CN111799773A - 一种用于预测电网连锁故障集的方法及系统 - Google Patents

Abstract

本发明公开了一种用于预测电网连锁故障集的方法及系统，包括：确定基础运行方式潮流数据文件、暂态及中长期模型数据文件、安控策略配置文件，并建立二次系统模型，形成全过程动态仿真输入模型文件；基于基础运行方式潮流数据文件，进行介数修正的多熵值指标计算，生成电网脆性元件集；基于基础运行方式潮流数据文件，进行迭代式沙堆模型仿真，生成大停电发生的期望临界阈值；以电网脆性元件集为初始故障，参考期望临界阈值，生成稳态故障序列集；将稳态故障序列集、全过程动态仿真输入模型文件一起注入到PSD‑FDS软件，执行全过程动态仿真计算，输出二次系统保护动作信息；基于有效连锁故障集和二次系统保护动作信息，形成电网连锁故障集。

Description

一种用于预测电网连锁故障集的方法及系统

技术领域

本发明涉及大电网安全分析与仿真技术领域，并且更具体地，涉及一种用于预测电网连锁故障集的方法及系统。

背景技术

近年来由于连锁故障导致的国内外大停电事故时有发生，造成了巨大的经济和社会损失，而且随着各国电网互联规模的扩大，停电事故的风险还在逐渐增加。随着电力需求的快速增长，电网的复杂性不断攀升，迫切需要对连锁故障的预测方法进行深入研究，以提升停电事故发展趋势分析的可信性，保障电网的安全运行。

迄今为止，研究人员已提出了多种电网薄弱环节判定方法及指标，包括传统的戴维南等值指标、CCT计算方法、EEAC/SIME分析方法等，也包括基于复杂网络和机器学习的判定方法。连锁故障预测方法方面，主要分为基于模型的分析方法和基于时域仿真的分析方法，其中基于模型的分析方法通常以复杂系统理论对电网进行抽象，用整体论的思维搜索连锁故障演化路径，但存在与实际电网运行工况偏差较大的不足；而基于时域仿真的分析方法是以潮流计算和稳定分析为核心，通过控制保护模型动作，研究连锁故障传播路径，计算精度较高，但存在故障元件组合爆炸、重复迭代计算次数多等问题。

因此，需要一种考虑因素全面且计算速度快的预测电网连锁故障集方法。

发明内容

本发明提出一种用于预测电网连锁故障集的方法及系统，以解决如何进行电网的连锁故障预测的问题。

为了解决上述问题，根据本发明的一个方面，提供了一种用于预测电网连锁故障集的方法，所述方法包括：

步骤1，确定电网的基础运行方式潮流数据文件、暂态及中长期仿真模型数据文件和安全控制策略配置文件，并建立二次系统模型，以获取电网的全过程动态仿真输入模型文件；

步骤2，确定待测支路，基于所述基础运行方式潮流数据文件进行潮流计算，获取每个支路的介数修正的多熵值指标，并根据每个支路的介数修正的多熵值指标确定电网脆性元件集；

步骤3，基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值；

步骤4，根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集；

步骤5，根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息；

步骤6，根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集。

优选地，其中所述获取每个支路的介数修正的多熵值指标，包括：

MBE_i＝ME_i×BE_i，

其中，MBE_i为支路i的介数修正的多熵值指标；ME_i为支路i的多熵值指标；BE_i为支路i的介数修正指标；m表示支路负载率区间个数，支路负载率区间为：{[0,t*1),[t*1,t*2),…,[t*(m-1),t*m)},其中，[0,t*1)为第1个负载率区间；l_k-i表示支路i开断后位于第k个负载率区间的支路个数；μ_k为第k个负载率区间的平均负载率；n表示待测支路的条数；p_i0和p_j0分别为基础运行方式潮流数据对应的支路i和j的功率值；p_i-j和p_j-i分别为支路i开断后支路j的功率和支路j开断后支路i的功率；ρ_i-j表示支路j断开后支路i的负载率；γ_max为最大作用系数，根据需求设定；e∈G表示节点e属于发电机节点集合G，f∈L表示节点f属于负荷节点集合L；I_ef(i)为在发电机、负荷节点对(e,f)间加上单位注入电流元后在支路i上引起电流值；W_e为发电机e实际出力值，W_f为负荷f实际大小值。

优选地，其中所述根据每个支路的介数修正的多熵值指标确定电网脆性元件集，包括：

选取介数修正的多熵值指标大于预设的多熵值阈值的支路对应的元件集合为电网脆性元件集{FC_i,i＝1,2…,h}，FC_i表示第i个脆性元件，h为电网脆性元件集中元件的个数。

优选地，其中所述基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值，包括：

步骤3-1，确定系统平均负载率μ，将潮流熵H初始化为0，设定随机断线仿真次数的最大值T_max，该参数表示对于相同的平均负载率和潮流熵需要仿真的次数，设置已完成的随机断线仿真次数T初始化为0；

步骤3-2，随机选择线路开断，并进行迭代式沙堆模型的仿真计算，确定负荷损失，并且更新T＝T+1；

步骤3-3，若T＜T_max，则返回步骤3-2；否则，将T清零，并进入步骤3-4；

步骤3-4，计算当前熵值下的停电规模累积概率分布；若停电规模累积概率分布呈现幂律特性，则确定系统进入了自组织临界态，记录当前潮流熵为期望临界阈值，仿真过程结束；否则，进入步骤3-5；

步骤3-5，若当前的潮流熵小于预设的潮流熵最大值，则调节线路的最大有功传输容量，以增大当前的潮流熵，并进入步骤3-2；

其中，利用如下方式进行迭代式沙堆模型的仿真计算，包括：

步骤3-2-1，读取基础运行方式潮流数据文件，执行潮流计算，获取发电机出力、负荷大小、网络结构和各元件的传输容量极限；设置仿真次数N＝0，最大仿真次数为N_max；

步骤3-2-2，更新N＝N+1；若N＞N_max，则结束运行；反之，则进入步骤3-2-3；

步骤3-2-3，随机选择母线节点，增加一个负荷扰动ΔP，并执行潮流计算，以获取各元件的负载率；

步骤3-2-4，利用如下公式计算每个元件的停运概率OP_i，包括：

其中，P_L为元件正常运行时的故障概率值；P_H为元件过载运行时的故障概率值；L_nor和L_max分别是元件负载率正常值和最大值；L_i为元件实际负载率；P_L、P_H、L_nor和L_max根据需求设定；

步骤3-2-5，若满足OP_i＞η_OP，则元件i停运，执行潮流计算，转到步骤3-2-4，η_OP为预设的停运概率阈值；反之，则返回步骤3-2-3；若元件i的停运导致负荷切除，则统计此时各区域电网的损失负荷值，并返回步骤3-2-2。

