一种基于线性加权法的电网多重严重故障识别方法
【技术领域】
[0001] 本发明属于电力系统安全分析与在线监视技术领域，特别是设及一种基于线性加 权法的电网多重严重故障识别方法。
【背景技术】
[0002] 在电力系统的实际运行中，有必要预先识别出严重影响系统安全运行的故障，W制定出相应的预防控制措施，由此能够防止大规模停电事故的发生。故障包括单元件故障、 双元件故障或多重元件故障。现代电力系统是一个大规模的复杂网络，其预想故障数目非 常大，大多数方法只考虑单重故障或少数双重故障。但近年来发生的多次停电事故表明，高 风险的多重故障危害是不可忽视的。对于故障元件在=个或=个W上的故障，现有方法通 常采用多重化单重的思想，从最严重的单重故障开始，捜索下一级最严重的故障，由于将一 个组合问题人为地划分为多层捜索问题，容易忽略多个元件组合最优的情况，目前缺乏系 统性的有效识别方法。
【发明内容】
[0003] 为了解决上述问题，本发明的目的在于提供一种基于线性加权法的电网多重严重 故障识别方法。
[0004] 为了达到上述目的，本发明提供的基于线性加权法的电网多重严重故障识别方法 包括：
[0005] 步骤1)根据拓扑连接关系，建立电力系统图论模型及其对应的拉普拉斯矩阵；
[0006] 步骤2)根据节点性质及有功功率大小，建立节点有功功率矩阵；
[0007] 步骤3)利用线性加权法，构建多重严重故障目标函数，即严重故障集合由少数支 路组成，发生故障断开该些支路时，系统将解列为两个子系统，解列的系统内存在较大的有 功不平衡量；
[0008] 步骤4)求解拉普拉斯矩阵的广义逆矩阵与节点有功功率矩阵的乘积，即为目标 函数在实数域的精确解对应的向量；
[0009] 步骤5)根据精确解对应的向量构建故障初筛选矩阵；
[0010] 步骤6)计算故障初筛选矩阵中各列向量对应的故障元件数目，筛选出大于2的故 障对应的列向量；
[0011] 步骤7)根据运行人员的关注程度，确定目标函数中的权重系数，筛选出使目标函 数取得最小值的列向量；若不确定权重系数，采用作图法筛选出权重系数所属范围内使目 标函数取得最小值的列向量，列向量对应的故障即为多重严重故障。
[0012] 在步骤1)中，所述的建立电力系统图论模型及其对应的拉普拉斯矩阵的方法为： 含有n个节点和m条边的电力系统图论模型为G= (V，E，W)，V是顶点集，对应系统中的母 线、发电机、负荷节点，E是边集，对应线路，W是权矩阵，权矩阵元素W。为连接节点Vi和VJ 的边的权重，此处Wu= 1 ;节点的度为
【主权项】
1. 一种基于线性加权法的电网多重严重故障识别方法，其特征在于：其包括按顺序执 行的下列步骤： 步骤1)根据拓扑连接关系，建立电力系统图论模型及其对应的拉普拉斯矩阵； 步骤2)根据节点性质及有功功率大小，建立节点有功功率矩阵； 步骤3)利用线性加权法，构建多重严重故障目标函数，即严重故障集合由少数支路组 成，发生故障断开这些支路时，系统将解列为两个子系统，解列的系统内存在较大的有功不 平衡量； 步骤4)求解拉普拉斯矩阵的广义逆矩阵与节点有功功率矩阵的乘积，即为目标函数 在实数域的精确解对应的向量； 步骤5)根据精确解对应的向量构建故障初筛选矩阵； 步骤6)计算故障初筛选矩阵中各列向量对应的故障元件数目，筛选出大于2的故障对 应的列向量； 步骤7)根据运行人员的关注程度，确定目标函数中的权重系数，筛选出使目标函数取 得最小值的列向量；若不确定权重系数，采用作图法筛选出权重系数所属范围内使目标函 数取得最小值的列向量，列向量对应的故障即为多重严重故障。
2. 根据权利要求1所述的基于线性加权法的电网多重严重故障识别方法，其特征在 于：在步骤1)中，所述的建立电力系统图论模型及其对应的拉普拉斯矩阵的方法为：含有η 个节点和m条边的电力系统图论模型为G = (V，E，W)，V是顶点集，对应系统中的母线、发电 机、负荷节点，E是边集，对应线路，W是权矩阵，权矩阵元素 Wij为连接节点V JP V j的边的 权重，此处Wij= 1 ;节点的度为
