CN111585280B - 阻断多直流换相失败连锁的电网临时解列方法及系统 - Google Patents

Abstract

本发明公开了一种阻断多直流换相失败连锁的电网临时解列方法及系统，包括：设计可评估多个直流间换相失败相互影响的指标，对多个直流之间的相互关系进行量化；将多个直流映射为图中的点，以各点间的连线及其权重描述直流之间存在的相互关系，构建包含多个直流的关联关系图；基于所述关联关系图，建立图切数学模型；采用聚类算法对上述的图切数学模型进行求解，并在综合评估多种聚类算法效果的基础上，得到电网临时解列策略。本发明从削弱多直流系统通过交流电网的相互影响出发，借助电网临时解列的运行手段，降低多个直流发生换相失败新型连锁故障的风险，重点解决了临时解列策略的制定问题，即回答在哪些直流之间解列的问题。

Description

阻断多直流换相失败连锁的电网临时解列方法及系统

技术领域

本发明涉及多个直流之间换相失败连锁的阻断技术领域，尤其涉及一种阻断多直流换相失败连锁的电网临时解列方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

从工作原理上讲，基于晶闸管的电网换相型高压直流输电技术(LCC-HVDC)存在换相失败的可能性。若不同时期建设的多个LCC-HVDC工程接入同一个交流电网，且换流站之间距离较近，则还有可能触发以多个直流相继换相失败甚至闭锁为特征的新型连锁故障。这是因为：LCC-HVDC工作时，需要依靠电网的交流电压实现换相。若换流母线的交流电压因为扰动而降低至较低水平，导致指定时间内晶闸管无法完成换相过程，则会发生直流换相失败。接入同一个交流电网的多个直流的换流母线通过交流电网相互影响，若换流母线之间距离较近，则在一个直流发生换相失败之后，可引起附近其他直流的换流母线电压也发生下降，从而引发多个直流的相继换相失败。若长时间无法从换相失败中恢复，则可能造成多个直流的相继闭锁，形成连锁故障。

针对未包含直流的传统纯交流系统，已建立了较为完善的“三道防线”体系，其中第三道防线包含交流电网解列以应对严重连锁故障的策略。但是，传统交流电网解列策略的制定，仅考虑同步发电机之间功角失稳的连锁机理，并未面向多个直流场景下换相失败的连锁问题。因此，非常有必要专门制定抵御多个直流之间换相失败连锁的新策略。

发明人发现，在以往开展的阻止多个直流连锁换相失败的学术研究中，部分学者从设备层面出发，协调多个直流设备，力图使每个直流从换相失败中恢复的过程更加平缓，改善直流的恢复能力，从而试图避免一个直流的换相失败过程影响另一个直流的运行。但是此方法并非电网级策略，对抑制故障在多个直流之间的传播效果有限。另有部分学者提出将故障电流限制器(FCL)装设于交流系统中，在故障发生时，通过故障限流器将多个直流系统相互隔离，避免换相失败的连锁传播问题，但是装设故障电流限制器需要重新投资。更为关键的是，以往的研究都不是从电网系统的层面抵御多个直流之间的连锁故障，或者没有提出策略的具体制定方法，都没有充分发挥电网系统现有“三道防线”构架体系的效益。

发明内容

为了解决上述问题，本发明在现有的电网“三道防线”构架体系内，针对多个直流之间相继换相失败的新型连锁风险形式，基于对第三道防线中解列策略的改进，提出了一种阻断多直流换相失败连锁的电网临时解列方法及系统。该方法能够在第三道防线发现换相失败连锁风险后，需要临时削弱多个直流通过交流电网的相互联系，实施电网临时解列的运行手段时，快速有效地制定临时解列策略，即确定在哪些直流之间进行解列。

