本發(fā)明屬于電力系統(tǒng)及其自動化技術領域，更準確地說，本發(fā)明涉及一種電力系統(tǒng)暫態(tài)穩(wěn)定最優(yōu)切機控制策略搜索的簡化方法。

背景技術：
電力系統(tǒng)的安全穩(wěn)定運行關系到社會穩(wěn)定與經(jīng)濟發(fā)展，隨著特高壓及智能電網(wǎng)建設的快速發(fā)展、電力市場機制的越趨成熟、自然災害風險的不斷增大，大電網(wǎng)動態(tài)特性越來越復雜，電網(wǎng)運行控制難度越來越大，因此，實現(xiàn)電力系統(tǒng)暫態(tài)穩(wěn)定在線分析與控制成為解決這一系列問題的關鍵要素，而計算量大的缺點則限制了暫態(tài)穩(wěn)定分析與控制在實時環(huán)境中的應用。由特性互補的靜態(tài)EEAC(SEEAC)、動態(tài)EEAC(DEEAC)和集成EEAC(IEEAC)算法構成的EEAC算法框架是進行電力系統(tǒng)暫態(tài)穩(wěn)定在線分析的算法基礎。IEEAC算法基于由滿足精度要求的逐步積分法給出的受擾軌跡，在每個積分步的初始時刻更新一系列映象OMIB系統(tǒng)的參數(shù)，再通過最小值原則將映象系統(tǒng)的分析結果返回至多機空間。它與對應的數(shù)值積分具有相當?shù)木_性和模型靈活性，未采用任何新的假設，是EEAC的精度與強壯性的保證。SEEAC是專門針對經(jīng)典模型的EEAC算法，它采用了理想兩群模式的假設，本質上為模型凝聚技術，故誤差較大。但它只需用單步泰勒級數(shù)求取映象系統(tǒng)在τ時刻的功角與加速度，故僅消耗極小的計算量就可獲得穩(wěn)定裕度的解析解。同時也為EEAC提供了許多寶貴的中間結果。DEEAC巧妙地用4次自適應的大步長泰勒級數(shù)展開獲得指定τ值或準臨界條件下故障中、故障后軌跡，并在多機軌跡的凝聚時大大松弛了SEEAC算法關于凍結同群各機組間偏移角的近似假設，分別處理4段正弦曲線。它是協(xié)調SEEAC及IEEAC的接口，對提高EEAC的整體性能起到不可或缺的作用。針對暫態(tài)穩(wěn)定分析，算例篩選是減少計算量的措施之一。專利申請“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障集快速篩選方法”(公開號：103336994A)基于EEAC理論，通過比較靜態(tài)EEAC(SEEAC)算法和動態(tài)EEAC(DEEAC)算法分析結果間差異、結合研究算例故障信息，匹配組合成不同篩選判據(jù)，從預想故障全集中分層篩除滿足篩選判據(jù)的相當穩(wěn)定的預想故障子集，大大減少了需進行詳細暫態(tài)穩(wěn)定分析的預想故障數(shù)。在其基礎上，專利申請“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障快速強壯分類方法”(申請?zhí)枺?01410271454.2)進一步將預想故障全集中各算例分為穩(wěn)定、疑似穩(wěn)定、臨界、疑似失穩(wěn)、失穩(wěn)5類，并視在線暫態(tài)穩(wěn)定分析對計算時間要求的苛刻程度，靈活選擇可以篩除的算例類別，將相當穩(wěn)定和相當失穩(wěn)的算例同時可靠篩除，使得需執(zhí)行詳細暫態(tài)穩(wěn)定分析的預想故障數(shù)進一步降低。針對暫態(tài)穩(wěn)定控制，薛禹勝院士在《AnEmergencyControlFrameworkforTransientSecurityEmergencyControl》(In:ProceedingsofInternationalSymposiumonPowerSystems,Singapore,1993)一文中首次提出了“在線預決策，實時匹配”的暫態(tài)安全穩(wěn)定緊急控制框架，并已有成功的工程應用，如何進一步減小在線策略優(yōu)化算法的計算量成為亟需解決的問題。