Foutketen-gebaseerde preventie- en controlemethode voor tyfoonramp

Samenvatting

Er wordt een op de breukketen gebaseerde preventie- en beheersingsmethode voor tyfoonrampen voorgesteld. Door tyfoonwindvelden te modelleren, kan de berekening van de faalkans van transmissietakken worden uitgevoerd. Screening van risicovertakkingen voor foutketenanalyse en het implementeren van preventie- en controlemaatregelen voor elektriciteitsnetten onder tyfoonomstandigheden kunnen vervolgens worden uitgevoerd.

Samenvatting

Extreme rampen zoals tyfoons vormen een grote bedreiging voor de operationele integriteit en stabiliteit van elektriciteitsnetten, waardoor preventieve en beheersmaatregelen voor de ramp steeds belangrijker worden. Gemotiveerd door de beperkingen van conventionele N-1 en N-2 beveiligingscriteria bij het aanpakken van ruimtelijk gecorreleerde en door waarschijnlijkheid gedreven storingen, stelt dit artikel een op breukketen gebaseerde preventie- en controlemethode voor tyfoonrampen voor. Een model voor tyfoonwindvelden wordt gecombineerd met een transmissiebranch-kwetsbaarheidsmodel om de ruimtelijke faalkansen van transmissietakken te kwantificeren, op basis waarvan hoog-risico takken onder voorspelde tyfoonscenario's worden geïdentificeerd. Met deze takken als initiële contingenties wordt een systematische foutketenzoektocht uitgevoerd om kritieke cascaderende storingenpaden te bepalen, en wordt een risicoindex vastgesteld door de faalkansen in elke fase te integreren met de bijbehorende stroomonderbreking. Op deze basis wordt een risicogericht preventief controleoptimalisatiemodel geformuleerd, waarin generatoroutput en stroomonderbreking worden gecoördineerd om de verwachte gevolgen van risicovolle foutketens te minimaliseren terwijl aan operationele beperkingen wordt voldaan. Casestudy's over het IEEE 39-bus testsysteem en het Hainan-elektriciteitsnet onder tyfoon Yagi bevestigen dat de voorgestelde methode effectief de door tyfoons veroorzaakte faalkenmerken kan vastleggen, de verwachte belastingsbeperking aanzienlijk kan verminderen en buitensporige controlekosten kan verminderen vergeleken met traditionele deterministische criteria. De resultaten tonen aan dat de voorgestelde methode een praktisch en economisch hulpmiddel biedt voor online werking van elektriciteitsnetten onder extreme tyfoonomstandigheden.

Inleiding

Sterke wind, zware regenval, onweersbuien en andere factoren die samenhangen met tyfoons kunnen uitvallen in stedelijke energiesystemen veroorzaken, wat een ernstige bedreiging vormt voor de regionale energiezekerheid en grote schade toebrengt aan stedelijke economieën¹. Extreem weer, zoals tyfoons, kan ook kettingstoringen in het energiesysteem veroorzaken, wat leidt tot grootschalige stroomuitval². Super Tyfoon Lekima 2019 kwam met zware regenval in de provincie Zhejiang in China, waardoor 72 onderstations en meer dan 4.000 lijnen op het lokale elektriciteitsnet buiten gebruik waren en 7,72 miljoen gebruikers zonder stroom^zaten. In februari 2021 kreeg de staat Texas in de Verenigde Staten te maken met een langdurige en wijdverspreide stroomstoring in de regio als gevolg van een winterstorm, wat leidde tot het bevriezen van transmissielijnen en het storen van interlocks van transmissieapparatuur⁴. Volgens statistieken wordt meer dan 80% van de wereldwijde stroomuitval veroorzaakt door extreme weersrampen zoals tyfoons en regenbuien, wat directe economische verliezen aan het elektriciteitsnet van meer dan 30 miljard dollar per jaar veroorzaakt, en een stijgende trend van jaar na^vijf jaar laat zien. Het is noodzakelijk om de capaciteiten van het elektriciteitsnet te versterken om met extreme ongelukken om te gaan. Preventieve controle is een belangrijke manier om de kans op kettingstoringen binnen energiesystemen^{te beperken 6}. Preventieve maatregelen kunnen vergrendelingsstoringen effectief blokkeren, de omvang van storingen en hersteltijd verkorten, en de investering in preventie is veel lager dan de kosten van reparatie en compensatie na een storing.

Tyfoons zijn verdeeld in drie hoofdonderdelen: het oog van de tyfoon, de wand van het oog en de spiraalvormige regenband, waarvan de straal meestal varieert in tientallen kilometers⁷. De radiale verdeling van de tyfoonwindsnelheid neemt scherp toe nabij het oog, bereikt een piek op een bepaalde afstand, en neemt vervolgens snel verder naar buiten af. Een nauwkeurige weergave van de belangrijkste kenmerken van een tyfoonwindveld vereist het construeren van een windveldmodel dat is gebaseerd op de structurele parameters van de tyfoon⁸. Modellering van tyfoonwindvelden speelt een cruciale rol bij het analyseren van de impact van door tyfoons veroorzaakte gevaren op transmissienetwerken, en het gekozen tyfoonwindveldmodel moet voldoen aan de vraag naar simulatienauwkeurigheid en rekenefficiëntie. In technische toepassingen moet de berekening van het model rekening houden met de sterke koppeling tussen het druk- en snelheidsveld⁹, en het verkrijgen van een nauwkeurige niet-lineaire oplossing van dit model is vaak computationeel uitdagend, waardoor het in praktische berekeningen vaak nodig is om alleen de benaderende oplossing te verkrijgen. In de jaren zeventig was Russell de eerste die een stochastische benadering introduceerde voor het simuleren van het ontwikkelingsproces van tyfoons¹⁰, en er zijn wereldwijd uitgebreide inspanningen geleverd door onderzoekers om tyfoonwindveldmodellen te ontwikkelen en te verfijnen, samen met bijbehorende computationele methodologieën, en er zijn veel modelleringsmethoden ontstaan. Het Batts-tyfoonmodel gaat ervan uit dat de tyfoon na landval in een rechte lijn beweegt, wat niet overeenkomt met de werkelijkheid. Holland en andere tyfoonmodellen simuleren de tyfoon met hoge nauwkeurigheid, maar het blijft een uitdaging om volledig te voldoen aan praktische technische eisen^11,12. In dit artikel wordt het Jelesnianski windveldmodel gebruikt om de beweging en het verval van een tyfoonramp te simuleren en om de grootte van windsnelheden op verschillende locaties binnen het inslaggebied van tyfoonramp¹³ te bepalen.

In het huidige onderzoek naar ketenbreuken, in termen van foutketenzoek, wordt de tak met de grootste risicoindex meestal geselecteerd als de onderste open tak van de breukketen, maar het is mogelijk om sommige breukketenpaden met ernstigere gevolgen te missen¹⁴. Bij preventieve controle van de foutketen wordt het preventieve controleschema meestal gegeven vanuit het perspectief van relaisbescherming, met als doel de veiligheidsmarge van het net te maximaliseren, maar het kan de risicoconsequenties van de foutketen op het^{rooster 15} niet weerspiegelen. Sommige studies combineren preventieve controle van de foutketen en blokkeringscontrole voor gecoördineerde optimalisatie, en geven tegelijkertijd het pre-foutpreventieve controleschema en het blokkeringsschema voor de gespecificeerde foutketen^16,17. Maar het optimalisatieproces houdt alleen rekening met de foutkans van de lijnen binnen het kettingfoutpad, en negeert de foutkans die geassocieerd is met transmissielijnen buiten het cascaderende faalpad, wat kan leiden tot het probleem van het besturingsschema om het voortplantingspad van de foutketen te veranderen, waardoor het voorgestelde regelschema ongeldig wordt, en het gecoördineerde optimalisatiemodel dat is vastgesteld is meestal moeilijk op te lossen^18,19.

