CN109830963A - 一种计及电压等级影响的电网关键节点识别方法 - Google Patents

一种计及电压等级影响的电网关键节点识别方法 Download PDF

Info

Publication number
CN109830963A
CN109830963A CN201910017049.0A CN201910017049A CN109830963A CN 109830963 A CN109830963 A CN 109830963A CN 201910017049 A CN201910017049 A CN 201910017049A CN 109830963 A CN109830963 A CN 109830963A
Authority
CN
China
Prior art keywords
node
voltage
entropy
rate
tai
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
CN201910017049.0A
Other languages
English (en)
Other versions
CN109830963B (zh
Inventor
刘吉龙
杜明田
张海诚
高红梅
王鹏举
宋曙光
李丽丽
王波
杨洪波
张君
李华强
刘美君
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.)
Sichuan University
Binzhou Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Sichuan University
Binzhou Power Supply Co of State Grid Shandong 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 Sichuan University, Binzhou Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Sichuan University
Priority to CN201910017049.0A priority Critical patent/CN109830963B/zh
Publication of CN109830963A publication Critical patent/CN109830963A/zh
Application granted granted Critical
Publication of CN109830963B publication Critical patent/CN109830963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/50Arrangements for eliminating or reducing asymmetry in polyphase networks

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种计及电压等级影响的电网关键节点识别方法,该方法主要包括:将电网系统按照电压等级进行分层;基于分层结果得到节点、支路所在的电压级层;获取电网系统中节点的电压值,以及支路的潮流值;对电网系统增加单位电荷,计算各个节点的电压增长值,并计算各支路的潮流变化值;求得电网系统中每个节点的电压增长率泰尔熵;求得所述电网系统中每个支路的加权潮流冲击率泰尔熵;采用二元分析法求得两个熵值得主观权重;采用熵的客观权重法求得其客观权重;基于所述主观权重和客观权值得到综合权重,并基于所述综合权值筛选出关键节点。采用本发明建立的评价指标可以直观地对节点关键程度进行定量分析,从而高效地识别出系统关键节点。

