國(guó)網(wǎng)電力科學(xué)研究院有限公司，江蘇省南京市 211106
最近更新：2023-11-20
DOI：10.7500/AEPS20230519003
“在線計(jì)算、實(shí)時(shí)匹配”的緊急控制模式是降低控制策略失配風(fēng)險(xiǎn)的有效途徑和技術(shù)發(fā)展趨勢(shì)。為進(jìn)一步提高在線緊急控制策略生成的快速性，提出了一種基于特征匹配的暫態(tài)穩(wěn)定緊急控制策略快速生成方法。借助擴(kuò)展等面積準(zhǔn)則對(duì)暫態(tài)穩(wěn)定性以及電網(wǎng)故障下軌跡時(shí)變程度的量化分析能力，綜合利用電網(wǎng)暫態(tài)穩(wěn)定軌跡特征和穩(wěn)態(tài)潮流關(guān)鍵特征量，建立運(yùn)行方式特征量匹配指標(biāo)，在歷史方式中匹配最接近方式，實(shí)現(xiàn)緊急控制策略的快速生成，通過(guò)校核驗(yàn)證后下發(fā)裝置執(zhí)行。最后，基于實(shí)際電網(wǎng)驗(yàn)證了所提方法的有效性。
不確定性; 方式匹配; 擴(kuò)展等面積準(zhǔn)則; 時(shí)變度; 緊急控制
緊急控制是保持故障下電網(wǎng)安全穩(wěn)定運(yùn)行的重要措施［1］。傳統(tǒng)緊急控制通常采用“離線計(jì)算、實(shí)時(shí)匹配”的控制模式，根據(jù)電網(wǎng)典型方式，采取保守原則，事先制定好緊急控制策略［2-3］，檢測(cè)到故障后，根據(jù)潮流特征，查詢離線制定的策略表，執(zhí)行緊急控制措施。但是一旦出現(xiàn)方式失配，將對(duì)電網(wǎng)安全穩(wěn)定運(yùn)行產(chǎn)生較大隱患［4-5］。
“在線計(jì)算、實(shí)時(shí)匹配”的緊急控制模式又稱(chēng)在線閉環(huán)緊急控制，通過(guò)實(shí)時(shí)運(yùn)行方式，在線計(jì)算緊急控制策略，下發(fā)裝置執(zhí)行［6］，在降低工況失配的風(fēng)險(xiǎn)的同時(shí)實(shí)現(xiàn)最優(yōu)控制，降低運(yùn)行成本［7-8］，是大電網(wǎng)緊急控制技術(shù)和裝備的發(fā)展方向?，F(xiàn)有技術(shù)已實(shí)現(xiàn)了5 min內(nèi)完成一次緊急控制策略在線計(jì)算和下發(fā)。但隨著新能源以及電力市場(chǎng)的快速發(fā)展，分鐘級(jí)時(shí)間尺度上新能源機(jī)組出力變化可達(dá)到裝機(jī)容量的1%左右，疊加故障開(kāi)斷等引起的網(wǎng)架結(jié)構(gòu)變化。隨著電網(wǎng)運(yùn)行特性的變化，帶來(lái)了運(yùn)行方式的短時(shí)突變導(dǎo)致上個(gè)時(shí)間斷面的方式的控制策略可能無(wú)法適用的新問(wèn)題。
受限于電力系統(tǒng)暫態(tài)安全時(shí)域仿真的耗時(shí)，學(xué)者從機(jī)器學(xué)習(xí)和方式匹配兩個(gè)方向研究提高快速性的策略計(jì)算方法。前者主要建立一些系統(tǒng)關(guān)鍵參量（如發(fā)電機(jī)功角、有功功率等）與暫態(tài)穩(wěn)定裕度的映射關(guān)系［9］，采用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行暫態(tài)穩(wěn)定性評(píng)估，制定緊急控制策略。相關(guān)技術(shù)包括網(wǎng)格搜索及粒子群算法［10］、決策樹(shù)［11］、輕梯度提升機(jī)［12］、支持向量機(jī)［13-14］等。但機(jī)器學(xué)習(xí)方法缺乏穩(wěn)定機(jī)理上的保障，在強(qiáng)非線性、強(qiáng)時(shí)變性電力系統(tǒng)中的泛化能力極其有限［15］，“黑盒子”運(yùn)行模式的不可解釋性造成了無(wú)法對(duì)其進(jìn)行糾錯(cuò)，無(wú)法保證其在實(shí)際應(yīng)用的絕對(duì)可靠［16］?；诜绞狡ヅ涞姆椒ǜ鶕?jù)電網(wǎng)運(yùn)行方式的關(guān)鍵特征量，對(duì)當(dāng)前方式與歷史方式（包括預(yù)設(shè)的方式）進(jìn)行特征匹配，選擇最接近的歷史方式下的控制策略，作為當(dāng)前方式的緊急控制策略。但現(xiàn)有技術(shù)僅通過(guò)方式平衡點(diǎn)（潮流解）的電氣量特征進(jìn)行匹配，無(wú)法考慮故障下暫態(tài)演化過(guò)程中非同調(diào)等因素的影響，限制了該方法應(yīng)用的可行性。不考慮可以表征暫態(tài)穩(wěn)定性的軌跡信息，僅通過(guò)電網(wǎng)潮流特征量進(jìn)行匹配的方法，難以適應(yīng)對(duì)電網(wǎng)緊急控制的需求。
擴(kuò)展等面積準(zhǔn)則（extended equal area criterion，EEAC）基于時(shí)域軌跡實(shí)現(xiàn)了暫態(tài)穩(wěn)定性的量化分析。靜態(tài)EEAC（static EEAC，SEEAC）［17］、動(dòng)態(tài)EEAC（dynamic EEAC，DEEAC）［18］以及集成EEAC（integrating EEAC，IEEAC）［19］為計(jì)及3種不同程度時(shí)變因素的量化分析方法，文獻(xiàn)［20］利用SEEAC和DEEAC量化分析結(jié)果，定義了運(yùn)行方式的時(shí)變度指標(biāo)來(lái)表征時(shí)變因素對(duì)暫態(tài)穩(wěn)定性的影響，為從暫態(tài)穩(wěn)定性軌跡信息的角度來(lái)進(jìn)行方式匹配奠定了基礎(chǔ)。電力系統(tǒng)安全穩(wěn)定分析軟件FASTEST具有暫態(tài)安全定量分析功能，以EEAC為核心算法，為量化暫態(tài)安全穩(wěn)定分析提供了有力的支撐［21］。
本文針對(duì)暫態(tài)穩(wěn)定緊急控制策略快速生成需求，基于量化技術(shù)確定電網(wǎng)潮流特征的關(guān)鍵特征量，利用時(shí)變度指標(biāo)反映暫態(tài)軌跡時(shí)變性的影響，進(jìn)而提出綜合潮流關(guān)鍵特征和軌跡時(shí)變度指標(biāo)的緊急控制策略快速生成方法，為突變后方式的緊急控制策略的在線快速生成及預(yù)決策提供技術(shù)支撐。
電力系統(tǒng)暫態(tài)穩(wěn)定性指的是電力系統(tǒng)受到擾動(dòng)后各發(fā)電機(jī)之間保持同步運(yùn)行的能力，描述了電力系統(tǒng)在一定的初值條件下，各發(fā)電機(jī)轉(zhuǎn)子角相對(duì)位置對(duì)指定擾動(dòng)的時(shí)間響應(yīng)的有界性。
EEAC理論通過(guò)互補(bǔ)群慣量中心-相對(duì)運(yùn)動(dòng)變換將多機(jī)受擾軌跡逐個(gè)時(shí)間斷面映射到一系列聚合單機(jī)平面上，形成各單機(jī)映象系統(tǒng)的功率-轉(zhuǎn)子角(P?δ)?-?曲線，然后用適當(dāng)?shù)拿娣e嚴(yán)格量化各映象系統(tǒng)的穩(wěn)定裕度，證明了多機(jī)系統(tǒng)失穩(wěn)的充要條件是至少有一對(duì)互補(bǔ)群的群間相對(duì)動(dòng)能超過(guò)了相應(yīng)勢(shì)能壁壘，即對(duì)應(yīng)的單機(jī)映象達(dá)到其P?δ?-?平面上的動(dòng)態(tài)鞍點(diǎn)（dynamic saddle point，DSP）。
