楊培宏 ，劉連光 ，劉春明 ，馮士偉 ，鄭許朋

（1.華北電力大學(xué) 新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，北京 102206；2.內(nèi)蒙古科技大學(xué) 信息工程學(xué)院，內(nèi)蒙古 包頭 014010）

0 引言

太陽劇烈活動(dòng)朝向地球時(shí)會(huì)引起全球地磁場擾動(dòng) GMD（GeoMagnetic Disturbance）即地磁暴，GMD在輸電線路、兩端接地變壓器與大地構(gòu)成的回路產(chǎn)生地磁感應(yīng)電流GIC（Geomagnetically Induced Current）［1］，GIC引起變壓器直流偏磁飽和進(jìn)而導(dǎo)致變壓器溫升過高、無功消耗增大和高次諧波過大，嚴(yán)重時(shí)造成變壓器損毀或電網(wǎng)大停電事故［2］。1989年魁北克大停電事故之后，Barnes P.R.指出，造成魁北克大停電的誘因就是GIC引起變壓器的無功功率增多，同時(shí)諧波的存在使得電容器組被迫退出，導(dǎo)致無功不平衡從而引發(fā)電壓崩潰［3］。1992年5月10日地磁暴期間，美國EPRI公司對(duì)某變電站345 kV／115 kV變壓器的監(jiān)測數(shù)據(jù)表明，GIC引起的變壓器無功損耗非常大［4］。地磁暴在全球范圍內(nèi)幾乎同時(shí)發(fā)生，因此變壓器的GIC無功（GIC－Q）損耗具有全網(wǎng)群發(fā)性、突發(fā)性等特點(diǎn)，電網(wǎng)變壓器數(shù)量多，群發(fā)的GIC－Q損耗總量很大，很容易造成電網(wǎng)電壓降落，從而使電壓穩(wěn)定性問題變得突出［5］。

魁北克大停電事故發(fā)生后，很多國家針對(duì)變壓器的GIC－Q效應(yīng)及GIC－Q間的數(shù)量關(guān)系展開了研究，文獻(xiàn)［6］揭示了變壓器GIC－Q損耗的機(jī)理；文獻(xiàn)［7］通過實(shí)驗(yàn)仿真和現(xiàn)場數(shù)據(jù)指出變壓器無功損耗與GIC呈線性關(guān)系；文獻(xiàn)［8］通過有效電納推導(dǎo)出變壓器吸收無功功率與GIC呈線性關(guān)系；文獻(xiàn)［9］提出利用變壓器制造廠家的U-I曲線和鐵芯材料ψ-I曲線計(jì)算變壓器GIC－Q的數(shù)量關(guān)系，得到了GIC與變壓器無功損耗呈線性關(guān)系的結(jié)論。上述研究成果揭示了GIC－Q損耗機(jī)理及數(shù)量關(guān)系，明確了一定的GMD強(qiáng)度下電網(wǎng)無功損耗的分布情況，為電網(wǎng)無功優(yōu)化控制、電壓穩(wěn)定分析以及電壓失穩(wěn)風(fēng)險(xiǎn)評(píng)估提供基礎(chǔ)。

GMD作為一種自然現(xiàn)象將會(huì)持續(xù)發(fā)生，隨著我國電網(wǎng)規(guī)模的不斷擴(kuò)大，特別是特高壓電網(wǎng)的大規(guī)模建設(shè)以及單相自耦變壓器的普遍應(yīng)用，這些因素更會(huì)增加電網(wǎng)遭受GIC侵害的可能性［10］，造成電網(wǎng)GIC－Q波動(dòng)范圍更廣、影響程度更深。因此，電力部門要對(duì)GMD做出合理的防御措施，深入研究GIC－Q波動(dòng)的治理方案。在中性點(diǎn)安裝補(bǔ)償裝置能夠有效治理GMD引起的無功波動(dòng)［11］，但是在中性點(diǎn)安裝補(bǔ)償裝置是否會(huì)對(duì)電力系統(tǒng)的穩(wěn)定性造成影響仍需進(jìn)一步研究，因此充分利用現(xiàn)有無功補(bǔ)償設(shè)備，通過調(diào)度合理配置與優(yōu)化是防御GIC引發(fā)無功波動(dòng)的有效措施。

然而，通過調(diào)度部門進(jìn)行GIC－Q防御的前提是能夠有效預(yù)報(bào)太陽風(fēng)暴。為此，自1989年太陽風(fēng)暴造成魁北克地區(qū)電網(wǎng)停電后，太陽風(fēng)暴預(yù)報(bào)得到了高度重視［12］。1997年8月發(fā)射的高級(jí)成分探險(xiǎn)者（ACE）衛(wèi)星，其專門在日地引力平衡點(diǎn)上監(jiān)測太陽風(fēng)暴，可以提前15～60 min預(yù)測地磁暴的發(fā)生，并能及時(shí)提醒電力部門引起注意，為電網(wǎng)空間災(zāi)害防御提供了保障［13］。

