利用快速神经网络筛选预判电网中的连锁故障

我们处理始终保持高压电力传输网络处于安全状态的问题。这要求所有线路上流动的功率始终低于某一标称热极限，超过该极限线路可能熔化、断裂或造成其他损害。当前实践包括强制执行确定性的“N-1”可靠性准则，即通过运行缓慢但精确的电网物理模拟器，来预判任何可能的单条线路断开（无论其原因如何）导致的热极限越限。新的概念框架呼吁基于概率风险的安全准则，并需要新方法来评估风险。为应对这一困难的评估，我们在本文中处理快速对所有线路断开对（即高阶连锁故障）进行排序的问题，以更好地优先安排模拟。我们提出了一种基于神经网络的新方法，按预设严重度递减顺序对“N-1”与“N-2”连锁故障进行排序。在一个经典基准问题上我们证明，与仅考虑所有“N-1”情形相比，连锁故障的残余风险显著下降，且不增加额外计算成本。我们评估该方法可扩展至法国高压电网规模（超过1000条电力线路）的电网。