CN105117839B - 一种基于连锁故障的电力***薄弱环节辨识方法 - Google Patents
一种基于连锁故障的电力***薄弱环节辨识方法 Download PDFInfo
- Publication number
- CN105117839B CN105117839B CN201510514677.1A CN201510514677A CN105117839B CN 105117839 B CN105117839 B CN 105117839B CN 201510514677 A CN201510514677 A CN 201510514677A CN 105117839 B CN105117839 B CN 105117839B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- cascading failure
- failure
- power system
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000005611 electricity Effects 0.000 claims description 39
- 230000005540 biological transmission Effects 0.000 claims description 36
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000012850 discrimination method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims 2
- 235000013399 edible fruits Nutrition 0.000 claims 2
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000012502 risk assessment Methods 0.000 abstract description 5
- 238000009795 derivation Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 abstract description 2
- 230000035800 maturation Effects 0.000 abstract description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种基于连锁故障的电力***薄弱环节辨识方法，将连锁故障模型引入到风险评估的状态分析中，考虑了始发故障发展成为连锁故障后对电网的影响，切合大停电事故动态、连锁的发展规律，能够借助于连锁故障过程分析辨识影响大停电事故的薄弱环节，真正筛选出在大停电事故中起关键作用的元件，所得出的薄弱环节结果更全面准确、更具参考价值；本发明有效继承了基于蒙特卡洛模拟法风险评估的成熟理论，无需进行复杂关系式的推导，也不用进行故障的枚举，尤其是***较大时，本发明的优势将更明显。
Description
技术领域
本发明涉及一种辨识方法，具体涉及一种基于连锁故障的电力***薄弱环节辨识方法。
背景技术
近年来世界范围内发生了多起大停电事故，如2003年北美“8.14”大停电、2011年美国“9.8”大停电、2012年印度大停电等，造成了重大的经济损失和社会影响，引起了各国对电网安全运行问题的广泛关注。对事故的研究分析表明，大停电事故大多是由连锁故障造成的。随着我国电网的大规模互联以及大容量电源的加入，电网始发故障引起潮流大规模转移并引发连锁故障的可能性增大，电网运行潜在风险增加，给电网的规划调度以及安全可靠运行带来了一定挑战，使得辨识影响连锁故障发生的薄弱环节显得十分必要。
目前基于风险分析的薄弱环节辨识方法主要分为两类，一类是解析法，一类是模拟法。这两类方法均存在一些缺陷，不能有效地对影响大停电事故的薄弱环节进行辨识。这些缺陷主要体现在：
(1)模拟法和解析法只对始发故障进行评估，只考虑始发故障的影响，而不考虑由于始发故障引起的事故连锁扩大过程，评估过程是静态的，而当前广泛关注的大停电事故是动态的、连锁的，电网中影响事故扩大的薄弱环节只有在连锁故障过程中才能体现出来，传统方法容易导致评估结果的不完整和不准确；
(2)解析法，如灵敏度分析法和可靠性跟踪法等，均基于复杂的数学解析表达式推导得出各元件对***风险的贡献，计算过程比较繁琐，而且该方法在目前广泛应用的蒙特卡洛模拟方法下结果存在不稳定问题，所以只能通过枚举故障生成评估场景，这增加了大电网薄弱环节辨识的工作量。
发明内容
为了克服上述现有技术的不足，本发明提供一种基于连锁故障的电力***薄弱环节辨识方法，综合考虑了始发故障和连锁故障对电网安全运行的影响，通过风险参与因子完成电力***薄弱环节的辨识。