Description

一种计及电压等级影响的电网关键节点识别方法
技术领域
本发明涉及电网安全技术领域,尤其涉及一种计及电压等级影响的电网关键节点识别方法。
背景技术
在电网安全性、脆弱性分析等领域中,关键节点及关键支路的识别是其中一个重要的环节。目前,电网关键节点识别采用的研究方法主要有复杂网络理论、能量函数法以及概率分析等。现有技术手段中从复杂网络和网络最大流理论的角度出发,引入传输贡献度来评估电网关键节点。文献《基于改进复杂网络模型的电网关键环节辨识》(作者:徐敬友,陈冲,罗纯坚等;来源:电力系统自动化,2016,40(10):53-61)对已有的电网复杂网络模型进行改进,并建立了距离度、能力度等关键环节评估指标集。文献《基于电气距离的复杂电网关键节点识别》(作者:谭玉东,李欣然,蔡晔,张宇栋等;来源:中国电机工程学报,2014,34(01):146-152)提出了节点电气耦合连接度的概念,并将其用于辨识系统的关键环节。文献《基于静态能量函数法的电压弱节点分析》(作者:郑武,李华强,刘慧等;来源:电力系统保护与控制,2010(14):79-83)基于静态能量函数基本模型,在考虑PQ节点(这类节点的有功功率P和无功功率Q是给定的)基态能量和极限运行能量的基础上,构建节点能量趋势指标,从而判断电网的薄弱节点,然后通过无功补偿实现对电压薄弱节点起到增强的作用。文献《考虑静态能量分布的电力系统复杂网络特性研究》(作者:刘友波,刘俊勇,李俊等;来源:四川大学学报:工程科学版,2011,43(5):179-184)将静态函数理论与复杂网络相结合,将电网中各支路的静态能量作为网络拓扑中各边的权重,使电网拓扑结构仿真建模更贴近电网实际运行状态,为电网的动态演变提供了一种新的思路。文献《山东电网暂态低电压切负荷紧急控制的量化分析》(作者:徐泰山,牟宏,邱夕兆,薛禹胜;来源:电力系统自动化,1999,23(21):9-11)基于暂态电压安全的参数裕度与轨迹裕度之间的关系,建立参数裕度指标,找出电力系统(电网系统)电压薄弱环节,并通过低压切负荷等紧急措施对电网运行进行控制和量化分析。文献《基于风险理论的复杂电力系统脆弱性评估》(作者:陈为化,江全元,曹一家;来源:电网技术,2005,29(4):12-17)定义电力系统是一个脆弱的系统,并基于概率论建立了电力系统脆弱性评估模型。
以上关键节点辨识的研究大都以标准样本系统为基础,而没有考虑实际电压等级。而实际系统中,不同电压等级的节点和支路在系统中的重要度存在很大差异,如果不考虑电压等级的差异性,会对评估结果造成较大影响,故存在一定的局限性。文献《考虑电压等级和运行状态的电网脆弱线路辨识》(作者:蔡晔,曹一家,李勇,黄小庆,谭玉东;来源:中国电机工程学报,14,34(13):2124-2131)通过引入电压等级修正系数对节点脆弱性综合评估指标进行改进。然而,采取定义系统不同电压等级下权重因子的方式存在一定的主观性,即其评价结果准确性不高。
申请公布号为CN201310213277A的中国发明专利申请公开了一种电网关键节点的辨识方法,通过计算电网各节点的有功潮流介数,在一定程度上评价节点在电网中的关键程度。
然而,仅仅基于节点的有功潮流介数进行关键节点的评价、识别,存在评价角度较为单一的技术问题。
发明内容
本发明的目的之一至少在于,针对如何克服上述现有技术存在的问题,提供一种计及电压等级影响的电网关键节点识别方法,所得关键性指标可直观地进行定量分析,能够有助于使用者高效地识别出系统关键节点。
为了实现上述目的,本发明采用的技术方案包括以下各方面。
一种计及电压等级影响的电网关键节点识别方法,包括:
步骤101,将电网系统按照电压等级进行分层,所述电网系统中包括多个支路,多个节点,所述节点为两条或者两条以上支路的汇合点;基于所述电网系统的分层结果得到多个节点、多个支路所在的电压级层;
步骤102,获取电网系统中每个节点的电压值,以及节点所在支路的潮流值;
步骤103,对电网系统增加单位电荷,并基于各个节点的电压值计算各个节点增加单位电荷后的电压增长值,并基于各条支路的潮流值计算各支路增加单位电荷后的潮流变化值;
步骤104,基于所述节点所在的电压级层、节点的电压增长值求得电网系统中每个节点的电压增长率泰尔熵;
步骤105,基于所述支路所在的电压级层、支路的潮流变化值求得所述电网系统中每个节点的加权潮流冲击率泰尔熵;
步骤106,采用二元分析法求得所述电压增长率泰尔熵与所述加权潮流冲击率泰尔熵的主观权重;采用熵的客观权重法求得所述电压增长率泰尔熵与所述加权潮流冲击率泰尔熵的客观权重;基于所述主观权重和客观权值得到综合权重,并基于所述综合权值筛选出关键节点。
