CN109375050B - 一种基于初始故障线路割集的电力系统关键断面辨识方法 - Google Patents
一种基于初始故障线路割集的电力系统关键断面辨识方法 Download PDFInfo
- Publication number
- CN109375050B CN109375050B CN201810958744.2A CN201810958744A CN109375050B CN 109375050 B CN109375050 B CN 109375050B CN 201810958744 A CN201810958744 A CN 201810958744A CN 109375050 B CN109375050 B CN 109375050B
- Authority
- CN
- China
- Prior art keywords
- index
- cut
- cut set
- representing
- equation
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于初始故障线路割集的电力系统关键断面辨识方法,具体涉及电力系统故障检测技术领域。该方法通过定义割集的结构性指标、停运概率指标和失负荷百分比指标作为风险评估指标,利用直流潮流模型确定各元件的初始负荷,确定网络的割点,进而对网络拓扑图进行分块将确定的初始故障线路断开,重新计算潮流,在同一个分块中搜索受初始故障线路潮流转移影响严重的前K条最短路径,在前K条最短路径中搜寻基于初始故障线路的系统的割集,计算割集的风险评估指标值并对割集进行风险评估,准确辨识关键输电断面。本方法不需要复杂的故障数据处理,相比其它电力系统关键断面方法简单、快速,并且易于实现。
Description
技术领域
本发明涉及电力系统故障检测技术领域,具体涉及一种基于初始故障线路割集的电力系统关键断面辨识方法。
背景技术
随着电网规模的日益扩大,利用输电断面代替单一元件对电网进行分析与控制已成为必然趋势。特别是伴随着特高压的快速建设,不同区域的电网互联形成一个大电网。此时,电网发生大面积停电的概率逐渐增大,且停电事故波及范围越来越广,影响程度越来越高。因此,准确判断出电网的关键输电断面重点监控,并及时采取有效的控制措施能够有效预防电力系统连锁故障的发生。国内外专家对关键输电断面的搜索做了深入的研究,但都存在各自的局限性。
基于潮流转移搜索关键输电断面的研究,未能综合考虑电网的实时运行状态和线路故障对系统造成的影响程度,同时没有关注在潮流转移路径中使系统解列的关键线路;基于预防系统被动解列的关键输电断面的研究,计算维度大,不能根据电网的时时运行状态采取有效措施,同时导致不必要的切机切负荷;基于电网分区的关键输电断面的研究,无法进行区内搜索而导致的区内漏选问题是分区法得到广泛运用的最大障碍;基于关键线路的关键输电断面的研究,只能搜寻出一组关键输电断面,而且需要不断重新计算电网潮流,计算比较繁琐。
发明内容
本发明的目的是针对上述不足,提出了一种利用初始故障线路的潮流转移特性进行关键断面的辨识,准确而高效地辨识出电力系统关键断面的基于初始故障线路割集的电力系统关键断面辨识方法。
本发明具体采用如下技术方案:
一种基于初始故障线路割集的电力系统关键断面辨识方法,具体包括:
步骤10,定义割集的结构性指标、停运概率指标和失负荷百分比指标作为风险评估指标;所述割集由式(1)确定,
其中,G1,G2表示去掉割集线路以后网络分成的互不连通的两部分,C(G1,G2)表示割集,Wij表示同属于互不连通的两部分的线路;
所述结构性指标由式(2)确定,
所述停运概率指标由式(3)确定,
其中:Pi表示一组割集的隐性停运概率,M表示组成该割集的线路条数,Pik表示组成割集线路的隐性故障停运概率;
所述失负荷百分比指标由式(4)确定,
其中,TLoad,i表示割集i退出运行后系统的总损失负荷数,TOTLoad表示系统的总负荷数;
步骤20,利用直流潮流模型确定各元件的初始负荷;
步骤30,确定网络的割点,进而对网络拓扑图进行分块;
步骤40,确定初始故障线路,重新计算潮流,在同一个分块中搜索受初始故障线路潮流转移影响严重的前K条最短路径;
