基于貝葉斯網絡的連鎖故障概率模型

王 多，王維洲，靳 丹，于會泉，劉文穎

(1.甘肅省電力公司，甘肅 蘭州 730050；2.華北電力大學，北京 102206)

基于貝葉斯網絡的連鎖故障概率模型

王 多1，王維洲1，靳 丹1，于會泉2，劉文穎2

(1.甘肅省電力公司，甘肅 蘭州 730050；2.華北電力大學，北京 102206)

在分析連鎖故障傳播機理的基礎上，按照連鎖故障發生、發展的物理過程，分析系統潮流轉移時線路的自臨界特性，結合連鎖故障發展階段的概率特點，基于貝葉斯網絡方法的連鎖故障概率分析，建立了一種電網連鎖故障的概率分析模型。通過對連鎖故障過程的模擬，用系統負荷損失指標對連鎖故障進行風險評估，分析系統的薄弱環節，研究降低連鎖故障風險的預防策略。通過對我國某區域電網算例演示，驗證了所構建的連鎖故障概率模型的可行性、有效性。

連鎖故障；電力系統；負荷損失；貝葉斯網絡；概率分析

近年來，國內外發生的很多大停電事故都表現為連鎖故障[1-2]，這類停電事故的共同特點是：開始往往是某一元件受到干擾，引起該元件正常工作的破壞，如果不能及時處理，隨著時間的推移，造成事故的連鎖性擴大，波及其他元件甚至整個系統，依次引起其他元件相繼斷開，最后造成大面積停電事故。這類事故發生的概率雖然不大，但危害極大，隨著國內外對連鎖故障問題認識的不斷深化，如何構建合理的電網連鎖故障模型已成為這一領域的眾多專家學者所關注的焦點。

迄今為止，國內外學者在連鎖故障研究領域做了大量的工作[2-4]。美國的Carreras、Dobson等學者開始采用自組織臨界理論來解釋電網的連鎖故障問題，提出的OPA模型、CASCADE模型、HOT(Highly Optimized Tolerance)理論以及分支過程模型等是以復雜系統理論為基礎并結合電力系統的實際而構造的[5-7]。文獻[8]考慮了對包含傳輸線和發電機連鎖故障的大規模停電事故進行定性模擬和分析的CASCADE模型。文獻[9]描述了冪率關系的HOT理論，能夠較合理地說明故障統計數據的初始分布規律。但這些模型也存在明顯不足：這些模型實際上并不注重連鎖故障發展過程的物理細節，而是強調電網發生連鎖故障的初始條件以及電網發生連鎖故障的長期宏觀總體特性，是一種定性的連鎖故障機理分析方法。

電力系統是一個復雜的非線性動態系統，系統中任一地點發生故障，都將在不同程度上涉及整個系統，正確的分析模型是對連鎖故障進行定量分析并進而提出預防策略的基礎。本文按照電網連鎖故障的物理過程并結合各階段事件的概率特點，充分考慮到網絡結構的拓撲關系，以及系統潮流轉移對線路元件間的不同影響，基于貝葉斯網絡方法，結合電力系統中線路元件集群故障后的概率特性，建立了一種電網連鎖故障的概率模型分析方法，并通過對連鎖故障過程的模擬，用系統負荷損失等指標對連鎖故障進行風險評估，找到系統的薄弱環節。文中通過我國某區域電網算例對所提概率分析模型和風險評估方法的合理性及其在電力系統中的應用進行了驗證說明。

1 連鎖故障傳播機理

1.1 連鎖故障發展過程

簡單來說，連鎖故障是由于系統中某一個元件故障，導致一系列其他元件停運的連鎖反應，是一種發生概率較低但危害嚴重的事故。在很多大停電事故的初始階段，潮流轉移是使電網運行狀態進一步惡化的主要原因，圖1顯示了大停電的發展過程。從圖中可以看出，連鎖故障的發展階段是一個復雜的過程，其間伴隨著低電壓、過負荷、保護動作、解列和失穩，因此建立同實際電網相近的連鎖故障模型是分析連鎖故障的前提條件。