优选地，其中所述根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集，包括：

步骤4-1，选取电网脆性元件集{FC_i,i＝1,2…,h}中的第i个元件FC_i为初始的故障元件AE_s，s＝1；其中i的初始值为1；

步骤4-2，计算当前的故障元件AE_s动作后的潮流熵值H，若H＞H_ref，则确定此时的序列{AE₁,…,AE_s}为稳态故障序列,并进入步骤4-7；若H＜H_ref，则进入步骤4-3；其中，H_ref为期望临界阈值；

步骤4-3，查询是否存在与当前的故障元件AE_s对应的控制策略，若存在，则更新s＝s+1，选取该控制策略中包含的元件为新的故障元件AE_s，并返回步骤4-2，反之，则进入步骤4-4；

步骤4-4，设置q＝s+1，根据当前的故障元件AE_s动作后的元件负载率，选择负载率越限的元件AE_q作为新的故障元件AE_s，返回步骤4-2，并在能够确定新的稳态故障序列后，进入步骤4-5；

步骤4-5，设置q＝s+1，计算故障元件动作后的元件功率增量，选择元件功率增量最大的元件AE_q作为新的故障元件AE_s，返回步骤4-2，并在能够确定新的稳态故障序列后，进入步骤4-6；

步骤4-6，设置q＝s+1，选择与故障元件AE_s直接相连的元件AE_q作为新的故障元件AE_s，返回步骤4-2，并在能够确定新的稳态故障序列后，进入步骤4-7；

步骤4-7，更新i＝i+1,若i≤h，则重新选取FC_i为初始的故障元件AE_s，s＝1，并返回步骤4-2；若i＞h，则进入步骤4-8；

步骤4-8，将所有的稳态故障序列进行汇总，以确定稳态故障序列集。

优选地，其中所述根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息，包括：

将所述稳态故障序列集和全过程动态仿真输入模型文件一起注入到PSD-FDS程序，执行全过程动态仿真计算，并确定所述稳态故障序列集中的每个稳态故障序列在全过程动态仿真计算后对应的系统稳定性；

对于任一个稳态故障序列，若该稳态故障序列对应的系统稳定性为不稳定，则确定该稳态故障序列为有效连锁故障序列，并获取该有效连锁故障序列对应的二次系统保护动作元件和动作发生时间。

优选地，其中所述根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集，包括：

对于任一个有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}，若二次系统保护动作元件AE_p发生的时间位于某个故障元件AE_i和AE_j之间，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之间，以获取插入型连锁故障序列{AE₁,AE₂,…,AE_i,AE_p,AE_j,AE_k}；若二次系统保护动作元件AE_p发生的时间位于故障元件AE_k之后，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之后，获取追加型连锁故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k,AE_p}；

将每个有效故障序列对应的插入型连锁故障序列或追加型连锁故障序列进行汇总，以确定电网连锁故障集。

根据本发明的另一个方面，提供了一种用于预测电网连锁故障集的系统，所述系统包括：

仿真文件确定单元，用于确定电网的基础运行方式潮流数据文件、暂态及中长期仿真模型数据文件和安全控制策略配置文件，并建立二次系统模型，以获取电网的全过程动态仿真输入模型文件；

电网脆性元件集确定单元，用于确定待测支路，基于所述基础运行方式潮流数据文件进行潮流计算，获取每个支路的介数修正的多熵值指标，并根据每个支路的介数修正的多熵值指标确定电网脆性元件集；

期望临界阈值确定单元，用于基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值；

稳态故障序列集确定单元，用于根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集；

有效连锁故障序列确定单元，用于根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息；

电网连锁故障集确定单元，用于根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集。

优选地，其中所述电网脆性元件集确定单元，获取每个支路的介数修正的多熵值指标，包括：

MBE_i＝ME_i×BE_i，

其中，MBE_i为支路i的介数修正的多熵值指标；ME_i为支路i的多熵值指标；BE_i为支路i的介数修正指标；m表示支路负载率区间个数，支路负载率区间为：{[0,t*1),[t*1,t*2),…,[t*(m-1),t*m)},其中，[0,t*1)为第1个负载率区间；l_k-i表示支路i开断后位于第k个负载率区间的支路个数；μ_k为第k个负载率区间的平均负载率；n表示待测支路的条数；p_i0和p_j0分别为基础运行方式潮流数据对应的支路i和j的功率值；p_i-j和p_j-i分别为支路i开断后支路j的功率和支路j开断后支路i的功率；ρ_i-j表示支路j断开后支路i的负载率；γ_max为最大作用系数，根据需求设定；e∈G表示节点e属于发电机节点集合G，f∈L表示节点f属于负荷节点集合L；I_ef(i)为在发电机、负荷节点对(e,f)间加上单位注入电流元后在支路i上引起电流值；W_e为发电机e实际出力值，W_f为负荷f实际大小值。

优选地，其中所述所述电网脆性元件集确定单元，根据每个支路的介数修正的多熵值指标确定电网脆性元件集，包括：

选取介数修正的多熵值指标大于预设的多熵值阈值的支路对应的元件集合为电网脆性元件集{FC_i,i＝1,2…,h}，FC_i表示第i个脆性元件，h为电网脆性元件集中元件的个数。

优选地，其中所述期望临界阈值确定单元，基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值，包括：

初始化模块，用于确定系统平均负载率μ，将潮流熵H初始化为0，设定随机断线仿真次数的最大值T_max，该参数表示对于相同的平均负载率和潮流熵需要仿真的次数，设置已完成的随机断线仿真次数T初始化为0；

迭代式沙堆模型仿真模块，用于随机选择线路开断，并进行迭代式沙堆模型的仿真计算，确定负荷损失，并且更新T＝T+1；

判断模块，用于若T＜T_max，则返回步骤迭代式沙堆模型仿真模块；否则，将T清零，并进入；

期望临界阈值确定模块，用于计算当前熵值下的停电规模累积概率分布；若停电规模累积概率分布呈现幂律特性，则确定系统进入了自组织临界态，记录当前潮流熵为期望临界阈值，仿真过程结束；否则，进入最大有功传输容量调节模块；

最大有功传输容量调节模块，用于若当前的潮流熵小于预设的潮流熵最大值，则调节线路的最大有功传输容量，以增大当前的潮流熵，并进入迭代式沙堆模型仿真模块；

其中，所述迭代式沙堆模型仿真模块利用如下方式进行迭代式沙堆模型的仿真计算，包括：

潮流计算子模块，用于读取基础运行方式潮流数据文件，执行潮流计算，获取发电机出力、负荷大小、网络结构和各元件的传输容量极限；设置仿真次数N＝0，最大仿真次数为N_max；

第一判断子模块，用于更新N＝N+1；若N＞N_max，则结束运行；反之，则进入负载率获取子模块；

所述负载率获取子模块，用于随机选择母线节点，增加一个负荷扰动ΔP，并执行潮流计算，以获取各元件的负载率；

停运概率计算子模块，用于利用如下公式计算每个元件的停运概率OP_i，包括：

其中，P_L为元件正常运行时的故障概率值；P_H为元件过载运行时的故障概率值；L_nor和L_max分别是元件负载率正常值和最大值；L_i为元件实际负载率；P_L、P_H、L_nor和L_max根据需求设定；