路径长度利用组成该路径的各线路的权值和表示,其中路径长度由式(5)确定,
其中,dij表示路径长度,aij表示对应每条线路的权值;
前K条最短路径即找出从节点Vi到节点Vj的所有路径中第一条最短路径到第K条最短路径K的值由式(6)确定:
其中,Di,len表示第i条最短路径的长度,M的值取3;
步骤50,在前K条最短路径中搜寻基于初始故障线路的系统的割集;
步骤60,计算割集的风险评估指标值对割集进行风险评估,准确辨识关键输电断面。
优选地,所述步骤10具体包括:
基于能够反应电网内在本质特征的拓扑结构的影响,定义结构性指标;
基于电网的实时运行状态和线路负载率与线路隐性故障概率的关系,定义割集停运概率指标;
基于割集退出运行后故障影响的广度,定义割集失负荷百分比指标。
优选地,所述步骤60包括:
步骤61,计算定义的割集风险评估指标;
步骤62,为了消除评估指标之间因为量纲不同的效应,对评估指标进行归一化处理;
步骤63,根据各个指标得到不同的割集风险值,利用熵权法反应各个指标的风险值存在的差异程度,进而确定客观权重;
步骤64,根据运行经验主观评估指标对实际问题的贡献程度,利用九标度法得到主观权重;
步骤65,确定综合权重值。
优选地,所述步骤62中,评估指标归一化由式(7)确定:
其中:vik表示割集i的第k个指标值,max(vik)、min(vik)分别表示割集各个指标值的最大值和最小值。
优选地,所述步骤63中,利用熵权法比较经过归一化后的指标值本身的差异程度来确定客观权重值,客观权重值由式(8)确定:
其中:βj表示指标的权重值,Wi为指标的熵权值,n为指标的个数。
优选地,所述步骤64中,在九标度法的判断矩阵中,取数字1到9,不同的数字代表两个元素相比不同的重要程度,数字越大代表前者比后者越重要。
优选地,所述步骤64中,采用一致性指标去对判断矩阵进行一致性检验,检验得到的主观权重是否合理,
一致性指标由式(9)确定:
其中:max(λ)表示判断矩阵的最大特征值;
采用一致性比率判断矩阵的一致性是否可以接受,一致性比率由式(10)确定:
其中,RI为随机一致性指标;
优选地,所述步骤65中,综合权重值由式(11)确定:
其中:am表示客观权重值,bm表示主观权重值,综合权重中认为主、客观因素对割集风险评估的贡献程度一样大。
本发明具有如下有益效果:
该方法充分利用了初始故障线路被切除以后的潮流转移特性,直接在受初始故障线路潮流转移影响严重的路径中搜寻系统的割集,最后通过定义割集风险评估指标确定电力系统关键断面;
该方法不需要复杂的故障数据处理,直接利用初始故障线路被切除以后的潮流转移特性搜索系统的割集,定义指标对割集进行风险评估进而确定关键断面,相比其它电力系统关键断面方法简单、快速,并且易于工程实现。
附图说明
图1为本发明的流程框图;
图2为IEEE 39节点系统图;
图3为IEEE 39节点系统网络拓扑图;
图4为位于故障线路分块中故障线路的割集划分区域图;
图5为线路隐性故障概率与线路负载率的关系图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明:
如图1、图5所示,一种基于初始故障线路割集的电力系统关键断面辨识方法,具体包括:
步骤10,定义割集的结构性指标、停运概率指标和失负荷百分比指标作为风险评估指标;割集由式(1)确定,
其中,G1,G2表示去掉割集线路以后网络分成的互不连通的两部分,C(G1,G2)表示割集,Wij表示同属于互不连通的两部分的线路;
结构性指标由式(2)确定,
停运概率指标由式(3)确定,
其中:Pi表示一组割集的隐性停运概率,M表示组成该割集的线路条数,Pik表示组成割集线路的隐性故障停运概率;
失负荷百分比指标由式(4)确定,
其中,TLoad,i表示割集i退出运行后系统的总损失负荷数,TOTLoad表示系统的总负荷数;
步骤20,利用直流潮流模型确定各元件的初始负荷;
步骤30,确定网络的割点,进而对网络拓扑图进行分块;
步骤40,确定初始故障线路,重新计算潮流,在同一个分块中搜索受初始故障线路潮流转移影响严重的前K条最短路径;
路径长度利用组成该路径的各线路的权值和表示,其中路径长度由式(5)确定,
其中,dij表示路径长度,aij表示对应每条线路的权值;
