用於電力系統在線動態篩選的方法和系統的製作方法

2023-06-04 21:15:41 1

專利名稱：用於電力系統在線動態篩選的方法和系統的製作方法
技術領域：
本發明涉及電力系統領域，並更具體地涉及用於實際電力系統的在線暫態穩定分析、在線動態安全評估和能量裕度計算的方法。
背景技術：
電力系統連續地經歷擾動。這些擾動可分為事件擾動或負荷擾動。電力系統的規劃和操作應能承受某些特定擾動的發生。目前，現代能量管理系統(EMS)定期地執行在線(靜態)安全評估任務，以確保電力系統承受可信事故(擾動)。可信事故組是有可能發生的具有潛在嚴重後果的擾動的集合。所述評估包括選擇一組可信事故，隨後評價系統承受它們衝擊的能力。
對於現代電力系統而言，對EMS進行擴展以包括在線動態安全評估(DSA)是所希望的並且變得是必需的。然而，此擴展是具有相當挑戰性的任務；儘管此種擴展的持續壓力部分是因為經濟動機並且部分是因為環境考慮，但是，執行DSA部分是因為環境考慮，但是，長期以來，執行DSA是屬於離線活動。可期望從此擴展得到幾個明顯的好處。首先，如果執行在線DSA而不是離線DSA，電力系統可操作到操作裕度減小10倍或更多的程度。在線DSA的第二個好處是可大大減少分析量，從而只包括那些與實際操作條件有關的事故。
從工程上考慮，在線安全評估要求評價幾百個或者甚至是幾千個可信事故對電力系統的靜態和動態的影響。靜態安全評估(SSA)現在一般在能量管理系統中執行，它檢查對故障後(事故後)靜態的所有相關靜態約束的滿意度。從計算觀點考慮，SSA需要求解大型的非線性代數方程組。動態安全評估(DSA)是評估事故之後的電力系統穩定性/不穩定性，除了在SSA中的非線性代數方程組以外，DSA還要處理大型的非線性微分方程組。在線DSA中所需的計算工作量比SSA中的大概高三個數量級。
為了顯著減少在線DSA所需要的計算負擔，使用有效方案來篩選出大量穩定事故並只對潛在不穩定事故應用詳細仿真程序是得到廣泛認可的策略。此策略已經成功地在在線SSA中實施，並可潛在地應用到在線DSA中。給出一組可信事故，該策略把在線DSA的任務分為兩個評估階段階段1執行快速動態事故篩選任務，從一組可信事故中篩選出肯定穩定的事故；階段2對在階段1之後剩餘的每個事故執行詳細穩定評估和能量裕度計算。
階段1的動態事故篩選是在線DSA系統的基本功能。在階段1之後，剩餘的事故分為未決定的或潛在不穩定的，它們接著發送到階段2，進行詳細穩定評估和能量裕度計算。基於時域仿真的方法通常可應用到在線DSA的階段2。在線DSA系統的總體計算速度在很大程度上取決於動態事故篩選的效率，動態事故篩選的目的是識別肯定穩定的並因而不需要進一步穩定分析的事故。
在在線應用環境下，對於任何用於現代電力系統在線動態事故篩選的分類器而言，以下五條要求是最基本的(A-1)(可靠性測量)分類器完全捕捉不穩定的事故；具體地，分類器不會漏過不穩定的事故(單擺或多擺)。換句話說，所捕捉不穩定事故的數量與實際不穩定事故的數量的比例是1。
(A-2)(效率測量)分類器實現篩選出大量的穩定事故，即，分類器篩選出的穩定事故的數量與實際穩定事故的數量的比例儘可能接近1。
(A-3)(在線計算)分類器很少要求離線計算和/或調整，以便滿足經常變化的和不確定的操作條件。
(A-4)(速度測量)高速，即，在線操作要求分類器快速。
(A-5)(性能測量)DSA中分類器的性能對於電力系統操作條件的變化是堅固的。
完全捕捉不穩定事故的要求是對動態事故篩選的可靠性測量。對穩定事故漏掉的高百分比要求是效率測量。如魯棒性能要求所規定的，這些測量對於不同的操作條件不應該是降低測量功能的。當前和將來電力系統操作環境的趨勢是在線操作數據和假定離線數據可以有很大的不同。在非極端情況下，離線假定數據可變為與在線操作數據不相關。這表示在線計算要求的重要性。
已經在文獻中報導了在線動態事故篩選中的幾個研究開發。目前，除了在[2，3]中討論的一種方法以外，現有的動態事故篩選方法都非常依賴廣泛的離線仿真結果來區分事故。這些篩選方法都首先用離線網絡數據對一組可信事故執行廣泛的數值仿真，以便捕捉系統動態行為基本的穩定性特徵；接著，它們構造分類器，該分類器試圖以在線模式正確地區分新的和未曾見的電力網絡事故。因此，這些方法不能滿足以上在線計算要求。進而，這些方法不能滿足可靠性要求。
BCU方法近來，開發一種尋找控制不穩定平衡點的系統方法，稱作BCU方法，並在Chiang的美國專利5483462[1]中公布。在開發用於給定電力系統穩定性模型的BCU方法時，必須首先定義有關的減化態(reduced-state)模型。我們考慮具有以下有包括損耗的保留電力網絡結構(network-preserving)的暫態穩定模型=-Uu(u,w,x,y)+g1(u,w,x,y)]]>=-Uw(u,w,x,y)+g2(u,w,x,y)]]>Tx=-Ux(u,w,x,y)+g3(u,w,x,y)---(1)]]>y=z]]>Mz=-Dz-Uy(u,w,x,y)+g4(u,w,x,y)]]>這裡，U(u，w，x，y)是純量函數。對於原始模型(1)，我們選擇以下微分代數系統，作為相關的減化態模型。
0=-Uu(u,w,x,y)+g1(u,w,x,y)]]>0=-Uw(u,w,x,y)+g2(u,w,x,y)]]>Tx=-Ux(u,w,x,y)+g3(u,w,x,y)]]>y=-Uy(u,w,x,y)+g4(u,w,x,y)]]>下面解釋BCU方法的基本思想。給出電力系統穩定性模型(該模型容許能量函數)，BCU方法首先發掘該模型的特殊性質，目的是定義人造的減化態模型，從而，滿足特定的靜態和動態關係。接著，BCU方法通過研究穩定邊界的特殊結構和減化態模型的能量函數而尋找減化態模型的控制UEP。最後，它使減化態模型的控制UEP關聯到原始模型的控制UEP。
概念BCU方法步驟1.從網絡保留模型(1)的故障軌跡(u(t)，ω(t)，x(t)，y(t)，z(t))檢測退出點(u*，w*，x*，y*)，在退出點(u*，w*，x*，y*)上，投射的軌跡(u(t)，ω(t)，x(t)，y(t))退出故障後減化態模型(2)的穩定邊界。
步驟2.使用在步驟1中檢測的退出點(u*，w*，x*，y*)作為初始條件，並且積分故障後減化態模型到一個平衡點。令解為(uCO，wCO，xCO，yCO)。
步驟3.對於保留電力網絡結構的暫態穩定模型(1)故障軌跡的控制UEP是(uCO，wCO，xCO，yCO)。在(uCO，wCO，xCO，yCO)處的能量函數值是對於故障軌跡(u(t)，ω(t)，x(t)，y(t)，z(t))的臨界能量。
概念BUC方法的步驟1和步驟2計算減化態系統的控制UEP。應指出，在概念BUC方法的步驟2中，退出點(u*，w*，x*，y*)的故障後減化態軌跡將收斂到平衡點。步驟3使減化態系統的控制UEP(關於投射的故障軌跡)與原始系統的控制UEP相關聯。在數值上實現保留電力網絡結構的暫態穩定模型的概念BUC方法有幾種可能的方式。
保留電力網絡結構的暫態穩定模型的概念BUC方法的數值實施如下所示
數值BCU方法步驟1.從原始模型(1)的(持續)故障軌跡(u(t)，w(t)，x(t)，y(t)，z(t))檢測退出點(u*，w*，x*，y*)，在退出點(u*，w*，x*，y*)上，投射的軌跡(u(t)，w(t)，x(t)，y(t))達到數值位能函數的第一局部最大值。
步驟2.用退出點(u*，w*，x*，y*)作為初始條件，並且積分故障後減化態系統(2)直到故障後減化態系統(2)的軌跡達到以下規範的(第一)局部最小值。令局部最小值為(u0*，w0*，x0*，y0*)。
步驟3.使用點(u0*，w0*，x0*，y0*)作為初始推測，並且求解以下非線性代數方程組||Uu(u,w,x,y)+g1(u,w,x,y)||]]>+||Uw(u,w,x,y)+g2(u,w,x,y)||]]>+||Ux(u,w,x,y)+g3(u,w,x,y)||]]>+||Uy(u,w,x,y)+g4(u,w,x,y)||=0]]>令解為(nCO*，wCO*，xCO*，yCO*)。
