CN109038546B - 一种基于vsc-hvdc系统的交直流混联电网负荷恢复方法及系统 - Google Patents

Abstract

一种基于VSC‑HVDC系统的交直流混联电网负荷恢复方法，所述方法包括：基于预先获取电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值；基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复；所述负荷恢复模型包括：以单步允许恢复的负荷最大值为目标。本发明实现了负荷的精准控制，将电力用户的损失降至最小，有效降低了电力用户的损失。

Description

一种基于VSC-HVDC系统的交直流混联电网负荷恢复方法及 系统

技术领域

本发明涉及电网调度自动化技术领域，具体涉及一种基于VSC-HVDC系统的交直流混联电网负荷恢复方法及系统。

背景技术

电压源换流器高压直流输电系统(VSC-HVDC)由于其柔性、可控的特点，近年来在特高压直流输电系统中逐步得到了重视与应用。特高压直流系统输送功率越高，对受端电网稳定性影响也越大，特别当直流系统双极闭锁后将引起交流系统输电通道功率的大范围转移，可能会对受端电网的安全稳定运行造成一定的影响。

为确保直流故障后电网安全稳定运行，通常综合采用多直流提升、抽蓄电站切泵等措施来平衡电网功率的缺额，但上述措施在直流严重故障下仍不足以阻止电网的频率跌落，无法实现负荷精准、友好的控制，电力用户的损失很大。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供一种基于VSC-HVDC系统的交直流混联电网负荷恢复方法及系统。

本发明提供的技术方案是：

一种基于VSC-HVDC系统的交直流混联电网负荷恢复方法，所述方法包括：

基于预先获取电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值；

基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复；

所述负荷恢复模型包括：以单步允许恢复的负荷最大值为目标。

优选的，所述预先获取电网负荷的参数，包括：

发电机的额定有功功率、发电机的无功功率、负荷的有功功率、负荷的无功功率、发电初始额定有功功率、发电机调速器静态调节系数、系统频率偏移的标幺值、有功负荷的频率特性系数、无功负荷的频率特性系数、电机流入的功率。

优选的，所述负荷恢复模型的目标函数如下式所示：

式中F表示系统约束条件下允许恢复的负荷最大值；x_i表示第i个负荷开关的状态，取0表示断开，取1表示投入；w_i表示第i个负荷的权值，为正数；P_Li为负荷的有功功率；n为负荷分类等级的个数。

优选的，所述负荷恢复模型还包括：

潮流方程和发电机组的稳定出力约束；

基于VSC-HVDC系统改进后的潮流方程和发电机组的稳定出力约束；

基于VSC-HVDC系统发电机组的稳定出力约束。

优选的，所述潮流方程和发电机组的稳定出力约束如下式所示：

式中，P_Gi为发电机的额定有功功率；Q_Gi为发电机的无功功率；P_Li为负荷的有功功率；Q_Li为负荷的无功功率。

优选的，所述发电机的额定有功，按下式计算：

P_Gi＝P_Gi0(1-k_Gif_d)

式中，P_Gi0为发电初始额定有功功率；k_Gi为发电机调速器静态调节系数；f_d为系统频率偏移的标幺值；

所述发电机的无功功率，按下式计算：

Q_Gi＝Q_Gi0

式中，Q_Gi0为发电初始额定有功功率；

所述负荷的有功功率，按下式计算：

式中，P_Li0为发电初始额定有功功率；k_pi为有功负荷的频率特性系数；k_qi为无功负荷的频率特性系数；a_pi、b_pi、c_pi为有功负荷的电压静态特性系数，满足a_pi+b_pi+c_pi＝1；f_d为系统频率偏移的标幺值；

所述负荷的无功功率，按下式计算：

式中，Q_Li0为发电初始额定有功功率；k_pi为有功负荷的频率特性系数；k_qi为无功负荷的频率特性系数；a_qi、b_qi、c_qi为无功负荷的电压静态特性系数，满足a_qi+b_qi+c_qi＝1；f_d为系统频率偏移的标幺值。

优选的，所述基于VSC-HVDC系统改进后的潮流方程和发电机组的稳定出力约束如下式所示：

式中，P_Gi为节点i处发电机流入的功率，P_Li为负荷的有功功率；R_d为直流输电线路电阻；μ_i为节点i处，整流端或逆变端与脉宽调制方式相关的直流电压利用率；m_i为整流端或逆变端换流器调制比。