前K条最短路径即找出从节点Vi到节点Vj的所有路径中第一条最短路径到第K条最短路径K的值由式(6)确定:
其中,Di,len表示第i条最短路径的长度,M的值取3;
步骤50,在前K条最短路径中搜寻基于初始故障线路的系统的割集;
步骤60,计算割集的风险评估指标值对割集进行风险评估,准确辨识关键输电断面。
现有的电力系统关键断面辨识方法,基本上都需要对整个电力网络进行大量复杂的计算处理,本发明通过步骤10-60,避免了对整个电力网络进行大量复杂的数据处理,充分利用了初始故障线路被切除以后的潮流转移特性,直接在受初始故障线路潮流转移影响严重的路径中搜寻系统的割集,最后通过定义割集风险评估指标确定电力系统关键断面。
步骤10具体包括:
基于能够反应电网内在本质特征的拓扑结构的影响,定义结构性指标;
基于电网的实时运行状态和线路负载率与线路隐性故障概率的关系,定义割集停运概率指标;
基于割集退出运行后故障影响的广度,定义割集失负荷百分比指标。
步骤60包括下列子步骤:
步骤61,计算定义的割集风险评估指标;
步骤62,为了消除评估指标之间因为量纲不同的效应,对评估指标进行归一化处理;
步骤63,根据各个指标得到不同的割集风险值,利用熵权法反应各个指标的风险值存在的差异程度,进而确定客观权重;
步骤64,根据运行经验主观评估指标对实际问题的贡献程度,利用九标度法得到主观权重;
步骤65,确定综合权重值。
步骤62中,评估指标归一化由式(7)确定:
其中:vik表示割集i的第k个指标值,max(vik)、min(vik)分别表示割集各个指标值的最大值和最小值。
步骤63中,利用熵权法比较经过归一化后的指标值本身的差异程度来确定客观权重值,客观权重值由式(8)确定:
其中:βj表示指标的权重值,Wi为指标的熵权值,n为指标的个数。
步骤64中,结合运行经验主观评估指标对实际问题的贡献程度,利用九标度法去确定主观权重值,在九标度法的判断矩阵中,取数字1到9,不同的数字代表两个元素相比不同的重要程度,数字越大代表前者比后者越重要。
步骤64中,采用一致性指标去对判断矩阵进行一致性检验,检验得到的主观权重是否合理,
一致性指标由式(9)确定:
其中:max(λ)表示判断矩阵的最大特征值;
采用一致性比率判断矩阵的一致性是否可以接受,一致性比率由式(10)确定:
其中,RI为随机一致性指标,RI的值可以由表1给出:
表1
m | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
RI | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
步骤65中,综合权重值由式(11)确定:
其中:am表示客观权重值,bm表示主观权重值,综合权重中认为主、客观因素对割集风险评估的贡献程度一样大。
所定义的割集风险评估指标综合考虑了电网本身结构的影响、电网的实时运行状态和割集退出运行后影响的广度,评估结果更加准确。并根据评估结果的差异性确定客观权重以及考虑专家经验确定主观权重,利用客观权重和主观权重确定综合权重,使评估结果更加准确,更加符合电网实际。
如图2、图3所示,为了全面验证本发明方法的正确性,利用IEEE 39节点系统进行仿真验证,以线路5-6为例进行仿真验证,验证主要包括三个方面,第一个方面验证所搜索的基于初始线路故障的割集与初始故障线路之间关系是否紧密;第二个方面验证所搜所的割集是否是系统的关键环节;第三个方面验证评估结果的正确性。
仿真结果
在仿真过程中,以断开线路5-6为例进行仿真验证,求出受潮流转移影响较大的是前两条最短路径,在这前两条最短路径中求得系统的割集如表2。
表2
割集序号 | 割集线路 |
1 | 7-8、13-14 |
2 | 7-8、6-11 |
3 | 6-7、13-14 |
4 | 6-7、6-11 |
5 | 6-11、13-14 |
6 | 10-13、10-11 |
为了验证所求得的割集与故障线路的关系是否紧密,为此我们求得在故障线路断开前的各个割集的安全裕度如表3。
表3
由表3可以看出,当线路5-6未发生故障时,各割集安全裕度较大,均处于正常状态,此时,虽然割集1的安全裕度比较大,但是割集1分割出的子系统可以划分出割集3和割集2,割集3分割出的子系统又可以划分出割集4,割集5和割集6。然后将故障线路断开再次求得各个割集的安全裕度如表4。
