本發(fā)明涉及電力系統(tǒng)故障分析領(lǐng)域，具體地說是一種電力系統(tǒng)N-k故障集的快速篩選方法。
背景技術(shù)：
電力系統(tǒng)穩(wěn)定分析中，預(yù)想故障的篩選確定是非常重要的環(huán)節(jié)，然而隨著電網(wǎng)結(jié)構(gòu)的不斷擴大，電網(wǎng)抵御風險能力的持續(xù)增強，能夠引發(fā)實際大規(guī)模電網(wǎng)嚴重停電故障的故障集往往由多個(假設(shè)為k個，k通常大于等于2)元件故障組成。要想校驗所有的N-k故障，在實際大規(guī)模電網(wǎng)中將面臨組合爆炸的問題，在這種計算規(guī)模下進行遍歷隨機抽樣校驗顯然是不現(xiàn)實的。
篩選預(yù)想故障集，是電力系統(tǒng)安全分析中分析電力系統(tǒng)在出現(xiàn)事故時是否能夠繼續(xù)保持正常狀態(tài)運行的一種預(yù)防措施，即通過預(yù)想故障校驗系統(tǒng)能否抵御故障風險，從而有針對性的增加系統(tǒng)強度，其中的事故是根據(jù)運行人員的經(jīng)驗假定的。這些事故的結(jié)果，或者使一條或幾條電力線路斷開，或使變壓器、發(fā)電機、負荷斷開，或者發(fā)生以上情況的組合。確定出現(xiàn)事故時系統(tǒng)是否安全就是通過計算機在仿真發(fā)生以上各種假定事故時，是否有線路過負荷或者超過允許傳輸極限，是否有節(jié)點過電壓或者電壓崩潰，系統(tǒng)頻率是否滿足穩(wěn)定要求，系統(tǒng)是否失去穩(wěn)定等。如果不出現(xiàn)以上情況，系統(tǒng)的當前運行狀況就安全，否則就不安全。
預(yù)想故障分析是指針對預(yù)先設(shè)定的電力系統(tǒng)元件的故障及組合，通過仿真運算確定電力系統(tǒng)對預(yù)想故障的抵御能力。由于國內(nèi)電網(wǎng)要求系統(tǒng)在N-1和關(guān)鍵線路N-2情況下穩(wěn)定運行，因而可能引發(fā)系統(tǒng)嚴重故障的初始故障通常并不在現(xiàn)有校核范圍之內(nèi)，對預(yù)想故障組合的篩選將直接從N-2開始?？紤]到多元件同時故障的概率隨著故障元件個數(shù)的增加而呈現(xiàn)的指數(shù)下降趨勢，最終篩選目標集合的規(guī)模不宜過大，即k不能過大；并且過大的k值也不利于對故障預(yù)防的精準控制，因此N-k的最大k值需要被控制在一個合適的區(qū)間。當篩選故障集能夠使系統(tǒng)發(fā)生嚴重故障，通常認為其中包含了關(guān)鍵元件，否則認為并不包含關(guān)鍵元件，關(guān)鍵元件并不單獨存在，而是和與之聯(lián)系的若干元件共同組成。對于最終篩選所得的N-k，如果該k個元件組成的故障集能夠引發(fā)系統(tǒng)嚴重故障，但去掉任何一個元件后所組成的故障集無法引發(fā)系統(tǒng)故障，則認為當前的N-k是獨立的。
現(xiàn)有的靜態(tài)安全穩(wěn)定校驗僅保證了系統(tǒng)在應(yīng)對所有N-1和部分N-2故障時的安全裕度，出于經(jīng)濟性考慮和實際計算的困難度，對于未能校驗的潛在風險仍然有待研究。實際上，雖然多重故障是引發(fā)系統(tǒng)嚴重故障的重要原因，需要重點開展研究，但因為系統(tǒng)規(guī)模巨大，多重故障的故障集篩選難以得到充分實現(xiàn)。如何縮減計算規(guī)模，使預(yù)想故障集篩選的計算復(fù)雜度縮減到合理的范圍，一直是調(diào)度運行人員所關(guān)注的內(nèi)容。
技術(shù)實現(xiàn)要素：