Dit artikel test de hypothese dat een op foutketen gebaseerd preventief controlekader, dat expliciet kenmerken van tyfoenwindvelden, transmissietakkwetsbaarheid en cascaderende storingsmechanismen integreert in een uniform, risicogericht optimalisatiemodel, effectievere en economische besluitvorming kan bieden voor de werking van het elektriciteitssysteem onder extreme tyfoonomstandigheden dan traditionele deterministische N-1/N-2-criteria. Specifiek wordt verondersteld dat door 1) de kans op takfalen te kwantificeren die worden veroorzaakt door ruimtelijk gecorreleerde tyfoonbelastingen, 2) kritieke foutketens te identificeren en hun bijbehorende risico's te evalueren in termen van verwacht belastingverlies, en 3) pre-contingency generatoroutput en stroomonderbreking te optimaliseren met betrekking tot deze breukketenrisico's, de voorgestelde methode het door rampen veroorzaakte falgedrag nauwkeuriger kan vastleggen, verminder de verwachte belastingsbeperking en het risico op blackout aanzienlijk, en voorkomt buitensporige of onnodige preventieve maatregelen vergeleken met conventionele beveiligingsnormen.

In dit artikel worden de takken met een hoge faalkans onder extreem weer afgeschermd door gebruik te maken van het typhoonwindveldmodel en het transmissiebranch-kwetsbaarheidsmodel. De hoog-risico tak wordt bij extreem weer gebruikt als de eerste open tak om alle mogelijke breukketens te doorzoeken. Door de output van de energiesystemen en de uitvallende belastingen aan te passen, kunnen de verwachte gevolgen van elke foutketen worden verminderd.

De voorgestelde methode vereist input, waaronder gegevens van tyfoonwindvelden, gridtopologie en operationele parameters. Typische aannames zijn onder andere constante maximale windradius en vereenvoudigde betrouwbaarheidsmodellering van seriestructuren voor transmissietakken. Echter, rekenkundige efficiëntie kan worden uitgedaagd wanneer toegepast op zeer grootschalige systemen vanwege het combinatorische karakter van foutketenopsomming.

Protocol

Berekening van de kans op lijnstoring bij een tyfoonramp

Bovengrondse transmissielijnen en door torens ondersteunde circuits zijn zeer kwetsbaar voor de ruimtelijk variërende windbelastingen veroorzaakt door een transformerende tyfoon²⁰. Wanneer de windsnelheid van een tyfoon te hoog is, is het heel gemakkelijk dat transmissieapparatuur uitvalt^{bij 21,22}. Empirische windveldformuleringen, zoals het Jelesnianski windveldmodel, maken het mogelijk om tijdsvariërende windsnelheidsvelden over de voetafdruk van de storm te reconstrueren. Wanneer deze windvelduitgangen worden gekoppeld aan de kwetsbaarheidsmodellen voor individuele lijnsecties of torens, wordt het mogelijk om ruimtelijke windbelastingen te vertalen naar cumulatieve breukkansen²³.

Typhoon-windveldmodel

De simulatie in Jelesnianski's model was verdeeld in twee stappen: ten eerste werd het axisymmetrische windveld van de tyfoon afgeleid op basis van een vooraf bepaalde analytische formulering, en het translationele windveld dat samenhangt met de beweging van de tyfoon werd over elkaar gelegd om het resulterende windveld te verkrijgen. Dit tyfoonmodel maakte gebruik van parameters zoals de hoogste windsnelheid van de tyfoon en de straal van de hoogste windsnelheid om het tangentiële windcomponent van de cyclonale circulatie te schatten, die werd gegeven in de volgende formule:

(1)

Waar V_s de tangentiële windsnelheid is van de tyfooncirculatie op een afstand r van het tyfooncentrum; V_max is de hoogste windsnelheid; R₀ is de straal van de hoogste windsnelheid.

Het bewegende windveld van het tyfoonmodel werd vervolgens berekend met de volgende vergelijking:

(2)

Waar V_d de snelheid is van de tyfoon op een afstand r van het middelpunt; V_c is de bewegingssnelheid van het tyfooncentrum.

Wanneer er gegevens over windcirkels op 7e niveau beschikbaar waren, werd de straal van maximale wind doorgaans geschat als 1/10e van de straal van het Beaufort-schaal windveld op niveau zeven. Voor tyfoons zonder observatiegegevens over de straal van het stormveld niveau zeven, werd de hoogste windstraal berekend met een empirische relatievergelijking²¹:

(3)

Waar R_k een empirische constante is, meestal tussen 30 en 60; P₀ is de druk in het centrum van de tyfoon.

De formule voor windveldsnelheid voor het tyfoonmodel werd verkregen door de tangentiële windsnelheid V_s van de tyfooncirculatie en de bewegingssnelheid V_d als volgt te leggen:

Wanneer 0 ≤ r ≤ R₀

(4)

(5)

Wanneer R₀ ≤ r ≤ ∞

(6)

(7)

Waar V_x de snelheidscomponent van de tyfoon is op de x-as op een afstand r van het middelpunt van de tyfoon; V_y is de snelheidscomponent van de tyfoon op de y-as op een afstand r van het centrum van de tyfoon; V_dx en V_dy zijn de twee componenten van de snelheid van het centrum van de tyfoon op de x-as en y-as; x₀ en y₀ zijn de twee coördinatenwaarden van het tyfooncentrum op de x-as en y-as; x en y zijn de twee coördinatenwaarden op de x-as en y-as op een afstand r van het centrum van de tyfoon; θ is de instroomhoek van de tyfoon.

Figuur 1 toont een schema van het bewegingsproces van de tyfoon na landing. Uit het tyfoonwindveldmodel blijkt dat de horizontale windsnelheid van de tyfoon toeneemt en vervolgens afneemt vanaf het centrum naar buiten. Als we een positie O op de transmissietak nemen, is op het moment van t₁ de maximale windstraal van de tyfoon r_max(t₁), en de afstand tussen het centrum van de tyfoon en O is d(t₁). Deze keer is d(t₁) groter dan r_max(t₁), en naarmate de tyfoon beweegt, neemt de afstand tussen O en het tyfooncentrum af, waardoor de windsnelheid bij O toeneemt. Op het moment van t₂ is d(t₂) kleiner dan r_max(t₂) en neemt d(t₂) af, waardoor de windsnelheid bij O afneemt. Op moment t₃ blijft d(t₃) toenemen maar is minder dan r_max(t₃), dus de windsnelheid bij O zal toenemen. Evenzo blijft d(t₄) bij t₄ toenemen en is groter dan r_max(t₄), waardoor de windsnelheid bij O afneemt naarmate het tyfooncentrum zich verwijdert. Het is te zien dat de windsnelheid op elke locatie op de transmissietak met de tijd verandert, en zelfs op dezelfde transmissietak zijn de windsnelheidsveranderingen op verschillende locaties niet hetzelfde.

Transmissiebranch kwetsbaarheidsmodel

De sterke impact van tyfoonrampen op het transmissienetwerk kan leiden tot uitval van transmissievertakkingen en mogelijk regionale of wijdverspreide stroomuitval^{veroorzaken. 24}. De kans op uitval in verschillende segmenten van dezelfde transmissietak is niet hetzelfde. Door de grote omvang en complexe structuur van het transmissienet kan het modelleren van de kwetsbaarheid van transmissietakken leiden tot enorme berekeningen als elk transmissieapparaat daarin wordt gemodelleerd en geanalyseerd²⁵. Daarom richt deze sectie zich uitsluitend op transmissielijnsegmenten en torens om een transmissietakkwetsbaarheidsmodel op te stellen dat de kaartrelatie weerspiegelt tussen de kans op uitval van transmissietakken en de stormsnelheid van de tyfoon. Zowel temporele als ruimtelijke dimensies zullen worden gebruikt om de probabilistische kwetsbaarheid van transmissietakstoringen te modelleren, wat de impact van tyfoonrampen weerspiegelt. Het neemt de windsnelheidsinformatie die verandert in ruimte en tijd binnen het tyfoonwindveld als invoergrootheid, en het cumulatieve faalrisico van bovenliggende componenten (inclusief lijnsegmenten en steunstructuren onder tyfoonimpact) wordt beoordeeld op basis van lokale windsnelheidsfluctuaties. Vervolgens wordt de foutkans van elk transmissiepad bepaald door toepassing van een seriestructuurmodel onder gevestigde betrouwbaarheidsbeoordelingskaders.