許劍冰、方勇杰、鮑顏紅等人在《最優(yōu)控制策略搜索工具(OCDT)》(電力系統(tǒng)自動化,2002,26(22):56-58.)一文中則提出了一種最優(yōu)切機控制策略的搜索方法：即首先應用時域仿真法得到全過程的系統(tǒng)動態(tài)軌跡，應用EEAC算法從這些軌跡中抽取系統(tǒng)穩(wěn)定性的定量信息，得到系統(tǒng)的穩(wěn)定裕度，結合所采用控制措施的控制代價，可計算出沿該控制方向增加控制量的性能代價比，從而為在候選控制措施集中選擇下一個控制提供搜索方向，搜索過程一直進行到系統(tǒng)的穩(wěn)定裕度滿足要求為止。已有專利申請根據(jù)研究算例時變程度與積分步長不同的暫態(tài)穩(wěn)定分析算法裕度計算結果間相似程度的聯(lián)系，設計算例分類框架，大大減小了暫態(tài)穩(wěn)定分析計算量，循著這一思路并基于專利申請“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障快速強壯分類方法”(申請?zhí)枺?01410271454.2)的技術成果，本發(fā)明根據(jù)研究算例時變程度與由積分步長不同的暫態(tài)穩(wěn)定分析算法識別得到的主導映象間相似程度的聯(lián)系，設計切機控制策略搜索的簡化方法，以期減小策略搜索計算量。

技術實現(xiàn)要素：
本發(fā)明目的是：為進一步減小在線策略優(yōu)化算法的計算量，在保證求得的切機控制策略為最優(yōu)的前提下，為加快其搜索速度，基于EEAC理論、利用研究算例時變程度與由積分步長不同的暫態(tài)穩(wěn)定分析算法識別得到的主導映象間相似程度的內在聯(lián)系，針對切機控制措施提供一種考慮暫態(tài)功角穩(wěn)定約束的最優(yōu)控制策略搜索的簡化方法。具體地說，本發(fā)明是采用以下技術方案實現(xiàn)的，包括如下步驟：1)針對預想故障全集中某一算例，應用專利申請201410271454.2“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障快速強壯分類方法”中的分類方法，根據(jù)SEEAC、DEEAC算法的裕度計算分析結果及其比較信息進行算例分類，將該算例識別為穩(wěn)定類、疑似穩(wěn)定類、臨界類、疑似失穩(wěn)類、失穩(wěn)類中的一類；對于被識別為失穩(wěn)類的算例而言，同時得到在應用SEEAC算法對該算例進行裕度計算的過程中由SEEAC算法識別得到的該算例的各領前群機組及各余下群機組，以及在應用DEEAC算法對該算例進行裕度計算的過程中由DEEAC算法求得的在研究算例主導映象的等值單機功角δ到達動態(tài)鞍點DSP時刻該算例的各領前群機組及各余下群機組的角速度vDSP，vDSP的單位是rad/s；2)若該算例被識別為穩(wěn)定類，執(zhí)行步驟13)，否則執(zhí)行步驟3)；3)若該算例被識別為臨界類，應用IEEAC算法對該算例進行裕度計算求得其穩(wěn)定裕度ηIE，如果ηIE為正，執(zhí)行步驟13)，如果ηIE非正，執(zhí)行步驟12)；否則執(zhí)行步驟4)；4)若該算例被識別為疑似穩(wěn)定類或疑似失穩(wěn)類，應用IEEAC算法對該算例進行裕度計算求得其暫態(tài)穩(wěn)定裕度ηIE，同時得到在應用IEEAC算法對該算例進行裕度計算的過程中由IEEAC算法識別得到的該算例的各領前群機組、各余下群機組以及求得的各機組的vDSP，如果ηIE為正，執(zhí)行步驟13)，如果ηIE非正，執(zhí)行步驟7)；否則執(zhí)行步驟5)；5)若該算例被識別為失穩(wěn)類，執(zhí)行步驟6)；6)對于該算例，記步驟1)中由SEEAC算法識別得到的該算例的領前群機組數(shù)為如果大于事先設定的設置值，則認為較大，執(zhí)行步驟12)，否則執(zhí)行步驟7)；7)若該算例被識別為疑似穩(wěn)定類或疑似失穩(wěn)類，則針對步驟4)中由IEEAC算法識別得到的該算例的各領前群機組，求得各領前群機組的切機近似性價比，并按切機近似性價比由高到低排序；若該算例被識別為失穩(wěn)類，則針對步驟1)中由SEEAC算法識別得到的該算例的各領前群機組，求得各領前群機組的切機近似性價比，并按切機近似性價比由高到低排序；設切機數(shù)i＝1，并置k＝0，執(zhí)行步驟8)；8)若不等式成立，置k＝1，則由步驟7)求得的排序失效，此時若該算例被識別為疑似穩(wěn)定類或疑似失穩(wěn)類，則針對步驟4)中由IEEAC算法識別得到的該算例的各余下群機組，求得各余下群機組的切機近似性價比，并按切機近似性價比由高到低重新排序；若該算例被識別為失穩(wěn)類，則針對步驟1)中由SEEAC算法識別得到的該算例的各余下群機組，求得各余下群機組的切機近似性價比，并按切機近似性價比由高到低重新排序；執(zhí)行步驟9)；否則直接執(zhí)行步驟9)；9)按照排序切除第i臺機組，并基于此應用IEEAC算法對該算例進行裕度計算求得切除i臺機組時的暫態(tài)穩(wěn)定裕度若已切除機組數(shù)i為1，執(zhí)行步驟11)，否則執(zhí)行步驟10)；10)按公式求取切機控制策略校核指標若為負，則恢復被切除的第i臺機組，執(zhí)行步驟12)，否則執(zhí)行步驟11)；11)若為正，執(zhí)行步驟13)，否則令切機數(shù)i＝i+1，并做如下判斷，若k＝0則執(zhí)行步驟8)，否則執(zhí)行步驟9)；12)應用現(xiàn)有的最優(yōu)控制策略搜索方法進行策略搜索；13)對該算例的最優(yōu)切機控制策略搜索結束，若預想故障全集中所有算例的最優(yōu)切機控制策略搜索都已結束，則結束本方法，否則取下一算例執(zhí)行步驟1)。上述技術方案的進一步特征在于：所述步驟7)中各領前群機組的切機近似性價比以及所述步驟8)中各余下群機組的切機近似性價比，按以下公式計算：上式中，Wapp代表各機組的切機近似性價比，其中對于疑似穩(wěn)定類或疑似失穩(wěn)類算例，vDSP是在步驟4)中由IEEAC算法求得，對于失穩(wěn)類算例，vDSP是在步驟1)中由DEEAC算法求得；C代表切除該機組所需經(jīng)濟代價，C的計算公式如下所示：C＝Cfix+Cexe×Pm上式中，Cfix為措施選用代價，Cexe為單位有功出力措施執(zhí)行代價，Pm為穩(wěn)態(tài)時該機組有功出力。上述技術方案的進一步特征在于：所述步驟6)中，所述的事先設定的設置值為8。上述技術方案的進一步特征在于：所述步驟12)中現(xiàn)有最優(yōu)控制策略搜索方法為，首先應用時域仿真法得到全過程的系統(tǒng)動態(tài)軌跡，應用EEAC算法從這些軌跡中抽取系統(tǒng)穩(wěn)定性的定量信息，得到系統(tǒng)的穩(wěn)定裕度，結合所采用控制措施的控制代價，計算出沿該控制方向增加控制量的性能代價比，從而為在候選控制措施集中選擇下一個控制提供搜索方向，搜索過程一直進行到系統(tǒng)的穩(wěn)定裕度滿足要求為止。上述技術方案的進一步特征在于：所述Cfix為5萬元，Cexe為0.1萬元/MW。本發(fā)明的有益效果如下：本發(fā)明基于EEAC理論，利用研究算例時變程度與由積分步長不同的暫態(tài)穩(wěn)定分析算法識別得到的主導映象間相似程度的關系，對于時變程度較弱的失穩(wěn)算例(即實際失穩(wěn)算例中被識別為失穩(wěn)類的算例)，綜合應用分類框架進行算例暫態(tài)穩(wěn)定嚴重程度分類時由SEEAC、DEEAC算法進行裕度計算的中間結果直接給出切機控制策略的性價比排序，無需用戶提供候選切機控制策略并逐個應用IEEAC算法攝動求取。