为了实现上述发明目的，本发明采取如下技术方案：
本发明提供一种基于连锁故障的电力***薄弱环节辨识方法，所述辨识方法包括以下步骤：
步骤1：获取基本技术数据、运行约束数据和可靠性数据；
步骤2：生成N个待评估的场景；
步骤3：对待评估场景进行评估；
步骤4：通过各支路的风险参与因子辨识电力***薄弱环节。
步骤1中，所述基本技术数据包括节点数据、输电线路数据、变压器数据、负荷数据和发电机数据；
所述运行约束数据包括发电机出力上下限值和支路潮流上下限值；
所述可靠性数据包括发电机强迫停运率、输电线路强迫停运率和变压器强迫停运率。
所述节点数据包括节点基准电压；
输电线路数据包括输电线路阻抗和输电线路导纳；
变压器数据包括变压器阻抗、变压器导纳和变压器变比；
负荷数据包括负荷有功功率和负荷无功功率；
发电机数据包括发电机当前出力。
步骤2中，采用蒙特卡罗模拟法生成N个待评估的场景，具体包括以下步骤：
步骤2-1：对于元件j，抽取(0,1)之间且服从均匀分布的随机数Uj；
步骤2-2：确定元件j的运行状态Sj，有：
其中，FORj表示元件j的强迫停运率；Sj＝1时，表明元件j正常运行；Sj＝0时，表明元件j因故障退出；
步骤2-3：确定电力***的运行状态S，有：
S＝{S1,S2,…,Sj,…,Sn}
其中，n表示电力***中元件总数，j＝1,2,…,n；
步骤2-4：重复步骤2-1至2-3，即可得到N个电力***的运行状态，作为待评估的场景。
所述元件包括电力***中的发电机、输电线路和变压器。
所述步骤3中，采用连锁故障模型对N个待评估的场景依次进行评估，具体包括以下步骤：
步骤3-1：设置连锁故障阶数为0；
步骤3-2：调整发电机的有功出力和负荷的有功功率，并记录各负荷节点的切负荷量；
步骤3-3：对当前场景进行直流潮流计算，记录电力***内各输电线路的有功潮流结果；
步骤3-4：如果存在输电线路有功潮流过载，则统计各输电线路过载率，找到过载率最大的输电线路并将其切除，同时连锁故障阶数加1，更新潮流计算数据后，执行步骤3-5；如果不存在输电线路有功潮流过载，则执行步骤3-6；
步骤3-5：判断连锁故障阶数是否达到设定的最大值，若是则执行步骤3-6，否则返回至步骤3-2；
步骤3-6：累加连锁故障每阶故障下各负荷节点的切负荷量，对各负荷节点的切负荷量求和即可得到负荷节点的总切负荷量。
所述步骤3-2中，设Pg表示发电机g的有功出力，Pd表示负荷d的有功功率，具体有：
步骤3-2-1：连锁故障发生后，如果ΣPg＞ΣPd，则减小电力***中所有发电机的有功出力，直至ΣPg≤ΣPd或某台发电机达到最小技术出力；如果ΣPg＜ΣPd，则增大电力***中所有发电机的有功出力，直至ΣPg≥ΣPd或某台发电机有功出力达到额定值；
步骤3-2-2：若仍存在ΣPg＞ΣPd，则按照发电机当前出力由小到大进行切机操作，直至满足ΣPg＝ΣPd；
步骤3-2-3：若仍存在ΣPg＜ΣPd，则按照负荷有功功率由小到大进行切负荷操作，直至满足ΣPg＝ΣPd。
所述步骤4具体包括以下步骤：
步骤4-1：计算每次连锁故障的发生概率，有：
其中，P(Ci)表示第i次连锁故障的发生概率；p(Ci1)表示第i次连锁故障中的第1阶故障，即始发故障概率；M表示每次连锁故障的总阶数；sik表示第i次连锁故障中第k阶故障的故障修正系数，其表示为：
其中，Fk表示第k阶连锁故障被切除的输电线路过载率，Fm表示第i次连锁故障中第k阶故障过载支路过载率，ok表示第i次连锁故障中第k阶故障的过载支路集；
步骤4-2：计算各支路的风险参与值，有：
其中，oi表示第i次连锁故障被切除支路集，Rb表示支路b的风险参与值，Li表示第i次连锁故障的切负荷量；
步骤4-3：计算电力***的风险指标，有：
其中，R表示电力***的风险指标；
步骤4-4：计算各支路的风险参与因子，有：
Ib＝Rb/R
其中，Ib表示支路b的风险参与因子；
步骤4-5：对各支路的风险参与因子进行排序，风险参与因子越大，表明该支路对连锁故障的扩大影响越大，属于电力***的薄弱环节。
与现有技术相比，本发明的有益效果在于：
本发明将连锁故障模型引入到风险评估的状态分析中，考虑了始发故障发展成为连锁故障后对电网的影响，切合大停电事故动态、连锁的发展规律，能够借助于连锁故障过程分析辨识影响大停电事故的薄弱环节，真正筛选出在大停电事故中起关键作用的元件，所得出的薄弱环节结果更全面准确、更具参考价值；
与灵敏度分析法、可靠性追踪法等解析法相比，本发明有效继承了基于蒙特卡洛模拟法风险评估的成熟理论，无需进行复杂关系式的推导，也不用进行故障的枚举，尤其是***较大时，本发明的优势将更明显。
附图说明
图1是本发明实施例中基于连锁故障的电力***薄弱环节辨识方法流程图；
图2是本发明实施例中评估待评估场景流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明提供一种基于连锁故障的电力***薄弱环节辨识方法，如图1，所述辨识方法包括以下步骤：