Bij het oplossen van de faalkans van een bepaalde transmissieapparatuur was het mogelijk eerst het faalpercentage te bepalen en vervolgens een passend stochastisch procesmodel te selecteren op basis van de faalkenmerken om de faalkans te bepalen gedurende de periode die door de tyfoonramp werd getroffen. Faalpercentage werd gedefinieerd als het aantal storingen van transmissieapparatuur per^{tijdseenheid 26}, wat de gemiddelde intensiteit van de storingen tijdens de impact van de tyfoon weerspiegelde. Voor de berekening werd aangenomen dat de transmissielijnsecties die tussen elke twee transmissietorens waren verbonden, aan dezelfde windsnelheid werden onderworpen, en dat de totale duur T_w van de tyfoonramp werd verdeeld in T-tijdintervallen van lengte Δt, waarbij de windsnelheid constant bleef tijdens elk tijdsinterval. Het schematische diagram van de m transmissietak werd weergegeven in Figuur 2, waar de faalkans van de l transmissielijnsectie t op het tijdsinterval kon worden berekend met de volgende vergelijking:

(8)

Waarbij v_m,l(t) de tyfoonwindsnelheid is die wordt gedragen door het I transmissielijngedeelte van de m transmissietak op het tijdsinterval t ; V_D,Lijn is de ontwerpwindsnelheid van deze transmissielijnsectie, die in dit artikel werd genomen als 30 m/s; Δl is de lengte van dit transmissielijngedeelte in kilometers. Omdat de windsnelheid van de tyfoon constant bleef over het lengtebereik van elk transmissielijngedeelte en over de tijdsintervallen die voor tyfooninslagen werden gekozen, bleef het faalpercentage van individuele transmissielijnsecties constant. Dienovereenkomstig kan het opgebouwde risico op falen voor segment l binnen het transmissiepad m tijdens de tyfoonblootstellingsperiode T_w worden geëvalueerd met de volgende uitdrukking:

(9)

Evenzo kan de faalsnelheid van de k transmissietoren van de m transmissietak op het t-tijdsinterval van de tyfoon-impacttijd T_w worden berekend met de volgende vergelijking:

(10)

Waarbij v_m,k(t) de tyfoonwindsnelheid is waaraan de k transmissietoren van de m transmissietak wordt blootgesteld in het tijdsinterval t ; γ een modelparameter is, was het waardebereik 0-0,4, in dit artikel werd γ ingesteld op 0,2; V_D,toren is de structurele windbelastingdrempel van de transmissietoren, die kan worden bepaald volgens de vernietigingstest; Dit artikel haalde 35 m/s.

Overeenkomstig werd de cumulatieve falingskans van de k zendmast van de m transmissietak tijdens de tyfoon-impacttijd T_w aangeduid als:

(11)

Transmissietakken werden gezien als een seriemodel bestaande uit meerdere transmissielijnsecties in serie met meerdere transmissietorens. Volgens de methode om de kans op falen van het seriemodel te berekenen in de betrouwbaarheidsbeoordelingstheorie, ervan uitgaande dat de storingen van elk transmissielijngedeelte en paaltoren onafhankelijk van elkaar zijn, kan het falen van een transmissielijnsectie of paaltoren leiden tot onderbreking van de overdracht van elektrische energie van het gehele transmissietakcircuit²⁷. Daarom werd de kans op falen van de m transmissietak berekend met behulp van de volgende vergelijking:

(12)

Waarbij L het aantal transmissielijnsegmenten is dat is opgenomen in de m transmissie-taklijn; K is het aantal transmissietorens dat in de m transmissietak is opgenomen.

Preventie- en controlemaatregelen gebaseerd op breukketens

Om het risico op kettingreacties en grootschalige stroomuitval veroorzaakt door storingen op hoog-risico transmissielijnen tijdens extreme rampen te beperken, vereist het elektriciteitssysteem preventieve controle. Op basis van de vorige sectie werd elke lijn met een hoge uitvalkans bij extreme rampen verkregen. Elke hoogrisicotak werd achtereenvolgens gebruikt als de initiële open tak voor de zoektocht naar de foutketen. Op basis van alle foutketens werd de preventie- en controlemethode toegepast, met als doel de gevolgen van cascadefouten te minimaliseren en beslissingsondersteuning te bieden aan netdispatchers²⁸.

Voorgestelde methode

Figuur 3 schetste het stapsgewijze kader van de voorgestelde preventie- en controlemethode, die foutketens onder extreme weersomstandigheden aanpakte.

Datalading en initiële foutketenidentificatie

Laad eerst alle basisinvoergegevens, zoals het elektriciteitsnetmodel, normale bedrijfsmodus en meteorologische informatie bij extreme rampen. Het stroomnetmodel was in MATPOWER (.m)-formaat, met busparameters, generatorspecificaties, branchparameters en netwerktopologie. De meteorologische voorspellingsgegevens voor de extreme ramp waren in JSON-formaat, met de coördinaten van het tyfooncentrum, de translatiesnelheid, de maximale windstraal en de centrale druk.

Vervolgens screent u hoogrisico-transmissielijnen door de faalkans voor alle takken te berekenen. Dit proces omvatte twee kerncomputationele modellen. Het Jelesnianski tyfoon-windveldmodel werd voor het eerst uitgevoerd om de tijdsvariërende windsnelheid te berekenen. Vervolgens werd het transmissiebranch-kwetsbaarheidsmodel toegepast om het faalpercentage voor elk lijnsegment en elke toren te berekenen op basis van de lokale windsnelheid.

Selecteer tenslotte één of meer hoog-risico vertakkingen uit de initiële noodset als de eerste storingsvertakkingen om foutketenzoekopdrachten te starten. Koppel de geselecteerde tak los, pas de parameters van de nettopologie aan, voer DC-stroomberekening uit op het doelstroomnet, identificeer overbelaste takken als volgende stroomuitvaltakken en herhaal dit proces. De foutkettingzoektocht eindigde wanneer het systeeminval plaatsvond, de vooraf ingestelde maximale zoekdiepte werd bereikt, of er geen extra overbelaste takken werden gevonden.

Evaluatie van foutketens en optimalisatiemodeloplossing

Deze fase stelde het optimalisatiekader vast, loste het model op en valideerde de uiteindelijke oplossing via de volgende procedure.

Stel eerst een stukgewijs lineaire functie vast die de invloed van uitval van transmissielijnen op de stroomstroom van de takken weergeeft. Bereken de risicowaarde van elke foutketen op basis van DC-vermogensstroomberekeningen. Specifiek werden risicowaarden bepaald door de kans van elke breukketen te vermenigvuldigen met de minimale stroomonderbrekingswaarde die nodig is om de veiligheid van de stroomstromen van de takken te waarborgen. Selecteer foutketens met hogere risicowaarden en neem deze op in de kandidaat-foutketenset.

Voer vervolgens de twee voorgaande stappen uit voor elke regel in de initiële contingentieset totdat alle vertakkingen zijn verwerkt. Deze systematische iteratie zorgde voor een uitgebreide dekking van alle potentiële foutinitiatiepunten, wat resulteerde in een volledige kandidaat-foutketenset die de vereniging van alle geïdentificeerde hoog-risico foutpaden vertegenwoordigt.

Los tenslotte het optimalisatiemodel op met commerciële solvers zoals GUROBI en evalueer of er na optimalisatie nieuwe ernstige foutketens optreden. Deze validatie werd uitgevoerd door het foutketenzoekproces opnieuw uit te voeren met de geoptimaliseerde generatiedispatch. Als er nieuwe foutketens ontstaan, neem deze dan op in de kandidaat-foutketenset en herhaal het optimalisatieproces. Als er geen ernstige foutketens zijn ontstaan, geef dan het geoptimaliseerde generatorvermogens- en load shedding-plan om het risico op kettingreacties te verkleinen.

