CN109004679A - 一种可再生能源接入的电网安全稳定监控方法 - Google Patents

一种可再生能源接入的电网安全稳定监控方法 Download PDF

Info

Publication number
CN109004679A
CN109004679A CN201811034666.3A CN201811034666A CN109004679A CN 109004679 A CN109004679 A CN 109004679A CN 201811034666 A CN201811034666 A CN 201811034666A CN 109004679 A CN109004679 A CN 109004679A
Authority
CN
China
Prior art keywords
failure
renewable energy
power
stability
analysis
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
Application number
CN201811034666.3A
Other languages
English (en)
Other versions
CN109004679B (zh
Inventor
林其友
刘亚南
唐勇
杨乐新
舒晓欣
陈彦斌
袁秋实
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.)
State Grid Corp of China SGCC
Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Wuhu Power Supply Co of State Grid Anhui Electric Power 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 State Grid Corp of China SGCC, Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811034666.3A priority Critical patent/CN109004679B/zh
Publication of CN109004679A publication Critical patent/CN109004679A/zh
Application granted granted Critical
Publication of CN109004679B publication Critical patent/CN109004679B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H02J3/382—

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明揭示了一种可再生能源接入的电网安全稳定监控方法：1)输入案例系统的标准数据；2)利用用蒙特卡罗法随机抽样方法抽N个可再生能源样本，形成序列v；3)计算单位可再生能源实际输出的有功功率；4)判断一个未进行本判断步骤判断的可再生能源输出功率是否常运行；5)调用潮流分析软件对系统进行潮流计算并保存计算结果；6)对案例系统进行暂态稳定计算，并保存暂态稳定指标η、CCT数据；7)完成N次仿真计算；8)数据处理。本发明好处是：1)更方便、更有效定义多重故障；2)实际上只分析感兴趣激活的故障组，大大提高了计算效率；3)能灵活、方便、快速模拟和再现电网实际故障过程。

