一种电力系统连锁故障风险评估的方法及系统技术方案

本发明专利技术公开一种电力系统连锁故障风险评估方法及系统，该方法包括：获取电力系统在初始状态下所有的故障序列；将所述故障序列进行整理合并，建立多时间尺度连锁故障模拟的马尔科夫树模型；获取故障风险指标；获取风险评估停止判据；根据所述故障风险指标和所述风险评估停止判据对所述马尔科夫树模型进行搜索，得到第一搜索结果；判断所述第一搜索结果是否符合所述风险评估停止判据，得到第一判断结果；当所述第一判断结果表示所述第一搜索结果符合所述风险评估停止判据时，停止对马尔科夫树模型的搜索，得出线路的风险值。采用该风险评估方法及系统能够在有限的计算资源下实现对连锁故障可能发展路径空间的最大覆盖，从而显著提高计算效率。

【技术实现步骤摘要】

本专利技术涉及风险评估领域，特别是涉及一种电力系统连锁故障风险评估的方法及系统。
技术介绍
近年来世界各地发生许多连锁停电事故，给各国的社会和经济带来很大的损失。因此对于大停电事故的研究是一个重要的课题，通过识别电力系统的临界特性，才能够进一步了解电力系统连锁故障的原因，分析研究系统临界状态和连锁故障是有效提高系统可靠性的关键因素。随着电力行业不断的发展，大规模建立电网是一种必然的趋势，在追求利益最大化的今天，必须要加强对连锁故障的分析和风险评估，消灭危险因素，从而有效防止大停电事故，这对于提高电力系统的可靠性具有十分重要的意义。现有基于复杂性的连锁故障的风险评估方法大致可以分为三类：幂律分布、网络拓扑指标和考虑电力系统参数、运行状态的指标。首先，幂律分布具有长尾特征，即与正态分布相比，幂律分布下极端事件的发生概率要大很多。其次，电力系统的能量和信息传输是通过电力网络和通信网络完成的，因此可以将电力系统抽象为由节点和边组成的图，研究网络拓扑特性和网络上连锁行为的关联。这些方法只能够描述网络的一些基本特征，并且通过理论和仿真验证了网络拓扑指标对网络抵御连锁故障的性能，但基于这些方法模拟的网络状态和受欧姆定律和基尔霍夫定律支配的电力网络相差较大，从而无法在根本机理上描述电力系统连锁故障。基于拓扑特性和电网参数构建了全局的传输距离和局部的无功变化量指标，并用于辨识脆弱线路。以上评估方法利用复杂性方法进行连锁故障研究的一般思路为首先在保留和突出连锁传播基本机理的前提下对系统进行简化和抽象，得到分析所用的物理和数学模型。之后利用模型进行理论推导或采样模拟，并统计得到复杂性指标，通过指标分析系统的整体特性。这类方法对采样的数量需求大，并且存在重复采样的过程，因此，基于采样的连锁故障风险评估方法效率较低，难以满足应用需求，由于连锁故障过程中各故障间有相关性，不应采用可靠性评估中独立故障组合的方法，而需要利用连锁故障模型模拟连锁故障序列。目前连锁故障风险评估大多基于连锁故障模型进行大量连锁故障路径随机采样，并计算风险指标。随着采样数量的增加，风险指标会逐渐收敛到其真实值。但基于采样的风险评估效率往往很低，常规蒙特卡洛采样收敛所需的采样次数大致与事件的真实概率成反比。因此在采样小概率事件时，往往需要巨量的采样数量，无法满足实用风险评估需求。方差减小技术虽然能够加快收敛速度，但其效率只能提高数倍至几十倍，不能根本解决计算效率低的问题。所以基于采样方法的风险评估效率很低，难以实际应用。
技术实现思路
本专利技术的目的是提供一种电力系统连锁故障风险评估方法及系统，能够有效提高风险评估的计算效率。为实现上述目的，本专利技术提供了如下方案：一种电力系统连锁故障风险评估方法，包括：获取电力系统在初始状态下所有的故障序列；将所述故障序列进行整理合并，建立多时间尺度连锁故障模拟的马尔科夫树模型；获取故障风险指标；获取风险评估停止判据；根据所述故障风险指标和所述风险评估停止判据对所述马尔科夫树模型进行搜索，得到第一搜索结果；判断所述第一搜索结果是否符合所述风险评估停止判据，得到第一判断结果；当所述第一判断结果表示所述第一搜索结果符合所述风险评估停止判据时，停止对马尔科夫树模型的搜索，得出线路的风险值。可选的，所述将所述故障序列进行整理合并，建立多时间尺度连锁故障模拟的马尔科夫树模型，具体包括：标记初始故障的状态和所述初始故障后连锁故障发生的路径；所述初始故障后的状态为树的根节点；所述连锁故障发生的路径用表示；根据所述根节点和所述连锁故障发生的路径建立所述马尔科夫树模型。可选的，所述根据所述概率计算故障风险指标，具体包括：计算所述开断的概率得到每级连锁故障的概率；所述开断的概率为其中，所述表示预设时间tD内元件i开断的概率，所述λi表示元件i的故障率，所述λj表示元件j的故障率；根据所述每级连锁故障的概率评估连锁故障负荷损失期望，得到故障风险指标的表达式其中，所述R表示所述马尔科夫树模型上各个状态对应风险项的和，表示连锁故障序列发生后当前状态下的损失，第kn+1级故障概率可用可选的，所述将所述故障序列进行整理合并，建立多时间尺度连锁故障模拟的马尔科夫树模型之后，还包括：对所述马尔可夫树模型进行再调度，建模成再调度模型；所述再调度模型为s.t.其中，所述Pd和所述Pg为待求系统状态，所述和所述为上一个时间点的系统状态，所述为发电机增出力最大爬坡速率，所述为发电机减出力最大爬坡速率，所述FMAX表示为线路潮流的最大值；所述支路潮流-节点注入矩阵yDMY+为支路导纳对角阵yD、节点-支路关联矩阵M和导纳阵Y的广义逆Y+的乘积；记为Z＝Y+将导纳阵Y进行奇异值分解，则广义逆Y+为获取再调度系统下的状态目标所述为优化后的节点i的负荷，所述为优化后的发电功率；根据所述再调度模型在tD时间内调整到距离调整目标最接近的状态。可选的，所述根据所述故障风险指标和所述风险评估停止判据对所述马尔科夫树模型进行搜索，得到第一搜索结果之后，还包括：对导纳阵Y和广义逆Z进行更新；判断线路集{ik本文档来自技高网...

