二重预想事故排序的快速计算

在线安全分析中,二重预想事故由于其后果的严重性已受到越来越多的关注.在本文中,提出仅考虑由于一重预想事故引发的继发性二重预想事故,即不考虑由于偶然原因引起的两预想事故同时发生的情况,在进行计算时,采用了完全边界法和自适应边界法相结合的方法,并提出了包含电压、无功与有功的综合性能指标,从而大大提高了预想事故筛选的速度,并且预想事故筛选过程同时进行了一重预想事故筛选和二重预想事故筛选,为运行人员提供了更多有用的信息.     

考虑二重预想事故的在线电压稳定预防控制

提出了一种基于原对偶内点算法的安全约束最优潮流的数学模型,以控制代价最小化为目标,不仅考虑了正常状态下的安全约束,还同时考虑到了预想事故后的安全约束以及电压稳定裕度的约束。在线电压稳定评估系统中,同时考虑单重预想事故及其引发的继发性二重预想事故,分别进行筛选和排序,综合形成预想事故集。根据预想事故集,基于上述模型依次对其中每一预想事故进行预防控制,构建在线电压稳定预防控制模块,当系统处于不安全状态时,能够及时提供合理的预防控制策略,保证系统安全运行。以IEEE 118节点测试系统为算例,验证了所提出模型的正确性。     

电力系统预想事故快速分析的一种新算法

本文提出一种预想事故快速筛选与分析的新算法。利用零增量法（ＺＭ）构造一个包含开断支路或开断发电机在内的违限节点的局部等值网络，结合快速解耦潮流算法，进行预想事故分析。算例表明，此算法在满足计算精度的同时，分析计算快速，内存开销也小。     

基于模糊理论的预想事故自动选择方法

提出了一种基于模糊理论的预想事故自动选择方法。预想事故自动选择是静态安全分析的重要部分。传统的预想事故自动选择方法存在不同程度的遮蔽现象和误排现象,为改善这种缺陷,将传统的快速解耦潮流一次迭代法(FDLF-1法)与模糊理论相结合,考虑开断支路和其相邻线路的不确定关系,在有功功率行为指标中引入模糊补偿系数,并对改进后的行为指标进行排序选择。IEEE30节点系统的算例分析结果表明新方法可以有效减少遮蔽现象和预想事故误排现象。     

在线电压稳定监测中的一种事故扫描新方法

根据事故后稳态潮流与它们各自的电压稳定裕度指标的对应关系,提出了一种新的事故筛选指标,并从所有预想事故中筛选出一定数量的事故进入严重事故集,然后用改进连续潮流法求解对应的有功裕度指标并进行排序,极大地提高了事故扫描的速度,可应用于在线电压稳定监测。同时将该方法用于某省网系统的在线电压稳定监测计算,取得了显著的效果。     

基于统计学习的模糊暂态稳定事故筛选与排序

暂态稳定事故筛选与排序的目的是针对一组预想事故集合挑选出严重事故或滤除掉无害事故,以减少待分析的预想事故数目,满足在线动态安全分析的需要.文中提出一种基于统计学习的模糊暂态稳定事故筛选与排序方法,该方法采用了反映事故严重程度的10个性能指标,并通过样本学习,在每个指标集合上具体定义了系统稳定性的模糊隶属度函数;然后综合运用这10个性能指标的稳定性模糊隶属度得到的平均稳定性模糊隶属度,对预想事故集合按严重性进行了排序;接着根据排序结果,结合所设定的稳定阈值,将无害事故过滤掉.最后,用新英格兰10机39节点网络验证了该方法的有效性.     

一种用于在线电压稳定分析的事故筛选和排序新方法

提出一种用于在线电压稳定分析的事故筛选和排序新方法.这种方法利用事故前后节点电压的降落和有功网损上升作为综合指标进行事故筛选,快速地在大量可能的预想事故中选择出少部分可能引起电压失稳的事故.然后采用改进连续潮流法计算准确的有功裕度指标并进行排序,极大地提高了事故扫描速度,并将之用于福建电网的在线电压稳定监控系统,在速度上满足在线运行要求,证明了该方法的优越性.     

