应用贝叶斯网络的连锁故障模式识别

电网连锁故障的演变是一个随机过程,而大部分线路断线故障都可以用断路器的开断进行描述。贝叶斯网络能够灵活描述不确定信息,并能进行不确定性推理。以贝叶斯网络理论构建系统实时网络拓扑并计算故障概率,同时引入能够反映电力系统运行状态的支路静态势能函数来综合构建出风险指标,进行连锁故障模式识别。以IEEE-30母线系统进行算例分析,仿真结果能够搜索出各种连锁故障模式集,并能反映出各个模式的严重程度,验证了该方法的合理性、有效性。

小世界网络下电网连锁故障预测

电网连锁故障可能导致大规模停电等严重后果,小世界网络是复杂网络理论中重要网络模型之一。该文首先提出了基于小世界网络构建合理的拓扑模型,建立预测连锁故障优先级的方法。其次,构造了建立在物理特性、电气参数、功率损耗等因素基础上的加权电气介数,结合完整的支路静态能量函数模型,建立了映射潮流变化的能量指标。再次,提出了反映电网发生故障后小世界网络模型的状态和结构变化的综合性裕度指标预测连锁故障。最后,将该算法在IEEE-57母线系统中进行算例分析,仿真结果表明所提预测方法能够快速、准确地搜索出较严重的连锁故障模式集,验证了该方法的合理性、有效性。

基于电网状态和结构的连锁故障预测

电网连锁故障可能导致大规模停电并造成严重后果,在故障初期对后续故障进行预测有助于对大停电事故的预防。在分析了典型连锁故障的发展过程的基础上,建立了完整的支路静态能量函数的模型,构建了映射潮流变化的能量指标。结合反映电网结构脆弱性的电气介数,计及前后故障之间的累积效应,提出了反映电网故障后状态变化和结构变化的综合性裕度指标预测连锁故障。仿真结果能够搜索出较严重的连锁故障模式集,验证了该方法的合理性、有效性。