1.2.1 定性分析方法難以準(zhǔn)確選取關(guān)鍵特征量
電力系統(tǒng)本質(zhì)是一個(gè)非線性非自治系統(tǒng)，某一參數(shù)的微小變化可導(dǎo)致電網(wǎng)暫態(tài)穩(wěn)定性發(fā)生本質(zhì)變化，甚至?xí)霈F(xiàn)主導(dǎo)失穩(wěn)模式的改變［22］。也就是說(shuō)，表征系統(tǒng)暫態(tài)穩(wěn)定性的關(guān)鍵特征量存在時(shí)變性。在沒(méi)有量化分析手段時(shí)，難以保證電網(wǎng)關(guān)鍵特征量的精準(zhǔn)選取。
1.2.2 基于功角穩(wěn)定參與因子的關(guān)鍵特征量選取
電力系統(tǒng)特定故障下的暫態(tài)穩(wěn)定性由狀態(tài)量決定。本文利用EEAC的量化分析能力，針對(duì)每個(gè)預(yù)想故障量化分析各狀態(tài)量在暫態(tài)穩(wěn)定中的參與程度，選擇關(guān)鍵的電氣量作為特征量。
1）同步發(fā)電機(jī)
EEAC方法根據(jù)互補(bǔ)群內(nèi)各機(jī)組的能量分布，給出了暫態(tài)功角穩(wěn)定性的機(jī)組參與因子，明確了各機(jī)組對(duì)某一功角穩(wěn)定模式的影響程度，如式（1）所示。
λn=EDSP,nEDSP,max??=?DSP,??DSP,max | （1） |
式中：λn??為發(fā)電機(jī)n?的暫態(tài)功角穩(wěn)定參與因子；EDSP,n?DSP,?為發(fā)電機(jī)n?在DSP的加速動(dòng)能；EDSP,max?DSP,max為DSP所有機(jī)組的最大加速動(dòng)能。
2）非同步電源及負(fù)荷
非同步電源及負(fù)荷自身不參與同步機(jī)群的搖擺，主要通過(guò)故障后的功率波動(dòng)影響同步機(jī)群間的功角差和系統(tǒng)的暫態(tài)穩(wěn)定性。主要影響因素是非同步電源及負(fù)荷與同步機(jī)群的電氣距離，距離領(lǐng)前群越近，其出力將越惡化電網(wǎng)安全穩(wěn)定性。反之，其出力將越有利于電網(wǎng)安全穩(wěn)定性。因此，可根據(jù)振蕩中心對(duì)非同步電源及負(fù)荷進(jìn)行分群，利用非同步電源及負(fù)荷與群內(nèi)同步機(jī)組的電氣距離計(jì)算其暫態(tài)穩(wěn)定參與因子，如式（2）所示。
λk=∑n=1Lλnxi,nL??=∑?=1?????,?? | （2） |
式中：λk??為非同步電源或負(fù)荷k?的暫態(tài)穩(wěn)定參與因子；L?為非同步機(jī)組或負(fù)荷所在群（領(lǐng)前群或余下群）中的同步機(jī)組數(shù)量；xi,n??,?為非同步機(jī)組i?并網(wǎng)點(diǎn)母線或負(fù)荷注入節(jié)點(diǎn)i?與常規(guī)機(jī)組n?母線之間的等值電抗。
1.3.1 潮流特征無(wú)法反應(yīng)非線性非同調(diào)等因素的影響
對(duì)于理想哈密頓映象系統(tǒng)，故障下的軌跡不依賴于數(shù)值積分，等值單機(jī)映象的軌跡僅與系統(tǒng)拓?fù)浜统绷鞒踔涤嘘P(guān)，電磁功率均僅為功角的單值函數(shù)［21］。考慮時(shí)變因素，等值單機(jī)映象的軌跡Pe(δ)?e(?)的表達(dá)式如式（3）所示。電磁功率和功角為非單值函數(shù)，與時(shí)間t?相關(guān)，只能通過(guò)逐步積分求取，無(wú)法直接推導(dǎo)暫態(tài)過(guò)程。
Pe(δ)=E2(t)Y11(t)cos(θ11(t))+E(t)V(t)Y12(t)cos(θ12(t)?δ)?e(?)=?2(?)?11?cos(?11?)+?????12?cos(?12?-?) | （3） |
式中：E?為等值單機(jī)的內(nèi)電勢(shì)；Y11∠θ11?11∠?11為等值單機(jī)的自導(dǎo)納；Y12∠θ12?12∠?12為等值單機(jī)與無(wú)窮大系統(tǒng)的互導(dǎo)納；V?為無(wú)窮大母線電壓。
由于軌跡與參數(shù)t?密切相關(guān)，即使關(guān)鍵特征參數(shù)選取已不是問(wèn)題，僅基于潮流參數(shù)特征進(jìn)行方式匹配，理論上也存在較大誤差的風(fēng)險(xiǎn)。本質(zhì)原因在于傳統(tǒng)從平衡點(diǎn)電氣量特征來(lái)刻畫(huà)運(yùn)行潮流特征的方法，難以反映故障下暫態(tài)過(guò)程中非線性非同調(diào)等因素的影響。
1.3.2 采用時(shí)變度指標(biāo)反應(yīng)電網(wǎng)軌跡特征
SEEAC、DEEAC以及IEEAC是EEAC算法發(fā)展中的3個(gè)階段，也是EEAC算法框架中相輔相成的3個(gè)步驟［23］。SEEAC將電網(wǎng)假設(shè)為經(jīng)典模型多機(jī)系統(tǒng)，忽略了整個(gè)動(dòng)態(tài)過(guò)程中的非兩群因素，此時(shí)可以將系統(tǒng)退化為經(jīng)典的單機(jī)無(wú)窮大（OMIB）系統(tǒng)，完全忽略映象的時(shí)變因素。DEEAC在暫態(tài)過(guò)程中松弛SEEAC中忽略的非兩群因素，采用逐段修正的方法，將電網(wǎng)在故障中及故障清除后的多時(shí)段劃分為多個(gè)經(jīng)典OMIB系統(tǒng)，因此，DEEAC可以部分反映出時(shí)變因素。IEEAC嚴(yán)格考慮了電網(wǎng)多機(jī)空間中的所有動(dòng)態(tài)方程，并在每個(gè)步長(zhǎng)進(jìn)行完整積分，逐個(gè)時(shí)刻的映射到單機(jī)相平面上，形成時(shí)變的OMIB系統(tǒng)。SEEAC和DEEAC的計(jì)算均可以在百毫秒級(jí)完成，IEEAC的仿真時(shí)長(zhǎng)約增加2個(gè)數(shù)量級(jí)。
SEEAC的解析解相當(dāng)于無(wú)窮大積分步長(zhǎng)的仿真結(jié)果，理論分析及大量仿真都證實(shí)，在且僅在經(jīng)典模型的理想兩群動(dòng)態(tài)下，3種EEAC算法的穩(wěn)定裕度分析結(jié)果相同，當(dāng)電網(wǎng)時(shí)變度越強(qiáng)時(shí)，SEEAC和DEEAC準(zhǔn)確性越低，采用單次或多次泰勒展開(kāi)的SEEAC及DEEAC計(jì)算得出的穩(wěn)定裕度在精確性上將存在差異［22］。因此，不同積分步長(zhǎng)下計(jì)算的穩(wěn)定裕度之差在一定程度上反應(yīng)了電網(wǎng)的時(shí)變程度，可以通過(guò)兩種算法穩(wěn)定裕度的差別來(lái)反映時(shí)變度。時(shí)變度指標(biāo)σ(τ)?(?)的計(jì)算方法如式（4）所示［20］。
σ(τ)=|ηDE(τ)?ηSE(τ)|max{|ηSE(τ)|,|ηDE(τ)|}??=|?DE?-?SE?|max{|?SE(?)|,|????|} | （4） |
式中：ηDE?DE為利用SEEAC計(jì)算得出的裕度結(jié)果；ηSE?SE為利用DEEAC計(jì)算得出的裕度結(jié)果；τ?為故障清除時(shí)間。