为了实现上述目的，在一个或多个实施方式中，采用如下技术方案：

阻断多直流换相失败连锁的电网临时解列方法，包括：

设计可评估多个直流间换相失败相互影响的指标，对多个直流之间的相互关系进行量化；

将多个直流映射为图中的点，以各点间的连线及其权重描述直流之间存在的相互关系，构建包含多个直流的关联关系图；

基于所述关联关系图，建立图切数学模型；

采用聚类算法对上述的图切数学模型进行求解，并在综合评估多种聚类算法效果的基础上，得到电网临时解列策略；

根据得到的电网临时解列策略，对电网直流进行解列运行。

本发明方案中，以相互疏远程度或者紧密程度的评估逻辑，设计可用于评估多个直流系统间相互影响程度的指标；同时，由于不同聚类方法针对的聚类逻辑不同，对紧密度指标赋权的关联关系图，采用k-medoids聚类算法求解，对疏远度指标赋权的关联关系图，采用谱分析基础上的k-means聚类算法求解。

本发明将多个直流之间换相失败连锁的阻断问题以及电网临时解列问题，转化为根据各个直流系统间相互影响程度的大小而进行的直流关联关系图的图切(割)问题，形成的多个子图代表了临时解列策略实施在哪些直流之间。

将电网临时解列最优策略的制定问题(即关联关系图的最优图切问题)，转化为符合一定条件(最小或者相对较大)的割集问题求解。

根据关联关系图的不同构成逻辑，即换相失败相互影响关系的不同评估逻辑，分别采用不同的聚类算法求解。由于两种聚类算法对于待聚类问题的数据有一定的要求，每种方法并不能保证得到唯一的聚类结果，因此本发明在评估两种聚类算法聚类效果一致性的基础上，确定最优策略。

在另一个或多个实施方式中，采用如下技术方案：

阻断多直流换相失败连锁的电网临时解列系统，包括：

用于设计可评估多个直流间换相失败相互影响的指标，对多个直流之间的相互关系进行量化的装置；

用于将多个直流映射为图中的点，以各点间的连线及其权重描述直流之间存在的相互关系，构建包含多个直流的关联关系图的装置；

用于基于所述关联关系图，建立图切数学模型的装置；

用于采用聚类算法对上述的图切数学模型进行求解，得到电网临时解列策略的装置；

用于根据得到的电网临时解列策略，对电网直流进行解列运行的装置。

在另一个或多个实施方式中，采用如下技术方案：

一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的阻断多直流换相失败连锁的电网临时解列方法。

在另一个或多个实施方式中，采用如下技术方案：

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的阻断多直流换相失败连锁的电网临时解列方法。

与现有技术相比，本发明的有益效果是：

(1)本发明在现有的电网“三道防线”构架体系内，专门针对多个直流之间相继换相失败的新型连锁风险形式，基于对第三道防线中解列策略的改进，从削弱多直流系统通过交流电网的相互影响出发，借助电网临时解列的运行手段，降低多个直流发生换相失败新型连锁故障的风险，重点解决了临时解列策略的制定问题，即回答在哪些直流之间解列的问题。

(2)本发明策略的制定方法可作为包含多个直流的系统运行中制定新型紧急控制措施的参考，为提高多直流系统的运行安全提供技术支撑。

(3)本发明中提到的k-medoids算法以及谱分析基础上的k-means算法，其适用性及聚类效果与待解决的问题本身、初始类中心的选取等因素有着密切的联系，不合理的数据类型或初始类中心选取将无法得到最优聚类结果。在本发明的场景下，利用聚类算法的效果评估方法，旨在对不同问题，从两种方法中根据一定的规则选取适用性、聚类效果更佳的聚类方法，更易于得到稳定、最优的聚类结果。

附图说明

图1为本发明实施例中多直流系统示意图；

图2为本发明实施例中一维数据点分布图；

图3为本发明实施例中四直流网络接线图；

图4为本发明实施例中未采取本发明方法的仿真曲线；

图5为本发明实施例中采取本发明方法后的仿真曲线。

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。

实施例一

在一个或多个实施例中，公开了一种阻断多个直流之间换相失败连锁的电网临时解列策略的制定方法，旨在故障发生时临时削弱直流系统间的相互影响，抑制换相失败在直流间的传播。方法的主要实施步骤如下所述：

