[发明专利]基于多参数线性规划的电力系统风险评估加速方法

说明书

本发明公开了一种基于多参数线性规划电力系统风险评估加速方法，该方法建立电力系统运行状态对应的切负荷量最小优化模型以及其对应的多参数线性规划模型；建立线路状态字典集；针对某一采样得到的电力系统运行状态，检索并匹配其对应线路状态字典集元素中的关键判断区域集；若匹配不成功，则采用优化软件求解该运行状态对应的以切负荷损失最小的优化模型，并运用求解结果建立新的关键判断区域；若匹配成功，则利用对应的关键判别区域的特征信息直接计算该运行状态对应的各节点失负荷量。利用本方法改进电力系统风险评估效率，提高电网的风险评估速度，为电网规划和运行人员提供决策参考和支持。

技术领域

本发明涉及电力系统分析技术领域，特别是涉及基于多参数线性规划的电力系统风险评估加速方法。

背景技术

现今电力系统中存在大量的不确定性。这些不确定性的累加和相互作用，使得电力系统实时运行在风险之中。例如，发电厂中发电机存在停运的概率，可能导致全系统的发电能力不足，从而导致被迫停电；传输线路存在退出运行的概率，使得全系统发生潮流转移，影响功率的传输分布，可能导致无法满足负荷需求；多种不确定性的相互作用，更可能导致重大事故的产生。

因此需要对电力系统进行风险评估，即通过概率方法，对电力系统中相关不确定性进行建模，根据不确定性建模结果，对全系统的停电风险进行评估。根据时间尺度，风险评估可以分为长期和中短期评估。长期风险评估结果对于电力系统的规划具有指导性作用，而中短期的风险评估则可以辅助电力系统调度运行人员决策，提高电力系统的运行安全性。

由于在电力系统风险评估过程中，需要生成大量的样本用于模拟未来电力系统的随机性，并应用最优潮流方法对每个样本的切负荷情况进行判断，因此其计算量大，分析速度慢制约了风险评估方法在实际电网中的应用。为了克服这一困难，大量提高评估效率的方法被提出。在采样技术上，包括截断抽样、分层抽样、状态空间剪枝、智能搜索、重要性采样、基于交叉熵方法等各类高效的采样技术被提出，用于提高采样效率，用更少的样本来模拟电力系统随机性，获得较好的收敛性。通过减少需要的样本数量，来加快风险评估过程。在样本的评估技术上，现有的方法和技术较为缺乏。一部分基于人工神经网络、支持向量机等机器学习技术的方法被提出，但他们都基于系统支路(输电线路、电缆、变压器以及连接两个母线的输电设备均被定义为“支路”)不会退出运行的假设，这与实际不符。

因此希望有一种电力系统风险评估加速方法，以解决现有技术中电力系统风险评估方法计算效率低下的问题。

发明内容

本发明的目的在于提供一种基于多参数线性规划的电力系统风险评估加速方法，该方法利用多参数线性规划方法，根据关键判断区域理论，采用动态学习方法，加速过程中的样本评估速度，从而提高计算效率，推进电力系统风险的实时评估。

本发明基于多参数线性规划的电力系统风险评估加速方法，定义输电线路、电缆、变压器以及连接两个母线的输电设备为支路；定义系统中的各类发电设备为机组；将电力系统发电机组与支路统称为元件；定义电力系统中的所有母线为节点；定义同一多参数规划问题的关键判别区域集合为关键判别区域集，关键判别区域集中的每一个关键判别区域为它的一个元素；定义存储多个线路状态以及各线路状态相应的电力系统参数和关键判别区域集的集合为线路状态字典集，线路状态字典集中的每一个线路状态以及其对应的电力系统参数和关键判别区域集为它的一个元素。

基于多参数线性规划的电力系统风险评估加速方法，其特征在于，所述电力系统风险评估加速方法包括以下步骤：

步骤1：在需要进行风险评估的时段内，采用蒙特卡洛方法随机采样电力系统的运行状态，其中电力系统的运行状态包括：各支路的正常或停运状态、发电机组的正常或停运状态以及电力系统各节点负荷大小，并对电力系统的运行状态建立以切负荷损失最小的优化模型以及切负荷损失最小的优化模型对应的多参数规划模型；