1.課題概述
詳細的講,我們的這個演算法的安如下的步驟進行:
步驟1:k=k+1,透過慢動態過程中的幾個公式,對Pmax,Fmax進行更新;
步驟2:考慮隨機因素進行線路的斷開,以一個隨機機率來隨機斷開一條支路;
步驟3:根據慢動態計算得到的引數開始進行慢動態模擬;
步驟4:在慢動態模擬中,使用粒子群演算法來計算論文公式5的最小值;
步驟5:進一步計算注入功率和潮流;
步驟6:根據計算得到的潮流和Fmax,根據F/Fmaz > alpha來確定線路是否接近容量極限;
步驟7:如果滿足F/Fmaz > alpha,則以一個機率beta進行斷開。
步驟8:如果發生斷開時間,則返回步驟1,如果沒有發生斷開事件,則結束當前的動態過程。
最後得到如下指標:
1.改變beta得到不同線路可靠性下的停電分佈
2.改變mu得到不同線路容量增加方式下的停電分佈
3.趨於臨界狀態的過程
4.停電機率分佈
2.系統模擬結果
改變beta得到不同線路可靠性下的停電分佈:
改變mu得到不同線路容量增加方式下的停電分佈
趨於臨界狀態的過程
停電機率分佈
3.核心程式與模型
版本:MATLAB2022a
%OPA模型的迴圈 %考慮隨機因素進行線路的斷開 %這裡以一個0~1的隨機數和0.5做比較來判斷是否收到隨機因素的干擾 %斷開的一個隨機位置的線路 PP = rand(1,1); if PP >= 0.5%斷開 NUMS = floor(F_Num*rand(1,1)); if NUMS == 0 NUMS = 1; end LINE(NUMS,3:end) = 0; % CUT(NUMS,k) = 1; else%不斷開 end while(flag == 0) %慢動態迴圈中下進行快動態迴圈 %負荷節點的浮動 p(:,k) = gama*Pmax(:,k-1);%實際的負荷波動 disp('迭代次數:'); k %步驟二 %步驟二 %根據公式5來計算出P和F %這裡利用粒子群的思想,進行函式最小值的求解 %這裡編寫了func_pso_calculate_min粒子群最佳化函式來計算公式5的最小值 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% [V_score2,PP] = func_pso_calculate_min(W,Bus_Num,iter_max,Pmax(:,k),c(:,1),p(:,k)); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Ak = func_Admittance_matrix(BUS,LINE); F(:,k) = Ak*PP; %步驟三 %步驟三 %隨機開斷線路 %產生一個隨機的數作為機率 TMP = 0; for i = 1:F_Num %如果滿足如下的條件,則以一個固定的機率進行斷開 if abs(F(i,k)/Fmax(i,k)) >= alpha Pp = rand(1,1); if Pp >= 1 - beta%開斷機率 CUT(i,k) = 1; flag = 1; else CUT(i,k) = 0; end end end if flag == 0; break; end %步驟四 %步驟四 %根據CUT斷開矩陣,重新更新網路結構 %當檢測到某個CUT為1的時候,說明要對該線路進行斷開 IND = []; cnt = 0; for i = 1:F_Num if CUT(i,k) == 1;%斷開相關的線路 cnt = cnt + 1; LINE(i,3:end) = 0; IND(cnt) = i; end end end %這裡只是為了對比,所以實際的規模計算見圖2,3,4的計算方法,這裡簡化 CUT_NUM(k) = sum(CUT(:,k)); I(k) = (sum(p(L,k))/(abs(sum(Fmax(G,k))))); end 02_009m
4.系統原理簡介
在電力系統中,潮流計算是評估系統執行狀態的基本工具。直流潮流模型是潮流計算的簡化版本,它忽略了電力系統的一些複雜因素,如變壓器變比、線路充電電容等,而專注於有功功率的流動。IEEE30系統是一個經典的電力系統測試案例,由30個節點和41條線路組成,經常被用於電力系統的各種研究。
4.1、停電分佈原理及數學描述
當電力系統受到擾動,例如線路過載或發電機故障,系統的穩定性可能受到影響,嚴重時可能導致停電。停電分佈描述了系統中各個節點或線路在故障條件下的停電機率。
在數學上,停電分佈可以透過機率潮流計算得到。機率潮流計算是在傳統的潮流計算基礎上,引入機率理論來處理系統中的不確定性。對於IEEE30系統,其停電分佈可以透過求解以下數學表示式得到:
Pij=∑k∈NkPk×Oij(k)P_{ij} = \sum_{k \in N_k} P_k \times O_{ij}(k)Pij=k∈Nk∑Pk×Oij(k)
其中,PijP_{ij}Pij 是節點i到節點j的停電機率,PkP_kPk 是元件k的故障機率,Oij(k)O_{ij}(k)Oij(k) 是元件k故障時節點i到節點j的停電指示函式。
4.2、自組織臨界性概念、原理及其在電力系統中的應用
自組織臨界性(SOC)是一個描述系統如何在自組織過程中達到臨界狀態的理論。在電力系統中,SOC理論用於解釋大停電事故的發生機理。
根據SOC理論,電力系統在正常執行時處於一個臨界狀態,此時系統的小擾動可能不會導致大停電,但當系統接近臨界點時,一個小擾動可能引發一連串的故障,最終導致大停電。這種連鎖故障的過程可以用如下的數學公式描述:
ΔP=λΔPΔP = λΔPΔP=λΔP
其中,ΔP\Delta PΔP 是初始擾動,λ\lambdaλ 是系統的臨界係數。當λ\lambdaλ 超過1時,系統將進入自組織臨界狀態,此時的小擾動可能導致大停電。
在IEEE30系統中,我們可以透過分析系統的潮流分佈、元件的負載率以及系統的拓撲結構等因素,來評估系統是否接近臨界狀態。如果系統處於或接近臨界狀態,那麼就需要採取預防措施,避免連鎖故障的發生。
基於直流潮流的IEEE30電力系統的停電分佈及自組織臨界性的分析,揭示了電力系統在面臨擾動時的可能行為及其後果。首先,透過機率潮流計算,我們可以得到系統的停電分佈,瞭解系統中各個部分在故障條件下的停電風險。然後,引入自組織臨界性理論,我們可以從全新的角度理解電力系統的穩定性問題,尤其是大停電事故的發生機理。這些理解將有助於我們更好地設計和運營電力系統,提高其穩定性和可靠性。