有鑒于此，本發(fā)明提供一種電力系統(tǒng)N-k故障集的快速篩選方法，該方法通過定義一個足夠大的初始元件故障篩選規(guī)模，以是否能夠引發(fā)系統(tǒng)嚴重故障為標準，快速發(fā)現(xiàn)含有關(guān)鍵元件的故障集合，繼而在該集合中進一步縮小搜索范圍，直至最終定位滿足要求的N-k故障集。
為此，本發(fā)明采用以下技術(shù)方案實現(xiàn)：一種電力系統(tǒng)N-k故障集的快速篩選方法，包含以下步驟：
步驟S1：計算系統(tǒng)網(wǎng)絡(luò)數(shù)據(jù)、潮流數(shù)據(jù)和保護參數(shù)；
步驟S2：讀入步驟S1中的數(shù)據(jù)，用以生成電網(wǎng)模型；
步驟S3：根據(jù)步驟S2中生成的電網(wǎng)模型進行基態(tài)潮流分析，并保證潮流分析計算收斂，設(shè)置最大重復(fù)篩選次數(shù)T，設(shè)置初始隨機篩選規(guī)模kinit，篩選目標規(guī)模閾值kmax；
步驟S4：從所有的線路中隨機選擇總量為kinit的元件組成N-kinit初始故障；
步驟S5：檢測系統(tǒng)在步驟S4所得的N-kinit初始故障下是否發(fā)生嚴重故障，如果有則進入下一步，否則重復(fù)步驟S5采樣直到T次，若無法引發(fā)嚴重故障則倍增kinit，重復(fù)步驟S4；
步驟S6：抽取步驟S5所得集合{kinit}的子集，得到新的N-k初始故障；
步驟S7：檢測系統(tǒng)在步驟S6所得的N-k初始故障下是否發(fā)生嚴重故障，如果能則進入下一步，否則重復(fù)步驟S6采樣直到T次，若皆無法引發(fā)嚴重故障，則回到步驟S4；
步驟S8：當k還比較大時，k＞2kmax，將k值更新為原值的一半；當k較小，kmax＜k≤2kmax，將k值更新為原值的2/3；k值更新后，回到步驟S7，若k<kmax，則進入下一步；
步驟S9：隨機去掉{k}的某一個元素，得到N-k初始故障；
步驟S10：檢測系統(tǒng)在步驟S9所得的N-k初始故障下是否發(fā)生嚴重故障，如果能則進入下一步，否則，記錄下當前集合{k}作為一個目標故障集后回到步驟S9；
步驟S11：如果k＝2，則本次隨機檢索結(jié)束，進入下一步，否則更新k值為k-1，回到步驟S9；
步驟S12：篩選所得的N-k故障集合數(shù)量是否達到篩選進程評估指標，如果達到則篩選結(jié)束，否則回到步驟S4。
通過重復(fù)這種快速縮減篩選規(guī)模的采樣方法，較之遍歷采樣法大幅度降低了計算復(fù)雜度，在一定程度上規(guī)避組合爆炸的問題，使得電力系統(tǒng)N-k故障集的篩選變得可行。
進一步地，所述步驟S2的具體內(nèi)容為：通過對電力系統(tǒng)計算建立相應(yīng)的電網(wǎng)模型，包括建立電網(wǎng)的導納矩陣，獲得各節(jié)點原始潮流信息；確定各條線路的額定潮流和保護參數(shù)，比如熱保護對線路過載的保護延時整定，以及各種保護的動作區(qū)間等。
進一步地，所述步驟S3的具體內(nèi)容為：通過潮流計算，確定系統(tǒng)潮流可解；所設(shè)置的最大重復(fù)篩選次數(shù)T是為了避免在大系統(tǒng)情況下初始篩選規(guī)模過小，重復(fù)多次搜索仍然難以確定能夠引發(fā)系統(tǒng)嚴重故障的故障集合，一旦篩選次數(shù)超過T，則擴大初始篩選規(guī)模以增加所要故障集合被搜索到的概率，減輕計算負擔；初始隨機篩選規(guī)模kinit是一個足夠大的值，以便能夠大概率的囊括待發(fā)現(xiàn)的關(guān)鍵元件，當經(jīng)過T次篩選后仍然沒有引發(fā)系統(tǒng)嚴重故障，則增大kinit值；目標規(guī)模閾值kmax是目標集合的規(guī)模上限，即所統(tǒng)計的獨立故障集規(guī)模上限。
