基于关联数据挖掘的继电保护定值风险评估方法研究.pdf

投稿网址:2023 年 第23 卷 第24 期2023,23(24):10355-07科 学 技 术 与 工 程Science Technology and EngineeringISSN 16711815CN 114688/T收稿日期:2022-12-10修订日期:2023-06-05基金项目:国网浙江省电力有限公司科技项目(5211JH2000S4)第一作者:李跃辉(1982),男,汉族,河北衡水人,高级工程师。研究方向:电力系统继电保护运行技术。E-mail:。引用格式:李跃辉,方愉冬,徐峰,等.基于关联数据挖掘的继电保护定值风险评估方法研究J.科学技术与工程,2023,23(24):10355-10361.Li Yuehui,Fang Yudong,Xu Feng,et al.Relay protection setting risk assessment method based on association data miningJ.ScienceTechnology and Engineering,2023,23(24):10355-10361.基于关联数据挖掘的继电保护定值风险评估方法研究李跃辉1,方愉冬2,徐峰1,郑燃1(1.国网浙江省电力有限公司金华供电公司,金华 321000;2.国网浙江省电力有限公司,杭州 310007)摘 要 继电保护是确保电网安全运行的关键,为降低继电保护运行风险,现提出一种基于关联数据挖掘的继电保护定值风险评估方法。通过分析常见连锁故障类型及影响因素,采用数据挖掘求得电力系统故障关联度,计算挖掘数据间关联信息熵。利用关联信息熵系数挖掘电力系统内历史相关数据,深度分析每日数据波动特征,明确系统负荷孤立、电源孤立和电网解列情况发生的风险概率,以及功率损失及风险程度,建立继电保护定值风险评估模型,完成继电保护系统的综合风险评估。实验结果表明:所提方法能够有效评估出继电保护系统的风险概率和风险程度,算法收敛速度快,且风险评估的相对均方根误差、平均绝对误差低于 2%,均方根误差低于 20 kW,说明该方法有利于电力系统继电保护定值风险控制。关键词 关联数据挖掘;继电保护;风险评估;关联信息熵;连锁故障;风险概率中图法分类号 TM732;文献标志码 ARelay Protection Setting Risk Assessment Method Based onAssociation Data MiningLI Yue-hui1,FANG Yu-dong2,XU Feng1,ZHENG Ran1(1.Jinhua Power Supply Company,State Grid Zhejiang Electric Power Co.,Ltd.,Jinhua 321000,China;2.State Grid Zhejiang Electric Power Co.,Ltd.,Hangzhou 310007,China)Abstract Relay protection is the key to ensure the safe operation of power grid.In order to increase the reliability of power systemrelay protection and reduce the cascading failures of large power system caused by relay protection,a relay protection setting risk as-sessment method based on association data mining was proposed.By analyzing the types and influencing factors of common cascadingfaults,the correlation degree of power system faults was obtained by data mining,and the correlation information entropy of mining datawas calculated.The correlation information entropy coefficient was used to mine the historical relevant data in the power system,thedaily data fluctuation characteristics was deeply analyzed,the risk probability of system load isolation,power source isolation and powergrid splitting was defined,as well