同時，設計切機控制策略校核指標保證由簡化方法求得的控制策略的最優(yōu)性。本發(fā)明適用于所有工程實際系統(tǒng)，大量試驗表明：對于絕大部分(超過80％)時變程度較弱的實際失穩(wěn)算例，應用本發(fā)明所述簡化方法可求得最優(yōu)切機控制策略，其與由現(xiàn)有最優(yōu)控制策略搜索方法求得的完全一致。此外，失穩(wěn)類的算例所需計算量全部包含在算例分類框架之中，無需附加任何計算量。由此，本發(fā)明對于實現(xiàn)在線暫態(tài)安全穩(wěn)定分析與控制具有重大的理論和工程意義。附圖說明圖1為本發(fā)明方法的流程圖。具體實施方式下面參照附圖并結合實例對本發(fā)明作進一步詳細描述。圖1中步驟1描述的是針對預想故障全集中某一算例，應用專利申請201410271454.2“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障快速強壯分類方法”中的分類方法，根據(jù)SEEAC、DEEAC算法的裕度計算分析結果及其比較信息進行算例分類，將其識別為穩(wěn)定類、疑似穩(wěn)定類、臨界類、疑似失穩(wěn)類、失穩(wěn)類這5類之一，即通過挖掘積分步長不同的暫態(tài)穩(wěn)定分析算法間所包含的不同裕度信息及其比較結果，反映研究算例時變程度，并結合故障信息組成暫態(tài)穩(wěn)定嚴重程度不同類別的識別規(guī)則，實現(xiàn)算例分類。專利申請201410271454.2“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障快速強壯分類方法”中的分類方法已詳細披露在該申請的說明書中，分類方法即構成一個算例分類框架，具體而言，包括以下步驟：A1)對于預想故障全集中某個算例，應用SEEAC算法對該算例進行裕度計算。A2)如果由SEEAC算法求得的穩(wěn)定裕度ηSE(τ)大于閾值ε1(τ)，且該算例故障清除時間τ小于或等于閾值ε2，則將其識別為穩(wěn)定類算例，進入步驟A14)，否則執(zhí)行步驟A3)。A3)應用SEEAC算法進行極限計算求得該算例臨界清除時間以其替代該算例故障清除時間τ，分別應用SEEAC、DEEAC算法進行裕度計算，通過比較SEEAC、DEEAC算法裕度計算過程的差異反映該算例時變程度。其中，步驟A3)中通過比較SEEAC、DEEAC算法裕度計算過程的差異反映該算例時變程度的方法為，分別求得SEEAC和DEEAC兩種算法裕度計算過程中得到的加速、減速面積的差異、以及DEEAC算法裕度計算過程中得到的加速面積和減速面積的差異，再按公式(1)求取最大差異值σ1以反映該算例時變程度：其中：上述式中，為SEEAC、DEEAC兩種算法裕度計算過程中得到的加速面積的差異，為SEEAC、DEEAC兩種算法裕度計算過程中得到的減速面積的差異，為DEEAC算法裕度計算過程中得到的加速面積和減速面積的差異，為對應于的由SEEAC算法求得的加速面積，為對應于的由DEEAC算法求得的加速面積，為對應于的由SEEAC算法求得的減速面積，為對應于的由DEEAC算法求得的減速面積。A4)如果由SEEAC算法求得的穩(wěn)定裕度ηSE(τ)大于閾值ε3(τ)，且由步驟A3)反映的時變程度小于或等于閾值ε4，則將該算例識別為穩(wěn)定類算例，進入步驟A14)，否則執(zhí)行步驟A5)。A5)應用DEEAC算法對該算例進行裕度計算，并通過比較SEEAC與DEEAC算法裕度計算結果的差異反映該算例時變程度。