优选的,一种计及电压等级影响的电网关键节点识别方法,所述电压增长率泰尔熵用于表征电网系统受到负荷扰动后的电压幅值变化的均衡程度。
优选的,一种计及电压等级影响的电网关键节点识别方法,所述节点的电压增长率泰尔熵越小,代表系统承受该节点负荷变化的能力较强,该节点关键程度不突出;反之,所述节点电压增长率泰尔熵越大,代表系统整体承受该节点负荷变化的能力较弱,该节点关键程度越突出。
优选的,一种计及电压等级影响的电网关键节点识别方法,当电网系统中有N个节点,L条支路,S个电压等级,电压等级q内有Nq个节点时,电压等级q内节点n的电压增长率泰尔熵为:
其中,TVi为系统全局电压增长率差异性,TIV为电压等级内电压增长率差异性,TBV为电压等级间电压增长率差异性,TV为电压等级q内的电压增长率差异性,γq为电压等级q内的电压增长率之和,γ为系统总体的电压增长率之和,γqn为电压等级q内节点n的电压增长率。
优选的,一种计及电压等级影响的电网关键节点识别方法,所述加权潮流冲击率泰尔熵用于表征电网系统中潮流冲击分布的聚集程度。
优选的,一种计及电压等级影响的电网关键节点识别方法,所述加权潮流冲击率泰尔熵为:
其中,其中,p为支路潮流值,w是权重值,ηq为电压等级q内的潮流冲击率之和,η为电网系统总体的潮流冲击率之和,ηql为电压等级q内支路l的潮流转移冲击率,TWPi是节点i的加权潮流冲击率泰尔熵,TWBP是电压等级之间的潮流冲击率泰尔熵,TWIP是电压等级内的潮流冲击率泰尔熵,μq为电压等级q内的平均负载率,μql为电压等级q内支路l的负载率。
优选的,一种计及电压等级影响的电网关键节点识别方法,所述TWPi越大,表示系统潮流转移主要聚集在容量裕度较小的支路上,潮流分布越不均衡,越容易导致剩余支路越限故障概率增加,即该节点负荷受到扰动后,对系统安全稳定运行的影响更严重,该节点在电网中的地位越关键。
综上所述,由于采用了上述技术方案,本发明至少具有以下有益效果:
本发明结合泰尔熵指标可分解特性,基于电压等级提出了电压增长率泰尔熵模型和加权潮流冲击率泰尔熵模型,更加符合电力系统实际运行规律;并且通过将熵理论引入到电压水平均衡程度评估中,建立电压增长均衡度指标,使节点电压幅值变化的均衡程度得以量化;并引入支路负载率,采用加权熵模型,对未考虑支路安全约束的潮流冲击率泰尔熵模型进行改进,定义加权潮流冲击率泰尔熵模型,使指标结果更加贴合实际。
附图说明
图1是根据本发明示例性实施例的一种计及电压等级影响的电网关键节点识别方法流程图。
图2是根据本发明示例性实施例的IEEE 30节点系统网络拓扑结构图。
图3是根据本发明示例性实施例的电网系统节点电压增长率泰尔熵指数。
图4是根据本发明示例性实施例的电网系统节点加权潮流冲击率泰尔熵指数。
图5是根据本发明示例性实施例的西南某地区实际电网网架结构拓扑图。
具体实施方式
下面结合附图及实施例,对本发明进行进一步详细说明,以使本发明的目的、技术方案及优点更加清楚明白。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
图1示出了根据本发明示例性实施例的一种计及电压等级影响的电网关键节点识别方法。该实施例的方法主要包括:
步骤101,将电网系统按照电压等级进行分层,所述电网系统中包括多个支路,多个节点,所述节点为两条或者两条以上支路的汇合点;基于所述电网系统的分层结果得到多个节点、多条支路所在的电压级层;
步骤102,获取电网系统中每个节点的电压值,以及节点所在支路的潮流值;
步骤103,对电网系统增加单位电荷,并基于各个节点的电压值计算各个节点增加单位电荷后的电压增长值,并基于各条支路的潮流值计算各支路增加单位电荷后的潮流变化值;
步骤104,基于所述节点所在的电压级层、节点的电压增长值求得电网系统中每个节点的电压增长率泰尔熵;
步骤105,基于所述支路所在的电压级层、支路的潮流变化值求得所述电网系统中每个支路的加权潮流冲击率泰尔熵;
步骤106,采用二元分析法求得所述电压增长率泰尔熵与所述加权潮流冲击率泰尔熵的主观权重;采用熵的客观权重法求得所述电压增长率泰尔熵与所述加权潮流冲击率泰尔熵的客观权重;基于所述主观权重和客观权值得到综合权重,并基于所述综合权值筛选出关键节点。
