大型電網連鎖故障分析技術及大停電智能預警系統(tǒng)

劉挺堅，劉俊勇，劉友波

(四川大學電氣信息學院，四川 成都　610065)

?

大型電網連鎖故障分析技術及大停電智能預警系統(tǒng)

劉挺堅，劉俊勇，劉友波

(四川大學電氣信息學院，四川 成都610065)

摘要：連鎖故障引發(fā)的大停電事故在全球范圍內時有發(fā)生，對社會和經濟造成了巨大損失。為了理解連鎖故障的演變特征并進一步構建有效的大停電預防系統(tǒng)，回顧近年來國內外發(fā)生的8次大停電事故，研究大停電事故的故障演化過程；對現有連鎖故障研究模型和方法進行評述，分析其適用性及模型優(yōu)缺點；提出基于事件校核和連續(xù)時域仿真的連鎖故障時序事件搜索方法；最終基于所提連鎖故障時序事件搜索方法構建了可用于大停電風險可視化預警的智能預警系統(tǒng)。

關鍵詞：連鎖故障；演變特征；時序事件；大停電預防；可視化預警

Abstract：Great blackouts induced by cascading failures occurred frequently in recent years, resulting in great loss in society and economy. In order to understand the evolution feature of cascading failures and further establish an effective blackout prevention system, the evolution procedure of great blackouts is firstly studied by reviewing eight great blackouts occurred in the worldwide, and then the methodologies for cascading failures analysis are reviewed. After that, an analysis method based on event checkers and continuous time domain simulation is proposed. Consequently, the application system for great blackout mitigation is established.

Key words：cascading failures; evolution feature;time-series events;blackout prevention;alert visualization

電網的大規(guī)模互聯提高了能源經濟效益和供電可靠性，然而近年來大停電事故時有發(fā)生：2003年北美[1-2]、倫敦[3]、意大利[4]先后發(fā)生大停電事故；2006年中國華中電網[5]和歐洲電網[6]先后發(fā)生大停電事故；巴西電網在2009年[7]和2011年[8]分別發(fā)生兩次大停電事故；印度電網在2012年7月30日和31日發(fā)生兩起大停電事故[9]。隨著現代微機保護裝置和勵磁控制器的應用，單一故障一般難以造成系統(tǒng)崩潰，而具有時序特性和傳播特性的連鎖故障卻成為引發(fā)大停電的主要故障形式。盡管連鎖故障屬于極小概率事件，然而大停電事故所帶來的巨大經濟損失使得連鎖故障受到系統(tǒng)運行人員和科研人員的廣泛關注。

為了更好地理解連鎖故障的演化過程并進一步建立有效的大停電預警系統(tǒng)，首先回顧近年來國內外發(fā)生的連鎖故障實例，闡述連鎖故障演化過程并分析各次大停電事故的系統(tǒng)演變特征；對現有連鎖故障研究方法進行評述，在此基礎上提出基于事件校核和連續(xù)時域仿真的連鎖故障時序事件搜索方法；最終基于所提連鎖故障時序事件搜索方法構建了可用于大停電風險評估的可視化智能預警系統(tǒng)。

1連鎖故障演變機理及相關研究方法評述

1.1連鎖故障演變機理

連鎖故障往往起源于系統(tǒng)運行資源緊張(如重負荷、重要發(fā)/輸電設備停運)情況下的某一個或一系列源發(fā)性故障(initial events)，即N-k，進而引發(fā)具有時序特征的相繼事件(consequential events)，形式上形成N-k-1-1…-1，這些事件在因果上一般具有較強關聯關系，是一個伴隨著低壓、過載、保護頻繁動作、解列、失穩(wěn)、頻率波動等系統(tǒng)響應的復雜交疊過程[10]。