結(jié)合上文提出的時(shí)變度指標(biāo)和利用SEEAC計(jì)算的量化穩(wěn)定裕度可以在百毫秒內(nèi)對(duì)兩個(gè)方式之間的軌跡特征相似性進(jìn)行比較。在軌跡特征相近的基礎(chǔ)上，若潮流特征也較為接近，則在該預(yù)想故障下的安控措施量將可能相同。因此，在進(jìn)行匹配時(shí)，需優(yōu)先采用聚類(lèi)的方法確定待匹配方式與歷史方式較為接近的時(shí)變度指標(biāo)范圍，在該范圍中進(jìn)一步匹配相接近的潮流特征，從而得出最優(yōu)匹配結(jié)果。
K-means算法是一種無(wú)監(jiān)督學(xué)習(xí)，同時(shí)也是基于劃分的聚類(lèi)算法，根據(jù)設(shè)定的聚類(lèi)中心及聚類(lèi)數(shù)目，采用歐氏距離衡量聚類(lèi)對(duì)象及聚類(lèi)中心的相似度，將相似度高的電網(wǎng)方式進(jìn)行聚類(lèi)。歐氏距離d(x,Cl)??,??的計(jì)算方法如下：
d(x,Cl)=∑j=1m(xj?Clj)2???????????????,??=∑?=1?(??-???)2 | （5） |
式中：x?為電網(wǎng)運(yùn)行方式中某聚類(lèi)指標(biāo)對(duì)象；Cl??為第l個(gè)聚類(lèi)中心；m?為數(shù)據(jù)對(duì)象的維度；xj??和Clj???分別為x?和Cl??的第j?個(gè)電網(wǎng)匹配的特征值及其對(duì)應(yīng)的聚類(lèi)中心。
算法需要確定聚類(lèi)對(duì)象并且預(yù)先指定初始聚類(lèi)數(shù)目K?。歐氏距離表示在m?維空間兩個(gè)點(diǎn)之間的真實(shí)距離，以其作為相似度指標(biāo)的聚類(lèi)對(duì)象，需要盡可能保證聚類(lèi)對(duì)象線性化程度。
2.1.1 聚合空間維度選擇
時(shí)變度指標(biāo)根據(jù)不同EEAC分析方法的安全穩(wěn)定裕度計(jì)算得出，由于DEEAC反映了部分受擾軌跡，可以在受擾軌跡中提取暫態(tài)穩(wěn)定裕度、動(dòng)能增加面積、動(dòng)能減少面積等穩(wěn)定性信息，并且電網(wǎng)定性的穩(wěn)定性描述和定量的穩(wěn)定裕度描述均為暫態(tài)過(guò)程中機(jī)組加速面積與減速面積的差異。因此，采用暫態(tài)穩(wěn)定裕度可以較為線性化地描述電網(wǎng)穩(wěn)定性，從而更加適用于采用歐氏距離聚類(lèi)的方法。
但僅采用時(shí)變度指標(biāo)進(jìn)行一維K-means聚類(lèi)時(shí)，由于時(shí)變度指標(biāo)定義中為標(biāo)幺化的SEEAC穩(wěn)定裕度與DEEAC穩(wěn)定裕度之差，無(wú)法反映穩(wěn)定裕度的絕對(duì)大小，易將穩(wěn)定裕度絕對(duì)大小相差較大的方式作為匹配結(jié)果，從而導(dǎo)致策略失配。因此，本文引入SEEAC的穩(wěn)定裕度值作為描述穩(wěn)定裕度絕對(duì)大小的參量，對(duì)歷史數(shù)據(jù)進(jìn)行二維聚類(lèi)。
2.1.2 融合手肘法和匹配成功率的聚類(lèi)數(shù)K確定方法
采用K-means算法進(jìn)行聚類(lèi)時(shí)，必須設(shè)定K個(gè)聚類(lèi)數(shù)目。如果K值選取過(guò)大，會(huì)導(dǎo)致在聚合區(qū)域內(nèi)沒(méi)有與當(dāng)前電網(wǎng)方式較為接近的歷史方式，從而無(wú)法進(jìn)行精確匹配；如果K值選取過(guò)小，會(huì)導(dǎo)致聚合區(qū)域內(nèi)數(shù)量過(guò)多，可能會(huì)匹配到時(shí)變度指標(biāo)相差較大的方式，從而導(dǎo)致策略失配的風(fēng)險(xiǎn)上升。因此，K值的具體明確需要根據(jù)不同穩(wěn)控布防區(qū)域進(jìn)行離線調(diào)整，以保證在線電網(wǎng)方式策略匹配的適用性。
首先，采用手肘法明確聚類(lèi)數(shù)K的初值，計(jì)算每一個(gè)聚類(lèi)數(shù)目下的點(diǎn)跟對(duì)應(yīng)的聚類(lèi)中心的誤差平方和（sum of squared errors，SSE）。
Esse=∑l=1K∑p∈Cl|p?ml|2?sse=∑?=1?∑?∈??|?-??|2 | （6） |
式中：Esse?sse為SSE值；p?為Cl??中的樣本點(diǎn)；ml??為Cl??的質(zhì)心即Cl??中所有樣本的均值。
隨著聚類(lèi)數(shù)K值的增大，所有的樣本將被更加精細(xì)地劃分，每個(gè)簇的聚合程度會(huì)逐漸提高，SSE將會(huì)減小。當(dāng)K到達(dá)真實(shí)聚類(lèi)數(shù)時(shí)，再增加K所得到的聚合程度回報(bào)會(huì)迅速變小，所以SSE的下降幅度會(huì)驟減并趨于平緩。SSE和K值的關(guān)系圖呈現(xiàn)手肘的形狀，K的初值將選取手肘位置。
手肘法確定了數(shù)學(xué)維度上的K值優(yōu)解，但仍需引入電力系統(tǒng)中的相關(guān)指標(biāo)，對(duì)K值進(jìn)行修正。采用對(duì)歷史數(shù)據(jù)中所有方式進(jìn)行N折交叉驗(yàn)證的方法，將所有歷史數(shù)據(jù)進(jìn)行N等分，并依次作為匹配目標(biāo)相互驗(yàn)證。以策略匹配成功率為目標(biāo)值修改K值，直至第1次匹配成功率達(dá)到最高值。
在完成K-means聚類(lèi)后，將電網(wǎng)歷史方式劃分為K個(gè)方式群。當(dāng)電網(wǎng)方式發(fā)生突變后，快速計(jì)算突變后方式的SEEAC和時(shí)變度指標(biāo)，從而確定其在K-means聚類(lèi)中的區(qū)域歸屬。此時(shí)所屬區(qū)域中的所有歷史方式與當(dāng)前電網(wǎng)方式具有接近的暫態(tài)穩(wěn)定特性，因此，該區(qū)域中的所有方式為電網(wǎng)潮流特征匹配的候選方式。
根據(jù)上述各關(guān)鍵電氣量的參與因子，定義描述電網(wǎng)的特征向量如式（7）和式（8）所示。
Af=[af1,af2,?,afs]??=[?1?,?2?,?,???] | （7） |
B=[b1,b2,?,bs]?=[?1,?2,?,??] | （8） |
式中：Af??和B?分別為歷史方式f和當(dāng)前電網(wǎng)方式的特征向量；afs???和bs??為歷史方式f?和當(dāng)前電網(wǎng)方式中的第s個(gè)狀態(tài)量。
為降低各關(guān)鍵電氣量絕對(duì)大小對(duì)匹配結(jié)果的影響，以參與因子作為權(quán)重，統(tǒng)一所有狀態(tài)量的量綱，特征向量改寫(xiě)為式（9）和式（10）。
Cf=λfAf=[λfa1af1,λfa2af2,?,λfasafs]??=????=[??1??1?,??2??2?,?,???????] | （9） |
D=λB=[λ1b1,λ2b2,?,λsbs]?=??=[?1?1,?2?2,?,????] | （10） |
式中：Cf??和D?分別為考慮權(quán)重后的歷史方式f?和當(dāng)前方式的特征向量；λf??和λ?分別為歷史方式f?和當(dāng)前方式中關(guān)鍵量的參與因子矩陣；λfas????為歷史方式f?中第s個(gè)關(guān)鍵量的參與因子；λs??為當(dāng)前方式中第s個(gè)關(guān)鍵量的參與因子。
因此，當(dāng)前方式和歷史方式的匹配轉(zhuǎn)變?yōu)閮蓚€(gè)特征向量的匹配，特征向量越接近，則兩個(gè)方式的穩(wěn)定特性越接近，所需采取的安控措施量將類(lèi)似。利用余弦相似度來(lái)比較兩個(gè)向量之間的關(guān)系，如式（11）所示。