第二判断子模块，用于若满足OP_i＞η_OP，则元件i停运，执行潮流计算，进入停运概率计算子模块，η_OP为预设的停运概率阈值；反之，则进入负载率获取子模块；若元件i的停运导致负荷切除，则统计此时各区域电网的损失负荷值，并进入判断子模块。

优选地，其中所述稳态故障序列集确定单元，根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集，包括：

初始的故障元件确定模块，用于选取电网脆性元件集{FC_i,i＝1,2…,h}中的第i个元件FC_i为初始的故障元件AE_s，s＝1；其中i的初始值为1；

稳态故障序列确定模块，用于计算当前的故障元件AE_s动作后的潮流熵值H，若H＞H_ref，则确定此时的序列{AE₁,…,AE_s}为稳态故障序列,并进入更新模块；若H＜H_ref，则进入控制策略查询模块；其中，H_ref为期望临界阈值；

控制策略查询模块，用于查询是否存在与当前的故障元件AE_s对应的控制策略，若存在，则更新s＝s+1，选取该控制策略中包含的元件为新的故障元件AE_s，并进入稳态故障序列确定模块，反之，则进入第一新的故障元件确定模块；

第一新的故障元件确定模块，用于设置q＝s+1，根据当前的故障元件AE_s动作后的元件负载率，选择负载率越限的元件AE_q作为新的故障元件AE_s，进入稳态故障序列确定模块，并在能够确定新的稳态故障序列后，进入第二新的故障元件确定模块；

第二新的故障元件确定模块，用于设置q＝s+1，计算故障元件动作后的元件功率增量，选择元件功率增量最大的元件AE_q作为新的故障元件AE_s，进入稳态故障序列确定模块，并在能够确定新的稳态故障序列后，进入步骤第三新的故障元件确定模块；

第三新的故障元件确定模块，用于设置q＝s+1，选择与故障元件AE_s直接相连的元件AE_q作为新的故障元件AE_s，进入稳态故障序列确定模块，并在能够确定新的稳态故障序列后，进入更新模块；

更新模块，用于更新i＝i+1,若i≤h，则重新选取FC_i为初始的故障元件AE_s，s＝1，并进入稳态故障序列确定模块；若i＞h，则进入稳态故障序列集确定模块；

稳态故障序列集确定模块，用于将所有的稳态故障序列进行汇总，以确定稳态故障序列集。

优选地，其中所述有效连锁故障序列确定单元，根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息，包括：

将所述稳态故障序列集和全过程动态仿真输入模型文件一起注入到PSD-FDS程序，执行全过程动态仿真计算，并确定所述稳态故障序列集中的每个稳态故障序列在全过程动态仿真计算后对应的系统稳定性；

对于任一个稳态故障序列，若该稳态故障序列对应的系统稳定性为不稳定，则确定该稳态故障序列为有效连锁故障序列，并获取该有效连锁故障序列对应的二次系统保护动作元件和动作发生时间。

优选地，其中所述电网连锁故障集确定单元，根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集，包括：

对于任一个有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}，若二次系统保护动作元件AE_p发生的时间位于某个故障元件AE_i和AE_j之间，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之间，以获取插入型连锁故障序列{AE₁,AE₂,…,AE_i,AE_p,AE_j,AE_k}；若二次系统保护动作元件AE_p发生的时间位于故障元件AE_k之后，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之后，获取追加型连锁故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k,AE_p}；

将每个有效故障序列对应的插入型连锁故障序列或追加型连锁故障序列进行汇总，以确定电网连锁故障集。

本发明提供了一种用于预测电网连锁故障集的方法及系统，基于电力系统连锁故障时序特征，通过多阶段递进式筛选，获得有效连锁故障序列，兼顾了连锁故障序列搜索快速性和准确性的要求，且具有考虑因素全面、计算速度快的优点，提高了大电网连锁故障分析准确性、快速性的要求，适用于大规模电网连锁故障仿真预测分析，能够满足电网分析人员对连锁故障场景的预判感知能力。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明实施方式的用于预测电网连锁故障集的方法100的流程图；

图2为根据本发明实施方式的用于预测电网连锁故障集的方法的过程示意图；

图3为根据本发明实施方式的用于预测电网连锁故障集的系统300的结构示意图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

图1为根据本发明实施方式的用于预测电网连锁故障集的方法100的流程图。如图1所示，本发明实施方式提供的用于预测电网连锁故障集的方法，基于电力系统连锁故障时序特征，通过多阶段递进式筛选，获得有效连锁故障序列，兼顾了连锁故障序列搜索快速性和准确性的要求，且具有考虑因素全面、计算速度快的优点，提高了大电网连锁故障分析准确性、快速性的要求，适用于大规模电网连锁故障仿真预测分析。本发明实施方式提供的用于预测电网连锁故障集的方法100，从步骤101处开始，在步骤101，确定电网的基础运行方式潮流数据文件、暂态及中长期仿真模型数据文件和安全控制策略配置文件，并建立二次系统模型，以获取电网的全过程动态仿真输入模型文件。

在本发明的实施方式中，基础运行方式潮流数据文件包括下列模型：交直流母线、交直流线路(支路)、变压器和FACTS设备；所述暂态及中长期模型数据文件包括暂态模型数据和中长期模型数据，其中暂态模型数据包括下列模型：发电机、励磁系统、电力系统稳定器、调速器和原动机、新能源、直流控制系统、电力电子设备、负荷；中长期模型数据包括下列模型：锅炉及其调速器、自动发电控制、有载调压变压器ULTC、过励限制和低励限制。其中，安全控制策略配置文件为多个故障元件与对应的控制策略对，每个故障元件与对应的控制策略对的存储格式为：{(故障元件1，控制策略1)；(故障元件2，控制策略2)；…；(故障元件n，控制策略n)}；通过故障元件，可以提取到对应的控制策略，其中控制策略为一组元件动作的描述，主要包括切机、切负荷、切除线路、失步解列。

二次系统模型，包括：继电保护模型和安全自动装置模型，其中继电保护模型包括下列模型：发电机组保护、线路保护、变压器保护；安全自动装置模型包括下列模型：稳控策略、切机切负荷控制、过负荷控制、压频紧急控制、失步解列。暂态及中长期模型数据与二次系统模型的并集形成了全过程动态仿真输入模型文件。

在步骤102，确定待测支路，基于所述基础运行方式潮流数据文件进行潮流计算，获取每个支路的介数修正的多熵值指标，并根据每个支路的介数修正的多熵值指标确定电网脆性元件集。