連鎖故障演化過程如圖1所示。初始階段，輸電線路短路或意外跳閘、發(fā)電機組意外脫網、直流閉鎖等源發(fā)性故障發(fā)生，系統(tǒng)偏離計劃運行狀態(tài)。故障階段，時序事件相繼發(fā)生，系統(tǒng)狀態(tài)持續(xù)惡化。故障階段一般存在快慢交替的故障過程和時序事件，其中慢過程事件主要是潮流轉移引發(fā)的保護Ⅲ段開斷過載線路或隱性故障引發(fā)的重載輸電設備誤切，快過程事件包括重要輸電通道發(fā)生功率振蕩引發(fā)系統(tǒng)解列、發(fā)電機保護動作切除機組、低壓/低頻切負荷、電動機低壓堵轉等。隨著相繼大規(guī)模切機切負荷，系統(tǒng)發(fā)生大停電事故，時序事件結束。

圖1　連鎖故障演化過程

文獻[11]基于連鎖故障演變過程的關鍵事件將故障演變形態(tài)歸納為元件過載主導型、電網結構主導型和保護配合主導型：1)元件過載主導型的典型特征為故障前期潮流轉移導致線路緩慢地相繼被切，中后期臨界事件引發(fā)極快的、難以逆轉的電壓崩潰和無序切機切負荷，2003年北美和2003年意大利屬于元件過載主導型連鎖故障；2)電網結構主導型的典型特征為聯絡線功率振蕩使得自動解列裝置迅速把電網解列為若干子系統(tǒng)，各子系統(tǒng)內功率嚴重不平衡導致大規(guī)模切機切負荷，2006年歐洲、2009年巴西和2012年印度屬于電網結構主導型連鎖故障；3)保護配合主導型的典型特征為二次設備隱性故障導致源發(fā)故障擴大化從而促進潮流轉移和故障傳播，2003年倫敦、2006年華中和2011年巴西屬于保護配合主導型連鎖故障。

1.2現有連鎖故障研究方法評述

OPA模型[12-13]、CASCADE模型[14]、隱性故障模型[15]、Manchester模型[16]、脆弱元件模型[17]、復雜網絡模型[18]、概率風險模型[19]等模型先后被提出并用于研究連鎖故障的演化機理：

1)OPA模型考慮連鎖故障引發(fā)停電事故的快動態(tài)過程和系統(tǒng)擴容的慢動態(tài)過程，能夠研究系統(tǒng)的長期停電風險和自組織臨界特性，然而在模型精度和計算耗時上需要折中；

2)CASCADE模型考慮線路開斷后潮流轉移引發(fā)新一輪線路過載開斷的過程，然而其抽象概率模型難以反映電力系統(tǒng)的物理特性；

3)隱性故障模型建立考慮線路運行狀態(tài)的保護裝置動作概率模型，從而模擬保護系統(tǒng)在故障傳播過程中推波助瀾的作用；

4)Manchester模型基于切負荷控制的交流潮流算法研究連鎖故障的演化過程，按線路負載率識別下一故障線路，然而未能考慮系統(tǒng)的動態(tài)特性；

5)脆弱元件模型通過元件脆弱性評估確定下一故障線路，能夠識別對系統(tǒng)沖擊最大的N-k故障場景；

6)復雜網絡模型把電力系統(tǒng)抽象為由邊和節(jié)點組成的網絡拓撲模型，按給定模式攻擊網絡從而得到電網在連鎖故障下的結構脆弱性評估；

7)概率風險模型結合概率推理方法和隱性故障模型進行故障傳播路徑搜索，給定初始故障后可生成相應的故障樹并對不同故障鏈路進行風險分析。

上述模型均基于準穩(wěn)態(tài)潮流進行連鎖故障時序事件搜索，能夠模擬元件相繼過載的連鎖故障演化過程，由于其避免了系統(tǒng)暫態(tài)過程的時域仿真，分析效率得以顯著提高。

