一種基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力系統(tǒng)安全分析與在線監(jiān)視技術(shù)領(lǐng)域，特別是設(shè)及一種基于線性加 權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法。
【背景技術(shù)】
[0002] 在電力系統(tǒng)的實際運行中，有必要預(yù)先識別出嚴(yán)重影響系統(tǒng)安全運行的故障，W制定出相應(yīng)的預(yù)防控制措施，由此能夠防止大規(guī)模停電事故的發(fā)生。故障包括單元件故障、 雙元件故障或多重元件故障?，F(xiàn)代電力系統(tǒng)是一個大規(guī)模的復(fù)雜網(wǎng)絡(luò)，其預(yù)想故障數(shù)目非 常大，大多數(shù)方法只考慮單重故障或少數(shù)雙重故障。但近年來發(fā)生的多次停電事故表明，高 風(fēng)險的多重故障危害是不可忽視的。對于故障元件在=個或=個W上的故障，現(xiàn)有方法通 常采用多重化單重的思想，從最嚴(yán)重的單重故障開始，捜索下一級最嚴(yán)重的故障，由于將一 個組合問題人為地劃分為多層捜索問題，容易忽略多個元件組合最優(yōu)的情況，目前缺乏系 統(tǒng)性的有效識別方法。

【發(fā)明內(nèi)容】

[0003] 為了解決上述問題，本發(fā)明的目的在于提供一種基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重 故障識別方法。
[0004] 為了達(dá)到上述目的，本發(fā)明提供的基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法 包括：
[0005] 步驟1)根據(jù)拓?fù)溥B接關(guān)系，建立電力系統(tǒng)圖論模型及其對應(yīng)的拉普拉斯矩陣；
[0006] 步驟2)根據(jù)節(jié)點性質(zhì)及有功功率大小，建立節(jié)點有功功率矩陣；
[0007] 步驟3)利用線性加權(quán)法，構(gòu)建多重嚴(yán)重故障目標(biāo)函數(shù)，即嚴(yán)重故障集合由少數(shù)支 路組成，發(fā)生故障斷開該些支路時，系統(tǒng)將解列為兩個子系統(tǒng)，解列的系統(tǒng)內(nèi)存在較大的有 功不平衡量；
[0008] 步驟4)求解拉普拉斯矩陣的廣義逆矩陣與節(jié)點有功功率矩陣的乘積，即為目標(biāo) 函數(shù)在實數(shù)域的精確解對應(yīng)的向量；
[0009] 步驟5)根據(jù)精確解對應(yīng)的向量構(gòu)建故障初篩選矩陣；
[0010] 步驟6)計算故障初篩選矩陣中各列向量對應(yīng)的故障元件數(shù)目，篩選出大于2的故 障對應(yīng)的列向量；
[0011] 步驟7)根據(jù)運行人員的關(guān)注程度，確定目標(biāo)函數(shù)中的權(quán)重系數(shù)，篩選出使目標(biāo)函 數(shù)取得最小值的列向量；若不確定權(quán)重系數(shù)，采用作圖法篩選出權(quán)重系數(shù)所屬范圍內(nèi)使目 標(biāo)函數(shù)取得最小值的列向量，列向量對應(yīng)的故障即為多重嚴(yán)重故障。
[0012] 在步驟1)中，所述的建立電力系統(tǒng)圖論模型及其對應(yīng)的拉普拉斯矩陣的方法為： 含有n個節(jié)點和m條邊的電力系統(tǒng)圖論模型為G= (V，E，W)，V是頂點集，對應(yīng)系統(tǒng)中的母 線、發(fā)電機、負(fù)荷節(jié)點，E是邊集，對應(yīng)線路，W是權(quán)矩陣，權(quán)矩陣元素W。為連接節(jié)點Vi和VJ 的邊的權(quán)重，此處Wu= 1 ;節(jié)點的度為
【主權(quán)項】