其中，步驟A5)中通過比較SEEAC、DEEAC算法裕度計算結果的差異反映該算例時變程度的方法為，按公式(2)求取SEEAC、DEEAC算法裕度計算結果的差異值σ2(τ)以反映該算例時變程度：其中，ηSE(τ)是由SEEAC算法求得的穩(wěn)定裕度，ηDE(τ)由DEEAC算法求得的穩(wěn)定裕度。A6)如果由DEEAC算法求得的穩(wěn)定裕度ηDE(τ)大于閾值ε5(τ)，且由步驟A5)反映的時變程度小于或等于閾值ε6，則將該算例識別為穩(wěn)定類算例，進入步驟A14)，否則執(zhí)行步驟A7)。A7)如果由SEEAC算法求得的穩(wěn)定裕度ηSE(τ)大于閾值ε7、由DEEAC算法求得的穩(wěn)定裕度ηDE(τ)大于閾值ε8，且該算例故障清除時間τ小于或等于閾值ε9，同時由步驟A3)反映的時變程度小于或等于閾值ε10，則將該算例識別為穩(wěn)定類算例，進入步驟A14)，否則執(zhí)行步驟A8)。A8)如果由SEEAC算法求得的穩(wěn)定裕度ηSE(τ)小于閾值ε11，且由DEEAC算法求得的穩(wěn)定裕度ηDE(τ)小于閾值ε12，則將該算例識別為失穩(wěn)類算例，進入步驟A14)，否則執(zhí)行步驟A9)。A9)如果由SEEAC算法求得的穩(wěn)定裕度ηSE(τ)小于閾值ε13，且由DEEAC算法求得的穩(wěn)定裕度ηDE(τ)小于閾值ε14(τ)，同時，由步驟A3)反映的時變程度小于或等于閾值ε15，則將該算例識別為失穩(wěn)類算例，進入步驟A14)，否則執(zhí)行步驟A10)。A10)如果由SEEAC算法求得的穩(wěn)定裕度ηSE(τ)小于閾值ε16且大于由DEEAC算法求得的穩(wěn)定裕度ηDE(τ)，同時，該算例故障清除時間τ大于或等于閾值ε17且由步驟A5)反映的時變程度小于或等于閾值ε18，則將該算例識別為失穩(wěn)類算例，進入步驟A14)，否則執(zhí)行步驟A11)。A11)如果由SEEAC算法求得的穩(wěn)定裕度ηSE(τ)大于閾值ε19，且由DEEAC算法求得的穩(wěn)定裕度ηDE(τ)大于閾值ε20，同時該算例故障清除時間τ小于或等于閾值ε21，則將該算例識別為疑似穩(wěn)定類算例，進入步驟A14)，否則執(zhí)行步驟A12)。A12)如果由SEEAC算法求得的穩(wěn)定裕度ηSE(τ)小于閾值ε22，且由DEEAC算法求得的穩(wěn)定裕度ηDE(τ)小于閾值ε23，同時，由步驟A3)反映的時變程度小于或等于閾值ε24，則將該算例識別為疑似失穩(wěn)類算例，進入步驟A14)，否則執(zhí)行步驟A13)。A13)將該算例識別為臨界類算例，進入步驟A14)。A14)該算例的分類結束。上述各閾值的取值如下：ε2＝0.260、ε4＝0.465、ε6＝0.350、ε7＝0.800、ε8＝0.810、ε9＝0.400、ε10＝0.500、ε11＝-0.900、ε12＝-0.950、ε13＝0.000、ε15＝0.405、ε16＝-0.050、ε17＝0.260、ε18＝0.480、ε19＝0.000、ε20＝0.050、ε21＝0.200、ε22＝0.000、ε23＝-0.050、ε24＝0.400；當0≤τ≤0.26時按下式計算ε1(τ)的值：當0≤τ<1時按以下公式計算ε3(τ)、ε5(τ)、ε14(τ)的值：當τ≥1時，ε3(τ)、ε5(τ)、ε14(τ)的值分別取0.923、0.980、-0.940。需要說明的是，步驟A2)、A4)、A6)用于識別穩(wěn)定類算例，上述主要技術方法已反映在專利申請“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障集快速篩選方法”(公開號：103336994A)中，它是專利申請201410271454.2“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障快速強壯分類方法”中的分類方法的基礎。