進一步地，所述步驟S4的具體內(nèi)容為：每一次隨機抽取的元件組合成為一個集合{kinit}，對系統(tǒng)進行N-kinit仿真。
進一步地，所述步驟S5的具體內(nèi)容為：通過靜態(tài)潮流計算或者動態(tài)仿真模擬系統(tǒng)對于初始故障的中長期響應(yīng)過程，即檢測系統(tǒng)各元件能否正常運行，如線路在故障發(fā)生后的潮流重分布，需要計算過載線路的保護延時，并在延時結(jié)束的時候啟動保護切斷線路；此外，每次故障發(fā)生后，系統(tǒng)需要滿足功率約束，即發(fā)電機有功、無功上下限約束，電網(wǎng)功率平衡約束；在進行功率平衡的調(diào)度操作時，盡量避免切負荷；對系統(tǒng)的仿真計算一直進行到潮流不可解、系統(tǒng)崩潰或者沒有線路過載為止，如果系統(tǒng)潮流不可解、系統(tǒng)崩潰則認為是嚴重故障，當前N-kinit故障能夠引發(fā)系統(tǒng)嚴重故障，如果沒有線路過載且系統(tǒng)各方面指標均在穩(wěn)定范圍內(nèi)，則認為當前N-kinit故障不能引發(fā)系統(tǒng)嚴重故障；對于不能引發(fā)嚴重故障的kinit集合需要進行重復(fù)篩選，原理與步驟S2相同。
進一步地，所述步驟S8的具體內(nèi)容為：在篩選得到初始的故障集{kinit}后，在該集合下縮減規(guī)模進行進一步篩選，采用隨機抽取的辦法，抽取容量在k值較大時為k/2，當k值較小時為k/1.5，這樣處理是為了避免恰好規(guī)?？s減至kmax；當k縮減到k<kmax，抽取容量為k-1。
進一步地，所述步驟S11的具體內(nèi)容為：當k＝2時，停止對篩選規(guī)?？s減，該次搜索嘗試完成。
進一步地，所述步驟S12的具體內(nèi)容為：對于給定的k，需要對當前已經(jīng)確定的目標集合數(shù)量占所有目標集合比例進行估計，以確定N-k故障的篩選是否已經(jīng)完成；若總計有mk個能夠引發(fā)嚴重故障的N-k，在仿真過程中不加辨識，則會出現(xiàn)重復(fù)的抽樣；假設(shè)已經(jīng)仿真了j次，其中有i個非重復(fù)的N-k，那么設(shè)下一次仿真發(fā)現(xiàn)非重復(fù)N-k的概率為pj，于是
由于mk未知，需要估計所得的結(jié)果是否已經(jīng)達到或者瀕臨上限；設(shè)下一次仿真發(fā)現(xiàn)非重復(fù)N-k需要再仿真Δj次，即Δj＝p-1，從上式可以獲得變換得到對mk的估計Δj是一個經(jīng)驗統(tǒng)計，統(tǒng)計每發(fā)現(xiàn)一個非重復(fù)N-k所仿真的次數(shù)Δj與已經(jīng)獲得的非重復(fù)N-k的個數(shù)i，更新對mk的估計，從而確定仿真進程。
綜上所述，本發(fā)明通過快速縮減范圍的隨機篩選算法，實現(xiàn)了比傳統(tǒng)蒙特卡洛采樣更快的預(yù)想故障集篩選過程，通過對計算復(fù)雜度評估發(fā)現(xiàn)，相比于蒙特卡洛的計算復(fù)雜度O(nk)，本發(fā)明的計算復(fù)雜度僅為O(nlog(n))，在計算效率上有明顯提升。首先，基于初試潮流計算和潮流數(shù)據(jù)，設(shè)定一個可觀的篩選容量對系統(tǒng)元件進行隨機篩選，并設(shè)定重復(fù)篩選上限，在一定篩選次數(shù)后及時擴大篩選容量，以實現(xiàn)對關(guān)鍵元件的快速定位。其次，在篩選得到含有關(guān)鍵元件的初始故障集后，快速縮減篩選規(guī)模，于當前的故障集中進一步篩選，從而較大程度的避免了篩選的盲目性。