优选的，所述基于VSC-HVDC系统发电机组的稳定出力约束如下式所示：

式中，n_G为已启动发电机组，n_H为已经恢复的负荷数量；P_Gj表示的是发电机向外输出的最大稳定功率；P_Lh为已经恢复的负荷量；P_Gi为发电机的额定有功功率；P_Li为负荷的有功功率；df_fp为投入单位负荷，频率的变化量。

优选的，所述基于电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值，包括：

对进化迭代数计数器、最大迭代数和随机生成初始种群的个数进行初始化设置；

选择设定待恢复负荷为初始种群，并根据所述目标函数计算所述初始种群中个体的适应度；

根据所述适应度对初始种群中的个体进行轮盘选择算法、归一化几何选择方法、锦标赛选择方法，选择个体；

将选择的个体通过染色体个体基因的复制、交叉、变异得到新一代种群；

判断产生的新一代种群个数是否大于设置的随机生成初始种群的个数，若大于，则输出新一代种群个数，否则，根据新一代种群，产生下一代种群个数，直至产生的下一代种群个数大于设置的随机生成初始种群的个数，输出大于设置的随机生成初始种群的个数的下一代种群个数；

将输出的种群负荷为单步负荷恢复最大值。

优选的，所述基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复，包括：

将设备按照重要性由大到小进行排序；

基于所述排序，以一个设备或相邻多个设备的总负荷与所述单步负荷恢复最大值进行匹配分组，每一组设备作为单步恢复的设备；

按照分组的顺序对交直流混联电网负荷进行逐步恢复。

一种基于VSC-HVDC系统的交直流混联电网负荷恢复系统，所述系统包括：

计算模块，基于预先获取电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值；

恢复模块，用于基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复；

其中，所述负荷恢复模型包括：以单步允许恢复的负荷最大值为目标。

优选的，所述计算模块，包括：

基因遗传算法子模块：用于根据所述适应度对初始种群中的个体进行轮盘选择算法、归一化几何选择方法、锦标赛选择方法，选择个体；

将选择的个体通过染色体个体基因的复制、交叉、变异得到新一代种群；

判断产生的新一代种群个数是否大于设置的随机生成初始种群的个数，若大于，则输出新一代种群个数，否则，根据新一代种群，产生下一代种群个数，直至产生的下一代种群个数大于设置的随机生成初始种群的个数，输出大于设置的随机生成初始种群的个数的下一代种群个数；

将输出的种群个数作为单步负荷恢复最大值。

优选的，所述恢复模块，包括：

排序子模块：用于将设备按照重要性由大到小进行排序；

分组子模块：用于根据所述排序，以一个设备或相邻多个设备的总负荷与所述单步负荷恢复最大值进行匹配分组，每一组设备作为单步恢复的设备；

恢复子模块：用于按照分组的顺序对交直流混联电网负荷进行逐步恢复。

与现有技术相比，本发明的有益效果为：

1、本发明提供了一种基于VSC-HVDC系统的交直流混联电网负荷恢复方法，其特征在于，所述方法包括：基于预先获取电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值；基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复；所述负荷恢复模型包括：以单步允许恢复的负荷最大值为目标。本发明实现了负荷的精准控制，将电力用户的损失降至最小，有效降低了电力用户的损失。

2、本发明提供了一种交直流混联电网负荷恢复方法实现了特高压直流故障后期，电网负荷恢复速度快、恢复量大。

附图说明

图1为本发明的一种交直流混联电网负荷恢复方法流程图。

具体实施方式

实施例1

1、基于预先获取电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值。

在直流闭锁故障恢复后期，为减少停电损失，需要在规定时间内最大限度地恢复毫秒级负荷，负荷恢复阶段的目标是快速、全面地恢复剩余的负荷，根据负荷恢复的特点，可以把负荷恢复看作是一个0-1的优化组合问题，其目标函数是求出系统约束条件下允许恢复的负荷最大值，即

式中x_i表示负荷开关的状态，只取0或1，0表示断开，1为投入；w_i为一正数，表示负荷的权值，负荷越重要，权值越大。P_Li为相应的待恢复负荷量。n为负荷分类等级的个数。