步驟4.相對於原始模型故障軌跡(u(t)，w(t)，x(t)，y(t)，z(t))的控制u.e.p.為(uCO*，wCO*，xCO*，yCO*，0)。
以上數值網絡保留BCU方法的步驟1-3計算減化態系統(2)的控制u.e.p.，並且，步驟4使減化態系統的控制u.e.p.與原始系統的控制u.e.p.相關。在數值BCU方法的步驟3中，最小梯度點(MGP)用作搜索控制u.e.p.的引導。從計算觀點考慮，MGP可用作Newton方法中的初始推測，以計算控制u.e.p.。如果MGP充分接近控制u.e.p.，那麼，Newton方法從MGP開始所產生的序列就收斂到控制u.e.p.。否則，該序列收斂到另一平衡點或發散掉。應該在步驟3中使用魯棒非線性代數求解器。
BCU分類器近來，開發一組用於電力系統在線動態事故篩選的BCU分類器[2，3]，並且在Chiang和Wang的美國專利5719787[2]中公布。然而，BCU分類器不總是滿足在以下數值仿真中示出的五個基本要求。
考慮173-母線真實電力系統模型。使用BCU分類器[1]篩選具有兩個不同負荷模型的總共1014個系統事故。在評估中考慮的故障類型是三相故障，並且，故障位置在發電機和負荷母線上。一些事故是通過開啟雙迴路可清除的故障，而其它則是通過開啟單迴路可清除的故障。在仿真中使用ZIP負荷模型，該模型包括20％恆定電流、20％恆定功率和60％恆定阻抗。考慮嚴重的和輕微的故障。所有故障假設在0.07s之後被清除。使用可靠的時域穩定程序在數值上核對所有分類結果。
對BCU分類器總共給出507個事故，第一BCU分類器濾掉59個事故並把它們歸為不穩定的。這59個事故在數值上由時域穩定程序核實。根據時域穩定程序，在這59個事故中，有58個事故確實是不穩定的，1個事故是穩定的。餘下的448個事故發送給第二BCU分類器，進行另一分類。此分類器濾掉8個被歸為穩定的事故，並且所有這些事故被時域穩定程序核實為實際上是單擺或多擺穩定。應指出，在實際應用中，不必把這些穩定的事故(由BCU分類器歸類的)發送給時域程序進行核實。餘下的440個事故發送到BCU分類器III，它篩選出0個不穩定的事故。餘下的440個事故發送到BCU分類器IV，它篩選出332個穩定的事故。根據時域穩定程序，在這些事故中，10個事故是不穩定的，322個事故是穩定的。第五BCU分類器總共篩選出16個事故。這些事故歸類為不穩定的。在這些事故中，14個是穩定的，2個確實是不穩定的。餘下的事故輸入到最終BCU分類器，進行最後的分類。在這些事故中，0個事故被歸類為穩定的，92個情形被歸類為不穩定的。根據時域穩定程序的核實，在這些事故中，12個事故確實是不穩定的，80個事故是穩定的。
此數值仿真揭示BCU分類器可能會錯誤地把不穩定事故歸類為穩定事故。例如，在173-母線系統中的10個不穩定事故被錯分為穩定的，因而，違反動態安全分類器的可靠性要求。
本發明開發一種用於實際電力系統在線動態安全篩選的改良BCU分類器。改良BCU分類器不僅滿足上述五個要求，而且還使以前在靜態安全評估中實際使用的策略可應用於在線動態安全評估中。進而，改良BCU分類器計算用於所篩選穩定事故的能量裕度。
為了說明改良BCU分類器在滿足五個基本要求(A-1)至(A-5)時的有效性，我們把它們應用到具有相同系統條件和相同事故組的173-母線電力系統中。
表1在173-母線阻尼系統ZIP模型上的BCU分類器

以下描述仿真結果。對改良BCU分類器總共給出507個事故，第一BCU分類器濾掉83個事故，並把它們歸類為不穩定的。這83個事故由時域穩定程序在數值上核實。根據時域穩定程序，在這些事故中，74個事故確實是不穩定的，而9個事故是穩定的。餘下的424個事故發送給第二BCU分類器，以進行另一次分類。此分類器濾掉16個被歸為穩定的事故，並且根據時域穩定程序，它們確實是穩定的。餘下的408個事故發送給BCU分類器III，該分類器篩選出0個不穩定事故。餘下的408個事故發送給BCU分類器IV，該分類器篩選出1個不穩定事故。根據時域穩定程序，此事故是穩定的。第五BCU分類器不篩選任何事故。BCU分類器VI總共篩選出1個被歸為不穩定的事故。然而，根據時域穩定程序，此事故是穩定的。餘下的事故輸入到最終BCU分類器，進行最後的分類。在它們中，380個事故歸類為穩定的並且它們全部由時域穩定程序核實為穩定的；26個事故被歸類為不穩定的。根據時域穩定程序的核實，在這26個情形中，8個事故確實是不穩定的，而18個事故是穩定的。
表4在173-母線無阻尼系統ZIP負荷模型上的改良BCU分類器的性能評估

完全捕捉和漏掉改良BCU分類器滿足在總計1014個事故中完全捕捉不穩定事故的要求。捕捉比例(即，所捕捉不穩定事故與實際事故的比例)為1.0。換句話說，改良BCU分類器捕捉所有不穩定事故。
大量漏掉穩定事故漏掉率(即，由改良BCU分類器漏掉的穩定事故與實際穩定事故的比例)分別為90.99％(阻尼)和90.58％(無阻尼)。在表4中概括改良BCU分類器在這些測試系統上的可靠性和效率測量。注意，八個BCU分類器中每一個的相同閾值作用於這1014個情形。改良BCU分類器不要求離線計算。
BCU引導時域方法我們現在轉到在線DSA的階段2，這包括詳細穩定評估和能量裕度計算。在對直接法幾十年的研究開發之後，已經很清楚它們不能取代穩定分析中的時域方法。相反，直接法的能力和時域方法的能力是互補的。當前的開發方向是把直接法和快速時域方法結合為集成電力系統穩定程序，以便利用這兩種方法的優點。
在計算能量裕度的文獻中提出幾種直接法。從實用觀點出發，現有的直接法不能可靠地計算每個事故的準確能量裕度。一些直接法只能對某些類型的事故計算能量裕度，而另一些直接法可以計算其它類型事故的能量裕度。因而，必須採取基於時域的方法來對這些直接法不能計算的事故來計算準確能量裕度。相反，對每個事故計算準確能量裕度的任務一直以來被認為是一個具有挑戰性的任務。
我們建議任何用於能量裕度計算的基於時域的方法都必須滿足以下基本要求(B-1)該方法計算的臨界能量值是準確和可靠的(B-2)該方法計算的臨界能量值必須與通過控制UEP所計算的臨界能量值兼容(B-3)該方法必須相當快。
開發此種基於時域的方法的一種有希望的途徑是根據某一直接法與幾個時域仿真的組合。
因而，到目前為止為計算能量裕度而提出的現有的所有基於時域的方法是包括以下兩個步驟步驟1.(穩定評估)應用時域方法來仿真系統軌跡，並接著基於仿真的故障後軌跡來評估其穩定性。
步驟2.(能量裕度計算)單獨基於仿真的故障後軌跡(如，基於等面積標準的方法以及混合方法)或結合一些其它的系統軌跡(如，改良混合方法和第二反衝(second-kick)方法)來計算相應的能量裕度。
顯然，在模型有效性下，這些方法非常準確地判別穩定和不穩定的事故。然而，它們對於在線應用而言太慢，並且它們在計算能量裕度時的準確度不是令人滿意的。而且，這些基於時域的方法不能滿足上述要求(B-1)至(B-3)，大部分是因為以下困難·必須先計算臨界清除時刻之後，才能獲得臨界能量值(因而獲得能量裕度)。
·它們缺少理論基礎·故障清除時刻和能量裕度之間的關係相當複雜，並且可能不是函數關係。
·對於穩定事故，基於時域仿真程序的方法所要求的計算時間非常長因而，用於能量裕度計算的現有時域方法不能應用於在線DSA的階段1和階段2。
近年來，在Mansour.Vaahedi和Chang的美國專利5638297中公布用於計算能量裕度的第二反衝方法[3]。然而，如幾個數值仿真中所示，第二反衝方法不能總是滿足基本要求(B-1)至(B-3)。具體地說，第二反衝方法計算的能量裕度通常與準確的能量裕度不兼容且不一致。
我們相信開發基於時域仿真的方法來計算能量裕度的唯一可行途徑是滿足以下原則的途徑(G-1)它基於臨界清除時刻的計算(或近似)(G-2)為了確定臨界清除時刻，它可有效地減少執行時域穩定仿真的時間間隔。(顯然，時間間隔越短，要求的時域穩定仿真的次數就越少，並且該方法將更快。)本發明開發一種(兩階段)BCU引導的時域方法，此方法是基於時域的BCU引導方法，用於穩定評估並計算臨界能量值。此方法所計算的能量裕度值能與控制UEP方法所計算的能量裕度值相兼容，而且此方法是可靠的和快速的。因而，該方法滿足基本要求(B-1)至(B-3)。BCU引導時域方法使用BCU引導方案，在給定時間間隔內確定縮短時間的時間間隔，並且對確定的時間間隔採用黃金分割插值算法，以減少準確能量裕度計算所要求的時域仿真總次數。