2基于事件校核和連續(xù)時域仿真的連鎖故障時序事件搜索

盡管準穩(wěn)態(tài)潮流方法在系統(tǒng)穩(wěn)定裕度較高的連鎖故障前期仍能較好地反映系統(tǒng)的演化特征，在連鎖故障中后期卻難以考慮對系統(tǒng)沖擊最為嚴重的系統(tǒng)解列事件和相繼切機事件，因而難以全面、準確地分析連鎖故障的演化過程以及故障后果。因此需建立安控裝置和繼電保護啟動條件校核規(guī)則庫(event checkers)，利用單次時域仿真參數軌跡進行動作判據校核，逐步形成次級時序事件并形成事件鏈路，最終對事件鏈路進行時域仿真進而評估故障風險。

2.1自動解列裝置模型

自動解列裝置一般部署在兩區(qū)域之間的聯絡線上。若兩區(qū)域同調機群發(fā)生振蕩且振蕩中心點位于聯絡線上，當中心點電壓持續(xù)小于整定電壓達到設定時間，自動解列裝置則跳開聯絡線。為了提高事件校核速度，這里采用聯絡線兩側電壓相角差Δθ超過180°時自動解列裝置動作的簡化校核規(guī)則，且自動解列裝置正確動作的概率為0.999。

2.2高頻/低頻切機模型

系統(tǒng)發(fā)生擾動后，發(fā)電機機端頻率將偏離額定值，若頻率偏離機組的正常運行范圍，高頻/低頻切機裝置將切除機組。高頻/低頻切機裝置采用文獻[20]定義的概率模型如式(1)所示。

(1)

2.3低壓/低頻減載模型

系統(tǒng)各區(qū)域選擇電壓/頻率測量點，當系統(tǒng)出現無功/有功嚴重缺額使得電壓/頻率持續(xù)低于減載裝置整定值達到動作時間，區(qū)域負荷按減載規(guī)則被切除。低壓/低頻減載裝置同樣采用文獻[20]定義的概率模型如式(2)所示。式中X為減載裝置測量的節(jié)點頻率f或電壓V。

(2)

自動減載裝置一般采用多輪次減載方案，這里所采用的減載方案如表1所示。其中各輪次的動作延時均為0.5s。

表1　自動減載方案

2.4線路過流保護模型

線路過流保護采用隱性故障模型[15]，其動作概率模型如式(3)所示。

(3)

2.5基于事件校核和連續(xù)時域仿真的連鎖故障時序事件搜索方法

基于事件校核和連續(xù)時域仿真的連鎖故障時序事件搜索步驟如下：

1)輸入系統(tǒng)初始運行工況和源發(fā)性故障，并把源發(fā)性故障加入到時序事件鏈中。

2)對時序事件鏈進行時域仿真，得到系統(tǒng)的受擾響應。

3)利用規(guī)則庫中的各類event checker對系統(tǒng)受擾響應進行擾動事件搜索，記錄安控裝置和繼電保護觸發(fā)的新擾動事件。

4)檢查安控裝置和保護是否觸發(fā)新的擾動事件。若是，選擇最先發(fā)生的事件作為下一時序事件并刷新事件鏈，返回步驟2)重新進行時域仿真；若否，轉到步驟5)。

5)輸出時序事件鏈，統(tǒng)計負荷損失。

上述時序事件搜索方法的流程圖如圖2所示。

圖2　基于事件校核和連續(xù)時域仿真的連鎖故障時序事件搜索方法流程圖

3算例

采用PSD-BPA時域仿真程序作為計算核心，利用JAVA開發(fā)所提的基于事件校核和連續(xù)時域仿真的連鎖故障仿真程序。以四川電網作為算例對象進行基于事件校核和連續(xù)時域仿真方法的連鎖故障演化過程仿真和時序事件搜索。設置初始故障為500 kV線路“普提—洪溝”Ⅰ回線路無故障開斷。仿真得到的時序事件如表2所示。

