CN108899904A - 一种交直流大电网连锁故障快速搜索方法及系统 - Google Patents

Abstract

本发明公开了一种交直流大电网连锁故障快速搜索方法及系统。其中，交直流大电网连锁故障快速搜索方法包括步骤1：确定初始故障，形成第一级故障的故障集；设定搜索停止条件为直流闭锁或故障级数达到阈值；步骤2：对当前级故障的故障集中的连锁故障进行直流闭锁判断，若闭锁，则将直流闭锁故障存储至下一级故障的故障集；否则，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索故障并确定出下一级故障的故障集；步骤3：判断是否满足搜索停止条件，若是，则停止搜索；否则，故障级数增加一级，并返回步骤2继续进行搜索。本发明在保证搜索准确性的同时缩小了搜索空间，减小了搜索时间，大大提高了搜索效率。

Description

一种交直流大电网连锁故障快速搜索方法及系统

技术领域

本发明属于电网故障领域，尤其涉及一种交直流大电网连锁故障快速搜索方法及系统。

背景技术

进入21世纪以来，世界范围内发生了多起大停电事故，如2003年8月14日的美加大停电事故，2016年9月28日的澳大利亚大停电事故等，这些大停电事故给人们的生成生活、生命财产安全带来了巨大的伤害，为了避免大停电事故的发生，应对电网的运行密切关注，预想出可能会发生的事故，并提前做好防控措施，防止发生大停电事故。

电压崩溃是引起电网大停电事故的主要原因之一，当电力系统遭受严重干扰后，系统中一些母线电压可能会经历大幅度、持续性降低，使系统的完整性遭到破坏，引起电压崩溃(Voltage Collapse)，造成灾难性后果。对现代电力系统来说，只有当发生相继故障时，才有可能引起电压的崩溃。连锁故障(cascading failures)是相继故障的一种特殊情况，连锁故障是指前后故障之间有相当明确的因果关系，前一故障改变了系统状态，从而触发下一个故障。

目前，对于电网连锁故障的研究主要有复杂网络理论和复杂电力系统分析两个方向。其中，复杂网络理论主要研究网络拓扑结构对连锁故障的影响，如小世界网络理论和无标度网络理论等。复杂电力系统分析对连锁故障的研究主要考虑了实际电网的运行特性和潮流约束，如基于直流最优潮流的OPA模型、基于交流潮流的Manchester模型、级联故障(CASCADE)模型、隐形故障模型等。但是，传统的连锁故障分析存在以下问题：

(1)传统的连锁故障分析都是针对交流系统进行的，近年来，由于直流系统的快速发展以及多条直流线路的投运，需要对交直流系统进行连锁故障分析，而现有的连锁故障分析方法不适用于交直流系统。

(2)实际的交直流系统大电网规模庞大，传统的分析方法存在找到快速进行连锁故障分析需要耗费大量时间。

发明内容

为了解决现有技术的不足，本发明提供了一种交直流大电网连锁故障快速搜索方法，其通过对交流侧风险剪枝搜索和交流故障对直流影响的快速判断，在保证搜索准确性的同时缩小了搜索空间，减小了搜索时间，大大提高了搜索效率。

本发明的一种交直流大电网连锁故障快速搜索方法，包括：

步骤1：确定初始故障，形成第一级故障的故障集；设定搜索停止条件为直流闭锁或故障级数达到阈值；

步骤2：对当前级故障的故障集中的连锁故障进行直流闭锁判断，若闭锁，则将直流闭锁故障存储至下一级故障的故障集；否则，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索故障并确定出下一级故障的故障集；

步骤3：判断是否满足搜索停止条件，若是，则停止搜索；否则，故障级数增加一级，并返回步骤2继续进行搜索。

进一步的，在所述步骤1中，根据系统实际情况，选取直流落点近区的交流线路作为连锁故障搜索中的初始故障，并对初始故障进行时域仿真，检验其是否引发直流闭锁。

例如：设系统中的线路j为l_j，第j个m级故障为c_i＝la—lb—lc···，全部的m级故障集为Lm＝{l₁，l₂···，l_m}。

进一步的，在所述步骤2中，对当前级故障的故障集中的连锁故障进行直流闭锁判断的过程中，对于极端故障，利用多馈入短路比与预设多馈入短路比阈值比较进行识别，再通过时域仿真来判断是否引起直流闭锁。