Description

一种可再生能源接入的电网安全稳定监控方法
技术领域
本发明涉及电网安全监控领域，尤其涉及可再生能源接入的电网安全稳定监控方法。
背景技术
电能作为方便快捷的二次能源在社会发展和人类生活中有着极其重要的地位，而电能主要是通过煤、石油等一次能源转换而来的，随着经济的不断发展，对能源需求也逐渐增大，以煤炭为主的传统的化石燃料由于其不可再生的特点正面临逐渐枯竭的困境，而且持续使用化石燃料己经对环境产生严重的污染。传统不可再生能源的短缺以及环境的严重污染己成为电力发展所面临的严重障碍。因此，寻找清洁高效的可再生能源代替传统的不可再生能源成为目前电力发展的迫切需要。基于对清洁高效的可再生能源的迫切需求，以风力发电、光伏发电为代表的可再生能源发电逐渐受到关注，可再生能源发电的主要优点在于无污染、可再生，正是这些优点使得对可再生能源的研究逐渐深入。
随着可再生能源发电技术的不断成熟，以风力发电及光伏发电为代表的可再生能源发电在电网所占的比重正逐渐增加。然而可再生能源发电也有着很大的弊端，其输出功率是不可控的，随机性很强，例如：风力发电的输出功率是与风速的大小有关的，而风速受天气的影响是不确定的，具有很强的随机性，因而导致风力发电的输出功率也具有很强的随机性；光伏发电的输出功率与光照的强弱有关的，而光照同样受天气的影响是不确定的，具有很强的随机性，因而导致光伏发电的输出功率也具有很强的随机性。
正是由于可再生能源发电的输出功率具有很强的随机性，导致对可再生能源发电输出功率的预测不再是确定值，而是以概率分布形式的随机变量来描述可再生能源发电的输出功率电力系统潮流计算作为电力系统分析最基本的内容，可以为电力系统的静态安全分析和电网运行状态的实时分析提供基础数据，可以为电力系统的无功补偿和电网的最优潮流计算提供方法，可以为电网的规划设计和电网的风险评估提供手段。传统的确定性潮流计算方法可分为牛顿拉夫逊法、快速分解法及直流潮流法等，基于发电机的输出有功及无功功率、负荷的有功及无功功率及电力系统的网络拓扑参数已知并且为确定值的前提下通过确定性潮流计算可以获得母线电压的幅值和相角(或者母线电压的实部和虛部)、支路的有功和无功功率及线路损耗等输出量的确定性结果。根据输出量的确定性结果，可以确定电力系统是否安全运行，可以评估电力系统的运行方式是否合理，可以判断电力系统支路潮流是否超过热稳定及动稳定极限等所需分析的电气状态量。
对风力发电、光伏发电等可再生能源发电所占比重较大的电力系统进行安全运行分析时，由于风力发电、光伏发电等可再生能源发电输出功率不再是确定值，而是以概率分布描述的随机变量，传统的确定性潮流计算不能处理输入量为随机变量的情况，因而传统的确定性潮流计算将不再适合对这种可再生能源发电所占比重较大的电力系统安全运行分析。为了解决这一问题，概率潮流应运而生，概率潮流计算可以计及各种不确定的因素，包括可再生能源发电输出功率受天气影响产生的随机波动、发电机组的启停、负荷受电价所产生的随机波动、网络拓扑的随机故障以及电力系统运行方式的变化等等。这些不确定因素导致系统的节点的注入功率和电力系统的拓扑参数变为随机变量，概率潮流根据随机变量的概率特征，例如随机变量的期望值和方差、概率密度函数和累积分布函数等等，得到节点电压的幅值和相角(或者节点电压的实部和虚部)、支路的有功和无功功率以及线路损耗等这些输出随机变量的概率特征。概率潮流计算拓展了传统的确定性潮流计算的应用范围，可以为电力系统的规划设计和安全运行分析提供更加全面具体的信息，包括：节点电压幅值与相角的期望值、方差、概率密度函数及累积分布函数，节点电压幅值与相角的越限概率，支路有功与无功的期望值、方差、概率密度函数及累积分布函数，支路有功与无功的越限概率等，这些信息对电力系统规划设计的合理性、电网运行方式安排的最优化以及电网薄弱环节和潜在风险的评估等是极其有益的。
可再生能源技术不仅作为大电网集中式供电的补充和后备，并且对于充分利用分散的可再生能源，减少污染排放，促进经济的可持续发展均具有重要意义。但是，对于应用最广泛的风能和太阳能可再生能源技术来说，多以接入配电网为主，并网后会使配电网由一个无源网络转变成有源网络，这会在较大程度上影响网络潮流的大小和方向以及电气元件和用户端的电压；其次，由于风电场风速或光伏电站光照强度等外部环境条件的动态波动变化，使得并网后可再生能源的输出功率存在较大随机波动，而间歇性的功率波动将对大电网的电能质量造成不利影响；还有，可再生能源通常釆用电力电子装置实施并网，而电力电子装置产生的电压、电流谐波也是不可避免的，甚至电网不对称故障产生的负序电压以及电网自身的电压谐波与可再生能源变流器相互作用，将导致变流器产生附加谐波电流。当大电网具有足够的备用容和调节能力时，一般不必考虑可再生能源功率波动引起的频率偏差，而主要考虑功率波动引起的电压波动和闪变。因此，可再生能源接入电力系统后对于电能质量的影响主要集中在电压偏差与电压波动、三相不平衡以及谐波电流影响等方面。
由于可再生能源的随机性，为保证系统的安全稳定运行，当接入系统的可再生能源规模较大时，应对其接入系统后的电网稳定性和适应性进行分析。由于可再生能源电气控制模式及转动惯量等不同于常规机组，大规模可再生能源接入后将一定程度上改变电网的暂态稳定性。对于大规模可再生能源并网后对电力系统暂态功角稳定性是否有影响的问题取决于电网运行方式、电网拓扑结构及所采取的风电机组技术，可再生能源的接入既有可能恶化系统的暂态稳定性也有可能改善系统的暂态稳定性，这必须结合电网的实际运行特点来进行仿真计算才可以确定。因此，针对电网实际运行情况研究大规模可再生能源接入后的暂态稳定性问题非常有必要，可为电网调度运行提供一定的实际指导依据。
可再生能源入网安全稳定性研究现状,所谓安全分析指的是针对预先设定的电力系统元件(如：线路、变压器、发电机、负荷和母线等)的故障及其组合，确定他们对电力系统安全运行产生的影响。安全分析的主要功能是：
1)按调度员的需要方便地设定预想故障；
2)快速区分各种故障对电力系统安全运行的危害程度；
3)准确分析严重故障后的系统状态，并能方便而直观展示结果。
如图1所示，电力系统安全运行应满足以下3类条件：
1)系统负荷需求(用E表示)；
2)运行约束(无潮流和电压越限，用C表示)；
3)可靠性约束(预想故障检查，用R表示)。
针对这3类条件电力系统可分为5种状态：
1)正常状态，也称为正常安全状态，满足全部3类条件，能满足全部负荷又没有越限，而且能承受预想故障的冲击。
2)警戒状态，也可称为正常不安全状态，能满足全部负荷又没有越限，但承受不了预想故障的冲击。若针对预想故障采取预防性控制，系统可以回到正常状态；否则系统处在警戒状态，一旦出现预想故障，系统陷于紧急状态。
3)紧急状态，能满足全部负荷但已出现支路或电压越限。若事先有所警戒，能准确及时采取安全校正措施，可能回到警戒状态或正常状态；否则可能导致系统瓦解。
4)瓦解状态，全部3类条件都破坏了，已不能满足全部负荷需求了。采取紧急控制制止事故扩大，过渡到恢复状态。
5)恢复状态，事故不再扩大，网络元件越限已经解除，但许多用户尚未恢复供电。通过恢复控制回到正常状态。
在不具备网络分析能力的年代，电力系统安全措施主要是如何保证足够的旋转备用，而这一“足够”只是一个定性的概念，它为电力企业带来了沉重的经济负担。计算机计算潮流提供了网络安全分析能力，即针对一个故障而计算的潮流就是一次故障分析。
早期的安全分析是采用一般交流潮流和直流潮流连续计算预想故障集合中各种故障情况的潮流解以判定它对系统安全运行的影响。然而这种作法随着电力系统规模的扩大和预想故障数的增加而变得越来越不可能，到目前为止安全分析的技术发展一直集中在如何减少分析的故障数和加快分析速度这两个关键点上。
1979年G.Ejebe等首先提出故障排序，即故障的自动选择方法。对预想故障集合中的故障根据某种性能指标按严重程度排队，并按该顺序对可能有严重后果的部分故障进行潮流分析。
早期代安全分析技术的发展主要在以下方面:
1)降低分析的故障数：这些年代的大停电事故是由多重故障引起的，但排列组合式的n-1，n-2,……(一重故障、二重故障……，n为网络元件数)设置预想故障的方式是不可取的，因为每增加一重故障其计算量呈几何级数增长。90年代初提出定义故障组的方式比较好的解决了这一问题。
2)提高故障扫描速度：将欲分析的故障分为两类，一类是对电网安全不构成威胁的无害故障，一类是威胁安全的有害故障，后者需要进行详细分析。
目前安全分析算法一般分为两步：一是故障快速扫描(或故障筛选)，二是故障的详细分析。故障扫描的算法一般分为两种：间接法和直接法。
间接法又称性能指标法或排队法。它利用某种性能指标(Performance Index) 对故障严重程度排队，优点是快速，缺点是准确程度不高。
直接法又称为筛选法，它求取故障后的近似潮流以评定其严重程度。近年来随着稀疏向量技术的日趋完善以及补偿法、快速前代和回代等算法的不断发展而逐步成熟。
直接法又可以分为两类：一是用直接法求全网近似潮流解(快速分解法潮流的一步修正)；二是按与故障中心的电气距离划分子网，缩小计算规模。求解子网的具体算法主要有：
1)中心松弛法(Concentric Relaxation)—假定故障子网边界状态在事故前后保持不变，以此为基础近似求解，然后逐步扩大子网的边界直到得到满足精度要求的结果。
2)边界法(Bound Estimation Technique)—对故障后的电网按某种指标划分为两个或更多子网，对其中一部分进行潮流计算。
故障扫描显然是要求在不计算或少量计算的条件下，尽量准确的分析故障严重程度，希望不漏掉任何一个有危害的故障，又少处理无危害的故障。这在技术上实在难以两全，因此近年来利用模糊概念和专家系统技术进行故障筛选的方法很受重视。故障详细评估一般采用全潮流计算，但为了缩短时间也可以采用故障扫描中降低计算量和缩小计算规模的方法。