需要說明的是，對于失穩(wěn)類算例而言，在步驟A1)中應用SEEAC算法對該算例進行裕度計算的過程中，可同時由SEEAC算法識別得到該算例的各領前群機組及各余下群機組，在步驟A5)中應用DEEAC算法對該算例進行裕度計算的過程中，可同時由DEEAC算法求得在研究算例主導映象的等值單機功角δ到達動態(tài)鞍點DSP時刻(tDSP，即該算例在其暫態(tài)穩(wěn)定態(tài)勢發(fā)展已趨于成熟的時刻)該算例的各領前群機組及各余下群機組的角速度vDSP(單位：rad/s)。應用SEEAC算法識別得到該算例的各領前群機組和各余下群機組的方法，具體可參見薛禹勝編著的《運動穩(wěn)定性量化理論——非自治非線性多剛體系統(tǒng)的穩(wěn)定性分析》(南京：江蘇科學技術出版社，1999)，其基本過程包括3步：(1)列出領前群、余下群機組劃分模式的候選表；(2)計算每個候選的互補群到達其對應的DSP的時間；(3)最早到達DSP的模式就是失穩(wěn)模式。而vDSP是步驟A5)中應用DEEAC算法對該算例進行裕度計算的中間結果。由于這些計算過程和方法都是本領域的公知技術，故不再詳細描述。圖1中步驟2～步驟5分別針對該算例可能被識別的暫穩(wěn)嚴重程度類別決定是否進行切機控制策略的搜索及其具體進程。圖1中步驟2描述的是若該算例被識別為穩(wěn)定類，則它不需要進行切機控制策略的搜索，執(zhí)行步驟13，否則執(zhí)行步驟3。圖1中步驟3描述的是若該算例被識別為臨界類，則接著應用IEEAC算法進行暫態(tài)穩(wěn)定裕度計算，求得穩(wěn)定裕度ηIE，繼續(xù)進行如下判斷：如果ηIE＞0，則它不需要進行切機控制策略的搜索，執(zhí)行步驟13，如果ηIE≤0，則執(zhí)行步驟12以直接應用現(xiàn)有最優(yōu)控制策略搜索方法進行策略搜索；否則執(zhí)行步驟4。圖1中步驟4描述的是若該算例被識別為疑似穩(wěn)定類或疑似失穩(wěn)類，則接著應用IEEAC算法進行暫態(tài)穩(wěn)定裕度計算，求得穩(wěn)定裕度ηIE，同時得到在應用IEEAC算法對該算例進行裕度計算的過程中由IEEAC算法識別得到的該算例的各領前群機組、各余下群機組以及求得的各機組的vDSP，然后繼續(xù)進行如下判斷：如果ηIE＞0，則它不需要進行切機控制策略的搜索，執(zhí)行步驟13，如果ηIE≤0，執(zhí)行步驟7以應用簡化方法進行策略搜索；否則執(zhí)行步驟5。圖1中步驟5描述的是若該算例被識別為失穩(wěn)類，執(zhí)行步驟6。圖1中步驟6描述的是判定該算例可否應用簡化方法進行切機控制策略搜索。記步驟1中由SEEAC算法識別得到的領前群機組數(shù)為若大于事先設定的設置值(例如8)成立，則認為較大使得該算例不能應用簡化方法進行切機控制策略搜索，執(zhí)行步驟12以直接應用現(xiàn)有最優(yōu)控制策略搜索方法進行策略搜索，否則執(zhí)行步驟7以應用簡化方法進行策略搜索。圖1中步驟7和步驟8描述的是切機控制策略搜索的簡化方法中候選切機控制策略近似性價比排序的生成。圖1中步驟7描述的是，若該算例被識別為疑似穩(wěn)定類或疑似失穩(wěn)類，則針對步驟4)中由IEEAC算法識別得到的該算例的各領前群機組，求得各領前群機組的切機近似性價比，并按切機近似性價比由高到低排序；若該算例被識別為失穩(wěn)類，則針對步驟1)中由SEEAC算法識別得到的該算例的各領前群機組，求得各領前群機組的切機近似性價比，并按切機近似性價比由高到低排序。排序完成后，設切機數(shù)i＝1，并置k＝0。切機近似性價比采用公式(1)求得：式(1)中，對于疑似穩(wěn)定類或疑似失穩(wěn)類算例，vDSP是在步驟4)中由IEEAC算法求得，對于失穩(wěn)類算例，vDSP是在步驟1)中由DEEAC算法求得。