as the power loss and risk degree,a risk assessment model was established for relay protection set-tings and completed a comprehensive risk assessment of the relay protection system.The experimental results show that the proposedmethod can effectively evaluate the risk probability and risk degree of the relay protection system,the algorithm converges quickly,andthe relative root mean square error,the average absolute error ratio of the risk assessment is less than 2%,and the root mean squareerror is less than 20 kW,which is conducive to the risk control of relay protection settings in the power system.Keywords association data mining;relay protection;risk assessment;correlation information entropy;cascading failures;risk probability 现代电力系统作为保障人民生活生产的重要环节,其安全性和可靠性不容忽视,人们对其的关注度也在逐年增高。继电保护是电力系统安全保障的关键,若继电保护装置发生故障,可能会造成电力系统线路故障,从而对整个电力系统造成一定程度的连锁扰动,发生功率损失等问题1。继电保护系统通常根据检测定值进行判断保护,若在发生判断失误和错误操作的情况下,将引发较大的电力事故,因此研究和评估继电保护系统的风险问题,确保其可靠性是必要的。针对继电保护风险评估问题,学者们对此展开了大量研究。丁茂生等2提出了一种改进空间分投稿网址:割评估法,多方面考虑继电保护设备中存在的隐藏性故障,针对系统内设置模块建立对应的故障树模型,在了解元件固有失效率的基础上,掌握继电保护系统的运行信息,建立概率评估模型,最终实现风险概率计算与评估。蒋航等3提出了一种实时信息定值评估法,计算继电保护系统发生拒动和误动等错误情况的概率,通过相对负荷损失值判断风险危害程度,建立继电保护定值风险评估模型,完成风险评估。张立等4提出了一种基于广度优先搜索的继电保护定值联系校核方法,该方法在基于广度优先搜索的基础上,通过潮流转移度对电力系统中不同支路的重要性进行简化计算,并结合电网连锁故障和风险评估理论,获取电力系统的综合风险评估指数,用于继电保护定值联系校验。王文焕等5提出了一种基于故障树及贝叶斯网络的继电保护系统风险评估及故障定位方法,该方法针对故障树顶级事件获取难度较大的问题,利用实时保护数据确定贝叶斯网络的根节点存在的故障信息,实现电力系统的风险预测。以上方法对于继电保护风险评估都有一定的作用,但对于各项风险之间的关联数据考虑不够周全,在继电保护定值风险评估中存在误差值较大、精度不高等问题。为解决以上方法中存在的问题,现提出一种基于关联数据挖掘的继电保护定值风险评估方法。通过分析故障类型,采用关联数据挖掘电力系统故障关联度,实现各类故障风险的动态分析,确认风险因素及隐性故障,有效进行继电保护系统定值风险评估。1 电力系统连锁故障分析电力系统的高复杂性决定了一旦发生故障,有可能会产生相应的连锁反应,连锁故障间大多存在一定的关联关系,应分析连锁故障的几种常见类型,具体如下。(1)第一种类型为某个电路节点独享电压发生极度越限,在功率平衡过程中,若是负荷节点没有产生功率,电力系统为了保证功率线性规划,使线路潮流小于功率极限值,因此产生连锁过负荷的连锁故障情况6。(2)第二种类型为电力系统内存在多条具备初始负荷的传输线,受到初始负荷的干扰造成相关设备元件出现故障,元件发生故障后很大可能发生负荷分配不均匀情况,其他健康元件将承担更多的电力负荷,从而形成负荷孤立网络的连锁故障7。(3)第三种类型为初始线路跳闸引起的电力系统隐性故障。分析可知,连锁故障引起的多数原因为某个电路节点独享电压发生极度越限,或是发生负荷孤立、跳闸等情况。