在本发明中，根据实际系统情况，设定多馈入短路比阈值；若故障后系统短路比低于阈值，则说明故障对直流系统影响严重，需要对其进行暂态时域仿真，判断是否引起闭锁。

进一步的，在所述步骤2中，对当前级故障的故障集中的连锁故障进行直流闭锁判断的过程中，对于非极端故障，利用LM神经网络快速判断当前级故障是否引起直流闭锁。

本发明对非极端故障，利用LM神经网络进行交流故障对直流影响严重程度的快速评估，避免大量详细的暂态时域仿真。

其中，LM神经网络是以LM算法为核心的有监督神经网络，其具有拟合精度高，训练速度快等优点；其输入为故障前0.1s至故障后0.3s共0.4s的电压轨迹信息作为输入，以量化的故障后电压跌落程度作为输出。

进一步的，对于非极端故障，利用LM神经网络快速判断当前级故障是否引起直流闭锁的具体过程为：

对于待分析的交直流电力系统进行分区，分区原则是每个支流落点分为一个区，在直流落点近区附近随机选取不同级数的连锁故障事故链，将其作为训练样本进行训练；

对于随机生成的训练样本集，首先去掉其中的极端事故链，利用剩下的非极端事故链进行训练；

利用训练得到的LM神经网络，快速估算故障后换流母线电压跌落程度，用以衡量交流故障的严重程度；

对于严重程度超过预设阈值的连锁故障，利用暂态时域仿真进行校验其是否引起直流故障。

进一步的，对于非极端故障，利用LM神经网络快速判断当前级故障是否引起直流闭锁的过程中，按照交流故障的严重程度对每条事故链进行排序，对最严重的故障进行暂态时域仿真，若其满足引起直流闭锁的条件，则继续仿真下一个故障；若其不会引起直流闭锁，则无需仿真其余故障。

进一步的，在所述步骤2中，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索下一级故障的故障集的过程为：

对每个事故链依次进行剩余线路停运风险计算；

以线路停运风险值作为剪枝根据，按停运风险值将对应的事故链进行排序，保留停运风险值排在前预设个数的事故链，完成一次剪枝过程，进而在交流侧搜索出下一级故障的故障集。

进一步的，在对每个事故链依次进行剩余线路停运风险计算的过程中，从线路停运概率和线路停运后果两方面进行计算；

或在对每个事故链依次进行剩余线路停运风险计算的过程中，从线路停运概率或线路停运后果单一方面进行计算。

进一步的，线路停运概率考虑线路负载率和保护隐性故障对线路停运的影响，线路负载率越高，其停运概率越大；线路潮流波动和线路重载触发保护隐性故障，潮流波动越剧烈，负载率越高，则保护隐性故障发生的可能性越大；

定义线路停运后剩余线路的负载率大小和分布情况作为线路停运后果，采用分布因子法进行断线后的潮流快速计算。

本发明还提供了一种交直流大电网连锁故障快速搜索系统。

本发明的一种交直流大电网连锁故障快速搜索系统，包括存储器和处理器，所述处理器被配置为执行以下步骤：

确定初始故障，形成第一级故障的故障集；设定搜索停止条件为直流闭锁或故障级数达到阈值；

对当前级故障的故障集中的连锁故障进行直流闭锁判断，若闭锁，则将直流闭锁故障存储至下一级故障的故障集；否则，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索故障并确定出下一级故障的故障集；

判断是否满足搜索停止条件，若是，则停止搜索；否则，故障级数增加一级，并返回上一步继续进行搜索。

与现有技术相比，本发明的有益效果是：

(1)针对交直流混联系统中的交流系统与直流系统故障机理不同的问题，本发明在连锁故障搜索中考虑了多馈入直流的影响，从交直流连锁故障的传播机理出发，分别从交流侧连锁故障搜索和直流闭锁快速判断两方面迭代进行，建立了交直流大电网连锁故障搜索模型，用于高风险连锁故障事故链搜索。

