基于复杂网络理论的含分布式发电的电力网络脆弱度评估

doi:10.12341/jssms09002

系统科学与数学 ›› 2010, Vol. 30 ›› Issue (6): 859-868.DOI: 10.12341/jssms09002

基于复杂网络理论的含分布式发电的电力网络脆弱度评估

王莹莹, 梅生伟, 毛彦斌, 刘锋

清华大学电机系电力系统国家重点实验室, 北京 100084

收稿日期:2010-05-18 修回日期:1900-01-01 出版日期:2010-06-25 发布日期:2010-06-25

PDF ( 510 ) 引用被引次数 ( 34 | 3 )

王莹莹;梅生伟;毛彦斌;刘锋. 基于复杂网络理论的含分布式发电的电力网络脆弱度评估[J]. 系统科学与数学, 2010, 30(6): 859-868.

WANG Yingying;MEI Shengwei;MAO Yanbin;LIU Feng. Vulnerability Assessment of Power Grid with Distributed Generation Based on Complex Network Theory[J]. Journal of Systems Science and Mathematical Sciences, 2010, 30(6): 859-868.

Vulnerability Assessment of Power Grid with Distributed Generation Based on Complex Network Theory

WANG Yingying, MEI Shengwei, MAO Yanbin, LIU Feng

State Key Lab of Power System, Department of Electrical Engineering, Tsinghua University, Beijing 100084

Received:2010-05-18 Revised:1900-01-01 Online:2010-06-25 Published:2010-06-25

基于复杂网络理论研究含分布式发电(DG, Distributed Generation)的电力网络脆弱度评估问题,
有针对性地提出三类脆弱度评估指标,其中基于结构的脆弱度指标能够体现网络拓扑和节点功率对系统供电效率的影响；攻击脆弱度指标可用于评估系统抵御节点和线路移除的能力；基于运行方式的脆弱度指标能够反映整个电网有功功率在传输距离上的均衡度.仿真算例验证了所提指标的有效性和DG对于改善系统功率传输性能与提高抗干扰能力方面的作用.

关键词： 复杂网络理论, 分布式发电, 脆弱度评估.

Based on the complex network theory, three kinds of vulnerability indices are proposed to assess the vulnerability of the power grid with distributed generation(DG). The structure based index can consider the influence of network topology and node power on the supply efficiency. And the attack vulnerability index can assess the ability of the system to withstand node or line removal. Further, the index based on operational condition can reflect the power balance level of the whole power grid. At last, simulation results verify the validity of the proposed indices and the role of DG in improving transmission property and anti-disturbance ability of the power network.

Key words: Complex network theory, distributed generation, vulnerability assessment.

MR(2010)主题分类:

93A15

分享此文:

[1]	傅勤. 大型互联非线性分布参数系统的分散迭代学习控制[J]. 系统科学与数学, 2016, 36(10): 1557-1573.
[2]	王枞，涂序彦. ``大系统控制论''与``智能控制论''的研究和教学[J]. 系统科学与数学, 2016, 36(9): 1468-1475.
[3]	刘安东，孙辉，俞立，张文安. 通信约束广域电力系统的分布式模型预测控制[J]. 系统科学与数学, 2016, 36(6): 749-758.
[4]	侯林林,宗广灯. 具有多干扰的非线性时变时滞关联系统的复合分层抗干扰控制[J]. 系统科学与数学, 2014, 34(12): 1595-1603.
[5]	傅勤. 大型互联非线性系统的分散迭代学习控制[J]. 系统科学与数学, 2013, 33(11): 1281-1292.
[6]	卢强，梅生伟. 现代电力系统控制评述---清华大学电力系统国家重点实验室相关科研工作缩影及展望[J]. 系统科学与数学, 2012, 32(10): 1207-1225.
[7]	张嗣瀛. 复杂系统中的自聚集, 系统功能与正反馈[J]. 系统科学与数学, 2011, 31(9): 1045-1051.
[8]	闻继伟;刘飞. Markov跳变系统滚动时域有限记忆控制[J]. 系统科学与数学, 2010, 30(7): 911-921.
[9]	唐锡晋. 综合集成研讨厅的几个示例[J]. 系统科学与数学, 2009, 29(11): 1507-1516.
[10]	傅勤;杨成梧. 基于输出反馈的一类大型互联非线性系统的鲁棒全局指数稳定[J]. 系统科学与数学, 2009, 29(4): 460-469.

阅读次数

全文

摘要