1. 一種基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法，其特征在于：其包括按順序執(zhí) 行的下列步驟： 步驟1)根據(jù)拓?fù)溥B接關(guān)系，建立電力系統(tǒng)圖論模型及其對應(yīng)的拉普拉斯矩陣； 步驟2)根據(jù)節(jié)點性質(zhì)及有功功率大小，建立節(jié)點有功功率矩陣； 步驟3)利用線性加權(quán)法，構(gòu)建多重嚴(yán)重故障目標(biāo)函數(shù)，即嚴(yán)重故障集合由少數(shù)支路組 成，發(fā)生故障斷開這些支路時，系統(tǒng)將解列為兩個子系統(tǒng)，解列的系統(tǒng)內(nèi)存在較大的有功不 平衡量； 步驟4)求解拉普拉斯矩陣的廣義逆矩陣與節(jié)點有功功率矩陣的乘積，即為目標(biāo)函數(shù) 在實數(shù)域的精確解對應(yīng)的向量； 步驟5)根據(jù)精確解對應(yīng)的向量構(gòu)建故障初篩選矩陣； 步驟6)計算故障初篩選矩陣中各列向量對應(yīng)的故障元件數(shù)目，篩選出大于2的故障對 應(yīng)的列向量； 步驟7)根據(jù)運行人員的關(guān)注程度，確定目標(biāo)函數(shù)中的權(quán)重系數(shù)，篩選出使目標(biāo)函數(shù)取 得最小值的列向量；若不確定權(quán)重系數(shù)，采用作圖法篩選出權(quán)重系數(shù)所屬范圍內(nèi)使目標(biāo)函 數(shù)取得最小值的列向量，列向量對應(yīng)的故障即為多重嚴(yán)重故障。
2. 根據(jù)權(quán)利要求1所述的基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法，其特征在 于：在步驟1)中，所述的建立電力系統(tǒng)圖論模型及其對應(yīng)的拉普拉斯矩陣的方法為：含有η 個節(jié)點和m條邊的電力系統(tǒng)圖論模型為G = (V，E，W)，V是頂點集，對應(yīng)系統(tǒng)中的母線、發(fā)電 機、負(fù)荷節(jié)點，E是邊集，對應(yīng)線路，W是權(quán)矩陣，權(quán)矩陣元素 Wij為連接節(jié)點V JP V j的邊的 權(quán)重，此處Wij= 1 ;節(jié)點的度為
，度矩陣D是以(I1，…dn為對角元的對角陣；圖的 拉普拉斯矩陣L為L = D-W。
3. 根據(jù)權(quán)利要求1所述的基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法，其特征在 于：在步驟2)中，所述的建立節(jié)點有功功率矩陣的方法為：節(jié)點有功功率矩陣P為列向量， ? 1等于節(jié)點輸出有功功率，為正時表示節(jié)點V i為電源節(jié)點，向系統(tǒng)提供有功功率；為負(fù) 時表示節(jié)點Vi為負(fù)荷節(jié)點，消耗有功功率。
4. 根據(jù)權(quán)利要求1所述的基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法，其特征在 于：在步驟3)中，所述的構(gòu)建多重嚴(yán)重故障目標(biāo)函數(shù)的方法為：利用線性加權(quán)法，構(gòu)建多 重嚴(yán)重故障目標(biāo)函數(shù)：(al)
，其中X表示故障對應(yīng)的列向 量，c為權(quán)重系數(shù)；（a2)x = (X1, X2，…xn)Te Rn，
，AjP A 2分別表不將圖G 分為兩個子圖的節(jié)點集；該函數(shù)包含兩部分，XtLx和PtX ;由圖的拉普拉斯矩陣的性質(zhì)得：
恰好為割集的邊的數(shù)目，因此，
:為解列的子系統(tǒng)的有功不平衡量。