(1)量化评估多个直流间的换相失败相互影响程度。根据后续的建模和求解需求，引用或改进相关量化指标。如直接引用多馈入交互作用因子(MIIF)定义紧密度指标，或在MIIF基础上进行改造，设计可评估直流系统间相互疏远程度的疏远度指标。

(2)结合图理论，将直流系统映射为图中的顶点，以各个直流系统间的换相失败相互影响量化关系(疏远度或者紧密度)为顶点间的边赋权，建立多直流关联关系图G(V，E)，顶点集V与各直流系统相对应，边集E与各顶点间的边相对应，并根据各边的权重建立多直流换相失败相互影响关系矩阵W。

(3)多个直流之间的换相失败连锁主要发生于较为紧密的直流之间，为阻断这种直流间的换相失败连锁，实施临时解列策略后，原相互影响关系较为紧密的直流应相分隔，该问题实质上等价于求满足某种条件的多直流关联关系图的分割问题，在以紧密度或者疏远度作为直流换相失败相互影响关系衡量指标的两种场景下，分别以k-medoids算法和谱分析基础上的k-means算法求解图切问题，并针对聚类算法受初始聚类中心和数据类型等因素影响的特点，在进行聚类效果评估的基础上确定最终方案。

(4)最后，结合两种聚类方法的聚类结果和评估结果，确定最终的图切方案，图切形成子图代表的含义为：在不同子图之间设置解列措施，在发生严重故障时快速采取临时解列措施以阻断换相失败连锁故障的发展，在故障清除、系统逐渐恢复后重新联网。

1、多直流相互影响量化评估

阻断多直流换相失败连锁，应重点关注换相失败影响关系较强的直流，通过临时解列的方式，在严重故障时将具有强影响关系的直流隔离，以最大限度降低故障的影响和连锁故障的发生。国际大电网组织提出了一种衡量直流系统间相互影响紧密程度的多馈入交互作用因子指标(MIIF)，该指标从直流间相互作用的紧密程度衡量直流间的相互影响关系。而考虑图切和聚类算法具有不同应用场景，本发明采用两种不同的逻辑评估直流间的换相失败相互影响关系，基于其中的一种逻辑，新设计了一种反映直流系统间相互作用疏远程度的疏远度指标。两种评估逻辑具体应用方法为：

若采用相互疏远程度的评估逻辑，定义直流i与直流j间换相失败相互影响程度的指标I_MIIFi,j为：

式中：MIIF_i,j为直流i与直流j之间的多馈入交互作用因子。

若采用相互紧密程度的评估逻辑，则定义直流i与直流j间换相失败相互影响程度的指标I_MIIFi,j为：

I_MIIFi,j＝MIIF_i,j

式中：MIIF_i,j为直流i与直流j之间的多馈入交互作用因子。

由两种评估逻辑特点可知，疏远度指标与紧密度指标均反映了多直流系统间的相互影响关系，但两者的量化值与所代表的意义相反，直流间的疏远度指标越大，表示两直流的相互影响程度越低；而直流间的紧密度越大，表示两直流的相互影响程度越高。根据不同的评估指标建立的图切模型互不相同，同时将对应着不同的求解方法。

2、临时解列断面策略的图建模和求解方法

(1)构建多直流系统关联关系图

以直流系统为顶点，建立包含多个直流的关联关系图如图1所示，图中各顶点间的连线权重对应直流系统间的相互影响关系，通过图论模型的建立，将寻找阻断多个直流之间换相失败连锁的临时解列断面问题转化为一种图切问题，使经图切后的各子图内部节点所对应的直流间相互影响程度较低，而不同子图对应的直流间相互影响程度较高。基于上述分析，在依据不同的多直流相互影响关系评估指标的场景下，图切数学模型的目标也有所不同。对于采用紧密度评估指标的场景，图切数学模型的目标为求解图切割集使得各子图间的边集权重总和较大，明显大于子图内部权重总和；对于以疏远度评估指标的场景，图切数学模型的目标则为求解各子图间的边集权重总和最小，子图内部权重总和最大的图切。

