[发明专利]一种电力系统连锁故障关键节点辨识方法及系统

说明书

本发明涉及电力系统技术领域，具体涉及一种电力系统连锁故障关键节点辨识方法及系统，包括：获取电力系统中的历史故障数据，将历史故障数据进行量化得到初始故障数据和最终故障规模数据；提取从初始故障数据到最终故障规模的高度非线性映射关系；基于从初始故障数据到最终故障规模的高度非线性映射关系量化电力系统所有节点在不同故障类型下的连锁故障风险；根据所有节点在不同故障类型下的连锁故障风险，利用量化指标识别关键节点。通过LM优化后的BP神经网络提取了历史故障中初始故障与最终故障规模间的高度非线性映射关系，并基于这种映射关系根据初始故障预测最终故障规模，考虑了在连锁故障关键节点辨识方法。

技术领域

本发明涉及电力系统技术领域，具体涉及一种电力系统连锁故障关键节点辨识方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

风电等新能源在被广泛利用的同时，也对我国电网安全稳定运行带来了新的挑战。截止2020年底，我国新能源装机已达5亿千瓦，未来风光新能源发电的比例还将继续升高。伴随着新能源容量的快速增长，国内外电力系统发生了多次因电压问题导致的大规模风机脱网事故。风电大规模脱网导致的功率缺额可能会引起全系统频率稳定问题，影响电力的稳定供应。辨识连锁故障传播中的关键节点对于确保电网安全稳定运行条件至关重要，一旦辨识出关键节点，就可以采取有针对性的预防保护措施，比如重新调度发电机出力，加强输电线路稳定性检测，增加储能容量等。

因此，研究高比例风电接入下的电力系统连锁故障问题，并对连锁故障传播中的关键节点进行辨识，对于保障电网安全稳定运行有着重要意义。

发明内容

本发明的目的在于提供一种电力系统连锁故障关键节点辨识方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

本发明的第一个方面提供一种电力系统连锁故障关键节点辨识方法，包括：

获取电力系统中的历史故障数据，将历史故障数据进行量化得到初始故障数据和最终故障规模数据；

提取从初始故障数据到最终故障规模的高度非线性映射关系；

基于从初始故障数据到最终故障规模的高度非线性映射关系量化电力系统所有节点在不同故障类型下的连锁故障风险；

根据所有节点在不同故障类型下的连锁故障风险，利用量化指标识别关键节点。

本发明的第二个方面提供一种电力系统连锁故障关键节点辨识系统，包括：

数据获取模块，被配置为获取电力系统中的历史故障数据，将历史故障数据进行量化得到初始故障数据和最终故障规模数据；

数据处理模块，被配置为提取从初始故障数据到最终故障规模的高度非线性映射关系；

连锁故障风险计算模块，被配置为基于从初始故障数据到最终故障规模的高度非线性映射关系量化电力系统所有节点在不同故障类型下的连锁故障风险；

关键节点识别模块，被配置为根据所有节点在不同故障类型下的连锁故障风险，利用量化指标识别关键节点。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的一种电力系统连锁故障关键节点辨识方法中的步骤。

本发明的第四个方面提供一种计算机设备。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的一种电力系统连锁故障关键节点辨识方法中的步骤。