优选地，其中所述获取每个支路的介数修正的多熵值指标，包括：

MBE_i＝ME_i×BE_i，

其中，MBE_i为支路i的介数修正的多熵值指标；ME_i为支路i的多熵值指标；BE_i为支路i的介数修正指标；m表示支路负载率区间个数，支路负载率区间为：{[0,t*1),[t*1,t*2),…,[t*(m-1),t*m)},其中，[0,t*1)为第1个负载率区间；l_k-i表示支路i开断后位于第k个负载率区间的支路个数；μ_k为第k个负载率区间的平均负载率；n表示待测支路的条数；p_i0和p_j0分别为基础运行方式潮流数据对应的支路i和j的功率值；p_i-j和p_j-i分别为支路i开断后支路j的功率和支路j开断后支路i的功率；ρ_i-j表示支路j断开后支路i的负载率；γ_max为最大作用系数，根据需求设定；e∈G表示节点e属于发电机节点集合G，f∈L表示节点f属于负荷节点集合L；I_ef(i)为在发电机、负荷节点对(e,f)间加上单位注入电流元后在支路i上引起电流值；W_e为发电机e实际出力值，W_f为负荷f实际大小值。

优选地，其中所述根据每个支路的介数修正的多熵值指标确定电网脆性元件集，包括：

选取介数修正的多熵值指标大于预设的多熵值阈值的支路对应的元件集合为电网脆性元件集{FC_i,i＝1,2…,h}，FC_i表示第i个脆性元件，h为电网脆性元件集中元件的个数。

在本发明的实施方式中，确定电网脆性元件集的步骤包括：

首先，进行多熵值指标的计算。具体地，针对基础运行方式潮流数据文件，执行潮流计算，记录基础运行方式潮流数据文件中支路条数为N；根据计算需求，从N条支路中选择关心的一部分支路形成待计算支路，记录待计算支路条数为n，针对待计算支路依次执行每条支路开断后的潮流计算。其中，按照如下公式计算：

然后，进行支路介数修正指标的计算。支路i的介数修正指标BE_i计算如下：

其中，MBE_i为支路i的介数修正的多熵值指标；ME_i为支路i的多熵值指标；BE_i为支路i的介数修正指标；m表示支路负载率区间个数，支路负载率区间为：{[0,t*1),[t*1,t*2),…,[t*(m-1),t*m)},其中，[0,t*1)为第1个负载率区间；t＝0.02；l_k-i表示支路i开断后位于第k个负载率区间的支路个数；μ_k为第k个负载率区间的平均负载率；n表示待测支路的条数；p_i0和p_j0分别为基础运行方式潮流数据对应的支路i和j的功率值；p_i-j和p_j-i分别为支路i开断后支路j的功率和支路j开断后支路i的功率；ρ_i-j表示支路j断开后支路i的负载率；γ_max为最大作用系数，根据需求设定；e∈G表示节点e属于发电机节点集合G，f∈L表示节点f属于负荷节点集合L；I_ef(i)为在发电机、负荷节点对(e,f)间加上单位注入电流元后在支路i上引起电流值；W_e为发电机e实际出力值，W_f为负荷f实际大小值。

然后，进行介数修正的多熵值指标计算，并进行排序，以确定电网脆性元件集。具体地，支路i的介数修正的多熵值指标MBE_i计算公式为：MBE_i＝ME_i×BE_i。对MBE_i进行排序，设置多熵值阈值为η_MBE，则提取对应于MBE_i≥η_MBE的元件集合为电网脆性元件集{FCi,i＝1,2…,h}，FC_i表示第i个脆性元件，h为电网脆性元件集中元件的个数。

在步骤103，基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值。

优选地，其中所述基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值，包括：

步骤3-1，确定系统平均负载率μ，将潮流熵H初始化为0，设定随机断线仿真次数的最大值T_max，该参数表示对于相同的平均负载率和潮流熵需要仿真的次数，设置已完成的随机断线仿真次数T初始化为0；

步骤3-2，随机选择线路开断，并进行迭代式沙堆模型的仿真计算，确定负荷损失，并且更新T＝T+1；

步骤3-3，若T＜T_max，则返回步骤3-2；否则，将T清零，并进入步骤3-4；

步骤3-4，计算当前熵值下的停电规模累积概率分布；若停电规模累积概率分布呈现幂律特性，则确定系统进入了自组织临界态，记录当前潮流熵为期望临界阈值，仿真过程结束；否则，进入步骤3-5；

步骤3-5，若当前的潮流熵小于预设的潮流熵最大值，则调节线路的最大有功传输容量，以增大当前的潮流熵，并进入步骤3-2；

其中，利用如下方式进行迭代式沙堆模型的仿真计算，包括：

步骤3-2-1，读取基础运行方式潮流数据文件，执行潮流计算，获取发电机出力、负荷大小、网络结构和各元件的传输容量极限；设置仿真次数N＝0，最大仿真次数为N_max；

步骤3-2-2，更新N＝N+1；若N＞N_max，则结束运行；反之，则进入步骤3-2-3；

步骤3-2-3，随机选择母线节点，增加一个负荷扰动ΔP，并执行潮流计算，以获取各元件的负载率；

步骤3-2-4，利用如下公式计算每个元件的停运概率OP_i，包括：

其中，P_L为元件正常运行时的故障概率值；P_H为元件过载运行时的故障概率值；L_nor和L_max分别是元件负载率正常值和最大值；L_i为元件实际负载率；P_L、P_H、L_nor和L_max根据需求设定；

步骤3-2-5，若满足OP_i＞η_OP，则元件i停运，执行潮流计算，转到步骤3-2-4，η_OP为预设的停运概率阈值；反之，则返回步骤3-2-3；若元件i的停运导致负荷切除，则统计此时各区域电网的损失负荷值，并返回步骤3-2-2。

在步骤104，根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集。

优选地，其中所述根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集，包括：

步骤4-1，选取电网脆性元件集{FC_i,i＝1,2…,h}中的第i个元件FC_i为初始的故障元件AE_s，s＝1；其中i的初始值为1；

步骤4-2，计算当前的故障元件AE_s动作后的潮流熵值H，若H＞H_ref，则确定此时的序列{AE₁,…,AE_s}为稳态故障序列,并进入步骤4-7；若H＜H_ref，则进入步骤4-3；其中，H_ref为期望临界阈值；

步骤4-3，查询是否存在与当前的故障元件AE_s对应的控制策略，若存在，则更新s＝s+1，选取该控制策略中包含的元件为新的故障元件AE_s，并返回步骤4-2，反之，则进入步骤4-4；

步骤4-4，设置q＝s+1，根据当前的故障元件AE_s动作后的元件负载率，选择负载率越限的元件AE_q作为新的故障元件AE_s，返回步骤4-2，并在能够确定新的稳态故障序列后，进入步骤4-5；

步骤4-5，设置q＝s+1，计算故障元件动作后的元件功率增量，选择元件功率增量最大的元件AE_q作为新的故障元件AE_s，返回步骤4-2，并在能够确定新的稳态故障序列后，进入步骤4-6；