(2)基于聚类算法的临时解列断面求解

上一步给出了应用不同多直流相互作用关系评估指标场景的图切目标，该问题与基于划分的对象聚类具有较高的相通性，可通过聚类算法求解，而对于不同数据类型，聚类算法的适用性和聚类效果可能各有差异，在本发明实施例中，两种不同类型的量化评估指标对应着两种不同类型的数据，将分别采用与各求解目标相对应的聚类算法进行求解：

①k-medoids聚类算法：当紧密度指标构成多直流换相失败相互影响关系矩阵W时，由于矩阵W仅能提供各点间的相对关系而无法给出各点对应的空间坐标，因此若类中心不落在聚类对象上，则无法计算聚类过程中每次迭代的类中心。造成类中心只能在聚类对象当中选择，针对这种数据特点，采用k-medoids算法进行求解。

②谱分析基础上的k-means算法：当以疏远度构成多直流换相失败相互影响关系矩阵W时，图切目标为子图内部的边权重总和大、子图间的边权重总和小，无法直接使用k-means的聚类方法，而根据瑞利熵原理，对关系矩阵W进行谱分析后，通过一定的松弛可得到各点映射到k维空间的坐标，其中k为子图个数，根据各点的坐标分布，可计算出各子图中的点所对应的中心，应用经典聚类方法k-means算法即可得到需要的图切结果。

综上，对紧密度赋权的关联关系图采用k-medoids聚类算法求解，对疏远度赋权的关联关系图采用谱分析基础上的k-means聚类算法求解。

(3)聚类算法的效果评估

本实施例采用的典型聚类算法为k-medoids算法及谱分析基础上的k-means算法，如前所述，不同聚类算法对不同数据类型的聚类效果各有差异。针对所应用的情景，即紧密度或疏远度作为输入数据，试图得到多直流临时解列策略，在选择某种聚类算法时，需对算法的适用性效果进行评估：

聚类算法往往对初始类中心比较敏感，不同聚类算法在针对不同类型的数据时表现出的效果也不尽相同。一般来说，聚类算法均具有对应的聚类目标与衡量指标，以k-medoids算法、基于谱分解的k-means算法为例，对应的图切目标分别为：

k-medoids算法：

谱分析基础上的k-means算法：

式中：k代表子图个数；对于k-medoids算法，A_i为第i个子图；O_i为子图A_i的中心点；p为子图A_i内的点。对于谱分析基础上的k-means算法，

表示子图A_i与其他子图间的边的权重总和，vol(A_i)表示子图A_i自身所有点的权重总和。对于任一种聚类方法，由于图切结果受初始聚类中心的影响而可能得到多种不同的结果，计算不同结果对应的目标值，该值越小表示该图切结果对应的聚类效果越好。

因此，作为聚类算法，k-medoids或者谱分析基础上k-means算法产生的每个聚类结果都对应一个直流关联关系图的图切方案。由于两种算法都是在选定初始聚类方案的基础上，计算各个类的初始中心，然后通过类中心和聚类方案的交替迭代更新实现搜索的，所以，此两类算法用于求解本发明构建的等效图切(割集)问题时，适用性与具体问题的数据特点以及初始值(即初始聚类方案及其对应的初始类中心方案)的选取有着密切关系。一方面，当以关联关系图及其导出的关联矩阵W作为聚类数据时，由于矩阵W仅能提供各待聚类对象间(即直流间)的相对关系，而无法保证映射给出各个对象的空间坐标。若直接采用k-means算法，无法满足该算法聚类过程中每次迭代都需要计算类中心坐标的要求。而需改进为以某点代替类中心的算法(k-medoids算法)，或者通过某种方式映射到空间坐标的算法(谱分析基础上的k-means算法)。另一方面，此2类算法均对聚类过程的初始值敏感，无法保证从不同初始值出发，均能得到唯一的聚类结果。因此，根据具体问题的差异，聚类方法的效果有待分析。