表4
从表4中可以看出,故障线路断开以后,割集1、割集2、割集3和割集4均已越限,割集5和割集6的安全裕度也由线路故障前的31.76%和37.4%降至现在的17.36%和31.2%。该结果表明当故障线路切除以后容易引起与故障线路相对应的割集内的线路接近潮流极限甚至越限,割集内线路与故障线路关系紧密。
为了验证所求得的割集是否是整个系统的薄弱环节,对应于故障线路的割集将系统划分为五个区域,如图4所示,然后依次断开各个割集,计算每个区域的功率输送情况,计算结果如表5。
表5
由表5可以看出,分别断开割集1、4、6后,区域一、区域二、区域四输出功率分别减为0,同时区域一、二、四在其他割集退出运行以后功率输出情况会发生明显的变化,区域三和区域五在割集退出运行以后虽然功率输出情况并没有发生什么变化,但是通过分析可以看出,在割集退出运行以后,为维持本区域的输送功率,势必会加大个别线路的功率输送,使这些线路超载运行。该现象表明割集1、4、6分别是区域一、区域二、区域四与其它区域之间唯一的输电通道。以上分析表明,断开割集线路后,区域间的输送功率受限,输送效率大大下降,从而说明了对应于故障线路的割集是相应区域间电能输送的关键环节。
在受故障线路潮流转移影响最严重的两条最短路径中,可以得出6个割集,每个割集断开都会造成系统解列。为了避免解列的发生,必须对这几个割集进行重点监控,通过定义的指标对这几个割集进行风险评估,及时采取控制措施。根据定义的割集风险指标得到的归一化后的风险值如表6。
表6
割集序号 | 割集停运概率指标 | 失负荷百分比指标 | 结构性指标 |
1 | 1 | 0.7329 | 1 |
1 | 0.9995 | 0.1671 | 1 |
3 | 0.6409 | 1 | 1 |
4 | 0.9995 | 0.2671 | O.1039 |
5 | 0.9998 | 0.2859 | 0.8440 |
6 | 0.3409 | 0.2956 | 0.7580 |
利用表6所示的风险值可以进行权重的计算,首先是客观权重的计算,利用加权熵得到的客观权重值如表7。
表7
指标 | 割集停运概率指标 | 失负荷百分比指标 | 结构性指标 |
客观权重值 | 0.3452 | 0.2950 | 0.3598 |
利用九标度法进行主观权重的计算,在定义的三个指标中认为线路停运概率指标、损失负荷相对值指标对割集风险评估的贡献程度一样大,线路停运概率指标、损失负荷相对值指标比开断分布因子指标稍微重要,则本文中的判断矩阵B为:
经计算,max(λ)=3,此时CR=0<0.1,矩阵一致性检验合格。主观权重值如表8。
表8
指标 | 割集停运概率指标 | 失负荷百分比指标 | 结构性指标 |
主观权重值 | 0.4286 | 0.4286 | 0.1428 |
由客观权重和主观权重得到综合权重值如表9。
表9
指标 | 割集停运概率指标 | 失负荷百分比指标 | 结构性指标 |
综合权重值 | 0.3869 | 0.3618 | 0.2513 |
最后,利用得到的综合权重值计算各个割集的综合指标值,对各个割集进行排序,如表10。
表10
排序 | 割集线路 | 综合指标值 |
1 | 7-8、13-14 | 0.9034 |
2 | 6-7、13-14 | 0.8611 |
3 | 6-11、13-14 | 0.7024 |
4 | 6-11、7-8 | 0.6985 |
5 | 10-13、10-11 | 0.5454 |
6 | 6-7、6-11 | 0.5095 |
为了验证割集风险排序的合理性,在IEEE 39节点系统中断开线路5-6,利用SOC-Power Failure模型分别模拟200次故障、400次故障和600次故障,统计各个割集的断开次数,各个割集的断开次数统计结果如表11。
表11
从表10可以看出,在不同故障次数下统计的各个割集的断开次数排序与表9中的割集风险排序一致,从而验证了割集风险评估的合理性。
上述仿真结果表明,本发明提出的一种基于初始故障线路割集的电力系统关键断面辨识方法,用仿真模型模拟线路断开产生的大量仿真数据,对关键断面辨识方法进行验证,可得此方法可以准确辨识出基于初始故障线路割集的电力系统关键断面。