我們還在本發明中開發一種稱作BCU-DSA的新型系統，用於在現代能量管理系統中進行實際電力系統的在線動態安全評估和能量裕度計算。通過有效地研究BCU方法(和改良BCU分類器)與詳細時域仿真程序的優點，該新型系統滿足在線動態安全評估和能量裕度計算的要求。在圖1中示出該新型系統的結構。在此結構中有兩個主要部件(i)由一系列的改良BCU分類器組成的動態事故篩選程序，所述改良BCU分類器的主要功能是從一組可信事故中篩選出所有肯定穩定的事故，並且捕捉所有(潛在)不穩定的事故；以及(ii)BCU引導的時域程序，該程序對在(i)中捕捉的(潛在)不穩定的和未決定的事故進行穩定分析和能量裕度計算。

發明內容
為了滿足前述的迫切要求，本發明提供一種可靠有效的系統BCU-DSA，用於執行實際電力系統的在線動態安全評估(DSA)和能量裕度計算。具體地，本發明開發以下(i) 改良BCU分類器(ii) 用於穩定評估和能量裕度計算的BCU引導時域方法(iii)BCU-DSA系統，該系統是改良BCU分類器與BCU引導時域方法的混合結構，該系統執行實際電力系統的在線動態安全評估、評級和能量裕度計算。
3.1 改良BCU分類器改良BCU分類器(參見圖2)滿足上述五個要求(A-1)至(A-2)，並且包括以下特定順序的BCU分類器分類器I(用於網絡孤島問題)BCU分類器I設計為篩選出導致網絡孤島問題的非常不穩定的事故。
分類器II(用於SEP收斂問題)此分類器設計為檢測潛在不穩定的事故，當應用數值方法而從故障前穩定平衡點(SEP)開始計算故障後SEP時，所述事故導致以下SEP收斂問題。
(i)(數值發散問題)在從故障前穩定平衡點(SEP)開始計算故障後SEP時有發散問題，或者(ii)(不正確收斂問題)它收斂到錯誤的故障後EP(平衡點)。在此分類器中，設計兩個指標來確定導致SEP收斂問題的事故。
·Ismax在計算(故障後)穩定平衡點時的最大迭代次數。
·δsmax在故障前穩定平衡點與計算的(故障後)穩定平衡點之間的最大角度差分類器III-A(用於大穩定區的分類器)此分類器設計為篩選出非常穩定的事故，所述事故導致潛在故障後SEP的大(足夠尺寸)穩定區。為此分類器設計以下兩個指標·Texit到達故障軌跡的退出點所需的時間間隔。
·δsmax在故障前SEP和計算的故障後EP之間的最大角度差。
分類器III-B(用於退出點問題的分類器)此分類器用於篩選出導致所謂退出點問題的潛在不穩定事故。它在搜索退出點的過程中利用一些動態信息。為此分類器設計兩個指標。它們是·Texit到達故障軌跡的退出點所需的時間間隔。
· 故障前SEP和退出點之間的位能差。
給出一個研討事故，如果發生退出點問題，即，可在時間間隔
內找到退出點，並且，如果位能差是負的，那麼，該事故就歸類為潛在不穩定的事故。
分類器IV(用於射線調節問題的分類器)此分類器在搜索最小梯度點過程中基於一些動態信息而篩選出潛在不穩定事故。如果在最小梯度點搜索過程中不能進行射線調節，就表示數值BCU方法無法應用於此，且歸類該研討事故為潛在不穩定的事故。我們為此分類器提出以下指標·N(射線調節)在射線調節過程中的總失敗次數。
分類器V(用於能量函數問題的分類器)
在此分類器中，我們用能量函數隨著系統軌跡減小的性質而設計指標。如果在最小梯度點上的位能大於退出點上的，相應的事故就確定為導致能量函數問題並且歸類為潛在不穩定的事故。
分類器VI(用於UEP收斂問題)此分類器設計為當應用數值方法以從MGP開始計算控制u.e.p.時，檢測以下UEP收斂問題。
(i)(數值發散問題)在從MGP開始計算控制u.e.p.時有發散問題，或者(ii)(不正確收斂問題)它收斂到錯誤的控制u.e.p.，(即，最小梯度點位於另一u.e.p.的收斂區域中，而不是控制u.e.p.的收斂區域中)。
在此分類器中，設計下面的兩個指標來確定那些導致UEP收斂適問題的事故。具有UEP收斂適問題的研討事故則歸類為潛在不穩定的。
·Ismx在計算CUEP時的最大迭代次數。
·δsmax在最小梯度點和所計算UEP之間的最大角度差。
分類器VII(用於CUEP的分類器)接著，餘下的未分類的事故發送到BCU分類器VII，進行最後的分類。此分類器使用CUEP上的能量值作為臨界能量，把每個餘下的事故歸類為(肯定)穩定的或(潛在)不穩定的。根據控制UEP方法的理論，如果故障清除時刻的能量值小於臨界能量值，那麼，相應的事故就(肯定)是穩定的；否則，它就是(潛在)不穩定的。
對八個BCU分類器提供可信事故列表，BCU分類器I設計為篩選出那些導致網絡孤島問題的事故，而分類器II設計為篩選出那些在計算故障後穩定平衡點時具有收斂問題的事故。BCU分類器III-A設計為過濾具有大(故障後)穩定區的非常穩定的事故，而分類器III-B篩選出那些在計算退出點時導致數值困難的事故。BCU分類器IV篩選出那些在尋找MGP時導致數值失敗的事故。BCU分類器V過濾掉那些不能滿足能量函數要求的事故。BCU分類器VI篩選出那些在從MGP開始計算控制UEP時使BCU方法經受數值問題的事故。BCU分類器VII使用控制UEP上的能量作為臨界能量，把從前面分類器餘下的每一個事故分為兩類穩定事故和不穩定事故。經過BCU分類器過濾的事故被確定為潛在不穩定的事故，則發送到時域方法(如BCU引導時域方法)，進行明確的穩定性分析和能量裕度計算。
3.2 BCU引導時域方法基於黃金分割的方法給出研討事故，假設故障後SEP存在且假設在一定的時間間隔內，即[t1，t2]，如果在t1設定為故障清除時刻，故障後系統就是穩定的，如果在t2設定為故障清除時刻，故障後系統就是不穩定的。因而，臨界清除時刻位於間隔[t1，t2]內。本發明開發一種基於黃金分割的算法，使用以下步驟來計算位於時間間隔[t1，t2]內的臨界清除時刻基於黃金分割的方法步驟1.使用黃金分割方法從間隔[t1，t2]計算兩個故障清除瞬間t0(1)=0.618t1+0.382t2]]>t0(2)=0.618t2+0.382t1]]>步驟2.對故障清除時刻為t0(1)的事故執行時域穩定分析。如果故障後系統是不穩定的，就設定t2=t0(1),]]>並且前進到步驟3；否則就設定t1=t0(1),]]>並且對故障清除時刻為t0(2)的事故執行時域穩定分析。如果故障後系統是穩定的，就設定t1=t0(2);]]>否則就設定t2=t0(2).]]>步驟3.檢查收斂性如果‖t1-t2‖≤ε，就前進到步驟4；否則就前進到步驟1。
步驟4.臨界清除時刻設定為t1，並且在此臨界清除時刻的系統能量設定為臨界能量。
本發明開發一種(兩階段)BCU引導時域方法，該基於時域的方法是用於執行穩定評估並計算臨界能量值。該方法對於計算與控制UEP方法所計算能量裕度值兼容的能量裕度值而言是可靠和快速的。因而，該方法滿足基本要求(B1)-(B3)。以下符號用於我們對該方法的描述中·tcl＿故障清除時刻·tmgp＿在MGP的時間·tep＿在退出點的時間·VclPE＿在故障清除時刻的位能·VclKE＿在故障清除時刻的動能·Vmgp＿在MGP的能量·Vep＿在退出點的能量·Vuep＿在控制不穩定平衡點的能量以下詳細描述用於每一個事故的BCU引導時域方法(同時參照圖3)。假設滿足以下條件。如果所述條件不滿足，則容易相應地修改該方法。
tcl＜min{tuep，tmgp，tep}BCU引導時域方法輸入具有與動態安全評估和事故相關的數據的電力系統輸出對電力系統上事故的穩定評估和能量裕度值步驟1.(對具有事故的電力系統)應用BCU方法，以計算退出點(即，PEBS交點)。如果可在一定的時間內(如在2秒鐘內)找到退出點，就前進到步驟2；否則，如果終點的能量是正的，就宣布故障後系統為非常穩定的，並且能量裕度被賦值999，並且停止處理；否則，就宣布故障後系統為非常不穩定的，並且能量裕度被賦值-999，並且停止處理。