表2　連鎖故障時序事件

圖3～圖6分別為連鎖故障演化過程中500 kV線路“南天—東坡”有功功率變化、二灘機組機端電壓頻率變化、臨巴機組機端電壓頻率變化和尖山500 kV母線電壓幅值變化。從圖4～圖7可以得知，連鎖故障前期，系統(tǒng)保持較高的穩(wěn)定裕度，暫態(tài)過程各狀態(tài)量偏移幅度較小，難以反映系統(tǒng)運行裕度惡化的趨勢。故障中后期，臨界事件觸發(fā)后各狀態(tài)量劇烈振蕩，大規(guī)模切機切負荷相繼發(fā)生，隨之系統(tǒng)發(fā)生大停電事故。

圖3　500 kV線路“南天—東坡”有功功率

圖4　二灘機組機端電壓頻率

圖5　臨巴機組機端電壓頻率

圖6　尖山500 kV母線電壓幅值

4大停電智能預警系統(tǒng)

基于所提的連鎖故障時序事件分析方法開發(fā)大停電風險評估和智能預警系統(tǒng)。導入電網初始運行方式和源發(fā)故障，預警系統(tǒng)調用前述連鎖故障時序事件搜索分析方法進行仿真，仿真完畢后返回系統(tǒng)狀態(tài)量受擾軌跡、時序事件鏈以及停電信息。

此外，基于階段脆弱性[21]的概念，系統(tǒng)在準穩(wěn)態(tài)和暫態(tài)階段分別進行系統(tǒng)關鍵元件的評估和識別，并進行可視化預警。在準穩(wěn)態(tài)階段，系統(tǒng)進行基于源-荷節(jié)點對功率關聯特性的脆弱線路辨識[22]和基于P-Q解耦模型的節(jié)點電壓脆弱性評估[23]，如圖7所示。

在故障后暫態(tài)階段，系統(tǒng)進行基于發(fā)電機轉子動能進行風險機組辨識和基于支路勢能進行脆弱線路辨識，如圖8所示。

圖7　準穩(wěn)態(tài)階段關鍵元件識別及可視化預警

圖8　暫態(tài)階段關鍵元件識別及可視化預警

5結論

首先闡述了連鎖故障的典型演化過程，回顧了近年國內外8次大停電事故，對其故障演變形態(tài)進行分類；然后對現有連鎖故障研究方法進行綜述，對其優(yōu)缺點進行比較；為了克服準穩(wěn)態(tài)潮流方法難以考慮連鎖故障中后期系統(tǒng)解列事件和相繼切機事件的缺點，建立安控裝置和繼電保護啟動條件校核規(guī)則庫(event checkers)，提出采用基于事件校核和連續(xù)時域仿真的時序事件搜索方法，從而更準確地模擬連鎖故障的演化過程和評估系統(tǒng)停電風險；最終結合所提連鎖故障時序事件搜索方法和階段脆弱性評估方法構建了可用于大停電風險評估和脆弱元件識別的可視化智能預警系統(tǒng)。

參考文獻

[1]U.S.-Canada Power System Outage Task Force. Final report on the August 14, 2003 Blackout in the United States and Canada:Causes and Recommendations [R/OL]. http://energy.gov/sites/prod/files/oeprod/DocumentsandMedia/BlackoutFinal-Web.pdf.

[2]何大愚. 一年以后對美加“8.14”大停電事故的反思[J]. 電網技術, 2004, 28(21):1-5.

[3]唐葆生. 倫敦南部地區(qū)大停電及其教訓[J]. 電網技術, 2003, 27(11):1-5.

[4]Final Report of the Investigation Committee on the 28 September 2003 Blackout in Italy[R/OL]. http://www.rae.gr/old/cases/C13/italy/UCTE_rept.pdf.

[5]華中電網“7·1”事故調查組技術組. 華中電網“7·1”事故調查報告[R].2006.

[6]Final Report System Disturbance on 4 November 2006[R/OL]. https://www.entsoe.eu/fileadmin/user_upload/_library/publications/ce/otherreports/Final-Report-20070130.pdf.