此方法有以下几个特点:充分利用了初始故障线路过载切除后的潮流转移特性,且不需要对数据进行大量复杂的处理,保证了关键断面辨识方法的简单性;定义了割集的风险评估指标,考虑反应电网所具有的内在本质特征的拓扑结构的影响,定义结构性指标;考虑电网的实时运行状态,定义割集停运概率指标;考虑割集退出运行后故障影响的广度,定义失负荷百分比指标。定义的割集风险评估指标全面考虑了影响输电线路安全运行的因素以及故障后影响的广度,保证了关键断面辨识方法的可靠性与准确性;本方法不需要重复计算全网潮流,利用初始故障线路被切除以后潮流转移的影响进行关键断面辨识,提高了辨识速度,保证了关键断面辨识方法的快速性。
该基于初始故障线路割集的电力系统关键断面辨识方法,可以简单、可靠、准确、快速地选出电力系统关键断面,对这些关键断面及时地加以控制能保证电网的安全稳定运行,并且易于工程实现。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (2)
1.一种基于初始故障线路割集的电力系统关键断面辨识方法,其特征在于,具体包括:
步骤10,定义割集的结构性指标、停运概率指标和失负荷百分比指标作为风险评估指标;
所述割集由式(1)确定,
其中,G1,G2表示去掉割集线路以后网络分成的互不连通的两部分,C(G1,G2)表示割集,Wij表示同属于互不连通的两部分的线路;
基于能够反应电网内在本质特征的拓扑结构的影响,定义结构性指标;所述结构性指标由式(2)确定,
基于电网的实时运行状态和线路负载率与线路隐性故障概率的关系,定义割集停运概率指标;所述停运概率指标由式(3)确定,
其中:Pi表示一组割集的隐性停运概率,M表示组成该割集的线路条数,Pik表示组成割集线路的隐性故障停运概率;
基于割集退出运行后故障影响的广度,定义割集失负荷百分比指标;所述失负荷百分比指标由式(4)确定,
其中,TLoad,i表示割集i退出运行后系统的总损失负荷数,TOTLoad表示系统的总负荷数;
步骤20,利用直流潮流模型确定各元件的初始负荷;
步骤30,确定网络的割点,进而对网络拓扑图进行分块;
步骤40,确定初始故障线路,重新计算潮流,在同一个分块中搜索受初始故障线路潮流转移影响严重的前K条最短路径;
路径长度利用组成该路径的各线路的权值和表示,其中路径长度由式(5)确定,
其中,dij表示路径长度,aij表示对应每条线路的权值;
前K条最短路径即找出从节点Vi到节点Vj的所有路径中第一条最短路径到第K条最短路径K的值由式(6)确定:
其中,Di,len表示第i条最短路径的长度,M的值取3;
步骤50,在前K条最短路径中搜寻基于初始故障线路的系统的割集;
步骤60,计算割集的风险评估指标值对割集进行风险评估,准确辨识关键输电断面;
所述步骤60包括如下子步骤:
步骤61,计算定义的割集风险评估指标;
步骤62,为了消除评估指标之间因为量纲不同的效应,对评估指标进行归一化处理;
所述步骤62中,评估指标归一化由式(7)确定:
其中:vik表示割集i的第k个指标值,max(vik)、min(vik)分别表示割集各个指标值的最大值和最小值;
步骤63,根据各个指标得到不同的割集风险值,利用熵权法反应各个指标的风险值存在的差异程度,进而确定客观权重;
所述步骤63中,利用熵权法比较经过归一化后的指标值本身的差异程度来确定客观权重值,客观权重值由式(8)确定:
其中:βj表示指标的权重值,Wi为指标的熵权值,n为指标的个数;
步骤64,根据运行经验主观评估指标对实际问题的贡献程度,利用九标度法得到主观权重;
所述步骤64中,采用一致性指标去对判断矩阵进行一致性检验,检验得到的主观权重是否合理;
一致性指标由式(9)确定:
其中:max(λ)表示判断矩阵的最大特征值;
采用一致性比率判断矩阵的一致性是否可以接受,一致性比率由式(10)确定:
其中,RI为随机一致性指标;
步骤65,确定综合权重值;
所述步骤65中,综合权重值由式(11)确定:
其中:am表示客观权重值,bm表示主观权重值,综合权重中认为主、客观因素对割集风险评估的贡献程度一样大。