cosθ=CfD|Cf||D|cos?=???|??||?| | （11） |
特征向量的余弦值越接近于1，表示電網(wǎng)潮流特征向量之間的夾角θ?越小，方式越接近。實(shí)際工程中，參與因子較小的狀態(tài)量影響較小，可以選取參與因子較大的狀態(tài)量形成狀態(tài)向量以進(jìn)行方式匹配。方式匹配過(guò)程中可能出現(xiàn)第1次匹配結(jié)果無(wú)法滿足電網(wǎng)安全穩(wěn)定運(yùn)行要求的情況。因此，將所有方式的余弦相似度進(jìn)行排序，當(dāng)匹配不成功時(shí)，進(jìn)一步選取余弦相似度次大的方式作為匹配結(jié)果，直至結(jié)果滿足電網(wǎng)運(yùn)行要求。
綜合潮流及軌跡特征的運(yùn)行方式匹配，快速制定緊急策略的流程如圖1所示。
圖1 電網(wǎng)方式匹配及校核驗(yàn)證流程圖
Fig.1 Flow chart of grid mode matching and verification
具體步驟如下：
步驟1：構(gòu)建歷史運(yùn)行方式數(shù)據(jù)庫(kù)，針對(duì)每個(gè)場(chǎng)景（單一方式和單一故障為一個(gè)場(chǎng)景），按照式（3）計(jì)算時(shí)變度指標(biāo)，并基于K-means算法對(duì)歷史方式的軌跡特征進(jìn)行二維聚類(lèi)。再根據(jù)電網(wǎng)中是否存在網(wǎng)架結(jié)構(gòu)、新能源功率突變等情況，判斷當(dāng)前方式是否存在方式突變。若判斷為突變方式，則進(jìn)入步驟2，否則將不激活該流程，按照常規(guī)在線計(jì)算流程計(jì)算當(dāng)前方式的控制策略，并將當(dāng)前方式及其控制策略納入歷史數(shù)據(jù)庫(kù)中。
步驟2：利用單一方式和單一故障下SEEAC計(jì)算的暫態(tài)穩(wěn)定裕度以及時(shí)變度指標(biāo)，尋找當(dāng)前方式在歷史數(shù)據(jù)庫(kù)中的分群，將該分群中的所有歷史方式作為待匹配方式，并進(jìn)入步驟3。
步驟3：根據(jù)潮流特征匹配方法，計(jì)算當(dāng)前方式及所有待匹配方式的余弦相似度指標(biāo)，并將所有計(jì)算結(jié)果按照從大到小的順序排列，進(jìn)入步驟4。
步驟4：將余弦相似度指標(biāo)最大方式對(duì)應(yīng)的控制策略代入突變后的電網(wǎng)方式進(jìn)行校核驗(yàn)證，若驗(yàn)證通過(guò)，則下發(fā)安控裝置執(zhí)行該策略，若驗(yàn)證不通過(guò)，則選擇余弦相似度指標(biāo)排列順序下一位的方式進(jìn)行策略驗(yàn)證。如此反復(fù)，直至校核通過(guò)為止。當(dāng)策略下發(fā)裝置后將當(dāng)前方式及其對(duì)應(yīng)的安控策略納入歷史數(shù)據(jù)庫(kù)。
相較于傳統(tǒng)計(jì)劃性、慢速變化的在線策略搜索，電網(wǎng)方式突變情況下控制策略匹配方法的快速性尤為重要，需要保證在短時(shí)間內(nèi)找到突變后電網(wǎng)穩(wěn)定控制策略的可行解，而傳統(tǒng)在線計(jì)算存在以最優(yōu)解為目標(biāo)的穩(wěn)定評(píng)估、策略搜索的迭代過(guò)程，因此耗費(fèi)的時(shí)間較長(zhǎng)。以省級(jí)電網(wǎng)3 500節(jié)點(diǎn)數(shù)的規(guī)模為例，單一故障的匹配驗(yàn)證總耗時(shí)約7.5 s，各步驟的耗時(shí)如表1所示；對(duì)比傳統(tǒng)在線計(jì)算方法，其單故障的暫態(tài)穩(wěn)定評(píng)估耗時(shí)約27 s，各步驟的耗時(shí)如表2所示。
表1 基于特征匹配的耗時(shí)
Table 1 Time-consuming based on feature matching
環(huán)節(jié) | 耗時(shí)/s | 備注 |
根據(jù)全景監(jiān)視調(diào)整潮流方式并進(jìn)行潮流計(jì)算 | 2.0 | |
預(yù)想故障下的SEEAC、DEEAC及時(shí)變度指標(biāo)計(jì)算 | 0.5 | |
該方式與聚類(lèi)中心的距離判斷所處聚類(lèi)群 | K-means聚類(lèi)為離線完成，在線過(guò)程不計(jì)算聚類(lèi)時(shí)間 | |
各關(guān)鍵電氣量的參與因子計(jì)算 | 1.0 | |
余弦相似度的計(jì)算及排序 | 1.0 | |
安穩(wěn)策略的校核驗(yàn)證 | 3.0 | |
總計(jì) | 7.5 |
表2 傳統(tǒng)在線系統(tǒng)的耗時(shí)
Table 2 Time-consuming of traditional online system
環(huán)節(jié) | 耗時(shí)/s | 備注 |
初始化潮流、潮流計(jì)算 | 1 | |
暫態(tài)功角穩(wěn)定評(píng)估（失穩(wěn)） | 7 | 該穩(wěn)定評(píng)估環(huán)節(jié)存在多次迭代控制措施量，以找到該方式下控制策略的最優(yōu)解 |
暫態(tài)功角措施搜索 | 1 | |
暫態(tài)功角穩(wěn)定評(píng)估 | 17 | |
輸出結(jié)果 | 1 | |
總計(jì) | 27 |
在應(yīng)對(duì)多預(yù)想故障時(shí)，本文提出的快速生成方法無(wú)須重新進(jìn)行潮流計(jì)算，僅需多次進(jìn)行其他步驟，而傳統(tǒng)在線計(jì)算須針對(duì)整個(gè)流程進(jìn)行多次計(jì)算，以10個(gè)預(yù)想故障為例，本文所提方法耗時(shí)約56 s，傳統(tǒng)在線計(jì)算方法耗時(shí)約261 s。滿足電網(wǎng)實(shí)際運(yùn)行需求。
4.2.1 匹配方法對(duì)電網(wǎng)規(guī)模的適應(yīng)性分析
目前，國(guó)內(nèi)規(guī)模最大的區(qū)域級(jí)緊急控制為各分區(qū)電網(wǎng)的系統(tǒng)保護(hù)，其控制資源涉及分區(qū)電網(wǎng)下各省級(jí)電網(wǎng)中大部分直流、抽水蓄能、儲(chǔ)能、可中斷負(fù)荷等。區(qū)域電網(wǎng)的規(guī)模大約為13 000個(gè)節(jié)點(diǎn)，本文所提方法中僅關(guān)鍵電氣量的參與因子及校核驗(yàn)證需要進(jìn)行小步長(zhǎng)的仿真計(jì)算，與電網(wǎng)規(guī)模相關(guān)，區(qū)域電網(wǎng)的單故障流程時(shí)間大約為15 s。最終控制策略的快速生成時(shí)間仍在分鐘級(jí)以內(nèi)，可以適應(yīng)大電網(wǎng)規(guī)模的需求。
4.2.2 匹配方法對(duì)電力電子化規(guī)模的適應(yīng)性分析
本文所提方法基于詳細(xì)的電網(wǎng)物理模型分析，對(duì)電網(wǎng)安全穩(wěn)定特性及緊急控制策略進(jìn)行匹配。在進(jìn)行歷史數(shù)據(jù)庫(kù)建立以及最終校核驗(yàn)證的仿真過(guò)程中，均考慮了新能源的高低穿及脫網(wǎng)等暫態(tài)過(guò)程的詳細(xì)模型，確保在匹配時(shí)對(duì)時(shí)變度的計(jì)算方法與歷史數(shù)據(jù)相同。同時(shí)在本文方法中存在最終的校核驗(yàn)證環(huán)節(jié)，該環(huán)節(jié)可以進(jìn)一步避免最終策略不適用的情況。