Eindresultaat en archivering

Geef het geoptimaliseerde generatorvermogens- en stroomonderbrekingsplan uit. Archiveer systematisch alle relevante invoergegevens, configuratiebestanden, tussenresultaten en het uiteindelijke uitvoerschema voor documentatie en reproduceerbaarheid. Deze uitgebreide archiefpraktijk zorgde voor volledige reproduceerbaarheid, faciliteerde analyse na het evenement en bood referentievoorbeelden voor toekomstige projecten voor het verbeteren van de veerkracht van het net.

Foutketenzoektocht

Een of meer takken met een hoge foutkans werden geselecteerd voor foutketenzoek. Neem de geselecteerde hoogrisico-takken als de initiële open takken van de foutketen, koppel ze los, pas de netwerkparameters aan, voer DC-stroomberekening uit voor het doelnet, neem alle overbelaste takken als de volgende open takken van de foutketen en herhaal het proces. De foutketenzoektocht werd beëindigd toen aan de stopvoorwaarde was voldaan. Vervolgens werden alle foutketens die beginnen met deze risicotak verkregen.

Afgezien van de invloed van de externe omgeving, was de kans op uitschakeling van een transmissielijnfout de verborgen fout van relaisbescherming wanneer de stroomstroom van de lijn niet overschreed, met een waarde van bijna 0. Tijdens de ontwikkeling en verspreiding van de foutketen namen de grid dispatchers meestal de bijbehorende blokkeringsmaatregelen, zodat de zoekdiepte van de foutketen de vastgestelde maximale diepte (meestal 4) niet zou overschrijden. De grid islanding veroorzaakt door een breukketen leidt meestal tot het optreden van een grote stroomstoring. Daarom werd in dit artikel de stopvoorwaarde van de foutketenzoektocht ingesteld als: 1) de grid islanding vond plaats; 2) de zoekactie in de foutketen bereikte de maximale zoekdiepte; en 3) een bepaalde fase van de foutkettingzoektocht leidde niet tot overbelasting van takken. De zoekactie in de foutketen stopte toen aan een van de voorwaarden was voldaan.

Gebruik een stukgewijze lineaire functie om de relatie te beschrijven tussen de foutkans van de transmissielijn en de stroomstroom van de lijn, gegeven door:

(13)

waarbij p_l de kans is op foutoptreden op l; p_l is de reële vermogensstroom op l; P _l,max is de transmissiecapaciteitslimiet van l; P_H is de kans op falen van verborgen bescherming; B is de overbelastingsdrempelvermenigvuldiger, doorgaans ingesteld op 1,4, wat impliceert dat als de stroomstroom die door een lijn wordt overgedragen meer dan 1,4 keer de nominale transmissiecapaciteit overschrijdt, beveiligingsapparaten zullen werken en de lijn zullen uitschakelen, wat resulteert in een foutkans van 1.

Berekening van de risicowaarde voor de breukketen

Stel dat een bepaalde foutketen fouten bevat op k transmissielijnen. Bij het verwijderen van deze k-lijnen werd het minimale niveau van belastingsbeperking berekend dat een veilige DC-stroomoverdracht binnen het netwerk waarborgde. De doelfunctie werd vervolgens als volgt gedefinieerd:

(14)

Waar n_B het totale aantal bussen in het elektriciteitssysteem vertegenwoordigt; D_{i_cut} is de hoeveelheid stroomonderbreking bij de knoop i. De te vervullen beperkingen zijn onder andere:

Knoop load shedding-beperkingen

(15)

Waar S_N de verzameling bussen in het elektriciteitssysteem is; D_i is de oorspronkelijke belasting bij de node i.

Generatoroutputbeperkingen

(16)

Waar S_G de verzameling generatorknooppunten in het energiesysteem is; PG_i duidt het vermogen aan van de generator bij knooppunt i; PG_{i_min} en PG_{i_max} vertegenwoordigen respectievelijk de minimale en maximale technische generatielimieten bij de knoop i.

Beveiligingsbeperkingen voor de stroomstroom van lijnen

(17)

Waar S_L de verzameling transmissielijnen in het energiesysteem is; P_ij is de stroomstroom op lijn ij; P_{ij_max} is de transmissiecapaciteitslimiet voor de lijn ij.

Knooppuntenbalans beperkingen

(18)

DC-vermogensstroombeperkingen

(19)

Waar θ_i en θ_j de spanningshoeken bij de bussen i en j aanduiden, x_ij de reactie van de lijn ij.

Voor een gegeven foutketen L met v fasen is de kans op het optreden P_L :

(20)

Waarbij p_l0 de kans is op het initiële falen van de gebeurtenisketen; P_l1 ~ P_lv zijn de waarschijnlijkheden van optreden van elke fase in de foutketen. De risicowaarde R_L voor de foutketen L wordt gedefinieerd als:

(21)

Waarbij D_L de hoeveelheid load shedding is die ontstaat na het optreden van de foutketen L.

De foutkettingzoektocht maakte het mogelijk om meerdere hoogrisico-takken gelijktijdig te selecteren als initiële storingen. Uitgaande van onafhankelijkheid tussen initiële takfalen, was de gezamenlijke kans op het initiële incident het product van de onafhankelijke faalkansen van elke hoog-risico tak.

Preventie- en controleoptimalisatiemodel

Op basis van de verkregen set foutketens wordt een preventie- en controleoptimalisatiemodel geconstrueerd. De doelfunctie werd geformuleerd als:

(22)

waarbij n_G het totale aantal generatorknopen vertegenwoordigt; a_i en ΔPG_i vertegenwoordigen respectievelijk de kostencoëfficiënt en het vermogensaanpassingsbedrag van de generatorknoop i; ΔL_j vertegenwoordigt de hoeveelheid stroomverlies bij de knoop j. n_R verwijst naar het aantal foutketens; R_k duidt de risicowaarde van de breukketen k aan; en b is de kostencoëfficiënt van stroomonderbreking.

De beperkingen zijn als volgt:

Machtsbalansbeperking

(23)

Beperkingen voor het aanpassen van generatoruitgang

(24)

Beveiligingsbeperkingen voor de stroomstroom van lijnen

(25)

Waar PTDF de vermogensoverdrachtsdistributiefactormatrix van het net is; P is de vermogensinjectievector ; ΔPG is de generatie-aanpassingsvector; en F_max is de vector van de limieten voor lijntransmissiecapaciteit.

Gezien de propagatiefase t in een breukketen (1 ≤ t ≤ v), ga je ervan uit dat de voorafgaande storingstak km is. De impact van de km branch uitval op de stroomherverdeling in het resterende netwerk werd beoordeeld met behulp van het DC-stroommodel. De netexploitatie voldeed aan de volgende voorwaarden vóór de uitval van de zijlijn km

(26)

Na de uitval van de tak km

(27)

Als we de kleine tweede-orde termen negeren, wordt het:

(28)

Door vergelijkingen (26) en (28) te combineren, verkrijgt men het volgende:

(29)

Verdere vereenvoudiging leidt tot:

(30)

Waar P_km de actieve vermogensstroom op de tak km aanduidt; is een rijvector waarbij de k-de ingang 1 is, de m-de ingang -1, en alle overige componenten nul zijn.

Volgens vergelijking (30) werd bij propagatiefase t van de gebeurtenisketen L, wanneer tak km werd losgekoppeld, de incrementele actieve vermogensstroom in latere takken weergegeven als een lineaire functie gerelateerd aan de actieve vermogensstroom van tak km. Verder werd deze toename op basis van vergelijking (13) direct gekoppeld aan de breukkansen van latere takken.

