买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安理工大学

摘要：本发明公开的含风电交直流混联电网连锁故障事故链辨识方法，综合考虑了从风电出力水平、交直流相互影响的稳定状态、潮流运行情况和网络全局拓扑结构角度四个方面衡量线路重要程度的基本指标，通过用关联度系数和熵权法计算风电接入比例短路比指标、多馈入短路比指标、加权潮流熵指标、线路传输介数指标获得主客观权重作为基本权重，将两种基本权重进行线性组合，得到综合权重；运用灰狼算法求解，获得组合系数，得到各指标的综合权重，根据综合指标值大小排序，辨识关键输电线路作为连锁故障下一级事故链；根据结束连锁故障预测的判据确定连锁事故链。本发明有助于连锁事故链的预测，对工程实践具有有效的指导作用。

主权项：1.含风电交直流混联电网连锁故障事故链辨识方法，其特征在于，包括以下步骤：步骤1、初始故障选取；步骤2、构建指标；从风电出力水平、交直流相互影响状态、潮流运行情况和网络全局拓扑结构角度方面，构建风电接入比例短路比指标、多馈入短路比指标、加权潮流熵指标、线路传输介数指标四项指标；步骤3、计算四项指标的主客观权重；利用关联度系数计算主观权重，利用熵权法计算客观权重；步骤4、将两种基本权重进行线性组合，得到综合权重W，即W＝x1W1+x2W2，其中，x1、x2为组合系数；通过主观权重与各基本权重之间的各自偏差极小化，如式1，使不同权重之间达到一致或妥协； 步骤5、利用灰狼算法求解式1，根据求得的x1、x2，求解式W＝x1W1+x2W2，x1、x2进行归一化处理，将归一化后的组合系数代入W＝x1W1+x2W2中的线性组合，得到四项指标的综合权重ω1、ω2、ω3、ω4，带入式2得到线路综合指标ZL如下：KL＝ω1M+ω2K+ω3F+ω4B2根据综合指标值大小排序，辨识关键输电线路作为连锁故障下一级事故链；步骤6、结束交直流混联电网连锁故障序列预测条件：若是满足电网发生解列或连锁故障序列达到最大时，结束预测；若不满足，则重复步骤2-5，直到符合条件；所述步骤2中，采取衡量风电出力水平与系统相对强弱程度对比的指标，风电接入比例短路比指标M按照下式确定： 式3中，N表示风电的汇集点的数目，Zi表示风光汇集点i的交流系统等值阻抗，Pius表示新能源汇集点i的总出力，Piup表示风光汇集点i的总出力，Uius为风电汇集点i的母线电压；步骤2中，根据交直流连接关系，多馈入短路比K是母线处的短路容量和额定容量的比值，按照下式确定： 式4中，Saci表示直流i换流母线的短路容量，Pdi、Pdj分别表示直流i和j的传输功率，表示换流母线i处的无功扰动引起换流母线j与换流母线i的电压变化之比，其反映了直流之间的耦合影响；步骤2中，根据潮流运行情况，考虑断开故障支路后其他线路的潮流转移冲击比率，用支路负载率与支路个数取对数的倒数的乘积对潮流熵函数进行加权，再乘以表征交直流线路不同的系数，能全面表征交直流混联电网的潮流运行情况，加权潮流熵F按照下式确定： 式5中，Pki为支路i断开后支路k的有功潮流；Pk0为支路k的初始有功潮流；Pkmax为支路k的最大有功传输容量；σ是系数，当线路i为直流线路时σ＝1，当线路i为交流线路时σ＝0.5；步骤2中，从网络全局拓扑结构角度衡量边在网络信息流通路径中的重要性，并引入发电机输出容量与负荷大小，将其作为发电机与负荷节点间可能传输路径的权重因子，定义具有电气特性的线路传输介数Bw，按照如下式确定： 式6中，VG是发电机节点集合，VL是负荷节点集合；Sk,p和Sk,q分别是发电机节点i与负荷节点j之间第k条传输路径中发电机直连线路p的潮流值和负荷直连线路q的潮流值，SG,i和SL,j分别是发电机节点i的输出功率值与负荷节点j的大小，minSk,nSG,i,Sk,mSL,j表示发电机节点i与负荷节点j之间第k条传输路径的最大可传输功率比值；Tl表示线路l的回路数；μij,k表示发电机节点i到负荷节点j之间第k条传输路径包含的线路数目，1μij,k表示线路l出现在发电机节点i与负荷节点j之间第k条传输路径的概率；所述步骤3中，利用关联度系数计算主观权重的具体步骤为：步骤3.1.1、对所得数据序列进行无纲量的处理：采用风电接入比例短路比指标、多馈入短路比指标、加权潮流熵指标、线路传输介数指标四个指标的最大值Xj作为参考值，对四个指标进行数据的无纲化处理： 