基于局部贪婪优化的电网自组织临界子区域辨识方法

针对传统电力系统自组织临界现象研究角度及其物理模型——沙堆模型无法有效解释当前电网级联事故体现出的新特征,提出了社区自组织临界性概念及其物理模型——重叠沙堆模型。首先,应用能量函数并结合直接法的建模方式,量化电网线路之间的能量关联关系,并由从构造出加权无向复杂网络模型;之后,在此模型的基础上,运用局部贪婪优化算法实现电网自组织临界子区域辨识;最后,通过级联故障模拟仿真量化分析自组织临界子区域作用。研究表明,电网级联事故本质上是某一子区域达到SOC状态;在以线路为基本结构单元,能量函数量化权重的复杂网络模型的执行环境内,局部贪婪优化算法可有效挖掘电网中的自组织临界子区域。为电网级联事故安全性分析提供新的思路。     

我国电力系统停电事故自组织临界性的研究

基于自组织临界性及分形的思想,通过分析1981—2002年我国电网重大停电事故,揭示了我国电网停电事故的自组织临界性特征,并构建了全国电网及东北、华中和西北区域电网停电事故的标度-频度模型。通过研究如何用沙堆模型来描述电力系统的自组织临界性,提出了先建立各网省局等规模稍小电网的实时动态沙堆模型从而形成一个沙堆群的模型来模拟整个全国电网的设想。     

基于相对值法的区域电网停电事故自组织特性分析

考虑到电网的规模处于不断增长的过程中,给出了用电网总装机容量对损失负荷取相对值,来分析电网停电事故自组织临界特性的方法。通过对东北、西北电网1981—2002年和1981—2010年2个时间段内停电事故数据相对值的分析,不同历史时段的大规模停电事故服从幂律分布,进一步证明了中国区域电网具有自组织临界性的典型特征。该方法用于事故损失数据处理后,排除了电网随时间生长对自组织临界特性的影响因素,便于以事故损失数据对电网危险程度进行分级,同时还可以对不同规模的电网事故数据进行横向比较,得出的宏观结果可以供电网的调度运行及规划部门参考。     

基于元胞自动机的电力系统自组织临界特性仿真模型

将元胞自动机理论应用到电力系统大停电机理研究中,提出并建立了用元胞自动机来模拟电网故障演化的电网故障元胞自动机模型,定义了电网故障元胞自动机模型中元胞、元胞空间、规则和邻居等的构成方法。利用电网故障元胞自动机模型,仿真研究了电网故障的传播演化过程,并对电网故障的自组织临界性（SOC）进行了验证。     

自组织临界性与大停电事故预测

围绕当前电力系统自组织临界性(SOC)模型及大停电事故幂律关系的研究,从物理学的角度讨论了SOC的理论意义,说明了SOC模型为停电事故危险性分析中使用过去的有限资料来预测未来事故的方法提供了较为合理的理论依据。论述了电力系统SOC模型的着眼点,并不是某一次大停电事故,而是由很多停电事故构成的事故群体;电力系统SOC模型的重点,是试图说明事故群体的普遍性规律,并不是要阐明某一个具体大停电事故的规律。尽管SOC是一个简单的模型,但它不仅在提醒人们从物理学角度思考停电事故预测的可能性方面,还是在揭示简单的物理模型对于理解复杂停电事故现象的价值方面,都有着重要的作用。     

中国电网停电事故统计与自组织临界性特征

通过中国东北、西北、华中、南方及全国电网在1981年～2002年间重大停电事故的时间序列,基于分形的思想,构建了停电事故的损失负荷数与频度的关系模型。经计算表明,停电事故的自组织临界特性是客观存在的,而分形的幂律值则是一个依赖于标度的不同而相对变化的数值。通过在同一标度一频度下比较还发现,东北与西北电网的幂律值相近,华中与南方电网的幂律值相近,这说明了两局网向临界状态演化的过程有相似之处。     

基于最优潮流的停电模型及自组织临界性分析

在分析现有停电模型不足的基础上,利用自组织临界理论和最优潮流(OPF),建立了电网连锁故障和停电模拟模型.该模型包含反映电网连锁故障的快动态以及电力系统发展的慢动态2个过程.IEEE 30节点系统的仿真表明:该模型的快动态能够模拟连锁故障过程,并从微观上揭示了快动态系统的自组织临界性;此外,以系统总负荷需求和网络总传输容量比值作为特征量,可从宏观上初步揭示互联电网的自组织临界性;进一步,提升线路输送能力可以有效地防止大规模停电灾变事故的发生,降低停电风险.     