步驟2.如果退出點的能量為正，就前進到步驟3；否則，就宣布故障後系統為非常不穩定的，並且能量裕度被賦值-999，並且停止處理。
步驟3.繼續BCU方法，以計算MGP。如果找到MGP，就前進到步驟6；否則，就前進到步驟4。
步驟4.執行下列操作(i)(估計)設定臨界能量為在退出點的能量值，即Vcr＝Vep，並且從故障軌跡尋找故障時間(即tep)。(ii)(核實)以tep作為故障清除時刻而執行時域仿真。如果故障後系統是穩定的，就設定Vep為Vcr，並且停止處理；否則，就前進到步驟5。
步驟5.以tcl的狀態作為初始條件對故障後系統執行時域仿真。如果是穩定的，就設定t0＝tcl並且t1＝tep；否則就設定t0＝0並且t1＝tcl。前進到步驟8。
步驟6.繼續BCU方法，以計算CUEP。如果找到CUEP，就前進到步驟9；否則執行下列操作(i)(估計)設定臨界能量為在最小梯度點的能量值，即，Vcr＝Vmgp，並且從故障軌跡尋找相應的故障時間(即tmgp)。(ii)(核實)以tmgp作為故障清除時刻而執行時域仿真。如果故障後系統是穩定的，就設定Vmgp為臨界能量，並且停止處理；否則，就前進到步驟7。
步驟7.以tcl的狀態作為初始條件對故障後系統執行時域仿真。如果是穩定的，就設定t0＝tcl並且t1＝tmgp；否則就設定t0＝0並且t1＝tcl。前進到步驟8。
步驟8.執行下列操作來確定臨界能量值(i)(插值)用基於黃金分割的插值方法在(t0，t1)之間進行插值，以尋找一個瞬間，記作t(0)。
(ii)(核實)以t(0)作為故障清除時刻而執行時域仿真；如果故障後系統是穩定的，就把t(0)作為臨界清除時刻，並且相應狀態的能量值作為臨界能量，且停止處理；否則設定t1＝t(0)，並前進到此步驟的(i)(即在間隔(t0，t(0))之間進行另一次插值)。
步驟9.在所計算CUEP上的能量值用作臨界能量值。停止處理。
可以修改BCU引導時域方法中的步驟9，以時域仿真為代價以便改進BCU方法的保守性質。對於那些被BCU方法評估為穩定的事故，相應的能量裕度保持不變(即，基於BCU方法而確定能量裕度)；對於那些被BCU方法評估為不穩定的事故，可按以下修改相應的能量裕度步驟10.如果事故被所計算的CUEP評估為穩定的，那麼，相應的能量裕度就保持不變，並且停止處理；否則，以tcl的狀態作為初始條件對故障後系統執行時域仿真。如果是不穩定的，就設定t0＝0並且t1＝tcl，並前進到步驟8；否則前進到步驟11。
步驟11.以tmgp作為故障清除時刻而執行時域仿真。如果故障後系統是穩定的，就設定Vmgp為臨界能量，且停止處理；否則設定t0＝tcl並且t1＝tmgp，並前進到步驟8。
3.3 BCU-DSA系統本發明提供一種新型系統BCU-DSA，用於執行實際電力系統的在線動態安全評估和能量裕度計算。BCU-DSA的結構包括兩個主要部件(參見圖1)由八個BCU分類器組成的動態事故分類程序以及BCU引導的時域仿真程序。當批准DSA的新周期時，首先，可信事故列表，狀態估計和拓撲分析的信息一起輸入到改良BCU分類器，所述改良BCU分類器的基本功能是篩選出潛在不穩定或肯定穩定的事故。由改良BCU分類器歸類為肯定穩定的事故被賦予能量函數值，接著被排除進一步的穩定分析。被確定為潛在不穩定的事故接著發送給BCU引導時域仿真程序，以執行進一步的穩定分析和能量裕度計算。
BCU-DSA系統對實際電力系統的每個事故給出明確的穩定和不穩定評估以及準確的能量裕度，該系統的詳細流程圖在圖4中示出。由分類器I至VI，不包括分類器III-A，濾掉的事故被歸類為潛在不穩定的或未決定的，並且發送給BCU引導時域方法，進行明確的穩定分析和能量裕度計算。BCU分類器III-A和VII濾掉的事故被歸類為穩定的，能量裕度已經計算，並且不需要進一步的分析。因而，本發明中的新型BCU-DSA的一個明顯特性是不僅除去BCU方法中的保守性質，而且大大地提高BCU方法的可靠性和時域仿真方法的計算速度。


圖1為用於在線動態安全評估、能量裕度計算和控制的BCU-DSA的結構。
圖2為用於在線動態事故篩選的改良BCU分類器的結構。
圖3為用於可靠的穩定評估和能量裕度計算的BCU引導時域方法的流程圖。
圖4為用於可靠的穩定評估、動態事故評級和能量裕度計算的BCU-DSA系統的流程圖。
圖5為示出根據圖4所示BCU-DSA系統的用於規劃電力系統的系統的框圖。
圖6為示出根據圖4所示BCU-DSA系統的用於分析電力系統的系統的框圖。
圖7為示出根據圖4所示BCU-DSA系統的用於操作電力系統的系統的框圖。
圖8為示出根據圖4所示BCU-DSA系統的用於電力市場的信息系統的框圖。
具體實施例方式
本發明開發一種新型系統，即BCU-DSA系統，用於實際電力系統的在線動態安全評估和能量裕度計算。BCU-DSA系統由以下三個主要子系統組成(i) 改良BCU分類器(ii) 用於穩定評估和能量裕度計算的BCU引導時域仿真程序(iii)BCU-DSA系統，該系統是改良BCU分類器與BCU引導時域仿真程序的混合結構，該系統執行實際電力系統的在線動態安全評估和能量裕度計算。
5.1 改良BCU分類器改良BCU分類器的主要設計目的是保證滿足上述用於在線動態事故篩選的全部五個要求。為此，開發和集成八個BCU分類器，以形成基於在線和預測數據而執行在線動態安全分類的改良BCU分類器。八個BCU分類器順序執行在線暫態穩定分類，從而，每個BCU分類器不僅篩選出不穩定事故，而且篩選出那些可導致後續分類器性能下降的事故。
改良BCU分類器的另一設計目的是保證以下標準穩定分類中的保守標準如果事故被改良BCU分類器歸類為穩定的，該事故相對於所提供數據和模型(第一擺或多擺)就確實是穩定的；另一方面，如果事故被改良BCU分類器歸類為不穩定的，該事故就是穩定的或不穩定的(第一擺或多擺)。
以上保守標準在執行在線動態安全評估時是重要的。接著，所有由每個BCU分類器歸類為肯定穩定的事故從進一步分析中除去。這是由穩定事故的明確分類所引起的，這樣可實現高速動態安全評估。只有那些未被改良BCU分類器決定或確定為不穩定的事故接著發送到時域暫態穩定程序，以執行進一步的穩定分析。注意，BCU分類器給出保守分類的唯一情形是穩定事故、第一擺或多擺被歸類為不穩定事故。
在圖1中示出改良BCU分類器的結構。在控制UEP方法和BCU方法以及穩定區理論的理論基礎上建立本發明的改良BCU分類器。更具體地，在控制UEP方法的理論基礎上建立BCU分類器I、II、V和VII，同時，在BCU方法和穩定區理論的理論基礎上建立BCU分類器III-A、III-B、IV、VI和VII。在八個BCU分類器中，僅有的過濾肯定穩定的事故並計算有關能量裕度的一個BCU分類器是BCU分類器VII，而分類器III-A過濾出非常穩定的事故。其它BCU分類器的目的是篩選出不穩定事故。以下給出每個分類器的詳細描述。
分類器I(用於網絡孤島問題)由於斷線事故的影響，電網可能被分為兩個子網，稱作網絡孤島。儘管可在每個子網內保持同步，但電網整體將因網絡孤島而肯定失去同步。因而，如果事故導致網絡孤島問題，該事故就被歸類為非常不穩定的。
BCU分類器I設計為篩選出導致網絡孤島問題的非常不穩定事故。
分類器II(用於SEP收斂問題)此分類器設計為檢測潛在不穩定的事故，當應用數值方法而從故障前穩定平衡點(SEP)開始計算故障後SEP時，所述事故導致以下SEP收斂問題。
(i)(數值發散問題)在從故障前穩定平衡點(SEP)開始計算故障後SEP時有發散問題，或者(ii)(不正確收斂問題)它收斂到錯誤的故障後EP(平衡點)。在此分類器中，設計兩個指標來確定導致SEP收斂問題的事故。
·Ismax在計算(故障後)穩定平衡點時的最大迭代次數。