不同于传统的发电方式，风力发电具有间歇性、波动性和不可调度性的特点。以往关于可再生能源的电力系统暂态稳定性的研究多为确定性研究，即在确定风速下研究风电场并网的电力系统暂态稳定性，而对于系统概率暂态稳定性的研究则较少，且主要考虑电力系统自身的不确定因素，如系统故障类型、故障位置、故障持续时间、故障切除方式及系统负荷等，考虑可再生能源随机性和波动性对系统暂态稳定性影响的研究则更少。有学者从概率暂态稳定的角度出发，研究系统故障类型、故障位置、故障持续时间、故障切除方式等随机因素对可再生能源暂态稳定性的影响；提出服从均勾对数正态分布的系统不确定因素对含可再生能源的电力系统暂态稳定性影响的在线评估策略；设计基于蒙特卡罗模拟方法的电力系统概率暂态稳定分析研究，建立故障类型包括了对称故障和不对称故障；提出考虑惯量时计算特征值灵敏度的方法，通过将可再生能源发电机转化为等效的传统原型转子同步发电机；建立适用于大规模可再生能源并网的暂态稳定分析模型，在软件环境确定条件下考虑不同的负荷模型，研究可再生能源取代同步发电机及可再生能源直接并网两种情况下系统暂态稳定性；研究可再生能源的波动性电力系统的暂态稳定性，从概率的角度出发，运用蒙特卡罗模拟方法来计算。但上述可再生能源接入后的电网安全稳定分析并不能满足实际电网安全稳定性监控的需求。
随着电网规模的扩大，可能出现的故障类型也在增多，根据不同的条件或准则能够对故障进行不同形式的分类。
故障分类的主要目的：
提高安全分析的准确程度；
降低安全分析的计算量；
3)改善安全分析的灵活性和方便性。
在安全分析中按不同的需要，对故障和故障组进行不同的分类。在定义预想故障集时，采用物理分类方式；在分析过程中，对故障按危害程度分类。故障分类的科学性是提高安全分析软件设计质量的重要一步。在早期的安全分析中，一般只进行n-1扫描式的故障选择和分析，即分别开断系统的每个网络元件，计算其后的电网状态。
这种机械地n-1扫描方式存在以下严重缺点：
1)随着电网结构的增强，绝大多数单重元件的开断已不构成对系统有着危害的故障；
2)极少数构成危害的单重元件开断的影响范围和安全对策已被调度人员所熟悉。
显然，n-1扫描方式在实用中由于效率过低而不受重视。随着电网规模的扩大和结构的变化，调度人员更重视的是多重故障分析，但若进行n-2或n-3扫描方式则计算量将按雪崩的方式扩展，在技术上是不现实的。
发明内容
本发明所要解决的技术问题是实现一种以预想故障集合方式代替n-1扫描方式，实现可再生能源接入的电网安全稳定监控的方法。
为了实现上述目的，本发明采用的技术方案为：一种可再生能源接入的电网安全稳定监控方法：
1)输入案例系统的标准数据；
2)设置蒙特卡罗仿真次数N，用蒙特卡罗法随机抽样方法抽N个可再生能源样本，形成序列v，该序列按两参数的Weibull分布；
3)计算单位可再生能源实际输出的有功功率，从而计算出整个可再生能源实际的输出功率，得到可再生能源输出功率序列；
4)判断一个未进行本判断步骤判断的可再生能源输出功率是否正常运行，若是则用可再生能源取代对应的同步发电机，若否则将其从系统切除；
5)调用潮流分析软件对系统进行潮流计算并保存计算结果。建立可再生能源、同步发电机、负荷等元件的动态模型，创建故障文件；
6)对案例系统进行暂态稳定计算，并保存暂态稳定指标η、CCT数据；
7)重复步骤4-6，直到完成N次仿真计算；
8)数据处理。对N次计算得到的η、CCT值进行统计处理，得到η、CCT的概率分布以及它们的变化规律，绘制成图形计算系统的暂态稳定概率TSPI。
所述4)中，i＝1，判断Pw(1)＝0是否为真，若为真，则可再生能源输出功率为0，将其从系统切除；否则，用可再生能源取代对应的同步发电机，并把母线参数中对应节点的有功输出值改为Pw(1)，可再生能源并网成功，至此，含可再生能源的系统潮流数据已准备完毕；
所述7)，i＝i+1，重复步骤4-6，直到完成N次仿真计算。
所述4)是针对故障的扫描，筛选掉“无害”故障，保留了后果较严重的“有害”故障，处理方法为由网络结线分析开始、形成导纳矩阵、分解因子表及迭代修正解出完整的交流潮流。
所述4)中待扫描的故障进行自适应定界，包括以下步骤：
1、计算受故障直接影响的母线上有功不平衡量ΔP，并形成这些母线的因子化路径；
2、对有功不平衡量进行快速前代和完全回代，修正母线电压相角；
3、对激活集内母线计算无功不平衡量ΔQ；
4、在激活集的因子化路径进行快速前代和完全回代，用ε1确定激活集母线，用ε2确定参加迭代的母线，并修正其电压幅，对新的激活集形成因子化路径；
5、计算激活集中有功不平衡量ΔP；
6、检查收敛情况，未收敛转回第2步，收敛则继续处理下一故障。
所述4)扫描故障前对故障集合中的故障进行预处理，将其分为两大类，一类是无需计算即可确定为不会产生越限的“无害”故障，一类是需要通过潮流计算才判断其危险程度的“有害”故障，故障扫描用其第1次迭代修正值做近似计算，针对故障扫描中发展起来的避免重新因子分解的方法包括，利用叠加原理、稀疏向量技术或局部因子表修正技术。
所述暂态稳定指标η的定义如下：
式中：δmax是事故响应后某时刻系统中任意两台发电机功角差的最大值；
暂态稳定指标η的范围是-100＜η＜100。η＞0和η＜0分别表示事故后系统处于稳定和不稳定状态。很明显，；η越大，系统暂态稳定性越好；
所述CCT是系统不失稳地切除事故的时间极限，是系统在事故后安全性的最佳评价指标。
所述TSPI的暂态稳定概率指标如下：
式中：N是全集的样本容量，Ωs是N中使系统稳定的样本子集，而n(s)是Ωs中的元素数量。
本发明预想故障集合方式包括各种可能的故障及其组合，并且可以规定监视元件及条件故障以自动产生复杂故障。预想故障集合方式的好处是：1)更方便、更有效定义多重故障；2)实际上只分析感兴趣激活的故障组，大大提高了计算效率；3)能灵活、方便、快速模拟和再现电网实际故障过程。
附图说明
下面对本发明说明书中每幅附图表达的内容作简要说明：
图1为电力系统运行状态示意图；
图2为预想故障集合的结构；
图3为P－θ线性网络；
图4为开断支路pq时应用叠加原理；
图5为寻找稀疏向量[ΔP]因子化路径的程序流程；
图6为部分因子表修正法流程图；
图7为安全分析流程；
图8为快速潮流程序流程；
图9为网络母线分类示意图；
图10为自适应定界法程序流程；
图11-14为仿真场景1获得图形；
图15-18为仿真场景2获得图形；
图19-22为仿真场景3获得图形。
具体实施方式
可再生能源接入后的电网安全稳定监控方法，是从全网角度进行安全稳定分析，要立足于全网的安全稳定分析，就需要全面地对电网进行安全稳定计算分析，从全网角度对电网运行的安全稳定状况做出评估。因此，可以从以下三方面加以把握：
首先，从预想故障形式上，采用对全网某一类型电气元件都适用的故障形式，包括常规N－1故障类型以及特殊复故障类型。例如对于线路元件，按新《导则》的规定，为满足第一级安全稳定标准(即正常方式下的电力系统受到单一元件故障扰动后保护装置正常动作条件下保持稳定运行和电网的正常供电)，需要校核的故障方式有同级电压的双回线或多回线和环网，任一回线三相故障断开不重合。因此，对此故障类型，应对全网的同电压等级线路进行故障算例分析，而不是仅仅局限于凭经验认为电网比较薄弱区域的线路。
其次，从系统稳定判据上，对于同一种故障形式，应采用统一的系统稳定判据，包括功角判据以及电压判据的设定必须统一，才能比较各个区域之间在同一故障形式下的对整个系统稳定运行造成的影响，达到对全网安全稳定性进行分析评估的目的。
最后，从仿真程序上，采用实际的和一致的计算模型和参数，包括在安全分析过程中对于不同预想潮流方式下的仿真计算，基于BPA潮流和稳定程序所采用的模型都是统一的。同时，在与同类分析软件，如EUROSTAG的分析比较中需要作相应的数据转换和模型转换，保证在分析计算结果上具有可比性。
引入稳定裕度评估安全稳定水平，稳定裕度在电力系统安全分析中具有相当的重要性，其来源于直接法中稳定极限的概念，可以在一定程度上反映系统的稳定程度，并且能够定量地给出系统的暂态稳定度，对于根据分析计算结果做事故排队及告警都是有重要意义的。
在安全稳定分析中引入稳定裕度概念以后，将使得在分析过程中不仅能根据分析计算结果判断系统是稳定还是不稳定的，而且对于同是稳定的情况，稳定裕度的不同可以反映系统对于不同的预想故障类型稳定程度上的差别。经过对电网大量预想故障的临界切除时间扫描，按照同一故障类型下稳定裕度的大小对电网各个元件进行排序，可以将对系统无危害的事故进行过滤，“筛选”出对系统稳定有严重影响或是有着潜在严重影响的预想事故，进行下一步精确仿真计算分析，研究制定安全稳定控制措施方案。同时，稳定裕度对于定量分析多种潮流方式下各运行参数变化对系统稳定影响也具有重要的指导意义。
基于蒙特卡罗法的电力系统暂态稳定概率分析步骤如下：
1)输入案例系统的标准数据，如母线参数，支路参数等。
2)设置蒙特卡罗仿真次数N，用蒙特卡罗法随机抽样方法抽N个可再生能源样本，形成序列v，该序列按两参数的Weibull分布。
3)计算单位可再生能源实际输出的有功功率，从而计算出整个可再生能源实际的输出功率，得到可再生能源输出功率序列。
4)i＝1，判断Pw(1)＝0是否为真。若为真，则可再生能源输出功率为0，将其从系统切除；否则，用可再生能源取代对应的同步发电机，并把母线参数中对应节点的有功输出值改为Pw(1)，可再生能源并网成功。至此，含可再生能源的系统潮流数据已准备完毕。
5)调用潮流分析软件对系统进行潮流计算并保存计算结果。建立可再生能源、同步发电机、负荷等元件的动态模型，创建故障文件。至此，含可再生能源的系统暂态稳定分析所需的数据已准备完毕。