需要遵循的约束条件如下：

(1)等式约束

系统处于正常运行状态时，由于机组出力较充足，通过自动调速系统的动作，系统频率能够保持在额定值附近，因此，常规的潮流算法一般不计算系统的稳态频率。但是在负荷恢复阶段，负荷的大量投入会使系统在出力不充分的时候出现频率的较大偏移，如果偏移过大，容易导致系统重新振荡。因此，恢复负荷时，不仅要计及系统电压、线路潮流等约束，更应关注系统频率的变化。所以，在约束条件中，将频率引入潮流计算，结合系统频率偏移对负荷、发电机出力的影响得到最终的潮流分布情况，并称这种方法为增广的潮流计算，形式如下：

式中，P_Gi、Q_Gi为发电机的额定功率，P_Li、Q_Li为负荷功率。其中，P_Gi、Q_Gi、P_Li、Q_Li的具体表达式如下：

式中，P_Gi0、Q_Gi0、P_Li0和Q_Li0为发电机和负荷的初始功率；k_Gi为发电机调速器静态调节系数；k_pi、k_qi为负荷的频率特性系数；a_pi、b_pi、c_pi、a_qi、b_qi、c_qi为负荷的电压静态特性系数，满足a_pi+b_pi+c_pi＝1和a_qi+b_qi+c_qi＝1；f_d为系统频率偏移的标幺值，f_d＝(f-f_N)/f_N，f_N为系统额定频率。

由于网络涉及VSC-HVDC系统，需要在原有的交流潮流方程上对相应的交直流节点进行一定的修正。

假定在母线节点i和母线节点j之间连接了一套VSC-HVDC系统，则根据基尔霍夫定律，

U_di-U_dj＝R_dI_di (5)

式中，R_d为直流输电线路电阻，U_di，U_dj，I_di分别为两端交直流混合输电系统的直流电压和直流电流。

又根据节点电流和电压、功率的关系，得到式(6)

I_di＝P_di/U_di (6)

联立式(5)和式(6)，得到式(7)

(U_di-U_dj)/R_d＝P_di/U_di (7)

又换流器交流侧电压幅值U_i与其直流侧电压幅值之间有如下关系：

式中，μ_i为节点i处，整流端或逆变端与脉宽调制方式相关的直流电压利用率，采用正弦波脉宽调制时

采用空间矢量脉宽调制时μ_i＝1.0；m_i为整流端或逆变端换流器调制比，0≤m_i≤1。

忽略换流站交流母线与直流母线间的线路损耗，则交流侧输入换流站的功率与经过换流站转换的直流功率相等。

P_di＝P_si＝P_Gi-P_Li (9)

最终得到考虑两端VSC-HVDC系统的潮流方程如式(10)所示。

上式中，P_Gi为节点i处发电机流入的功率，P_Li为节点i处流向负荷的功率。式(2)与式(10)共同构成等式约束条件。

(2)不等式约束：

P_{Gi min}≤P_Gi≤P_{Gi max},i＝1,2,…,N_G (12)

Q_{Gi min}≤Q_Gi≤Q_{Gi max},i＝1,2,…,N_G (13)

U_{i min}≤U_i≤U_{i max},i＝1,2,…,n (14)

P_{ij min}≤P_ij≤P_{ij max},i,j＝1,2,…,n；i≠j (15)

f_min≤f≤f_max (16)

式中，P_DC为已恢复的直流线路的最大有功功率传输量，P_ij为线路i-j流过的功率，f为参考节点的频率。

式(1)、(2)、(10)、(11)-(16)构成了一组非线性多约束规划问题，0-1非线性规划问题的一般形式如下：

为计算方便，对式(1)的目标函数做一定变形，变为

(11)-(16)所表示的约束条件，均不是与x直接相关，求解起来比较复杂。由于系统的稳态频率是限制单次投入负荷最大量的主要因素，因此对约束条件做一定变形处理，如下：

已恢复负荷及当前时步待恢复负荷所需的功率之和应小于已启动发电机组所能提供的功率之和，同时大于已启动发电机组的最小稳定出力之和，一般规定，机组的最小稳定出力是其额定功率的30％。n_G为已启动发电机组，n_H为已经恢复的负荷数量。P_Gj表示的是发电机向外输出的最大稳定功率。df_fp为机组在一定负荷率的情形下，投入单位负荷，频率的变化量，P_Lh为已经恢复的负荷量。