(2)本发明所提出的交直流大电网连锁故障快速搜索方法包括交流侧连锁故障搜索和直流闭锁快速判断两部分，搜索过程中二者交替进行，直到达到结束条件为止，其兼顾了交流侧和直流侧连锁故障搜索，从这两个方面进行了加速；

(3)本发明的交直流大电网连锁故障快速搜索，基于线路停运风险值和剪枝搜索方法在交流侧进行故障搜索，能够在保证搜索出高概率事故链的同时，大大缩小了搜索空间，提高了搜索效率。

(4)本发明实现了直流闭锁的快速判断，减小时域仿真时间，提出了交流故障对直流影响快速评估方法，能有效地减少时域仿真的时间。

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为交直流连锁故障快速搜索原理图；

图2为交直流连锁故障搜索流程图；

图3为线路负载率与故障概率关系图；

图4为简化山东电网结构图。

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，本发明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。

图1为交直流连锁故障快速搜索原理图。如图1所示，本发明针对交直流混联系统中的交流系统与直流系统故障机理不同的问题，分别从交流侧连锁故障搜索和直流闭锁快速判断两方面迭代进行，用于高风险连锁故障事故链搜索。本发明通过对交流侧风险剪枝搜索和交流故障对直流影响的快速判断，在保证搜索准确性的同时缩小了搜索空间，减小了搜索时间，大大提高了搜索效率。

如图2所示，本发明的一种交直流大电网连锁故障快速搜索方法，包括：

步骤1：确定初始故障，形成第一级故障的故障集；设定搜索停止条件为直流闭锁或故障级数达到阈值。

其中，搜索停止条件为直流闭锁或故障级数m达到阈值，当直流闭锁时，受端系统将会面临大量功率缺额，必须通过切负荷维持系统稳定，造成电网的大面积停电；当搜索得到的连锁故障级数m较大时，其发生概率将变得极小，此时继续搜索意义已不大，因此需要设定阈值，作为搜索停止条件。

在该步骤中，选择直流近区附近的交流线路为初始故障，当该线路故障时，其潮流将转移到与其相邻的线路上，连锁故障便会在直流近区附近传播。若直流近区附近的多条线路开断，则交流系统对直流的支撑能力就会大幅下降；且短路故障和换流母线的距离越近，换流母线所受影响越严重，因此直流近区附近的线路故障对直流的影响更为严重，将其作为初始故障是合理的。确定初始故障之后，对其进行暂态时域仿真，检验其是否造成直流闭锁。

例如：设系统中的线路j为l_j，第j个m级故障为c_i＝la—lb—lc···，全部的m级故障集为Lm＝{l₁，l₂···，l_m}。

步骤2：对当前级故障的故障集中的连锁故障进行直流闭锁判断，若闭锁，则将直流闭锁故障存储至下一级故障的故障集；否则，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索故障并确定出下一级故障的故障集。

具体地，在该步骤中，对当前级故障的故障集中的连锁故障进行直流闭锁判断的过程分为两步进行。第一步是识别极端交流故障，对其进行暂态时域仿真，判断是否会造成直流闭锁；第二步是以故障前后共0.4s的电压轨迹作为输入，利用LM神经网络对故障后的换流母线电压跌落程度进行快速计算，以电压跌落程度衡量交流故障对直流影响的严重程度，并对其中的严重故障进行时域仿真，检验其是否会造成直流闭锁。

(1)对于极端故障：

一些极端交流故障的发生会使交流系统对直流的支撑能力大幅下降，导致直流落点附近极易发生暂态失稳，引起直流系统的闭锁。因此应首先将这些极端故障辨识出来，单独进行暂态时域仿真。

在本发明中，利用多馈入短路比与预设多馈入短路比阈值比较进行识别，再通过时域仿真来判断是否引起直流闭锁。

在本发明中，根据实际系统情况，设定多馈入短路比阈值；若故障后系统短路比低于阈值，则说明故障对直流系统影响严重，需要对其进行暂态时域仿真，判断是否引起闭锁。

交流系统对直流的支撑能力可以用短路比表征，对多馈入直流系统来说，可以采用多馈入短路比(MISCR)辨识极端交流故障。MISCR的表达式如下：

式中，S_aci为换流母线i的短路容量；P_deqi直流i的等值直流功率，单位为MW；Z_eqii为换流母线i的自阻抗；Z_eqij为换流母线i和j的互阻抗；P_di直流系统i的传输功率，P_dj为直流系统j的传输功率。

