电力系统暂态稳定评估预想故障快速强壮分类方法
【专利摘要】本发明公开了一种电力系统暂态稳定评估预想故障快速强壮分类方法，属于电力系统及其自动化【技术领域】。本发明基于扩展等面积准则，通过深入挖掘积分步长不同的暂态稳定分析算法间所包含的不同裕度信息及其比较结果、反映研究算例时变程度，并结合故障信息组成暂态稳定严重程度不同类别的识别规则，将预想故障全集中各算例分为稳定、疑似稳定、临界、疑似失稳、失稳5类。本发明可实现预想故障全集中各算例暂态稳定严重程度不同类别的高效、可靠、合理分类，对深入协调在线暂态稳定分析精度和速度、解决计及不确定性因素下的暂态稳定分析问题具有重大的理论和工程意义。
【专利说明】电力系统暂态稳定评估预想故障快速强壮分类方法
【技术领域】
[0001] 本发明属于电力系统及其自动化【技术领域】，更准确地说，本发明涉及一种电力系 统暂态稳定评估预想故障快速强壮分类方法。
【背景技术】
[0002] 电力系统是典型的大规模非自治非线性系统，系统中元件数目的众多、模型的繁 杂使得暂态稳定分析的求解易陷入"维数灾"，求解速度与精度一直被认为是一对不可调和 的矛盾。
[0003] 由特性互补的静态EEAC(SEEAC)、动态EEAC(DEEAC)和集成EEAC(IEEAC)算法构成 的EEAC算法框架为协调这对矛盾提供了坚实的基础。
[0004] IEEAC算法基于由满足精度要求的逐步积分法给出的受扰轨迹，在每个积分步的 初始时刻更新一系列映象0ΜΙΒ系统的参数，再通过最小值原则将映象系统的分析结果返 回至多机空间。它与对应的数值积分具有相当的精确性和模型灵活性，未采用任何新的假 设，是EEAC的精度与强壮性的保证。
[0005] SEEAC是专门针对经典模型的EEAC算法，它采用了理想两群模式的假设，本质上 为模型凝聚技术，故误差较大。但它只需用单步泰勒级数求取映象系统在τ时刻的功角与 加速度，故仅消耗极小的计算量就可获得稳定裕度的解析解。同时也为EEAC提供了许多宝 贵的中间结果。
[0006] DEEAC巧妙地用4次自适应的大步长泰勒级数展开获得指定τ值或准临界条件 下故障中、故障后轨迹，并在多机轨迹的凝聚时大大松弛了 SEEAC算法关于冻结同群各机 组间偏移角的近似假设，分别处理4段正弦曲线。它是协调SEEAC及IEEAC的接口，对提高 EEAC的整体性能起到不可或缺的作用。
[0007] 从SEEAC到DEEAC再到IEEAC，在计算精度提高的同时，计算量也越来越大。EEAC 算法框架以DEEAC为桥梁，协调SEEAC的快速性和IEEAC的精确性。应用EEAC算法评估每 个算例时，按照假设条件从强到弱，再消失的顺序调用这3种算法，使其整体兼获强壮性和 快速性。
[0008] 基于EEAC算法的算例筛选是提高暂态稳定分析速率、实现暂稳分析在线化的有 力措施，根据简化算法快速分析结果或在线运行历史结果信息可以过滤掉那些相当稳定的 算例、而着重对不稳定或接近不稳定的算例进行详细分析。
[0009] 根据这一思想，专利申请"电力系统暂态稳定评估预想故障集快速筛选方法"（公 开号：103336994A)基于扩展等面积准则（Extended Equal Area Criterion, EEAC)，通过比 较静态EEAC(SEEAC)与动态EEAC(DEEAC)算法的裕度计算结果，来反映算例的时变程度；并 依据这些信息组成不同的筛选规则，按照各筛选规则分层筛除掉预想故障全集中足够稳定 的预想故障子集，减小了需执行详细暂态稳定分析的预想故障数。不过，面对特高压工程和 智能电网建设引起的系统模型、规模复杂性的增加，以及新能源接入引入的随机因素，现有 筛选技术在不确定性分析和在线应用中仍面临较大压力。
[0010] 电力系统的本质时变性和模型复杂性决定了任意情形下稳定算例的全部筛除并 不可能；同时，无论对于相当稳定还是相当失稳的算例，只要其本质时变因素足够弱，简化 算法和复杂算法都很可能显示相似的暂态稳定分析结果。