2 故障关联信息熵数据挖掘经过对连锁故障因素的分析后,要想确定电力系统继电保护的风险,需要在了解故障因素的基础上,通过对关联数据的挖掘,掌握电力系统故障关联度,以每 15 min 为基础数据的采样频率,观测电力系统历史记录内的功率数据,将每天对应的数据作为观察随机变量,并表示为 X=x1,x2,xk,x96,对观察数据实行归一化处理,统一记录为 X0,其对应的功率幅值8具体波动范围为 N,将N 等分处理,在此基础上增加一个区域划分数量Ke,此时功率幅值波动范围的表达式为N=1+log2n+Ke=1+log2n+log21+(n+1)(n+3)6(n-2)7.6+log2(1+4.1r)(1)式(1)中:n 为采集的数据点数,最大值设定为 96;r为幅值波动计量偏度估计值;Ke为区域划分数量。设 r 1,各个划分区域内采集数据的点数为ni,此时电力系统内功率波动的概率分布为p(Xi)=nin(2)挖掘数据间的关联信息熵9为 H,对随机变量X 的不确定性进行深度评估,可表示为H(X)=-Ni=1p(Xi)log2p(Xi)(3)当式(3)满足 p(Xi)=0 且 log2p(Xi)-时,可将二者的乘积定义为 0,此时式(3)可以进一步得到扩展成二维熵,可得到电力数据间的联合熵为H(X,Y)=-Ni=1Mj=1p(XiYj)log2p(XiYj)(4)电力数据间的关联条件熵为H(X/Y)=-Ni=1Mj=1pXiYj()log2pXiYj()(5)电力数据间的关联互信息为H(X;Y)=-Ni=1Mj=1p(Xi;Yi)log2p(XiYj)p(Xi)p(Yj)(6)式中:i 为随机变量序列值;j 为各划分区间的数字编号;M 为线路故障总数;Y 为与 X 对应的输出向65301科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)投稿网址:量;p(XiYj)为 Xi和 Yj之间功率波动的联合概率分布;p(Xi)和 p(Yj)分别为 Xi和 Yj的边缘概率分布。对于电力测算数据的二维熵10而言,互相之间满足式(7)所示的关系。I(X;Y)=H(X)-H(X/Y)=H(X)+H(Y)-H(X/Y)(7)式(7)中:H(Y)的计算过程参考式(3)。电力系统内继电保护数据之间的互信息受到量纲变化的影响,进行归一化处理,使关联数据的互信息转变为关联信息熵系数为IXY=I(X;Y)H(X)H(Y)(8)式(8)中:IXY的取值范围在 0 1,当 X、Y 二者之间保持相对独立状态时,I(X;Y)=0,IXY=0;当二者处 于 完 全 相 关 状 态 时,I(X;Y)=H(X)=H(Y),此时 IXY=1。为了得到电力故障间的关联关系,利用关联信息熵系数挖掘电力系统内历史相关数据11。挖掘过程如下。(1)为了实现系统内每日电力数据的波动特征的深度分析,将电力系统内相关的历史采样数据以天为单位整理成数据样本集合P1,P2,Pk、V1,V2,Vk和D1,D2,Dk,其中,Pi为历史天数的电力功率;Vi为历史天数的电压传输变化;Di为电流传输变化;i=1,2,k,其中 k 为数据记录的总天数。(2)对上述历史数据样本集合进行归一化处理后,计算归一化处理后数据与待测日对应参考样本之间的关联信息熵系数,将二者之间的误差值按照大小排序,筛选出关联度较高的样本作为参考输入变量,筛选数量定为 3 000 个。(3)调整关联数据间各节点输入输出的变化寻优方式,实现数据关联结构的简约处理。(4)赋予关联数据挖掘模型一定的初始权重,为保证输出结果的稳定性,将初始权重阈值设定为0,将高关联度的电力样本数据输入,可以有效减少故障数据关联计算的迭代次数。不仅降低数据挖掘和训练的难度,同时减少数据冗余程度,计算出的故障关联数据相对精准更高。3 继电保护定值风险评估在电力系统中有可能造成连锁故障或是灾害损伤的因素,都被称之为风险,但灾害的危险程度并不相同,通过对电力系统运行情况的实时逻辑分析和系统检查,可以得到电力设备及整体电力网络的风险评估系数,有利于提前准备对应的安全防护措施,降低运行风险12。但电力系统各设备之间具备较强的关联性,这就使风险因素之间也同样具备组合或累计的可能性,这时需要的评估指标不仅针对个体设备,更应可以对整个电力系统进行风险评估。继电保护定值可以有效地锁定电力系统内决定性的风险因素,并从电力故障发生的可能性和严重程度等多方面评估其风险等级,做到全面反应电力故障对整个电力系统的影响,电力故障风险表示为R=PEventIEvent(9)式(9)中:R 为电力故障风险;PEvent为电力故障的发生概率;IEvent为电力故障发生后对整个电力系统的产生的影响。电力系统连锁故障的发生是缓慢积累的,一旦发生将会产生负荷切除、电网解列以及电源脱离等不可逆转的严重后果,造成连锁性大规模的停电事件,电力系统继电保护发生风险时会对负荷、电网和电源造成影响13。因此在考虑电力系统整体风险时必须考虑这 3 个方面的风险情况,这时可将不同的风险情况具体表示出来。(1)利用 RLI表示电力系统内负荷孤立情况。发生连锁故障时,通常伴随着电力线路连锁跳闸的情况,此时很可能产生负荷被切除而造成的孤立现象,电力系统中线路发生负荷孤立的概率为PLI=1MMu=1L(u)(10)式(10)中:PLI为电力系统中线路发生负荷孤立的概率;M 为线路故障总数;u 为电力系统发生集中故障时的故障序列号;L(u)为电力系统中线路负荷孤立情况,若电力系统发生负荷孤立,那么对应的 L(u)=1,否则 L(u)=0。