6)对案例系统进行暂态稳定计算，并保存暂态稳定指标η、CCT等数据。
7)i＝i+1，重复步骤4-6，直到完成N次仿真计算。
8)数据处理。对N次计算得到的η、CCT值进行统计处理，得到η、CCT的概率分布以及它们的变化规律，绘制成图形计算系统的暂态稳定概率TSPI。
预想故障集合可以规定监视元件及条件故障以自动产生复杂故障。运行中使用者可以激活感兴趣的故障组进行分析计算。预想故障集合的定义和管理技术是提高该应用软件性能的关键。为此，应以物理分类的方式按层次定义预想故障集合，如图2所示，一个完整的故障由三部分组成：主开断元件、条件监视元件、条件开断元件。
一个完整的故障由三部分组成：主开断元件、条件监视元件、条件开断元件。
主开断元件：它可以是电网中任何元件，如变压器、线路、发电机、负荷、电容器、电抗器、开关或母线等。故障可以是单重的，也可以是多重的，而多重故障可以是同一类元件，也可以是几类元件的组合。开关断(合)也包含在故障定义之中，这对模拟变电站事故等是非常方便的。
条件监视元件及条件开断元件：它们配合使用，可以模拟继发性故障。在实际电力系统中，某些元件故障可能引发其它元件的开断，这就需要引入条件故障的概念。当主开断元件的动作引起开断监视元件越限时，条件开断元件随之动作。这种带有条件监视元件和条件开断元件的故障称为条件故障。
故障组是具有某种特征的若干故障的集合。这些物理特征可以是：
1)按故障重数划分，如单重、二重、多重等；
2)按开断元件类型划分，如线路、变压器等；
3)按地区划分，如A地区故障、B地区故障等；
4)按故障电压等级划分，如500kV、220kV、110kV等。
使用故障组概念的优点在于，使用者可以按运行方式和调度的需要研究最关心的或对当前系统运行威胁最大的故障，从而提高安全分析的效率，省去大量无实际意义的计算。一个定义好的故障可以定义到一个故障组或多个故障组中。故障集合是全部定义故障组的总称。
在故障集合中的各故障组在缺省的条件下是全部激活的，但可以对每一故障组单设“停用”标志，在故障扫描时自然会跳过这些故障组，仅分析激活的故障组。属一个激活的故障组的各个故障，缺省条件下是自然被激活的，但可以对每一故障单独设“停用”标志，在故障分析中自动会跳过这些故障，仅分析激活的故障。实际应用中故障组、故障表需要认真的维护，随电网的变化和发展要不断补充新的故障和故障组定义，要不断删除或停用无意义的故障和故障组定义。这样才能使一线调度员最方便而有效的应用安全分析软件。实际上 n-1扫描方式是这种故障集合方式的一个特例，可以定义一个"n-1"故障组。在需要的时候激活它，执行n-1故障分析。
总之，采用故障集合方式，既提高了安全分析的有效性和节省计算时间，又能灵活而方便地规定分析目标。与以前的n-1扫描方式相比，预想故障集合的方式具有无可比拟的优越性和实用价值。
故障扫描是对故障集合中的故障进行预处理，将其分为两大类，一类是无需计算即可确定为不会产生越限的“无害”故障，一类是需要通过潮流计算才判断其危险程度的“有害”故障。其目的是避免不必要的潮流计算，加快安全分析速度。故障扫描的目标是怎样用较短的时间尽可能多淘汰“无害”故障，但又不能漏掉一个有害故障。
安全分析一般采用快速分解法(Fast Decoupled Load Flow)，故障扫描可以用其第1次迭代修正值做近似计算，称为1－P和1－Q迭代。在快速分解法中每项因子分解占的计算时间比较长，一次前代回代占的时间很短，因此在故障扫描中如何避免完全重新做因子分解是加快扫描过程的技术关键。在故障扫描中发展起来的避免重新因子分解的技术主要有：1)利用叠加原理；2)稀疏向量技术；3)局部因子表修正技术。
1)利用叠加原理；
对于线性网络可以应用叠加原理，而P－θ迭代基本满足这一条件。设由图 3那样的网络模型，开断支路pq时，相当于在母线p和q之间增加一条电纳为Δb＝-bpq的支路，示如图3所示；
如图4所示，支路Δb＝-bpq的增加，将使母线p和q净注入功率发生变化，变化量是流经新增支路Δb的有功功率。由于安全分析总是从一个收敛的基态潮流解开始，因此图4(b)中网络所示的就是基态潮流解，这是已知的。根据叠加原理，欲求开断支路pq后的网络潮流解，只需求出图4(c)中网络潮流解与基态潮流解叠加在一起即可。对于图4(c)之网络，有：
将其代入直流潮流修正公式：
[B'][Δθ]＝[ΔP]
可以得到Δθ，由此可以计算各支路潮流增量：
支路pq开断后各支路流可用叠加原理计算出来：)
在安全分析中有多种求[B']-1的方法，较常见)的2n是预先解基态潮流时求出[B']-1并存储起来，需用时调出来。对于多重故障来说要处理多个元件开断，对后面几个元件开断[B']已不是基态潮流状态了，此时虽然可以通过补偿法求解 [B']改变后的逆矩阵，但远不如采用稀疏向量技术和部分因子表修正技术更合适。
利用叠加原理可以大大简化安全分析的潮流计算，提高了计算效率。而且与稀疏向量技术和部分因子表修正技术结合，可以使计算更简便和更快速。
2)稀疏向量技术；
稀疏矩阵技术在电网分析中有着广泛的应用，近几年发展起来的稀疏向量法消除了求解代数方程过程中所有不必要的运算。
线性方程组一般式为：
[A][x]＝[b]
对[A]进行三角分解：
[L][D][U][x]＝[b]
对于分解法潮流来说，有功迭代系数矩阵[A]＝[B'/A]，是对称矩阵，因而[L] ＝[U]T。未知向量[x]可按下列运算得到：
当[b]是稀疏向量时，则矩阵[L]并不是每一列都参加运算，参加运算的只是它的一个列子集，这种只有[L]矩阵列子集参与运算的前代称为快速前代。
同理，尽管解向量[x]一般是不稀疏的，但实际应用中有时却仅对其中一部分元素感兴趣，因此可以将其做为稀疏向量，只用矩阵[U]的某一行子集参与运算，这一过程称为快速回代。
对于快速前代中参与计算的[L]和[D]中列子集的确定，可通过因子化路径方法，该路径实际是一个编号表，用来记录在快速前代时[L]矩阵中参与运算的列号。这一路径与[L]矩阵的结构和自由稀疏向量[b]中非零元素的位置有关。
对于稀疏向量[b]中非零元素，其因子化路径的寻求方法为：
1)将该非零元素的行号k作为路径表的第1个地址标号。
2)寻找[L]矩阵第k列中最小编号的非零非对角元素，将其列号k1作为第2 地址标号放于路径表中。
3)寻找[L]矩阵中第k1列中最小编号的非零非对角元素，将其列号k2作为第3地址标号放于路径表中。
4)以此类推，一直寻找到[L]矩阵的最小一列为止。
若自由向量[b]中含有多个非零元素，总的因子化路径是各元素因子化路径的并集。对角矩阵[D]的因子化路径与矩阵[L]相同，而矩阵[U]的因子化路径的寻找方法与矩阵[L]相同，可将矩阵[U]的行看成矩阵[L]的列。有了因子化路径，在迭代运算时仅对有效列(行)进行操作，其它各列(行)可以跳过。对于故障开断后的有功P－θ迭代，方程为：
[ΔP]＝[B'][θ]
经三角分解后，设[B']＝[L][D][L]T，上式写为：
[L][D][L]T[θ]＝[ΔP]
因为[ΔP]向量高度稀疏，用稀疏向量技术处理会得到明显的效益。寻找向量[ΔP]中多个非零元素因子化路径的方法示于图5。稀疏向量技术不仅可以应用于迭代中，还可以用于前述求注入功率不平衡向量[ΔP]的过程。
由式(12)和(13)知，若求功率不平衡向量ΔP，首先要计算参数c，为此要用到[B']-1。对于多重元件开断，因网络结线变化其导纳矩阵随之改变，显然[B']-1与基态不相同了。若每次重新形成[B']并求其逆[B']-1是非常费时间的，采用稀疏向量技术处理这一过程可以节约大量时间。(如图5)
应该指出，由于[Mpq]与[ΔP]中非零元素位置完全相同，所以两者稀疏路径也完全一致，这样只寻找一次因子化路径就可以了，不必再单独寻找[Mpq]的因子化路径。显然，求解[B']-1矩阵所需的额外计算量很少，与直接求[B']-1矩阵相比，计算时间要少很多。而与补偿法相比，由于不用事先计算并保存基态时的 [B']-1，节约了存储空间，而不会增加运算时间。
实际上，这种方法并没有真正求解[B']-1矩阵，而是求出[Y]＝[L]-1[Mpq]，比直接计算[B']-1矩阵再求[Mpq][B']-1[Mpq]T更巧妙。总之，用稀疏向量技术取不平衡量ΔP，具有快速而省内存的特点，优越性明显。
在电力系统网络分析中，稀疏矩阵技术是非常重要的。算例表明，对一般故障因子化路径涉及到的有效列(行)数只是全部列(行)数的十分之一或更少，因而大大提高了运算效率。
3)局部因子表修正技术。
由于故障时元件开断会引起网络结构发生变化，[B']矩阵有所变化，随之三角分解后的矩阵[L]、[D]也要变化，因此在进行迭代之前应对因子表进行修正。
因子表修正方法大致有三种：
1)全部重新因子分解；
2)补偿法修正；
3)部分因子表修正。
全部重新因子化程序最为简单，但计算量太大而不可取；补偿法利用逆矩阵修改引理(IMML)由原来因子表解出新状态的解，这一方法更适合网络结构仅是暂时性修改，而且修改的多重数较小(小于5)的情况，其计算速度也不是很快；部分因子表修正法是利用稀疏向量技术仅对基态因子表作部分修改，计算量较小，适合用于故障分析。
从高斯消去过程可以看出，单个元件或少数几个元件的开断只影响到因子表的部分元素，而且需修正的行和列恰巧是因子化路径上的有效行和列。
假设开断线路ij，原来矩阵[B'o]修改为[B'N]，有：
[B'N]＝[B'o]+[M]Δb[N]T
式中：
Δb＝Yij为纯量。由原来因子推算新因子的递推公式为：
部分因子表修正法流程如图6。
流程图中各符号含义如下：
1)简单变量
p—循环变量；
NOPH—路径中节点总数；