再次，利用一定的評估指標，通過監(jiān)督隨機篩選出現(xiàn)非重復(fù)集合的頻度，對當前的篩選進程進行評估，實現(xiàn)了篩選方法的終點控制，避免了無謂的計算負擔。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：(1)以大容量初始篩選樣本實現(xiàn)關(guān)鍵元件的快速定位，相比于指定k值的全局隨機篩選，該方法能夠很大程度避免無謂的采樣；(2)在初試篩選所得的大容量篩選樣本中進行進一步精確篩選，計算復(fù)雜度明顯低于基于蒙特卡洛算法的全局隨機篩選方法，提升了計算效率；(3)通過監(jiān)督篩選過程中非重復(fù)集合的頻度，確定篩選進程，以便及時終止對應(yīng)k值的故障集篩選，避免了遍歷采樣，降低計算量。
附圖說明
圖1為本發(fā)明的流程圖。
具體實施方式
下面結(jié)合附圖及實施例對本發(fā)明作進一步說明。
本實施例提供一種電力系統(tǒng)N-k故障集的快速篩選方法，如圖1所示，包括以下步驟：
步驟S1：計算系統(tǒng)網(wǎng)絡(luò)數(shù)據(jù)、潮流數(shù)據(jù)和保護參數(shù)；
步驟S2：讀入步驟S1中的數(shù)據(jù)，用以生成電網(wǎng)模型；
步驟S3：根據(jù)步驟S2中生成的電網(wǎng)模型進行基態(tài)潮流分析，并保證潮流分析計算收斂，設(shè)置最大重復(fù)篩選次數(shù)T，設(shè)置初始隨機篩選規(guī)模kinit，篩選目標規(guī)模閾值kmax；
步驟S4：從所有的線路中隨機選擇總量為kinit的元件組成N-kinit初始故障；
步驟S5：檢測系統(tǒng)在步驟S4所得的N-kinit初始故障下是否發(fā)生嚴重故障，如果有則進入下一步，否則重復(fù)步驟S5采樣直到T次，若無法引發(fā)嚴重故障則倍增kinit，重復(fù)步驟S4；
步驟S6：抽取步驟S5所得集合{kinit}的子集，得到新的N-k初始故障；
步驟S7：檢測系統(tǒng)在步驟S6所得的N-k初始故障下是否發(fā)生嚴重故障，如果能則進入下一步，否則重復(fù)步驟S6采樣直到T次，若皆無法引發(fā)嚴重故障，則回到步驟S4；
步驟S8：當k還比較大時，k＞2kmax，將k值更新為原值的一半；當k較小，kmax＜k≤2kmax，將k值更新為原值的2/3；k值更新后，回到步驟S7，若k<kmax，則進入下一步；
步驟S9：隨機去掉{k}的某一個元素，得到N-k初始故障；
步驟S10：檢測系統(tǒng)在步驟S9所得的N-k初始故障下是否發(fā)生嚴重故障，如果能則進入下一步，否則，記錄下當前集合{k}作為一個目標故障集后回到步驟S9；
步驟S11：如果k＝2，則本次隨機檢索結(jié)束，進入下一步，否則更新k值為k-1，回到步驟S9；
步驟S12：篩選所得的N-k故障集合數(shù)量是否達到篩選進程評估指標，如果達到則篩選結(jié)束，否則回到步驟S4。
在本實施例中，所述步驟S2的具體內(nèi)容為：通過對電力系統(tǒng)計算建立相應(yīng)的電網(wǎng)模型，包括建立電網(wǎng)的導納矩陣，獲得各節(jié)點原始潮流信息，以IEEE39節(jié)點系統(tǒng)為例，讀入網(wǎng)絡(luò)數(shù)據(jù)后，求解潮流并記錄下各線路潮流作為線路負載基準值，并對每一條線路進行編號，共計46條線路，考慮元件故障為線路開斷；確定各條線路的額定潮流和保護參數(shù)，比如熱保護對線路過載的延時，以及各種保護的動作區(qū)間等，我們采用靜態(tài)潮流方式，以一次潮流計算作為一個時間斷面，比如0.1s，對于過載線路，以其過載量與時間切片的乘積作為其過載保護延時的累積量，累積閾值的整定為50％過載線路持續(xù)5s則保護動作，也就是說在線路過載超過50％的時候動作更快，反之則更慢，當線路沒有過載時，過載保護延時的累計量清零；