线路负荷被直接切除后势必会对电力系统造成一定程度的损失,此时通过标幺化14处理负荷孤立后实际发生的功率损失为ILI=1PSMMu=1PL(u)(11)式(11)中:ILI为负荷孤立后实际发生的功率损失;PL(u)为电力线路发生第 u 次故障后造成的负荷容量损失;PS为电力系统的功率总容量。此时计算电力系统的负荷孤立风险为RLI=PLIILI(12)(2)利用 RBI表示电力系统内电源孤立的风险情况。发生连锁故障时,在电力线路发生连锁跳闸的作用下,发电机启动自我保护机制,与此同时可能造成其完全脱离系统的情况15,这种情况即为电753012023,23(24)李跃辉,等:基于关联数据挖掘的继电保护定值风险评估方法研究投稿网址:源孤立风险,发生概率为PBI=1MMu=1B(u)(13)式(13)中:PBI为电力系统内电源孤立风险发生概率;B(u)为电力系统中电源孤立情况,若电力系统发生电源孤立,那么 B(u)=1,否则 B(u)=0。利用标幺化处理发生电源孤立后对整个电力系统造成的功率损失为IBI=1PSMMu=1PG(u)(14)式(14)中:IBI为电源孤立后对整个电力系统造成的功率损失;PG(u)为线路发生第 u 次故障造成的发电机容量损失。此时计算电力系统内电源孤立风险为RBI=PBIIBI(15)(3)利用 RMB表示电力系统发生的电网解列风险情况,此时电力线路发生连锁跳闸容易造成大规模的电网解列,发生电网解列的实际概率为PMB=1MMu=1S(u)(16)式(16)中:PMB为发生电网解列的实际概率;S(u)表示电力系统发生电网解列情况,若电力系统发生电网解列,那么 S(u)=1,否则 S(u)=0。电力系统发生电网解列的情况在一定程度上会造成整个电力系统的容量减小16,利用标幺化处理发生电网解列对整个电力系统造成的容量损失为IMB=1PSMMu=1PM(u)(17)式(17)中:IMB为电网解列对整个电力系统造成的容量损失;PM(u)为线路发生第 u 次故障造成的系统容量损失。此时计算电力系统内电网解列风险为RMB=PMBIMB(18)(4)利用 RIMT为电力系统可能发生的综合风险,表示发生连锁故障后对整体系统产生的综合影响,为保证风险评估的准确性,这里将上述集中故障类型产生的风险进行加权处理17-18。RIMT=wLIRLI+wBIRBI+wMBRMB(19)式(19)中:wBI、wLI、wMB分别为电力系统负荷孤立风险、电源孤立风险、电网解列风险在加权处理时对应的加权因子,三者相加综合等于 1。通过以上分析,完成基于关联数据挖掘的继电保护定值风险评估。4 仿真实验为验证所研究的继电保护风险评估方法是否准确有效,以及各方面的性能是否良好,以某电力系统为实验对象,以 100 d 内该电力系统各类基础数据的采样结果作为依据,采样频率间隔为15 min,通过挖掘和计算数据间的关联性系数,筛选出相关性较强的经验数据,分别分析电力传输功率,电流、电压等数据的相关性阈值为 0.82,测试继电保护定值风险评估方法的计算收敛效果。设定最大收敛迭代次数为 240 次,采用本文方法与文献2提出的基于改进状态空间分割法的继电保护设备拒动风险评估方法(简称改进空间分割评估法)和文献3提出的基于线路二次设备实时信息的保护定值风险评估方法(实时信息定值评估法)进行比较,不同方法下收敛曲线如图 1所示。根据图 1 可知,文献2方法和文献3方法在风险评估过程中,需要的收敛迭代次数约为 80 次,而本文方法的收敛迭代次数约为 50 次。本文方法的收敛速度更快,均方根误差相比其他方法更小。主要是由于本文方法考虑了电力系统各设备数据相关性的同时,能够更快速地分析出系统参数变化,减少局部极小值的影响缺陷,使继电保护定值风险评估的收敛效果更好。设定实验选用电力系统的线路有功上限为100 MW,在忽略发电机和变压器存在的隐性影响因素条件下,实验过程中只考虑电力线路中存在的保护隐性故障,针对线路内存在的潮流越限情况带来线路隐性保护故障,以及其可能带来的一系列连锁故障。在线路综合隐性故障率为 0.020 6 时,不同潮流限值约束下,电力系统中随机 5 条线路的具体负载情况,如图 2 所示。接下来计算在线路综合隐性故障率为0.020 6,线路潮流限制为 100 MW 时,检测评估电力线路发生连锁故障的真实情况。电力线路连锁故障路径如表 1 所示。通过图 2 和表 1 的实验结果可以看出,各条电图 1 不同方法下收敛曲线对比Fig.1 Comparison of convergence curves underdifferent methods85301科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)投稿网址:力线路导致电力系统发生连锁故障的具体风险值与线路实际承载的负载率有较大关系,同时,连锁故障在发生时导致的严重程度与其所经过的线路有很大关系。