當(dāng)系統(tǒng)電力電子化程度不斷提高，電網(wǎng)發(fā)生突變的可能性將不斷增加，電網(wǎng)安全穩(wěn)定問(wèn)題將越發(fā)復(fù)雜?；谔卣髌ヅ涞姆€(wěn)定控制策略快速生成跳過(guò)了長(zhǎng)耗時(shí)的仿真分析過(guò)程，在突變環(huán)境下可以尋找保證電網(wǎng)安全穩(wěn)定控制策略的可行解。
以某實(shí)際區(qū)域電網(wǎng)中區(qū)域電網(wǎng)送出安穩(wěn)系統(tǒng)為例，驗(yàn)證本文方式的正確性。該地區(qū)電網(wǎng)的地理接線圖如圖2所示。
圖2 某區(qū)域電網(wǎng)地理接線圖
Fig.2 Geographical wiring diagram of a regional power grid
圖2中，場(chǎng)站A為小水電及新能源送出匯集站，當(dāng)線路BC發(fā)生三永N-2故障時(shí)，電廠D及小水電廠E相對(duì)主網(wǎng)功角失穩(wěn)，根據(jù)故障時(shí)線路BC的功率切除電廠D機(jī)組、小水電機(jī)組及新能源機(jī)組，保證電網(wǎng)安全穩(wěn)定。
正常運(yùn)行時(shí)，在線系統(tǒng)每5 min一個(gè)時(shí)間斷面，生成一套電網(wǎng)運(yùn)行方式數(shù)據(jù)，進(jìn)行在線策略搜索。算例假設(shè)某時(shí)間斷面生成數(shù)據(jù)時(shí)刻為0，1 min后，由于強(qiáng)風(fēng)天氣使得新能源基地出力增加150 MW，且出現(xiàn)H-I一回線路斷線，若在此時(shí)仍使用0時(shí)刻的方式數(shù)據(jù)進(jìn)行策略搜索，該策略無(wú)法保證突變后的電網(wǎng)安全穩(wěn)定運(yùn)行。突變前后的電網(wǎng)方式數(shù)據(jù)如表3所示，突變前后采用0時(shí)刻策略故障后的功角曲線如圖3所示，突變前后的等值單機(jī)系統(tǒng)P?δ?-?曲線見(jiàn)附錄A圖A1。
表3 突變前后電網(wǎng)潮流數(shù)據(jù)
Table 3 Power flow data before and after sudden change
網(wǎng)絡(luò)特征量 | 功率/MW | |
突變前 | 突變后 | |
水電廠群E | 445.9 | 446.7 |
火電機(jī)組D | 1 200.0 | 1 200.0 |
新能源基地 | 269.5 | 419.2 |
火電機(jī)組F | 214.0 | 214.0 |
負(fù)荷群1 | 494.0 | 488.0 |
負(fù)荷群2 | 1 285.0 | 1 282.0 |
火電機(jī)組G | 598.0 | 599.0 |
線路BC | 1 055.1 | 1 198.7 |
圖3 突變前后采用0時(shí)刻策略的水電機(jī)組功角曲線
Fig.3 Power angle curves of hydropower with zero-time strategy before and after sudden change
基于相同的突變后方式，若直接采用電氣量匹配最接近的歷史方式，仍會(huì)出現(xiàn)最終策略無(wú)法適用的問(wèn)題。與當(dāng)前電網(wǎng)最接近的歷史數(shù)據(jù)如表4所示，對(duì)應(yīng)故障后的功角曲線如圖4所示，其對(duì)應(yīng)的等值單機(jī)系統(tǒng)及匹配方式的P?δ?-?曲線見(jiàn)附錄A圖A2。由于匹配方式中火電機(jī)組D的2臺(tái)發(fā)電機(jī)均不滿發(fā)，電網(wǎng)旋備增加，使得電網(wǎng)失穩(wěn)模式發(fā)生變化，因此，僅根據(jù)電氣量匹配方式的控制策略無(wú)法適用，需要在匹配過(guò)程中添加表征暫態(tài)軌跡特征指標(biāo)，從而提高匹配的精確度。
表4 根據(jù)電氣量匹配得到的數(shù)據(jù)
Table 4 Data obtained by matching based on electrical quantities
網(wǎng)絡(luò)特征量 | 功率/MW | |
突變后方式 | 歷史方式68 | |
水電廠群E | 446.7 | 433.0 |
火電機(jī)組D | 1 200.0 | 1 105.0 |
新能源基地 | 419.2 | 450.5 |
火電機(jī)組F | 214.0 | 208.0 |
負(fù)荷群1 | 488.0 | 433.0 |
負(fù)荷群2 | 1 282.0 | 1 255.0 |
火電機(jī)組G | 599.0 | 588.0 |
線路BC | 1 198.7 | 1 154.3 |
圖4 故障后采用匹配方式策略的功角曲線
Fig.4 Power angle curve with matching mode strategy after fault
根據(jù)本文提出的匹配方法及流程，基于穩(wěn)定裕度和時(shí)變度指標(biāo)，不同K值下的SSE曲線如圖5所示，對(duì)應(yīng)的第1次匹配成功率如表5所示。
圖5 不同K值下的SSE曲線
Fig.5 SSE curve with different K values
表5 不同K值下第1次匹配的成功率
Table 5 Success rate of first matching with different K values
聚類(lèi)數(shù)K | 匹配成功率/% |
1 | 58.8 |
2 | 77.4 |
3 | 95.1 |
4 | 83.4 |
5 | 75.3 |
6 | 54.9 |
7 | 34.7 |
因此，可將所有歷史方式聚類(lèi)為3個(gè)群，具體聚類(lèi)結(jié)果如圖6所示，不同顏色的劃分代表著不同的群組，待匹配方式所處的群組為電網(wǎng)潮流特征匹配的待選方式。
圖6 電網(wǎng)歷史方式聚類(lèi)
Fig.6 Clustering of historical modes in power grid
計(jì)算突變后方式的SEEAC裕度值及時(shí)變度指標(biāo)，明確該方式屬于圖6中的紅色群，因此，所有紅色群中的歷史方式將作為備選方式進(jìn)行后續(xù)潮流特征匹配。對(duì)突變后方式中的同步電源、非同步電源、負(fù)荷的參與因子進(jìn)行計(jì)算分析，參與因子超過(guò)0.1則判斷為關(guān)鍵電氣量，針對(duì)該故障，將水電廠群E、火電機(jī)組D、新能源基地B、火電機(jī)組F作為關(guān)鍵電氣量，其余參量對(duì)電網(wǎng)安全穩(wěn)定特性影響較小。具體結(jié)果如表6所示。
表6 不同特征量的參與因子
Table 6 Participation factors of different characteristic quantities
網(wǎng)絡(luò)特征量 | 參與因子 |
水電廠群E | 0.348 |
火電機(jī)組D | 1.000 |
新能源基地 | 0.316 |
火電機(jī)組F | 0.674 |
負(fù)荷群1 | 0.054 |
負(fù)荷群2 | 0.018 |
火電機(jī)組G | 0.042 |