C為切除該機組所需經(jīng)濟代價，其計算公式如式(2)所示。C＝Cfix+Cexe×Pm(2)式(2)中，Cfix為措施選用代價，如可為5萬元，Cexe為單位有功出力措施執(zhí)行代價，如可為0.1萬元/MW，Pm為穩(wěn)態(tài)時該機組有功出力。圖1中步驟8描述的是判定不等式是否成立，若成立，置參量k＝1，則由步驟7求得的候選切機排序失效，并參照步驟7中所述方法，若該算例被識別為疑似穩(wěn)定類或疑似失穩(wěn)類，則針對步驟4中由IEEAC算法識別得到的各余下群機組，求得各余下群機組的切機近似性價比Wapp，并按其值由高到低的順序排序；若該算例被識別為失穩(wěn)類，則針對步驟1中由SEEAC算法識別得到的各余下群機組，求得各余下群機組的切機近似性價比Wapp，并按其值由高到低的順序排序。由以上說明可知，對于失穩(wěn)類算例，步驟7和步驟8中求取各機組切機控制策略近似性價比排序所需計算量全部包含在算例分類框架中，即步驟1中在對該算例進行分類時就由SEEAC算法識別得到各領前群機組、各余下群機組以及由DEEAC算法求得各機組的轉子角速度；而對于疑似穩(wěn)定類或疑似失穩(wěn)類算例，步驟7和步驟8中求取各機組切機控制策略近似性價比排序所需計算量則包含在步驟4應用IEEAC算法進行裕度計算的過程中。圖1中步驟9～步驟11描述的是切機控制策略搜索的簡化方法的校驗過程。圖1中步驟9描述的是按照步驟7或步驟8所得排序切除第i臺機組，并由IEEAC算法求得此時(已切除i臺機組)的暫態(tài)穩(wěn)定裕度如果僅切除1臺機組(i＝1)，執(zhí)行步驟11，否則執(zhí)行步驟10。圖1中步驟10描述的是切機有效性的校核。根據(jù)相鄰兩次切機控制策略實施后由IEEAC算法求得的穩(wěn)定裕度的大小關系定義切機控制策略校核指標若為負，則恢復被切除的第i臺機組，執(zhí)行步驟12，否則執(zhí)行步驟11。即采用公式(3)定義切機控制策略校核指標其中，代表已切除機組數(shù)分別為i-1、i時應用IEEAC算法求得的暫態(tài)穩(wěn)定裕度。圖1中步驟11描述的是切機控制策略搜索的結束判據(jù)。若由IEEAC算法求得的已切除i臺機組后的暫態(tài)穩(wěn)定裕度為正，執(zhí)行步驟13，否則依排序繼續(xù)切除機組，令i＝i+1，并做如下判斷：若k＝0則執(zhí)行步驟8，否則執(zhí)行步驟9。圖1中步驟12描述的是對于不適宜使用簡化方法的算例，應用許劍冰、方勇杰、鮑顏紅等人在文獻《最優(yōu)控制策略搜索工具(OCDT)》(電力系統(tǒng)自動化,2002,26(22):56-58.)中所述的現(xiàn)有最優(yōu)控制策略搜索方法進行策略搜索，即首先應用時域仿真法得到全過程的系統(tǒng)動態(tài)軌跡，應用EEAC算法從這些軌跡中抽取系統(tǒng)穩(wěn)定性的定量信息，得到系統(tǒng)的穩(wěn)定裕度，結合所采用控制措施的控制代價，計算出沿該控制方向增加控制量的性能代價比，從而為在候選控制措施集中選擇下一個控制提供搜索方向，搜索過程一直進行到系統(tǒng)的穩(wěn)定裕度滿足要求為止。圖1中步驟13描述的是若預想故障全集中所有算例都已完成最優(yōu)切機控制策略的求取，結束本方法，否則取下一算例執(zhí)行步驟1。作為本發(fā)明的一個實施例，以海南(2009年數(shù)據(jù))、山東(2004及2012年數(shù)據(jù)，分別記為山東A及山東B)、浙江(2012及2013年數(shù)據(jù)，分別記為浙江A及浙江B)、江西(2011年數(shù)據(jù))、河南(2011年數(shù)據(jù))、新疆(2012年數(shù)據(jù))和南網(wǎng)(2012年數(shù)據(jù))這9個系統(tǒng)原始工況及修改工況下線路三相永久短路故障為預想故障全集(共1652個算例)，測試本發(fā)明方法的強壯性及有效性。