In het in deze sectie vastgestelde vermogensstroomoptimalisatiemodel betrof de doelfunctie het product van foutkansen van elke fase van de gebeurtenisketen. Rekening houdend met de kans op falen in elke fase van de foutketen als variabelen, was het model moeilijk op te lossen als de vermenigvuldigingsvolgorde van de variabelen te groot is. Het gebruik van heuristische algoritmen zoals particle swarm-optimalisatie of genetische algoritmen maakt het doorgaans moeilijk om globale optimale oplossingen te verkrijgen. Daarom behandelde dit artikel het vermenigvuldigingsproduct van de faalkansen van verschillende fasen in de foutketen als één nieuwe variabele, waardoor de vermenigvuldigingsvolgorde van variabelen in de doelfunctie effectief werd verminderd. Daarna werden commerciële optimalisatie-oplossers zoals CPLEX en GUROBI gebruikt om oplossingen te verkrijgen.

Resultaten

Casusanalyse van het tyfoonwindveldmodel

Deze sectie presenteert een casestudy gebaseerd op tyfoon Yagi, die in 2024 aan land kwam in de provincie Hainan, China. De windveldgegevens die voor de modellering worden gebruikt, worden gehaald uit weerstationsvoorspellingen die 24 uur voor het evenement zijn uitgegeven. Met behulp van het Jelesnianski-model kan de ruimtelijke verdeling van windsnelheid op elk moment worden berekend. In combinatie met het transmissiebranch kwetsbaarheidsmodel maakt dit de beoordeling van de kans op uitval voor individuele takken binnen het Hainan-netwerk mogelijk. De duur T_w is ingesteld op 1 uur. De windsnelheid wordt aangenomen constant te blijven gedurende deze periode T_w, dus Δt = T_w = 1 u.

Uurlijkse windsnelheidsgegevens in Haikou City werden geanalyseerd samen met het overeenkomstige aantal beschadigde leidingen, met resultaten te zien in Figuur 4. Er wordt een duidelijke positieve correlatie waargenomen: naarmate de windintensiteit toeneemt, neemt het aantal leidingstoringen dienovereenkomstig toe. Door de voorspelde meteorologische omstandigheden te integreren met het hier voorgestelde model voor windvelden, vangt de methode het daadwerkelijke risico op netuitval effectiever vast.

Typische routes werden geselecteerd uit vier steden: Haikou, Danzhou, Sanya en Qionghai, elk met een lengte van 10 km en een interval van 500 m. Met de in dit artikel voorgestelde methode werd de kans op lijnfalen bij maximale windsnelheden berekend en vergeleken met de verhouding van mislukte lijnen tot totale lijnen tijdens daadwerkelijke tyfoongebeurtenissen, zoals weergegeven in Figuur 5. De resultaten tonen goede consistentie aan tussen de berekende faalkans en de waargenomen faalverhouding: De faalkans neemt toe naarmate de maximale windsnelheid in de relevante steden stijgt, wat de praktische bruikbaarheid van het in dit artikel ontwikkelde model in combinatie met tyfoonvoorspellingsinformatie verder bevestigt.

Preventie- en controleoptimalisatie op basis van de foutketens

De effectiviteit van de voorgestelde aanpak wordt aangetoond door middel van een simulatie uitgevoerd op het IEEE 39 bustestsysteem. Takken 1-2, 2-3 en 4-5 worden als hoog-risico geacht onder extreme rampenomstandigheden, zoals weergegeven in Figuur 6. De actieve vermogensstroomlimiet van elke tak is ingesteld op 0,9 keer de thermische stroomcapaciteit, en de voorspelde diepte d_maximum van de breukketen is ingesteld op 3. Generatordispatchkostencoëfficiënten, outputgrenzen en andere informatie worden vermeld in Tabel 1. De risico-kostencoëfficiënt b is 100/MW, en de faalkans van de aanvankelijk geactiveerde tak wordt aangenomen als 1. De kans op een verborgen beschermingsfout P_H wordt ingesteld op 0,01. Na het formuleren van het model gebruikte de editor MATLAB R2022b om de GUROBI-oplosser aan te roepen. Oplossingstijd: 0,14 s, gap: 0,0000%.

Door de event-chain search uit te voeren, bleek dat het openen van lijnen 2-3 of 4-5 geen resterende lijnen overbelast, en dus geen event chains voortkomen uit deze storingen. Wanneer lijnen 1-2 echter worden losgekoppeld, kunnen er vier mogelijke gebeurtenisketens optreden: [1-2, 2-3, 26-27], [1-2, 2-3, 25-26], [1-2, 2-3, 17-18, 26-27], [1-2, 2-3, 17-18, 25-26].

Het zoekresultaat van de foutketen beginnend met tak 1-2 is weergegeven in Figuur 7. Hiervan veroorzaakt de breukketen [1-2, 2-3, 25-26] geen stroomonderbreking, en het risico van de breukketen [1-2, 2-3, 17-18, 25-26] is veel lager dan dat van de andere twee breukketens. Daarom worden alleen de foutketens [1-2, 2-3, 26-27] en [1-2, 2-3, 17-18, 26-27] behouden voor latere preventie- en controleoptimalisatie.

Tabel 2 toont de uitkomsten van preventie- en controleoptimalisatie, terwijl Figuur 8 de overeenkomstige geoptimaliseerde foutketens toont die van tak 1-2 zijn geïnitieerd. Na aanpassing van de generatoroutput wordt de verwachte load shedding als gevolg van de gerelateerde foutketens verlaagd van 11,835 MW naar 0,670 MW, wat aantoont dat het risico van het IEEE 39-bus systeem aanzienlijk afneemt. De validatie na optimalisatie bevestigt dat er geen extra foutketens ontstaan, wat aangeeft dat de preventie- en controleoplossing direct kan worden geïmplementeerd aan ondersteunende systeemdispatchers.

Casestudy over een echt elektriciteitsnet: Hainan-systeem onder tyfoon Yagi

Om de praktische toepasbaarheid van de voorgestelde methode verder te valideren, werd er een casestudy uitgevoerd op basis van het Hainan-elektriciteitsnet in China tijdens tyfoon Yagi in 2024. Deze casus richt zich op de effectiviteit van de methode in grootschalige systemen en de voordelen ervan ten opzichte van de conventionele N-1 en N-2 beveiligingscriteria.

Preventie- en controlemethoden vergeleken met N-2 veiligheidscriteria

Door de impact van tyfoon Capricorn kregen meerdere lijnen in het Hainan-stroomnet stroomuitval. De stroomverdeling van het regionale net om 19:50 op 6 september is weergegeven in Figuur 9. In de figuur geeft rood het 500 kV spanningsniveau aan, zwart het 220 kV spanningsniveau, blauw het 110 kV spanningsniveau, vaste lijnen staan voor bedrijfslijnen en stippellijnen voor stroomonderbrekingslijnen.

Op dat moment waren lijnen LQ-JD en YZU-WQ risicovolle lijnen. Gezien het cascadefalingsproces veroorzaakt door de uitval van deze twee lijnen, wordt de stroomverdeling van het regionale net na de uitval van lijnen LQ-JD en YZU-WQ weergegeven in Figuur 9. De stroomdoorvoer op lijn DL-WC stijgt tot 173,9 MW, waarmee het de langetermijncapaciteit van 82 MW ruimschoots overschrijdt. Met een belastingsfactor van 214% wordt kettinguitschakeling van de lijn onvermijdelijk. Dit zal resulteren in de geïsoleerde werking van WQ, JD, DL en hun bijbehorende 110 kV onderstations. Omdat de belasting onder het minimale technische uitgangsvermogen van de eenheden van de WQ-installatie ligt, wordt het moeilijk om frequentiestabiliteit te behouden tijdens geïsoleerde operatie, wat uiteindelijk leidt tot een stroomstoring.