當電網發生元件故障時，由于線路故障后負荷的轉移，使其他線路元件故障的概率上升，而自臨界線路集群[10]的存在以及故障后對系統負荷轉移的嚴重影響，使其余元件發生故障的概率更大。這樣，當發生N-K故障時，由于網絡存在自臨界線路的情況，故障后使其余元件故障概率以冪指數上升，且自臨界線路集群故障概率具有指數分布的特點，如果再考慮保護動作等隱藏故障，就有可能發展為連鎖故障。

1.2 連鎖故障的貝葉斯網絡模型

從國內外電網大停電事故來看，連鎖故障表現為保護動作導致的電力系統元件相繼停運，連鎖故障本質上是條件概率事件。貝葉斯網絡[11]是基于概率分析、圖論的一種不確定性知識的表達和推理模型，能夠很好地表示變量的隨機性、不確定性和相關性，非常適合條件概率事件的分析。

基于上述連鎖故障機理的分析，連鎖故障的發展過程主要為：系統初始故障后，電網發生潮流轉移和元件過載，從而導致第一層激發事件，即線路過載跳閘或者保護誤動；此后電網加速惡化，依次激發各層事件，線路集群分布故障擴大，出現線路集群自臨界狀態，最終導致大停電事故。以負荷被切除、發電機脫離系統以及電網解列作為連鎖反應的終止條件，由此，可建立的貝葉斯網絡模型連鎖故障樹如圖2所示。

應用該故障樹方法能夠較清晰地表示連鎖故障的發展過程。當一個線路元件被切除后，與該線路緊密相關的線路過載以及保護裝置誤動的概率[12]就大大提高，導致線路集群出現自臨界狀態是連鎖故障發展過程的最主要形式。

2 基于貝葉斯網絡的連鎖故障概率分析

2.1 線路薄弱負荷的自臨界特性

2.1.1 基于薄弱負荷指標的自臨界線路集群

由網絡結構拓撲分析，系統負荷薄弱性[13]嚴重導致了線路元件分布的不均勻性，線路薄弱連接加大了兩節點之間元件的故障風險，使電力系統網絡同時具備薄弱的聚集負荷和線路結構自臨界特性，相關線路稱為自臨界線路。

由于自臨界線路所帶負荷的薄弱性，使得自臨界線路故障，引起相關區域內其他自臨界線路元件的故障概率大大提高，且隨著故障后網絡拓撲的變化，負荷的再分配可能會產生新的自臨界線路，這些緊密相關的自臨界線路集合統稱為自臨界線路集群。

統計資料也表明，系統多條線路的集群分布故障是造成連鎖故障的主要因素[10]，這正好能夠更合理地從相關性上解釋統計數據的分布規律，更符合電力系統實際的運行情況。為了對比，本文采用實際統計數據和泊松分布、集群分布和冪指數分布3種模型圖譜，如圖3所示。

2.1.2 自臨界線路故障概率分布

由于自臨界線路的故障后果很嚴重，所以考慮多重故障的情況，即線路斷開后，至少會造成共同區域相連的所有線路中的某一條斷開。由于同一區域內自臨界線路之間存在必然的影響，且對連鎖故障的發展最為嚴重，這里采用指數模型來表示自臨界線路過載的動作概率，如圖4所示。

圖4 指數模型的概率密度分布

對于指數分布E(λ)，連續型隨機變量x的概率密度為：

式中：λ>0為常數，則稱x服從參數為λ的指數分布。

利用這一概率分布特性，充分考慮到網絡結構的不足，把傳輸線路之間故障互相作用的概率進行定量化分析，提出了一種計及網絡自臨界線路集群的連鎖故障概率分析模型。這個模型同實際電網運行狀況相一致，更具有普遍意義，并驗證了電網故障發展中薄弱負荷的存在。

