[发明专利]一种基于线性加权法的电网多重严重故障识别方法

说明书

技术领域

本发明属于电力系统安全分析与在线监视技术领域，特别是涉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

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，以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。对于故障元件在三个或三个以上的故障，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，搜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搜索问题，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

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。

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：

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。

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_ij为连接节点v_i和v_j的边的权重，此处w_ij＝1；节点的度为度矩阵D是以d₁,…d_n为对角元的对角阵；图的拉普拉斯矩阵L为L＝D-W。

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，Pi等于节点vi的输出有功功率，为正时表示节点vi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。