一种提取故障耦合传播过程中多能流负荷裕度演变及其交互特征的方法与流程

本发明涉及一种提取故障耦合传播过程中多能流负荷裕度演变及其交互特征的方法，属于综合能源系统安全分析领域。

背景技术：

综合能源系统是多能源网与互联网深度融合的产物，旨在通过建设电、热、冷和气等多种能源形式并存的供给、传输、分配和利用系统，提升多种能源的综合利用率，是实现我国未来能源革命目标的关键。相较于传统的电力网络，能源互联网在产能、用能、储能、能量传输和能量转换等方面都发生了很大变化。高比例可再生能源的接入、新兴储能设备的大范围使用、热泵和电动汽车等新型负荷的出现以及电力系统、天然气系统、供热系统和交通系统等多能源系统的交叉互联等因素，使得综合能源系统的运行与控制的复杂度大大增强，对各能源系统的可靠、安全运行提出了更高的要求。现阶段，亟需开展综合能源系统风险建模分析、风险评估及控制等方面的研究，为能源互联网的大规模工程实践奠定基础。

多能流复杂网络受到攻击时可能由于连锁故障引起部分或整个系统的崩溃，系统中个别元件故障导致的潮流转移和再分配是连锁故障产生和传播的根本原因，因此可以从网络拓扑角度研究多能流结构的脆弱性，以复杂网络科学为理论基础的小世界拓扑模型是一种有效工具。

本发明旨在探讨综合能源系统可靠性建模、风险分析及控制等科学问题，为当前及未来综合能源系统的建设和运行提供理论支撑和技术参考，本发明分析考虑故障耦合传播过程中的拓扑变化和状态变化，获取负荷裕度演变交互特性；分析异质能流传输及生产环节对eh拓扑及运行状态的影响，考虑各异质能流故障事件相关性，基于马尔可夫过程建立多能流连锁故障的转移过程，并生成故障跨能流传播的全系统状态空间，据此得到转移矩阵，并求解各极限状态的负荷裕度。

技术实现要素：

本发明采用如下技术方案：一种提取故障耦合传播过程中多能流负荷裕度演变及其交互特征的方法，该方法包括如下步骤：

步骤1：基于马尔可夫过程分析多能流连锁故障的转移过程，生成故障跨能流传播的全系统状态空间，据此得到转移矩阵，并求解各极限状态的负荷裕度；

步骤2：基于马尔可夫过程分析在故障耦合传播下的拓扑变化以及故障耦合传播下的状态变化，得到负荷裕度损失的马尔可夫链；

步骤3：分析综合能源负荷裕度演变过程中的交互行为，提取故障耦合传播过程中综合能源负荷裕度演变及其交互特征。

附图说明

附图1为本发明一种基于故障耦合传播过程中的综合能源系统负荷裕度求解方法的整体实施流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

步骤1：准备综合能源系统的原始数据，包括电力系统、天然气系统和热力系统的各节点、支路、耦合传播路径的原始数据，初始化综合能源系统互联网信息；

步骤2：固定能源网数据包初始数量n，随机分配给能量枢纽eh，固定能源互联网中调度中心的位置，计算平均传输周期t；

步骤3：定义综合能源系统网络拓扑模型g＝(j,b)，j表示节点的集合，b表示边的集合,设置模型的主要参数，其中包括综合能源系统网络的特征路径长度l、节点的领节点总数以及节点的集聚系数；

步骤4：在故障耦合传播过程中，考虑故障事件概率情况下，生成连锁故障系统状态空间：以初始扰动为起点生成综合能源系统的连锁故障路径，同时将所有的连锁故障路径视为由初始扰动涉及到的元件为根结点，连锁故障发展过程中依次涉及到的故障元件为分支结点或叶结点，从而构成的一个有向树，每条连锁故障路径均是若干个具有时序的系统状态集合；

步骤5：将系统状态分为吸收状态及转移状态2类：1)吸收状态，一旦进入这个状态，系统将会停留在此状态，连锁故障中止，系统将停留在此状态，对外状态转移概率为零，即

pij(δt)＝0,pij(δt)＝1(1)

2)转移状态。①包含超越工作极限的元件。在此状态下，超越工作极限的元件将以同样的概率被保护装置动作切除，系统状态转移概率为1，系统停留在原始状态的概率为零。假设此时有n个超越工作极限的元件，则有

②不存在超越极限元件，但存在过负荷元件。

在此状态下，过负荷工作元件的停运概率可通过前文所述的元件运行可靠性模型计算得到，即当前状态下元件i的停运概率，记为以表示当前状态下所有可能的元件停运概率之和，其中ωoli为状态下所有的过负荷元件集合。那么系统状态转移概率大小为：

步骤6：故障耦合状态转移过程符合马尔可夫过程特征，假设在时刻t0从任何一个状态a出发,到另一时刻t0+t,必然转移到a1，a2，···an处,…诸状态中的某一个,转移过程中的每一个状态的转移概率仅与系统当前状态有关，而与系统历史状态无关，在分析多能流耦合故障时，对于状态空间变化的分析，不仅需要考虑元件故障组合，还需要考虑由于系统状态所处环境信息、运行条件以及故障序列不同而造成的不同系统状态，区分系统状态，从而生成全系统状态空间，当转移概率的步长为1时,转移概率矩阵可记为:

步骤7：设系统初始状态的概率向量为其中各元素表示处于状态i的初始状态概率，若经过m步后处于j状态，则马尔可夫预测模型可以表示为：

z^(k+1)＝z^k·p＝z⁰·p^(k+1)(5)

其中，z^k+1为经过k次转移后处在统一状态下的概率；z^k为经过k次转移后自身状态的概率；p为第一次转移概率。

综合能源结构系统在故障耦合传播下状态计算及分析在一步转移概率矩阵基本不变的条件下,随着时间的推移,综合能源结构系统将出现平衡状态,即系统中各状态的概率保持不变。此时有z^(k+1)＝z^k,将其写成矩阵形式:

步骤8：对于初始故障集中的每一个元素，切断过载线路，重新计算系统潮流及切负荷大小，并更新系统状态信息；

步骤9：如果步骤7中的状态概率大于设定的阈值，且故障规模小于设定的阈值，则将此状态添加至备选故障集，若无满足条件的状态，停止搜索；

步骤10：将初始故障集取为备选故障集，并清空当前备选故障集，重复步骤8-10；

步骤11：基于马尔可夫过程的耦合传播过程的搜索结果，分析系统的薄弱环节，找到系统的关键环节及线路间的状态转移关系，得到负荷裕度损失马尔可夫链；

步骤12：分析综合能源系统中多能流负荷裕度演变过程的交互行为，提取故障耦合传播过程中多能流负荷裕度演变及其交互特征。

以上实施方案仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的保护范畴。