从表 1 中可以看出,随机选择出的线路 4 和线路 5 在整体电力线路中占据重要位置,由于受到线路综合隐性故障率的影响,重要线路发生故障的概率是相同的,因此经过这两条关键线路后,发生的连锁故障风险也较大。通过随机选取电力系统内一组设备组建成固定的实验机组,检测机组传输功率的变化情况,通过改进空间分割评估法、实时信息定值评估法和本文方法对机组功率输出数据情况进行分析,并做出风险预测评估,结果如图 3 所示。根据图 3 可知,文献2方法和文献3方法的预测结果均存在一定误差,本文方法的功率输出预测最为理想,与实际值最为接近。主要是由于本文方法通过对设备数据间关联系数的计算,实现设备机组关联数据的深度挖掘,实时了解数据间的变化动向,分析设备电路的变化规律,能够有效地快速追踪功率变化,通过对设备机组输出功率的预测结果,更有利于完成对电力系统进行高效实时的风险评估。进一步研究继电保护定值风险评估方法的具体评估误差,将实验中得到的数据进行对应的误差计算,并与文献2方法和文献3方法的误差结果进行比较,得到的结果如图 4 所示。图 2 不同潮流限值下各线路负载率Fig.2 Load rate of each line under different power flow limits表 1 电力线路连锁故障路径Table 1 Power line chain fault paths初始故障线路连锁故障发生路径系统连锁故障综合风险评估线路 1L1-L4-Load10.138 47线路 2L2-L4-L5-Gen20.056 34线路 3L3-L5-L2-Load10.139 92线路 4L4-L5-Load30.273 81线路 5L5-L4-L3-L1-Gen2、Load10.265 89 注:L1、L2、L3、L4、L5 为线路节点编号;Load1、Load3 分别为变压器 1、变压器 3;Gen1、Gen2 分别为发电机 1、发电机 2。从图 4 中可以看出,本文方法的风险评估的相对均方根误差、平均绝对误差均低于 2%,且均方根误差低于 20 kW,明显小于其他两种方法,由此表明本文方法在风险评估方面的可靠性较高。进一步验证本文方法的继电保护运行风险评估的有效性,在不同接入容量下,不同方法的失负荷风险值结果对比如图 5 所示。图 3 不同方法对设备机组输出功率预测情况Fig.3 Different methods predict the output power ofequipment units图 4 风险评估结果误差对比Fig.4 Error comparison of risk assessment results图 5 不同接入容量的失负荷风险值结果对比Fig.5 Comparison of loss-of-load risk values ofdifferent access capacities953012023,23(24)李跃辉,等:基于关联数据挖掘的继电保护定值风险评估方法研究投稿网址: 从图 5 的实验结果得知,本文方法的失负荷风险值在 4.0 10-4内,而另外两种方法的失负荷风险值则大于 4.0 10-4,表明本文方法可有效降低继电保护运行风险。主要是由于本文方法的继电保护定值可以有效的锁定电力系统内决定性的风险因素,并从电力故障发生的可能性和严重程度等多方面评估其风险等级,做到全面反应电力故障对整个电力系统的影响,使不同接入容量的失负荷风险值更低。5 结论通过关联数据的深度挖掘,了解电力系统内继电保护间存在的线路隐性问题,计算和预测可能造成隐性故障和连锁故障的概率及风险系数,不仅能够对设备机组输出功率进行预测,而且可以有效实现继电保护风险的定值评估,而且评估的误差较低,评估的有效性高。在以后的研究中,将对更多算法下的继电保护定值风险评估方法进行研究,筛选出更优的评估方法。参考文献1 闵家新,郎小毅,李洋,等.基于泛在物联网的继电保护设备智能运维技术J.科学技术与工程,2021,21(3):1024-1029.Min Jiaxin,Lang Xiaoyi,Li Yang,et al.Intelligent operation andmaintenance technology of relay protection equipment based onubiquitous internet of thingsJ.Science Technology and Engineer-ing,2021,21(3):1024-1029.2 丁茂生,钱胜,王超,等.基于改进状态空间分割法的继电保护设备拒动风险评估J.电力自动化设备,2021,41(11):160-166.Ding Maosheng,Qian Sheng,Wang Chao,et al.Risk assessmentof relay protection equipment rejection based on improved statespace partitioning method Enhanced PublishingJ.Electric PowerAutomation Equipment,2021,41(11):160-166.3 蒋航,刘进,熊俊,等.