2.如权利要求1所述的一种基于初始故障线路割集的电力系统关键断面辨识方法,其特征在于,所述步骤64中,在九标度法的判断矩阵中,取数字1到9,不同的数字代表两个元素相比不同的重要程度,数字越大代表前者比后者越重要。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810958744.2A CN109375050B (zh) | 2018-08-22 | 2018-08-22 | 一种基于初始故障线路割集的电力系统关键断面辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810958744.2A CN109375050B (zh) | 2018-08-22 | 2018-08-22 | 一种基于初始故障线路割集的电力系统关键断面辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109375050A CN109375050A (zh) | 2019-02-22 |
CN109375050B true CN109375050B (zh) | 2021-01-01 |
Family
ID=65404437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810958744.2A Active CN109375050B (zh) | 2018-08-22 | 2018-08-22 | 一种基于初始故障线路割集的电力系统关键断面辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109375050B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861219A (zh) * | 2019-03-11 | 2019-06-07 | 中国电力科学研究院有限公司 | 一种获取区域电网受电能力的方法及系统 |
CN111027879B (zh) * | 2019-12-17 | 2023-08-22 | 西安工程大学 | 一种基于som-fat的电力系统连锁故障预测方法 |
CN113055358B (zh) * | 2021-02-24 | 2022-08-12 | 东北电力大学 | 基于协同攻击基因的电力cps风险传播范围预测方法及系统 |
CN113258567B (zh) * | 2021-06-03 | 2022-12-02 | 安徽新力电业科技咨询有限责任公司 | 基于混合聚类算法的电网关键输电断面确定方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5629862A (en) * | 1994-08-30 | 1997-05-13 | Electric Power Research Institute | Rule-based procedure for automatic selection of contingencies in evaluation of dynamic security of a power distribution system |
CN104767199B (zh) * | 2015-04-17 | 2017-04-19 | 华北电力大学(保定) | 电力系统中割集断面潮流定向控制方法 |
CN105375453B (zh) * | 2015-09-23 | 2018-02-13 | 国电南瑞科技股份有限公司 | 一种基于连锁故障破坏程度指标的紧急控制方法 |
CN105354675A (zh) * | 2015-11-17 | 2016-02-24 | 南方电网科学研究院有限责任公司 | 基于关键输电断面识别的交直流电网连锁故障分析方法 |
CN105870914B (zh) * | 2016-04-06 | 2018-08-10 | 华北电力大学 | 基于含电磁环网电气分区的关键输电断面搜索方法 |
CN107959284A (zh) * | 2016-10-14 | 2018-04-24 | 华北电力大学(保定) | 一种基于多支路切除和背离路径的潮流转移识别算法 |