結(jié)合參與因子計(jì)算結(jié)果進(jìn)行余弦相似度匹配，突變后方式的邊界條件、時(shí)變度指標(biāo)計(jì)算結(jié)果、與歷史數(shù)據(jù)庫(kù)匹配結(jié)果如表7所示，采用匹配的控制策略后，當(dāng)前方式和匹配結(jié)果的等值單機(jī)系統(tǒng)的P?δ?-?曲線見(jiàn)附錄A圖A3。
表7 算例匹配結(jié)果
Table 7 Case matching results
特征量 | 當(dāng)前方式 | 歷史方式38 |
時(shí)變度指標(biāo) | 0.006 3 | 0.006 5 |
電廠D出力 | 1 200 MW | 1 200 MW |
電廠F出力 | 214 MW | 132 MW |
水電廠E總出力 | 446.7 MW | 460.6 MW |
新能源基地總出力 | 419.2 MW | 399.1 MW |
線路B-C的功率 | 1 198.7 MW | 1 247.1 MW |
匹配結(jié)果的控制量 | 新能源(12×30 MW),水電(3×90 MW) | |
當(dāng)前方式校核結(jié)果 | 通過(guò) | |
離線控制策略 | 切除所有新能源（419 MW）、切除所有水電機(jī)組（446 MW）、切除電廠D所有機(jī)組（1 170 MW） | |
相比表3中匹配的結(jié)果而言，在歷史方式68中，電網(wǎng)主力電廠火電機(jī)組D的2臺(tái)發(fā)電機(jī)均不滿發(fā)，運(yùn)行時(shí)存在較多的旋轉(zhuǎn)備用，導(dǎo)致電網(wǎng)失穩(wěn)模式發(fā)生改變，暫態(tài)安全穩(wěn)定性提升，其所需控制量較小，無(wú)法滿足突變后方式的需求。而歷史方式38中，火電機(jī)組D為滿發(fā)狀態(tài)，時(shí)變度指標(biāo)與突變后方式較為接近，因此，其控制策略可以滿足突變后電網(wǎng)對(duì)安全穩(wěn)定性的要求。歷史方式38與68的詳細(xì)數(shù)據(jù)對(duì)比見(jiàn)附錄B表B1。
在線匹配后的控制量較離線控制量減小了約1 400 MW的切機(jī)量，在保證電網(wǎng)安全性的同時(shí)，大大提升了運(yùn)行的經(jīng)濟(jì)性。
針對(duì)由于強(qiáng)不確定性環(huán)境下電網(wǎng)方式突變，導(dǎo)致在線一個(gè)計(jì)算周期內(nèi)來(lái)不及通過(guò)時(shí)域仿真計(jì)算緊急控制策略的新問(wèn)題，本文探索了綜合應(yīng)用潮流和軌跡特征實(shí)施方式匹配，在線快速生成緊急控制策略的方法，主要研究結(jié)論如下：
1）對(duì)于非線性的時(shí)變復(fù)雜大電網(wǎng)，僅采用潮流特征量進(jìn)行歷史方式匹配存在失配風(fēng)險(xiǎn)，引入時(shí)變度指標(biāo)描述電網(wǎng)暫態(tài)軌跡特征可提升方式匹配的精確性；
2）提出以電網(wǎng)時(shí)變度指標(biāo)、SEEAC穩(wěn)定裕度作為二維數(shù)據(jù)對(duì)象的K-means聚類(lèi)方法，解決了時(shí)變度指標(biāo)匹配誤差的問(wèn)題，明確了潮流特征匹配的范圍；
3）以余弦相似度計(jì)算電網(wǎng)方式的相似性，選取最接近的電網(wǎng)方式作為突變后電網(wǎng)的匹配結(jié)果，并使用匹配結(jié)果的控制策略進(jìn)行校核驗(yàn)證。通過(guò)實(shí)際電網(wǎng)的算例驗(yàn)證，證明該方法的有效性。
(a) 系統(tǒng)突變前發(fā)生方式
(b) 系統(tǒng)發(fā)生突變后方式
圖A1 系統(tǒng)突變前后發(fā)生B-C三永N-2故障后的等值單機(jī)系統(tǒng)(P?δ)?-?曲線
Fig.A1 The (P?δ)?-? curve of equivalent OMIB system after B-C three-phase permanent N-2 fault before and after system mutation
(a) 基于潮流特征匹配的方式
(b) 系統(tǒng)發(fā)生突變后方式
圖A2 基于潮流特征匹配的等值單機(jī)系統(tǒng)(P?δ)?-?曲線
Fig.A2 The (P?δ)?-? curve of equivalent OMIB system based on power flow characteristics matching
(a) 綜合潮流特征和時(shí)變度匹配的方式
(b) 系統(tǒng)發(fā)生突變后方式
圖A3 綜合潮流特征和時(shí)變度匹配的等值單機(jī)系統(tǒng)(P?δ)?-?曲線
Fig.A3 The (P?δ)?-? curve of equivalent OMIB system based on power flow characteristics and time-varying degree matching
表B1 歷史方式38與68詳細(xì)數(shù)據(jù)對(duì)比
Table B1 The detail data comparison between the historical case 68 and 38
網(wǎng)絡(luò)特征量 | 突變后方式（MW） | 歷史方式68（MW） |
水電廠群E | 446.7 | 433 |
火電機(jī)組D | 1200 | 1105 |
新能源基地 | 419.2 | 450.5 |
火電機(jī)組F | 214 | 208 |
負(fù)荷群1 | 488 | 433 |
負(fù)荷群2 | 1282 | 1255 |
火電機(jī)組G | 599 | 588 |
B-C線路功率 | 1198.7 | 1154.3 |
1
任偉，房大中，陳家榮，等.基于最優(yōu)控制原理的電力系統(tǒng)緊急控制及應(yīng)用［J］.電網(wǎng)技術(shù)，2009，33（2）：8-13. [百度學(xué)術(shù)]
REN Wei， FANG Dazhong， CHEN Jiarong， et al. Optimal control theory based power system emergency control and its application［J］. Power System Technology， 2009， 33（2）： 8-13. [百度學(xué)術(shù)]
2
徐泰山，丁茂生，彭慧敏，等.交直流電力系統(tǒng)暫態(tài)安全穩(wěn)定在線緊急控制策略并行算法［J］.電力系統(tǒng)自動(dòng)化，2015，39（10）：174-180. [百度學(xué)術(shù)]
XU Taishan， DING Maosheng， PENG Huimin， et al. A parallel algorithm for determining an online emergency control strategy of transient security and stability for AC-DC power systems［J］. Automation of Electric Power Systems， 2015， 39（10）： 174-180. [百度學(xué)術(shù)]
3
邵偉，周曉寧，王勝明，等.一種面向?qū)ο蟮姆€(wěn)控策略建模方法［J］.電網(wǎng)與清潔能源，2014，30（9）：19-25. [百度學(xué)術(shù)]