基于线路二次设备实时信息的保护定值风险评估研究J.电力系统保护与控制,2020,48(4):97-103.Jiang Hang,Liu Jin,Xiong Jun,et al.Research on relay protectionsetting risk assessment based on real-time information of line sec-ondary facilityJ.Power System Protection and Control,2020,48(4):97-103.4 张立,阎彬.基于广度优先搜索的继电保护定值联系校核研究J.自动化技术与应用,2022,41(6):95-98.Zhang Li,Yan Bin.Research on connection checking of relay pro-tection fixed value based on breadth first searchJ.Techniques ofAutomation and Applications,2022,41(6):95-98.5 王文焕,郭鹏,祝洁,等.基于故障树及贝叶斯网络的继电保护系统风险评估及故障定位方法J.电力科学与技术学报,2021,36(4):81-90.Wang Wenhuan,Guo Peng,Zhu Jie,et al.Fault positioning andrisk assessment method of relay protection based on fault tree andBayesian networkJ.Journal of Electric Power Science and Tech-nology,2021,36(4):81-90.6 冯程程,李琰,徐天奇.一种考虑风险传播与预期故障分析的配电网信息物理系统安全性评估方法J.科学技术与工程,2022,22(23):10116-10122.Feng Chengcheng,Li Yan,Xu Tianqi.A CPS security evaluationmethod for distribution network considering risk propagation and ex-pected fault analysis J.Science Technology and Engineering,2022,22(23):10116-10122.7 李英,汤庸.基于关联规则与相似度的数据挖掘算法研究J.华南师范大学学报(自然科学版),2021,53(5):121-127.Li Ying,Tang Yong.Research on the data mining algorithm based onassociation rules and similarityJ.Journal of South China NormalUniversity(Natural Science Edition),2021,53(5):121-127.8 胡佳佳,杨洪耕.基于离群数据挖掘的多点电力负荷预测方法J.计算机仿真,2021,38(12):66-69,93.Hu Jiajia,Yang Honggeng.Multi-point power load forecastingmethod based on outlier data miningJ.Computer Simulation,2021,38(12):66-69,93.9 萧展辉,孙刚,邹文景.Stackelberg 博弈模型的电力系统可靠性网络安全保险策略J.科学技术与工程,2022,22(11):4381-4390.Xiao Zhanhui,Sun Gang,Zou Wenjing.Power system reliabilitynetwork security insurance strategy based on Stackelberg game mod-el J.Science Technology and Engineering,2022,22(11):4381-4390.10 张辰皓.计及关键场景的电力系统暂态安全风险评估J.电力安全技术,2022,24(5):41-45.Zhang Chenhao.Power system transient safety risk assessment con-sidering key scenariosJ.Electric Safety Technology,2022,24(5):41-45.11 张梦迪,曹靖怡,刘咸通,等.基于 DEMATEL-ANP 的电力物联网安全风险评估方法J.