具体的,熵理论在电力系统安全分析中得到了广泛应用,然而利用熵理论来描述系统电压波动性的研究还较为欠缺,因此本发明建立了电压增长均衡度指标,评估节点负荷扰动给系统电压水平带来的影响,并计入关键节点综合评估指标。熵反映了一种自然界现象有序程度演化的规律,最初用来度量系统内部分子运动的混乱程度,后来被逐步推广到信息论、控制论、概率论等不同学科领域中。目前,熵在电力系统中的应用主要分为两类,一类基于潮流侧重于对系统运行状态的描述,如潮流转移熵,潮流分布熵,效用风险熵,加权潮流熵等;一类基于图论对系统结构特征进行刻画,如结构熵指标等。本发明运用泰尔熵作为评价标准的原理在于:泰尔熵标准又称泰尔指数,来源于信息论中熵的概念,最初被用来衡量国家之间的收入差距[28,29]。在研究不同阶层不同区域之间不均等状况的统计与分析中,泰尔指数的运用相当广泛。
假设一个离散信息源可能发出n种不同的信号(A1,A2,A3,...,An),每种信号发生的概率分别为xi(i=1,2,...,n),并且满足
则该离散系统的信息熵为:
由上式可知,当所有事件发生的概率均为1/n时,熵值达到最大值logn,此时系统状态最无序。将系统最大熵logn减系统实际熵H(x)所得差值定义为泰尔指数,即泰尔熵标准:
并且泰尔指数T越大说明区域整体差异性越大。泰尔指标相比于其他衡量区域差异性指标具有可分解特性,且区域分解十分简单。依据电压等级的不同对电网进行分层分区,可以将元件的关键程度评估与其在网络中的重要程度联合考量。此外,对泰尔指数进行一阶分解后,可以将总体不均等分解为组间不均等和组内不均等,不仅能分析组间、组内差异的变化情况,同时也可分析组间、组内差异变化对总体差异变化的贡献程度,为准确定位系统不均衡来源提供参考依据。因此,泰尔指标非常适用于现代复杂电网不同电压等级水平下的均匀性分析。
现有节点电压稳定性研究仅从全局角度分析系统扰动或者故障情况下电压稳定情况,忽略了电力系统(电网系统)内部各节点各支路电压等级不同的属性。此外,节点电压稳定性研究不仅要量化节点电压的安全水平,还要分析参数变化时的电压变化趋势,而熵作为量化无序性的有效方法,可用于描述节点负荷波动引起系统电压变化的均衡程度。
鉴于此,将泰尔熵理论应用于电力系统网络分析中的电压稳定性研究,能够在考虑系统电压等级的基础上,将节点电压增长分布的不均衡性量化,建立考虑电压等级的电压增长均衡度指标,从整体水平上给出电压增长分布合理性的定量描述,评估方法更加贴合电网的实际运行状态。具体模型如下所示。
假设节点i增加单位负荷,节点j的电压幅值变化量为:
式中,为初始状态下节点j的电压幅值,为节点i增加单位负荷后节点j的电压幅值。
因此,定义节点j电压幅值增长率如下:
式中VjN为节点j的额定电压。
假设某电力系统有N个节点,L条支路,S个电压等级,电压等级q内有Nq个节点,那么,根据泰尔指数的一阶分解公式,该系统的电压增长率泰尔熵可定义为:
式中,TVi为系统全局电压增长率差异性,TIV为电压等级内电压增长率差异性,TBV为电压等级间电压增长率差异性,TV为电压等级q内的电压增长率差异性。γq为电压等级q内的电压增长率之和,γ为系统总体的电压增长率之和,γqn为电压等级q内节点n的电压增长率。
由泰尔熵标准原理可知,节点电压增长率泰尔熵越小,代表该节点负荷变化对系统电压幅值的影响将均衡地分配到每个节点,系统整体承受该节点负荷变化的能力较强;节点电压增长率泰尔熵越大,代表系统电压增量分布越聚集,系统元件受到较大冲击,系统的安全稳定运行将受到严重威胁,该节点关键程度越突出。
进一步的,通过计算TIV和TBV在TVi中的占比,还能比较当节点负荷变化时,电压等级间和电压等级内系统电压变化的差异性对总体电压变化差异性的贡献度,从而快速地识别出电压增长分布不均衡的来源,及时对系统的敏感环节进行无功补偿,保证系统的安全稳定运行。
节点负荷变化不仅造成系统节点电压幅值的波动,还会引起系统支路(节点为支路的连接点)传输潮流的变化。潮流分布的均匀性和聚集性对电网连锁故障的产生具有重要影响,潮流熵是决定系统是否进入自组织临界态的重要因素。因此,在考虑系统电压等级的基础上,建立基于熵理论的潮流冲击率泰尔熵模型并应用于电网关键节点识别,具有实际意义及可行性。
系统在正常工况下处于平衡基态,当节点i增加单位负荷后,支路k的潮流变化量为:
式中,为支路k的初始潮流值,是节点i增加单位负荷后,支路k的潮流值。
此时,支路k的潮流冲击率为:
式中L为系统的支路数。
根据电压等级的分类,再结合泰尔熵标准原理和传统的潮流熵理论,可定义系统的潮流冲击率泰尔熵一阶分解模型为:
式中,TPi为系统全局潮流分布差异性,TIP为电压等级内潮流分布差异性,TBP为电压等级间潮流分布差异性,Tp为电压等级q内的潮流分布差异性,ηq为电压等级q内的潮流转移冲击率之和,η为系统总体的潮流转移冲击率之和,ηql为电压等级q内支路l的潮流转移冲击率。