·δsmax在故障前穩定平衡點與計算的(故障後)穩定平衡點之間的最大角度差在從故障前SEP開始計算故障後SEP時，第一個指標基於最大迭代次數而檢測發散問題，即Ismax。如果所用迭代次數超過預定次數，那麼，相應的事故就被視為導致數值發散問題，並且被歸類為潛在不穩定的。第二個指標使用故障前SEP和所計算的故障後EP之間的最大角度差，作為判斷是否發生不正確收斂問題的依據。如果最大角度差大於預定的數量，那麼，相應的事故就認為已經導致不正確收斂問題，並且被歸類為潛在不穩定的事故。
分類器III-A(用於大穩定區的分類器)此分類器設計為篩選出非常穩定的事故，所述事故導致潛在故障後SEP的大(足夠尺寸)穩定區。此分類器在BCU方法的退出點搜索處理過程中利用一些動態信息。為此分類器設計以下兩個指標·Texit到達故障軌跡的退出點所需的時間間隔。
·δsmax在故障前SEP和所計算的故障後EP之間的最大角度差。
如果在時間間隔
內未發現退出點(即，PEBS交點)，並且如果最大角度差小於閾值，那麼，該事故就是非常穩定的，並且不需要進一步的分析。
分類器III-B(用於退出點問題的分類器)
此分類器用於篩選出導致所謂退出點問題的潛在不穩定事故。它在搜索退出點過程中利用一些動態信息。為此分類器設計兩個指標。它們是·Texit到達故障軌跡的退出點的所需的時間間隔。
·在故障前SEP和退出點之間的位能差。
給出一個研討事故，如果發生退出點問題，即，可在時間間隔
內找到退出點，並且，如果位能差是負的，那麼，該事故就歸類為潛在不穩定的。
分類器IV(用於射線調節問題的分類器)此分類器用於在搜索最小梯度點過程中基於一些動態信息而篩選出潛在不穩定的事故。
如果在搜索最小梯度點過程中不能進行射線調節，就表示數值BCU方法無法應用於此，研討事故且歸類它為潛在不穩定的事故。我們為此分類器提出以下指標·N(射線調節)在射線調節過程中的總失敗次數。
給出一個研討事故，如果次數N(射線調節)大於閾值，那麼，就認為該事故具有射線調節問題，並且被歸類為不穩定的事故。
分類器V(用於能量函數問題的分類器)基於以下假設而得到能量函數，所述假設為電力系統的傳輸電導足夠小，從而，該函數滿足作為能量函數所要求的三個條件。如果傳輸電導不足夠小，那麼，就不能使用(數值)能量函數來直接評估暫態穩定。
在此分類器中，我們用能量函數隨著系統軌跡減小的性質而設計指標。如果在最小梯度點上的位能大於退出點上的，相應的事故就確定為導致能量函數問題並且歸類為潛在不穩定的。
分類器VI(用於UEP收斂問題)此分類器設計為當應用數值方法從MGP開始計算控制u.e.p.時，檢測以下UEP收斂問題。
(i)(數值發散問題)在從MGP開始計算控制u.e.p.時有發散問題，或者(ii)(不正確收斂問題)它收斂到錯誤的控制u.e.p.，(即，最小梯度點位於另一u.e.p.的收斂區域中，而不是控制u.e.p.的收斂區域中)。
在此分類器中，設計兩個指標來確定那些導致UEP收斂問題的事故。下面描述的第一個指標基於在從最小梯度點開始計算控制u.e.p.時的最大迭代次數，即Ismax，而檢測數值發散問題。
·Ismax在計算CUEP時的最大迭代次數。
如果在計算CUEP時所用的迭代次數超過預定次數，相應的事故就認為是導致數值發散問題，並且被歸類為潛在不穩定的。
下面描述的第二個指標使用最小梯度點和所計算UEP之間的最大角度差作為檢測是否發生不正確收斂問題的依據。
·δsmax在最小梯度點和所計算UEP之間的最大角度差。
如果最大角度差大於預定數量，相應的事故就認為是導致不正確收斂問題，並且被歸類為潛在不穩定的。
分類器VII(用於CUEP的分類器)接著，餘下的未分類的事故發送到BCU分類器VII，進行最後的分類。此分類器使用CUEP上的能量值作為臨界能量，以便把每個餘下的事故歸類為(肯定)穩定的或(潛在)不穩定的。根據控制UEP方法的理論，如果故障清除時刻的能量值小於臨界能量值，那麼，相應的事故就(肯定)是穩定的；否則，就是(潛在)不穩定的。
基於幾個實際電力系統的廣泛仿真結果，我們發現改良BCU分類器可滿足上述基本要求。具體地，改良BCU分類器可實現不穩定事故的完全捕捉；即，不會錯過不穩定(單擺或多擺)事故；即，所捕捉不穩定事故與實際臨界事故的比例是100％。進而，濾掉量(即濾掉的穩定事故與實際穩定事故的比例)非常高。這些仿真結果揭示對於實際電力系統的在線動態安全評估而言，所述改良BCU分類器是非常可靠和有效的。
5.2 BCU引導時域方法本發明開發一種(兩階段)BCU引導時域方法，該方法是用於執行穩定評估並計算臨界能量值的基於時域的BCU引導方法。該方法對於計算與控制UEP方法所計算能量裕度值兼容的能量裕度值。因而，該方法滿足基本要求(B1)-(B3)。
BCU引導時域方法使用BCU引導方案，在給定時間間隔內確定縮短時間的時間間隔，並採用黃金分割插值算法來確定時間間隔，以減少準確能量裕度計算所需的時域仿真總數。為了解釋的目的，令事故的CCT，即tclr，在時間間隔
內。BCU引導時域方法的第一階段使用BCU引導方案，在
內確定子時間間隔[tmin，tmax]，其中，tmin＜tclr＜tmax。該方法的第二階段對間隔[tmin，tmax]採用下面描述的黃金分割算法，並且執行幾次時域仿真，以便精確定出滿足下列條件的足夠小的間隔[tclrmin，tclrmax]。
tclrmintclrtclrmax|tclrmax-tclrmin|]]>因而，我們獲得近似CCT。
基於黃金分割的方法黃金分割方法是用於尋找實值單峰函數最優解的一維搜索方法。黃金分割方法具有可靠性優秀和收斂快速的美譽，並且已經在用於執行一維最佳搜索的許多商業軟體包中廣泛使用。我們應用黃金分割算法，尋找位於時間間隔內的臨界清除時刻。
給出研討事故，假設故障後SEP存在，而且假設在某一特定的時間間隔內，即[t1，t2]，如果在t1設定為故障清除時刻，故障後系統就是穩定的，如果在t2設定為故障清除時刻，故障後系統是不穩定的。因此，臨界清除時刻位於間隔[t1，t2]內。我們應用黃金分割算法，使用以下步驟來計算位於時間間隔[t1，t2]內的臨界清除時刻基於黃金分割的方法步驟1.使用黃金分割方法從間隔[t1，t2]計算兩個故障清除時刻t0(1)=0.618t1+0.382t2]]>t0(2)=0.618t2+0.382t1]]>步驟2.對故障清除時刻為t0(1)的事故執行時域穩定分析。如果故障後系統是不穩定的，就設定t2=t0(1),]]>並且前進到步驟3；否則就設定t1=t0(1),]]>並且對故障清除時刻為t0(2)的事故執行時域穩定分析。如果故障後系統是穩定的，就設定t1=t0(2);]]>否則就設定t2=t0(2).]]>步驟3.檢查收斂性如果‖t1-t2‖≤ε，就前進到步驟4；否則就前進到步驟1。
步驟4.臨界清除時刻設定為t1，並且在此臨界清除時刻的系統能量設定為臨界能量。
在應用黃金分割算法計算臨界能量之前，一個重要的任務是設定用於黃金分割算法中的初始(故障清除)時間間隔的上、下限，以執行分割。在本發明中，基於下列一些信息而開發用於確定此初始時間間隔的BCU引導方法·在退出點(EP)上的勢能Vep，·在最小梯度點(MGP)上的勢能Vmgp，·一些插值時域仿真結果我們接下來詳細描述用於準確計算臨界能量的BCU引導時域方法。以下使用的符號在第3節中解釋。對滿足以下條件的情形進行此描述。
tcl＜min{tuep，tmgp，tep}如果所述條件不滿足，則很容易相應地修改此方法。
BCU引導時域方法輸入具有與動態安全評估和事故相關的數據的電力系統輸出對電力系統上事故的穩定評估和能量裕度值步驟1.(對具有事故的電力系統)應用BCU方法，以計算退出點(即，PEBS交點)。如果可在一定的時間內(如在2秒鐘內)找到退出點，就前進到步驟2；否則，如果終點的能量是正的，就宣布故障後系統為非常穩定的，並且能量裕度被賦值999，並且停止處理；否則，就宣布故障後系統為非常不穩定的，並且能量裕度被賦值-999，並且停止處理。
步驟2.如果退出點的能量為正，就前進到步驟3；否則，就宣布故障後系統為非常不穩定的，並且能量裕度被賦值-999，並且停止處理。
步驟3.繼續BCU方法來計算MGP。如果找到MGP，就前進到步驟6；否則，就前進到步驟4。