在本實施例中，所述步驟S3的具體內(nèi)容為：通過潮流計算，如牛頓拉夫遜法，確定系統(tǒng)潮流可解；設(shè)置最大重復(fù)篩選次數(shù)T＝10，一旦篩選次數(shù)超過T，則擴大初始篩選規(guī)模，以增加所要故障集合被搜索到的概率；初始隨機篩選規(guī)模kinit是一個足夠大的值，比如20，以便能夠大概率的囊括待發(fā)現(xiàn)的關(guān)鍵元件，當經(jīng)過T次篩選后仍然沒有引發(fā)系統(tǒng)嚴重故障，則將kinit值擴大一倍；目標規(guī)模閾值kmax是目標集合的規(guī)模上限，即所統(tǒng)計的獨立故障集規(guī)模上限，一般的N-k校核的范圍集中在N-2至N-4，所以設(shè)置kmax＝5。
在本實施例中，所述步驟S4的具體內(nèi)容為：每一次隨機抽取的元件組合成為一個集合如{kinit}＝{3,10,14,15,16,18,24,25,26,27,28,30,32,33,34,35,36,40,43,44}，對系統(tǒng)進行N-kinit仿真，即切斷系統(tǒng)中{kinit}中編號的線路，然后計算系統(tǒng)潮流；
在本實施例中，所述步驟S5的具體內(nèi)容為：通過靜態(tài)潮流計算或者動態(tài)仿真模擬系統(tǒng)對于初始故障的中長期響應(yīng)過程，即檢測系統(tǒng)各元件能否正常運行，如線路在故障發(fā)生后的潮流重分布，需要計算過載線路的保護延時，并在延時結(jié)束的時候啟動保護切斷線路；此外，每次故障發(fā)生后，系統(tǒng)需要滿足功率約束，即發(fā)電機有功、無功上下限約束，電網(wǎng)功率平衡約束，實施例對于斷線造成的所有孤島電網(wǎng)，都進行頻率響應(yīng)校驗，并平衡頻率變化滿足要求的子網(wǎng)并指定一臺平衡機，切除頻率變化過大子網(wǎng)的所有發(fā)電機使之全體退出運行；在進行功率平衡的調(diào)度操作時，盡量避免切負荷，但對于負荷節(jié)點電壓低于限值時，仍需要執(zhí)行低壓減載；當系統(tǒng)潮流不可解、系統(tǒng)崩潰時，認為系統(tǒng)已經(jīng)嚴重故障，終止潮流仿真模擬，認為當前N-kinit故障能夠引發(fā)系統(tǒng)嚴重故障；若在仿真過程中沒有線路過載且系統(tǒng)各方面指標均在穩(wěn)定范圍內(nèi)，認為系統(tǒng)已經(jīng)進入到新的穩(wěn)態(tài)，終止潮流仿真模擬，并認為當前N-kinit故障不能引發(fā)系統(tǒng)嚴重故障；對于不能引發(fā)嚴重故障的kinit集合需要進行重復(fù)篩選，原理與步驟S2相同。
在本實施例中，所述步驟S8的具體內(nèi)容為：在篩選得到初始的故障集{kinit}后，在該集合下縮減規(guī)模進行進一步篩選，采用隨機抽取的辦法，抽取容量在k值較大時(如k>20)為k/2，在本示例中則可能為{k}＝{14,15,16,18,24,25,26,30,32,34}，當k值較小時(如kmax<k<10)為k/1.5，這樣處理是為了避免恰好規(guī)?？s減至kmax；當k縮減到k<kmax，抽取容量為k-1；在本實施例的規(guī)?？s減序列為k：20→10→7→5→4→3→2；
在本實施例中，所述步驟S11的具體內(nèi)容為：當k＝2時，停止對篩選規(guī)?？s減，該次搜索嘗試完成；