恶劣天气下基于N-2故障组合剪枝法的电网多重故障风险评估

预想事故集筛选是电力系统多重故障风险评估的关键部分,现有筛选方法容易将大量高概率低风险故障加入预想事故集或是生成预想事故集的过程涉及复杂网络拓扑计算,影响风险评估效率。因此,本文提出了一种基于N-2故障组合剪枝预想事故集快速筛选方法。首先,利用低维度的风险信息来进行剪枝操作,生成多个剪枝后的故障状态树。然后,使用回溯算法完成树的深度优先遍历,得到满足故障概率阈值且风险指标高的多重故障组合,筛选合并后作为预想事故集。最后,以IEEE-RTS 79系统作为测试对象,应用所提方法进行多重故障风险评估。结果表明：所提方法的风险评估结果在算例中与N-4故障遍历的评估结果相当,计算效率有明显提升。所提方法适用于恶劣天气下电网多重故障扫描和预想事故排序,为电网风险防控提供快速计算方法。     

基于思维进化BP网络的电力系统暂态稳定事故筛选

电力系统事故扫描是针对电网中一组预想事故,挑选出其中较为严重的事故,将大部分不严重事故滤除掉,减少待分析的预想事故数目,以满足动态安全分析的实时性的需要。本文提出了基于思维进化神经网络的事故筛选方法,然后在10机39节点的算例中对该方法的有效性进行了验证。     

在线电压稳定性评估中事故筛选和排序方法的研究

事故筛选和排序是在线电压稳定性评估的一个重要部分，其目的是按照电压稳定性的标准快速而准确地在大量可能的预想事故中选择出少部分危险性较大的事故，并按照其严重程度排序，对于影响系统性能的事故可以采取适当的预防或校正控制措施。该文以电压崩溃点和现有运行点之间的裕度作为电压稳定性的标准，将迭代过滤筛选技术和改进广义曲线拟合法结合起来，构成了一种新的事故筛选和排序方法。这种方法采用迭代过滤技术进行筛选，快速地在大量可能的预想事故中选择出少部分危险性较大的事故，然后采用改进广义曲线拟合法对这少部分较严重的事故进行排序。通过四川某一实际电网(301个节点)和电科院EPRI36节点系统2个算例，证明了该方法的有效性，可以应用于在线电压稳定性评估方案中。     

可利用传输能力的快速计算

提出了一种利用故障过滤技术的可利用传输能力快速计算方法。利用迭代线性交流潮流法对热稳定约束和电压幅值约束条件进行N-1故障过滤,利用线性灵敏度法对电压稳定约束条件进行N-1故障过滤,得到最严重故障集;利用原－对偶内点法只针对若干最严重故障计算系统可利用传输能力。该算法提高了计算效率,同时保证了计算精度。算例仿真结果验证了所提算法的准确性和快速收敛性。     

基于图卷积网络的快速暂态安全评估方法

快速、可靠的电力系统动态安全评估能够显著提高电力系统运行方式优化调整的效率。针对电力系统暂态稳定预想事故扫描需要完成大量仿真、过于耗时的问题,提出了基于图卷积网络的快速动态安全分析方法。该方法基于电力系统的潮流特征和拓扑特征构建电力系统潮流特征图。利用图卷积方法对电力系统运行状态进行特征挖掘与特征学习,将动态安全评估问题建模为图上节点分类问题。所得模型在读取电网拓扑与潮流运行状态后,仅须完成一次前向计算即可同时给出预想事故集中多个预想事故的稳定性预测结果,无须依赖仿真波形或量测数据,实现快速暂态稳定预想事故扫描。IEEE39节点系统算例测试表明,算法设计正确、高效、准确率高,能够显著提高暂态稳定预想事故扫描的效率,实现快速动态安全评估。     

电力系统预想事故快速分析

鉴于自适应化简等值算法的有效性，本文提出了一个电力系统预想事故快速分析的新算法，该逄法首先构成了包括断开支路在内的局部等值小网，然后利用快速前代和快速回代技术对等值小网进行ＡＣ潮流求解，通过对ＩＥＥＥ－５７节点试验系统和华东１５８节点系统的验算，证明该算法不但有令人满意的精度，而且有较理想的机时节约。     

一种基于ANN技术的预想事故自动选择方法

本文提出了一种基于人工神经元网络（ＡＮＮ）技术的预想事故自动选择方法，利用快速解耦潮流计算的迭代一次法（ＦＤＬＦ１）构造了分别对应于支路有功潮流越限的有功功率性能指标ＰＩｐ 和对应于节点电压模值和发电机无功出力越限的电压－ 无功性能指标ＰＩＶＱ。用ＢＰ算法训练多层感知型神经元网络以求得对应于不同运行状态和不同网络拓扑结构的性能指标。通过算例分析，并与其它经典方法的比较，本方法在计算精度和速度方面非常令人满意，而且具有较高的事故捕获率。     

“N-1”预想事故下满足静态电压稳定约束的快速ATC算法

提出了一种“N-1”预想事故下满足静态电压稳定约束的快速可用输电能力(ATC)算法.算法在连续潮流法的基础上,以系统基态“N-1”事故下的运行点和应用灵敏度方法获取的预测点为拟合点,并引入曲线拟合技术来寻找“N-1”预想事故下的近似的“鼻点”,从而确定系统的可用输电能力.以IEEE 30节点测试系统为算例,验证了所提方...     