求解非线性规划问题的关键是对约束函数的处理，传统的解决方法有罚函数法、支配锦标赛法及梯度修复法等，但传统算法要求目标函数和约束函数梯度可约，无法保证取得全局最优解，且直接丢弃不可行解会导致一些对求解可能有利的隐含信息丢失，从而降低寻优效率。遗传算法与传统搜索算法不同，是一种群体智能优化算法，对解决随机搜索、目标优化、任务调度等问题表现出较大优势，受到了人们的高度关注和广泛应用。它以适应度函数为依据，通过对种群中的所有个体实施遗传操作,实现群体内个体结构重组的迭代过程随机搜索算法。选择、杂交、变异构成遗传算法的三个主要遗传操作因子。其主要计算步骤如下：

(1)确定适应度函数，即式(18)所示的目标函数。

(2)选择一定数目的个体构成初始种群,并求出种群内各个个体的函数值。

(3)设置迭代代数,开始循环。

(4)计算选择函数的值：选择即通过概率的形式从种群中选择若干个个体的方式。遗传算法工具箱中提供了三个选择函数：轮盘选择算法、归一化几何选择方法、锦标赛选择方法。工具箱默认为采用归一化几何选择方法。

(5)通过染色体个体基因的复制、交叉、变异等创造新的个体,构成新的种群。

(6)进行循环,若终止条件不满足,则转到步骤(3)继续进化。

2、基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复。

将设备按照重要性由大到小进行排序；

基于所述排序，以一个设备或相邻多个设备的总负荷与所述单步负荷恢复最大值进行匹配分组，每一组设备作为单步恢复的设备；

按照分组的顺序对交直流混联电网负荷进行逐步恢复。

实施例2

一种基于VSC-HVDC系统的交直流混联电网负荷恢复系统，所述系统包括：

计算模块，基于预先获取电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值；

恢复模块，用于基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复；

其中，所述负荷恢复模型包括：以单步允许恢复的负荷最大值为目标。

所述计算模块，包括：

基因遗传算法子模块：用于根据所述适应度对初始种群中的个体进行轮盘选择算法、归一化几何选择方法、锦标赛选择方法，选择个体；

将选择的个体通过染色体个体基因的复制、交叉、变异得到新一代种群；

判断产生的新一代种群个数是否大于设置的随机生成初始种群的个数，若大于，则输出新一代种群个数，否则，根据新一代种群，产生下一代种群个数，直至产生的下一代种群个数大于设置的随机生成初始种群的个数，输出大于设置的随机生成初始种群的个数的下一代种群个数；

将输出的种群个数作为单步负荷恢复最大值。

所述恢复模块，包括：

排序子模块：用于将设备按照重要性由大到小进行排序；

分组子模块：用于根据所述排序，以一个设备或相邻多个设备的总负荷与所述单步负荷恢复最大值进行匹配分组，每一组设备作为单步恢复的设备；

恢复子模块：用于按照分组的顺序对交直流混联电网负荷进行逐步恢复。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (6)

1.一种基于VSC-HVDC系统的交直流混联电网负荷恢复方法，其特征在于，所述方法包括：

基于预先获取电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值；

基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复；

所述负荷恢复模型包括：以单步允许恢复的负荷最大值为目标；

所述预先获取电网负荷的参数，包括：

发电机的额定有功功率、发电机的无功功率、负荷的有功功率、负荷的无功功率、发电初始额定有功功率、发电机调速器静态调节系数、系统频率偏移的标幺值、有功负荷的频率特性系数、无功负荷的频率特性系数、电机流入的功率；

所述负荷恢复模型的目标函数如下式所示：

式中F表示系统约束条件下允许恢复的负荷最大值；x_i表示第i个负荷开关的状态，取0表示断开，取1表示投入；w_i表示第i个负荷的权值，为正数；P_Li为负荷的有功功率；n为负荷分类等级的个数；

所述负荷恢复模型还包括：

潮流方程和发电机组的稳定出力约束；

基于VSC-HVDC系统改进后的潮流方程和发电机组的稳定出力约束；

基于VSC-HVDC系统发电机组的稳定出力约束；

所述潮流方程和发电机组的稳定出力约束如下式所示：

式中，P_Gi为发电机的额定有功功率；Q_Gi为发电机的无功功率；P_Li为负荷的有功功率；Q_Li为负荷的无功功率；

所述发电机的额定有功，按下式计算：

P_Gi＝P_Gi0(1-k_Gif_d)