5. 根據(jù)權(quán)利要求1所述的基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法，其特征在 于：在步驟4)中，所述的求解拉普拉斯矩陣的廣義逆矩陣與節(jié)點有功功率矩陣的乘積的方 法為：對X不做限制，此時記X為？，對目標(biāo)函數(shù)求微分：
，令上式為0,得 21^ -cP = 0,即當(dāng)
-00〈 α〈+〇〇, α為實數(shù)，目標(biāo)函數(shù)（al)取得最小值， 其中L-為L的廣義逆矩陣；因此，X'為目標(biāo)函數(shù)（al)的精確解。
6. 根據(jù)權(quán)利要求1所述的基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法，其特征在 于：在步驟5)中，所述的構(gòu)建故障初篩選矩陣的方法為：根據(jù)X'構(gòu)建故障初篩選矩陣 1^(11-1)，1><(11_1)=|> 1，1^2，~1^_1]，具體為：對^;/的各元素 ^;/1進行升序排列，記向量11的 各個元素匕為X' i的排列序號，令
，以此類推；排除1^中元素全部相等的情況，即沒有發(fā)生任何故障，可形成 ηXn-1維的故障初篩選矩陣Knx (η_υ。
7. 根據(jù)權(quán)利要求1所述的基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法，其特征在 于：在步驟6)中，所述的計算故障初篩選矩陣中各列向量對應(yīng)的故曈元件數(shù)目的方法為： 篩選出大于2的故障對應(yīng)的列向量，即篩選使獨
8. 根據(jù)權(quán)利要求1所述的基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法，其特征在 于：在步驟7)中，所述的篩選出使目標(biāo)函數(shù)取得最小值的列向量，列向量對應(yīng)的故障即為 多重嚴(yán)重故障的方法為：根據(jù)運行人員的關(guān)注程度，確定目標(biāo)函數(shù)中的權(quán)重系數(shù)c，將\代 入目標(biāo)函數(shù)（al)，篩選出使目標(biāo)函數(shù)取得最小值的X i，對應(yīng)的故障就是多重嚴(yán)重故障集；若 不確定權(quán)重系數(shù)，采用作圖法篩選，具體為：對每一個Xi，（al)就是一個以c為未知量的一 元線性函數(shù)；因此，以c為橫坐標(biāo)，目標(biāo)函數(shù)（al)為縱坐標(biāo)，畫出一條直線；畫出所有直線 后，縱軸上最小點對應(yīng)的\所表示的故障就是識別出的多重嚴(yán)重故障。
【專利摘要】一種基于線性加權(quán)法的電網(wǎng)多重嚴(yán)重故障識別方法。其包括根據(jù)拓?fù)溥B接關(guān)系，建立電力系統(tǒng)圖論模型及其對應(yīng)的拉普拉斯矩陣；根據(jù)節(jié)點性質(zhì)及有功功率大小，建立節(jié)點有功功率矩陣；利用線性加權(quán)法，構(gòu)建多重嚴(yán)重故障目標(biāo)函數(shù)；求解拉普拉斯矩陣的廣義逆矩陣與節(jié)點有功功率矩陣的乘積；根據(jù)精確解對應(yīng)的向量構(gòu)建故障初篩選矩陣；計算故障初篩選矩陣中各列向量對應(yīng)的故障元件數(shù)目；根據(jù)運行人員的關(guān)注程度，確定目標(biāo)函數(shù)中的權(quán)重系數(shù)，篩選出使目標(biāo)函數(shù)取得最小值的列向量等步驟。本發(fā)明效果：識別多重嚴(yán)重故障對制定有效的預(yù)防控制措施和解列控制策略具有重要指導(dǎo)意義。
【IPC分類】G06Q50-06
【公開號】CN104867063
【申請?zhí)枴緾N201510317666
【發(fā)明人】李媛媛, 王魁, 閆大威, 劉樹勇, 梁群, 羅濤, 周進, 雷錚, 劉麗霞, 崔廣勝
【申請人】國網(wǎng)天津市電力公司, 國家電網(wǎng)公司
【公開日】2015年8月26日
【申請日】2015年6月11日