[0011] 显然，实现暂态稳定分析中算例的快速强壮分类及过滤对进一步协调分析精度和 速度、解决在线分析和不确定性分析问题有着重大的理论和工程意义。然而，现有大部分文 献集中于输电线路及变压器的故障类型分类，涉及故障暂稳严重程度分类的文献不多。它 们普遍应用人工智能技术构造算例分类框架，同时执行算例分类的目的仍是实现稳定算例 的可靠筛除。众所周知的，仅仅基于人工智能技术的分类器设计一般都存在强壮性的缺陷； 此外，用于筛除稳定算例的中间结果仍有值得进一步挖掘的信息。
【发明内容】
[0012] 本发明目的是：针对现有技术中算例筛选存在的问题，提供电力系统暂态稳定评 估预想故障快速强壮分类方法，从而将预想故障全集中各算例按暂态稳定严重程度类别分 为稳定、疑似稳定、临界、疑似失稳、失稳5类。在这一分类结果的基础上，可以将相当稳定 和相当失稳的算例可靠筛除，减少需要执行详细暂态稳定分析的算例数，在保证分析精度 的前提下加快在线或计及不确定性因素情形下的暂稳分析速度。
[0013] 在已有专利申请技术的基础上，本发明进一步挖掘简化程度不同的暂稳分析算法 间差异，结合研究算例故障信息，构造暂稳严重程度不同的各类算例识别规则，实现预想故 障全集中各算例的快速强壮分类。与已有专利申请技术相比，本发明将可靠筛除的算例扩 展为相当稳定和相当失稳的算例，在本发明的分类基础上可视在线暂稳分析实际情形灵活 增加滤除的算例类别，进一步大大减少了需执行详细暂态稳定分析的算例数。
[0014] 具体地说，本发明是采用以下技术方案实现的，包括如下步骤：
[0015] 1)算例分类框架启动后，取出预想故障全集中某个算例，应用SEEAC算法对该算 例进行裕度计算；
[0016] 2)如果由SEEAC算法求得的稳定裕度I1SE(T)大于阈值ει(τ)，且该算例故障 清除时间τ小于或等于阈值ε 2，则将其识别为稳定类算例，并执行步骤14)，否则执行步 骤3);
[0017] 3)应用SEEAC算法进行极限计算求得该算例临界清除时间if，以其替代该算例 故障清除时间τ，分别应用SEEAC、DEEAC算法进行裕度计算，通过比较SEEAC、DEEAC算法 裕度计算过程的差异反映该算例时变程度；
[0018] 4)如果由SEEAC算法求得的稳定裕度iise(〇大于阈值ε3( τ)，且由步骤3)反 映的时变程度小于或等于阈值ε 4，则将该算例识别为稳定类算例，并执行步骤14)，否则执 行步骤5);
[0019] 5)应用DEEAC算法对该算例进行裕度计算，并通过比较SEEAC与DEEAC算法裕度 计算结果的差异反映该算例时变程度；
[0020] 6)如果由DEEAC算法求得的稳定裕度ilDE(〇大于阈值ε5(τ)，且由步骤5)反 映的时变程度小于或等于阈值ε 6，则将该算例识别为稳定类算例，并执行步骤14)，否则执 行步骤7);
[0021] 7)如果由SEEAC算法求得的稳定裕度nSE( τ )大于阈值ε 7、由DEEAC算法求得 的稳定裕度nDE(T)大于阈值ε8，且该算例故障清除时间τ小于或等于阈值ε9，同时由 步骤3)反映的时变程度小于或等于阈值ε1(ι，则将该算例识别为稳定类算例，并执行步骤 14)，否则执行步骤8);
[0022] 8)如果由SEEAC算法求得的稳定裕度nSE( τ )小于阈值ε η，且由DEEAC算法求 得的稳定裕度nDE( τ )小于阈值ε 12，则将该算例识别为失稳类算例，并执行步骤14)，否则 执行步骤9);
[0023] 9)如果由SEEAC算法求得的稳定裕度nSE( τ )小于阈值ε 13，且由DEEAC算法求 得的稳定裕度nDE( τ )小于阈值ε 14( τ )，同时，由步骤3)反映的时变程度小于或等于阈 值ε15，则将该算例识别为失稳类算例，并执行步骤14)，否则执行步骤10);
