基于复合潮流熵的电网连锁故障高风险场景辨识的研究

电网规模的扩大化和结构的复杂化,使连锁故障对电力系统的威胁日益严重,有必要对连锁故障易发场景进行辨识。提出一种考虑系统实时运行状态和结构参数的高风险场景辨识方法,可对电网在不同运行状态下连锁故障发生概率进行评估。本方法综合考虑系统潮流分布、线路容量以及电压偏移和负荷水平,拟定复合潮流熵以反映场景连锁故障风险水平。根据复合潮流熵,提出基于花授粉算法的改进K-medoids算法对场景集进行聚类,得到指标最高的一类场景作为显著风险场景集,并建立连锁故障预测模型,计算该场景集的连锁故障概率加以验证。IEEE 30节点算例结果表明:该方法可从大量场景中有效辨识连锁故障高风险场景,可指导相关运行工作。