步骤1：获取基本技术数据、运行约束数据和可靠性数据；
步骤2：生成N个待评估的场景；
步骤3：对待评估场景进行评估；
步骤4：通过各支路的风险参与因子辨识电力***薄弱环节。
步骤1中，所述基本技术数据包括节点数据、输电线路数据、变压器数据、负荷数据和发电机数据；
所述运行约束数据包括发电机出力上下限值和支路潮流上下限值；
所述可靠性数据包括发电机强迫停运率、输电线路强迫停运率和变压器强迫停运率。
所述节点数据包括节点基准电压；
输电线路数据包括输电线路阻抗和输电线路导纳；
变压器数据包括变压器阻抗、变压器导纳和变压器变比；
负荷数据包括负荷有功功率和负荷无功功率；
发电机数据包括发电机当前出力。
步骤2中，采用蒙特卡罗模拟法生成N个待评估的场景，具体包括以下步骤：
步骤2-1：对于元件j，抽取(0,1)之间且服从均匀分布的随机数Uj；
步骤2-2：确定元件j的运行状态Sj，有：
其中，FORj表示元件j的强迫停运率；Sj＝1时，表明元件j正常运行；Sj＝0时，表明元件j因故障退出；
步骤2-3：确定电力***的运行状态S，有：
S＝{S1,S2,…,Sj,…,Sn}
其中，n表示电力***中元件总数，j＝1,2,…,n；
步骤2-4：重复步骤2-1至2-3，即可得到N个电力***的运行状态，作为待评估的场景。
所述元件包括电力***中的发电机、输电线路和变压器。
如图2，所述步骤3中，采用连锁故障模型对N个待评估的场景依次进行评估，具体包括以下步骤：
步骤3-1：设置连锁故障阶数为0；
步骤3-2：调整发电机的有功出力和负荷的有功功率，并记录各负荷节点的切负荷量；
步骤3-3：对当前场景进行直流潮流计算，记录电力***内各输电线路的有功潮流结果；
步骤3-4：如果存在输电线路有功潮流过载，则统计各输电线路过载率，找到过载率最大的输电线路并将其切除，同时连锁故障阶数加1，更新潮流计算数据后，执行步骤3-5；如果不存在输电线路有功潮流过载，则执行步骤3-6；
步骤3-5：判断连锁故障阶数是否达到设定的最大值，若是则执行步骤3-6，否则返回至步骤3-2；
步骤3-6：累加连锁故障每阶故障下各负荷节点的切负荷量，对各负荷节点的切负荷量求和即可得到负荷节点的总切负荷量。
所述步骤3-2中，设Pg表示发电机g的有功出力，Pd表示负荷d的有功功率，具体有：
步骤3-2-1：连锁故障发生后，如果ΣPg＞ΣPd，则减小电力***中所有发电机的有功出力，直至ΣPg≤ΣPd或某台发电机达到最小技术出力；如果ΣPg＜ΣPd，则增大电力***中所有发电机的有功出力，直至ΣPg≥ΣPd或某台发电机有功出力达到额定值；
步骤3-2-2：若仍存在ΣPg＞ΣPd，则按照发电机当前出力由小到大进行切机操作，直至满足ΣPg＝ΣPd；
步骤3-2-3：若仍存在ΣPg＜ΣPd，则按照负荷有功功率由小到大进行切负荷操作，直至满足ΣPg＝ΣPd。
所述步骤4具体包括以下步骤：
步骤4-1：计算每次连锁故障的发生概率，有：
其中，P(Ci)表示第i次连锁故障的发生概率；p(Ci1)表示第i次连锁故障中的第1阶故障，即始发故障概率；M表示每次连锁故障的总阶数；sik表示第i次连锁故障中第k阶故障的故障修正系数，其表示为：
其中，Fk表示第k阶连锁故障被切除的输电线路过载率，Fm表示第i次连锁故障中第k阶故障过载支路过载率，ok表示第i次连锁故障中第k阶故障的过载支路集；
步骤4-2：计算各支路的风险参与值，有：
其中，oi表示第i次连锁故障被切除支路集，Rb表示支路b的风险参与值，Li表示第i次连锁故障的切负荷量；
步骤4-3：计算电力***的风险指标，有：
其中，R表示电力***的风险指标；
步骤4-4：计算各支路的风险参与因子，有：
Ib＝Rb/R
其中，Ib表示支路b的风险参与因子；
步骤4-5：对各支路的风险参与因子进行排序，风险参与因子越大，表明该支路对连锁故障的扩大影响越大，属于电力***的薄弱环节。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。
Claims (7)
1.一种基于连锁故障的电力***薄弱环节辨识方法，其特征在于：所述辨识方法包括以下步骤：
步骤1：获取基本技术数据、运行约束数据和可靠性数据；
步骤2：生成N个待评估的场景；
步骤3：对待评估场景进行评估；
步骤4：通过各支路的风险参与因子辨识电力***薄弱环节；
采用蒙特卡罗模拟法生成N个待评估的场景，具体包括以下步骤：
步骤2-1：对于元件j，抽取(0,1)之间且服从均匀分布的随机数Uj；
步骤2-2：确定元件j的运行状态Sj，有：
<mrow>
<msub>
<mi>S</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mn>1</mn>