电力系统可靠性评估的自适应分层重要抽样法

提出了电力系统可靠性评估的自适应分层重要抽样算法,将系统状态空间分割成无故障状态子空间和各重故障状态子空间,避免对无故障状态子空间抽样,对各重故障状态子空间的抽样次数进行最优分配,并不断修正最优重要抽样概率密度函数,可以显著提高计算效率并解决了以往蒙特卡洛方法在高可靠性系统中效率低下的问题.对IEEE-RTS系统的发输...     

A New Optimal Under-frequency Load-shedding Method Using Hybrid Culture–Particle Swarm Optimization–Co-evolutionary Algorithm and Artificial Neural Networks

Optimum under-frequency load shedding during contingency situations is one of the most important issues in power system security analysis; if carried out online fast enough, it will prevent the system from going to a complete blackout. This article presents a new fast load-shedding method in which the amounts of active and reactive power to be shed are optimized with a dynamic priority list by using a hybrid culture–particle swarm optimization–co-evolutionary algorithm and artificial neural network method. The proposed method uses a five-step load-shedding scenario and is able to determine the necessary active and reactive load-shedding amounts in all steps simultaneously on a real-time basis. An artificial neural network database is established by using offline N – K (K = 1, 2, and 3) contingency analysis of the IEEE 118-bus test system. The Levenberg–Marquardt back-propagation training algorithm is used for the artificial neural network, and the training process is optimized by using a genetic algorithm. The artificial neural network database is updated based on new contingency events that occur in the system. The simulation results show that the proposed algorithm will give optimal load shedding for different N – K contingency scenarios in comparison with other available under-frequency load-shedding methods.     

考虑电压和热稳定约束的可利用传输能力的快速算法

在现代电力市场环境,可利用传输能力(ATC)需要尽快提供给使用方。而在计算中要考虑的所有N-1故障因素导致了ATC计算任务非常繁重。基于此,提出了一种应用故障过滤与排序技术的ATC快速计算方法。首先,采用迭代线性潮流法(ILPF)对电网的N-1故障进行排序以筛选出热稳定极限和电压幅值约束条件下最严重的故障情况;然后,应用原始-对偶内点法对最严重故障情况进行ATC的计算,解决了ATC计算的耗时问题。算法的有效性通过IEEE30母线系统的仿真得到了验证。     

A new contingency analysis approach for voltage collapse assessment

Voltage collapse analysis in power systems has been the subject of concern of many researchers. Recently, a new technique based on tangent vector behavior has shown to be attractive, because of the accuracy and the low computational effort required. In this paper, tangent vector is employed for contingency analysis. The idea consists of monitoring tangent vector norm associated with each contingency, identifying the most critical ones. The method is tested with the help of the IEEE-118 bus and the Southeastern Brazilian power systems, considering the generators reactive power limits.     

计及源-荷功率波动性的静态电压稳定故障快速筛选和排序方法

为有效分析新能源发电与负荷的随机波动下设备故障对电压稳定性的影响,基于局部电压稳定指标(L指标)提出了一种计及源-荷功率波动性的静态电压稳定故障快速筛选和排序方法。首先,推导了L指标及其变量的全微分方程,进而给出了系统网络拓扑结构和节点注入功率变化时L指标的线性化计算公式;其次,选取基准运行方式进行潮流计算获得初始状态值,并提出采用带校正的线性化方法计算各预想事故下的L指标进而筛选得到严重故障集;然后,结合新能源与负荷功率曲线值与基准运行点的偏差,计算严重故障集内的L指标并进行故障的时段排序;最后,综合比较时序分析结果得到最终的故障排序。算例结果验证了所提方法的可行性和有效性,与现有方法相比可以在保证故障排序结果准确度前提下显著提升计算效率,对含新能源电力系统静态电压稳定故障快速筛选和排序具有一定参考和借鉴意义。