当直流近区附近多条线路开断，会引起MISCR减小，表明交流系统对直流的支撑能力下降。当故障后MISCR的值满足M_th<2.5时，认为该交流故障为极端交流故障，对其进行时域仿真验证能否造成直流闭锁。

(2)对于非极端故障：

利用LM神经网络对交流故障的影响进行快速评估。极端交流故障在连锁故障中只占非常小的一部分，大部分故障利用短路比等稳态指标很难进行评估。换流母线电压在故障时的跌落程度以及故障切除后的恢复情况能够反映故障对直流的影响程度，因此本发明以故障前0.1s至故障后0.3s共0.4s的电压轨迹信息作为输入，以量化的故障后电压跌落程度作为输出，利用LMNN进行训练，能够对交流故障对直流的影响进行快速评估。传统的时域仿真法需要仿真故障后10s的电压波形，而该方法只需仿真0.4s，大大缩减了计算时间。

本发明对非极端故障，利用LM神经网络进行交流故障对直流影响严重程度的快速评估，避免大量详细的暂态时域仿真。

其中，LM神经网络是以LM算法为核心的有监督神经网络，其具有拟合精度高，训练速度快等优点；其输入为故障前0.1s至故障后0.3s共0.4s的电压轨迹信息作为输入，以量化的故障后电压跌落程度作为输出。

LM算法属于信赖域算法的一种，其结合了梯度下降法与高斯-牛顿法，其既具有高斯-牛顿法的局部收敛特性，又具有梯度下降法的全局特性。

LM神经网络的输出为故障后电压跌落程度，首先要对其进行量化，利用故障后电压超出正常电压值的面积dS_i来表示，即：

式中，T_i表示故障后第i个时间点，T_N表示时间点总数，S_V表示故障后换流母线电压超出正常电压的面积，用以量化电压波动程度。

定义了电压波动程度指标之后，将该指标作为输出量，故障前0.1s至故障后0.3s共0.4s的电压轨迹信息作为输入量，对仿真得到的样本数据进行训练，得到LM神经网络。由于电压具有局部性，因此可以对每一个直流落点附近的局部系统训练一个神经网络，提高预测的精度。

具体地，对于非极端故障，利用LM神经网络快速判断当前级故障是否引起直流闭锁的具体过程为：

对于待分析的交直流电力系统进行分区，分区原则是每个支流落点分为一个区，在直流落点近区附近随机选取不同级数的连锁故障事故链，将其作为训练样本进行训练；

对于随机生成的训练样本集，首先去掉其中的极端事故链，利用剩下的非极端事故链进行训练；

利用训练得到的LM神经网络，快速估算故障后换流母线电压跌落程度，用以衡量交流故障的严重程度；

对于严重程度超过预设阈值的连锁故障，利用暂态时域仿真进行校验其是否引起直流故障。

而且，对于非极端故障，利用LM神经网络快速判断当前级故障是否引起直流闭锁的过程中，按照交流故障的严重程度对每条事故链进行排序，对最严重的故障进行暂态时域仿真，若其满足引起直流闭锁的条件，则继续仿真下一个故障；若其不会引起直流闭锁，则无需仿真其余故障。

具体地，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索下一级故障的故障集的过程为：

(1)假设系统中共有N条线路，上级故障确定后，共得到n个事故链，每条事故链包含k个故障，即为k级事故链，则对每条事故链来说，系统中剩余线路为N-k条，对每个事故链依次进行剩余线路停运风险计算；

(2)按停运风险将对应的事故链进行排序，保留风险较高的前N个事故链，得到k+1级事故链，完成一次剪枝过程，进而在交流侧搜索出下一级故障的故障集。

在一实施例中，在对每个事故链依次进行剩余线路停运风险计算的过程中，从线路停运概率和线路停运后果两方面进行计算。

其中，线路停运概率考虑线路负载率和保护隐性故障对线路停运的影响，线路负载率越高，其停运概率越大；线路潮流波动和线路重载触发保护隐性故障，潮流波动越剧烈，负载率越高，则保护隐性故障发生的可能性越大；