<mo>&GreaterEqual;</mo>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>FOR</mi>
<mi>j</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>FOR</mi>
<mi>j</mi>
</msub>
<mo>></mo>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，FORj表示元件j的强迫停运率；Sj＝1时，表明元件j正常运行；Sj＝0时，表明元件j因故障退出；
步骤2-3：确定电力***的运行状态S，有：
S＝{S1,S2,…,Sj,…,Sn}
其中，n表示电力***中元件总数，j＝1,2,…,n；
步骤2-4：重复步骤2-1至2-3，即可得到N个电力***的运行状态，作为待评估的场景。
2.根据权利要求1所述的基于连锁故障的电力***薄弱环节辨识方法，其特征在于：步骤1中，所述基本技术数据包括节点数据、输电线路数据、变压器数据、负荷数据和发电机数据；
所述运行约束数据包括发电机出力上下限值和支路潮流上下限值；
所述可靠性数据包括发电机强迫停运率、输电线路强迫停运率和变压器强迫停运率。
3.根据权利要求2所述的基于连锁故障的电力***薄弱环节辨识方法，其特征在于：所述节点数据包括节点基准电压；
输电线路数据包括输电线路阻抗和输电线路导纳；
变压器数据包括变压器阻抗、变压器导纳和变压器变比；
负荷数据包括负荷有功功率和负荷无功功率；
发电机数据包括发电机当前出力。
4.根据权利要求1所述的基于连锁故障的电力***薄弱环节辨识方法，其特征在于：所述元件包括电力***中的发电机、输电线路和变压器。
5.根据权利要求1所述的基于连锁故障的电力***薄弱环节辨识方法，其特征在于：所述步骤3中，采用连锁故障模型对N个待评估的场景依次进行评估，具体包括以下步骤：
步骤3-1：设置连锁故障阶数为0；
步骤3-2：调整发电机的有功出力和负荷的有功功率，并记录各负荷节点的切负荷量；
步骤3-3：对当前场景进行直流潮流计算，记录电力***内各输电线路的有功潮流结果；
步骤3-4：如果存在输电线路有功潮流过载，则统计各输电线路过载率，找到过载率最大的输电线路并将其切除，同时连锁故障阶数加1，更新潮流计算数据后，执行步骤3-5；如果不存在输电线路有功潮流过载，则执行步骤3-6；
步骤3-5：判断连锁故障阶数是否达到设定的最大值，若是则执行步骤3-6，否则返回至步骤3-2；
步骤3-6：累加连锁故障每阶故障下各负荷节点的切负荷量，对各负荷节点的切负荷量求和即可得到负荷节点的总切负荷量。
6.根据权利要求5所述的基于连锁故障的电力***薄弱环节辨识方法，其特征在于：所述步骤3-2中，设Pg表示发电机g的有功出力，Pd表示负荷d的有功功率，具体有：
步骤3-2-1：连锁故障发生后，如果∑Pg＞∑Pd，则减小电力***中所有发电机的有功出力，直至∑Pg≤∑Pd或某台发电机达到最小技术出力；如果∑Pg＜∑Pd，则增大电力***中所有发电机的有功出力，直至∑Pg≥∑Pd或某台发电机有功出力达到额定值；
步骤3-2-2：若仍存在∑Pg＞∑Pd，则按照发电机当前出力由小到大进行切机操作，直至满足∑Pg＝∑Pd；
步骤3-2-3：若仍存在∑Pg＜∑Pd，则按照负荷有功功率由小到大进行切负荷操作，直至满足∑Pg＝∑Pd。
7.根据权利要求1所述的基于连锁故障的电力***薄弱环节辨识方法，其特征在于：所述步骤4具体包括以下步骤：
步骤4-1：计算每次连锁故障的发生概率，有：
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>s</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
</mrow>
其中，P(Ci)表示第i次连锁故障的发生概率；p(Ci1)表示第i次连锁故障中的第1阶故障，即始发故障概率；M表示每次连锁故障的总阶数；sik表示第i次连锁故障中第k阶故障的故障修正系数，其表示为：
<mrow>
<msub>
<mi>s</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>F</mi>
<mi>k</mi>
</msub>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>&Element;</mo>
<msub>
<mi>O</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>F</mi>
<mi>m</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中，Fk表示第k阶连锁故障被切除的输电线路过载率，Fm表示第i次连锁故障中第k阶故障过载支路过载率，ok表示第i次连锁故障中第k阶故障的过载支路集；