k—[U]中I行首址和有关非零元素地址；
J—[U]中I行各元素列号；
IM—网络节点总数；
FM—上三角(或下三角)矩阵中非零非对角因子总数；
B—Δb，修改的导纳值。
2)数组
M[1:IM]—存放稀疏关联矩阵[M]；
N[1:IM]—存放稀疏关联矩阵[M]；
PATH[1:NOPH]—存放单条路径表；
D[1:IM]—存放对角阵[D]的对角元素；
IU[1:IM+1]—存放[U]中非零非对角元素每行首址，且有 IU(IM+1)＝IU(IM)；
JU[1:FM]—存放[U]中非零非对角元素的列号；
U[1:FM]—存放[U]中非零非对角元素的值；
L[1:FM]—存放[L]中非零非对角元素的值；
在图6的算法中，先根据关联矩阵[M]、[N]中非零元素位置，形成单条路径表，即PATH[1:NOPH]，然后对路径表中每个节点的有关因子进行递推运算，即到了因子表的最后一行(列)，因子表修正完毕。
递推公式中B(i)、M(i)、N(i)由下列公式递推修正：
图6的流程适用于单条“行/列”引起的因子变化，如果引起因子变化的多重度m>1，则可将此算法重复使用m次，逐步得到最终的因子表。
实际上，由于故障元件的类型不同，对[B']和[B"]影响也不相同，对于如变压器参数、线路对地导纳和电容器参数修改等，需根据形成[B']和[B"]矩阵时的实际算法拟定其因子表修正程序。
在故障扫描过程中，筛选掉“无害”故障，保留了后果较严重的“有害”故障，对此要进行详细分析，以准确判别故障后系统潮流分布和危害程度。电网安全分析如图7所示，实际上，需要详细分析的故障危险程度仍有差别，没有必要全部进行交流潮流分析进一步划分故障的性质，选择不同的潮流算法。
具体包括以下分析方法：
1、全潮流分析
造成系统解列的故障及事先指定的故障，在故障扫描中检测出来，一般将其放在故障排序表的前面(不再排序)因为它们均属于最严重的故障。
全潮流分析是由网络结线分析开始、形成导纳矩阵、分解因子表及迭代修正解出完整的交流潮流。这样分析的精确度最高。
2、P-V母线转换的潮流分析
在实际系统中，某些故障(特别是发电机故障)可能会造成P-V母线维持不住规定电压的局面，这时需将P-V母线转换成P-Q母线，然后用一般潮流算法进行分析。
一般处理这类故障的方法可分为以下几类：
1)发电机元件以大接地导纳形式加入到导纳矩阵的对角元素上。此时，[B'] 矩阵和[B"]矩阵维数相同，但[B"]矩阵中对应P-V母线的对角线元素附加一个极大接地导纳。正常状态时无功迭代中P-V母线上电压修正量ΔV≈0；而发电机故障时，去掉这一大的导纳，P-V母线自动转换为P-Q母线。
2)形成[B"]矩阵时使其与[B']矩阵维数相同，即将P-V母线也加入到[B"] 矩阵中，正常状态下P-V母线对应的行列不参加迭代，故障时将故障P-V母线对应的行和列加入到迭代修正中，自动实现P-V母线到P-Q母线的转换。
3)采用渐近式电压逼近方式，即当P-V母线维持不了规定电压时，逐步修改规定电压使无功功率回到限界。
以上几种方式各有优缺点，可根据实际系统情况选择合适者。
3、快速潮流
除以上两类故障之外，其余故障一般均采用快速潮流进行计算。如图8所示；
与全潮流算法相比，快速潮流体现在：
1)不重新进行网络结线分析和形成因子表。利用前面所述的稀疏向量技术和部分因子表修正技术，对[B']和[B"]矩阵的因子表进行快速修正，得到新的因子表。
2)采用稀疏技术和子网潮流法，缩小计算范围，加快计算过程。
实际上，对大多数系统故障来说，故障的波及范围只是电网的一小部分，因此在进行潮流详细分析时，没有必要分析整个电网的潮流，仅分析某一子网的潮流就可以了。
自动确定潮流计算新边界的方法称为自适应定界法(Adaptive LocalizationMethod)，既可以用于故障详细分析，也可以用于故障筛选。在每一步迭代中，它都确定一个越限的母线集合，利用稀疏向量处理有关母线的功率不平衡量，从而解出安全分析中所需要的主要母线的电压相角和幅值的修正量。
这种自适应定界法可以看成是对快速分解法潮流算法的提高和改进，其精度与全潮流基本一致。只要能科学确定子网，即可大大提高潮流计算速率。
在传统的边界法中用到的局部区域一般是由围绕故障点的几层母线联接的成子网，它有几何边界。在自适应定界法中采用更加通用的概念－“激活集”代替了局部域，激活集是功率不平衡大到需要处理的母线集合，着眼点不是几何联系，比传统局部域概念更接近网络电气特性和迭代解的数学特性。激活集的概念更通用，适应的故障范围更广，因为不必进行结线分析，省去了很多附加计算量。
自适应定界中确定激活集的方法可随电网结构和参数不同而变化，这里介绍按电压校正量确定激活集的方法。
如图9所示，自适应定界法将电网母线分为两大集合：a和c。集合a是需要更新电压相角和幅值的母线集合，其中又按电压校正量门槛ε1将其划分为子集a1和a2，前者在下一次迭代时计算功率不平衡量，后者参加下一次迭代但不必计算其功率不平衡量；集合c中的母线可以不参加迭代计算，其电压校正量小于门槛ε2，而ε2＜ε1。
自适应定界法判别某一母线k是否属于激活集的过程是：
|ΔVk|≥ε1，k属于子集a1；
ε1＞|ΔVk|≥ε2，k属于子集a2；
|ΔVk|＜ε2，k属于子集c。
ε1的选取应在计算量与精度之间协调。若ε1过小，会出现激活集过大而降低计算效率；而ε1过大，则可能因漏掉了较多的应参加计算的母线而不收敛。ε1的经验值在0.01～0.001之间，它可以是一个常数，也可以随迭代情况而变化。
在快速分解法潮流计算中，P-V母线不参加电压迭代，因而不计算其修正量，这样激活集将会漏掉P-V母线。为避免这一点，可以将与子集a1中母线相邻的 P-V母线包括到激活集中，同时还把功率不平衡量超过某一限值εp的母线包括到激活集中。
这样，实际确定激活集的方法是：
子集a1＝{k:|ΔVk|＞ε1；
k:|ΔPk|＞εp；
k:与上述母线相邻的P-V母线}
(2)自适应定界法的实现
由以上分析可知，自适应定界法利用电压修正量由网络划分出激活集，对该集中母线计算下一次迭代时所需的功率不平衡量，利用稀疏向量技术计算下一次迭代的电压修正量，同时确定下一次迭代的激活集，直至收敛。
自适应定界法的流程图如图10所示，其步骤为：
1)计算受故障直接影响的母线上有功不平衡量ΔP，并形成这些母线的因子化路径。
2)对有功不平衡量进行快速前代和完全回代，修正母线电压相角。
3)对激活集内母线计算无功不平衡量ΔQ。
4)在激活集的因子化路径进行快速前代和完全回代，用ε1确定激活集母线，用ε2确定参加迭代的母线。并修正其电压幅。对新的激活集形成因子化路径。
5)计算激活集中有功不平衡量ΔP。
6)检查收敛情况，未收敛转回第2)步，收敛则继续处理下一故障。
安全分析的应用有以下步骤：准备工作、初始化、控制参数选择和分析结果等。
(1)准备工作：
1)故障定义：列出系统故障，针对各种调度需要定义故障组，同一故障可以出现在不同的故障组中。对每一故障还可以规定直接做全潮流分析，有此标志的故障在扫描阶段自动跳过。条件故障需定义主故障的条件监视元件和继发的故障。
2)监视组定义：安全分析与网络状态监视关系密切，这些分组能使调度人员迅速检查元件的监视标准和选择监视元件。
(2)初始化工作：
初始化工作包括故障、监视和基态越限处理等方面的选择，后面程序自动执行中将按这些选择运行。
1)故障选择：激活的故障子集是指下一次故障分析时将要处理的故障列表，故障基本按组激活，但也可进一步按组内的故障激活。在以下几种情况下对一个故障不进行分析：一个故障组处在非激活状态，组内故障处在缺省状态下；故障本身处在非激活状态。
2)监视元件选择：激活的监视元件子集是指在下一次故障分析时，用于检查电网是否越限的那些元件，监视元件也是按组激活的，但也可进一步选择组内某一元件的激活状态。
3)基态越限处理选择：安全分析之前系统已存在的越限称为基态越限。一旦存在基态越限，软件将通知用户，并在以后的故障分析中出现更严重越限时向用户报告。
(3)计算过程控制参数
这是提供给专家级用户改变计算过程和调整处理标准的参数，包括故障扫描参数、详细分析参数和监视元件裕度参数。
1)故障扫描参数：用于判定故障严重程度，也称为裕度，包括：
—百分比电压限值裕度
—电压变化限值裕度
—额定潮流百分比裕度
裕度乘以原来的限值得到新的限值是执行监视的实际标准，裕度的变化可以使监视标准变得更严格或者更宽松。
2)详细分析参数：用于控制全潮流计算的参数，包括：
—收敛标准(ΔP、ΔQ)
—发散标准(残差放大判定不收敛标准)
—最大迭代次数
—最大电压和相角修正步长
—阻尼系数(衰减每次修正步长，以防止振荡发散)。
这些参数在数据库中进行定义。一般来说，经专家初始化后不应随意调整。
3)监视元件裕度参数：除包括故障扫描所列电压限值、电压变化限值、额定潮流、母线相角差等裕度外，还有：
—潮流死区裕度
—电压死区裕度
裕度乘以死区限值做为新的死区限值，而死区是防止一个值在限值附近波动时反覆报警。
值得注意的是，上述三种参数与高级应用软件中的潮流程序是共用的。安全分析的运行方式是获取的潮流方式，那么相应的参数就会被更改。
(4)观察分析结果
预想故障计算过程结束后输出分析结果，用户可以很方便调用各类画面观察分析结果，还可按需要进行打印。其结果可分为三类：有害故障、维护参考和信息。
1)有害故障输出：包括有害故障报告和越限情况报告。
有害故障输出包括最新分析的有害故障、越限情况和历史信息。输出结果分为总输出画面和越限分类画面。越限报告提供元件越限的起因(哪些故障所引起)和越限程度。
2)维护参考输出：帮助维护人员检查故障分析的执行情况，以纠正程序和数据方面的错误，主要内容有：
关于故障的信息：
—全潮流计算是否有解