步驟4.執行下列操作(i)(估計)設定臨界能量為在退出點上的能量值，即Vcr＝Vep，並且從故障軌跡尋找相應的故障時刻(即tep)。(ii)(核實)以tep作為故障清除時刻而執行時域仿真。如果故障後系統是穩定的，就設定Vep為Vcr，並且停止處理；否則，就前進到步驟5。
步驟5.以tcl的狀態作為初始條件對故障後系統執行時域仿真。如果是穩定的，就設定t0＝tcl並且t1＝tep；否則就設定t0＝0並且t1＝tcl。前進到步驟8。
步驟6.繼續BCU方法來計算CUEP。如果找到CUEP，就前進到步驟9；否則執行下列操作(i)(估計)設定臨界能量為在最小梯度點上的能量值，即，Ver＝Vmgp，並且從故障軌跡尋找相應的故障時刻(即tmgp)。(ii)(核實)以tmgp作為故障清除時刻而執行時域仿真。如果故障後系統是穩定的，就設定Vmgp為臨界能量，並且停止處理；否則，就前進到步驟7。
步驟7.以tcl的狀態作為初始條件對故障後系統執行時域仿真。如果是穩定的，就設定t0＝tcl並且t1＝tmgp；否則就設定t0＝0並且t1＝tcl。前進到步驟8。
步驟8.執行下列操作來確定臨界能量值(i)(插值)用基於黃金分割的插值方法在(t0，t1)之間進行插值，以尋找瞬間，記作t(0)。
(ii)(核實)以t(0)作為故障清除時刻而執行時域仿真；如果故障後系統是穩定的，就把t(0)作為臨界清除時刻，並且相應狀態的能量值作為臨界能量，且停止處理；否則設定t1＝t(0)，並前進到此步驟的(i)(即在間隔(t0，t(0))之間進行另一次插值)。
步驟9.在所計算CUEP上的能量值用作臨界能量值。停止處理。
可以修改BCU引導時域方法中的步驟9，以便改進BCU方法以時域仿真為代價的保守性質。對於那些被BCU方法評估為穩定的事故，相應的能量裕度保持不變(即，基於BCU方法而確定能量裕度)；對於那些被BCU方法評估為不穩定的事故，可按以下修改相應的能量裕度步驟10.如果事故被所計算CUEP評估為穩定的，那麼，相應的能量裕度就保持不變，並且停止處理；否則，以tcl的狀態作為初始條件對故障後系統執行時域仿真。如果是不穩定的，就設定t0＝0並且t1＝tcl，並前進到步驟8；否則前進到步驟11。
步驟11.以tmgp作為故障清除時刻而執行時域仿真。如果故障後系統是穩定的，就設定Vmgp為臨界能量，且停止處理；否則設定t0＝0並且t1＝tmgp，並前進到步驟8.
為了說明本發明的BCU引導時域方法滿足三個基本要求(B1)-(B3)的有效性，我們對具有一組事故的實際200-母線電力系統應用該方法。另外，對實際電力系統在BCU引導方法、第二反衝方法[3]和精確時域方法之間進行準確性和計算速度方面的比較研究。這些數值結果概括如下。
·對於每一個事故，BCU引導時域方法總是計算小於並接近精確時域方法所計算能量裕度的能量裕度。此性質表示BCU引導方法在計算能量裕度時的保守。在直接法精神範圍內的此性質在實際應用中是令人滿意的。
·第二反衝方法可對每個事故計算能量裕度；然而，計算的能量裕度可能大於或小於通過精確時域方法所計算的。此性質意味著第二反衝方法在計算能量裕度方向是不一致的，這在預期應用中可導致能量裕度被過低估計或過高估計。
·在BCU引導時域方法的計算速度與精確時域方法的計算速度之間的比較大概為1到2的比例。
·三種方法共享一種公共性質它們對每個事故計算能量裕度。
·(速度)總體上，在這三種方法中，BCU引導方法具有最快的計算速度。
5-3 BCU-DSA本發明開發一種改良BCU分類器與BCU引導時域仿真程序的混合結構，稱作BCU-DSA，用於執行在線動態安全評估、能量裕度計算和控制(如圖4所示)。在此結構中有兩個主要的部件(i)改良BCU分類器，其主要功能是從一組可信事故中篩選出所有肯定穩定的事故，並且捕捉所有(潛在)不穩定的事故；以及(ii)BCU引導時域程序，該程序對在(i)中捕捉的(潛在)不穩定事故進行穩定分析和能量裕度計算。改良BCU分類器和BCU引導時域穩定分析程序的混合結構通過有效研究BCU方法(和改良BCU分類器)和詳細時域仿真程序的優點，而實現可靠性和準確性。為了實現在線DSA所需的高速度，混合結構設計為只對以下兩種事故才使用BCU引導時域仿真程序(1)由BCU分類器歸類為潛在不穩定的事故，以及(2)無法通過BCU方法獲得能量裕度的事故。而且，BCU引導時域穩定分析程序在穩定評估中消除直接法中的，具體為BCU分類器中的保守性質即，把穩定的事故歸類為不穩定的。結果，本發明的混合結構給出精確的穩定評估，即，既不樂觀也不悲觀的穩定評估。
當批准DSA的新周期時，首先，可信事故列表、狀態估計和拓撲分析的信息一起輸入到改良BCU分類器，所述改良BCU分類器的基本功能是篩選出潛在不穩定或肯定穩定的事故。由改良BCU分類器歸類為肯定穩定的事故被賦予能量函數值，接著被排除進一步的穩定分析。被確定為潛在不穩定的事故接著發送給BCU引導時域仿真程序，以執行進一步的穩定分析和能量裕度計算。更具體地，應用BCU引導時域方法，以便對那些由BCU分類器II至VI，但不包括III-A，所篩選出的事故執行穩定評估和能量裕度計算。
糾正措施的部件功能判斷使用及時故障後事故糾正措施如自動急救措施是否可操縱系統從不可接受條件切換到可接受狀態。如果沒有適當的糾正措施，預防措施的部件功能就決定所需的事故前預防措施，以便在發生某些事故時維持系統穩定。
在以上描述中，圖4中示出的BCU-DSA系統可適用於以下系統。
圖5為示出根據圖4所示BCU-DSA系統的用於規劃電力系統的系統的框圖。
在圖5中，該系統包括提供者50、BCU-DSA系統53和詳細仿真系統54。提供者50向電力系統提供建造規劃51以及電力系統的事故列表52。BCU-DSA系統53根據建造規劃51和事故列表52中的任一個而執行圖4中的方法。詳細仿真系統54根據BCU-DSA系統53的操作結果而執行詳細仿真。操作者利用詳細仿真的結果55，以便決定建造規劃51。
圖6為表示根據圖4所示BCU-DSA系統的用於分析電力系統的系統的框圖。
在圖6中，該系統包括採集系統61、能量管理系統(EMS)62、資料庫63和BCU-DSA系統64。採集系統61採集電力系統60的信息。能量管理系統62對電力系統執行能量管理並且估計電力系統的能量流。資料庫63儲存由能量管理系統62估計的能量流。BCU-DSA系統64根據資料庫63儲存的能量流以及事故列表65而執行圖4中的方法，以便評估暫態穩定，並且對電力系統中事故列表的每個事故計算能量裕度指標66。
圖7為表示根據圖4所示BCU-DSA系統的用於操作電力系統的系統的框圖。
在圖7中，該系統包括採集系統72、能量管理系統(EMS)73以及與EMS 73有關的BCU-DSA系統74。採集系統72採集電力系統的信息。EMS 73對電力系統執行能量管理並且估計電力系統的能量流。BCU-DSA系統74根據EMS 73計算的能量流以及事故列表75而執行圖4中的方法，以便評估暫態穩定，並且對電力系統中事故列表的每個事故計算能量裕度指標76，其中，該能量裕度指標76利用電力系統的發電機輸出的再分配指令。
圖8為表示根據圖4所示BCU-DSA系統的用於電力市場的信息系統的框圖。
在圖8中，該系統包括採集系統82、能量管理系統(EMS)83以及與EMS 83有關的BCU-DSA系統84。採集系統82採集電力系統的信息。EMS 83對電力系統執行能量管理並且估計電力系統的能量流。BCU-DSA系統84根據EMS 83計算的能量流以及事故列表85而執行圖4中的方法，以便評估暫態穩定，並且計算電力系統的能量裕度指標86，其中，該能量裕度指標86利用電力市場87並且發送電力系統的發電機輸出的再分配指令。
6.參考文獻[1]H.D.Chiang，「用於確定電力系統暫態穩定的在線方法」，美國專利5483462，1996年1月9日。
H.D.Chiang和C.S.Wang，「用於防止電力系統中電壓崩潰的動態方法」，美國專利5796628，1998年8月18日。
Y.Mansour等，「電力系統在線暫態穩定評估方法」，美國專利5638297，1997年6月10日。
