论文部分内容阅读
随着信息化和电气化的高速发展,电力系统对于人类的日常生活和生产活动越来越重要。然而由于电网智能化和大范围互联,电网的规模越来越大,内部结构和运行模式也越来越复杂,变得难以预测和控制。电力系统自身具有脆弱性,任何源于单个元件的小扰动就可能引发连锁故障,给整个系统带来灾难性的破坏。为了保障电力系统的稳态运行,需要在巨大的电网中识别出关键环节提前进行保护,避免灾难性停电事故的发生。本文围绕基于最大流算法的电力系统脆弱性分析进行研究,主要研究内容包括以下三个方面:第一,提出一种改进的并行最大流算法。应对电力系统多节点多层次的特点,本文针对已有并行最大流算法的不足之处进行改进,在此基础上提出PMAXFLOW算法。该算法借鉴贪心策略与最大容量路径算法的思路,减少迭代次数,减少计算时间;运用并行的方法提高运算效率,并且提出采用map解决并行冲突的问题。实验证明,PMAXFLOW算法无论是与传统串行方法还是原并行方法相比,运算效率都有极大提高。第二,提出基于改进的并行最大流算法对电力系统进行脆弱性分析。应用到电力系统中的最大流算法多为传统方法,本文采用更加适用于大规模电网的PMAXFLOW算法去分析电力系统的脆弱性。本文模拟不同节点的IEEE标准母线测试系统的连锁故障发生过程,并运用最大连通度指标和边损失率指标去评估网络的脆弱性。仿真实验证明,由PMAXFLOW算法确定的关键路径比传统方法要更加准确。第三,提出一种多场景下电力系统脆弱性分析的方法。本文充分考虑影响电力系统运行的自然和社会因素,将不同温度、湿度和日类型下电网的运行状态作为一个场景。先采用k-means聚类算法对多场景数据进行处理,然后提出多场景下衡量边重要性的中心性指标,并运用指标确定关键路径。仿真实验证明,相比于单个场景,多场景下关键路径的准确性有所提高,且更加贴近电网的实际运行状态,效果更好。