基于马尔可夫树搜索的多时间尺度连锁停运风险评估
系统与控制
2016-11-17 v2
摘要
在连锁停运风险评估中，仿真的合理性与计算效率均具有重要意义。为克服基于采样的方法需耗费巨大计算资源的缺点，以及初始故障选择实践忽略停运序列中依赖关系的短板，本文提出一种通过在马尔可夫树上进行搜索的新型风险评估方法。马尔可夫树模型由近期提出的准动态多时间尺度仿真模型重新构造，以确保对连锁停运的合理建模与仿真。随后建立树搜索方案，避免对同一级联路径的重复仿真，显著节省计算时间。为加速风险评估收敛，提出风险估计指标以引导搜索对风险贡献较大的状态，并基于该风险估计指标通过前向树搜索与后向更新算法实现风险评估。所提方法的有效性在 4 节点电力系统上得以验证，其收敛特性与效率在 RTS-96 测试系统上得到展示。
引用
@article{arxiv.1603.03935,
title = {Risk Assessment of Multi-timescale Cascading Outages based on Markovian Tree Search},
author = {Rui Yao and Shaowei Huang and Kai Sun and Feng Liu and Xuemin Zhang and Shengwei Mei and Wei Wei and Lijie Ding},
journal= {arXiv preprint arXiv:1603.03935},
year = {2016}
}
备注
To appear in IEEE Transactions on Power Systems