C.Tang、C.E.Grahma、M、El-kady和R.T.H.Ablen，「常規時域模式的暫態穩定指標」，IEEE Trans，PWRS，第3期，第9卷，1994年8月，第1524-1530頁。
E.Vaahedi等，「用於在線動態安全評估的增強第二反衝方法」，IEEE Trans，PWRS，第4期，第11卷，1996年11月，第1976-1982頁。
儘管按照優選實施例描述本發明，但應該理解，只要不偏離後附權利要求所定義的本發明範圍，就可對所述實施例進行許多修改和變更。
權利要求
1.一種在線事故動態篩選方法，所述事故包括電力系統經歷的假設擾動，所述方法包括以下步驟a)使用多個事故分類器，基於尋找所述電力系統的控制不穩定平衡點的方法而評估多個事故，該方法稱作基於穩定區邊界的控制不穩定平衡點方法，該方法通過把所述事故順序作用於網絡孤島問題分類器、S.E.P問題分類器、大穩定區分類器、退出點問題分類器、射線調節問題分類器、能量函數問題分類器、CUEP收斂問題分類器、以及控制UEP(不穩定平衡點)分類器，而形成第一組穩定事故和第二組不穩定或未決定的事故；以及b)確定所述第二組事故中的哪一個是不穩定的。
2.如權利要求1所述的方法，其中，應用所述網絡孤島問題分類器的所述步驟進一步包括篩選出導致網絡孤島問題的非常不穩定的事故。
3.如權利要求1所述的方法，其中，應用所述S.E.P問題分類器的所述步驟進一步包括從故障前穩定平衡點(SEP)開始計算故障後SEP，以便檢測潛在不穩定的事故。
4.如權利要求1所述的方法，其中，應用所述大穩定區分類器的所述步驟進一步包括篩選出導致潛在故障後SEP的大穩定區的非常穩定的事故。
5.如權利要求1所述的方法，其中，應用所述退出點問題分類器的所述步驟進一步包括在搜索退出點的過程中利用一些動態信息而篩選出導致所謂退出點問題的潛在不穩定事故。
6.如權利要求1所述的方法，其中，應用所述射線調節問題分類器的所述步驟進一步包括在搜索最小梯度點的過程中基於一些動態信息而篩選出潛在不穩定事故。
7.如權利要求1所述的方法，其中，應用所述能量函數問題分類器的所述步驟進一步包括利用能量函數隨著方法軌跡減小的性質的指標，當最小梯度點上的位能大於退出點上的時，相應的事故被確定為導致能量函數問題並且歸類為不穩定的事故。
8.如權利要求1所述的方法，其中，應用所述CUEP收斂問題分類器的所述步驟進一步包括當應用數值方法而從MGP開始計算控制u.e.p.時，檢測以下UEP收斂問題。
9.如權利要求1所述的方法，其中，應用所述控制UEP分類器的所述步驟進一步包括使用CUEP上的能量值作為臨界能量，把每個餘下的事故歸類為(肯定)穩定的或(潛在)不穩定的。
10.如權利要求1所述的方法，其中，應用所述網絡孤島問題分類器的所述步驟進一步包括篩選出導致網絡孤島問題的非常不穩定的事故；應用所述S.E.P問題分類器的所述步驟進一步包括從故障前穩定平衡點(SEP)開始計算故障後SEP，以便檢測潛在不穩定的事故；應用所述大穩定區分類器的所述步驟進一步包括篩選出導致潛在故障後SEP的大穩定區的非常穩定的事故；應用所述退出點問題分類器的所述步驟進一步包括在搜索退出點的過程中利用一些動態信息而篩選出導致所謂退出點問題的潛在不穩定事故；應用所述射線調節問題分類器的所述步驟進一步包括在搜索最小梯度點的過程中基於一些動態信息而篩選出潛在不穩定事故；應用所述能量函數問題分類器的所述步驟進一步包括利用能量函數隨著方法軌跡減小的性質的指標，當最小梯度點上的位能大於退出點上的時，相應的事故被確定為導致能量函數問題並且歸類為不穩定的事故；應用所述CUEP收斂問題分類器的所述步驟進一步包括當應用數值方法而從MGP開始計算控制u.e.p.時，檢測以下UEP收斂問題；以及應用所述控制UEP分類器的所述步驟進一步包括使用CUEP上的能量值作為臨界能量，把每個餘下的事故歸類為(肯定)穩定的或(潛在)不穩定的。
11.一種在線事故動態篩選系統，所述事故包括電力系統經歷的假設擾動，所述篩選系統包括a)動態事故篩選程序，該程序使用多個事故分類器，基於尋找所述電力系統的控制不穩定平衡點的方法而評估多個事故，該方法稱作基於穩定區邊界的控制不穩定平衡點方法，該方法通過把所述事故順序作用於網絡孤島問題分類器、S.E.P問題分類器、大穩定區分類器、退出點問題分類器、射線調節問題分類器、能量函數問題分類器、CUEP收斂問題分類器、以及控制UEP(不穩定平衡點)分類器，而形成第一組穩定事故和第二組不穩定或未決定事故；以及b)時域仿真程序，該程序用於確定所述第二組事故中的哪一個是不穩定的。
12.如權利要求11所述的系統，其中，所述網絡孤島問題分類器進一步包括用於篩選出導致網絡孤島問題的非常不穩定事故的部件。
13.如權利要求11所述的系統，其中，所述S.E.P問題分類器進一步包括用於從故障前穩定平衡點(SEP)開始計算故障後SEP的部件，以便檢測潛在不穩定的事故。
14.如權利要求11所述的系統，其中，所述大穩定區分類器進一步包括用於篩選出導致潛在故障後SEP的大穩定區的非常穩定事故的部件。
15.如權利要求11所述的系統，其中，所述退出點問題分類器進一步包括用於在搜索退出點的過程中利用一些動態信息而篩選出導致所謂退出點問題的潛在不穩定事故的部件。
16.如權利要求11所述的系統，其中，所述射線調節問題分類器進一步包括用於在搜索最小梯度點的過程中基於一些動態信息而篩選出潛在不穩定事故的部件。
17.如權利要求11所述的系統，其中，所述能量函數問題分類器進一步包括應用以下指標的部件，所述指標利用能量函數隨著系統軌跡減小的性質，當最小梯度點上的位能大於退出點上的時，相應的事故被確定為導致能量函數問題並且歸類為潛在不穩定的。
18.如權利要求11所述的系統，其中，所述CUEP收斂問題分類器進一步包括當應用數值方法而從MGP開始計算控制u.e.p.時，用於檢測以下UEP收斂問題的部件。
19.如權利要求11所述的系統，其中，所述控制UEP分類器進一步包括以下部件，該部件使用CUEP上的能量值作為臨界能量，把每個餘下的事故歸類為(肯定)穩定的或(潛在)不穩定的。
20.如權利要求11所述的系統，其中所述網絡孤島問題分類器進一步包括用於篩選出導致網絡孤島問題的非常不穩定事故的部件；所述S.E.P問題分類器進一步包括用於從故障前穩定平衡點(SEP)開始計算故障後SEP的部件，以便檢測潛在不穩定的事故；所述大穩定區分類器進一步包括用於篩選出導致潛在故障後SEP的大穩定區的非常穩定事故的部件；所述退出點問題分類器進一步包括用於在搜索退出點的過程中利用一些動態信息而篩選出導致所謂退出點問題的潛在不穩定事故的部件；所述射線調節問題分類器進一步包括用於在搜索最小梯度點的過程中基於一些動態信息而篩選出潛在不穩定事故的部件；所述能量函數問題分類器進一步包括應用以下指標的部件，該指標利用能量函數隨著系統軌跡減小的性質，當最小梯度點上的位能大於退出點上的時，相應的事故被確定為導致能量函數問題並且歸類為不穩定的；所述CUEP收斂問題分類器進一步包括當應用數值方法而從MGP開始計算控制u.e.p.時，用於檢測以下UEP收斂問題的部件；以及所述控制UEP分類器進一步包括以下部件，該部件使用CUEP上的能量值作為臨界能量，把每個餘下的事故歸類為(肯定)穩定的或(潛在)不穩定的。
21.一種用於實際電力系統的在線動態安全評估系統，所述評估系統包括如權利要求1-10中任一項所述的方法。
22.一種用於實際電力系統的在線動態安全評估系統，所述評估系統包括如權利要求11-20中任一項所述的系統。
23.一種用於實際電力系統的能量管理系統，所述管理系統包括如權利要求1-10中任一項所述的方法。
24.一種用於實際電力系統的能量管理系統，所述管理系統包括如權利要求11-20中任一項所述的系統。
25.一種BCU引導時域方法，該方法向電力系統輸入與動態安全評估和事故有關的數據，並且輸出用於電力系統上事故的穩定評估和能量裕度值，所述方法包括以下步驟應用基於穩定區邊界的控制不穩定平衡點方法，以計算退出點，以及當在一定時間內未發現退出點時，就宣布故障後系統是非常穩定的並提供能量裕度。