为确定相对较好的聚类结果(图切方案)，对两种算法所有的初始类中心可能选择进行遍历尝试，统计所有聚类结果及其对应的聚类评估值。同一算法的所有遍历结果中，最小聚类评估值对应的聚类结果，即为该算法的最优聚类结果。统计分别采用两种算法时，各自算法最优聚类结果在所有遍历结果中的占比，最优结果占比越高，则说明此算法对该问题的结果一致性较好，该算法对解决当前图切问题的效果越好，以此方法来评估不同聚类方法在本发明中的聚类效果；其最优聚类结果应选取为最终的图切(割集)方案，即电网最优临时解列方案。

以一组一维数据点为例，对所提出的聚类效果评估方法进行说明：

图2中有一维数据点12个，首先在假定数据点坐标未知的情况下，分别以k-medoids算法和谱分析基础上的k-means算法对该组数据点进行聚类(图切)，使距离近的点划分为同一子图。然后，给定数据点坐标，并以k-means算法对数据点进行聚类图切，其作为用来对比结果的场景。3个场景设置如下：

1)利用k-medoids算法对数据点进行图切：直接以点间距离为紧密度，距离越小，紧密度越小，越倾向于划分至同一子图；

2)利用谱分析基础上的k-means算法对数据点进行图切：以点间距离的倒数为两数据点的疏远度，距离越小，疏远度越大，越倾向于划分至同一子图；

3)利用k-means算法对数据点进行图切：基于数据点的坐标直接进行图切，该场景作为一种对比场景为场景1)和2)提供对照。

以划分2个子图为目标，对所有可能的初始中心进行遍历，共有132种结果，3种方法得到的全部图切结果以及不同结果的占比如表1-3所示：

表1 k-medoids算法图切结果

	子图1	子图2	E<sub>1</sub>	在全部结果中的占比
					图切结果1	1,2,3,4,5,6	7,8,9,10,11,12	10.43	77.27％
图切结果2	1,2,3,4,5,6,7	8,9,10,11,12	51.34	22.73％

表2谱分析基础上的k-means算法图切结果

	子图1	子图2	E<sub>2</sub>	在全部结果中的占比
					图切结果1	1,2,3,4,5,6	7,8,9,10,11,12	0.1664	100％

表3 k-means算法图切结果

	子图1	子图2	E<sub>1</sub>	在全部结果中的占比
					图切结果1	1,2,3,4,5,6	7,8,9,10,11,12	2.435	100％

以根据数据点坐标采用k-means算法得到的图切结果作为对比，可以看出：在未给定坐标的情况下，谱分析基础上的k-means算法与之图切结果完全一致，受坐标未给定这一条件影响程度较小；而k-medoids算法所得结果中出现了两种不同图切方案，最佳方案占比77.27％，较前者受影响相对较大，从效果上来说不如谱分析基础上的k-means算法。若用图切结果的占比指标判断，也可以得出同样的结论，因此，此例子证明了图切结果的占比指标可以用来衡量聚类效果，从而分辨出聚类效果较好的结果。

(4)在确定了图切结果后，即确定了临时解列策略的实施位置。

4.仿真分析

基于CIGRE标准直流测试模型，在EMTDC/PSCAD软件中搭建了包含四个直流的系统来验证由本发明确定的临时解列策略对抵御多直流连锁换相失败的有效性，直流系统采用整流侧定电流控制、逆变侧定关断角控制方式，控制参数与标准模型一致，交流电网以等值网络代替，其网络结构如图3所示，线路参数列于表4。

表4线路参数

交流线路	电抗(p.u.)
		B1-B2	0.0475
B1-B3	0.2079
		B1-B4	0.1188
B2-B3	0.1188
		B2-B4	0.1782
B3-B4	0.0534

由线路参数计算得四回直流系统的紧密度矩阵如表5所示，以I_MIIFi,j＝1－MIIF_i,j计算的疏远度矩阵如表6所示。

表5紧密度矩阵

	HVDC1	HVDC2	HVDC3	HVDC4
					HVDC1	1	0.4163	0.2306	0.2624
HVDC2	0.4123	1	0.2595	0.2425
					HVDC3	0.2349	0.2668	1	0.3909
HVDC4	0.2646	0.2469	0.3870	1