—全潮流结果有新越限、有害或无害
—条件故障状态有无、有害或无害
—故障激活总数
—是否有扫描中越限而潮流计算不越限的元件
关于安全分析性能：
—故障分析CPU时间(和页故障表)
—整个故障分析CPU时间(和页故障数)
—越限监视用CPU时间(和页故障数)
—快速扫描用CPU时间(和页故障数)
—激活故障数
—扫描出有害故障数
—全潮流有解的故障数
—全潮流无解的故障数
—全潮流计算有害故障数
—全潮流计算无害故障数
关于安全分析的信息：在安全分析运行期间用户通过运行信息和报警了解软件运行情况，由此了解是否出现异常现象，并提醒某些处理方法。
考虑可再生能源不确定性的暂态稳定监控，需故障前对系统状态的选择；
系统的网络拓扑、发电方式以及负荷水平定义决定了故障前的系统状态。若研究包括各种系统状态且研究时间够长，且以研究系统的平均风险为目的，则应按相应概率随机抽取故障的系统状态；若研究的时间范围较短，可确定地指定对应时间段内系统的网络拓扑、发电方式和负荷水平。
可用状态抽样方法随机抽取系统网络拓扑和发电机状态。下式可以表示是任一发电元件和输电元件的概率分布：
式中：0为元件处于正常运行状态；1为失效状态；p为元件正常运行的概率。生成[0,1]间的随机数R，若R的值落在[0,p]之间，则元件处于失效状态，否则处于正常运行状态。本文在研究在计及可再生能源不确定性的电力系统暂态稳定分析中，把可再生能源输出功率的不确定性设为系统的主要随机因素。
电力系统的线路故障包括对称故障和不对称故障。本课题主要考虑最严重的母线三相接地短路故障，故障后0.5s将故障母线切除。
一般情况下，可根据历史统计数据的离散概率分布来模拟一条线路的故障位置。根据输电线路的地理信息，可将线路分为M段，则在第i段发生故障的概率为
式中：fi为历史数据中在第i段发生故障的次数。
本文釆用三个指标来评估系统的暂态稳定性。它们是暂态稳定指标η、故障极限切除时间以及暂态稳定概率。
(1)暂态稳定指标η
系统的暂态稳定指标η的定义如下：
式中：δmax是事故响应后某时刻系统中任意两台发电机功角差的最大值。
暂态稳定指标η的范围是-100＜η＜100。η＞0和η＜0分别表示事故后系统处于稳定和不稳定状态。很明显，；η越大，系统暂态稳定性越好。
(2)故障极限清除时间(Critical Cleaning Time,CCT)
故障极限清除时间CCT是系统不失稳地切除事故的时间极限。CCT被认为是系统在事故后安全性的最佳评价指标。若对系统运行状况做某些改变后，CCT值变大，则认为该改变对提升系统的暂态稳定性有益。具体到本课题的算例中，若接入可再生能源后CCT增大，则说明在给定的条件下其有助于提高系统暂态稳定性。
(3)暂态稳定概率指标(Transient Stability Probability Index,TSPI)
定义电力系统的暂态稳定概率指标如下：
式中：N是全集的样本容量，Ωs是N中使系统稳定的样本子集，而n(s)是Ωs中的元素数量。
基于上述监控方法，电力系统暂态稳定案例分析采用IEEE10机39节点系统进行，假设接入的可再生能源为风电场，采用的方法即为上述的蒙特卡罗法的电力系统暂态稳定概率分析方法。根据IEEE10机39节点系统的标准数据，G3 同步发电机和G9同步发电机的有功输出分别是650MW和830MW，它们占系统容量的比例分别是11.6％和15.2％。通过三个仿真场景进行模拟计算，在三个仿真场景中，风电场由GE3.6MWDFIG组成，为保持风电场的输出功率与被取代的同步发电机的输出相同，其风机数量将做出相应调整。经过计算，取代G3的DFIG3 风电场和取代G9的DFIG9风电场分别由181台、231台GE3.6MWDFIG组成。
三个仿真场景：(1)DIFG3风电场取代与32号母线相连接的G3同步发电机； (2)DFIG3风电场取代G3同步发电机，并在G10同步发电机上加装励磁机和电力系统稳定器；(3)DFIG9风电场取代与38号母线相连的G9同步发电机，并在 G10同步发电机上加装励磁机和电力系统稳定器。
仿真场景1
在仿真场景1中，用双馈型风电场DFIG3取代32号母线上的G3同步发电机。系统中的同步发电机模型采用四阶模型。负荷模型中70％采用电动机模型，剩下的30％采用非线性静态(ZIP)模型。仿真中，在t＝0.5s时母线发生三相接地短路，在0.05s后将故障清除，蒙特卡罗模拟次数为10000次。得到系统暂态稳定指标η和极限清除时间CCT的分布概率，以及它们随风速的变化规律分别如图 11-14所示。
得到系统暂态稳定指标η和极限清除时间CCT的概率分布如图11-12所示。图11中，从η＝0处把图分为两部分，在左半部分，系统的暂态稳定指标η<0，系统在随机故障条件下无法维持稳定；在右半部分，系统的暂态稳定指标η>0，系统在当前故障条件下暂态稳定。图12中系统的故障极限清除时间CCT值落在0 到0.1s之间，可类似地从CCT＝0.055s处分成两部分。图11和图12有两处概率集中点的特点，左端峰值对应于风电场输出为0及较小的情况右端峰值对应于风电场额定输出的情况。
GE3.6MW风机的切入风速和切出风速分别为3.5m/s和27m/s。图13为系统的暂态稳定指标随风速的变化曲线，以风速8.5m/s为临界点，在8.5m/s<v<27m/s 范围内，系统能维持暂态稳定，且η随着风速的增大而增大，风速达到额定值 14m/s后η趋于稳定值。当风速很低时，风电场输出功率过小，系统不稳定；当风速大于切出风速，风机从系统中切除，系统暂态失稳。图14显示的系统故障极限清除时间CCT随风速的变化曲线，与图13有着类似的变化趋势。在低风速时，系统的CCT值较小，而随着风速的培大，CCT值不断培大，趋于稳定值0.072s，系统的暂态稳定性也随之增强。当风速大于切出风速，其值又突降至0.042s左右。
仿真场景2
在仿真场景2中，双馈型风电场DFIG3取代32号母线上的G3同步发电机。系统中的同步发电机模型采用四阶模型，并在G10同步发电机上加装励磁器和稳定器。负荷模型与仿真场景1中的设置一致。t＝0.5s时38号母线发生三相接地短路，0.05s后将故障清除，蒙特卡罗模拟次数为10000次。得到系统暂态稳定指标η和极限清除时间CCT的概率分布以及它们随风速的变化规律如图15-18 所示。
如图所示，易观察出，在仿真场景1同等条件的基础上，在G10同步发电机上加装了励磁器和稳定器以后，系统的暂态稳定性以及暂态稳定概率都发生很大的变化。图15所示，此时系统的暂态稳定指标η都分布在(64.5-66.5)之间，且在64.5和65.7出现峰值，系统在不确定风速条件下均维持了暂态稳定性。图16中系统的故障极限清除时间CCT主要集中在(0.065-0.095)之间，其均值较场景1中有了大幅度的提升，峰值在0.066和0.096出现。图17显示，此时系统的暂态稳定指标随风速无明显变化趋势，几乎形成一条水平线。图18显示，系统的CCT较仿真场景1中的CCT值整体升高，在切入风速和额定风速间随风速的增大而增大，此后CCT值趋于稳定，在风速大于切出风速后，其值又突降至0.065左右。综上所述，此时系统的暂态稳定性得到了有效的提升。
仿真场景3
在仿真场景3中，用双馈型风电场DFIG9取代38号母线上的G9同步发电机。系统中的同步发电机模型采用四阶模型，并在G10同步发电机上加装励磁器和稳定器。负荷模型中70％采用电动机模型，剩下的30％采用非线性静态模型。仿真中，在t＝0.5s时38号母线发生三相接地短路，在0.05s后将故障清除，蒙特卡罗模拟次数为10000次。得到系统暂态稳定指标η和极限清除时间CCT的概率，以及他们随风速的变化规律分别如图19-22所示。
由图19-22所示，双馈型风电场取DFIG9代号38号母线上的G9同步电机以后，系统中风电的穿透率由11.6％上升至15.2％，尽管G10上仍装有励磁器和稳定器，但系统的暂态稳定性、以及暂态稳定概率都发生很大的变化。图19显示，此时系统的暂态稳定指标η又呈现出两处概率集中点，分布规律与仿真场景1相似。图20中系统的故障极限清除时间主要分布在(0.023-0.078)之间，同样地出现了两处概率集中点的特点，其中一处概率集中点为0.028s，另一处则为 0.078s。图21显示，以风速11m/s为临界点，在11m/s<v<27m/s范围内，系统能维持暂态稳定，且η随着风速的增大而增大，风速达到额定值14m/s后η趋于稳定值。当风速很低时，风电场输出功率过小，系统不稳定；当风速过大时，风电场从系统中切除，系统暂态失稳。图22显示了系统故障极限清除时间CCT 随风速的变化曲线，与图21有着类似的变化趋势。在低风速时，系统的CCT值较小，而随着风速的增大，CCT值不断增大，趋于稳定值0.078s。
仿真场景1 仿真场景2 仿真场景3
TSPI 70.71％ 100％ 49.76％
上表为各级电压闪变限值，给出了三个仿真场景的暂态稳定概率。由计算得到的三个仿真场景的系统暂态稳定概率TSPI。比较场景1和场景2，系统的TSPI 分别是70.71％和100％。在其负荷、故障设置相同的情况下，若在系统中某台同步发电机上加装了系统励磁器和稳定器，在计及风电不确定性后系统仍能保持暂态稳定，则系统的暂态稳定性增强。
比较场景2和场景3，系统的暂态概率分别是100％和49.76％。其负荷、故障设置相同是的，且系统中某台同步发电机都装有励磁器和稳定器的情况下，系统的暂态稳定性和系统风电的穿透率有关。场景2显示，在风电场容量较小的情况下，即使发生最严重的三相短路故障，系统仍然能保持暂态稳定。但若风电场的容量过大，系统的暂态稳定概率将会下降。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (6)