CN106779309B (zh) * | 2016-11-24 | 2021-03-02 | 华北电力大学(保定) | 关键线路多角度多层次的辨识方法 |
CN107623319B (zh) * | 2017-08-17 | 2021-03-02 | 广东电网有限责任公司惠州供电局 | 一种基于多评价指标的电网关键线路辨识方法 |
-
2018
- 2018-08-22 CN CN201810958744.2A patent/CN109375050B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109375050A (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109375050B (zh) | 一种基于初始故障线路割集的电力系统关键断面辨识方法 | |
CN105207213B (zh) | 一种考虑分段负荷转移的配电网n‑1校验方法 | |
CN103633647B (zh) | 一种基于电网拓扑的电力系统可靠度计算方法 | |
CN105406476B (zh) | 基于历史数据的电力系统稳定性快速判断方法 | |
CN100438251C (zh) | 一种大型电力系统脆弱线路辨识的方法 | |
CN109146124B (zh) | 一种基于时变失效率的配电终端改造决策方法 | |
WO2017016021A1 (zh) | 一种基于影响增量的状态枚举可靠性评估方法及其装置 | |
CN106709651B (zh) | 一种基于风险理论的电力系统安全性评估系统 | |
CN110417011A (zh) | 一种基于互信息与迭代随机森林的在线动态安全评估方法 | |
CN111008454B (zh) | 一种基于信息物理融合模型的智能变电站可靠性评估方法 | |
CN110969347A (zh) | 一种输电网结构形态评估方法 | |
CN109034461A (zh) | 一种基于实际电网监测信息的电压暂降随机预估方法 | |
CN109993665B (zh) | 电力系统在线安全稳定评估方法、装置及系统 | |
CN106548265B (zh) | 一种基于连锁故障事故链搜索的输电网可靠性评估方法 | |
CN109617046B (zh) | 一种电力系统中配电网稳定性分析方法 | |
CN110689186B (zh) | 基于风电出力随机性的配电网供电可靠性评估方法及系统 | |
CN114399135A (zh) | 基于层次分析法的电网运行异常指标朔因关联度确定方法 | |
CN111900720B (zh) | 一种基于双层网页排序算法的输电网脆弱线路辨识方法 | |
CN110021933B (zh) | 考虑组件故障的电力信息系统控制功能可靠性评估方法 | |
CN111404163A (zh) | 一种电磁环网开环方法 | |
Li et al. | Identification of Critical Hidden Failure Line Based on State-failure-network | |
Nie et al. | Research on AHP-based Multi-factor Medium Voltage Distribution Network Line Risk Quantitative Assessment Method | |
CN115795250A (zh) | 基于改进矩阵聚合算法的关键断面与强关联断面确定方法 | |
Xu et al. | Blackout risk assessment of cascading outages considering wind power uncertainty | |
Liu et al. | Reliability evaluation of distribution network power supply based on improved sampling monte carlo method |
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 |