【技术保护点】
一种电力系统连锁故障风险评估方法，其特征在于，包括：获取电力系统在初始状态下所有的故障序列；将所述故障序列进行整理合并，建立多时间尺度连锁故障模拟的马尔科夫树模型；获取故障风险指标；获取风险评估停止判据；根据所述故障风险指标和所述风险评估停止判据对所述马尔科夫树模型进行搜索，得到第一搜索结果；判断所述第一搜索结果是否符合所述风险评估停止判据，得到第一判断结果；当所述第一判断结果表示所述第一搜索结果符合所述风险评估停止判据时，停止对马尔科夫树模型的搜索，得出线路的风险值。

【技术特征摘要】
1.一种电力系统连锁故障风险评估方法，其特征在于，包括：获取电力系统在初始状态下所有的故障序列；将所述故障序列进行整理合并，建立多时间尺度连锁故障模拟的马尔科夫树模型；获取故障风险指标；获取风险评估停止判据；根据所述故障风险指标和所述风险评估停止判据对所述马尔科夫树模型进行搜索，得到第一搜索结果；判断所述第一搜索结果是否符合所述风险评估停止判据，得到第一判断结果；当所述第一判断结果表示所述第一搜索结果符合所述风险评估停止判据时，停止对马尔科夫树模型的搜索，得出线路的风险值。2.根据权利要求1所述的风险评估方法，其特征在于，所述将所述故障序列进行整理合并，建立多时间尺度连锁故障模拟的马尔科夫树模型，具体包括：标记初始故障的状态和所述初始故障后连锁故障发生的路径；所述初始故障后的状态为树的根节点；所述连锁故障发生的路径用表示；根据所述根节点和所述连锁故障发生的路径建立所述马尔科夫树模型。3.根据权利要求1所述的风险评估方法，其特征在于，所述获取故障风险指标，具体包括：计算所述开断的概率得到每级连锁故障的概率；所述开断的概率为其中，所述表示预设时间内元件i开断的概率，所述λi表示元件i的故障率，所述λj表示元件j的故障率，MT表示为马尔科夫树；根据所述每级连...

【专利技术属性】
技术研发人员：魏巍，黄少伟，梅生伟，孙昕伟，张文一，丁理杰，李鑫，
申请(专利权)人：国网四川省电力公司电力科学研究院，清华大学，
类型：发明
国别省市：四川;51