基于深度学习直流闭锁判断的高风险连锁故障快速搜索

大容量直流输电系统的快速发展及多馈入直流系统的出现,增加了系统发生连锁故障的风险。建立了基于深度学习的直流闭锁快速判断模型,提出一种高风险连锁故障快速搜索方法。直流闭锁快速判断模型以网络结构和故障位置相关的稳态特征量作为输入,利用堆叠降噪自动编码器(SDAE)提取输入的高阶特征,可以快速判断交流故障是否导致直流闭锁。根据交流故障后正常线路的负载率情况衡量该故障的影响程度,进而得到线路停运风险;搜索过程中采用深度优先策略,以高停运风险为搜索方向,优先获取故障概率较高的交直流连锁故障。实际电网仿真结果表明,所提方法能够快速给出高风险交直流连锁故障的传播路径和故障概率,可用于在线安全预警和防控决策。     

考虑源荷不确定性的高风险连锁故障快速筛选

电力系统日益增强的源荷双侧不确定性给动态安全评估带来了更大挑战。基于随机响应面法和深度森林，提出一种考虑源荷不确定性的连锁故障快速筛选方法。首先，提出了结合分布因子的改进随机响应面法(SRSM-DF)，快速计算线路连锁开断过程中的随机潮流。然后，基于深度森林提出了SRSM-DF计算误差快速判断方法，该方法可兼顾随机潮流计算的速度和精度。最后，构建了两阶段高风险连锁故障筛选策略，进一步考虑故障导致的切负荷和直流功率损失，并建立了求取连锁故障后果的线性规划模型，以降低连锁故障筛选的计算复杂度。实际电网仿真结果表明，所提方法能够快速筛选得到不确定条件下的高风险连锁故障。