SHAO Wei， ZHOU Xiaoning， WANG Shengming， et al. An object-oriented stability control strategy modeling method［J］. Power System and Clean Energy， 2014， 30（9）： 19-25. [百度學(xué)術(shù)]
4
陳興華，陳錦昌，楊文佳，等.安全穩(wěn)定控制措施與備用電源自動(dòng)投入措施的協(xié)調(diào)策略［J］.廣東電力，2016，29（11）：110-113. [百度學(xué)術(shù)]
CHEN Xinghua， CHEN Jinchang， YANG Wenjia， et al. Coordination strategy for security and stability control measures and automatic switching-in measures for reserve power supply［J］. Guangdong Electric Power， 2016， 29（11）： 110-113. [百度學(xué)術(shù)]
5
樓賢嗣，馬光，郭創(chuàng)新，等.電網(wǎng)運(yùn)行全過(guò)程風(fēng)險(xiǎn)協(xié)調(diào)控制體系與架構(gòu)設(shè)計(jì)［J］.電力系統(tǒng)自動(dòng)化，2020，44（5）：161-170. [百度學(xué)術(shù)]
LOU Xiansi， MA Guang， GUO Chuangxin， et al. System and framework design of risk coordination control for whole operation process of power system［J］. Automation of Electric Power Systems， 2020， 44（5）： 161-170. [百度學(xué)術(shù)]
6
李碧君，許劍冰，徐泰山，等.大電網(wǎng)安全穩(wěn)定綜合協(xié)調(diào)防御的工程應(yīng)用［J］.電力系統(tǒng)自動(dòng)化，2008，32（6）：25-30. [百度學(xué)術(shù)]
LI Bijun， XU Jianbing， XU Taishan， et al. Engineering application of integrated and coordinated defense technology of large power system security and stability［J］. Automation of Electric Power Systems， 2008， 32（6）： 25-30. [百度學(xué)術(shù)]
7
李碧君，方勇杰，徐泰山.關(guān)于電網(wǎng)運(yùn)行安全風(fēng)險(xiǎn)在線評(píng)估的評(píng)述［J］.電力系統(tǒng)自動(dòng)化，2012，36（18）：171-177. [百度學(xué)術(shù)]
LI Bijun， FANG Yongjie， XU Taishan. Review on online operational security risk assessment of power systems［J］. Automation of Electric Power Systems， 2012， 36（18）： 171-177. [百度學(xué)術(shù)]
8
DUDURYCH I M， ROGERS A， AHERNE R， et al. Safety in numbers： online security analysis of power grids with high wind penetration［J］. IEEE Power and Energy Magazine， 2012， 10（2）： 62-70. [百度學(xué)術(shù)]
9
王彤，劉九良，朱劭璇，等.基于隨機(jī)森林的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估與緊急控制策略［J］.電網(wǎng)技術(shù)，2020，44（12）：4694-4701. [百度學(xué)術(shù)]
WANG Tong， LIU Jiuliang， ZHU Shaoxuan， et al. Transient stability assessment and emergency control strategy based on random forest in power system［J］. Power System Technology， 2020， 44（12）： 4694-4701. [百度學(xué)術(shù)]
10
PANNELL Z， RAMACHANDRAN B， SNIDER D. Machine learning approach to solving the transient stability assessment problem［C］// IEEE Texas Power and Energy Conference （TPEC）， February 8-9， 2018， College Station， USA. [百度學(xué)術(shù)]
11
BALTAS N G， MAZIDI P， MA J， et al. A comparative analysis of decision trees， support vector machines and artificial neural networks for on-line transient stability assessment［C］// International Conference on Smart Energy Systems and Technologies （SEST）， September 10-12， 2018， Seville， Spain. [百度學(xué)術(shù)]
12
周挺，楊軍，周強(qiáng)明，等.基于改進(jìn)LightGBM的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估方法［J］.電網(wǎng)技術(shù)，2019，43（6）：1931-1940. [百度學(xué)術(shù)]
ZHOU Ting， YANG Jun， ZHOU Qiangming， et al. Power system transient stability assessment method based on modified LightGBM［J］. Power System Technology， 2019， 43（6）： 1931-1940. [百度學(xué)術(shù)]
13
HU W， LU Z X， WU S， et al. Real-time transient stability assessment in power system based on improved SVM［J］. Journal of Modern Power Systems and Clean Energy， 2019， 7（1）： 26-37. [百度學(xué)術(shù)]
14
MOULIN L S， DA SILVA A P A， EL-SHARKAWI M A， et al. Support vector machines for transient stability analysis of large-scale power systems［J］. IEEE Transactions on Power Systems， 2004， 19（2）： 818-825. [百度學(xué)術(shù)]