并且TPi越小,表示节点i遭受单位负荷冲击后,系统的潮流转移将均衡地分配到每条线路上,各元件受到的冲击大大减小,系统发生连锁故障的可能性降低,系统运行状态越稳定,节点关键程度越低。
然而,即便节点单位负荷冲击后系统潮流分布均衡,由于支路负载率大小不一致的事实,也可能引起某些重载支路潮流越限的情况,因此,考虑支路安全约束,本发明采用加权熵模型。运用支路负载率对潮流冲击率泰尔熵进行加权(把电压等级之间的差异和电压等级内部的差异相加),在电压等级内部引入各支路负载率,电压等级间引入该电压等级区域的平均负载率,则改进后的加权潮流冲击率泰尔熵模型如下
式中,w是权重值,TWPi是节点i的加权潮流冲击率泰尔熵,TWBP是电压等级之间的潮流冲击率泰尔熵,TWIP是电压等级内的潮流冲击率泰尔熵,μq为电压等级q内的平均负载率,μql为电压等级q内支路l的负载率。
并且TWPi越大,表示系统潮流转移主要聚集在容量裕度较小的支路上,潮流分布越不均衡,越容易导致剩余支路越限故障概率增加。即该节点负荷受到扰后,对系统安全稳定运行的影响更严重,该节点在电网中的地位越关键。
电压增长率泰尔熵是为了描述负荷扰动下电压的变化特征而建立的电压增长均衡度指标,加权潮流冲击率泰尔熵是为了描述潮流的变化特征建立的潮流转移均衡度指标。然而,无论是电压越限还是潮流过载,都将极大地降低系统整体安全运行水平。因此,节点在电网中的关键程度应综合考虑有功、无功的影响,从全局角度构建关键节点综合评估指标。
定义关键节点综合评估指标如下:
Ci=λ1Tvi2Twpi
式中,λ1、λ2分别为属性TVi、TWPi的综合权重。权重系数的确定基于信息熵的类似机型确定方法。首先依据二元对比的方法给电压增长率泰尔熵指标和加权潮流冲击率泰尔熵指标打分形成主观权重,然后基于实验仿真结果,运用熵的客观权重法,形成客观权重,最后将客观权重和主观权重合成,得到属性的综合权重λ1、λ2
Ci越大,表示节点i负荷变化引起的系统电压增量和潮流增量在系统中分布越聚集,越容易造成节点电压越限和支路潮流过载,系统整体承受该节点负荷变化的能力较弱,该节点在电网中的地位越关键。反之,Ci越小,表示系统电压增量和潮流增量在系统中的分布越均衡,系统整体承受该节点负荷变化的能力较强,节点关键程度越不突出。
最后,本发明采用IEEE30节点系统作为仿真测试系统,具体参数见文献。系统节点支路编号见图2。由此计算出的泰尔熵指标TPi和TVi如图3、4所示。
参考上述权重确定方法(采用二元分析法求得所述电压增长率泰尔熵与所述加权潮流冲击率泰尔熵的主观权重;采用熵的客观权重法求得所述电压增长率泰尔熵与所述加权潮流冲击率泰尔熵的客观权重;基于所述主观权重和客观权值得到综合权重属性权重)。并且相较于节点电压增长引发的后果严重度,支路潮流更容易过载从而导致线路退出运行,引发系统连锁故障,因此,加权潮流冲击率泰尔熵指标被分配了更高的主观权重,实验计算得出的综合权重指数λ1=0.685,λ2=0.315。
图3表示各节点电压增长率泰尔熵指数分布情况。由于发电机节点拥有强大的无功支撑,能维持节点本身及其附近节点电压的稳定性,因此,靠近发电机侧的3、4、6、7等联络节点的电压增长率泰尔熵指数较低,电压波动不明显。而位于负荷中心的16、17、18、19、20等节点由于远离发电机,缺乏无功支持,一旦节点负荷加重,系统电压变化呈现明显的区域差异性,因此,这些节点的电压增长率泰尔熵指数较高。图4表示各节点加权潮流冲击率泰尔熵指数分布情况。当节点负荷发生大幅波动,发电机节点需要立刻增加出力以维持全网潮流平衡,此时,联络节点3、4、6、7由于承担了较重的变电负荷,受网络潮流变动影响更大,系统潮流分布表现出更大的不均衡性。节点27、28、29属于系统末端节点,不承担向其他节点输送功率的任务,与平衡节点的电气连接较弱,受外界波动的影响不明显,因此加权潮流冲击率泰尔熵指数较低。
结合图3、4可知,当节点负荷变化,不论是对电压幅值还是对传输潮流的影响,电压等级间泰尔熵指数的贡献率均大于电压等级内部的泰尔熵指数贡献率。由此可知,系统潮流冲击分布和电压增长分布不均衡的主要来源是电压等级间的差异性。以节点6为例,其电压增长率泰尔熵指数为0.862,而电压等级内的电压增长率泰尔熵为0.484,占系统总体泰尔熵指数的56.19%,其加权潮流冲击率泰尔熵指数为2.547,而电压等级间的加权潮流冲击率增长率泰尔熵指数为2.056,占系统总体泰尔熵指数的80.72%。此外,通过对TIV和TIP指数的横向对比,发现系统潮流转移冲击分布的不均衡性受电压等级的影响更严重,因此在综合指标的建立中,加权潮流冲击率泰尔熵指标被分配了更高的主观权重。