預想故障全集中，共379個實際失穩(wěn)算例被正確識別為失穩(wěn)類，它們需執(zhí)行步驟6判斷其可否應用簡化方法進行切機控制策略搜索(以下稱這379個算例為測試算例)。其中，31個算例(占測試算例的8.18％)由于滿足不等式而直接應用現(xiàn)有最優(yōu)控制策略搜索方法求解(執(zhí)行步驟12)，其余348個算例(占測試算例的91.82％)則可以應用簡化方法進行切機控制策略搜索。在這348個算例中，43個算例(占測試算例的11.35％)在切除全部由SEEAC算法識別得到的領前群機組后，應用IEEAC算法求得的穩(wěn)定裕度仍為負，依照排序繼續(xù)切除由SEEAC算法識別得到的余下群機組時，由于為負轉而應用現(xiàn)有最優(yōu)控制策略搜索方法求解(執(zhí)行步驟12)，剩余305個算例(占測試算例的80.47％)則自始至終僅應用簡化方法求得控制策略使原算例恢復穩(wěn)定。這348個算例或者僅應用簡化方法、或者綜合應用簡化方法和現(xiàn)有方法求得控制策略，搜索結果與由現(xiàn)有最優(yōu)控制策略搜索方法求得的完全一致。預想故障全集中，共22個實際失穩(wěn)算例被識別為疑似穩(wěn)定類或疑似失穩(wěn)類，它們需應用IEEAC算法執(zhí)行一次裕度計算的中間結果求取各機組切機近似性價比排序，并依序切除相應機組直至系統(tǒng)穩(wěn)定裕度滿足要求，從而搜索得到最優(yōu)切機控制措施，搜索結果與現(xiàn)有方法求得的完全一致。簡化方法和現(xiàn)有方法在計算量上的差別體現(xiàn)在候選控制措施性價比排序的求取上。簡化方法不需要用戶提供候選的控制措施，它通過提取原算例進行裕度計算時的中間結果自動給出性價比排序，對于絕大部分被識別為失穩(wěn)類的算例，更是僅需提取SEEAC和DEEAC算法裕度計算中間結果，這部分計算量包含在算例分類框架之中。而現(xiàn)有方法則需要用戶提供候選的控制措施，并針對每一個候選控制措施應用IEEAC算法各執(zhí)行一次裕度計算求得候選控制措施的性價比并進行排序。以n表征執(zhí)行現(xiàn)有方法時由用戶指定的候選控制策略數(shù)，以CIE表征針對該算例應用IEEAC算法執(zhí)行一次裕度計算所需計算量。對于被專利申請201410271454.2“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障快速強壯分類方法”中所提算例分類框架識別為失穩(wěn)類的絕大部分算例，應用簡化方法求取其候選控制措施性價比排序時所需計算量全部包含在算例分類框架之中，無需另加任何計算量對于被專利申請201410271454.2“電力系統(tǒng)暫態(tài)穩(wěn)定評估預想故障快速強壯分類方法”中所提算例分類框架識別為疑似穩(wěn)定類或疑似失穩(wěn)類的失穩(wěn)算例，應用簡化方法求取其候選控制措施性價比排序時所需計算量為CIE。而對于任一失穩(wěn)算例，由現(xiàn)有方法求取其候選控制措施性價比排序時所需計算量為(n+1)CIE。因此，算例分類框架的優(yōu)異性能保證了對絕大部分實際失穩(wěn)算例的準確識別(超過80％的實際失穩(wěn)算例被準確識別為失穩(wěn)類)，由此保證了最優(yōu)切機控制策略搜索簡化方法的快速性。雖然本發(fā)明已以較佳實施例公開如上，但實施例并不是用來限定本發(fā)明的。在不脫離本發(fā)明之精神和范圍內，所做的任何等效變化或潤飾，同樣屬于本發(fā)明之保護范圍。因此本發(fā)明的保護范圍應當以本申請的權利要求所界定的內容為標準。