基于随机交互图与特征分析的连锁故障分析与缓解

Analysis and Mitigation of Cascading Failures Using a Stochastic Interaction Graph With Eigen-Analysis

Zhenping Guo · Xiaowen Su · Kai Sun · Byungkwon Park 等5人 · IEEE Transactions on Power Systems · 2024年7月

在复杂网络系统研究中，通常基于无向图模型进行特征分析。然而，在电力系统连锁故障分析中，故障间的相互作用具有方向性，需引入有向图以刻画故障传播路径。为此，本文提出一种随机交互图模型及其特征分析方法。通过定义并分析随机交互矩阵的特征值模式（其模为1、0或介于两者之间），可识别局部或大范围的故障传播模式及关键参与元件。利用特征向量识别广泛传播模式中的关键组件，并降低其故障概率，从而有效抑制连锁故障。在NPCC 140节点系统上的仿真数据验证了所提模型与策略的有效性。

解读: 该随机交互图与特征分析技术对阳光电源大型储能系统和微电网产品具有重要应用价值。在PowerTitan储能系统集成中，可建立储能单元、PCS变流器、升压变压器间的故障传播有向图模型，通过特征值分析识别关键薄弱环节，优化冗余配置策略。对于多机并联的ST系列储能变流器，该方法可量化单机故障向系统扩散的风险...