定义线路停运后剩余线路的负载率大小和分布情况作为线路停运后果，采用分布因子法进行断线后的潮流快速计算。

线路故障从负载率和保护隐性故障两方面考虑，二者是引发连锁故障的关键因素。潮流转移会引起部分线路负载率的升高，负载率与元件故障率的关系，如图3所示，二者的关系可以用下式表示为：

其中，η_i为故障发生后线路i的负载率；故障发生后线路i的故障率。

保护隐性故障会造成保护装置的误动或拒动等，由于多重后备保护的存在，保护装置拒动造成的影响较小，发生的概率也较低，因此本发明主要考虑误动造成的影响。当系统发生扰动(运行方式变化、负载剧烈波动等)时，隐性故障就会被引发。

隐性故障概率可以用下式表示：

式中，为m级故障后线路i的隐性故障概率，为m级故障发生后线路i的负载率，为m级故障发生前线路i的负载率，ω为权重因子，主要与线路所处环境、线路长度、运行时间等因素有关，本发明假设ω为0.2。

综合考虑线路重载故障概率和保护隐性故障概率，在m级故障发生后，线路i的故障概率可以表示为：

线路停运风险综合了线路停运概率和线路停运所造成的后果。线路停运概率已经给出，线路停运后果可由下式表示：

式中，表示线路i停运后所造成的后果；为线路i停运后线路j的负载率；表示线路停运前后线路j的负载率变化情况。

在计算线路停运后果时，采用交流潮流算法进行潮流计算会浪费大量时间，因此本发明采用了分布因子法进行停运后的潮流计算。分布因子法适用于断线后的潮流快速计算，在已知断线前的潮流状态并且只断一条线的情况下具有很高的精确度，因此适合本发明的情况。在确定了下级故障后，采用PQ分解法进行一次潮流计算，这样在速度和精度两方面都得到了保证。

事故链的发生风险可表示为：

在定义了线路停运概率与事故链发生风险之后，便可以进行连锁故障的搜索。本发明采用的搜索策略是宽度优先搜索策略(BFS)，即在上级故障发生后，首先搜索出下级全部的故障，然后再继续搜索，向下进行，直到达到停止条件为止。但对交直流大电网来说，其元件众多，不可能把每一级所有可能的故障都给出，这样既浪费大量时间，对调度控制人员的意义也不大。交直流连锁故障搜索的目标是给出高风险的事故链，对其加以预防控制，因此在连锁故障搜索过程中有必要进行剪枝，缩小搜索空间，提高搜索速度。

在另一实施例中，在对每个事故链依次进行剩余线路停运风险计算的过程中，从线路停运概率或线路停运后果单一方面进行计算。

步骤3：判断是否满足搜索停止条件，若是，则停止搜索；否则，故障级数增加一级，并返回步骤2继续进行搜索。

下面针对简化的山东电网规划运行方式为例进行仿真，说明交直流大电网连锁故障搜索方法流程。

图4为山东电网系统结构图。在该方式下，山东全网负荷为63.97GW，直流受电为20GW，交流受电4.6GW，山东省内发电机发电39.49GW，交直流受电比例为38.38％。由于山东电网线路众多，故只考虑500kV及以上的交流线路和直流线路。该系统中500kV及以上交流线路有245条，节点90个，直流线路有3条。交直流混联系统的连锁故障搜索的具体步骤如下：

S1：在宁东直流落点近区选取初始故障，由图4可知，与胶东换流母线直接相连的线路有69-81、76-81、80-81、81-82，选择81-82作为初始故障进行连锁故障搜索。对其进行在暂态时域仿真，结果表明其不会造成直流闭锁。

S2：在交流测进行连锁故障搜索，计算81-82停运后剩余线路风险值R并排序，保留排名前20的事故链，得到2级事故链集。同样的，在后续的搜索中，计算剩余线路风险值，并以此对对应的事故链进行排序，保留前N个事故链，得到k级事故链集。为验证该方法的有效性，不考虑交流故障对直流的影响进行交流侧的连锁故障搜索，在N不同时，搜索得到的发生概率最高的前200条事故链的概率分布情况。