在本實施例中，所述步驟S12的具體內(nèi)容為：對于給定的k，需要對當前已經(jīng)確定的目標集合數(shù)量占所有目標集合比例進行估計，以確定N-k故障的篩選是否已經(jīng)完成；若總計有mk個能夠引發(fā)嚴重故障的N-k，在仿真過程中不加辨識，則會出現(xiàn)重復(fù)的抽樣；假設(shè)已經(jīng)仿真了j次，其中有i個非重復(fù)的N-k，那么設(shè)下一次仿真發(fā)現(xiàn)非重復(fù)N-k的概率為pj，于是由于mk未知，所以需要估計所得的結(jié)果是否已經(jīng)達到或者瀕臨上限；設(shè)下一次仿真發(fā)現(xiàn)非重復(fù)N-k需要再仿真Δj次，即Δj＝p-1，從上式可以獲得變換得到對mk的估計這里Δj是一個經(jīng)驗統(tǒng)計，統(tǒng)計每發(fā)現(xiàn)一個非重復(fù)N-k所仿真的次數(shù)Δj與已經(jīng)獲得的非重復(fù)N-k的個數(shù)i，更新對mk的估計，從而確定仿真進程；如已經(jīng)仿真了j＝336次，那么通過計算，當Δj＝4，即隨機篩選得到一個獨立非重復(fù)的N-k所需次數(shù)為4次，那么計算所得的估計則說明還需要繼續(xù)篩選，而當Δj＝152，計算發(fā)現(xiàn)與j相近，則說明篩選基本接近完成。
在本實施例中，所述電力系統(tǒng)暫態(tài)嚴重故障篩選的方法具體為：首先將網(wǎng)絡(luò)數(shù)據(jù)讀入仿真系統(tǒng)并計算初始潮流，給所有線路進行標號并記錄初始潮流作為額定負載。其次，按照初始篩選規(guī)模對系統(tǒng)的元件進行隨機篩選，進行N-k仿真計算，若系統(tǒng)發(fā)生嚴重故障則在此基礎(chǔ)上縮減篩選規(guī)模，進一步搜索系統(tǒng)關(guān)鍵元件，若系統(tǒng)沒有發(fā)生嚴重故障，則繼續(xù)進行篩選，直到篩選出包含系統(tǒng)元件故障的集合，能夠引發(fā)系統(tǒng)故障，或者篩選次數(shù)達到上限T，則增大初始篩選規(guī)模重復(fù)篩選過程。
在進行系統(tǒng)仿真的時候，以單次靜態(tài)潮流計算模擬一個時間斷面，以線路過載量與實踐斷面的乘積累積量作為線路過載保護的時延機制，若累積量超過整定閾值則斷開線路，若線路不再過載則累積量清零，否則一直隨時間累積。線路斷開后，可能形成孤島，實施例以孤島內(nèi)的頻率變化幅度作為衡量基準，若幅度過大則整個孤島切機退出運行，否則指定一臺平衡機并平衡島內(nèi)發(fā)電機出力與負荷。對于電壓低于一定限制的節(jié)點，實施例按照低壓減載方案切除一部分負荷。
對包含關(guān)鍵元件的預(yù)想故障集的篩選規(guī)模進行到小于kmax后，逐個去掉元件集合中的元素并仿真，直至發(fā)現(xiàn)獨立集合，即該集合能夠引發(fā)系統(tǒng)嚴重故障，但在去掉其中任何一個元件后的元件所組成的N-k都不能引發(fā)系統(tǒng)嚴重故障，最小元件集合規(guī)模為2。
一次篩選進行結(jié)束后，重新進行初始篩選過程，在篩選進行到一定數(shù)量后，實施例通過一個經(jīng)驗指標對篩選進程進行評估。通過評估以確定目前的篩選所得是否已經(jīng)幾乎涵蓋了所有能夠引發(fā)系統(tǒng)嚴重故障的N-k集合，即關(guān)鍵元件組合方式的集合。
本發(fā)明側(cè)重于快速篩選和定位能夠引發(fā)系統(tǒng)嚴重故障的關(guān)鍵元件組合，通過對篩選規(guī)模的控制來提高篩選的效率，實現(xiàn)了比普通篩選方法更高的效率。同時，通過在篩選過程中增加重復(fù)篩選剔除機制，可以進一步避免無謂的重復(fù)計算，降低計算復(fù)雜度。
以上所述僅為本發(fā)明的較佳實施例，凡依本發(fā)明申請專利范圍所做的均等變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。