步骤4-6，设置q＝s+1，选择与故障元件AE_s直接相连的元件AE_q作为新的故障元件AE_s，返回步骤4-2，并在能够确定新的稳态故障序列后，进入步骤4-7；

步骤4-7，更新i＝i+1,若i≤h，则重新选取FC_i为初始的故障元件AE_s，s＝1，并返回步骤4-2；若i＞h，则进入步骤4-8；

步骤4-8，将所有的稳态故障序列进行汇总，以确定稳态故障序列集。

在步骤105，根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息。

优选地，其中所述根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息，包括：

将所述稳态故障序列集和全过程动态仿真输入模型文件一起注入到PSD-FDS程序，执行全过程动态仿真计算，并确定所述稳态故障序列集中的每个稳态故障序列在全过程动态仿真计算后对应的系统稳定性；

对于任一个稳态故障序列，若该稳态故障序列对应的系统稳定性为不稳定，则确定该稳态故障序列为有效连锁故障序列，并获取该有效连锁故障序列对应的二次系统保护动作元件和动作发生时间。

在步骤106，根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集。

优选地，其中所述根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集，包括：

对于任一个有效故障序列}AE₁,AE₂,…,AE_i,AE_j,AE_k}，若二次系统保护动作元件AE_p发生的时间位于某个故障元件AE_i和AE_j之间，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之间，以获取插入型连锁故障序列{AE₁,AE₂,…,AE_i,AE_p,AE_j,AE_k}；若二次系统保护动作元件AE_p发生的时间位于故障元件AE_k之后，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之后，获取追加型连锁故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k,AE_p{；

将每个有效故障序列对应的插入型连锁故障序列或追加型连锁故障序列进行汇总，以确定电网连锁故障集。

图2为根据本发明实施方式的用于预测电网连锁故障集的方法的过程示意图。如图2所示，本发明实施方式的用于预测电网连锁故障集的方法包括以下步骤：选定基础运行方式潮流数据文件、暂态及中长期模型数据文件、安控策略配置文件；在暂态及中长期模型数据文件基础上建立二次系统模型，形成全过程动态仿真输入模型文件；基于基础运行方式潮流数据文件，进行介数修正的多熵值指标计算，生成电网脆性元件集；基于基础运行方式潮流数据文件，进行迭代式沙堆模型仿真，生成大停电发生的期望临界阈值；以电网脆性元件集为初始故障，参考期望临界阈值，生成稳态故障序列集；将稳态故障序列集、全过程动态仿真输入模型文件一起注入到PSD-FDS软件，执行全过程动态仿真计算，输出二次系统保护动作信息；基于有效连锁故障集和二次系统保护动作信息，形成电网连锁故障集。本发明基于电力系统连锁故障时序特征，通过多阶段递进式筛选，获得有效连锁故障序列，兼顾了连锁故障序列搜索快速性和准确性的要求。

图3为根据本发明实施方式的用于预测电网连锁故障集的系统300的结构示意图。如图3所示，本发明实施方式提供的用于预测电网连锁故障集的系统300，包括：仿真文件确定单元301、电网脆性元件集确定单元302、期望临界阈值确定单元303、稳态故障序列集确定单元304、有效连锁故障序列确定单元305和电网连锁故障集确定单元306。

优选地，所述仿真文件确定单元301，用于确定电网的基础运行方式潮流数据文件、暂态及中长期仿真模型数据文件和安全控制策略配置文件，并建立二次系统模型，以获取电网的全过程动态仿真输入模型文件。

优选地，所述电网脆性元件集确定单元302，用于确定待测支路，基于所述基础运行方式潮流数据文件进行潮流计算，获取每个支路的介数修正的多熵值指标，并根据每个支路的介数修正的多熵值指标确定电网脆性元件集。

优选地，其中所述电网脆性元件集确定单元302，获取每个支路的介数修正的多熵值指标，包括：

MBE_i＝ME_i×BE_i，

其中，MBE_i为支路i的介数修正的多熵值指标；ME_i为支路i的多熵值指标；BE_i为支路i的介数修正指标；m表示支路负载率区间个数，支路负载率区间为：{[0,t*1),[t*1,t*2),…,[t*(m-1),t*m)},其中，[0,t*1)为第1个负载率区间；l_k-i表示支路i开断后位于第k个负载率区间的支路个数；μ_k为第k个负载率区间的平均负载率；n表示待测支路的条数；p_i0和p_j0分别为基础运行方式潮流数据对应的支路i和j的功率值；p_i-j和p_j-i分别为支路i开断后支路j的功率和支路j开断后支路i的功率；ρ_i-j表示支路j断开后支路i的负载率；γ_max为最大作用系数，根据需求设定；e∈G表示节点e属于发电机节点集合G，f∈L表示节点f属于负荷节点集合L；I_ef(i)为在发电机、负荷节点对(e,f)间加上单位注入电流元后在支路i上引起电流值；W_e为发电机e实际出力值，W_f为负荷f实际大小值。

优选地，其中所述所述电网脆性元件集确定单元302，根据每个支路的介数修正的多熵值指标确定电网脆性元件集，包括：

选取介数修正的多熵值指标大于预设的多熵值阈值的支路对应的元件集合为电网脆性元件集{FC_i,i＝1,2…,h}，FC_i表示第i个脆性元件，h为电网脆性元件集中元件的个数。

优选地，所述期望临界阈值确定单元303，用于基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值。

优选地，其中所述期望临界阈值确定单元303，基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值，包括：

初始化模块，用于确定系统平均负载率μ，将潮流熵H初始化为0，设定随机断线仿真次数的最大值T_max，该参数表示对于相同的平均负载率和潮流熵需要仿真的次数，设置已完成的随机断线仿真次数T初始化为0；

迭代式沙堆模型仿真模块，用于随机选择线路开断，并进行迭代式沙堆模型的仿真计算，确定负荷损失，并且更新T＝T+1；

判断模块，用于若T＜T_max，则返回步骤迭代式沙堆模型仿真模块；否则，将T清零，并进入；

期望临界阈值确定模块，用于计算当前熵值下的停电规模累积概率分布；若停电规模累积概率分布呈现幂律特性，则确定系统进入了自组织临界态，记录当前潮流熵为期望临界阈值，仿真过程结束；否则，进入最大有功传输容量调节模块；

最大有功传输容量调节模块，用于若当前的潮流熵小于预设的潮流熵最大值，则调节线路的最大有功传输容量，以增大当前的潮流熵，并进入迭代式沙堆模型仿真模块；

其中，所述迭代式沙堆模型仿真模块利用如下方式进行迭代式沙堆模型的仿真计算，包括：

潮流计算子模块，用于读取基础运行方式潮流数据文件，执行潮流计算，获取发电机出力、负荷大小、网络结构和各元件的传输容量极限；设置仿真次数N＝0，最大仿真次数为N_max；