表6疏远度矩阵

	HVDC1	HVDC2	HVDC3	HVDC4
					HVDC1	0	0.5837	0.7694	0.7376
HVDC2	0.5877	0	0.7405	0.7575
					HVDC3	0.7651	0.7332	0	0.6091
HVDC4	0.7354	0.7531	0.6130	0

以紧密度或者疏远度矩阵为输入构成多直流关联关系矩阵W，分别采用k-medoids算法及谱分析基础上的k-means算法求解图切方案，两种聚类算法得聚类结果及对应占比如表7所示：

表7聚类结果

根据表7所对应结果，在本例中利用两种不同评估逻辑及对应聚类方法得到的结果相同，因此均可作为采用的方案，即最终图切方案为：

子图1包含直流	HVDC1、HVDC3
		子图2包含直流	HVDC2、HVDC4

根据聚类结果，当某一直流近区发生交流故障时，应对子图1与子图2间进行临时解列。以直流系统2近区发生交流故障为例进行仿真分析：t＝1.0s时，HVDC2换流母线近区发生三相接地短路故障，故障持续时间为0.1s，依据本实施例所提出的电网临时解列策略实施位置，在t＝1.02s时，将HVDC2与HVDC1、HVDC3在故障发生至直流恢复期间临时解列。图4为不采取任何措施情况下各回直流系统的直流关断角、换流母线电压以及直流传输功率波形曲线，图5为依据本发明所设计的策略制定方法进行临时解列后的对应运行变量波形曲线。

由图4可知，t＝1.0s故障发生后，由于故障影响较为严重，所有直流均发生换相失败，故障持续期间，HVDC2始终处于换相失败中，故障清除后，1.125s～1.139s期间短暂恢复后又发生换相失败，直至1.18s才完全恢复；HVDC1的运行情况也较差，1.069s～1.075s期间短暂地完成一次换相后又陷入换相失败中，直到1.116s才从换相失败中恢复；HVDC3于1.044s～1.089s期间从换相失败中恢复后又陷入了换相失败，并最终在故障清除后于1.118s恢复；HVDC4于1.045s～1.069s从换相失败中恢复后又发生了后续换相失败，并于1.098s恢复。故障期间，四回直流换流母线电压持续降低，电压有效值最低降至稳态值的43.7％、0.74％、54.2％、55.9％。在直流功率方面，故障期间各回直流最大传输功率不超过400MW。

采取本实施例所设计方法后，如图5所示波形曲线，除故障直流外，其他直流在抵御换相失败、电压恢复等方面均具有明显提升，除近故障端的HVDC2始终处于换相失败外，HVDC1、HVDC3、HVDC4分别在1.035s、1.044s、1.045s从换相失败中恢复，并没有发生后续的换相失败；四回直流换流母线电压降落最低分别为稳态值的65.6％、0.74％、66.1％、69.8％，非故障端直流较采取策略前提升明显；直流功率在采取策略后逐渐升高，在1.1s时，HVDC1、HVDC3、HVDC4直流功率已分别达到647.3MW、510.2MW、547.0MW。

通过仿真分析，验证了依据本发明实施例所提出策略制定方法，多直流连锁换相失败的电网临时解列在抵御多直流连锁故障，提高多直流系统安全稳定性方面的有效性。

实施例二

在一个或多个实施方式中，公开了一种抵御多直流连锁换相失败的电网临时解列系统，包括：

用于设计可评估多个直流间换相失败相互影响的指标，对多个直流之间的相互关系进行量化的装置；

用于将多个直流映射为图中的点，以各点间的连线及其权重描述直流之间存在的相互关系，构建包含多个直流的关联关系图的装置；

用于基于所述关联关系图，建立图切数学模型的装置；

用于采用聚类算法对上述的图切数学模型进行求解，并在综合评估多种聚类算法效果的基础上，得到电网临时解列策略的装置。

上述装置的具体实现过程与实施例一中公开的方法相同，不再赘述。

实施例三

在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的阻断多直流换相失败连锁的电网临时解列方法。为了简洁，在此不再赘述。

应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

实施例一中的阻断多直流换相失败连锁的电网临时解列方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

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 (11)