1.一种可再生能源接入的电网安全稳定监控方法，其特征在于：
1)输入案例系统的标准数据；
2)设置蒙特卡罗仿真次数N，用蒙特卡罗法随机抽样方法抽N个可再生能源样本，形成序列v，该序列按两参数的Weibull分布；
3)计算单位可再生能源实际输出的有功功率，从而计算出整个可再生能源实际的输出功率，得到可再生能源输出功率序列；
4)判断一个未进行本判断步骤判断的可再生能源输出功率是否正常运行，若是则用可再生能源取代对应的同步发电机，若否则将其从系统切除；
5)调用潮流分析软件对系统进行潮流计算并保存计算结果，建立可再生能源、同步发电机、负荷等元件的动态模型，创建故障文件；
6)对案例系统进行暂态稳定计算，并保存暂态稳定指标η、CCT数据；
7)重复步骤4-6，直到完成N次仿真计算；
8)对N次计算得到的η、CCT值进行统计处理，得到η、CCT的概率分布以及它们的变化规律，绘制成图形计算系统的暂态稳定概率TSPI。
2.根据权利要求1所述的可再生能源接入的电网安全稳定监控方法，其特征在于：所述4)中，i＝1，判断Pw(1)＝0是否为真，若为真，则可再生能源输出功率为0，将其从系统切除；否则，用可再生能源取代对应的同步发电机，并把母线参数中对应节点的有功输出值改为Pw(1)，可再生能源并网成功，至此，含可再生能源的系统潮流数据已准备完毕；
所述7)，i＝i+1，重复步骤4-6，直到完成N次仿真计算。
3.根据权利要求2所述的可再生能源接入的电网安全稳定监控方法，其特征在于：所述4)是针对故障的扫描，筛选掉“无害”故障，保留了后果较严重的“有害”故障，处理方法为由网络结线分析开始、形成导纳矩阵、分解因子表及迭代修正解出完整的交流潮流。
4.根据权利要求3所述的可再生能源接入的电网安全稳定监控方法，其特征在于：所述4)中待扫描的故障进行自适应定界，包括以下步骤：
1、计算受故障直接影响的母线上有功不平衡量ΔP，并形成这些母线的因子化路径；
2、对有功不平衡量进行快速前代和完全回代，修正母线电压相角；
3、对激活集内母线计算无功不平衡量ΔQ；
4、在激活集的因子化路径进行快速前代和完全回代，用ε1确定激活集母线，用ε2确定参加迭代的母线，并修正其电压幅，对新的激活集形成因子化路径；
5、计算激活集中有功不平衡量ΔP；
6、检查收敛情况，未收敛转回第2步，收敛则继续处理下一故障。
5.根据权利要求4所述的可再生能源接入的电网安全稳定监控方法，其特征在于：所述4)扫描故障前对故障集合中的故障进行预处理，将其分为两大类，一类是无需计算即可确定为不会产生越限的“无害”故障，一类是需要通过潮流计算才判断其危险程度的“有害”故障，故障扫描用其第1次迭代修正值做近似计算，针对故障扫描中发展起来的避免重新因子分解的方法包括，利用叠加原理、稀疏向量技术或局部因子表修正技术。
6.根据权利要求1-5中任一所述的可再生能源接入的电网安全稳定监控方法，其特征在于：所述暂态稳定指标η的定义如下：
式中：δmax是事故响应后某时刻系统中任意两台发电机功角差的最大值；
暂态稳定指标η的范围是-100＜η＜100，η＞0和η＜0分别表示事故后系统处于稳定和不稳定状态，η越大，系统暂态稳定性越好；
所述CCT是系统不失稳地切除事故的时间极限，是系统在事故后安全性的最佳评价指标；
所述TSPI的暂态稳定概率指标如下：
式中：N是全集的样本容量，Ωs是N中使系统稳定的样本子集，而n(s)是Ωs中的元素数量。
CN201811034666.3A 2018-09-06 2018-09-06 一种可再生能源接入的电网安全稳定监控方法 Active CN109004679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811034666.3A CN109004679B (zh) 2018-09-06 2018-09-06 一种可再生能源接入的电网安全稳定监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811034666.3A CN109004679B (zh) 2018-09-06 2018-09-06 一种可再生能源接入的电网安全稳定监控方法