Preventieve controleoptimalisatie van het regionale net wordt uitgevoerd. De geoptimaliseerde vermogensstroomverdeling is weergegeven in Figuur 10. Eén eenheid in de WQ-centrale wordt uitgeschakeld en het vermogen van de resterende eenheid wordt aangepast naar 221,3 MW. Nadat de LQ-JD- en YZU-WQ-lijnen zijn uitgeschakeld, bedraagt de stroomtoevoer op de DL-WC-lijn slechts 58,8 MW, waardoor cascadefouten worden voorkomen. Gezien het N-2 beveiligingscriterium, als alleen N-2 storingen op WQ-onderstationtoevoerders worden meegenomen, zou het WQ-installatievermogen moeten worden aangepast naar 133,5 MW om een veilige stroomstroom op DL-WC te garanderen. Deze controlemethode brengt buitensporig hoge kosten met zich mee.

Preventie- en controlemethoden vergeleken met de N-2 veiligheidscriteria

De vermogensverdeling van het regionale net om 19:58 op 6 september is weergegeven in Figuur 11. Op dit moment zijn beide lijnen LQ-JD en YZU-WQ open vanwege tyfoonschade. Lijnen YZG-DY (faalkans P₁=0,1) en DY-YZU (faalkans P₂=0,7) zijn opgenomen in de hoogrisicolijnset. De stroomcapaciteit van de transmissielijn TP-PT is 82 MW.

Gezien het cascadefalingsproces veroorzaakt door een enkele takonderbreking, zou het loskoppelen van de YZG-DY of DY-YZU lijn ernstige overbelasting op de TP-PT lijn veroorzaken. Dit zou onvermijdelijk leiden tot het afvallen van de TP-PT-lijn, wat uiteindelijk leidt tot een systeemonderbreking. De zoekresultaten naar de foutketen zijn weergegeven in Figuur 11. Volgens de N-1 beveiligingscriteria vereist het waarborgen van de stabiliteit van de stroomstroom na het uitschakelen van de lijn YZG-DY alleen al het afscheid van 213 MW belasting. Volgens de N-2 beveiligingscriteria vereist het waarborgen van de stabiliteit van de stroomstroom na het uitschakelen van beide lijnen YZG-DY en DY-YZU het afleveren van 213 MW belasting. De vermogensverlieshoeveelheden voor de drie methoden worden vergeleken in Tabel 3.

De resultaten tonen aan dat de voorgestelde methode, door rekening te houden met de faalkansen van elke hoogrisicotak en de faalkansen in elke fase van de voortplanting van de foutketen, de hoge controlekosten die gepaard gaan met de N-1 en N-2 beveiligingscriteria aanzienlijk kan verlagen. In vergelijking met de N-1 en N-2 beveiligingscriteria voldoet de voorgestelde methode beter aan de eisen voor online controle tijdens rampen.

Beschikbaarheid van gegevens:

Het IEEE 39-bus testsysteem dat in Case Study I wordt gebruikt, is gebaseerd op het publiek beschikbare benchmarknetwerk dat wordt verspreid met MATPOWER en gerelateerde repositories en kan worden verkregen van de website van het MATPOWER-project. De invoergegevens en simulatieresultaten die door de voorgestelde methode voor dit benchmarksysteem zijn gegenereerd (inclusief geïdentificeerde foutketens en bijbehorende risico-indices) zijn op redelijke aanvraag beschikbaar bij de corresponderende auteur.

De echte systeemgegevens die in Case Study II worden gebruikt, zijn afkomstig van het Hainan-elektriciteitsnet en bevatten gedetailleerde netwerktopologie, apparatuurparameters en operationele records. Deze gegevens zijn eigendom van het lokale energiebedrijf en vallen onder contractuele geheimhoudingsverplichtingen en regelgeving voor de bescherming van kritieke infrastructuur. Daarom kunnen de ruwe Hainan-griddataset en de volledige modeloutput die direct aan deze dataset gekoppeld zijn, niet openbaar beschikbaar worden gesteld. In het artikel worden alleen geaggregeerde en geanonimiseerde resultaten verstrekt die nodig zijn ter ondersteuning van de bevindingen van deze studie. Onderzoekers die toegang willen krijgen tot de onderliggende gegevens van het Hainan-systeem voor legitieme academische doeleinden, kunnen contact opnemen met de corresponderende auteur; Elke mogelijke gegevensdeling vereist voorafgaande schriftelijke goedkeuring van de gegevenseigenaar en, indien nodig, de ondertekening van een passende geheimhoudingsverklaring.

Het algemene modelleringskader, algoritmen en parameterinstellingen worden in voldoende detail beschreven in de hoofdtekst en ondersteunende informatie om andere onderzoekers in staat te stellen de voorgestelde methode te implementeren en valideren op publiek toegankelijke testsystemen of op hun eigen datasets.