第一判断子模块，用于更新N＝N+1；若N＞N_max，则结束运行；反之，则进入负载率获取子模块；

所述负载率获取子模块，用于随机选择母线节点，增加一个负荷扰动ΔP，并执行潮流计算，以获取各元件的负载率；

停运概率计算子模块，用于利用如下公式计算每个元件的停运概率OP_i，包括：

其中，P_L为元件正常运行时的故障概率值；P_H为元件过载运行时的故障概率值；L_nor和L_max分别是元件负载率正常值和最大值；L_i为元件实际负载率；P_L、P_H、L_nor和L_max根据需求设定；

第二判断子模块，用于若满足OP_i＞η_OP，则元件i停运，执行潮流计算，进入停运概率计算子模块，η_OP为预设的停运概率阈值；反之，则进入负载率获取子模块；若元件i的停运导致负荷切除，则统计此时各区域电网的损失负荷值，并进入判断子模块。

优选地，所述稳态故障序列集确定单元304，用于根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集。

优选地，其中所述稳态故障序列集确定单元304，根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集，包括：

初始的故障元件确定模块，用于选取电网脆性元件集{FC_i,i＝1,2…,h}中的第i个元件FC_i为初始的故障元件AE_s，s＝1；其中i的初始值为1；

稳态故障序列确定模块，用于计算当前的故障元件AE_s动作后的潮流熵值H，若H＞H_ref，则确定此时的序列{AE₁,…,AE_s}为稳态故障序列,并进入更新模块；若H＜H_ref，则进入控制策略查询模块；其中，H_ref为期望临界阈值；

控制策略查询模块，用于查询是否存在与当前的故障元件AE_s对应的控制策略，若存在，则更新s＝s+1，选取该控制策略中包含的元件为新的故障元件AE_s，并进入稳态故障序列确定模块，反之，则进入第一新的故障元件确定模块；

第一新的故障元件确定模块，用于设置q＝s+1，根据当前的故障元件AE_s动作后的元件负载率，选择负载率越限的元件AE_q作为新的故障元件AE_s，进入稳态故障序列确定模块，并在能够确定新的稳态故障序列后，进入第二新的故障元件确定模块；

第二新的故障元件确定模块，用于设置q＝s+1，计算故障元件动作后的元件功率增量，选择元件功率增量最大的元件AE_q作为新的故障元件AE_s，进入稳态故障序列确定模块，并在能够确定新的稳态故障序列后，进入步骤第三新的故障元件确定模块；

第三新的故障元件确定模块，用于设置q＝s+1，选择与故障元件AE_s直接相连的元件AE_q作为新的故障元件AE_s，进入稳态故障序列确定模块，并在能够确定新的稳态故障序列后，进入更新模块；

更新模块，用于更新i＝i+1,若i≤h，则重新选取FC_i为初始的故障元件AE_s，s＝1，并进入稳态故障序列确定模块；若i＞h，则进入稳态故障序列集确定模块；

稳态故障序列集确定模块，用于将所有的稳态故障序列进行汇总，以确定稳态故障序列集。

优选地，所述有效连锁故障序列确定单元305，用于根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息。

优选地，其中所述有效连锁故障序列确定单元305，根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息，包括：

将所述稳态故障序列集和全过程动态仿真输入模型文件一起注入到PSD-FDS程序，执行全过程动态仿真计算，并确定所述稳态故障序列集中的每个稳态故障序列在全过程动态仿真计算后对应的系统稳定性；

对于任一个稳态故障序列，若该稳态故障序列对应的系统稳定性为不稳定，则确定该稳态故障序列为有效连锁故障序列，并获取该有效连锁故障序列对应的二次系统保护动作元件和动作发生时间。

优选地，所述电网连锁故障集确定单元306，用于根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集。

优选地，其中所述电网连锁故障集确定单元306，根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集，包括：

对于任一个有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}，若二次系统保护动作元件AE_p发生的时间位于某个故障元件AE_i和AE_j之间，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之间，以获取插入型连锁故障序列{AE₁,AE₂,…,AE_i,AE_p,AE_j,AE_k}；若二次系统保护动作元件AE_p发生的时间位于故障元件AE_k之后，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之后，获取追加型连锁故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k,AE_p}；

将每个有效故障序列对应的插入型连锁故障序列或追加型连锁故障序列进行汇总，以确定电网连锁故障集。

本发明的实施例的用于预测电网连锁故障集的系统300与本发明的另一个实施例的用于预测电网连锁故障集的方法100相对应，在此不再赘述。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

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。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (14)

1.一种用于预测电网连锁故障集的方法，其特征在于，所述方法包括：

步骤1，确定电网的基础运行方式潮流数据文件、暂态及中长期仿真模型数据文件和安全控制策略配置文件，并建立二次系统模型，以获取电网的全过程动态仿真输入模型文件；

步骤2，确定待测支路，基于所述基础运行方式潮流数据文件进行潮流计算，获取每个支路的介数修正的多熵值指标，并根据每个支路的介数修正的多熵值指标确定电网脆性元件集；

步骤3，基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值；

步骤4，根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集；

步骤5，根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息；

步骤6，根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集。

2.根据权利要求1所述的方法，其特征在于，所述获取每个支路的介数修正的多熵值指标，包括：

MBE_i＝ME_i×BE_i，

其中，MBE_i为支路i的介数修正的多熵值指标；ME_i为支路i的多熵值指标；BE_i为支路i的介数修正指标；m表示支路负载率区间个数，支路负载率区间为：{[0,t*1),[t*1,t*2),…,[t*(m-1),t*m)},其中，[0,t*1)为第1个负载率区间；l_k-i表示支路i开断后位于第k个负载率区间的支路个数；μ_k为第k个负载率区间的平均负载率；n表示待测支路的条数；p_i0和p_j0分别为基础运行方式潮流数据对应的支路i和j的功率值；p_i-j和p_j-i分别为支路i开断后支路j的功率和支路j开断后支路i的功率；ρ_i-j表示支路j断开后支路i的负载率；γ_max为最大作用系数，根据需求设定；e∈G表示节点e属于发电机节点集合G，f∈L表示节点f属于负荷节点集合L；I_ef(i)为在发电机、负荷节点对(e,f)间加上单位注入电流元后在支路i上引起电流值；W_e为发电机e实际出力值，W_f为负荷f实际大小值。

3.根据权利要求1所述的方法，其特征在于，所述根据每个支路的介数修正的多熵值指标确定电网脆性元件集，包括：

选取介数修正的多熵值指标大于预设的多熵值阈值的支路对应的元件集合为电网脆性元件集{FC_i,i＝1,2…,h}，FC_i表示第i个脆性元件，h为电网脆性元件集中元件的个数。

4.根据权利要求1所述的方法，其特征在于，所述基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值，包括：

步骤3-1，确定系统平均负载率μ，将潮流熵H初始化为0，设定随机断线仿真次数的最大值T_max，该参数表示对于相同的平均负载率和潮流熵需要仿真的次数，设置已完成的随机断线仿真次数T初始化为0；