电网停电事故的自组织临界性及其极值分析

对复杂电力系统灾变以及电网发生连锁性大停电事故机理的研究表明，自组织临界性是电网停电事故的特征。极值理论主要以极值为研究对象，传统上被用来预测海啸、地震、洪水等自然灾害。文中将极值理论应用于电网停电事故的自组织临界性的研究中，在电网停电事故的标度一频度幂律分布特征下，证明了停电事故发生规模的极值分布为极限收敛于Ⅰ型渐近分布。利用计算公式以东北及西北电网的停电事故为例，进行了初步的计算分析。     

广州配电网故障停电事故的自组织临界特征

利用配电网可靠性的统计数据研究配电网停电事故的自组织临界(SOC)特性能为提高配电网运行水平、改善供电可靠性提供理论依据。因此,在广州市10 k V配电网可靠性统计数据的基础上,选取了故障停电事故的停电时户数和停电持续时间为分析对象;然后,利用最小二乘法,在双对数坐标系下,对分析对象的标度和频度的关系进行线性拟合,通过F检验,校核标度、频度的线性相关关系,初步验证了10 k V配电网故障停电事故的SOC特性;最后,给出了SOC特性对配电网运行的指导意义。     

基于连续潮流模型的电网自组织临界性的探讨

建立了一个基于连续潮流电网连锁故障模型,通过引入了一个切负荷控制模块,有效的选择切负荷点、切负荷量,模拟仿真了电网大停电事故的发生过程。结果表明:该模型不但能更有效地揭示电网大停电事故机理中自组织临界性,而且可以有效地防止大停电事故的发生,降低大停电发生的风险。     

电力系统大停电的自组织临界现象

应用复杂系统理论,通过分析美国电网大停电事故的部分数据,深入探讨了电力系统大停电规模与频率之间的幂律关系以及大停电规模分布的分形分维特征,提出了大停电现象可以用自组织临界性的概念来加以解释的观点.结合Hurst指数,进一步说明了存在着对电力系统大停电进行预测的可能.     

大停电自组织临界特征的若干问题探讨

对电力系统大停电的自组织临界特性的若干重要的问题进行了详细的讨论，包括大停电发生规模的幂率分布特征，分形特征及1/f噪声特征。该文利用国内的一些资料数据对我国电力系统的大停电的概率分布进行了回归分析，并在国内外研究工作的基础上从大停电持续时间分布的角度，对大停电的1/f噪声特性进行了近似证明，其结果和Bak等人在理想沙堆模型上得到的结果基本一致。     

电网大停电回顾及其警示与对策探讨

现代大电网已成为国民经济的支柱产业之一,电网大停电事故会造成巨大的损失.介绍了国内外已发生的电网大停电事故的概况以及目前对大停电的认识,并通过数个典型案例探讨了大停电的机理,从技术和安全管理两个角度进行了反思,结合南方电网的实际情况给出了防范大停电的相关措施建议.     

海南电网"9·26"大面积停电事故的分析与总结

海南电网2005年"9·26"大面积停电事故是近年来中国第1次出现的由自然灾害引发的省级电网大面积停电事故,海南电网也同时成为中国第1次因电网大面积停电而实施黑启动并获得成功的省级电网.文中介绍了海南电网大面积停电事故的过程以及随后的黑启动情况,分析了事故原因及暴露出来的问题,总结了经验与教训,进而提出增强电网、抵御事故能力的措施与建议.     

美加"8.14大停电"过程中的电压崩溃

本基于2003年美加大停电过程中电网事件的演变过程，着重阐述和分析了其中的电压崩溃场景，特别强调了事故发生的各个阶段中无功功率的变化与作用，指出了系统中安装充足的无功补偿装置和制定统一的法规以激励独立发电商向系统提供充足无功功率和无功储备的必要性。     

印度“7.30”、“7.31”大停电事故分析及启示

2012年7月30和31日,印度发生了世界范围内影响人口最多的大规模停电事故。两次事故均起源于北部和西部电网400 kV联络线线路跳闸,随后发生的连锁故障导致电网崩溃,大停电事故对北部、东部、东北部造成严重影响。文中介绍事故前印度电网的运行状况及事故的起因、经过、恢复等情况,从技术、管理和体制方面分析事故发生的原因,并结合我国电网实际,提出保障电网安全稳定运行、防止大停电事故发生的建议。     

西欧“11.4”大停电事故的初步分析及防止我国大面积停电事故的措施

介绍了西欧“11.4”大停电事故的发生、发展及恢复过程，并根据公布的事故调查报告分析了“9.23”瑞典–丹麦大停电、“9.28”意大利大停电和“11.4”西欧大停电的调查结论，指出了欧洲电网目前存在的问题，并提出了保证我国电网安全稳定运行应做的工作，给出了防止我国大面积停电事故的措施。     

基于ARMA-GABP组合模型的电网大停电事故损失负荷预测

损失负荷作为衡量大停电事故风险的重要指标,如何对其进行准确预测对于电网的安全运行具有十分重要的参考意义。选取1981—2016年东北电网和西北电网的大停电事故损失负荷作为实验数据进行分析,为消除电网发展对数据分析产生的影响,采用相对值法对电网大停电事故损失负荷进行处理。根据实验数据的特点,将损失负荷相对值的数据结构分解为线性和非线性残差部分,建立自回归滑动平均(ARMA)模型和遗传算法(GA)优化的误差反向传播(BP)神经网络组合模型,对东北电网大停电事故进行综合分析与预测。将所提模型的预测结果与单一模型和ARMA-BP模型的预测结果相对比,结果表明,所提模型的预测精度更高,预测效果较为理想。为进一步验证该预测模型的有效性,将西北电网大停电事故数据代入预测模型,实验结果表明该预测模型在电网大停电事故损失负荷方面具有良好的预测效果。