1.阻断多直流换相失败连锁的电网临时解列方法，其特征在于，包括：

设计可评估多个直流间换相失败相互影响的指标，对多个直流之间的相互关系进行量化；

将多个直流映射为图中的点，以各点间的连线及其权重描述直流之间存在的相互关系，构建包含多个直流的关联关系图；

基于所述关联关系图，建立图切数学模型；

将寻找阻断多个直流之间换相失败连锁的临时解列断面问题转化为一种图切问题，使经图切后的各子图内部节点所对应的直流间相互影响程度较低，而不同子图对应的直流间相互影响程度较高；

采用聚类算法对上述的图切数学模型进行求解，并在综合评估多种聚类算法效果的基础上，得到电网临时解列策略；

根据得到的电网临时解列策略，对电网直流进行解列运行。

2.如权利要求1所述的阻断多直流换相失败连锁的电网临时解列方法，其特征在于，以相互疏远程度的评估逻辑，设计用于评估多个直流间相互影响程度的指标；所述指标为：

I_MIIFi,j＝1－MIIF_i,j或

或

其中，I_MIIFi,j为疏远度，MIIF_i,j为直流i与直流j之间的多馈入交互作用因子。

3.如权利要求2所述的阻断多直流换相失败连锁的电网临时解列方法，其特征在于，建立关联关系图，其中各点间连线的权值根据疏远度指标确定；

进一步地，

所述图切数学模型的目标为：最小图切所形成的多个子图中，同一个子图内的点之间的疏远度，高于位于不同子图内的点之间的疏远度。

4.如权利要求1所述的阻断多直流换相失败连锁的电网临时解列方法，其特征在于，以相互紧密程度的评估逻辑，将直流i与直流j之间的多馈入交互作用因子作为评估多个直流系统间相互影响程度的紧密度指标。

5.如权利要求4所述的阻断多直流换相失败连锁的电网临时解列方法，其特征在于，建立关联关系图，其中各点间连线的权值根据多个直流间相互影响程度的紧密度指标确定；

进一步地，

所述图切数学模型的目标为：最小图切所形成的多个子图中，同一个子图内的点之间的紧密度，低于位于不同子图内的点之间的紧密度。

6.如权利要求1所述的阻断多直流换相失败连锁的电网临时解列方法，其特征在于，以疏远度指标赋予权重的关联关系图，采用谱分析基础上的k-means聚类算法对图切数学模型进行求解。

7.如权利要求1所述的阻断多直流换相失败连锁的电网临时解列方法，其特征在于，以紧密度指标赋予权重的关联关系图，采用k-medoids聚类算法对图切数学模型进行求解。

8.如权利要求1所述的阻断多直流换相失败连锁的电网临时解列方法，其特征在于，对聚类结果进行评估，具体方法为：

对于设定的聚类算法，将所有的初始类中心可能选择进行遍历尝试，统计所有聚类结果及其对应的聚类评估值；在同一个聚类算法的所有遍历结果中，选取最小聚类评估值对应的聚类结果，作为该聚类算法的最优聚类结果。

9.阻断多直流换相失败连锁的电网临时解列系统，其特征在于，包括：

用于设计可评估多个直流间换相失败相互影响的指标，对多个直流之间的相互关系进行量化的装置；

用于将多个直流映射为图中的点，以各点间的连线及其权重描述直流之间存在的相互关系，构建包含多个直流的关联关系图的装置；

用于基于所述关联关系图，建立图切数学模型的装置；

将寻找阻断多个直流之间换相失败连锁的临时解列断面问题转化为一种图切问题，使经图切后的各子图内部节点所对应的直流间相互影响程度较低，而不同子图对应的直流间相互影响程度较高；

用于采用聚类算法对上述的图切数学模型进行求解，并在综合评估多种聚类算法效果的基础上，得到电网临时解列策略的装置；

用于根据得到的电网临时解列策略，对电网直流进行解列运行的装置。

10.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-8任一项所述的阻断多直流换相失败连锁的电网临时解列方法。

11.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-8任一项所述的阻断多直流换相失败连锁的电网临时解列方法。

Images