1、Electrical Automation电气自动化 2023 年第 45 卷 第 1 期电力系统及其自动化Power System Automation基于绝对潮流因子的电力系统脆弱性辩识章剑光1，2，张永建3(1 国网绍兴供电公司，浙江 绍兴312000;2 浙江大学 电气学院，浙江 杭州310063;3 重庆大学 电气工程学院，重庆400000)摘要:电力系统状态持续变化，会引起系统潮流状态与拓扑的明显差异，无法实现对离线与静态状态进行辩识的功能。为实现不同系统结构下的关键线路高效识别，选择分布因子相关度指标评价不同线路间的关联性能够达到快速识别系统故障情况下的关键线路。研究结果表明:通
2、过 IEEE 39 节点的算例分析可知，利用所提方法能够达到对电力系统关键线路准确识别的效果;绝对潮流因子能够实现全面辨识的结果，从而准确辨识静态关键线路;分布因子相关度指标可以实现较快的计算速度，满足动态关键线路的辨识要求。设计方法对提高电力系统脆弱性辩识效果具有很好的实际应用和推广价值。关键词:电力系统;绝对潮流因子;脆弱性;辩识能力;算例分析DOI:10 3969/j issn 1000 3886 2023 01 010 中图分类号 TM711 文献标志码 A 文章编号 1000 3886(2023)01 0036 03Identification of Power System Vul
3、nerability Based on Absolute Power Flow FactorsZhang Jianguang1，2，Zhang Yongjian3(1 State Grid Shaoxing Power Supply Company，Shaoxing Zhejiang 312000，China;2 College of Electrical Engineering，Zhejiang University，Hangzhou Zhejiang 310063，China;3 School of Electrical Engineering，Chongqing University，C
4、hongqing 400000，China)Abstract:The continuous changes in the state of the power system will cause significant differences between the power flow state and topology ofthe system，which can not satisfy the function of identifying the offline and static states In order to achieve efficient identificatio
5、n ofkey lines under different system structures，the distribution factor correlation index was selected to evaluate the correlation betweendifferent lines，which can quickly identify the key lines in the case of system failures The research results show that:through theanalysis of the IEEE 39 node exa
6、mple，it can be known that the proposed method can achieve the effect of accurately identifying thekey lines of the power system The absolute power flow factor can achieve the result of comprehensive identification，so as toaccurately identify the static key line;the distribution factor correlation in
7、dex can achieve a fast calculation speed and meet theidentification requirements of the dynamic key line This design method has very good practical application and promotion value forimproving the effect of power system vulnerability identificationKeywords:power system;absolute tidal current factor;
8、vulnerability;discernment ability;example analysis定稿日期:2021 09 16基金项目:浙江省科技项目资助项目(CG042605 DMSJ)“绍兴城区配电网网架脆弱度智能诊断分析”0引言随着各国经济发展，用电量一直保持持续增长的趋势，而配套电力设施则相对滞后，经常出现大面积停电的问题，由此造成了极大经济损失，对整个社会的正常运转产生不利影响1 4。引起连锁故障的最重要因素是部分关键线路在使用阶段出现了故障。根据前期文献研究结果以及电网功率分布因子的变化特征，利用阻抗矩阵分析支路潮流对发电 负荷节点影响，从而大幅降低计算量，并实现对关键线路的高
9、效辨识5 7;在线路潮流分量绝对值上增加了绝对潮流因子，从而防止潮流双向叠加方式引起关键线路被漏判的情况;之后设置了线路权重因子来判断节点特性引起的线路重要度差异性。电力系统状态持续变化，会引起系统潮流状态与拓扑的明显差异，无法满足对离线与静态状态进行辩识的功能，而采用动态识别方式则需要耗费大量的时间8 10。为实现不同系统结构下的关键线路高效识别，本文选择分布因子相关度指标评价不同线路间的关联性，能够快速识别系统故障情况下的关键线路。1本文模型1 1发电机支路功率分布因子发电机支路功率分布因子符合基尔霍夫定律，可以准确反馈线路使用状态。利用网络结构与参数计算得到发电机支路功率分布因子，各输电
10、线路分别包含 q 个分布因子，当系统内存在 l条输电线路时，将会获得 q 个数据，由此构成包含 l 维的发电机支路功率分布因子矩阵。第 i 个节点的电压 Ui计算如下Ui=qk=1xikik(1)式中:xik为阻抗矩阵，i=1，2，n;ik为第 k 个电源电流。第 k 个电源发出的功率 Sk为:Sk=UkIk(2)1 2绝对潮流因子图1 显示了支路 ij内形成的实际潮流，其中，线路ij潮流总共通过 5 台发电机形成(G1 G5)。以 S1 S5 表示发电机输出功率11。发电机 1、2、3 相对 4、5 在支路 ij 内形成了相反方向的电流，63Electrical Automation电力系统
11、及其自动化Power System Automation电气自动化 2023 年第 45 卷 第 1 期图 1支路 ij 潮流两种潮流值刚好被抵消，在某些情况下抵消后等于 0。假定发电机 4 发生故障时，反向潮流 4被消除，导致支路 ij 形成更大实际潮流，超出支路 ij 传输极限后，会引起故障发生扩大情况。定义绝对潮流因子 Aij为线路权重因子 ij与线路潮流因子ik两者之积的模12。Aij=ijij(3)线路权重因子为:ij=1+Si kqk=1Sk，i G1，i G(4)式中:G 为发电机节点集合;Sk为单台发电机的发电量。1 3辨识流程根据以上绝对潮流因子指标，结合分布因子相关度指标，
12、针对电力系统的各个关键线路设置了辨识程序，具体计算流程见图 2。图 2算法流程图 3IEEE 39 节点系统接线图2算例分析对 IEEE 39 节点开展仿真测试，此系统总共包含 10 台发电机、46 条线路与19 个负荷点，具体拓扑结构见图 3。计 算 IEEE 39节点 39 条输电线路的绝对潮流因子，再对其进行降序排列，得到图 4 所示结果。从本次计算得到的结果中选择前 10 位绝对潮流因子指标对应的线路，跟文献图 4线路绝对潮流因子分布 16 模型测试结果开展比较分析，同时跟线路实际潮流排序结果进行了对比，结果见表 1。表 1关键线路辨识结果序号电气介数法本文方法实际潮流排序114 18
13、(22)12 14(22)2629 12(23)8 11(9)32310 11(24)14 18(21)15414 15(26)2 8(9)28518 21(30)9 13(17)41621 22(15)18 19(21)2476 14(4)13 19(21)1589 16(22)20 26(11)23910 15(7)26 28(40)14104 6(2)16 17(12)21相对于电气介数排序位于前 10 的关键线路，可以判断本文各线路都是关键线路，除了以上 5 条线路之外，还有 5 条关键线路存在辨识结果的差异性，这种差异是由模型设置的影响因素引起的。(1)本文针对线路权重因子进行了分析
14、。线路 29 38(46)与 3 39(17)都是与发电机关联的线路，考虑线路权重因子的影响后，形成了更大的绝对潮流因子。其中，线路 29 38(46)的绝对潮流因子由 0 553 8 提高至 0 628 1，同时排序由 14 变成 9。(2)对节点负荷产生的影响进行分析。线路 19 20(32)与3 4(6)与线路节点中二个最大负荷相连，依次为 680 MW 与822 MW。其中，线路 19 20(32)介数由 0 295 8 提高至 1，排序由 41 转变成 1。根据本文研究发现，系统关键线路除了受到拓扑结构关键性影响以外，还受到发生故障后系统潮流的作用，考虑到 5 条线路都位于重要功率输
15、送通道上，一旦发生断开的情况时将会造成明显的潮流转移，由此获得更合理的结果。当关键线路发生连续故障时会造成负荷在大范围内丢失的情况。根据切负荷量评价系统可靠程度可知，随着切负荷量的提高，系统受到的影响也越明显，对应的系统可靠性越差。为评价系统受到关键线路的影响，本文选择两种方案进行网73Electrical Automation电气自动化 2023 年第 45 卷 第 1 期电力系统及其自动化Power System Automation络攻击。第一种方案是利用切负荷量评价系统运行可靠度。随着切负荷量的提高，系统受到影响越明显，可靠性越低。将 10 条最高潮流因子与电气介数的线路断开后，再计算
16、得到系统最佳切负荷量;第二种方案当全局效能指标越小时，系统受到的破坏也越明显，将达到最高绝对潮流因子与电气介数的 10 条线路进行断开，再计算系统全局效能。测试结果如图 5 与图 6 所示。图 5系统切负荷量分布图 6系统效能函数分布分析图 4 可知，以绝对潮流因子攻击方式引起的负荷削减量相对电气介数引起的负荷削减量发生了明显提高，以电气介数方式切除时，当 5 条线路被切除时削减的负荷量只有94 02 MW。通过分析认为，本文绝对潮流因子指标中包含了系统潮流分布电气特征以及发电机与负荷线路，从而可以更全面确定系统关键线路。从图 5、图 6 可知，以绝对潮流因子方式进行攻击的系统效能相对电气介数方式更低。3结束语通过 IEEE 39 节点的算例分析可知，利用本文设计方法能够达到对电力系统关键线路准确识别的效果，特别是用电规模很大、无法实现潮流计算的快速收敛的互联电网。绝对潮流因子能够实现全面辨识的结果，从而准确辨识静态关键线路;分布因子相关度指标可以实现很快的计算速度，满足动态关键线路的辨识要求。参考文献:1 侯慧，俞菊芳，耿浩，等 台风灾害下配网用户停电数量预测最优数据驱动模型选择J