自臨界線路集群整合概率模型實際上是一種更為實用化的模型。其基本前提是，當系統受初始擾動時，考慮了不同元件上疊加相同的初始擾動量D，其中以集群形式分布的自臨界線路的后果尤為顯著；當某一元件停運并發生潮流轉移時，自臨界集群元件上疊加相同的轉移量p等，這也極大地推動了連鎖故障的演化發展。由于條件有限，只針對傳輸線路的自臨界線路集群進行整合概率計算，分析電網的計及自臨界線路故障的風險度。

2.2 基于貝葉斯網絡的連鎖故障概率模型

采用整合概率模型[14]來描述電力系統基于線路集群的連鎖故障。設系統初始狀態下第i條線路故障的概率為PLi，引起的故障使第k條線路上發生功率過載的條件概率為Pk(i)，線路集群中自臨界線路為X條，線路i故障后自臨界線路為Xi條，可以用離散概率分布[14]來表示故障發生在自臨界線路集群的條件概率為PXi，同時定義引起的故障使第k條線路上發生功率過載的條件概率為Pk(Xi)，可以得到連鎖故障概率Pevent為：

式中：λ為線路集群分布參數，取經驗值1.5。

3 連鎖故障的風險指標的確定

3.1 連鎖故障終止條件

連鎖故障終止條件是指在分析過程中需要確定結束連鎖故障計算的條件，參照以下連鎖故障結束條件。

(1) 某次計算后，潮流計算不收斂，加入控制措施也不能夠收斂，則認為電網崩潰。

(2) 某次計算后，沒有出現元件過載和電壓越限的現象，也沒有新的隱藏故障發生。

(3) 電網解列為2個孤島，不包括單個負荷或者發電機的失去。

電網出現以上任何一種情況，則認為該次連鎖故障搜索結束。

3.2 連鎖故障失負荷的計算方法

線路上發生功率過載的嚴重程度是電網發生連鎖故障的主要因素。用連鎖故障發展過程中負荷損失總量指標的大小來度量連鎖故障的嚴重程度，以系統損失負荷最少為目標函數：

式中：K為控制措施的階段數；Q為可切負荷節點的集合；Pji表示第j階段負荷節點i上的切負荷量。

3.3 風險評估法

系統的風險指標定義為事故發生概率與事故嚴重度的乘積[20]，表達式如下：

式中：R為風險概率指標；Pe為事故概率；Ie為事故嚴重度。

連鎖故障對整個系統造成的風險可通過負荷損失反映。對負荷的功率損失進行標幺化處理后，連鎖故障負荷損失嚴重度指標為：

式中：N為故障數；Pload(i)為第i次連鎖故障造成的負荷容量損失；Ps為系統容量。

根據公式(4)對風險指標的定義，連鎖故障風險指標為：

由連鎖故障的概率計算公式(2)，即可計算出系統連鎖故障的風險指標。

3.4 連鎖故障風險預防分析

應用上述連鎖故障概率模型的相關理論分析和風險指標計算，將連鎖故障分支的各個階段用廣義指數分布來模擬，并模擬自臨界線路集群的故障概率。應用自組織線路概率模型的相關理論，結合CASCADE模型，可以用系統負荷的形式描述系統在設計和運行時，為避免連鎖故障風險所必須遵循的基本原則，即合理發展電網結構，有效優化系統負荷分配，使線路集群處于工質參數在臨界點以下的次臨界狀態，減少集群線路元件的數量，有利于減少電網連鎖故障發生的概率，可限制故障傳播從而降低連鎖故障風險。

4 連鎖故障概率模型算例分析

4.1 概述

以我國某區域電網2010年冬大負荷運行方式為例，該區域電網省際間聯絡線斷面潮流如表1所示，電網采用西電東送極限方式。

表1 區域電網省際斷面潮流計算結果

4.2 電網算例分析

首先，利用綜合程序PSASP對該區域電網進行故障掃描，確定平涼—乾縣等線路故障為最危險，將他們設定為一級故障，用于后續故障的分析。

設定系統的初始潮流不變，計算線路故障引起的潮流轉移。根據貝葉斯網絡的連鎖故障概率模型分析，得出可能的二級故障和相應的指標計算結果；經快速暫態掃描，再根據一、二級故障的信息，利用所給指標對剩余線路進行掃描，可確定三級故障風險指標高的線路；依據連鎖故障終止條件，得到引發逐級連鎖故障的概率Pevent和連鎖故障路徑上的總負荷損失Iload；按照連鎖故障風險指標的計算公式，得到經歸一化處理后逐級變化的連鎖故障風險指標，結果示于表2。