式中，P_Gi0为发电初始额定有功功率；k_Gi为发电机调速器静态调节系数；f_d为系统频率偏移的标幺值；

所述发电机的无功功率，按下式计算：

Q_Gi＝Q_Gi0

式中，Q_Gi0为发电初始额定无功功率；

所述负荷的有功功率，按下式计算：

式中，P_Li0为负荷的初始有功功率；k_pi为有功负荷的频率特性系数；a_pi、b_pi、c_pi为有功负荷的电压静态特性系数，满足a_pi+b_pi+c_pi＝1；f_d为系统频率偏移的标幺值；

所述负荷的无功功率，按下式计算：

式中，Q_Li0为负荷的初始无功功率；k_qi为无功负荷的频率特性系数；a_qi、b_qi、c_qi为无功负荷的电压静态特性系数，满足a_qi+b_qi+c_qi＝1；f_d为系统频率偏移的标幺值；

所述基于VSC-HVDC系统改进后的潮流方程和发电机组的稳定出力约束如下式所示：

式中，P_Gi为发电机的额定有功功率，P_Li为负荷的有功功率；R_d为直流输电线路电阻；μ_i为节点i处，整流端或逆变端与脉宽调制方式相关的直流电压利用率；m_i为整流端或逆变端换流器调制比；

所述基于VSC-HVDC系统发电机组的稳定出力约束如下式所示：

式中，n_G为已启动发电机组，n_H为已经恢复的负荷数量；P_Gj表示的是发电机向外输出的最大稳定功率；P_Lh为已经恢复的负荷量；P_Gi为发电机的额定有功功率；P_Li为负荷的有功功率；df_fp为投入单位负荷频率的变化量。

2.如权利要求1所述的一种交直流混联电网负荷恢复方法，其特征在于，所述基于电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值，包括：

对进化迭代数计数器、最大迭代数和随机生成初始种群的个数进行初始化设置；选择设定待恢复负荷为初始种群，并根据所述目标函数计算所述初始种群中个体的适应度；

根据所述适应度对初始种群中的个体进行轮盘选择算法、归一化几何选择方法、锦标赛选择方法，选择个体；

将选择的个体通过染色体个体基因的复制、交叉、变异得到新一代种群；

判断产生的新一代种群个数是否大于设置的随机生成初始种群的个数，若大于，则输出新一代种群个数，否则，根据新一代种群，产生下一代种群个数，直至产生的下一代种群个数大于设置的随机生成初始种群的个数，输出大于设置的随机生成初始种群的个数的下一代种群个数；

将输出的种群负荷为单步负荷恢复最大值。

3.如权利要求1所述的一种交直流混联电网负荷恢复方法，其特征在于，所述基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复，包括：

将设备按照重要性由大到小进行排序；

基于所述排序，以一个设备或相邻多个设备的总负荷与所述单步负荷恢复最大值进行匹配分组，每一组设备作为单步恢复的设备；

按照分组的顺序对交直流混联电网负荷进行逐步恢复。

4.用于权利要求2所述基于VSC-HVDC系统的交直流混联电网负荷恢复方法的交直流混联电网负荷恢复系统，其特征在于，所述系统包括：

计算模块，基于预先获取电网负荷的参数采用基因遗传算法对预先建立的负荷恢复模型进行求解，得到单步负荷恢复最大值；

恢复模块，用于基于所述单步负荷恢复最大值对交直流混联电网负荷进行逐步恢复；

其中，所述负荷恢复模型包括：以单步允许恢复的负荷最大值为目标，进行求解。

5.如权利要求4所述的交直流混联电网负荷恢复系统，其特征在于，所述计算模块，包括：

基因遗传算法子模块：用于根据所述适应度对初始种群中的个体进行轮盘选择算法、归一化几何选择方法、锦标赛选择方法，选择个体；

将选择的个体通过染色体个体基因的复制、交叉、变异得到新一代种群；

判断产生的新一代种群个数是否大于设置的随机生成初始种群的个数，若大于，则输出新一代种群个数，否则，根据新一代种群，产生下一代种群个数，直至产生的下一代种群个数大于设置的随机生成初始种群的个数，输出大于设置的随机生成初始种群的个数的下一代种群个数；

将输出的种群个数作为单步负荷恢复最大值。

6.如权利要求4所述的交直流混联电网负荷恢复系统，其特征在于，所述恢复模块，包括：

排序子模块：用于将设备按照重要性由大到小进行排序；

分组子模块：用于根据所述排序，以一个设备或相邻多个设备的总负荷与所述单步负荷恢复最大值进行匹配分组，每一组设备作为单步恢复的设备；

恢复子模块：用于按照分组的顺序对交直流混联电网负荷进行逐步恢复。

Images