式7中，rij表示对无量纲化的数据的处理，Rij表示第i个研究对象的指标j的值大小，Xj表示为j指标的最大值；步骤3.1.2、取四个指标的最优值组成的参考序列Xj，为评价对象比较的基准，记录为：Xj＝xjj＝1，2，3，...，n步骤3.1.3、关联度系数计算：把序列{Rij}经过无量纲化的处理之后，来计算关联度系数： 式8中，ζij表示关联度系数，miniminjΔij表示原始的数值和得到的参考值Xj进行无纲量化处理之后，其得到的绝对差值的最小值，maximaxjΔij为原始数值和得到的参考值Xj，对其进行无纲量化的处理之后其绝对差的最大值，ρ表示分辨系数，取0.5；步骤3.1.4、利用子序列中四个指标的关联度系数计算主观权重： 式9中，wj表示第j指标的权重系数大小；所述步骤3中，利用熵权法计算客观权重的具体步骤为：假设系统中有m个对象，每个研究对象中有n个对应的评价指标，那么利用系统得到的原始数据行成一个评价的序列{Rij}，其中i＝1，2，3....m；j＝1，2，3，4；步骤3.2.1、进行标准化的处理，采用极值法对原始数据进行标准化的数据处理如下所示： 式10中，Rij表示第i个研究对象的指标j的大小，Rmax表示第i个研究对象j的评价指标的最大值，Rmin表示第i个对象j评价指标的最小值，R表示第i个对象评价指标j的标准值大小；步骤3.2.2、得到评价指标j的信息熵： 式11和12中，yij表示第i个研究对象j指标的所占的比重大小，其中yij[0,1]；ej表示为信息熵；当yij＝0时，定义ej＝0；步骤3.2.3、得到指标j的权重系数： 式13中，wj表示j指标的权重系数大小，wj∈[0,1]；所述步骤5中利用灰狼算法求解式1计算步骤为：步骤5.1、初始化灰狼优化算法相关参数；定义式1目标函数作为每个狼群的适应度函数，计算每一个灰狼个体的适应度值；步骤5.2、将狼群群体按照适应度大小分成4组，分别为α、β、δ、ω，位置优先级αβδω；利用下式15-21不断更新除这三个灰狼以外的其它个体位置，灰狼的个体位置为一个2维矢量Xx1、x2；根据适应度值最小选择排名前三个最的灰狼，并保存它们的位置向量为Xα、Xβ、Xδ；灰狼优化算法在搜索过程中，ω受α、β、δ的引导，向目标接近，其搜索的过程通过如下方程进行表示： 式14和15中，为灰狼个体与目标之间的距离向量；j为当前的迭代次数；代表出现目标猎物的位置向量，由处于领导层的α、β、δ狼确定ω；代表跟踪过程中灰狼的当前位置向量；和为系数向量，C决定了新位置相对于目标灰狼的方位，表示狼所在的位置对猎物影响的随机权重，A决定新位置向目标靠近还是远离目标灰狼，通过下式获得： 式16中，a为算法的收敛因子影响整个搜索过程中灰狼个体位置的更新，随着迭代次数的增加值从最初的2线性递减至0，和为0到1之间的随机变量；根据α、β、δ的位置预估出待求解可能存在的区域，然后对狼群中所有灰狼个体的位置进行更新，具体更新的过程如下： 式14-19分别定义了狼群中ω个体朝向α、β和δ前进的距离和方向，式20定义了ω的最终位置；步骤5.3、选择前三个最好位置的灰狼作为下代，让其他灰狼依据排名前三的灰狼继续寻找，检验是否达到了算法的结束条件，若达到预定的最大迭代次数tmax，则停止计算，得到最优的适应度函数，输出最优位置Xα，对应Xα＝Xx1、x2；否则，重复执行步骤5.1-步骤5.3。

全文数据：

权利要求：

百度查询： 西安理工大学 含风电交直流混联电网连锁故障事故链辨识方法