步骤3-2，随机选择线路开断，并进行迭代式沙堆模型的仿真计算，确定负荷损失，并且更新T＝T+1；

步骤3-3，若T＜T_max，则返回步骤3-2；否则，将T清零，并进入步骤3-4；

步骤3-4，计算当前熵值下的停电规模累积概率分布；若停电规模累积概率分布呈现幂律特性，则确定系统进入了自组织临界态，记录当前潮流熵为期望临界阈值，仿真过程结束；否则，进入步骤3-5；

步骤3-5，若当前的潮流熵小于预设的潮流熵最大值，则调节线路的最大有功传输容量，以增大当前的潮流熵，并进入步骤3-2；

其中，利用如下方式进行迭代式沙堆模型的仿真计算，包括：

步骤3-2-1，读取基础运行方式潮流数据文件，执行潮流计算，获取发电机出力、负荷大小、网络结构和各元件的传输容量极限；设置仿真次数N＝0，最大仿真次数为N_max；

步骤3-2-2，更新N＝N+1；若N＞N_max，则结束运行；反之，则进入步骤3-2-3；

步骤3-2-3，随机选择母线节点，增加一个负荷扰动ΔP，并执行潮流计算，以获取各元件的负载率；

步骤3-2-4，利用如下公式计算每个元件的停运概率OP_i，包括：

其中，P_L为元件正常运行时的故障概率值；P_H为元件过载运行时的故障概率值；L_nor和L_max分别是元件负载率正常值和最大值；L_i为元件实际负载率；P_L、P_H、L_nor和L_max根据需求设定；

步骤3-2-5，若满足OP_i＞η_OP，则元件i停运，执行潮流计算，转到步骤3-2-4，η_OP为预设的停运概率阈值；反之，则返回步骤3-2-3；若元件i的停运导致负荷切除，则统计此时各区域电网的损失负荷值，并返回步骤3-2-2。

5.根据权利要求1所述的方法，其特征在于，所述根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集，包括：

步骤4-1，选取电网脆性元件集{FC_i,i＝1,2…,h}中的第i个元件FC_i为初始的故障元件AE_s，s＝1；其中i的初始值为1；

步骤4-2，计算当前的故障元件AE_s动作后的潮流熵值H，若H＞H_ref，则确定此时的序列{AE₁,…,AE_s}为稳态故障序列,并进入步骤4-7；若H＜H_ref，则进入步骤4-3；其中，H_ref为期望临界阈值；

步骤4-3，查询是否存在与当前的故障元件AE_s对应的控制策略，若存在，则更新s＝s+1，选取该控制策略中包含的元件为新的故障元件AE_s，并返回步骤4-2，反之，则进入步骤4-4；

步骤4-4，设置q＝s+1，根据当前的故障元件AE_s动作后的元件负载率，选择负载率越限的元件AE_q作为新的故障元件AE_s，返回步骤4-2，并在能够确定新的稳态故障序列后，进入步骤4-5；

步骤4-5，设置q＝s+1，计算故障元件动作后的元件功率增量，选择元件功率增量最大的元件AE_q作为新的故障元件AE_s，返回步骤4-2，并在能够确定新的稳态故障序列后，进入步骤4-6；

步骤4-6，设置q＝s+1，选择与故障元件AE_s直接相连的元件AE_q作为新的故障元件AE_s，返回步骤4-2，并在能够确定新的稳态故障序列后，进入步骤4-7；

步骤4-7，更新i＝i+1,若i≤h，则重新选取FC_i为初始的故障元件AE_s，s＝1，并返回步骤4-2；若i＞h，则进入步骤4-8；

步骤4-8，将所有的稳态故障序列进行汇总，以确定稳态故障序列集。

6.根据权利要求1所述的方法，其特征在于，所述根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息，包括：

将所述稳态故障序列集和全过程动态仿真输入模型文件一起注入到PSD-FDS程序，执行全过程动态仿真计算，并确定所述稳态故障序列集中的每个稳态故障序列在全过程动态仿真计算后对应的系统稳定性；

对于任一个稳态故障序列，若该稳态故障序列对应的系统稳定性为不稳定，则确定该稳态故障序列为有效连锁故障序列，并获取该有效连锁故障序列对应的二次系统保护动作元件和动作发生时间。

7.根据权利要求1所述的方法，其特征在于，所述根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集，包括：

对于任一个有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}，若二次系统保护动作元件AE_p发生的时间位于某个故障元件AE_i和AE_j之间，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之间，以获取插入型连锁故障序列{AE₁,AE₂,…,AE_i,AE_p,AE_j,AE_k}；若二次系统保护动作元件AE_p发生的时间位于故障元件AE_k之后，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之后，获取追加型连锁故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k,AE_p}；

将每个有效故障序列对应的插入型连锁故障序列或追加型连锁故障序列进行汇总，以确定电网连锁故障集。

8.一种用于预测电网连锁故障集的系统，其特征在于，所述系统包括：

仿真文件确定单元，用于确定电网的基础运行方式潮流数据文件、暂态及中长期仿真模型数据文件和安全控制策略配置文件，并建立二次系统模型，以获取电网的全过程动态仿真输入模型文件；

电网脆性元件集确定单元，用于确定待测支路，基于所述基础运行方式潮流数据文件进行潮流计算，获取每个支路的介数修正的多熵值指标，并根据每个支路的介数修正的多熵值指标确定电网脆性元件集；

期望临界阈值确定单元，用于基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值；

稳态故障序列集确定单元，用于根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集；

有效连锁故障序列确定单元，用于根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息；

电网连锁故障集确定单元，用于根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集。

9.根据权利要求8所述的系统，其特征在于，所述电网脆性元件集确定单元，获取每个支路的介数修正的多熵值指标，包括：

MBE_i＝ME_i×BE_i，

其中，MBE_i为支路i的介数修正的多熵值指标；ME_i为支路i的多熵值指标；BE_i为支路i的介数修正指标；m表示支路负载率区间个数，支路负载率区间为：{[0,t*1),[t*1,t*2),…,[t*(m-1),t*m)},其中，[0,t*1)为第1个负载率区间；l_k-i表示支路i开断后位于第k个负载率区间的支路个数；μ_k为第k个负载率区间的平均负载率；n表示待测支路的条数；p_i0和p_j0分别为基础运行方式潮流数据对应的支路i和j的功率值；p_i-j和p_j-i分别为支路i开断后支路j的功率和支路j开断后支路i的功率；ρ_i-j表示支路j断开后支路i的负载率；γ_max为最大作用系数，根据需求设定；e∈G表示节点e属于发电机节点集合G，f∈L表示节点f属于负荷节点集合L；I_ef(i)为在发电机、负荷节点对(e,f)间加上单位注入电流元后在支路i上引起电流值；W_e为发电机e实际出力值，W_f为负荷f实际大小值。