Publications (2)

Publication Number Publication Date
CN109004679A true CN109004679A (zh) 2018-12-14
CN109004679B CN109004679B (zh) 2021-08-20

Family

ID=64590409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811034666.3A Active CN109004679B (zh) 2018-09-06 2018-09-06 一种可再生能源接入的电网安全稳定监控方法

Country Status (1)

Country Link
CN (1) CN109004679B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767108A (zh) * 2018-12-31 2019-05-17 国网安徽省电力有限公司 一种电力调度系统线路状态精准分析方法
CN109830980A (zh) * 2019-01-31 2019-05-31 张欣 一种用于判断多级逆变器并联接长电缆的系统稳定性的判据方法
CN110336270A (zh) * 2019-04-22 2019-10-15 清华大学 一种电力系统暂态稳定预测模型的更新方法
CN113098069A (zh) * 2021-05-21 2021-07-09 中国电力科学研究院有限公司 一种电力电子电源并网电气距离规划的方法及装置
WO2022022307A1 (zh) * 2020-07-28 2022-02-03 南京邮电大学 一种有源配电网安全评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694940A (zh) * 2009-10-23 2010-04-14 国网电力科学研究院 一种考虑暂态安全约束的最优潮流实现方法
CN103279638A (zh) * 2013-04-23 2013-09-04 国家电网公司 一种基于响应的大电网全态势在线一体化量化评估方法
CN106602548A (zh) * 2016-11-25 2017-04-26 国电南瑞科技股份有限公司 一种基于eeac的暂态稳定关键输电断面识别方法
US20170116686A1 (en) * 2014-07-07 2017-04-27 Panasonic Intellectual Property Management Co., Ltd. Power supply control apparatus, power supply control system, and program

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694940A (zh) * 2009-10-23 2010-04-14 国网电力科学研究院 一种考虑暂态安全约束的最优潮流实现方法
CN103279638A (zh) * 2013-04-23 2013-09-04 国家电网公司 一种基于响应的大电网全态势在线一体化量化评估方法
US20170116686A1 (en) * 2014-07-07 2017-04-27 Panasonic Intellectual Property Management Co., Ltd. Power supply control apparatus, power supply control system, and program
CN106602548A (zh) * 2016-11-25 2017-04-26 国电南瑞科技股份有限公司 一种基于eeac的暂态稳定关键输电断面识别方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767108A (zh) * 2018-12-31 2019-05-17 国网安徽省电力有限公司 一种电力调度系统线路状态精准分析方法
CN109830980A (zh) * 2019-01-31 2019-05-31 张欣 一种用于判断多级逆变器并联接长电缆的系统稳定性的判据方法
CN109830980B (zh) * 2019-01-31 2022-09-02 张欣 一种用于判断多级逆变器并联接长电缆的系统稳定性的判据方法
CN110336270A (zh) * 2019-04-22 2019-10-15 清华大学 一种电力系统暂态稳定预测模型的更新方法
CN110336270B (zh) * 2019-04-22 2021-02-02 清华大学 一种电力系统暂态稳定预测模型的更新方法
WO2022022307A1 (zh) * 2020-07-28 2022-02-03 南京邮电大学 一种有源配电网安全评估方法
CN113098069A (zh) * 2021-05-21 2021-07-09 中国电力科学研究院有限公司 一种电力电子电源并网电气距离规划的方法及装置

Also Published As

Publication number Publication date
CN109004679B (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
CN109004679A (zh) 一种可再生能源接入的电网安全稳定监控方法
CN107732970B (zh) 一种新能源并网电力系统的静态安全概率评估方法
Aien et al. Probabilistic load flow in correlated uncertain environment using unscented transformation
CN102934312B (zh) 能量产生系统及其控制
CN104156892A (zh) 一种有源配电网电压跌落仿真与评估方法
CN104851053A (zh) 一种含风光储的配电网供电可靠性评估方法
CN105958538B (zh) 基于蒙特卡洛法的配电网孤岛划分方法
CN111950900B (zh) 一种电力系统源网荷储本质安全风险评估方法
EP2381094A1 (en) Energy network and control thereof
Jin et al. A new system splitting scheme based on the unified stability control framework
Zhang et al. SVC damping controller design based on novel modified fruit fly optimisation algorithm
CN109934437A (zh) 一种配电网停电风险评估方法及系统
Wei et al. Reliability evaluation of Microgrid with PV-WG hybrid system
López et al. Adaptable system integrity protection scheme considering renewable energy sources output variations
Wang et al. Data-driven transient stability assessment with sparse PMU sampling and online self-check function
CN104636993B (zh) 配电系统可靠性算法
CN104319784B (zh) 区域电网无功补偿优化方案对比分析方法
Ahmadi et al. Optimal Sizing and Sitting of Photovoltaic Distributed Generation Units Using PSO Algorithm
CN103560529B (zh) 一种抑制电力系统交流联络线不规则功率波动的控制方法
CN106253328A (zh) 一种对风电场并网点进行合理选址的分析方法
Ishraque et al. Dispatch Strategy Based Optimized Design of an Offgrid Hybrid Microgrid Using Renewable Sources
Miao et al. Energy Availability Analysis of Offshore Wind Farms Considering the Correlation between Wind Speed Cloud Model and Parameters
Sharma et al. Fuzzy Logic Controller Based Distributed Generation Integration Strategy for Stochastic Performance Improvement
Xiaoqun et al. Optimal location and capacity of distributed generation based on scenario probability
Hoballah Online system stability monitoring using DT and ANN considering stochastic behavior of wind speed

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