[发明专利]一种融合结构洞特征的多指标电网节点脆弱性评估方法

说明书

一种融合结构洞特征的多指标电网节点脆弱性评估方法，考虑拓扑特性选取节点度、聚类系数指标；考虑电气性能选取低功率风险因数、节点电压越限风险、节点电气介数指标；考虑连锁故障后果选取损失负荷指标；基于特征向量的排序选取PageRank、LeaderRank、HITs指标，从以上四个方面9个评估指标综合对电网节点进行排序。构建基于ListNet排序学习考虑结构洞特征的电网关键节点排序算法，首先随机生成各节点指标初始权重系数值，利用评分函数h(x)得到每个节点初始得分；然后代入线性神经网络模型中，通过梯度下降法更新指标权重系数，利用迭代次数控制循环，直到所得到的指标权重系数值达到稳定状态，输出此时权重系数值，最后根据评分函数h(x)得到电网各节点得分进行排序。

技术领域

本发明涉及电力系统安全稳定运行领域，特别涉及一种融合结构洞特征的多指标电网节点脆弱性评估方法。

背景技术

随着用电需求的日益增加，电网大规模互联不断发展，电网已成为世界上最复杂的网络之一。近年来，世界各地频繁发生的大停电事故给社会带来了巨大的经济损失和严重的影响。停电事故往往由于电网系统中某一元件发生故障，导致流经该元件的功率转移到别处，致使系统中其余一系列元件发生过载而退出工作，最终将导致电网崩溃。因此识别出电网中比较脆弱即比较容易发生故障的节点对保障电力系统安全稳定运行具有重要意义。

目前对于电网中某些关键节点的识别主要从复杂网络理论出发，结合电力系统特性，通过小世界模型、电气介数、度等方法对电网节点重要度进行评估。同时也有研究将互联网网页算法如PageRank、LeaderRank和HITs算法引入电网来衡量节点的重要程度。综合评估方法在一定程度上克服了单个指标评估的局限性，但该方法中指标的选取缺少具有结构洞特征的因素，不能完全反应电网的实际脆弱性。

发明内容

目前关键节点的排序研究几乎都是集中在电网的核心节点上，往往忽视了处于结构洞位置的节点，同时选用单个指标对电网节点进行排序具有很大的局限性，因此本发明提出了一种融合结构洞特征的多指标电网节点脆弱性评估方法。

本发明分别从拓扑特性、电气性能、连锁故障后果以及基于特征向量的排序四个方面选用了9个指标，通过神经网络训练学习得到的各节点指标权重系数并基于ListNet排序学习算法综合对电网的节点进行排序，包括以下步骤：

步骤1：电网节点指标选取；分别从拓扑特性、电气性能、连锁故障后果以及基于特征向量的排序四个方面选取9个指标值作为学习特征。

1)拓扑特性方面

节点度：度为节点上所有边的总数，可用来衡量网络中节点的连通性，可以刻画结构洞节点的部分特征；

聚类系数：用来表示网络节点集聚程度的重要权重系数之一，而结构洞节点在网络中所处位置比较特殊，因此聚类系数小的节点更有可能成为结构洞节点。

2)电气性能方面

低功率风险因数：反映电网中功率因数下降发生的概率以及风险后果严重程度，用于量化度量未来某一时刻微电网的运行状态；

节点电压越限风险指标：反映电力系统发生故障后导致系统中母线电压过高的可能性与危害；

节点电气介数：在网络中两个节点之间最为有效的路径或最短的路径中，经过这个节点的数量与这两个节点之间最为有效的路径或最短的路径的总数量的比值。

3)连锁故障后果方面

损失负荷：定义初始值与负荷切除结束之后的差值作为电力系统故障的损失负荷量，损失负荷可用来衡量节点发生故障后的严重程度。

4)基于特征向量的排序方面

PageRank指标：在构造电网有向图的基础上应用PageRank算法进行电网的关键节点排序，根据PR算法原理可推测PR得分越高的节点，越有可能是结构洞节点；