10.根据权利要求8所述的系统，其特征在于，所述所述电网脆性元件集确定单元，根据每个支路的介数修正的多熵值指标确定电网脆性元件集，包括：

选取介数修正的多熵值指标大于预设的多熵值阈值的支路对应的元件集合为电网脆性元件集{FC_i,i＝1,2…,h}，FC_i表示第i个脆性元件，h为电网脆性元件集中元件的个数。

11.根据权利要求8所述的系统，其特征在于，所述期望临界阈值确定单元，基于所述基础运行方式潮流数据文件，进行迭代式沙堆模型的仿真，以获取大停电发生的期望临界阈值，包括：

初始化模块，用于确定系统平均负载率μ，将潮流熵H初始化为0，设定随机断线仿真次数的最大值T_max，该参数表示对于相同的平均负载率和潮流熵需要仿真的次数，设置已完成的随机断线仿真次数T初始化为0；

迭代式沙堆模型仿真模块，用于随机选择线路开断，并进行迭代式沙堆模型的仿真计算，确定负荷损失，并且更新T＝T+1；

判断模块，用于若T＜T_max，则返回步骤迭代式沙堆模型仿真模块；否则，将T清零，并进入；

期望临界阈值确定模块，用于计算当前熵值下的停电规模累积概率分布；若停电规模累积概率分布呈现幂律特性，则确定系统进入了自组织临界态，记录当前潮流熵为期望临界阈值，仿真过程结束；否则，进入最大有功传输容量调节模块；

最大有功传输容量调节模块，用于若当前的潮流熵小于预设的潮流熵最大值，则调节线路的最大有功传输容量，以增大当前的潮流熵，并进入迭代式沙堆模型仿真模块；

其中，所述迭代式沙堆模型仿真模块利用如下方式进行迭代式沙堆模型的仿真计算，包括：

潮流计算子模块，用于读取基础运行方式潮流数据文件，执行潮流计算，获取发电机出力、负荷大小、网络结构和各元件的传输容量极限；设置仿真次数N＝0，最大仿真次数为N_max；

第一判断子模块，用于更新N＝N+1；若N＞N_max，则结束运行；反之，则进入负载率获取子模块；

所述负载率获取子模块，用于随机选择母线节点，增加一个负荷扰动ΔP，并执行潮流计算，以获取各元件的负载率；

停运概率计算子模块，用于利用如下公式计算每个元件的停运概率OP_i，包括：

其中，P_L为元件正常运行时的故障概率值；P_H为元件过载运行时的故障概率值；L_nor和L_max分别是元件负载率正常值和最大值；L_i为元件实际负载率；P_L、P_H、L_nor和L_max根据需求设定；

第二判断子模块，用于若满足OP_i＞η_OP，则元件i停运，执行潮流计算，进入停运概率计算子模块，η_OP为预设的停运概率阈值；反之，则进入负载率获取子模块；若元件i的停运导致负荷切除，则统计此时各区域电网的损失负荷值，并进入判断子模块。

12.根据权利要求8所述的系统，其特征在于，所述稳态故障序列集确定单元，根据所述电网脆性元件集确定初始故障，并根据所述期望临界阈值，确定稳态故障序列集，包括：

初始的故障元件确定模块，用于选取电网脆性元件集{FC_i,i＝1,2…,h}中的第i个元件FC_i为初始的故障元件AE_s，s＝1；其中i的初始值为1；

稳态故障序列确定模块，用于计算当前的故障元件AE_s动作后的潮流熵值H，若H＞H_ref，则确定此时的序列{AE₁,…,AE_s}为稳态故障序列,并进入更新模块；若H＜H_ref，则进入控制策略查询模块；其中，H_ref为期望临界阈值；

控制策略查询模块，用于查询是否存在与当前的故障元件AE_s对应的控制策略，若存在，则更新s＝s+1，选取该控制策略中包含的元件为新的故障元件AE_s，并进入稳态故障序列确定模块，反之，则进入第一新的故障元件确定模块；

第一新的故障元件确定模块，用于设置q＝s+1，根据当前的故障元件AE_s动作后的元件负载率，选择负载率越限的元件AE_q作为新的故障元件AE_s，进入稳态故障序列确定模块，并在能够确定新的稳态故障序列后，进入第二新的故障元件确定模块；

第二新的故障元件确定模块，用于设置q＝s+1，计算故障元件动作后的元件功率增量，选择元件功率增量最大的元件AE_q作为新的故障元件AE_s，进入稳态故障序列确定模块，并在能够确定新的稳态故障序列后，进入步骤第三新的故障元件确定模块；

第三新的故障元件确定模块，用于设置q＝s+1，选择与故障元件AE_s直接相连的元件AE_q作为新的故障元件AE_s，进入稳态故障序列确定模块，并在能够确定新的稳态故障序列后，进入更新模块；

更新模块，用于更新i＝i+1,若i≤h，则重新选取FC_i为初始的故障元件AE_s，s＝1，并进入稳态故障序列确定模块；若i＞h，则进入稳态故障序列集确定模块；

稳态故障序列集确定模块，用于将所有的稳态故障序列进行汇总，以确定稳态故障序列集。

13.根据权利要求8所述的系统，其特征在于，所述有效连锁故障序列确定单元，根据所述稳态故障序列集和全过程动态仿真输入模型文件，利用PSD-FDS程序进行全过程动态仿真计算，获取有效连锁故障序列和每个有效连锁故障序列对应的二次系统保护动作信息，包括：

将所述稳态故障序列集和全过程动态仿真输入模型文件一起注入到PSD-FDS程序，执行全过程动态仿真计算，并确定所述稳态故障序列集中的每个稳态故障序列在全过程动态仿真计算后对应的系统稳定性；

对于任一个稳态故障序列，若该稳态故障序列对应的系统稳定性为不稳定，则确定该稳态故障序列为有效连锁故障序列，并获取该有效连锁故障序列对应的二次系统保护动作元件和动作发生时间。

14.根据权利要求8所述的系统，其特征在于，所述电网连锁故障集确定单元，根据每个有效连锁故障序列和与该有效连锁故障序列对应的二次系统保护动作信息，确定最终连锁故障序列，并根据所述最终连锁故障序列确定电网连锁故障集，包括：

对于任一个有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}，若二次系统保护动作元件AE_p发生的时间位于某个故障元件AE_i和AE_j之间，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之间，以获取插入型连锁故障序列{AE₁,AE₂,…,AE_i,AE_p,AE_j,AE_k}；若二次系统保护动作元件AE_p发生的时间位于故障元件AE_k之后，则将AE_p插入到所述有效故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k}之后，获取追加型连锁故障序列{AE₁,AE₂,…,AE_i,AE_j,AE_k,AE_p}；

将每个有效故障序列对应的插入型连锁故障序列或追加型连锁故障序列进行汇总，以确定电网连锁故障集。

Images