，度矩阵D是以(I1，…dn为对角元的对角阵；图的 拉普拉斯矩阵L为L = D-W。
3. 根据权利要求1所述的基于线性加权法的电网多重严重故障识别方法，其特征在 于：在步骤2)中，所述的建立节点有功功率矩阵的方法为：节点有功功率矩阵P为列向量， ? 1等于节点输出有功功率，为正时表示节点V i为电源节点，向系统提供有功功率；为负 时表示节点Vi为负荷节点，消耗有功功率。
4. 根据权利要求1所述的基于线性加权法的电网多重严重故障识别方法，其特征在 于：在步骤3)中，所述的构建多重严重故障目标函数的方法为：利用线性加权法，构建多 重严重故障目标函数：(al)
，其中X表示故障对应的列向 量，c为权重系数；（a2)x = (X1, X2，…xn)Te Rn，
，AjP A 2分别表不将图G 分为两个子图的节点集；该函数包含两部分，XtLx和PtX ;由图的拉普拉斯矩阵的性质得：
恰好为割集的边的数目，因此，
:为解列的子系统的有功不平衡量。
5. 根据权利要求1所述的基于线性加权法的电网多重严重故障识别方法，其特征在 于：在步骤4)中，所述的求解拉普拉斯矩阵的广义逆矩阵与节点有功功率矩阵的乘积的方 法为：对X不做限制，此时记X为？，对目标函数求微分：
，令上式为0,得 21^ -cP = 0,即当
-00〈 α〈+〇〇, α为实数，目标函数（al)取得最小值， 其中L-为L的广义逆矩阵；因此，X'为目标函数（al)的精确解。
6. 根据权利要求1所述的基于线性加权法的电网多重严重故障识别方法，其特征在 于：在步骤5)中，所述的构建故障初筛选矩阵的方法为：根据X'构建故障初筛选矩阵 1^(11-1)，1><(11_1)=|> 1，1^2，~1^_1]，具体为：对^;/的各元素 ^;/1进行升序排列，记向量11的 各个元素匕为X' i的排列序号，令
，以此类推；排除1^中元素全部相等的情况，即没有发生任何故障，可形成 ηXn-1维的故障初筛选矩阵Knx (η_υ。
7. 根据权利要求1所述的基于线性加权法的电网多重严重故障识别方法，其特征在 于：在步骤6)中，所述的计算故障初筛选矩阵中各列向量对应的故曈元件数目的方法为： 筛选出大于2的故障对应的列向量，即筛选使獨
8. 根据权利要求1所述的基于线性加权法的电网多重严重故障识别方法，其特征在 于：在步骤7)中，所述的筛选出使目标函数取得最小值的列向量，列向量对应的故障即为 多重严重故障的方法为：根据运行人员的关注程度，确定目标函数中的权重系数c，将\代 入目标函数（al)，筛选出使目标函数取得最小值的X i，对应的故障就是多重严重故障集；若 不确定权重系数，采用作图法筛选，具体为：对每一个Xi，（al)就是一个以c为未知量的一 元线性函数；因此，以c为横坐标，目标函数（al)为纵坐标，画出一条直线；画出所有直线 后，纵轴上最小点对应的\所表示的故障就是识别出的多重严重故障。
【专利摘要】一种基于线性加权法的电网多重严重故障识别方法。其包括根据拓扑连接关系，建立电力系统图论模型及其对应的拉普拉斯矩阵；根据节点性质及有功功率大小，建立节点有功功率矩阵；利用线性加权法，构建多重严重故障目标函数；求解拉普拉斯矩阵的广义逆矩阵与节点有功功率矩阵的乘积；根据精确解对应的向量构建故障初筛选矩阵；计算故障初筛选矩阵中各列向量对应的故障元件数目；根据运行人员的关注程度，确定目标函数中的权重系数，筛选出使目标函数取得最小值的列向量等步骤。本发明效果：识别多重严重故障对制定有效的预防控制措施和解列控制策略具有重要指导意义。
【IPC分类】G06Q50-06
【公开号】CN104867063
【申请号】CN201510317666
【发明人】李媛媛, 王魁, 闫大威, 刘树勇, 梁群, 罗涛, 周进, 雷铮, 刘丽霞, 崔广胜
【申请人】国网天津市电力公司, 国家电网公司
【公开日】2015年8月26日
【申请日】2015年6月11日