《Electric Power Systems Research》：Risk assessment of cascading failures in wind power DC transmission system based on improved black-winged kite algorithm
编辑推荐：
本文针对风功率直流输电系统连锁故障提出综合识别与评估方法，基于线路参数建立故障序列预测指标，融合主客观权重确定方法，结合改进黑翅 kite 算法优化指标，通过IEEE-39系统验证其有效性和准确性。
朱大瑞|张文豪|白静|陈万桥
西安工业大学电气工程学院，中国陕西省西安市710048
摘要
风力发电直流输电系统相比传统的交流输电系统具有无与伦比的优势。然而，在复杂的运行条件下，局部故障可能会引发一系列的级联故障，威胁整个系统的安全与稳定性。为了全面评估风力发电直流输电系统的级联故障特性，本文基于输电线路本身的最直观和最相关的参数建立了识别指标，以预测故障序列。此外，还提出了五个系统风险评估指标：包括负载水平、功率流分布、电压特性、风力发电稳定性以及直流系统的相互作用效应，以评估故障对系统的影响。这些指标需要确定综合权重，分别使用相关系数方法和变异系数方法来计算主观权重和客观权重。然后利用这两种权重的线性组合建立一个偏差最小化目标函数，并通过改进的Black-winged Kite算法求解，以获得综合指标。通过这些综合识别指标进行线路识别，从而得到级联故障序列。随后，使用风险评估指标来评估所得级联故障序列的严重程度。最后，以改进的IEEE39风力发电直流输电系统作为测试案例，进行级联故障序列搜索和风险评估，验证了所提出方法的可行性和正确性。
引言
风力发电直流输电系统在现代电力系统中发挥着至关重要的作用。该系统是一种旨在实现大规模风力发电整合的输电技术，主要通过高效的直流输电将风电场产生的电能输送到远离发电地点的电网或负荷中心。该系统具有显著的长距离输电能力、高效率和低损耗。其功率容量通常在几百兆瓦到几吉瓦之间，输电距离可达500至2000公里，电压等级包括中压直流（110kV–500kV）和超高压直流（±800kV至±1100kV）。风力发电直流输电系统的运行原理是风电场通过风力涡轮机和发电机单元产生交流电，经过变压器升压后，通过换流站将交流电转换为直流电，然后以直流形式进行长距离传输。在接收端，直流电通过换流站再次转换为交流电，降压并调节后最终并入主电网，从而实现与传统电力系统的无缝连接和整合。然而，风力的强随机性和不确定性，加上电力电子设备的弱抗干扰能力，使得级联故障更加复杂[1]。尽管直流系统在长距离、大容量和低损耗输电方面具有优势，非常适合可再生能源的整合[2]，但其引入也带来了脆弱性。交流/直流混合结构使得故障在系统间传播，增加了运行复杂性。局部故障可能引发级联故障，可能导致大规模停电。因此，在实现可再生能源整合的同时有效防止级联故障成为保障电网安全的关键挑战。
近年来，全球发生了多次重大停电事件，都是由一系列复杂的级联故障引发的，最终导致电力系统故障失控[3]。为了有效预防和控制由级联故障引起的大规模停电，迫切需要建立一种系统化、科学的故障搜索方法作为关键支持。现有的级联故障搜索方法可分为基于拓扑的搜索方法和基于功率流的搜索方法。传统的电网级联故障搜索模型包括保护系统的动态仿真模型[4]、层次模型[5]和时间等效模型[6]。这些方法基于电网的拓扑结构，分析节点、边和网络内的关系来预测故障传播。它们通常计算效率高，适用于大规模系统的初步分析。然而，这些方法大多简化了电气参数对故障传播的影响，过度依赖拓扑结构而忽略了功率流的非线性特性。例如，Cascade模型通常只关注特定区域的故障传播过程，难以全面考虑整个系统的级联故障效应。此外，它们还存在计算复杂度高和故障模式简化等问题。
对于基于功率流的搜索方法，已经有一系列成熟的方法，如Manchester模型[7]和OPA模型[8]。另外，使用恒定雅可比矩阵的Newton-Raphson功率流方法[9]在计算效率和收敛性方面具有优势。在现代电力系统最优功率流问题中应用启发式优化算法[10]，强调了这些算法处理复杂约束和非线性问题的有效性。然而，这些研究严重依赖于功率流计算，在大规模系统或多场景评估中会导致计算负担重且效率低。此外，这些方法对初始条件或问题的可行性非常敏感，难以在关键条件下确保收敛性和稳定性。
基于指标的预测方法分析代表线路安全状态的相关指标，构建用于风险评估的预测特征，指导级联故障的搜索和评估过程。通过考虑多个维度，开发了一个综合故障预测指标系统，包括功率流变化特性、过载和冗余水平、支路负载率、支路间耦合关系、功率流波动幅度、线路停运的影响等，用于识别关键线路[[11]，[12]，[13]]，最终确定级联故障的传播路径。然而，基于指标的预测方法面临的一个问题是建立的指标权重计算是否客观反映了系统的实际情况。
