CN104793107B - 一种基于改进opa模型的电网连锁故障确定方法 - Google Patents
一种基于改进opa模型的电网连锁故障确定方法 Download PDFInfo
- Publication number
- CN104793107B CN104793107B CN201510214022.2A CN201510214022A CN104793107B CN 104793107 B CN104793107 B CN 104793107B CN 201510214022 A CN201510214022 A CN 201510214022A CN 104793107 B CN104793107 B CN 104793107B
- Authority
- CN
- China
- Prior art keywords
- mrow
- node
- msub
- power
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000006872 improvement Effects 0.000 title claims description 7
- 238000010276 construction Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims description 34
- 238000010248 power generation Methods 0.000 claims description 22
- 230000009471 action Effects 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000035699 permeability Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 4
- 230000002829 reductive effect Effects 0.000 abstract description 3
- 238000004870 electrical engineering Methods 0.000 abstract description 2
- 230000010429 evolutionary process Effects 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 230000009466 transformation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明一种基于改进OPA模型的电网连锁故障确定方法，属于电气工程领域，本发明运用最优潮流模型在OPA模型快动态过程中计算***潮流分布，利用生成介数指标尽量减小由于切除***负荷给电网的连通性带来的损失；电网拓扑演化模型是从电网本身的演化机理而得到的，主要研究了新的变电站和发电厂的建设时机、选址、容量、接入电网等问题，很好地反映电网拓扑的演化规律；在模拟电网升级和线路改造时运用了差异性规划的思想，为保证重要负荷的持续供电而对关键线路进行扩容改造；与原有OPA模型相比较，本发明中的改进模型在模拟电网连锁故障和电网升级演化过程中更加具有正式性，全面性，更加符合实际情况。
Description
技术领域
本发明属于电气工程领域，具体涉及一种基于改进OPA模型的电网连锁故障确定方法。
背景技术
跨区域的互联电网已发展成为目前最复杂的人造工业网络之一，近年来国内外发生的多次大停电事故都是由电网连锁故障所导致的，因此国内外学者越来越重视电网连锁故障及大停电传播机理的研究，他们提出了多种电网连锁故障模型，其中最受关注的无非是Dobson等人提出的OPA模型；OPA模型是由美国橡树岭国家实验室(ORNL)、Wisconsin大学电力***工程研究中心(PSerc)和Alaska大学的多位研究人员共同提出的，模型取3个研究机构的首个英文字母命名；OPA模型的核心是以研究负荷变化为基础，探讨输电***系列大停电的全局动力学行为特征。因此，研究OPA模型具有重要的理论和现实意义。
OPA模型按时间尺度可分为两个过程，一是慢动态过程，描述电网用户负荷的缓慢增长及其相对应的各种防护性控制策略相互作用下电网状态逐渐向自组织临界态演化；另一过程被称作快动态过程，描述连锁故障发生和传播。快动态过程一般只需要几个小时甚至几分钟，该过程的时间单位是分。
OPA模型的计算复杂度等同于线性规划问题是该模型的一个显著优点，因此具有比较快的计算速度，尤其适用于大电网；但其也存在2项明显不足：一是在OPA模型快动态过程中用直流潮流模型计算***的潮流分布，忽略了潮流具有方向性的特点，因此在模拟电网动态时会带来一定的误差；二是OPA模型在慢动态过程模拟电网的升级演化等方面的动作与实际工程不尽相符。
发明内容
针对现有技术的不足，本发明提出一种基于改进OPA模型的电网连锁故障确定方法，以达到构建一个即考虑潮流的方向性又考虑电网拓扑演化的实际情况的OPA模型，实现改进后的模型更加符合电力***实际情况的目的。
一种基于改进OPA模型的电网连锁故障确定方法，包括以下步骤：
步骤1、对OPA模型快动态过程进行改进，具体步骤如下：
步骤1-1、构建目标电网的拓扑图，确定电网拓扑图中的发电机节点、负荷节点和各线路的参数，所述的参数包括线路的阻抗和导纳；
步骤1-2、确定电网中发电机的最大出力和电网的负荷需求；
步骤1-3、根据电网的实际情况，设定随机断开各线路的概率值，并依据上述概率随机断开电网中某一条线路，模拟电网故障的产生；
步骤1-4、采用最优潮流模型求解故障产生后电网的潮流分布情况；
步骤1-5、判断电网中各线路的潮流是否收敛，若是，则执行步骤1-6，否则，将电网中的负荷按照生成介数由大到小逐一进行切除，直至潮流收敛，并返回执行步骤1-4；若切负荷动作结束后潮流仍不收敛，则方法终止；
步骤1-6、判断电网中各线路的潮流值是否达到对应线路的容量上限，若是，则根据电网实际情况，确定该线路是否切除，然后执行步骤1-7，否则，直接执行步骤1-7；
步骤1-7、判断电网中是否存在孤岛问题，若是，则处理孤岛问题，并执行步骤1-8，否则，直接执行步骤1-8；
步骤1-8、统计由于故障导致的当天负荷损失，完成OPA模型快动态过程的改进；
步骤2、对OPA模型慢动态过程进行改进；
步骤2-1、根据目标电网的历史数据，确定历史每天负荷需求和发电机最大出力的缓慢增长因子，并根据当日的负荷需求和发电机最大出力，预测未来每日的每天负荷需求和发电机最大出力；