表2 連鎖故障風險指標最大的5條線路

重復上述過程，可進一步確定系統更高級別的后續故障。通過這樣的風險分析，可以直觀地反映各級故障的發展過程中系統風險值的逐級變化及其對系統安全的影響。由表2可以看出，平涼—乾縣線路發生同桿并架2級故障時，斷面聯絡線過載運行，線路集群分布故障擴大，其切負荷數最大且故障威脅最為嚴重，顯示了系統的脆弱環節。因此，如果此線路出現問題，運行人員應給予足夠的重視并采取相應的措施。

5 結論

以故障概率分析為基礎，引入自臨界線路故障概率分析，提出了基于電網的貝葉斯網絡方法的連鎖故障概率模型。該過程模型是CASCADE模型的一種近似，結合了自組織臨界模型和集群模型的實用優點，有效削弱了模型前提和現實條件之間具有差異的缺陷，因而是一種有效的連鎖故障機理分析方法。它能更有效地控制電網故障的發展，便于及時發現系統的薄弱環節，為電力系統的控制和設計提供更加準確的理論依據。仿真算例進一步說明了文中所提模型及方法在電力系統中應用的合理性和有效性。

1 薛禹勝. 時空協調的大停電防御框架[J]. 電力系統自動化，2006，30(3)：1-10.

2 魯宗相. 電網復雜性及大停電事故的可靠性研究[J].電力系統自動化，2005，29(12)：93-97.

3 Carreras B A，Newman D E，Dobson I，et al.Evidence for self-organized criticality in electric power system blackouts// Proceedings of th 34th Hawaii International Conference on System Sciences，January 3-6，2001，Maui，HI，USA，2001：705-709.

4 易 俊，周孝信. 考慮系統頻率特性以及保護隱性故障的電網連鎖故障[J]. 電力系統自動化，2006，30(14)：1-5.

5 Dobson I，Carreras B A，Newman D E. A probabilistic loading-dependent model of cascading failure and possible implications for blackouts//Proceedings of the 36th Hawaii International Conference on Systems Sciences，January 6-9，2003，Maui，HI，USA，2003 ：10-19.

6 鄧慧瓊，艾 欣，余洋洋，等. 電網連鎖故障的概率分析模型及風險評估[J]. 電網技術，2008，32(15)：41-46.

7 孫 可，韓禎祥，曹一家. 復雜電網連鎖故障模型[J].電網技術，2005，29(13)：1-9.

8 王明俊. 大電網繼電自動裝置的隱藏故障、脆弱性和適應性問題[J]. 電力自動化設備，2005，25(3):1-5.

9 Newman M E J，Strogatz S H，Watts D J.Random graphs with arbitrary degree distributions and their applications [J].Physical Review E，2001，64(2)：11-19.

10于會泉，劉文穎. 基于線路集群的連鎖故障概率分析模型[J]. 電力系統自動化，2010，34(10)：29-33.

11 吳 欣，郭創新. 基于貝葉斯網絡的電力系統故障診斷方法[J]. 電力系統及其自動化學報，2005，17(4)：11-15，40.

12 張國華，張建華，楊志棟，等. 電力系統N-K故障的風險評估方法[J]. 電網技術，2009，33(5)：17-21.

13 Fouad A. A，Qin Zhou，V. Vitttal. System vulnerability as a concept to assess power system dynamic security.IEEE Transactions on Power Systems，1994，9(2)：1009-1015.

14 胡澤春，王錫凡，張 顯，等. 考慮線路故障的隨機潮流[J]. 中國電機工程學報，2005，25(24)：26-33.

2011-04-13)