Figuur 1: Schema van de beweging van de tyfoon na landval. Op basis van het typhoon-windveldmodel neemt de horizontale windsnelheid toe vanuit het oog en neemt vervolgens af met de radiale afstand. Neem we positie O op de transmissietak als voorbeeld, op het moment van t₁ is de maximale windstraal van de tyfoon r_max(t₁), en de afstand tussen het centrum van de tyfoon en O is d(t₁). Deze keer is d(t₁) groter dan r_max(t₁), en naarmate de tyfoon beweegt, neemt de afstand tussen O en het tyfooncentrum af, waardoor de windsnelheid bij O toeneemt. Op het moment van t₂ is d(t₂) kleiner dan r_max(t₂) en neemt d(t₂) af, waardoor de windsnelheid bij O afneemt. Op moment t₃ blijft d(t₃) toenemen maar is minder dan r_max(t₃), dus de windsnelheid bij O zal toenemen. Evenzo blijft d(t₄) bij t₄ toenemen en is groter dan r_max(t₄), waardoor de windsnelheid bij O afneemt naarmate het tyfooncentrum zich verwijdert. Het is te zien dat de windsnelheid op elke locatie op de transmissietak met de tijd verandert, en zelfs op dezelfde transmissietak zijn de windsnelheidsveranderingen op verschillende locaties niet hetzelfde. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2: Schematisch diagram van transmissietak m. Deze figuur toont een enkele transmissietak bestaande uit sequentiële torens (aangeduid als Toren m tot Toren k) en lijnen (aangeduid als Lijn m tot Lijn k). Elk aangrenzend paar torens vormt één geleiderspan. Een toren is een discreet evaluatiepunt voor meteorologische belasting en componenttoestand, en een lijn geeft de geleideroverspanning aan tussen twee aangrenzende torens op dezelfde tak. De toestand van tak m wordt verkregen door de toestanden van zijn torens en lijnen te aggregeren onder een seriestructuuraanname. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3: Procedure voor preventie- en controlemaatregelen op basis van breukketens. Dit stroomdiagram toont de gebruikte workflow. Vertakkingen die als hoog-risico worden geïdentificeerd bij extreme rampen worden eerst opgenomen in de initiële breukset. Voor elke kandidaat wordt één tak gekozen als de initiële trip-branch, de branch wordt getript en worden de netwerkparameters bijgewerkt. Als systeem-eilandvorming optreedt of de vooraf ingestelde maximale diepte wordt bereikt, stopt de zoektocht naar deze foutketen. Als overbelaste takken verschijnen, wordt elke overbelaste tak op zijn beurt genomen als de next-level tripping branch en gaat de trip-update-check lus verder. Als er geen overbelasting optreedt, wordt de risicoindex van de foutketen berekend. Nadat alle initiële fouten zijn verwerkt, worden de foutketenpaden met relatief hoge risicowaarden geïdentificeerd en worden preventieve maatregelen toegepast op het doelnetwerk. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4: Relatie tussen de windsnelheid van de tyfoon en het aantal defecte leidingen in Haikou-stad. Deze figuur toont de uurlijkse tyfoonwindsnelheid in Haikou-stad (linker y-as) en het aantal foutieve lijnen dat in het overeenkomstige uur is geregistreerd (rechter y-as). Naarmate de windsnelheid stijgt van 10 m/s tot boven de 50 m/s, neemt het aantal defecte leidingen dienovereenkomstig toe, bereikt zijn maximum rond 19:00-20:00 en neemt vervolgens af naarmate de wind afneemt. De synchrone variatie wijst op een duidelijke positieve associatie tussen lokale windintensiteit en lijnfouten, in overeenstemming met de hier gemaakte aanname dat het faalrisico van transmissiecomponenten toeneemt met toenemende windsnelheid. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5: Vergelijking van de kans op lijnstoringen en de werkelijke faalverhouding. Deze figuur vergelijkt de verhouding van werkelijke defecte lijnen tot totale lijnen (linker y-as) met de kans op lijnbreuk (rechter y-as) over vier steden. Beide indicatoren volgen hetzelfde ruimtelijke patroon: Haikou is het hoogst, Danzhou volgt, Sanya het laagst, en Qionghai laat een bescheiden herstel zien. De twee curves volgen elkaar nauw, wat wijst op een sterke positieve associatie tussen de gemodelleerde faalkans en de waargenomen foutincidentie, wat de interpretatie ondersteunt dat steden met een hoger geschat risico ook hogere werkelijke faalratio's vertonen. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 6: IEEE 39-bus systeem. Deze figuur toont het IEEE 39-bus testsysteem dat in de casestudy wordt gebruikt. Bussen zijn genummerd, generatorbussen zijn gemarkeerd met G en transmissietakken verbinden de bussen. Met rode markeringen markeren de branches met hoog risico die zijn geïdentificeerd voor het extreme-rampscenario door de hier beschreven risicobeoordelingsprocedure; Deze takken vormen de initiële foutset voor het construeren van foutketens in de daaropvolgende analyse. Het diagram is schematisch en wordt gebruikt om de testsysteemtopologie en de locaties van de geïdentificeerde hoogrisicotakken te verduidelijken. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 7: Zoekresultaten voor foutketens. Deze figuur geeft de foutketens weer die in het IEEE 39-bus geval zijn verkregen. Beginnend bij de initiële trip-tak 1-2 gaat de keten door naar 2-3 en vertakt zich vervolgens naar kandidaat next-level trip-takken (26-27, 25-26, 17-18). Cijfers op de pijlen geven de kans op de stage aan voor de volgende getripte tak. Tekst op de terminalknooppunten geeft de resulterende minimale load shedding voor die keten aan (bijv. 73,73 MW, 39,36 MW) of geeft aan dat er geen load shedding optreedt. Het diagram geeft een compact overzicht van de paden van kandidaat-foutketens en hun uitkomsten. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 8: Geoptimaliseerde foutketens. Deze figuur geeft de geoptimaliseerde foutketens weer in het IEEE 39-bus geval. Beginnend bij de eerste trip-tak 1-2 gaat de keten door naar 2-3 en volgt vervolgens een van twee next-level trip-takken: direct naar 26-27, of via 17-18 en vervolgens naar 26-27. Cijfers op de pijlen (bijv. 0,01, 0,9) geven de kans op de fase aan voor de volgende getripte tak langs elk pad. Het diagram biedt een compact overzicht van de geoptimaliseerde foutketenpaden en hun fasewaarschijnlijkheden. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 9: Resultaten van stroomstroomsimulatie voor een regionaal net op 19:50 september op 6 september en stroomverdeling in het regionale net na het loskoppelen van lijnen LQ-JD en YZU-WQ. De bovenstaande figuur toont de resultaten van de stroomstroomsimulatie voor een regionaal net op 6 september 19:50. Basisstroomstroom van het regionale net onder tyfooninvloed. Kleuren geven spanningsniveaus aan (500/220/110 kV). Op dit moment worden de lijnen LQ-JD en YZU-WQ als hoogrisico-elementen geïdentificeerd. De onderstaande figuur toont de stroomverdeling in het regionale net na het afsluiten van de lijnen LQ-JD en YZU-WQ. Wanneer de twee risicovolle lijnen worden uitgeschakeld, wordt de stroom herverdeeld en raakt de lijn DL-WC zwaar overbelast, waardoor de WQ-JD-DL-corridor mogelijk wordt geïnvesteerd door de verbonden 110 kV-onderstations en mogelijke stroomuitval. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 10: Stroomverdeling in het regionale net na preventie- en controlemaatregelen. Met de voorgestelde preventieve controle in werking wordt één eenheid bij WQ stilgelegd en wordt de resterende productie opnieuw gepland. De overbelasting wordt verminderd en het cascaderende risico wordt aanzienlijk verminderd, waardoor veiligheid wordt bereikt met veel lagere beperkingen dan het conventionele N-2-criterium. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 11: Resultaten van stroomstroomsimulatie voor een regionaal net op 6 september 19:58 en zoekresultaten voor de foutketen voor het Hainan-elektriciteitsnet. De bovenstaande figuur toont de resultaten van de stroomstroomsimulatie voor een regionaal net op 6 september 19:58. Het systeem werkt met LQ-JD en YZU-WQ open. De screening geeft YZG-DY en DY-YZU aan als de volgende meest kritieke lijnen, terwijl de 110 kV TP-PT-corridor de bindende thermische beperking in dit gebied wordt. De onderstaande figuur toont de zoekresultaten voor de foutketen voor het elektriciteitsnet van Hainan. De zoekopdracht identificeert twee dominante éénstapsketens die worden geïnitieerd door hoogrisicolijnen: LQ-JD (initiële faalkans 0,1) en DY-YZU (initiële faalkans 0,7). In beide gevallen zorgt de overbelasting ervoor dat TP-PT uitschakelt (trapkans ≈ 1), wat leidt tot systeemsplitsing met een geschatte vermogensverlies van respectievelijk 295 MW en 144 MW. Klik hier om een grotere versie van deze figuur te bekijken.

Generatorbus	Initiële actieve vermogensoutput (MW)	Actieve Vermogensuitzetondergrens (MW)	Actieve Vermogensuitzetlimiet (MW)	Aanpassingskosten (1/MW)
30	250	0	1040	1
31	677.87	0	976	1.1
32	650	0	725	1.1
33	632	0	652	1.2
34	508	0	508	1.2
35	650	0	687	1.3
36	560	0	580	1.3
37	540	0	564	1.1
38	830	0	865	1.1
39	1000	0	1200	1.5

Tabel 1: IEEE 39-bus systeemgerelateerde informatie. Deze tabel geeft generatorzijde parameters voor de IEEE 39-bus behuizing weer. Voor elke generatorbus staat het initiële actieve vermogen, het toegestane bereik gegeven door de onder- en bovengrenzen van het actieve vermogen, en de aanpassingskosten. Deze vermeldingen specificeren de initiële dispatch, toegestane aanpassingsgrenzen en de per-MW aanpassingscoëfficiënt voor elke generator die in de casestudy wordt gebruikt.

Nee.	Generatorbus	Uitlaataanpassing (MW)
1	30	32.64
2	31	-32.64

Tabel 2: Resultaten van vermogensstroomoptimalisatie. Deze tabel geeft een overzicht van de aanpassingen aan de generatorzijde die door vermogensstroomoptimalisatie worden veroorzaakt. Voor elke generatorbus geeft de uitgangsaanpassingskolom de verandering ten opzichte van de initiële actieve vermogensuitgang; positieve waarden duiden op een stijging, en negatieve waarden op een afname. In dit geval wordt bus 30 aangepast met +32,64 MW, en bus 31 met -32,64 MW.

Methode	Stroomonderbreking (MW)
Preventieve Beheersingsmethode	62
N-1 Beveiligingscriterium	>213
N-2 Beveiligingscriterium	>>213

Tabel 3: Vergelijking van de hoeveelheid stroomonderbreking voor de drie methoden. Deze tabel vergelijkt de hoeveelheid stroomonderbreking die door de drie methoden vereist is. De voorgestelde preventieve beheermethode vereist slechts 62 MW aan load shedding, terwijl zowel de N-1 als de N-2 beveiligingscriteria meer dan 213 MW vereisen, wat een aanzienlijke vermindering van de beheerkosten door de voorgestelde aanpak aantoont.