步骤2-2、确定当天目标电网中是否有新变电站接入，若是，则执行步骤2-3，否则，执行步骤2-4；
步骤2-3、确定新接入的变电站的容量和接入位置；
步骤2-4、判断电网中的备用容量是否充足，若是，则执行步骤2-6，否则，执行步骤2-5；
步骤2-5、新建电厂或新能源并网，并确定新建电厂的容量和接入位置，或新能源并网的接入位置；
步骤2-6、对电网中重要线路进行扩容，并判断是否存在薄弱线路，若是，则对薄弱线路进行扩容，保证重要负荷的持续供电，并执行步骤2-7，否则直接执行步骤2-7；
步骤2-7、完成OPA模型慢动态过程的改进；
步骤3、根据改进后的OPA模型，对目标电网电网连锁故障进行实时监控。
步骤1-4所述的采用最优潮流模型求解故障产生后的潮流分布情况，具体方法为：在OPA模型快动态过程中，采用最优潮流模型代替直流潮流模型来计算电网潮流分布情况。
步骤1-5所述的将电网中的负荷按照生成介数由大到小逐一进行切除，具体为：将电网中负荷的生成介数由大到小排序，逐一切断排名前5％的负荷，直至潮流收敛，实现在损失负荷最小的情况下使潮流重新收敛。
步骤2-3所述的确定新接入的变电站的容量和接入位置、步骤2-5所述的确定新建电厂的容量和接入位置；
确定新接入的变电站或新建电厂的容量的方法为：根据新建变电站或新建电厂周围变电站或新建电厂的平均负荷需求，采用正态分布的方法确定新接入的变电站或新建电厂的容量；
确定新接入的变电站或新建电厂的接入位置的方法，包括以下步骤：
步骤2-a、在电网的已有的节点中随机选取若干个可接入节点，作为局域世界内的节点；
步骤2-b、在上述局域世界内的节点中，以距离最远的两个节点的距离作为直径，确定圆心位置即为局域世界的中心节点，以上述中心节点为圆心作圆获得局域世界；
步骤2-c、确定局域世界中每个节点的度数；
步骤2-d、确定局域世界中每个节点与中心节点的几何距离；
步骤2-e、确定新接入点连接到局域世界内的节点的概率；
步骤2-f、确定新接入点连接到局域世界外的节点的概率；
步骤2-g、判断新接入节点是否在局域世界内，若是，则执行步骤2-h；否则，执行步骤2-i；
步骤2-h、根据局域世界中每个节点的度数及每个节点与中心节点的几何距离，获得新接入节点连接到局域世界内每个节点的概率；
步骤2-i、根据电网中的所有节点个数、局域世界内节点的个数、接入新节点的次数和新接入点连接到局域世界外的节点的概率，获得新接入节点连接到局域世界外每个节点的概率；
步骤2-j、根据所获的新接入节点连接到局域世界内每个节点的概率和连接到局域世界外每个节点的概率，确定最终新接入点的位置，即变电站或新建电厂的接入位置；
步骤2-k、判断是否还有变电站或新建电厂需要接入，若是，则更新电网中的所有节点个数、局域世界内节点的个数和接入新节点的次数，返回执行步骤2-a，否则，方法终止。
步骤2-e所述的确定新接入点连接到局域世界内的节点的概率P1，公式如下：
其中，m0表示电网中的所有节点个数，M表示局域世界内节点的个数，t表示时间步长，即接入新节点的次数。
步骤2-h所述的获得新接入节点连接到局域世界内每个节点的概率P2，公式如下：
其中，M表示局域世界内节点的个数，P1表示新接入点连接到局域世界内的节点的概率，ki表示局域世界内节点i的度数，kj表示局域世界内节点j的度数，li表示表示局域世界内节点i与中心节点的几何距离，lj表示表示局域世界内节点j与中心节点的几何距离。
步骤2-i所述的获得新接入节点连接到局域世界外每个节点的概率P3；
其中，M表示局域世界内节点的个数，P1表示新接入点连接到局域世界内的节点的概率，m0表示电网中的所有节点个数，t表示时间步长，即接入新节点的次数。
步骤2-5所述的新建电厂或新能源并网，所述的新能源并网的优先级高于新建电厂。
步骤2-6所述的薄弱线路，为负载率大于薄弱线路负载率设定值的线路；所述的重要线路为：在各线路的介数指标由大到小的排序中，介数指标大的部分线路。
本发明优点：
本发明一种基于改进OPA模型的电网连锁故障确定方法，具有思路明晰，建模简单、所需数据少，工作量较少的特点，本发明结合OPA模型和最优潮流模型以及复杂网络演化模型，提出了一种即考虑潮流的方向性又考虑电网拓扑演化的实际情况的OPA模型，其中最优潮流模型负责计算OPA模型快动态过程中电网的潮流分布情况，而电网的拓扑演化模型负责模拟实际电网在时间和空间尺度上的繁衍更新，旨在更长的时间范围内描述电网的演化规律；所以新的改进模型更加符合电力***的实际情况；
本发明提供的基于改进OPA模型的电网连锁故障确定方法，运用最优潮流模型在OPA模型快动态过程中计算***潮流分布，利用生成介数指标尽量减小由于切除***负荷给电网的连通性带来的损失；电网拓扑演化模型是从电网本身的演化机理而得到的，而且其很多重要的统计学特性都与实际电网十分相近，主要研究了新的变电站和发电厂的建设时机、选址、容量、接入电网等问题，可以很好地反映电网拓扑的演化规律；在模拟电网升级和线路改造时运用了差异性规划的思想，为保证重要负荷的持续供电而对关键线路进行扩容改造，以模拟实际电网运行方式和规划部门的作用；与原有OPA模型相比较，本发明中的改进模型在模拟电网连锁故障和电网升级演化过程中更加具有正式性，全面性，更加符合实际情况。
附图说明
图1为本发明一种实施例的基于改进OPA模型的电网连锁故障确定方法流程图；
图2为本发明一种实施例的对OPA模型快动态过程进行改进方法流程图；
图3为本发明一种实施例的IEEE39节点***结构示意图；
图4为本发明一种实施例的对OPA模型慢动态过程进行改进方法流程图；
图5为本发明一种实施例的网络生长点示意图；
图6为本发明一种实施例的确定新接入的变电站的接入位置方法流程图。
具体实施方式
下面结合附图对本发明一种实施例做进一步说明。
本发明实施例中，基于改进OPA模型的电网连锁故障确定方法，方法流程图如图1所示，包括以下步骤：
步骤1、对OPA模型快动态过程进行改进，方法流程图如图2所示，具体步骤如下：
步骤1-1、构建目标电网的拓扑图，确定电网拓扑图中的发电机节点、负荷节点和各线路的参数，所述的参数包括线路的阻抗和导纳；
如图3所示，本发明实施例中，对IEEE39节点***进行算例计算分析可以直观的反映电网的连锁故障的发生和传播以及电网的演化过程；
步骤1-2、确定电网中发电机的最大出力和电网的负荷需求；
本发明实施例中，在第k天快动作过程开始之前，首先通过慢动作过程计算得到电网这一天(即这次)的初始负荷需求情况，具体方法为：
第k日的发电机最大出力为：
其中，表示k天前发电机的最大出力，λi为每天的增长因子，本发明实施例中，λi＝1.0005；
第k日的负荷需求Pk为：
其中，P0表示k天前电网的初始负荷需求；