[0024] 10)如果由SEEAC算法求得的稳定裕度nSE( τ )小于阈值ε 16且大于由DEEAC算 法求得的稳定裕度nDE(T)，同时，该算例故障清除时间τ大于或等于阈值ε 17且由步骤 5)反映的时变程度小于或等于阈值ε18，则将该算例识别为失稳类算例，并执行步骤14)， 否则执行步骤11);
[0025] 11)如果由SEEAC算法求得的稳定裕度nSE( τ )大于阈值ε 19，且由DEEAC算法求 得的稳定裕度nDE(T)大于阈值ε2(ι，同时该算例故障清除时间τ小于或等于阈值ε 21，则 将该算例识别为疑似稳定类算例，并执行步骤14)，否则执行步骤12);
[0026] 12)如果由SEEAC算法求得的稳定裕度nSE( τ )小于阈值ε 22，且由DEEAC算法 求得的稳定裕度nDE(T)小于阈值ε23，同时，由步骤3)反映的时变程度小于或等于阈值 ε 24，则将该算例识别为疑似失稳类算例，并执行步骤14)，否则执行步骤13);
[0027] 13)将该算例识别为临界类算例，并执行步骤14);
[0028] 14)如果预想故障全集中所有算例都被识别为上述五种类别之一，结束算例分类 框架，否则执行步骤1)取下一算例进行处理。
[0029] 上述技术方案的进一步特征在于：所述步骤3)中通过比较SEEAC、DEEAC算法裕度 计算过程的差异反映该算例时变程度的方法为，分别求得SEEAC和DEEAC两种算法裕度计 算过程中得到的加速、减速面积的差异、以及DEEAC算法裕度计算过程中得到的加速面积 和减速面积的差异，再按公式（1)求取最大差异值σ i以反映该算例时变程度：
【权利要求】
1.电力系统暂态稳定评估预想故障快速强壮分类方法，其特征在于，包括以下步骤： 1) 算例分类框架启动后，取出预想故障全集中某个算例，应用SEEAC算法对该算例进 行裕度计算； 2) 如果由SEEAC算法求得的稳定裕度ilSE( τ )大于阈值ε从τ )，且该算例故障清除时 间τ小于或等于阈值ε2，则将其识别为稳定类算例，并执行步骤14)，否则执行步骤3); 3) 应用SEEAC算法进行极限计算求得该算例临界清除时间if，并以其替代该算例故 障清除时间τ，分别应用SEEAC、DEEAC算法进行裕度计算，通过比较SEEAC、DEEAC算法裕 度计算过程的差异反映该算例时变程度； 4) 如果由SEEAC算法求得的稳定裕度iise(t)大于阈值ε3(τ)，且由步骤3)反映的 时变程度小于或等于阈值ε 4，则将该算例识别为稳定类算例，并执行步骤14)，否则执行步 骤5); 5) 应用DEEAC算法对该算例进行裕度计算，并通过比较SEEAC与DEEAC算法裕度计算 结果的差异反映该算例时变程度； 6) 如果由DEEAC算法求得的稳定裕度ilDE(〇大于阈值ε5(τ)，且由步骤5)反映的 时变程度小于或等于阈值ε 6，则将该算例识别为稳定类算例，并执行步骤14)，否则执行步 骤7); 7) 如果由SEEAC算法求得的稳定裕度iise(t)大于阈值ε7、由DEEAC算法求得的稳 定裕度η ΒΕ(τ)大于阈值ε8，且该算例故障清除时间τ小于或等于阈值ε9，同时由步骤 3)反映的时变程度小于或等于阈值ε1(ι，则将该算例识别为稳定类算例，并执行步骤14)， 否则执行步骤8); 8) 如果由SEEAC算法求得的稳定裕度iise(t)小于阈值εη，且由DEEAC算法求得的 稳定裕度n DE( τ )小于阈值ε 12，则将该算例识别为失稳类算例，并执行步骤14)，否则执行 步骤9); 9) 如果由SEEAC算法求得的稳定裕度iise(t)小于阈值ε13，且由DEEAC算法求得的稳 定裕度n DE( τ )小于阈值ε 14( τ )，同时，由步骤3)反映的时变程度小于或等于阈值ε 15， 则将该算例识别为失稳类算例，并执行步骤14)，否则执行步骤10); 10) 如果由SEEAC算法求得的稳定裕度iise(t)小于阈值ε16且大于由DEEAC算法求 