[7]林偉芳，孫華東，湯涌，等. 巴西“11·10”大停電事故分析及啟示[J].電力系統(tǒng)自動化, 2010, 34(7):1-5.

[8]林偉芳，孫華東，湯涌，等. 巴西“2·4”大停電事故及對電網安全穩(wěn)定運行的啟示[J]. 電力系統(tǒng)自動化, 2011,35(9):1-5.

[9]湯涌，卜廣全，易俊. 印度“7·30”、“7·31”大停電事故分析及啟示[J]. 中國電機工程學報, 2012,32(25):167-174.

[10]張國華，張建華，楊志棟，等. 電力系統(tǒng)N-K故障的風險評估方法[J].電網技術,2009,33(5):17-21.

[11]劉友波，胥威汀，丁理杰，等. 電力系統(tǒng)連鎖故障分析理論與應用(二)——關鍵特征與研究啟示[J]. 電力系統(tǒng)保護與控制, 2013,41(10):146-155.

[12]I.Dobson, B.A. Carreras, V.E. Lynch, et al. An Initial Model for Complex Dynamics in Electric Power System Blackouts[C] // Proceedings of the 34th Hawaii International Conference on System Sciences, January 3-6, 2001, Maui, HI, USA: 710-718.

[13]刁塑，劉友波，劉俊勇，等. 電力系統(tǒng)連鎖故障的多層時序運行演化模型與應用[J]. 中國電機工程學報, 2015,35(S1):82-92.

[14]I. Dobson, B. A. Carreras, D. E. Newman, et al. A Probabilistic Loading-dependent Model of Cascading Failure and Possible Implications for Blackouts[C] // Proceedings of the 36th Hawaii International Conference on System Sciences, January 3-6, 2001, Maui, HI, USA.

[15]J. Chen, J. S. Thorp, and I. Dobson. Cascading Dynamics and Mitigation Assessment in Power System Disturbances via a Hidden Failure Model[J]. Electrical Power and Energy Systems, 2005(27):318-326.

[16]D. S. Kirschen, K. R. W. Bell, D. P. Nedic, et al. Computing the Value of Security[J]. IEE Proceedings on Generation, Transmission and Distribution, 2003, 150(2): 673-678.

[17]茍競，劉俊勇，劉友波，等. 基于能量熵測度的電力系統(tǒng)連鎖故障風險辨識[J]. 電網技術,2013, 37(10):2754-2761.

[18]C.Guo, Z. Dong, D. J. Hill, et al. Attack Structural Vulnerability of Power Grids: a Hybrid Approach Based on Complex Networks[J]. Physics A, 2010, 289: 595-603.

[19]丁劍，白曉民，方竹，等. 基于貝葉斯網絡的擾動后預想事故分析方法[J]. 電力系統(tǒng)自動化, 2007, 31(20): 1-5.

[20]于洋，黃民翔，辛煥海，等. 基于動態(tài)仿真的連鎖故障分析[J].電力系統(tǒng)自動化, 2008, 32(20):15-21.

[21]劉友波，劉俊勇，楊嘉湜，等. 基于故障演化的電網階段脆弱性及其可視化預警[J]. 電網技術, 2011, 35(1): 46-52.

[22]許立雄，劉俊勇，丁理杰，等. 基于網絡流介數的關鍵線路識別[J]. 電力系統(tǒng)保護與控制, 2013, 41(5): 91-96.

[23]魏震波，劉俊勇，李俊，等. 基于PQ網分解的有向加權拓撲模型下的電網脆弱性分析 [J]. 電力系統(tǒng)保護與控制, 2010, 38(24): 19-22.

基金項目：四川省科技廳產業(yè)發(fā)展重大關鍵技術項目(2011GZ0225)

中圖分類號：TM711

文獻標志碼：A

文章編號：1003-6954(2016)02-0001-05

(收稿日期：2016-01-05)