总和，β为反馈集筛选因子，式(27)表示反馈集由核心事故集中越限且松弛变量之和大于反馈筛选阈值

的子问题序号组成；转入步骤5)。

进一步地，步骤5)具体过程为：

步骤5)中，将反馈集B中子问题对应的松弛矩阵Z^k每行取平均值，形成列向量

拉格朗日乘子矩阵Π^k取平均，并进行变速处理，得到主问题割集，公式如下：

转入步骤3)。

进一步地，步骤6)中，完成小循环后，进入大循环中的非核心事故安全校核，非核心事故集

与C互补，其安全校核方法同步骤3)中核心事故集的安全校核方法：若非核心事故集通过校核，则输出主问题最优解和电网供电能力，结束评估；若未通过校核，则从非核心事故集中筛选出一部分子问题，并入原核心事故集；筛选步骤如下：

首先根据未通过校核的非核心事故子问题对应的松弛矩阵，选取行最大值形成列向量

其次，根据上述列向量求得核心事故集的筛选阈值向量，计算公式为：

其中，Α为阈值向量，为列向量；α为筛选因子；

最后，找出Z矩阵每行中超过阈值的松弛变量对应的列号，即子问题序号，组成核心事故集，即新的核心事故集C为：

C＝{j|z_ij≥A_i,i＝1,2,...,n_c}∪C (30)

转入步骤4)。

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明提供的基于改进benders分解法的供电能力评估方法，在核心事故筛选中，根据松弛矩阵对非核心事故集中的子问题进行越限比较，选出使每一个优化变量越限超过阈值的事故进入核心事故集。高效的筛选方案，将可能起作用的子问题纳入核心事故集，在小循环中只需遍历核心事故集，使主问题的解满足核心事故的安全校核要求，非核心事故校核中仅存在少量起作用的约束问题，减少非核心事故集迭代次数，缩短计算时间，同时，由于安全约束的校核条件未发生变化，因此，不会影响计算精度。

2、本发明提供的基于改进benders分解法的供电能力评估方法，在反馈集筛选中，将核心子问题越限程度超过阈值的核心子问题组成反馈集，在割集反馈中，应用平均反馈方法和变速处理技术，在反馈过程中增加选择环节，保证反馈给主问题的割集信息来自越限严重的事故集，变速处理可以根据最优解计算进度改变反馈速度，在远离最优解时加速反馈，在接近最优解时减速反馈，提高反馈质量。

附图说明

图1为本发明实施例改进的benders分解法求解供电能力流程图。

图2为本发明实施例matpower4节点系统连接图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例：

本实施例提供了一种基于改进benders分解法的供电能力评估方法，流程图如图1所示，包括以下步骤：

步骤1)，建立考虑N-1静态安全约束的供电能力模型，该模型以供电能力最大为优化目标，约束条件包括正常运行方式和N-1运行方式下的负荷、发电机容量、线路热稳极限、节点电压以及发电机爬坡约束，并将该模型简化为向量形式；

步骤2)，输入电网数据，初始化变量数据，将松弛矩阵、核心事故集和主问题的割集约束置零，一个电网元件N-1事故视为一个子问题；

步骤3)，在小循环中，基于benders分解法，将上述模型分解为一个正常运行方式下的主问题和若干个N-1运行方式下的子问题；求解主问题，将所得结果在核心事故集的子问题中进行安全校核：如果存在子问题未通过校核，则转入步骤4)，如果全部通过校核，则转入步骤5)，初次计算中核心事故集为空，直接转入步骤5)；

步骤4)，构建子问题反馈模块：比较核心事故集对应的松弛矩阵，将核心事故集越限程度超过阈值的核心子问题组成反馈集B，转入步骤5)；

步骤5)，将反馈集中的子问题通过平均的方式得到割集约束，并通过变速因子进行变速处理，形成主问题割集约束，转入步骤3)；

步骤6)，在大循环中，对非核心事故集中的子问题进行安全校核，如果全部通过，则输出评估结果，结束评估；否则，根据松弛矩阵计算得到阈值向量，筛选出新的核心事故集，转入步骤4)。

以图2所示的简单四节点系统为例，该输电系统为220kV双回环网结构，变速因子取η＝1，筛选因子取α＝0.5，反馈集筛选因子取β＝0.5。节点参数、线路参数分别如下表1和表2所示：

表1节点参数(MW)

表2线路参数

i	j	容量/MW	r/p.u	x/p.u	b/p.u	回数	子问题序号
								3	2	125	0.02016	0.1008	0.05125	2	1
3	1	125	0.01488	0.0744	0.03875	2	2
								4	2	125	0.01488	0.0744	0.03875	2	3
4	1	125	0.02544	0.1272	0.06375	2	4

第一轮大循环计算过程如下：首先，进行初始化：

Z＝0；

其次，在正常运行方式下，计算得到供电能力(TSC)＝798.02MW。

再次，核心事故集为空集，无需校核，进入非核心事故集校核：对所有子问题k＝1,2,3,4(线路(3,2),(3,1),(4,2),(4,1)发生N-1故障)分别进行安全校核，得到松弛矩阵Z：

通过阈值向量计算公式，得到阈值向量为[11.812 11.797]^T，通过核心事故集筛选公式，得到核心事故集为{1,2,3}，根据反馈集公式，得到反馈集为{1,2,3}，形成主问题割集约束如下：

随后开始第二轮大循环。在第一轮小循环中，考虑主问题割集进行主问题计算，进行核心事故集校核、反馈新的主问题割集，不断循环，直至核心事故集通过校核。核心事故集校核通过后，进行非核心事故检验，通过校核，至此，所有子问题通过校核，返回TSC，评估结束。

本算例迭代过程如下表3所示：

表3计算过程

通过上述计算，求得电网供电能力为635.7396MW。

基于改进benders分解法的供电能力评估方法计算速度快、过程简单、参数具有可调节性，在算例电网中得到了应用和验证。

以上所述，仅为本发明专利较佳的实施例，但本发明专利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专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (4)

1.一种基于改进benders分解法的供电能力评估方法，其特征在于，所述方法包括以下步骤：

步骤1)，建立考虑N-1静态安全约束的供电能力模型，该模型以供电能力最大为优化目标，约束条件包括正常运行方式和N-1运行方式下的负荷、发电机容量、线路热稳极限、节点电压以及发电机爬坡约束，并将该模型简化为向量形式；

步骤2)，输入电网数据，初始化变量数据，将松弛矩阵、核心事故集和主问题的割集约束置零，一个电网元件N-1事故视为一个子问题；

步骤3)，在小循环中，基于benders分解法，将上述模型分解为一个正常运行方式下的主问题和若干个N-1运行方式下的子问题；求解主问题，将所得结果在核心事故集的子问题中进行安全校核：如果存在子问题未通过校核，则转入步骤4)，如果全部通过校核，则转入步骤5)，初次计算中核心事故集为空，直接转入步骤5)；

步骤4)，构建子问题反馈模块：比较核心事故集对应的松弛矩阵，将核心事故集越限程度超过阈值的核心子问题组成反馈集B，转入步骤5)；

步骤5)，将反馈集中的子问题通过平均的方式得到割集约束，并通过变速因子进行变速处理，形成主问题割集约束，转入步骤3)；

步骤6)，在大循环中，对非核心事故集中的子问题进行安全校核，如果全部通过，则输出评估结果，结束评估；否则，根据松弛矩阵计算得到阈值向量，筛选出新的核心事故集，转入步骤4)；

步骤1)中所述供电能力模型的目标函数具体表达式如式(1)所示：

约束条件如下：

其中：f为考虑安全校核的供电能力值，i＝1,2,...,n为网络节点编号，j为网络节点编号，n为网络节点数目；D为负荷节点集合；G为发电机集合，L为线路集合，；k为主、子问题编号，k＝0对应主问题，k＝1,2,...,n_c对应子问题，n_c为N-1子问题数量；

分别为主问题中节点i处负荷、发电机的有功功率；

分别为第k个问题中节点i处发电机的有功、无功功率；

分别为第k个问题中节点i处负荷的有功、无功功率，各节点负荷功率因数固定为cosω_D；V_i ^k为第k个问题中节点i处电压幅值θ_i为节点i处电压相角，

为线路两端相角差，

V _i为节点i处电压幅值上、下限；

θ _i为节点i处电压幅值上、下限；G_ij、B_ij分别为节点导纳矩阵第i行第j列元素的实数部分、虚数部分；(i,j)为节点i与节点j之间的线路，线路模型采用π型等值电路；

为节点i处发电机的视在功率，

S _Gi为节点i处发电机的视在功率上、下限；

为节点i处负荷的视在功率，

S _Di为节点i处负荷的视在功率上、下限；

为线路(i,j)上的视在功率，

为线路(i,j)热稳定极限；

为节点i处发电机在允许的故障恢复时间内最大爬坡功率；

为发生故障后，负荷从节点j处转移至节点i处的有功功率，通过调整电网各级联络线开关实现，忽略联络线网络参数，

为节点i与节点j之间可转供容量上限；

其中：式(1)为目标函数，表示负荷有功功率之和最大，式(2)、(3)为系统第k个问题下有功、无功功率平衡方程；式(4)为节点电压幅值约束；式(5)为节点发电机功率约束；式(6)为节点负荷功率约束；式(7)为线路热稳定约束；式(8)为线路两端相角约束；式(9)为发电机爬坡约束式；式(10)为负荷转供方程，子问题k下，节点i处剩余负荷、转入i处负荷及转出i处负荷之和与原负荷相等，保证各节点负荷均不断电，式(11)为节点i与节点j之间转供容量约束；

步骤1)将上述供电能力模型式(1)—(9)简化为向量形式，具体如下：

式中：i＝1,2,...,n为网络节点编号；j为节点编号；k为主、子问题编号，k＝0对应主问题，k＝1,2,...,n_c对应子问题，n_c为N-1子问题数量；

为式(1)供电能力目标函数，

为第k个问题下的控制变量

为第k个问题下的状态变量，

g^k为式(2)-(3)表达式组成的向量；h^k为式(4)-(8)的表达式组成的向量，

h ^k分别为式(4)-(9)约束上下限；

式(12)为式(1)供电能力目标函数简化表达式，式(13)为式(2)-(3)简化表达式，式(14)为式(4)—(9)简化表达式；

步骤3)中，主问题模型为正常运行方式下，以供电能力最大为目标，考虑主问题安全约束和子问题反馈的benders割集约束，模型如下：

式中：η为变异因子，由于拉格朗日乘子仅代表约束松弛时目标函数的额外效用，为一种边际效用，因此刚好满足割集约束条件，也只能代表满足子问题在上一轮主问题最优解附近的安全约束，不一定完全满足子问题在任意可行解处的安全约束，求解主问题后，仍需对反馈集中的子问题进行安全校核；如果反馈集给出的割集过于保守或者过于激进，都会影响迭代的速度和解的质量，因此，通过控制拉格朗日乘子能够修正割集的反馈效果，η＝1为匀速反馈；1＜η＜1.5为减速因子，表示在当前割集方向上缩短切割步长，削弱反馈效果，适合当前解距离最优点较近，需要精细逼近最优点的场合；0.5≤η＜1为加速因子，表示在当前割集方向上增加切割步长，强化反馈效果，适合当前解距离最优点较远，需要快速逼近最优点的场合；

为上一轮主问题控制变量最优解；Π_k＝diag(π_k)为子问题中松弛变量z对应的拉格朗日乘子；

其中，式(20)为子问题反馈给主问题的割集约束，在第一轮迭代中，不需要考虑式(20)约束；

子问题模型以松弛变量之和最小为目标函数，考虑N-1子问题安全约束，模型如下：

式中：f^k为第k个子问题中的目标函数，z^k为子问题k的非负松弛变量，为列向量，z^k与

为一一对应关系，

为上一轮主问题最优解，对所有子问题k∈C进行安全校核后，z_ij表示第i个子问题的第j个松弛变量，由z_ij形成松弛矩阵Z^k；π_ij表示第i个子问题第j个松弛变量不等式约束对应的拉格朗日乘子，由π_ij形成拉格朗日乘子矩阵Π^k；C为核心事故集；D为节点；

其中：式(21)为子问题的目标函数，表示子问题的松弛量总和最小，为松弛变量之和，f^k＝0表示主问题的解在子问题不会越限，定义子问题通过校核的精度为

若

表明主问题的最优解在第k个子问题中通过校核，若

表示主问题的最优解在第k个子问题中未通过校核，需要引入松弛变量z_k，f^k越接近0，代表子问题越限程度越小；式(22)为式(2)—(3)对应功率平衡方程；式(23)为式(4)—(9)对应的子问题安全约束；

步骤5)中，将反馈集B中子问题对应的松弛矩阵Z^k每行取平均值，形成列向量

拉格朗日乘子矩阵Π^k取平均，并进行变速处理，得到主问题割集，公式如下：

转入步骤3)。

2.根据权利要求1所述的一种基于改进benders分解法的供电能力评估方法，其特征在于，步骤2)的具体过程为：

输入电网数据，包括网络结构和参数数据；其中式(5)所述视在功率约束根据输入的参数进行计算，包括负荷最大、最小功率和发电机最大、最小出力，计算式分别如下：

式中，R_im为节点i处变电站或发电站的第m个变压器或发电机额定容量，S_base,i为节点i处基态负荷视在功率，R_min,im为节点i处发电站第m个发电机的最小出力；

初始化松弛矩阵、核心事故集、非核心事故集，具体如下：

并将松弛矩阵、核心事故集和主问题的割集约束置零。

3.根据权利要求1所述的一种基于改进benders分解法的供电能力评估方法，其特征在于，步骤4)的具体过程为：比较核心事故集对应的松弛矩阵，对核心事故集越限程度超过阈值的核心子问题组成反馈集B，根据判据筛选出反馈子问题，组成反馈集，形成主问题割集；判据公式如下：

式中，z_j,sum为松弛矩阵的第j列元素之和，式(26)表示第j个子问题的越限量总和，β为反馈集筛选因子，式(27)表示反馈集由核心事故集C中越限且松弛变量之和大于反馈筛选阈值

的子问题序号组成；转入步骤5)。

4.根据权利要求1所述的一种基于改进benders分解法的供电能力评估方法，其特征在于，步骤6)中，完成小循环后，进入大循环中的非核心事故安全校核，非核心事故集

与C互补，其安全校核方法同步骤3)中核心事故集的安全校核方法：若非核心事故集通过校核，则输出主问题最优解和电网供电能力，结束评估；若未通过校核，则从非核心事故集中筛选出一部分子问题，并入原核心事故集；筛选步骤如下：

首先根据未通过校核的非核心事故子问题对应的松弛矩阵，选取行最大值形成列向量

其次，根据上述列向量求得核心事故集的筛选阈值向量，计算公式为：

其中，Α为阈值向量，为列向量；α为筛选因子；

最后，找出Z矩阵每行中超过阈值的松弛变量对应的列号，即子问题序号，组成核心事故集，即新的核心事故集C为：

C＝{j|z_ij≥A_i,i＝1,2,...,n_c}∪C (30)

转入步骤4)。

Images