电力信息与通信技术,2022,20(12):81-87.Zhang Mengdi,Cao Jingyi,Liu Xiantong,et al.Security risk as-sessment method of power internet of things based on dematel-anpJ.Electric Power Information and Communication Technology,2022,20(12):81-87.12 潘晓杰,张文朝,徐友平,等.考虑多源负荷不确定性的电力系统安稳风险优化 J.可再生 能源,2022,40(3):396-401.Pan Xiaojie,Zhang Wenchao,Xu Youping,et al.The stabilityrisk optimization for power system considering multi-source loaduncertaintyJ.Renewable Energy Resources,2022,40(3):396-401.13 李铁成,刘清泉,任江波,等.基于动态优化马尔可夫链的线路继电保护装置状态预测方法J.电力系统保护与控制,2022,50(13):97-106.Li Tiecheng,Liu Qingquan,Ren Jiangbo,et al.State predictionmethod of line relay protection device based on the Markov chainwith dynamic optimizationJ.Power System Protection and Con-trol,2022,50(13):97-106.14 康文倩.基于改进 AHP 算法的电力监控网络安全风险评估方法J.自动化与仪器仪表,2022,42(10):171-174.Kang Wenqian.Security risk assessment method of power monito-ring network based on Improved AHP algorithmJ.Automation&06301科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)投稿网址:Instrumentation,2022,42(10):171-174.15 许明,平夏,李配配,等.数字孪生下的继电保护装置故障远程 VR 在线诊断系统设计J.计算技术与自动化,2022,41(4):40-45.Xu Ming,Ping Xia,Li Peipei,et al.Design of remote VR onlinefault diagnosis system for relay protection device under digital twinJ.Computing Technology and Automation,2022,41(4):40-45.16 易小虎,刘青,曹乐,等.含大规模风电电网的关键线路识别及连锁故障预测J.电网与清洁能源,2022,38(10):79-86.Yi Xiaohu,Liu Qing,Cao Le,et al.Key line identification andcascading fault prediction for the grid containing large-scale windpowerJ.Power System and Clean Energy,2022,38(10):79-86.17 郭创新,刘祝平,冯斌,等.新型电力系统风险评估研究现状及展望J.高电压技术,2022,48(9):3394-3404.Guo Chuangxin,Liu Zhuping,Feng Bin,et al.Research statusand prospect of new-type power system risk assessmentJ.HighVoltage Engineering,2022,48(9):3394-3404.18 康海鹏,李长城,刘经纬,等.计及碳捕集-电转气耦合特性的电-气互联系统连锁故障评估J.电网技术,2022,46(9):3394-3408.Kang Haipeng,Li Changcheng,Liu Jingwei,et al.Assessment ofcascading failures in integrated electricity and gas system consider-ing coupling characteristics of carbon capture-power to gasJ.Power System Technology,2022,46(9):3394-3408.163012023,23(24)李跃辉,等:基于关联数据挖掘的继电保护定值风险评估方法研究