[发明专利]输电系统高风险事件筛选方法、装置、设备及存储介质

说明书

本申请公开了一种输电系统高风险事件筛选方法、装置、设备及存储介质，包括：获取输电系统的原始数据中的多个故障事件；通过空间修剪准则将根事件的空间分为子空间和补集子空间；将故障事件输入至根事件子空间状态筛选双层风险计算模型中，找出最小负荷削减量时损失高于根事件的高风险事件；将故障事件输入至根事件补集子空间状态筛选双层风险计算模型中，通过忽略潮流约束的模型找出所有的最小负荷削减量时的由孤岛或输电线路容量不足而引起的高风险事件，通过包含潮流约束的模型找出不满足潮流约束引起的高风险事件。这样实现对高风险事件的识别，对N‑k空间内高风险事件的损失和风险进行有效表征，及缩减故障空间的时间筛选规模和计算时间。

技术领域

本发明涉及电力工程技术领域，特别是涉及一种输电系统高风险事件筛选方法、装置、设备及存储介质。

背景技术

随着科技的发展，电源装机的增长和坚强输电网的建设使现代电力系统的可靠性得到了很大的改善。但由于对多数当前的输电系统而言，传统的N-1准则的可靠性无法满足目前的高可靠性供电的需求，N-k准则在重要负荷点供电中显得越来越重要。

在现代社会中，电力系统的供电可靠性对于工业生产和社会生活有着重要意义。输电系统的多条线路同时停运已经诱发多次大停电事故，如“8.14”美加大停电，“7.30”印度大停电等。线路停运可能对系统输电能力产生不可忽视的影响，甚至造成大规模负荷被切除。因此，在电力系统规划或运行中，准确辨识输电系统中关键的N-k阶停电事件，是在电力系统规划或运行中进行可靠性管控、预防大规模停电事件发生的重要举措。然而，针对大规模电力系统而言，随着故障阶数的增加，N-k事件数将出现“组合爆炸”问题，导致事件筛选极其困难。

因此，如何提高对输电系统中关键的N-k阶停电事件的筛选效率，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种输电系统高风险事件筛选方法、装置、设备及存储介质，用于对高阶风险事件识别，以达到显著缩减N-k阶故障空间的时间筛选规模和计算时间的目的。其具体方案如下：

一种输电系统高风险事件筛选方法，包括：

获取输电系统的原始数据中的多个故障事件；

通过空间修剪准则将作为根事件的N-k故障事件的空间解析地表示为每个根事件的子空间和补集子空间；

将所述输电系统中的每个故障事件输入至根事件子空间状态筛选双层风险计算模型中，筛选出根事件及根事件子空间的事件，从所述根事件子空间内找出最小负荷削减量时，损失高于所述根事件的高风险事件；

将所述输电系统中的每个故障事件输入至忽略潮流约束的根事件补集子空间状态筛选双层风险计算模型中，筛选出第一根事件补集子空间的事件，从所述第一根事件补集子空间内找出所有的最小负荷削减量时的由孤岛或输电线路容量不足而引起的高风险事件；

将所述输电系统中的每个故障事件输入至包含潮流约束的根事件补集子空间状态筛选双层风险计算模型中，筛选出第二根事件补集子空间的事件，从所述第二根事件补集子空间内找出不满足潮流约束引起的高风险事件。

优选地，在本发明实施例提供的上述输电系统高风险事件筛选方法中，将所述输电系统中的每个故障事件输入至根事件子空间状态筛选双层风险计算模型中，筛选出根事件及根事件子空间的事件，从所述根事件子空间内找出最小负荷削减量时，损失高于所述根事件的高风险事件，具体包括：

将所述根事件子空间状态筛选双层风险计算模型中的上层模型中第一目标函数的非线性计算公式转化为线性公式，得到线性的所述第一目标函数；所述第一目标函数包含惩罚项的指数函数；

将具有线性的所述第一目标函数的上层模型和所述根事件子空间状态筛选双层风险计算模型中的下层模型进行转换，得到单层的第一混合整数线性规划模型；