15
薛禹勝，黃天罡，陳國(guó)平，等.關(guān)于暫態(tài)穩(wěn)定分析算例篩選的評(píng)述［J］.電力系統(tǒng)自動(dòng)化，2019，43（6）：1-14. [百度學(xué)術(shù)]
XUE Yusheng， HUANG Tiangang， CHEN Guoping， et al. Review on case filtering in transient stability analysis［J］. Automation of Electric Power Systems， 2019， 43（6）： 1-14. [百度學(xué)術(shù)]
16
楊博，陳義軍，姚偉，等.基于新一代人工智能技術(shù)的電力系統(tǒng)穩(wěn)定評(píng)估與決策綜述［J］.電力系統(tǒng)自動(dòng)化，2022，46（22）：200-223. [百度學(xué)術(shù)]
YANG Bo， CHEN Yijun， YAO Wei， et al. Review on stability assessment and decision for power systems based on new-generation artificial intelligence technology［J］. Automation of Electric Power Systems， 2022， 46（22）： 200-223. [百度學(xué)術(shù)]
17
XUE Y， VAN CUTSEM T， RIBBENS-PAVELLA M. A simple direct method for fast transient stability assessment of large power systems［J］. IEEE Transactions on Power Systems， 1988， 3（2）： 400-412. [百度學(xué)術(shù)]
18
XUE Y， PAVELLA M. Critical-cluster identification in transient stability studies［J］. IEE Proceedings of Generation， Transmission and Distribution， 1993， 140（6）： 481. [百度學(xué)術(shù)]
19
薛禹勝.DEEAC的理論證明——四論暫態(tài)能量函數(shù)直接法［J］.電力系統(tǒng)自動(dòng)化，1993，17（7）：7-19. [百度學(xué)術(shù)]
XUE Yusheng. A theoretical proof of DEEAC［J］. Automation of Electric Power Systems， 1993， 17（7）： 7-19. [百度學(xué)術(shù)]
20
XUE Y S， HUANG T G， XUE F. Effective and robust case screening for transient stability assessment［C］// IREP Symposium Bulk Power System Dynamics and Control-Ⅸ Optimization， Security and Control of the Emerging Power Grid， August 25-30， 2013， Rethymno， Greece. [百度學(xué)術(shù)]
21
薛禹勝.EEAC和FASTEST［J］.電力系統(tǒng)自動(dòng)化，1998，22（9）：25-30. [百度學(xué)術(shù)]
XUE Yusheng. EEAC and FASTEST［J］. Automation of Electric Power Systems， 1998， 22（9）： 25-30. [百度學(xué)術(shù)]
22
薛禹勝.運(yùn)動(dòng)穩(wěn)定性量化理論：非自治非線性多剛體系統(tǒng)的穩(wěn)定性分析［M］.南京：江蘇科學(xué)技術(shù)出版社，1999. [百度學(xué)術(shù)]
XUE Yusheng. Quantitative theory of motion stability： stability analysis of nonautonomous nonlinear multi-rigid body system［M］. Nanjing： Phoenix Science Press， 1999. [百度學(xué)術(shù)]
23
黃天罡，薛禹勝，陳國(guó)平，等.暫態(tài)穩(wěn)定算例的高效篩除［J］.電力系統(tǒng)自動(dòng)化，2018，42（8）：83-91. [百度學(xué)術(shù)]
HUANG Tiangang， XUE Yusheng， CHEN Guoping， et al. An efficient stable case screening algorithm for transient stability assessment［J］. Automation of Electric Power Systems， 2018， 42（8）： 83-91. [百度學(xué)術(shù)]
11月21日，有網(wǎng)友爆料稱(chēng)，湖北廣水94歲的老奶奶行動(dòng)不便，為了社?？せ睿蝗颂У姐y行進(jìn)行人臉識(shí)別。
不知道大家看了是什么感受，我看了感覺(jué)是可氣又可笑。我們還沒(méi)有被人類(lèi)制造的機(jī)器人統(tǒng)治，但是已經(jīng)開(kāi)始被人類(lèi)發(fā)明的技術(shù)折騰了。
一個(gè)94歲的老奶奶，穿著那么厚的棉衣，卻要被從家里折騰的銀行，然后再折騰到半空中……
當(dāng)今的社會(huì)大眾，可謂是享盡了科技發(fā)展帶來(lái)的紅利。移動(dòng)支付、健康碼、生活繳費(fèi)……無(wú)論何時(shí)何地，只要憑借一臺(tái)電子設(shè)備就可以迅速完成。
但是有時(shí)，收銀臺(tái)前蒼老的手里攥緊的舊紙幣和收銀員“只允許微信支付”的回應(yīng)，會(huì)讓人們突然警醒：原來(lái)，有人并沒(méi)有趕上這趟變革時(shí)代的數(shù)字列車(chē)，他們正在老齡化日益加劇的社會(huì)里艱難掙扎。便捷化帶來(lái)的邊緣化，似乎有些殘酷。
從沒(méi)有健康碼難以出行的老人，到被抱起來(lái)完成所謂智能流程的老人，智能到底是服務(wù)了更多人的全能，還是導(dǎo)致了更多人的“失能”？
有網(wǎng)友為父母繪制的微信使用說(shuō)明書(shū)
科技本意是為助人，但當(dāng)老年人和農(nóng)村居民成了被忽略的一類(lèi)人，那是否有違初衷呢？
我們?cè)谙硎苤鴷r(shí)代進(jìn)步的紅利時(shí)，是否可以等一等那些“脫網(wǎng)”人群呢？
是否可以協(xié)調(diào)好社會(huì)的現(xiàn)代化與人性化呢？那如這般的硬性規(guī)定是否可以具備人文關(guān)懷呢？
科技發(fā)展的新時(shí)代是便捷的，更是普惠的，保證老年群體不成為時(shí)代的“孤島”是建立平等社會(huì)的必然要求。正如這位94歲的老奶奶，理應(yīng)得到全社會(huì)的關(guān)照和保護(hù)。還是那句話，科學(xué)技術(shù)的推廣不應(yīng)剝奪老年人喘息的余地，想反，科技應(yīng)該為他們晚年的便利保駕護(hù)航！
來(lái)源：紅網(wǎng)論壇@阿拉斯加紅魚(yú)