26.如權利要求25所述的方法，進一步包括以下步驟計算最小梯度點；估計，當未找到最小梯度點時，設定臨界能量為在退出點上的能量值Vcr＝Vep，並且，從故障軌跡尋找相應的故障時刻tep；核實，當故障後系統是穩定的並且設定Vep為Vcr時，以tep作為故障清除時刻而執行時域仿真；當故障後系統不穩定時，以tcl的狀態作為初始條件對故障後系統執行時域仿真；當故障後系統穩定時，設定t0＝tcl並且t1＝tmgp，而當故障後系統不穩定時，設定t0＝0並且t1＝tcl；插值，用基於黃金分割的插值方法在(t0，t1)之間進行插值，以尋找瞬間，記作t(0)；以及核實，以t(0)作為故障清除時刻而執行時域仿真，如果故障後系統是穩定的，就把t(0)作為臨界清除時刻，並且相應狀態的能量值作為臨界能量，且停止處理；否則設定t1＝t(0)，並前進到在間隔(t0，t(0))之間進行的插值步驟。
27.如權利要求26所述的方法，進一步包括以下步驟計算控制不穩定平衡點，估計，當未找到CUEP時，設定臨界能量為在最小梯度點上的能量值，Vcr＝Vmgp，並且從故障軌跡尋找相應的故障時刻tmgp；核實，以tmgp作為故障清除時刻而執行時域仿真，並且，如果故障後系統是穩定的，就設定Vmgp為臨界能量，並且停止處理；否則，就前進到以下步驟；以tcl的狀態作為初始條件而對故障後系統執行時域仿真，如果故障後系統是穩定的，就設定t0＝tcl並且t1＝tmgp；否則就設定t0＝0並且t1＝tcl，前進到以下步驟；插值，用基於黃金分割的插值方法在(t0，t1)之間進行插值，以尋找瞬間，記作t(0)；以及核實，以t(0)作為故障清除時刻而執行時域仿真，如果故障後系統是穩定的，就把t(0)作為臨界清除時刻，並且相應狀態的能量值作為臨界能量，且停止處理；否則設定t1＝t(0)，並前進到在間隔(t0，t(0))之間進行的插值步驟。
28.如權利要求26或27所述的方法，其中，基於黃金分割的插值方法包括以下步驟利用黃金分割方法從間隔[t1，t2]計算兩個故障清除瞬間t0(1)=0.618t1+0.382t2]]>t0(2)=0.618t2+0.382t1]]>對故障清除時刻為t0(1)的事故執行時域穩定分析，如果故障後系統是不穩定的，就設定t2=t0(1),]]>並且前進到以下步驟，否則就設定t1=t0(1),]]>並且對故障清除時刻為t0(2)的事故執行時域穩定分析，如果故障後系統是穩定的，就設定t1=t0(2),]]>否則就設定t2=t0(2);]]>檢查收斂性，如果‖t1-t2‖≤ε，就前進到以下步驟，否則就前進到利用步驟；以及提供設定為t1的臨界清除時刻，並且在此臨界清除時刻的系統能量設定為臨界能量。
29.如權利要求1所述的方法，其中，應用所述射線調節問題分類器的所述步驟包括以下步驟不決定電力系統是穩定和不穩定就執行處理，計算最小梯度點；估計，當未找到最小梯度點時，設定臨界能量為在退出點上的能量值Vcr＝Vep，並且，從故障軌跡尋找相應的故障時刻tep；核實，當故障後系統是穩定的並且設定Vep為Vcr時，以tep作為故障清除時刻而執行時域仿真；當故障後系統不穩定時，以tcl的狀態作為初始條件對故障後系統執行時域仿真；當故障後系統穩定時，設定t0＝tcl並且t1＝tmgp，並且，當故障後系統不穩定時，設定t0＝0並且t1＝tcl；插值，用基於黃金分割的插值方法在(t0，t1)之間進行插值，以尋找瞬間，記作t(0)；以及核實，以t(0)作為故障清除時刻而執行時域仿真，如果故障後系統是穩定的，就把t(0)作為臨界清除時刻，並且相應狀態的能量值作為臨界能量，且停止處理；否則設定t1＝t(0)，並前進到在間隔(t0，t(0))之間進行的插值步驟。
30.如權利要求1所述的方法，其中，應用所述能量函數問題分類器的所述步驟包括以下步驟不決定電力系統是穩定和不穩定就執行處理，計算最小梯度點；當故障後系統不穩定時，以tcl的狀態作為初始條件對故障後系統執行時域仿真；當故障後系統穩定時，設定t0＝tcl並且t1＝tmgp，並且，當故障後系統不穩定時，設定t0＝0並且t1＝tcl；插值，用基於黃金分割插值方法在(t0，t1)之間進行插值，以尋找瞬間，記作t(0)；以及核實，以t(0)作為故障清除時刻而執行時域仿真，如果故障後系統是穩定的，就把t(0)作為臨界清除時刻，並且相應狀態的能量值作為臨界能量，且停止處理；否則設定t1＝t(0)，並前進到在間隔(t0，t(0))之間進行的插值步驟。
31.如權利要求1所述的方法，其中，應用所述CUEP收斂問題分類器的所述步驟包括以下步驟不決定電力系統是穩定和不穩定就執行處理，計算控制不穩定平衡點，估計，當未找到CUEP時，設定臨界能量為在最小梯度點上的能量值，Vcr＝Vmgp，並且從故障軌跡尋找相應的故障時刻tmgp；核實，以tmgp作為故障清除時刻而執行時域仿真，並且，如果故障後系統是穩定的，就設定Vmgp為臨界能量，並且停止處理；否則，就前進到以下步驟；以tcl的狀態作為初始條件對故障後系統執行時域仿真，如果故障後系統是穩定的，就設定t0＝tcl並且t1＝tmgp；否則就設定t0＝0並且t1＝tcl，前進到以下步驟；插值，用基於黃金分割的插值方法在(t0，t1)之間進行插值，以尋找瞬間，記作t(0)；以及核實，以t(0)作為故障清除時刻而執行時域仿真，如果故障後系統是穩定的，就把t(0)作為臨界清除時刻，並且相應狀態的能量值作為臨界能量，且停止處理；否則設定t1＝t(0)，並前進到在間隔(t0，t(0))之間進行的插值步驟。
32.一種用於規劃電力系統的系統，該系統包括提供者，向電力系統提供建造規劃以及電力系統的事故列表；BCU-DSA系統，該系統配置為根據建造規劃和事故列表中的任一個而執行權利要求29-31中任一項所述的方法；詳細仿真系統，該系統根據BCU-DSA系統的操作結果而執行詳細仿真。
33.一種用於分析電力系統的系統，該系統包括採集系統，用來採集電力系統的信息；能量管理系統，用於對電力系統執行能量管理並且估計電力系統的能量流；資料庫，用於儲存由能量管理系統估計的能量流；BCU-DSA系統，配置為根據資料庫儲存的能量流以及事故列表而執行權利要求29-31中任一項所述的方法，以便計算電力系統的能量裕度指標。
34.一種用於操作電力系統的系統，該系統包括採集系統，用於採集電力系統的信息；能量管理系統，用於對電力系統執行能量管理並且估計電力系統的能量流；與能量管理系統有關的BCU-DSA系統，配置為根據能量管理系統計算的能量流以及事故列表而執行權利要求29-31中任一項所述的方法，以便計算電力系統的能量裕度指標，其中，該能量裕度指標利用電力系統的發電機輸出的再分配指令。
35.一種用於電力市場的信息系統，該信息系統包括採集系統，用於採集電力系統的信息；能量管理系統，用於對電力系統執行能量管理並且估計電力系統的能量流；與能量管理系統有關的BCU-DSA系統，配置為根據能量管理系統計算的能量流以及事故列表而執行權利要求29-31中任一項所述的方法，以便計算電力系統的能量裕度指標，其中，該能量裕度指標利用電力系統的發電機輸出的再分配指令。
全文摘要
一種在線事故動態篩選系統，所述事故包括電力系統經歷的假設擾動，所述篩選系統包括動態事故篩選程序，該程序使用多個事故分類器，基於尋找所述電力系統的控制不穩定平衡點的方法而評估多個事故，該方法稱作基於穩定區邊界的控制不穩定平衡點方法，該方法通過把所述事故順序作用於網絡孤島問題分類器、S.E.P問題分類器、大穩定區分類器、退出點問題分類器、射線調節問題分類器、能量函數問題分類器、CUEP收斂問題分類器、以及控制UEP(不穩定平衡點)分類器，而形成第一組穩定事故和第二組不穩定或未決定的事故；以及時域仿真程序，該程序用於確定所述第二組事故中的哪一個是不穩定的。
文檔編號H02J3/24GK1647338SQ0380895
公開日2005年7月27日 申請日期2003年4月21日 優先權日2002年4月22日
發明者蔣小東, 慄田篤, 岡本浩, 田邊隆也, 多田泰之, 小柳薰, 周意誠 申請人:東京電力株式會社, 蔣小東