通过对节点的关键性综合评估指标进行排序,筛选出如表1所示的关键节点。
表1 IEEE30节点系统的关键节点
从表1可以看出,排序前3的节点15,16,14主要集中在电网中部区域,说明该区域在系统中较为关键,需要运行人员重点关注。排序前10的节点基本上处于负荷中心或者紧邻发电机,承担着向电网末端传输功率的主要任务,若这些节点负荷发生扰动,引起的潮流转移和电压增长将在系统中聚集,导致网络运行状态的逐步恶化。以6号节点为例进行说明,节点6为主干变压器支路节点,承担着向系统注入电能的重要任务,尽管该节点的电压增长率泰尔熵指标较低,然而其加权潮流冲击率泰尔熵指标为0.9860,若该节点负荷扰动,全网将发生较大规模的潮流转移,加重剩余节点和支路的负担,因此,综合考虑可知该节点是送端的关键节点。
为进一步验证本发明的合理性和有效性,将本发明方法评估结果与综合判别节点关键程度的两种现有技术方法(考量能量裕度及权重因子的电力系统节点综合脆弱性分析方法与基于电气介数的电网连锁故障方法)对比,对比结果如表2所示。
表2关键节点辨识结果比较
由表2可知,本发明评估方法中前10个关键节点中有8个关键节点和方法一重合,有7个关键节点和方法二重合,验证了本发明方法的合理性。本发明方法与另外两个方法的区别主要是关键节点的排序有所不同,这是因为本发明考虑了系统电压等级不同的属性,并且辨识指标的侧重点和权重处理方式存在差异。以排序变化较大的15,16,14号节点为例进行分析,可以确定这三个节点均位于电网中部,远离发电机节点,缺乏一定的无功支撑,当节点负荷加重,系统电压变化强烈,这些节点的电压增长率泰尔熵指数较高,并且注入功率除满足自带负荷外,为了满足系统电力电量平衡,还承担着向电网末端传输功率的任务,因此潮流的波动也相对明显,节点加权潮流冲击率泰尔熵较大,整体比其他节点表现出更高的重要度。
此外,通过实验仿真数据结果可知,15号节点电压等级间的电压增长率泰尔熵指数为0.755,约占系统泰尔熵指数的59.87%,电压等级间的加权潮流冲击率泰尔熵指数为1.848,约占系统泰尔熵指数的79.90%,表明当该节点负荷波动时,系统电压增长分布和潮流转移分布的不均衡度主要来源于不同电压等级间的差异性。
综上可见,本发明建立的关键节点综合评估指标从系统有功和无功两方面系统表征了节点的关键程度,并且能有效地识别出负荷扰动后电网节点电压幅值和支路传输潮流不均衡度的主要来源,对实际应用更具指导意义。
为了验证本发明关键节点辨识模型的实用性,对西南某地区电网枯水期运行状态进行仿真分析。该地区系统的网络拓扑图见图5。
运用本发明构建的关键节点综合评估指标对系统中所有PQ节点进行排序,辨识出该电网最关键的10个节点,排序结果如表3所示。
表3西南某地区实际电网关键节点辨识结果
从表3可以看出,该电网关键程度排序前4的节点2(110kV)、4(110kV)、8(110kV)、3(110kV)连接起来构成了本区域的110kV主干输电网,联络着该地区各发电中心和负荷中心,承担着区域电网电能输送以及与主网互联互济的重要任务。如果这些关键节点发生负荷扰动,不论是系统的电压增长,还是支路的与潮流转移,都将在电网中产生较大程度聚集,严重时节点发生故障或者支路元件退出运行,进而导致该区域电网相互分离,形成孤网,对电网影响很大。节点6(110kV)、9(35kV)、14(35kV)、10(35kV)均为带负荷的变压器高低压侧节点。该类节点在电网中地位很关键。究其原因,一方面该类节点与配网联系紧密,相对于输电网而言,配电网网络运行状况和元件分布更为复杂,故上述站点更易受配网负荷扰动的影响;另一方面其承担的负荷量较重,且距离主网较远,缺乏无功补偿,电压支撑能力弱,节点电压增长率泰尔熵较大,因此需要运行人员重点关注。综上所示,地区实际电网的仿真证明了本发明所建立模型的实用性。
上述实施例中,基于传统关键节点评估中未能有效考虑系统电压等级的问题,本发明结合泰尔熵指标可分解特性,基于电压等级提出了电压增长率泰尔熵模型和加权潮流冲击率泰尔熵模型,更加符合电力系统实际运行规律。并且上述实施例通过将熵理论引入到电压水平均衡程度评估中,建立电压增长均衡度指标,使节点电压幅值变化的均衡程度得以量化;并引入支路负载率,采用加权熵模型,对未考虑支路安全约束的潮流冲击率泰尔熵模型进行改进,定义加权潮流冲击率泰尔熵模型,使指标结果更加贴合实际。
以上所述,仅为本发明具体实施方式的详细说明,而非对本发明的限制。相关技术领域的技术人员在不脱离本发明的原则和范围的情况下,做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。