已有相关研究针对电网中的级联故障进行了风险评估。电力系统网络安全风险评估方法考虑了保护系统的作用，评估了变电站母线和输电线路保护系统对电力系统信息物理性能的影响[14]。提出了一种统一的韧性评估和运营增强方法，包括评估恶劣天气对电力系统影响的程序和基于风险的防御性孤岛算法[15]。基于多时间尺度仿真的交流-直流系统级联故障预测方法，解决了当前研究中交流-直流交互过程动态特性仿真的不足[16]。使用随机功率流和风险价值理论构建的高风险级联故障事故链模型，有助于高效分析大规模风力发电系统中的级联故障风险[17]。基于随机功率流和分析层次过程的高维事故链模型，克服了传统事故链模型在适应可再生能源随机性方面的局限性[18]。目前关于电力系统级联故障风险评估的研究主要集中在传统交流网络和可再生能源整合上，而专门针对风力发电直流输电系统的系统研究仍然有限。因此，现有方法无法完全捕捉风力发电系统、直流输电系统和交流/直流混合系统之间的复杂耦合关系，也无法彻底揭示级联故障传播的内在机制。尽管现有方法在传统电网环境中已被证明有效，但在以大规模风力发电整合和超高压直流输电为特征的新电网模式下，其准确性和适用性不足。
本文聚焦于风力发电直流输电系统，提出了一种级联故障线路序列识别方法。提出了三个运行指标——功率扰动率、电压偏差变化和功率流传输比，以更好地描述故障传播过程中的功率流动态。对于风险评估，考虑到风力发电直流输电系统的独特特性，从负载水平、功率传输能力、直流输电对接收端电压稳定性的影响以及系统抵御电压波动的能力等方面，引入了五个系统评估指标。这些指标包括平均负载率影响因子、功率系数、电压偏差率、风力发电渗透短路比和交流/直流交互因子，共同反映了系统对级联故障的敏感性和脆弱性。所有指标都通过综合加权过程进行量化：分别使用相关系数方法和变异系数方法计算主观权重和客观权重。然后应用改进的Black-winged Kite算法求解偏差最小化目标函数，确保综合权重的合理性以及评估结果的科学有效性和准确性。最终，使用综合运行指标进行级联故障序列识别，同时应用系统评估指标来评估级联故障的严重程度。通过在改进的IEEE-39母线风力发电直流输电系统上进行PSASP仿真，验证了所提出方法的有效性。与现有方法相比，该方法不仅更准确地捕捉了风力发电、直流输电和交流/直流系统之间的动态耦合效应，还显著提高了级联故障识别和风险评估的精度和适用性。文本各部分之间的联系如图1所示。
Black-winged Kite算法的基本原理
Black-winged Kite算法（BKA）是一种基于鸟类觅食行为提出的优化算法，灵感来源于自然界中黑翅风筝的狩猎和迁徙模式。该算法借鉴了黑翅风筝的狩猎和迁徙行为的关键步骤，通过模拟鸟类的飞行路径逐步寻找问题的最优解，具有强大的全局搜索能力和高适应性[19]。
在狩猎过程中，
风力发电直流输电系统级联故障线路序列识别
在风力发电直流输电系统中，级联故障传播表现出明显的非线性耦合。初始故障事件会迅速改变系统结构和功率流分布，可能引发多次二次故障并产生复杂的级联演化路径。为了解决这个问题，本文基于最本质和与线路相关的参数（即功率扰动率、电压差分变化和功率流）开发了评估指标
风力发电直流输电系统中的级联故障风险评估
电力系统中的级联故障风险评估是分析由故障在电力网络中引发的连锁反应的过程，旨在评估故障传播对系统稳定性和可靠性的潜在影响。通过识别系统内的可能故障模式、模拟系统对故障的响应以及量化风险，评估故障的影响程度及其对电力系统的威胁。
基于改进的Black-winged kite算法的级联故障序列风险评估综合加权方法研究
在前面的章节中，已经开发了用于故障线路序列识别和级联故障风险评估的指标。故障线路识别指标捕捉了故障发生后剩余线路参数的最直接变化，而级联故障风险评估指标则从多个角度评估线路。这些指标综合考虑了实际功率流分布、整体网络拓扑、线路
改进的Black-winged Kite算法的性能测试
在本文中，对Black-winged Kite算法（BKA）进行了改进。为了进一步验证改进后的性能，进行了性能测试。比较的算法包括原始的BKA和Grey Wolf Optimization（GWO）算法。设置以下参数：N=30，c=1.2，I=1.5。迭代次数为300次。不同函数下的测试结果对比如图3所示。
对改进的Black-winged
结论
本研究提出了一个用于风力发电直流输电系统中线路识别和级联故障风险评估的框架。通过整合负载水平、功率流传输能力、电压稳定性等相关因素的多维指标，引入了一种结合主观和客观加权的优化方法。使用相关系数方法和变异系数方法来确定
资助
本工作得到了陕西省教育厅资助的科学研究计划（项目编号：24JP129）和国家自然科学基金（项目编号：U2106218）的资助
CRediT作者贡献声明
朱大瑞：调查、形式分析、数据整理、概念化。张文豪：撰写——审稿与编辑、撰写——初稿、软件开发、项目管理、方法论、调查。白静：验证、软件开发、资源协调。陈万桥：验证、软件开发、资源协调。