第k日的初始潮流Fk为：
其中，ξ为容量系数，ξ＝1.2；
步骤1-3、根据电网的实际情况，设定随机断开各线路的概率值，并依据上述概率随机断开电网中某一条线路，模拟电网故障的产生；
本发明实施例中，线路断开的概率τ＝0.0007；
步骤1-4、采用最优潮流模型求解故障产生后电网的潮流分布情况，即在OPA模型快动态过程中，采用最优潮流模型代替直流潮流模型来计算电网潮流分布情况；
本发明实施例中，断开线路后要计算***潮流，计算潮流的方法本发明采用最优潮流模型，最优潮流模型介绍如下：
电力***最优潮流计算是一个典型的有约束的非线性规划问题；选择目标函数和不同的控制变量，再结合相应的约束条件，就可以得到为达到一定目标的最优潮流模型；电力***最优潮流的数学模型可以表示为：
min f(u，x)
s.t. g(u，x)＝0
h(u，x)≤0 (7)
在此最优潮流的算法中，将所涉及的变量分成状态变量x及控制变量u两类。通常控制变量包括发电机节点的电压幅值，发电机节点的有功和无功功率，变压器的变比等。状态变量包括所有节点的电压相角，负荷节点和传输节点的电压幅值；
本发明实施例中，以***的有功网损最小为目标函数，目标函数可以表示为：
经过简化目标函数可以写成：minf＝f(u，x)
最优潮流是经过优化的潮流分布，因此必须满足基本潮流方程，它构成了最优潮流问题最基本的等式约束条件；
***各节点有功、无功潮流方程为：
在此假设Pi为由u，x计算出母线i的有功注入功率，Qi为由u，x计算出母线i的无功注入功率则等式约束条件可以写成：
当母线i为负荷节点时，则等式约束条件中的PGi和QGi为0；可以将等式约束条件进一步简化表示为如下统一形式：g(u，x)＝0
最优潮流中含有大量的不等式约束，主要包括：
各发电机有功出力上下限约束：
各发电机无功出力上下限约束：
***各节点电压幅值上下限约束：
可调变压器变比约束：
无功补偿的容量约束：
线路潮流的约束：
可以将上述的不等式约束条件统一表示为如下形式：h(u，x)≤0
综上所述，获得公式如下：
其中，NL表示电网拓扑图中所有支路的集合；Pij表示电网拓扑图中i节点到j节点的有功功率，Pji表示电网拓扑图中j节点到i节点的有功功率，PGi表示电网拓扑图中节点i的有功发电出力，QGi表示电网拓扑图中节点i的无功发电出力；PLi表示电网拓扑图中节点i的有功电荷，QLi表示节点i的无功负荷，若该节点无负荷则其值为零；Gij表示电网拓扑图中节点i的与节点j之间的电导，Bij表示电网拓扑图中节点i的与节点j之间的电纳；ei表示电网拓扑图中节点i的电压实部，ej表示电网拓扑图中节点j的电压实部；fi表示电网拓扑图中节点i的电压虚部，fj表示电网拓扑图中节点j的电压虚部；N表示电网拓扑图中母线数；P Gk表示电网拓扑图中各发电机有功出力下限，PGk表示电网拓扑图中各发电机有功出力，表示电网拓扑图中各发电机有功出力上限；Q Gk表示电网拓扑图中各发电机无功出力下限，QGk表示电网拓扑图中各发电机无功出力，表示电网拓扑图中各发电机无功出力上限；V i表示电网拓扑图中各节点电压幅值的下限，Vi表示电网拓扑图中各节点电压幅值，表示电网拓扑图中各节点电压幅值的上限，K i表示电网拓扑图中可调变压器变比下限，Ki表示电网拓扑图中可调变压器变比，表示电网拓扑图中可调变压器变比上限，B i表示电网拓扑图中无功补偿的容量下限，Bi表示电网拓扑图中无功补偿的容量，表示电网拓扑图中无功补偿的容量上限，表示电网拓扑图中线路潮流的下限，Pij表示电网拓扑图中线路潮流，表示电网拓扑图中线路潮流的上限。
步骤1-5、判断电网中各线路的潮流是否收敛，若是，则执行步骤1-6，否则，将电网中的负荷按照生成介数由大到小逐一进行切除，直至潮流收敛，并返回执行步骤1-4；若切负荷动作结束后潮流仍不收敛，则方法终止；
本发明实施例中，将电网中负荷的生成介数由大到小排序，逐一切断排名前5％的负荷，直至潮流收敛，实现在损失负荷最小的情况下使潮流重新收敛。
本发明实施例中，在计算完***潮流分布情况后需要根据等式约束和不等式约束判断潮流是否收敛，以确定是否需要进行切除***负荷动作；所述的等式约束为上文中公式(10)，不等式约束为上文中所述的h(u，x)≤0：
本发明实施例中，如若潮流不收敛，根据生成介数指标在故障初期主动剔除少量节点，从而降低剩余节点的电气介数，直至潮流收敛，被主动剔除的节点应满足两个条件：
(1)剔除该节点能降低剩余节点的电气介数；
(2)该节点不属于关键节点，其电气介数不高，剔除后不会产生严重的负面影响。
剔除少数节点虽然会造成一定的负荷损失，但对剩余节点的电气介数压力能产生很好的缓解效果，在线路容量损失不大的同时，抑制了连锁故障解决了初期潮流不收敛的问题；但要注意避免剔除节点数量过多时会带来的负面影响，避免造成更大的失符合比例和更严重的故障；定义节点n在另一节点m上产生的生成介数Bg，n(m)如下：
Be，nj(n)表示在(i，j)间加上单位注入电流元后在节点n上产生的电气介数，Iij(m，n)表示在(i，j)间加上单位注入电流元后在线路m-n上引起的电流；m为所有与n有支路直接相连的节点；i节点为发电机节点；j节点为负荷节点。
Bg，n(m)表示节点n在另一节点m上产生的生成介数，Be，nj(m)表示在(i，j)间加上单位注入电流元后在节点m上产生的电气介数。
Bg，n表示节点n的生成介数，Bg，n越大说明节点n给网络中其他节点带来的电气介数就越大，因此将其停运越有利于缓解其他节点的介数水平。
步骤1-6、判断电网中各线路的潮流值是否达到对应线路的容量上限，若是，则根据电网实际情况，确定该线路是否切除，然后执行步骤1-7，否则，直接执行步骤1-7；
即检查是否有线路上的潮流和线路最大容量之比不小于η：其中，Fij为线路上的潮流，为线路最大容量值，这里阈值η为***给定值，本发明实施例中，η＝0.9。
本发明实施例中，对于线路潮流接近极大值的线路，以概率ν断开，ν＝0.95；
步骤1-7、判断电网中是否存在孤岛问题，若是，则处理孤岛问题，并执行步骤1-8，否则，直接执行步骤1-8；
本发明实施例中，孤岛问题处理方法为：对于孤岛，首先计算各个孤岛的负荷和发电机容量大小，对于负荷最大的孤岛，通过快动态计算孤岛内被切除的负荷；对于其他较小的孤岛，如发电容量大于负荷，则认为该孤岛能够就地平衡；如发电容量小于负荷，则根据负荷和发电容量差值近似被切除的负荷；
步骤1-8、统计由于故障导致的当天负荷损失，完成OPA模型快动态过程的改进；
本发明实施例中，快动态结束后***切除了若干线路和负载，这时可以用***损失负荷与全部负荷的比值来表征***本次事故的规模；失负荷百分比Lcut作为连锁故障的衡量指标，定义如下：