Claims (7)

1.一种计及电压等级影响的电网关键节点识别方法,其特征在于,所述包括:
步骤101,将电网系统按照电压等级进行分层,所述电网系统中包括多个支路,多个节点,所述节点为两条或者两条以上支路的汇合点;基于所述电网系统的分层结果得到多个节点、多个支路所在的电压级层;
步骤102,获取电网系统中每个节点的电压值,以及节点所在支路的潮流值;
步骤103,对电网系统增加单位电荷,并基于各个节点的电压值计算各个节点增加单位电荷后的电压增长值,并基于各条支路的潮流值计算各支路增加单位电荷后的潮流变化值;
步骤104,基于所述节点所在的电压级层、节点的电压增长值求得电网系统中每个节点的电压增长率泰尔熵;
步骤105,基于所述支路所在的电压级层、支路的潮流变化值求得所述电网系统中每个节点的加权潮流冲击率泰尔熵;
步骤106,采用二元分析法求得所述电压增长率泰尔熵与所述加权潮流冲击率泰尔熵的主观权重;采用熵的客观权重法求得所述电压增长率泰尔熵与所述加权潮流冲击率泰尔熵的客观权重;基于所述主观权重和客观权值得到综合权重,并基于所述综合权值筛选出关键节点。
2.根据权利要求1所述的方法,其特征在于,所述电压增长率泰尔熵用于表征电网系统受到负荷扰动后的电压幅值变化的均衡程度。
3.根据权利要求2所述的方法,其特征在于,所述节点的电压增长率泰尔熵越小,代表系统承受该节点负荷变化的能力较强,该节点关键程度不突出;反之,所述节点电压增长率泰尔熵越大,代表系统整体承受该节点负荷变化的能力较弱,该节点关键程度越突出。
4.根据权利要求2或3所述的方法,其特征在于,当电网系统中有N个节点,L条支路,S个电压等级,电压等级q内有Nq个节点时,电压等级q内节点n的电压增长率泰尔熵为:
其中,TVi为系统全局电压增长率差异性,TIV为电压等级内电压增长率差异性,TBV为电压等级间电压增长率差异性,TV为电压等级q内的电压增长率差异性,γq为电压等级q内的电压增长率之和,γ为系统总体的电压增长率之和,γqn为电压等级q内节点n的电压增长率。
5.根据权利要求1所述的方法,其特征在于,所述加权潮流冲击率泰尔熵用于表征电网系统中潮流冲击分布的聚集程度。
6.根据权利要求1所述的方法,其特征在于,所述加权潮流冲击率泰尔熵为:
其中,p为支路潮流值,w是权重值,ηq为电压等级q内的潮流冲击率之和,η为电网系统总体的潮流冲击率之和,ηql为电压等级q内支路l的潮流转移冲击率,TWPi是节点i的加权潮流冲击率泰尔熵,TWBP是电压等级之间的潮流冲击率泰尔熵,TWIP是电压等级内的潮流冲击率泰尔熵,μq为电压等级q内的平均负载率,μql为电压等级q内支路l的负载率。
7.根据权利要求6所述的方法,其特征在于,所述TWPi越大,表示系统潮流转移主要聚集在容量裕度较小的支路上,潮流分布越不均衡,越容易导致剩余支路越限故障概率增加,即该节点负荷受到扰动后,对系统安全稳定运行的影响更严重,该节点在电网中的地位越关键。
CN201910017049.0A 2019-01-08 2019-01-08 一种计及电压等级影响的电网关键节点识别方法 Active CN109830963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910017049.0A CN109830963B (zh) 2019-01-08 2019-01-08 一种计及电压等级影响的电网关键节点识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910017049.0A CN109830963B (zh) 2019-01-08 2019-01-08 一种计及电压等级影响的电网关键节点识别方法