得的稳定裕度η ΒΕ(τ)，同时，该算例故障清除时间τ大于或等于阈值ε17且由步骤5)反 映的时变程度小于或等于阈值ε 18，则将该算例识别为失稳类算例，并执行步骤14)，否则 执行步骤11); 11) 如果由SEEAC算法求得的稳定裕度iise(t)大于阈值ε19，且由DEEAC算法求得的 稳定裕度n DE(T)大于阈值ε2(ι，同时该算例故障清除时间τ小于或等于阈值ε21，则将该 算例识别为疑似稳定类算例，并执行步骤14)，否则执行步骤12); 12) 如果由SEEAC算法求得的稳定裕度iise(t)小于阈值ε22，且由DEEAC算法求得的 稳定裕度nDE(T)小于阈值ε23，同时，由步骤3)反映的时变程度小于或等于阈值ε 24，则 将该算例识别为疑似失稳类算例，并执行步骤14)，否则执行步骤13); 13) 将该算例识别为临界类算例，并执行步骤14); 14) 如果预想故障全集中所有算例都被识别为上述五种类别之一，结束算例分类框架， 否则执行步骤1)取下一算例进行处理。
2. 根据权利要求1所述的电力系统暂态稳定评估预想故障快速强壮分类方法，其特征 在于，所述步骤3)中通过比较SEEAC、DEEAC算法裕度计算过程的差异反映该算例时变程 度的方法为，分别求得SEEAC和DEEAC两种算法裕度计算过程中得到的加速、减速面积的差 异、以及DEEAC算法裕度计算过程中得到的加速面积和减速面积的差异，再按公式（1)求取 最大差异值σ i以反映该算例时变程度：
其中：
上述式中，
为SEEAC、DEEAC两种算法裕度计算过程中得到的加速面积的差 异，
为SEEAC、DEEAC两种算法裕度计算过程中得到的减速面积的差异，
为DEEAC算法裕度计算过程中得到的加速面积和减速面积的差异，
为对应于'if 的由SEEAC算法求得的加速面积，
为对应于的由DEEAC算法求得的加速面积，
为对应于if的由SEEAC算法求得的减速面积，
为对应于if的由DEEAC 算法求得的减速面积。
3. 根据权利要求1所述的电力系统暂态稳定评估预想故障快速强壮分类方法，其特征 在于，所述步骤5)中通过比较SEEAC、DEEAC算法裕度计算结果的差异反映该算例时变程度 的方法为，按公式（2)SEEAC、DEEAC算法裕度计算结果的差异值σ 2(τ)以反映该算例时变 程度：
其中，nSE( τ )是由SEEAC算法求得的稳定裕度，ηDE( τ )由DEEAC算法求得的稳定裕 度。
4. 根据权利要求1所述的电力系统暂态稳定评估预想故障快速强壮分类方法，其特征 在于，各阈值的取值如下： ε 2 = 0. 260、ε 4 = 〇. 465、ε 6 = 〇. 350、ε 7 = 0. 800、ε 8 = 〇. 810、ε 9 = 〇. 400、 ε 1Q = 0. 500、ε n = -〇. 900、ε 12 = -〇. 950、ε 13 = 〇. 〇〇〇、ε 15 = 〇. 405、ε 16 = -〇. 050、 ε 17 = 0. 260、ε 18 = 0. 480、ε 19 = 0. 〇〇〇、ε 2。= 0. 050、ε 21 = 0. 200、ε 22 = 0. 〇〇〇、ε 23 =-〇. 050、ε 24 = 〇. 400 ; 当0彡τ彡〇. 26时按下式计算ε τ )的值：
当0彡τ〈1时按以下公式计算ε 3( τ )、ε 5( τ )、ε 14( τ )的值：
当 τ 彡 1 时，ε3(τ)、ε5(τ)、ε14(τ)的值分别取 0·923、0·980、-0·940。
【文档编号】G06Q50/06GK104252685SQ201410271454
【公开日】2014年12月31日 申请日期:2014年6月17日 优先权日:2014年6月17日
【发明者】薛禹胜, 黄天罡, 薛峰, 李威, 刘福锁, 宋晓芳, 王昊昊 申请人:国网电力科学研究院, 国电南瑞科技股份有限公司, 国家电网公司