其中，G1为失效输电节点的集合；G0为所有输电节点的集合，Lj为节点j负荷，Li为节点i负荷；
步骤2、对OPA模型慢动态过程进行改进，方法流程图如图4所示；
步骤2-1、根据目标电网的历史数据，确定历史每天负荷需求和发电机最大出力的缓慢增长因子，并根据当日的负荷需求和发电机最大出力，预测未来每日的每天负荷需求和发电机最大出力；
本发明实施例中，通过每天的负荷均匀增加来模拟每年的负荷增加，即对于各个节点的负荷需求最大值有：
Pdi，k+1＝λPdi，k (16)
其中，λ表示电力***发电能力和负荷需求的缓慢增长因子，λ＝1.0005；Pdi，k+1表示负荷节点i第k+1天的负荷需求，Pdi，k表示负荷节点i第k天的负荷需求；
其中，表示发电机节点i第k+1天发电机的最大出力，表示发电机节点i第k天发电机的最大出力；
步骤2-2、以Nsub/365(Nsub为当年预计接入变电站总数Nsub＝3)的概率确定当天目标电网中是否有新变电站接入，若是，则执行步骤2-3，否则，执行步骤2-4；
步骤2-3、确定新接入的变电站的容量和接入位置；
本发明实施例中，新建变电站的容量采用正态分布，即 表示新建变电站接入点周围的变电站的平均负荷需求。
电网拓扑的时空演化模型是从电网本身的演化机理而得到的而且很多重要的统计学特性都与实际电网十分相近，因此可以很好地反映电网拓扑的演化规律；定义网络生长点为靠近网络中原有节点但是并未被占据的位置；电力网络的时空演化模型考虑了物理距离对电力网络演化的影响；在二维空间上定义节点i的坐标为vi(xi，yi)，xi，yi为整数，i为自然数。
节点i和j之间的物理距离心定义为：
物理距离lij不同于连接关系上的距离dij，dij表示的是从节点i到达节点j所需经过的最少的边数。
一般来讲，新节点的位置往往靠近网络中原有的节点，基于这种现象，本发明实施例提出：网络生长点；如图5所示，网络生长点定义为靠近网络中原有节点，但是并未被占据的位置；网络生长点随网络规模的变化而变化。
确定新接入的变电站的接入位置的方法，方法流程图如图6所示，包括以下步骤：
步骤2-a、在电网的已有的节点中随机选取若干个可接入节点，作为局域世界内的节点；
本发明实施例中，初始化t＝0，网络初始有较少的节点数m0和连接数e0，每次新加入一个节点并连接到个m1已存在的节点上，其坐标从网络生长点中选择；确定局域世界，随机从网络已有的节点中选取M个节点(M≤m1)，作为新加入节点局域世界；本发明实施例中，初始时m0＝39，M＝28；
步骤2-b、在上述局域世界内的节点中，以距离最远的两个节点的距离作为直径，确定圆心位置即为局域世界的中心节点，以上述中心节点为圆心作圆获得局域世界；
定义局域世界节点集合V＝{ni|(xi，yi)}；给定节点集合后，局域世界的中心坐标O(x0，y0)通过下面方法求取：
选取局域世界内物理距离最长的两个点na(xa，ya)，nb(xb，yb)作为直径画圆这样可以将局域世界内的M个节点全部围住，而且圆的边上就有至少两个节点。
中心节点坐标如下：
步骤2-c、确定局域世界中每个节点的度数；
本发明实施例中，所述的度数即为每个节点连接其他节点的个数；
步骤2-d、确定局域世界中每个节点与中心节点的几何距离；
节点i到中心节点O的距离li可以表达为：
步骤2-e、确定新接入点连接到局域世界内的节点的概率P1；
本发明实施例中，在t＝0时刻，确定局域世界内的节点到新节点的连接，新节点以概率连接到局域世界内的点，而且局域世界内的点优先与新节点连接的概率与节点的度数以及节点与中心节点的距离有关；
新接入点连接到局域世界内的节点的概率P1公式如下：
其中，m0表示电网中的所有节点个数，M表示局域世界内节点的个数，t表示时间步长，即接入新节点的次数。
步骤2-f、确定新接入点连接到局域世界外的节点的概率；
本发明实施例中，在t＝0时刻，确定局域世界外的节点到新节点的连接，新节点以概率1-P1连接到局域世界外的节点；
步骤2-g、判断新接入节点是否在局域世界内，若是，则执行步骤2-h；否则，执行步骤2-i；
步骤2-h、根据局域世界中每个节点的度数及每个节点与中心节点的几何距离，获得新接入节点连接到局域世界内每个节点的概率P2，公式如下：
其中，M表示局域世界内节点的个数，P1表示新接入点连接到局域世界内的节点的概率，ki表示局域世界内节点i的度数，kj表示局域世界内节点j的度数，li表示表示局域世界内节点i与中心节点的几何距离，lj表示表示局域世界内节点j与中心节点的几何距离；α≥0；β≥0，本发明实施例中，α＝1.8，β＝3.6；
步骤2-i、根据电网中的所有节点个数、局域世界内节点的个数、接入新节点的次数和新接入点连接到局域世界外的节点的概率，获得新接入节点连接到局域世界外每个节点的概率P3；新节点与局域世界外的节点连接遵循随机原则，即按照随机网络模型进行接入。
公式如下：
其中，M表示局域世界内节点的个数，P1表示新接入点连接到局域世界内的节点的概率，m0表示电网中的所有节点个数，t表示时间步长，即接入新节点的次数。
步骤2-j、根据所获的新接入节点连接到局域世界内每个节点的概率和连接到局域世界外每个节点的概率，确定最终新接入点的位置，即变电站或新建电厂的接入位置；
步骤2-k、判断是否还有变电站需要接入，若是，则更新电网中的所有节点个数、局域世界内节点的个数和接入新节点的次数，返回执行步骤2-a，否则，方法终止。
本发明实施例中，每次接入一个变电站，因此，每经过一步重新计算局域世界内节点的个数，如果新节点连接到局域世界内则M＝M+1，否则M不变，此时重新计算P1，t＝t+1；经过t步，该模型产生一个具有N＝t+m0个节点和mt+e0条边的网络；
变电站选址应该在负荷较集中的地区进行考虑，如果用ξ表示每一个网络生长点以其周围变电站的负荷情况，则其所在位置的负荷集中程度可以表示为：
ξD＝PdA+PdB+PdC (21)
其中，ξD表示变电站D接入点的负荷集中程度，PdA表示周围变电站A的负荷，PdB表示周围变电站B的负荷，PdC表示周围变电站A的负荷，新建变电站的选址不但要考虑网络生长点周围负荷的大小，而且还要基于经济性原则顾及周围各个负荷距离该变电站的距离；上文所述的基于网络生长点的中心节点的局域世界演化模型旨在建立一个距离中心节点越近，节点度数越多，负荷容量约大，节点与新节点连接的优先权越大的网络演化规律。因此该演化模型正好符合变电站应优先在负荷密度较大的地点进行建设。
因此新变电站接入点按照基于网络生长点的中心节点的局域世界演化模型进行选取。
步骤2-4、判断电网中的备用容量是否充足，若是，则执行步骤2-6，否则，执行步骤2-5；
本发明实施例中，对于发电厂建设，在本模型的慢动态过程中，更新***的发电能力应当在整个***的发电能力减去总负荷量低于最小负荷裕度时进行，即：
其中，表示电网发电极限，∑Pdi表示电网总负荷，表示电网最小负荷裕度，此时，可以扩建现有的发电厂或者建设新的发电厂；
步骤2-5、新建电厂或新能源并网，并确定新建电厂的容量和接入位置，或新能源并网的接入位置；步骤2-5所述的新建电厂或新能源并网，所述的新能源并网的优先级高于新建电厂。
本发明实施例中，新建电厂的容量和接入位置与步骤2-3中变电站的方法相同，此处不再复述；
本发明实施例中，建设新的发电厂的概率使用概率Pnew表示，Pnew＝0.2，扩建现有的发电厂的概率用1-Pnew表示；发电厂的选址要考虑能源较为集中的地区，按照基于网络生长点的中心节点的局域世界演化模型进行新电厂的选址和新能源电厂并网的地点的选择，电厂的容量采用应正态分布，即 表示当前***内发电厂容量的平均值。
对于新能源并网，同发电厂建设相同，在本模型的慢动态过程中，更新***的发电能力应当在整个***的发电能力减去总负荷量低于最小负荷裕度时进行。
在进行建设新能源发电装置时应考虑以下指标：
对于风力发电应考虑所建设风机高度处年平均风速和年风能利用小时数，因为只有保证了风速才能获得到期望的风能输出，保证了时间才能获得足够的利用价值，即：Vav≥5.4m/s，T≥7000h，其中，Vav表示所测风机高度处年平均风速，T表示每年达到有效风速3～25m/s的小时数；而且，由于要考虑建设装置的经济性和安全性尽量选取地面较为平坦的地点进行风场建设。
如果由于备用容量不足要新建电厂或新能源的地点满足风力发电建设风机的以上指标则可以进行风力发电并网的建设，否则，不采取新能源并网而进行常规电厂的建设；
太阳能资源评估是太阳能资源有效利用的重要前期工作，太阳能光伏电站选址首先就要考虑太阳能资源分布情况。太阳能资源的数量一般以到达地面的太阳总辐射量来表示，即：
其中，Q表示太阳总辐射量；Q0表示晴天太阳总辐射量；为晴天和阴天日照百分比；a，b为常数，a＝1.5，b＝0.3。
按照以上太阳能资源丰富程度评估指标选取太阳总辐射年总量在不小于1050kW·h/(m2·a)的地区进行光伏发电装置的建设。
同时，在进行光伏发电装置的建设也应考虑太阳能资源利用价值评估，即以各月日照时数大于6h的天数为指标：D≥25，其中，D为各月日照时数大于6h的天数。
按照以上太阳能资源利用价值评估指标选取各月日照时数大于6h的天数尽可能大的地点进行光伏并网的建设。
最后还应对待选择地区进行太阳能资源稳定程度评估，即以一年中各月日照时数大于6h的天数最大值与最小值的比值为指标，该指标数学表达式如下：
其中，K为太阳能资源稳定程度指标；D1，D2，…，D12为1～12月各月日照时数大于6h的天数。
根据上述指标选取太阳能资源稳定程度不大于4的地区进行光伏并网建设，即：K≤4；
同理，如果由于备用容量不足要新建电厂或新能源的地点满足建设光伏发电装置的以上指标则可以进行光伏的建设，否则不采取新能源并网而进行常规电厂的建设。
而且，需要注意的是，新能源并网的渗透率不应过大，参与并网的新能源的容量不应过大，一般不超过***总容量的10％，即：
其中，ω表示新能源并网的渗透率，∑Pnew表示电网新能源并网的总容量，∑PG表示电网总容量；
步骤2-6、对电网中重要线路进行扩容，并判断是否存在薄弱线路，若是，则对薄弱线路进行扩容，保证重要负荷的持续供电，以模拟实际电网运行方式和规划部门的作用，并执行步骤2-7，否则直接执行步骤2-7；
所述的薄弱线路，为负载率大于薄弱线路负载率设定值的线路；所述的重要线路为：在各线路的介数指标由大到小的排序中，介数指标大的部分线路。
本发明实施例中，改进薄弱线路，并利用关键线路重点保护的思想对关键线路(一般按重要度的前5％的线路)进行扩容以增加其抗灾害性。
进行关键线路重点保护的重点和核心在于查找电力网络中的重要变电站和线路，同时应结合为保证发生严重自然灾害时重要负荷供电的理念辨识电力***重要节点和线路，这些重要节点和线路应具有促进连锁故障传播或为重要负荷供电的特性。
重要线路评估方法：对于一个复杂网络G，线路的介数Ni定义为该线路被网络所有节点最短路路径遍历的次数，即：
其中，lww′表示任意节点w与w′之间最短路径经过线路次数之和，lww’(i)表示任意节点w与w′之间最短路径经过线路i的次数。
对薄弱线路进行扩容，以模拟实际电网运行方式和规划部门的作用；对负载率大于薄弱线路负载率ε的线路，即满足的线路进行扩容，用μ表示线路传输容量的增长率。其中，ε和μ为***给定值，ε＝0.9，μ＝1.005。
则有：其中，Fj，k表示线路j在第k天的实际传输功率，和分别表示线路j在第k天和第k+1天的最大传输容量。
步骤2-7、完成OPA模型慢动态过程的改进；
步骤3、根据改进后的OPA模型，对目标电网电网连锁故障进行实时监控。
Claims (4)
1.一种基于改进OPA模型的电网连锁故障确定方法，其特征在于，包括以下步骤：
步骤1、对OPA模型快动态过程进行改进，具体步骤如下：
步骤1-1、构建目标电网的拓扑图，确定电网拓扑图中的发电机节点、负荷节点和各线路的参数，所述的参数包括线路的阻抗和导纳；
步骤1-2、确定电网中发电机的最大出力和电网的负荷需求；
步骤1-3、根据电网的实际情况，设定随机断开各线路的概率值，并依据上述概率随机断开电网中某一条线路，模拟电网故障的产生；
步骤1-4、采用最优潮流模型求解故障产生后电网的潮流分布情况；
所述的采用最优潮流模型求解故障产生后的潮流分布情况，具体方法为：在OPA模型快动态过程中，采用最优潮流模型代替直流潮流模型来计算电网潮流分布情况；
步骤1-5、判断电网中各线路的潮流是否收敛，若是，则执行步骤1-6，否则，将电网中的负荷按照生成介数由大到小逐一进行切除，直至潮流收敛，并返回执行步骤1-4；若切负荷动作结束后潮流仍不收敛，则方法终止；
所述的将电网中的负荷按照生成介数由大到小逐一进行切除，具体为：将电网中负荷的生成介数由大到小排序，逐一切断排名前5％的负荷，直至潮流收敛，实现在损失负荷最小的情况下使潮流重新收敛；
步骤1-6、判断电网中各线路的潮流值是否达到对应线路的容量上限，若是，则根据电网实际情况，确定该线路是否切除，然后执行步骤1-7，否则，直接执行步骤1-7；
步骤1-7、判断电网中是否存在孤岛问题，若是，则处理孤岛问题，并执行步骤1-8，否则，直接执行步骤1-8；
步骤1-8、统计由于故障导致的当天负荷损失，完成OPA模型快动态过程的改进；
步骤2、对OPA模型慢动态过程进行改进；
步骤2-1、根据目标电网的历史数据，确定历史每天负荷需求和发电机最大出力的缓慢增长因子，并根据当日的负荷需求和发电机最大出力，预测未来每日的每天负荷需求和发电机最大出力；
步骤2-2、确定当天目标电网中是否有新变电站接入，若是，则执行步骤2-3，否则，执行步骤2-4；
步骤2-3、确定新接入的变电站的容量和接入位置；
步骤2-4、判断电网中的备用容量是否充足，若是，则执行步骤2-6，否则，执行步骤2-5；
步骤2-5、新建电厂或新能源并网，并确定新建电厂的容量和接入位置，或新能源并网的接入位置；
所述确定新接入的变电站或新建电厂的容量的方法为：根据新建变电站或新建电厂周围变电站或新建电厂的平均负荷需求，采用正态分布的方法确定新接入的变电站或新建电厂的容量；
所述确定新接入的变电站或新建电厂的接入位置的方法，包括以下步骤：
步骤2-a、在电网的已有的节点中随机选取若干个可接入节点，作为局域世界内的节点；
步骤2-b、在上述局域世界内的节点中，以距离最远的两个节点的距离作为直径，确定圆心位置即为局域世界的中心节点，以上述中心节点为圆心作圆获得局域世界；
步骤2-c、确定局域世界中每个节点的度数；
步骤2-d、确定局域世界中每个节点与中心节点的几何距离；
步骤2-e、确定新接入点连接到局域世界内的节点的概率；
所述的确定新接入点连接到局域世界内的节点的概率P1，公式如下：
<mrow>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mi>M</mi>
<mrow>
<msub>
<mi>m</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mi>t</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，m0表示电网中的所有节点个数，M表示局域世界内节点的个数，t表示时间步长，即接入新节点的次数；
步骤2-f、确定新接入点连接到局域世界外的节点的概率；
步骤2-g、判断新接入节点是否在局域世界内，若是，则执行步骤2-h；否则，执行步骤2-i；
步骤2-h、根据局域世界中每个节点的度数及每个节点与中心节点的几何距离，获得新接入节点连接到局域世界内每个节点的概率；
所述的获得新接入节点连接到局域世界内每个节点的概率P2，公式如下：
<mrow>
<msub>
<mi>P</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<msub>
<mi>k</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mi>&alpha;</mi>
</msup>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mfrac>
<mn>1</mn>
<msub>
<mi>l</mi>
<mi>i</mi>
</msub>
</mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<mfrac>
<mn>1</mn>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
</mfrac>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mi>&beta;</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，M表示局域世界内节点的个数，P1表示新接入点连接到局域世界内的节点的概率，ki表示局域世界内节点i的度数，kj表示局域世界内节点j的度数，li表示表示局域世界内节点i与中心节点的几何距离，lj表示表示局域世界内节点j与中心节点的几何距离；
步骤2-i、根据电网中的所有节点个数、局域世界内节点的个数、接入新节点的次数和新接入点连接到局域世界外的节点的概率，获得新接入节点连接到局域世界外每个节点的概率；
步骤2-j、根据所获的新接入节点连接到局域世界内每个节点的概率和连接到局域世界外每个节点的概率，确定最终新接入点的位置，即变电站或新建电厂的接入位置；
步骤2-k、判断是否还有变电站或新建电厂需要接入，若是，则更新电网中的所有节点个数、局域世界内节点的个数和接入新节点的次数，返回执行步骤2-a，否则，方法终止；
所述新能源并网时，在进行建设新能源发电装置时应考虑以下指标：
对于风力发电应考虑所建设风机高度处年平均风速和年风能利用小时数：Vav≥5.4m/s，T≥7000h，其中，Vav表示所测风机高度处年平均风速，T表示每年达到有效风速3～25m/s的小时数；选取地面较为平坦的地点进行风场建设；
如果由于备用容量不足要新建电厂或新能源的地点满足风力发电建设风机的以上指标则可以进行风力发电并网的建设，否则，不采取新能源并网而进行常规电厂的建设；
太阳能资源评估是太阳能资源有效利用的重要前期工作，太阳能光伏电站选址首先就要考虑太阳能资源分布情况；太阳能资源的数量一般以到达地面的太阳总辐射量来表示，即：
<mrow>
<mi>Q</mi>
<mo>=</mo>
<msub>
<mi>aQ</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>b</mi>
<mfrac>
<msub>
<mi>S</mi>
<mn>1</mn>
</msub>
<msub>
<mi>S</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>23</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Q表示太阳总辐射量；Q0表示晴天太阳总辐射量；为晴天和阴天日照百分比；a，b为常数；
按照以上太阳能资源丰富程度评估指标选取太阳总辐射年总量在不小于1050kW·h/(m2·a)的地区进行光伏发电装置的建设；
同时，在进行光伏发电装置的建设也应考虑太阳能资源利用价值评估，即以各月日照时数大于6h的天数为指标：D≥25，其中，D为各月日照时数大于6h的天数；
按照以上太阳能资源利用价值评估指标选取各月日照时数大于6h的天数尽可能大的地点进行光伏并网的建设；
对待选择地区进行太阳能资源稳定程度评估，即以一年中各月日照时数大于6h的天数最大值与最小值的比值为指标，该指标数学表达式如下：
<mrow>
<mi>K</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>D</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>D</mi>
<mn>12</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>D</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>D</mi>
<mn>12</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>24</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，K为太阳能资源稳定程度指标；D1，D2，…，D12为1～12月各月日照时数大于6h的天数；
根据上述指标选取太阳能资源稳定程度不大于4的地区进行光伏并网建设，即：K≤4；
同理，如果由于备用容量不足要新建电厂或新能源的地点满足建设光伏发电装置的以上指标则可以进行光伏的建设，否则不采取新能源并网而进行常规电厂的建设；
新能源并网的渗透率不超过***总容量的10％，即：
<mrow>
<mi>&omega;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;P</mi>
<mrow>
<mi>n</mi>
<mi>e</mi>
<mi>w</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&Sigma;P</mi>
<mi>G</mi>
</msub>
</mrow>
</mfrac>
<mo>&le;</mo>
<mn>10</mn>
<mi>%</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>25</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，ω表示新能源并网的渗透率，∑Pnew表示电网新能源并网的总容量，∑PG表示电网总容量；
步骤2-6、对电网中重要线路进行扩容，并且判断是否存在薄弱线路，若是，则对薄弱线路进行扩容，保证重要负荷的持续供电，并执行步骤2-7，否则直接执行步骤2-7；
步骤2-7、完成OPA模型慢动态过程的改进；
步骤3、根据改进后的OPA模型，对目标电网连锁故障进行实时监控。
2.根据权利要求1所述的电网连锁故障确定方法，其特征在于，步骤2-i所述的获得新接入节点连接到局域世界外每个节点的概率P3；
<mrow>
<msub>
<mi>P</mi>
<mn>3</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>&NotElement;</mo>
<mi>M</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>m</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mi>t</mi>
<mo>-</mo>
<mi>M</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，M表示局域世界内节点的个数，P1表示新接入点连接到局域世界内的节点的概率，m0表示电网中的所有节点个数，t表示时间步长，即接入新节点的次数。
3.根据权利要求1所述的基于改进OPA模型的电网连锁故障确定方法，其特征在于，步骤2-5所述的新建电厂或新能源并网，所述的新能源并网的优先级高于新建电厂。
4.根据权利要求1所述的基于改进OPA模型的电网连锁故障确定方法，其特征在于，步骤2-6所述的薄弱线路，为负载率大于薄弱线路负载率设定值的线路；所述的重要线路为：在各线路的介数指标由大到小的排序中，介数指标大的部分线路。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510214022.2A CN104793107B (zh) | 2015-04-29 | 2015-04-29 | 一种基于改进opa模型的电网连锁故障确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510214022.2A CN104793107B (zh) | 2015-04-29 | 2015-04-29 | 一种基于改进opa模型的电网连锁故障确定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104793107A CN104793107A (zh) | 2015-07-22 |
| CN104793107B true CN104793107B (zh) | 2017-12-01 |
Family
ID=53558077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510214022.2A Expired - Fee Related CN104793107B (zh) | 2015-04-29 | 2015-04-29 | 一种基于改进opa模型的电网连锁故障确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104793107B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106099925B (zh) * | 2016-08-12 | 2018-10-26 | 华北电力大学（保定） | 一种基于网络模体的电力***连锁故障实时预警方法 |
| CN107959287B (zh) * | 2017-11-13 | 2020-05-08 | 国家电网公司 | 一种两个电压等级电网生长演化模型的构建方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101592700A (zh) * | 2009-06-25 | 2009-12-02 | 江西省电力科学研究院 | 基于事故链的大电网连锁故障分析方法 |
| CN103151774A (zh) * | 2013-01-30 | 2013-06-12 | 武汉大学 | 一种小世界电网连锁故障抑制方法 |
-
2015
- 2015-04-29 CN CN201510214022.2A patent/CN104793107B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101592700A (zh) * | 2009-06-25 | 2009-12-02 | 江西省电力科学研究院 | 基于事故链的大电网连锁故障分析方法 |
| CN103151774A (zh) * | 2013-01-30 | 2013-06-12 | 武汉大学 | 一种小世界电网连锁故障抑制方法 |
Non-Patent Citations (4)
| Title |
|---|
| Comparing dynamics of cascading failures between network-centric and power flow models;Cupac V 等;《Electrical Power and Energy Systems》;20130731;第49卷;369-379 * |
| 基于复杂网络理论的复杂电力网络建模;王光增;《中国优秀博士学位论文全文数据库•工程科技Ⅱ辑》;20110430(第2011年04期);47-70 * |
| 考虑电力***规划的OPA模型及自组织临界特性分析;龚媛等;《电网技术》;20140805;第38卷(第8期);2021-2028 * |
| 考虑电网拓扑演化的连锁故障模型;曹一家等;《电力***自动化》;20090510;第33卷(第9期);5-10 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104793107A (zh) | 2015-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | Multi-stage progressive optimality algorithm and its application in energy storage operation chart optimization of cascade reservoirs | |
| Hozouri et al. | On the use of pumped storage for wind energy maximization in transmission-constrained power systems | |
| CN104578157B (zh) | 一种分布式电源接入电网的潮流计算方法 | |
| CN107069814B (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与*** | |
| CN103219743B (zh) | 基于风电功率波动概率特性的主导节点选择方法 | |
| CN104077664B (zh) | 一种风电储能发电***的置信容量评估方法 | |
| CN107834547B (zh) | 一种考虑风电场输出功率关联特性的输电网规划方法 | |
| CN112561273B (zh) | 一种基于改进pso的主动配电网可再生dg规划方法 | |
| CN103366062A (zh) | 基于bbo算法和电网生存性的核心骨干网架构建方法 | |
| CN115017854A (zh) | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 | |
| CN105654224A (zh) | 一种计及风电不确定性的省级电网月度购电风险管理方法 | |
| Lin et al. | Scenario generation and reduction methods for power flow examination of transmission expansion planning | |
| CN105305488A (zh) | 一种考虑新能源并网对输电网利用率影响的评价方法 | |
| Ma et al. | Random-fuzzy chance-constrained programming optimal power flow of wind integrated power considering voltage stability | |
| CN104793107B (zh) | 一种基于改进opa模型的电网连锁故障确定方法 | |
| Kumar et al. | Comparative analysis of particle swarm optimization variants on distributed generation allocation for network loss minimization | |
| Liu et al. | Multi-objective optimal reactive power dispatch for distribution network considering pv generation uncertainty | |
| CN107959287A (zh) | 一种两个电压等级电网生长演化模型的构建方法 | |
| Xu et al. | Correlation analysis of wind and photovoltaic power based on mixed copula theory and its application into optimum capacity allocation | |
| Amarasinghe et al. | Capacity credit evaluation of wind and solar power generation using non-sequential Monte Carlo Simulation | |
| CN112103950A (zh) | 一种基于改进gn***算法的电网分区方法 | |
| Khosravi et al. | Distribution of optimum reactive power in the presence of wind power plant and considering voltage stability margin using genetic algorithm and Monte Carlo methods | |
| CN112686472B (zh) | 一种分布式光伏等效电站的功率预测方法 | |
| CN113591224A (zh) | 一种城市电网连锁故障风险评估方法及*** | |
| Zhang et al. | Optimal allocation of BESS in distribution network based on improved equilibrium optimizer |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171201 |