Publications (2)

Publication Number Publication Date
CN109830963A true CN109830963A (zh) 2019-05-31
CN109830963B CN109830963B (zh) 2020-07-07

Family

ID=66861527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910017049.0A Active CN109830963B (zh) 2019-01-08 2019-01-08 一种计及电压等级影响的电网关键节点识别方法

Country Status (1)

Country Link
CN (1) CN109830963B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111600393A (zh) * 2020-06-18 2020-08-28 国网四川省电力公司电力科学研究院 变电站不同电压等级的电压量测数据归算方法及识别方法
CN111934938A (zh) * 2020-09-14 2020-11-13 中国人民解放军国防科技大学 基于多属性信息融合的流网络关键节点识别方法和装置
CN112202597A (zh) * 2020-09-10 2021-01-08 广东电网有限责任公司 一种低压台区通信网络节点重要度的评估方法
CN112234623A (zh) * 2020-08-31 2021-01-15 国网江苏省电力有限公司苏州供电分公司 一种面向超前控制的负荷动态分级方法及其系统
CN112487658A (zh) * 2020-12-14 2021-03-12 重庆邮电大学 一种电网关键节点的识别方法、装置及系统
CN114362174A (zh) * 2022-01-18 2022-04-15 国网经济技术研究院有限公司 一种基于最大流的电网弹性建模及量化评估方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105912835A (zh) * 2016-03-15 2016-08-31 华侨大学 一种计及风电场接入的电力线路脆弱性辨识模型建立方法
CN107623319A (zh) * 2017-08-17 2018-01-23 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
CN108808678A (zh) * 2018-07-17 2018-11-13 闽江学院 一种基于混合熵测度的电网脆弱度分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105912835A (zh) * 2016-03-15 2016-08-31 华侨大学 一种计及风电场接入的电力线路脆弱性辨识模型建立方法
CN107623319A (zh) * 2017-08-17 2018-01-23 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
CN108808678A (zh) * 2018-07-17 2018-11-13 闽江学院 一种基于混合熵测度的电网脆弱度分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张弘历 等: "基于潮流增长率泰尔熵的脆弱支路辨识", 《电网技术》 *
栗然 等: "基于改进泰尔熵和熵度的电力系统关键节点识别", 《电测与仪表》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111600393A (zh) * 2020-06-18 2020-08-28 国网四川省电力公司电力科学研究院 变电站不同电压等级的电压量测数据归算方法及识别方法
CN112234623A (zh) * 2020-08-31 2021-01-15 国网江苏省电力有限公司苏州供电分公司 一种面向超前控制的负荷动态分级方法及其系统
CN112234623B (zh) * 2020-08-31 2022-07-19 国网江苏省电力有限公司苏州供电分公司 一种面向超前控制的负荷动态分级方法及其系统
CN112202597A (zh) * 2020-09-10 2021-01-08 广东电网有限责任公司 一种低压台区通信网络节点重要度的评估方法
CN111934938A (zh) * 2020-09-14 2020-11-13 中国人民解放军国防科技大学 基于多属性信息融合的流网络关键节点识别方法和装置
CN111934938B (zh) * 2020-09-14 2020-12-15 中国人民解放军国防科技大学 基于多属性信息融合的流网络关键节点识别方法和装置
CN112487658A (zh) * 2020-12-14 2021-03-12 重庆邮电大学 一种电网关键节点的识别方法、装置及系统
CN112487658B (zh) * 2020-12-14 2022-09-16 重庆邮电大学 一种电网关键节点的识别方法、装置及系统
CN114362174A (zh) * 2022-01-18 2022-04-15 国网经济技术研究院有限公司 一种基于最大流的电网弹性建模及量化评估方法
CN114362174B (zh) * 2022-01-18 2024-02-27 国网经济技术研究院有限公司 一种基于最大流的电网弹性建模及量化评估方法

Also Published As

Publication number Publication date
CN109830963B (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
CN109830963A (zh) 一种计及电压等级影响的电网关键节点识别方法
Zhang et al. A missing-data tolerant method for data-driven short-term voltage stability assessment of power systems
Zio et al. Modeling interdependent network systems for identifying cascade-safe operating margins
Zio et al. Vulnerability of smart grids with variable generation and consumption: A system of systems perspective
Moreno et al. Transmission network investment with probabilistic security and corrective control
Awadallah et al. The influence of modeling transformer age related failures on system reliability
CN109670720A (zh) 一种基于分级指标的含分布式能源的主动配电网评价方法
CN112700144B (zh) 变电站运行状态风险评估方法、装置、设备以及存储介质
Zhang et al. A new identification approach of power system vulnerable lines based on weighed H-index
Gita et al. Contingency ranking for security analysis of power system network with incorporation of STATCOM
Du et al. Transmission expansion planning for power grids considering resilience enhancement
Huang et al. Resilience assessment of active distribution systems considering microgrid formation based on grid‐edge DERs
Zhang et al. CNN‐LSTM based power grid voltage stability emergency control coordination strategy
Sun et al. A new framework for the wind power curtailment and absorption evaluation
Liu et al. Risk assessment of power system security based on component importance and operation state
Lu et al. Security‐level classification based on power system partitioning
CN110009184A (zh) 一种电能质量影响权重的量化计算方法
Kaur et al. Review and analysis of voltage collapse in power system
Ye et al. Comprehensive mitigation strategy of voltage sag based on sensitive load clustering
Fan et al. Risk assessment of power communication network based on node importance
CN109523166A (zh) 一种有源配电网规划方案评估方法和装置
Palepu et al. Optimal PMU Placement for Power System State Estimation Using Improved Binary Flower Pollination Algorithm
Zhang et al. Design and implementation of smart electricity with monitor integrating forecasting and status estimation functions and the relevant simulation based on matlab
Bhandari et al. Ranking of bulk transmission assets for maintenance decisions
CN104166939A (zh) 基于情景分析的配电网运行风险预警方法

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