将N＝60与N＝800的搜索结果进行对比，结果表明二者搜索得到的发生概率最高的前64个事故链完全相同。第1个事故链发生概率远大于排名200之后的事故链，因此需要重点对前200个事故链进行分析。

结果表明，在保证搜索准确性的同时，N越小搜索时间越短，N＝60时搜索得到的结果有较高的准确性，因此在搜索过程可将N定为60，其所耗时间为N＝800时的8.74％。

S3：在宁东直流落点近区随机生成2100条5级事故链，其中1900条作为训练样本，200条用作测试样本，利用所提交流故障对直流影响快速评估方法对其进行快速评估。

1、首先进行极端故障辨识，将短路比阈值Mth设为2.5。训练样本中有3条事故链为极端故障，测试样本中有1条事故链为极端故障，测试样本中的极端事故链为：80-81(1)→80-81(2)→81-82→69-81(2)→69-81(2)。前4级故障发生后，由于直流落点附近的四条线路被切除，胶东换流母线跌落到了0.93p.u.左右，在第5级故障发生后，引起了电压的大幅度波动，造成宁了东直流闭锁。

2、在去掉极端故障之后，利用剩余的1897个训练样本对LM神经网络进行训练，获得训练好的LM神经网络。以81-82为初始故障进行交直流连锁故障搜索，取发生概率最高的前200条5级事故链进行分析，其中有91条事故链为极端事故链，109条事故链为非极端事故链。对极端事故链进行时域仿真时不考虑前4级事故发生的时序，共需进行20次时域仿真；对非极端事故链，利用训练得到的LMNN进行快速计算，判断是否引发直流闭锁。结果表明，共有16条事故链将引发直流闭锁。

S4：经过S2和S3的反复迭代，共得到了16条能引起直流闭锁的高概率事故链，如下表所示：

该16条事故链能引发直流闭锁，并且具有较高的发生概率，交直流连锁故障搜索停止，对会触发直流闭锁的连锁故障进行重点关注。

本发明还提供了一种交直流大电网连锁故障快速搜索系统。

本发明的一种交直流大电网连锁故障快速搜索系统，包括存储器和处理器，所述处理器被配置为执行以下步骤：

确定初始故障，形成第一级故障的故障集；设定搜索停止条件为直流闭锁或故障级数达到阈值；

对当前级故障的故障集中的连锁故障进行直流闭锁判断，若闭锁，则将直流闭锁故障存储至下一级故障的故障集；否则，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索故障并确定出下一级故障的故障集；

判断是否满足搜索停止条件，若是，则停止搜索；否则，故障级数增加一级，并返回上一步继续进行搜索。

本发明针对交直流混联系统中的交流系统与直流系统故障机理不同的问题，在连锁故障搜索中考虑了多馈入直流的影响，从交直流连锁故障的传播机理出发，分别从交流侧连锁故障搜索和直流闭锁快速判断两方面迭代进行，建立了交直流大电网连锁故障搜索系统，用于高风险连锁故障事故链搜索。

本发明所提出的交直流大电网连锁故障快速搜索方法包括交流侧连锁故障搜索和直流闭锁快速判断两部分，搜索过程中二者交替进行，直到达到结束条件为止，其兼顾了交流侧和直流侧连锁故障搜索，从这两个方面进行了加速；

本发明的交直流大电网连锁故障快速搜索，基于线路停运风险值和剪枝搜索方法在交流侧进行故障搜索，能够在保证搜索出高概率事故链的同时，大大缩小了搜索空间，提高了搜索效率。

本发明实现了直流闭锁的快速判断，减小时域仿真时间，提出了交流故障对直流影响快速评估方法，能有效地减少时域仿真的时间。

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)

1.一种交直流大电网连锁故障快速搜索方法，其特征在于，包括：

步骤1：确定初始故障，形成第一级故障的故障集；设定搜索停止条件为直流闭锁或故障级数达到阈值；

步骤2：对当前级故障的故障集中的连锁故障进行直流闭锁判断，若闭锁，则将直流闭锁故障存储至下一级故障的故障集；否则，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索故障并确定出下一级故障的故障集；

步骤3：判断是否满足搜索停止条件，若是，则停止搜索；否则，故障级数增加一级，并返回步骤2继续进行搜索。

2.如权利要求1所述的一种交直流大电网连锁故障快速搜索方法，其特征在于，在所述步骤1中，根据系统实际情况，选取直流落点近区的交流线路作为连锁故障搜索中的初始故障，并对初始故障进行时域仿真，检验其是否引发直流闭锁。

3.如权利要求1所述的一种交直流大电网连锁故障快速搜索方法，其特征在于，在所述步骤2中，对当前级故障的故障集中的连锁故障进行直流闭锁判断的过程中，对于极端故障，利用多馈入短路比与预设多馈入短路比阈值比较进行识别，再通过时域仿真来判断是否引起直流闭锁。

4.如权利要求1所述的一种交直流大电网连锁故障快速搜索方法，其特征在于，在所述步骤2中，对当前级故障的故障集中的连锁故障进行直流闭锁判断的过程中，对于非极端故障，利用LM神经网络快速判断当前级故障是否引起直流闭锁。

5.如权利要求4所述的一种交直流大电网连锁故障快速搜索方法，其特征在于，对于非极端故障，利用LM神经网络快速判断当前级故障是否引起直流闭锁的具体过程为：

对于待分析的交直流电力系统进行分区，分区原则是每个支流落点分为一个区，在直流落点近区附近随机选取不同级数的连锁故障事故链，将其作为训练样本进行训练；

对于随机生成的训练样本集，首先去掉其中的极端事故链，利用剩下的非极端事故链进行训练；

利用训练得到的LM神经网络，快速估算故障后换流母线电压跌落程度，用以衡量交流故障的严重程度；

对于严重程度超过预设阈值的连锁故障，利用暂态时域仿真进行校验其是否引起直流故障。

6.如权利要求5所述的一种交直流大电网连锁故障快速搜索方法，其特征在于，对于非极端故障，利用LM神经网络快速判断当前级故障是否引起直流闭锁的过程中，按照交流故障的严重程度对每条事故链进行排序，对最严重的故障进行暂态时域仿真，若其满足引起直流闭锁的条件，则继续仿真下一个故障；若其不会引起直流闭锁，则无需仿真其余故障。

7.如权利要求1所述的一种交直流大电网连锁故障快速搜索方法，其特征在于，在所述步骤2中，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索下一级故障的故障集的过程为：

对每个事故链依次进行剩余线路停运风险计算；

以线路停运风险值作为剪枝根据，按停运风险值将对应的事故链进行排序，保留停运风险值排在前预设个数的事故链，完成一次剪枝过程，进而在交流侧搜索出下一级故障的故障集。

8.如权利要求7所述的一种交直流大电网连锁故障快速搜索方法，其特征在于，在对每个事故链依次进行剩余线路停运风险计算的过程中，从线路停运概率和线路停运后果两方面进行计算；

或在对每个事故链依次进行剩余线路停运风险计算的过程中，从线路停运概率或线路停运后果单一方面进行计算。

9.如权利要求8所述的一种交直流大电网连锁故障快速搜索方法，其特征在于，线路停运概率考虑线路负载率和保护隐性故障对线路停运的影响，线路负载率越高，其停运概率越大；线路潮流波动和线路重载触发保护隐性故障，潮流波动越剧烈，负载率越高，则保护隐性故障发生的可能性越大；

定义线路停运后剩余线路的负载率大小和分布情况作为线路停运后果，采用分布因子法进行断线后的潮流快速计算。

10.一种交直流大电网连锁故障快速搜索系统，其特征在于，包括存储器和处理器，所述处理器被配置为执行以下步骤：

确定初始故障，形成第一级故障的故障集；设定搜索停止条件为直流闭锁或故障级数达到阈值；

对当前级故障的故障集中的连锁故障进行直流闭锁判断，若闭锁，则将直流闭锁故障存储至下一级故障的故障集；否则，利用剪枝搜索法且以停运风险值作为剪枝根据，在交流侧搜索故障并确定出下一级故障的故障集；

判断是否满足搜索停止条件，若是，则停止搜索；否则，故障级数增加一级，并返回上一步继续进行搜索。