步骤4-2：计算各支路的风险参与值，有：
<mrow>
<msub>
<mi>R</mi>
<mi>b</mi>
</msub>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>b</mi>
<mo>&Element;</mo>
<msub>
<mi>o</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
</mrow>
其中，oi表示第i次连锁故障被切除支路集，Rb表示支路b的风险参与值，Li表示第i次连锁故障的切负荷量；
步骤4-3：计算电力***的风险指标，有：
<mrow>
<mi>R</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
</mrow>
其中，R表示电力***的风险指标；
步骤4-4：计算各支路的风险参与因子，有：
Ib＝Rb/R
其中，Ib表示支路b的风险参与因子；
步骤4-5：对各支路的风险参与因子进行排序，风险参与因子越大，表明该支路对连锁故障的扩大影响越大，属于电力***的薄弱环节。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510514677.1A CN105117839B (zh) | 2015-08-20 | 2015-08-20 | 一种基于连锁故障的电力***薄弱环节辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510514677.1A CN105117839B (zh) | 2015-08-20 | 2015-08-20 | 一种基于连锁故障的电力***薄弱环节辨识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105117839A CN105117839A (zh) | 2015-12-02 |
| CN105117839B true CN105117839B (zh) | 2017-12-29 |
Family
ID=54665821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510514677.1A Active CN105117839B (zh) | 2015-08-20 | 2015-08-20 | 一种基于连锁故障的电力***薄弱环节辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105117839B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105719062B (zh) * | 2016-01-15 | 2019-08-16 | 西安交通大学 | 一种考虑两重故障概率特性的电网风险及薄弱环节评估方法 |
| CN105741016B (zh) * | 2016-01-22 | 2020-10-27 | 中国电力科学研究院 | 一种用于中期电网规划的静态可靠性概率指标获取方法 |
| CN106845852B (zh) * | 2017-02-07 | 2021-01-29 | 国网河南省电力公司 | 多直流馈入受端交流***电压稳定评估故障集形成方法 |
| CN107069705A (zh) * | 2017-02-16 | 2017-08-18 | 广西电网有限责任公司电力科学研究院 | 一种电网元件连锁故障模拟方法 |
| CN107516911A (zh) * | 2017-10-11 | 2017-12-26 | 中国南方电网有限责任公司 | 交直流混联电网连锁故障脆弱源的辨识方法 |
| CN107909276B (zh) * | 2017-11-20 | 2021-07-16 | 广东电网有限责任公司电力调度控制中心 | 一种电力信息物理融合***的脆弱性评估方法 |
| CN108767848B (zh) * | 2018-05-31 | 2020-06-09 | 西南交通大学 | 一种电力***脆弱线路辨识及连锁故障预防方法 |
| CN110969355B (zh) * | 2019-12-03 | 2023-06-09 | 重庆大学 | 增量风险事件的筛选方法、装置及计算机可读介质 |
| CN111049129A (zh) * | 2019-12-11 | 2020-04-21 | 国网浙江常山县供电有限公司 | 一种配电网运行薄弱环节两阶段评估方法 |
