面向大型电力系统的概率动态安全评估与提升

本文提出一种新方法，用于考虑负荷与发电变动、N-2 故障以及不确定保护装置行为引发的 uncertain cascade propagation 的概率动态安全评估与提升。该方法通过天气数据、市场模型及运营商预防措施模型生成可能的运行条件数据库。对系统状态进行抽样并施加故障，以完成安全评估。提出严格的统计指标，以决定进行多少偏置样本与无偏样本的抽样，以达到对单个故障估计风险统计误差的目标精度。可选地，可对故障进行筛选以限制分析的计算负担。最后，使用可解释的机器学习技术识别关键故障风险根源，便于结果解释，并有助于安全提升。该方法在 73 节点可靠性测试系统上进行演示，并讨论了向大型电力系统（数千节点）的可扩展性。