Discussie

In dit artikel wordt een op breukketen gebaseerde preventie- en controlemethode voor tyfoonrampen voorgesteld, die eerst de hoogrisicotakken onder tyfoonrampen screent en vervolgens de output en de afscheiding van de stroomunits van het net aanpast volgens de foutketens, met als doel het risico op storingsvoortplanting te beperken. In vergelijking met online controlemethoden gebaseerd op N-1 en N-2 beveiligingscriteria tijdens rampen, vermindert de voorgestelde methode in dit artikel de beheerkosten aanzienlijk onder N-1 en N-2 beveiligingscriteria door rekening te houden met de foutkans van elke lijn tijdens tyfoonrampen en de cascaderende foutkans op lijnoverbelasting^29,30.

Het voorgestelde onderzoek draagt bij aan de vooruitgang van de analyse van veerkracht van energiesystemen op verschillende gebieden. Ten eerste legt het de ruimtelijk gecorreleerde en tijdsveranderende effecten van tyfoonbelastingen op transmissie-infrastructuur vast, die vaak worden vereenvoudigd of verwaarloosd in traditionele contingentieanalyse. Ten tweede, door risicovolle vertakkingen te screenen en overeenkomstige breukketens te construeren, richt de methode preventieve middelen op een beperkt aantal kritieke cascaderende paden, waardoor verwachte stroomonderbreking effectief wordt verminderd en te conservatieve preventieve schema's worden voorkomen in vergelijking met klassieke N-1/N-2-gebaseerde controles. Ten derde biedt de unified risk index, gedefinieerd door het combineren van storingskansen en lastverliesgevolgen, een praktische maatstaf voor operators om beveiliging en kostenbeheersing in realtime besluitvorming in balans te brengen.

Toch moeten verschillende beperkingen worden erkend. Het kwetsbaarheidsmodel concentreert zich op lijnsegmenten en torens en hanteert een aanname van seriestructuur, die in de praktijk mogelijk niet volledig de complexe componentinteracties en gecorreleerde storingen weergeeft. De foutketenanalyse is gebaseerd op DC-stroomstroom en vereenvoudigde cascaderende mechanismen, en parameteronzekerheden in tyfoonvoorspellingen en fragiliteitscurves kunnen de nauwkeurigheid van risicokwantificatie beïnvloeden. Daarnaast richt het optimalisatiekader zich voornamelijk op preventieve controle; Gecoördineerde blokkering of herstelacties tijdens de voortplanting van de foutketen worden in dit werk niet expliciet gemodelleerd.

Alternatieve benaderingen om dezelfde hypothese te onderzoeken omvatten robuuste of toevalsbeperkte optimale vermogensstroomformuleringen met oog op tyfoonscenario's, uitgebreide N-k of Monte Carlo-gebaseerde cascaderende falingssimulaties en gecoördineerde preventieve-blokkerende controlemodellen die gezamenlijk pre-contingency dispatch en post-contingency corrigerende of eilandvormende maatregelen langs gespecificeerde breukketens^{optimaliseren 31}. Deze methoden bieden complementaire perspectieven en kunnen worden gecombineerd met het voorgestelde kader om de nauwkeurigheid van modellering te verbeteren.

De voorgestelde methode heeft belangrijke potentiële toepassingen in rampbestendige operaties en planning van energiesystemen in tyfoongevoelige en kustgebieden. Het kan worden ingebed in online besluitvormingsondersteuningsplatforms om risico-geïnformeerde preventieve controlestrategieën te ontwikkelen vóór de val van de tyfoon, operators te ondersteunen bij het prioriteren van monitoring en versterking van risicovolle corridors, en om middellange- tot langetermijnplanning voor het versterken van kritieke transmissietakken te ondersteunen. Met passende aanpassing van de kwetsbaarheids- en gevarenmodellen kan het kader ook worden uitgebreid naar andere weersgerelateerde en natuurlijke gevaren zoals zware windstormen, ijsvorming en bosbranden, waardoor een algemeen hulpmiddel wordt geboden om de veerkracht van moderne elektriciteitsnetten³² te versterken.

Aanpassingen en probleemoplossing

Hoewel de voorgestelde methode is gevalideerd in zowel de IEEE 39-bus als het Hainan-elektriciteitsnet, kunnen praktijkmensen deze moeten aanpassen of kunnen ze uitdagingen ondervinden tijdens de implementatie. Deze sectie geeft richtlijnen over mogelijke aanpassingen en probleemoplossing voor veelvoorkomende problemen.

Aanpassingen voor specifieke scenario's:

De methode die in dit artikel wordt voorgesteld, beperkt zich niet tot tyfoonrampen. Het kan worden aangepast aan andere rampen, zoals ijzelstormen en bosbranden, door de bijbehorende gevaren- en kwetsbaarheidsmodellen aan te passen. In de praktische uitvoering moet het Jelesnianski tyfoonwindveldmodel worden vervangen door geschikte risicospecifieke modellen, en het model voor transmissielijnkwetsbaarheid moet worden herkalibreerd op basis van de verschillende faalmechanismen van componenten onder de nieuwe rampomstandigheden.

In systemen met een hoge penetratie van hernieuwbare energie wordt het pre-ramp operationele punt variabeler. De methode kan worden aangepast naar een stochastisch of robuust optimalisatiekader. De risicoanalyse van de breukketen zou dan meerdere scenario's van hernieuwbare opwekking moeten overwegen, waardoor het aantal kandidaat-foutketens en de totale rekenlast toeneemt.

Veelvoorkomende implementatieproblemen oplossen:

De voorgestelde methode kan onbetaalbaar lange rekentijden ondervinden wanneer toegepast op grootschalige systemen. Dit wordt toegeschreven aan de combinatorische complexiteit die inherent is aan het zoekproces van de foutketen. In extra grote systemen met talrijke hoog-risico beginlijnen neemt het aantal potentiële foutketens dramatisch toe, vooral wanneer een grote zoekdiepte wordt geconfigureerd, wat leidt tot een overmatige rekenduur. Om dit probleem aan te pakken, kunnen de volgende mitigatiestrategieën worden overwogen: Ten eerste kan de initiële contingentieset passend worden verminderd door de faalkansdrempel voor opname te verhogen, waardoor risicolijnen strenger worden gescreend. Prioriteit moet worden gegeven aan lijnen die zich binnen het voorspelde kernrampgebied bevinden. Ten tweede kan de zoekdiepte beperkt zijn. Op basis van technisch oordeel en de typische propagatieduur van historische cascadefalingen in het doelraster kan de maximale zoekdiepte worden verminderd van 4 tot 3 of zelfs 2. Bovendien kan de voorgestelde methode onhaalbaarheid van het optimalisatiemodel ondervinden. Gezien de ernstige contingentiescenario's die worden aangepakt, kunnen de beperkingen – zoals N-1 beveiligingscriteria en generatoroutputlimieten – te beperkend zijn, waardoor er geen haalbare generatiedispatchoplossing is die gelijktijdig alle risicovolle foutketens kan beperken. Om dergelijke problemen op te lossen, kunnen de volgende benaderingen worden overwogen: Ten eerste kunnen de beveiligingsbeperkingen worden versoepeld door strikte N-1 beveiligingsbeperkingen om te zetten in zachte beperkingen binnen de doelstellingsfunctie, waardoor kleine en tijdelijke overtredingen mogelijk zijn om het systeemrisico te verminderen. Ten tweede, bekijk de set van kandidaat-foutketens opnieuw. Het is mogelijk dat sommige zeer laagwaarschijnlijke, maar hoge consequentieketens de onhaalbaarheid aanjagen. Een risicogebaseerde verkleining van de kandidatengroep kan nodig zijn.

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
GUROBI	Gurobi Optimization, LLC	10.0.1	Commerciële solver gebruikt voor het optimalisatiemodel
MATLAB	MathWorks	2020b	Kernomgeving voor alle simulaties
Notebook PC	Lenovo	X1 Carbon Gen 9	CPU: Intel Core i7-1165G7; RAM: 16 GB; SSD: 512 GB; OS: Windows 11
Zelf ontwikkelde MATLAB Scripts	Zelf ontwikkeld	v1.0	Implementeert de foutkettingzoekopdrachten en optimalisatie routines