| CN113162034B (zh) * | 2021-04-20 | 2023-05-05 | 西南交通大学 | 一种含电气化铁路的薄弱电网供电能力计算方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063651A (zh) * | 2010-11-10 | 2011-05-18 | 中国电力科学研究院 | 一种基于在线采集数据的城市电网风险评估*** |
| CN102737286A (zh) * | 2012-04-23 | 2012-10-17 | 中国电力科学研究院 | 一种地区电网在线风险分析***和方法 |
| CN103246806A (zh) * | 2013-04-25 | 2013-08-14 | 浙江大学 | 一种含风电场电力***的运行风险评估方法 |
-
2015
- 2015-08-20 CN CN201510514677.1A patent/CN105117839B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063651A (zh) * | 2010-11-10 | 2011-05-18 | 中国电力科学研究院 | 一种基于在线采集数据的城市电网风险评估*** |
| CN102737286A (zh) * | 2012-04-23 | 2012-10-17 | 中国电力科学研究院 | 一种地区电网在线风险分析***和方法 |
| CN103246806A (zh) * | 2013-04-25 | 2013-08-14 | 浙江大学 | 一种含风电场电力***的运行风险评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于蒙特卡罗模拟法在变电站风险评估中的研究;段玉波等;《科学技术与工程》;20071130;第7卷(第22期);第5890-5892页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105117839A (zh) | 2015-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105117839B (zh) | 一种基于连锁故障的电力***薄弱环节辨识方法 | |
| CN105653764B (zh) | 电网安全事故风险等级在线评估与预警方法 | |
| CN101800426A (zh) | 电网安全性水平评估方法 | |
| CN107292481B (zh) | 一种基于节点重要度的电网关键节点评估方法 | |
| WO2019154135A1 (zh) | 一种基于网络抗毁度的微电网可靠性评估方法 | |
| CN105244903A (zh) | 一种背靠背异步联网混合直流输电***的可靠性评估方法 | |
| CN104657822A (zh) | 一种基于风险评估结果的电力***灾害预警分级方法及*** | |
| CN104281737A (zh) | 一种海上风电场集电***拓扑结构选型方法 | |
| CN102570450B (zh) | 一种适用于复杂电网的静态可靠性评估方法 | |
| CN105354675A (zh) | 基于关键输电断面识别的交直流电网连锁故障分析方法 | |
| CN104037790B (zh) | 一种基于时序蒙特卡罗模拟的新能源接纳能力评估方法 | |
| CN105447618B (zh) | 一种电力***分区可靠性评估方法 | |
| CN107622360A (zh) | 一种综合考虑主客观因素的关键线路识别方法 | |
| CN104036434A (zh) | 一种配电网负荷供应能力评价方法 | |
| CN106655201A (zh) | 一种基于安全域的电力***热稳定安全优化控制方法 | |
| CN107069705A (zh) | 一种电网元件连锁故障模拟方法 | |
| CN103887792B (zh) | 一种含分布式电源的低压配电网建模方法 | |
| CN108683209B (zh) | 一种分布式电源并网能力评估方法和装置 | |
| CN107679744A (zh) | 基于线路脆弱性指标的大电网战略通道动态辨识方法 | |
| CN108616145B (zh) | 一种计及事故后电压影响效果的新能源切机优化方法 | |
| CN107067126A (zh) | 一种基于潮流转移比的热稳定关键输电通道识别方法 | |
| CN104578050B (zh) | 一种电网暂态稳定强相关输电断面的识别方法 | |
| CN103606111A (zh) | 一种综合电压合格率的评估方法 | |
| CN106203829A (zh) | 一种考虑天气状态的接触网可靠性评估方法 | |
| CN106786564B (zh) | 一种基于动态跟踪的直流受端交流***电压薄弱区域评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |