[论文解读] Identifying Critical Risks of Cascading Failures in Power Systems

Hehong Zhang, Chao Zhai+2 more|arXiv (Cornell University)|May 26, 2017

Smart Grid Security and Resilience参考文献 20被引用 5

一句话总结

本文将连锁故障中关键风险的识别问题形式化为最优控制理论中的动态优化问题（DOP），利用最大值原理推导出关键风险识别算法（ICRA）。该方法能有效识别导致最坏情况大停电的关键输电元件和初始扰动（如线路停运），并在IEEE 9-Bus与14-Bus系统上的仿真结果表明，最坏情况下剩余输电功率为零。

ABSTRACT

Potential critical risks of cascading failures in power systems can be identified by exposing those critical electrical elements on which certain initial disturbances may cause maximum disruption to power transmission networks. In this work, we investigate cascading failures in power systems described by the direct current (DC) power flow equations, while initial disturbances take the form of altering admittance of elements. The disruption is quantified with the remaining transmission power at the end of cascading process. In particular, identifying the critical elements and the corresponding initial disturbances causing the worst-case cascading blackout is formulated as a dynamic optimization problem (DOP) in the framework of optimal control theory, where the entire propagation process of cascading failures is put under consideration. An Identifying Critical Risk Algorithm (ICRA) based on the maximum principle is proposed to solve the DOP. Simulation results on the IEEE 9-Bus and the IEEE 14-Bus test systems are presented to demonstrate the effectiveness of the algorithm.

研究动机与目标

• 为解决静态优化模型在捕捉连锁故障在电力系统中完整传播动态方面的局限性。
• 将连锁故障过程建模为一个动态优化问题（DOP），以考虑系统状态随时间的完整演化过程。
• 识别导致最大干扰（定义为剩余输电功率最小）的关键输电元件和初始扰动（例如线路停运、导纳变化）。
• 基于最大值原理开发一种高效算法ICRA，以求解DOP并确定代表最坏情况扰动的最优控制输入。
• 通过在标准IEEE测试系统（9-Bus与14-Bus）上的仿真，验证算法的准确性和有效性，展示其在关键条件下预测系统崩溃的能力。

提出的方法

• 将连锁故障风险识别形式化为由直流潮流方程控制的动态优化问题（DOP），以建模系统状态随时间的演化。
• 将初始扰动表示为支路导纳（u）的变化，其中线路停运作为特殊情况（u = 0），并将目标函数定义为连锁故障传播后剩余输电功率的最小化。
• 应用最优控制理论中的最大值原理，推导最优性的必要条件，从而计算关键扰动和元件。
• 开发关键风险识别算法（ICRA），通过迭代计算最优控制输入（初始扰动）来求解DOP，以最大化系统扰动。
• 使用直流潮流模型模拟连锁过程，包括因过载而跳闸的线路，并跟踪网络拓扑结构和功率传输能力的演化。
• 通过将计算出的关键扰动应用于IEEE 9-Bus与14-Bus系统，并与仿真结果对比最终输电功率，验证结果。

实验结果

研究问题

• RQ1 在电力系统中，哪些输电元件和初始扰动会导致最坏情况的连锁大停电（以剩余输电功率最小为定义）？
• RQ2 如何准确地对连锁故障的动态传播过程进行建模与优化，以识别关键风险，而非依赖静态假设？
• RQ3 最优控制理论中的最大值原理是否可有效应用于识别触发系统全面崩溃的最坏初始扰动？
• RQ4 所提出的ICRA算法在识别关键元件和扰动方面，与现有静态或启发式方法相比表现如何？
• RQ5 关键扰动对系统韧性的定量影响如何，通过标准IEEE测试系统得以验证？

主要发现

• 在IEEE 9-Bus系统中，元件1（连接母线1与4）的停运导致系统完全崩溃，剩余输电功率降至零，确认了最坏情况场景。
• 在IEEE 14-Bus系统中，元件3的停运仅导致0.02 p.u.的剩余输电功率，表明其在单元件预想方式下为关键元件。
• 当两个元件同时跳闸时，[2,3]、[2,4]和[2,5]等组合导致剩余输电功率为零，表明系统对多重初始扰动高度脆弱。
• 当三个或更多元件停运时，多种组合（包括[1,5,6]）导致系统完全孤立，证实存在多个最坏情况故障场景。
• 两个测试系统的仿真结果与ICRA算法的预测完全一致，验证了其正确性与鲁棒性。
• ICRA算法成功识别出导致最大干扰的关键元件和扰动，证明其在建模动态连锁故障传播方面的有效性。