关键词:
连锁跳闸
BP神经网络
电力系统保护
复杂网络理论
模式识别
摘要:
对于当今的电网,其安全水平与以往相比大大提升。但这并不意味着当今的电网就不存在安全问题,放眼全世界,可以看到全世界每年都会有各类的停电事故发生,似乎停电事故已经成了电力系统的一种顽疾。而从各种停电事故的具体发展情形来看,这些停电事故往往是由连锁故障引起,连锁故障通常都是由简单的初始故障经由连锁跳闸形成的,而且,在那些连锁跳闸事件发生时,电网往往对其缺乏预见性,不能及早地发现并阻止这些连锁跳闸事件的发生。所以,为了避免大停电事故的发生,在电网运行中尽早地评估电网是否会发生连锁跳闸是非常重要的,这可为电网的安全决策,及早地采取阻断电网连锁故障的措施提供重要的依据。本论文针对电网的连锁跳闸问题,根据基于神经网络实现模式识别具有快速、准确的优点,提出一种基于神经网络的连锁跳闸评估方法,主要研究内容如下:首先,根据电网连锁跳闸通常经由后备保护动作引起的事实,并结合实际电网中参与连锁跳闸的后备保护通常为距离III段和具有电流整定值的过负荷保护的情况,根据电网连锁跳闸的表达方程,深入地探讨了引起连锁跳闸的电网主要参数,即电网的节点注入功率。然后据此将电网节点注入功率向量视作输入,将电网连锁跳闸的是否发生看作输出,给出了表征此输入、输出变量之间一般映射关系的描述,以此为基础,提出了基于神经网络技术,利用样本数据,通过训练和测试神经网络来形成反映此输入、输出变量间映射关系的思路,并进一步提出了根据形成的神经网络来评估电网在任一的节点注入功率状态下是否发生连锁跳闸的思路。其次,分别针对单一初始故障场景和多初始故障的场景,并结合电网后备保护为距离III段和过负荷保护这两类常见情形,提出了利用神经网络技术评估电网在某一运行状态下是否因初始故障的冲击而发生连锁跳闸的操作方法及详细流程,然后以IEEE39节点系统和IEEE14节点系统为例,进行了详尽的算例分析,验证了所提方法的有效性。最后,将前述评估电网连锁跳闸的方法与初始故障的筛选相结合,形成了一种减少考虑初始故障数量的综合评估方法,使得所提出的连锁跳闸评估方法能够面向应用场景,并通过IEEE39节点系统上的算例分析进一步验证了所提评估方法的合理性和有效性。总之,本文提出的基于神经网络的电网连锁跳闸评估方法是在建立较完整的理论分析基础上的,其合理性和有效性通过算例分析得到了一定的验证,可为电网连锁跳闸的评估以及进一步研究提供有益的借鉴。