本文以電壓偏移量和無功補(bǔ)償設(shè)備投資最小為目標(biāo)，將發(fā)電機(jī)組的無功出力、變壓器變比以及補(bǔ)償電容器作為無功優(yōu)化的控制變量，提出一種基于小生境混沌變異的多目標(biāo)粒子群優(yōu)化NCMMOPSO（Niche Chaotic Mutation based Multi-Objective Particle Swarm Optimization）算法的無功優(yōu)化策略。GIC標(biāo)準(zhǔn)算例的仿真結(jié)果表明了所提方法的實(shí)用性和有效性。

1 GMD下無功優(yōu)化建模

1.1 GIC計(jì)算模型

根據(jù)法拉第電磁感應(yīng)定律，GMD期間地球表面形成了一個(gè)準(zhǔn)直流的感應(yīng)地電場E，根據(jù)感應(yīng)地電場的作用機(jī)制，線路感應(yīng)電壓值為感應(yīng)地電場沿著該線路走向的積分值，即：

其中，Udc為線路感應(yīng)電壓值；dl為線路長度積分微元；E為感應(yīng)地電場矢量，與大地分層電導(dǎo)率、地磁場變化率等因素有關(guān)。

如果感應(yīng)地電場恒定，則Udc只與線路兩端點(diǎn)的地理位置有關(guān)，即：

其中，EN、EE分別為北向、東向的地電場值，單位為V／km；LN、LE分別為輸電線路兩端點(diǎn)北向、東向的線路長度，單位為km。根據(jù)地磁感應(yīng)電壓Udc和由輸電線路、變壓器繞組以及變電站接地網(wǎng)組成的直流網(wǎng)絡(luò)，便可計(jì)算出GIC的值，詳細(xì)計(jì)算過程可參考文獻(xiàn)［14］。

在該直流網(wǎng)絡(luò)中，變壓器的直流模型相對(duì)復(fù)雜，需展開研究。針對(duì)GIC的計(jì)算網(wǎng)絡(luò)，電力變壓器一般包括自耦變壓器和普通升降壓變壓器，其中升降壓變壓器的繞組形式又可分為YN0-YN0和YN0-D 2種，對(duì)應(yīng)的變壓器模型如圖1所示。

圖1 變壓器直流模型Fig.1 DC models of transformers

圖1（a）為自耦變壓器模型，其中，高壓側(cè)與低壓側(cè)存在電聯(lián)系的繞組稱為串聯(lián)繞組，其直流電阻值為RS，與接地端相連的繞組稱為公共繞組，其直流電阻值為RC，2個(gè)繞組均為GIC的流通路徑。

GMD期間，流經(jīng)自耦變壓器串聯(lián)繞組和公共繞組的GIC是不同的，根據(jù)磁動(dòng)勢平衡方程和全電流定律可得：

其中，NS為自耦變壓器串聯(lián)繞組匝數(shù)；NC為自耦變壓器公共繞組匝數(shù)；Ieff為等效GIC；IS為流過串聯(lián)繞組的 GIC；IC為流過公共繞組的 GIC；N=UH／UL，UH和UL分別為高壓側(cè)和低壓側(cè)的端電壓。

圖1（b）為YN0-YN0升降壓變壓器模型，由于GMD期間，GIC會(huì)在2個(gè)繞組中流通，同理可得流經(jīng)變壓器的等效GIC為：

其中，IH、IL分別為流經(jīng)高壓側(cè)、低壓側(cè)繞組的GIC。

圖1（c）為YN0-D升降壓變壓器模型，在進(jìn)行GIC計(jì)算時(shí)僅考慮高壓側(cè)存在流通路徑，其原因是低壓側(cè)采用三角形連接方式，無GIC通路。因此，流經(jīng)變壓器繞組的等效GIC為流過變壓器中性點(diǎn)GIC 的 1／3。

1.2 GIC-Q損耗模型

GIC引起的變壓器無功損耗與其流過繞組的GIC 存在如式（6）所示的關(guān)系［7，15］。

其中，K為通過實(shí)驗(yàn)測試獲得的GIC-Q損耗系數(shù)，單位為Mvar／A，單相自耦變壓器的K為1.8Mvar／A，單相組式變壓器的K為1.18 Mvar／A，三相殼式變壓器的K為0.33 Mvar／A，三相三柱芯式變壓器的K為0.29Mvar／A，三相五柱式變壓器的 K 為 0.66Mvar／A；UPU為變壓器端電壓的標(biāo)幺值。

1.3 GIC-Q優(yōu)化模型

以GIC-Q損耗為研究對(duì)象，在電網(wǎng)結(jié)構(gòu)和容量確定的條件下，充分利用現(xiàn)有機(jī)組的可調(diào)無功輸出和有載調(diào)壓變壓器，同時(shí)在合適的節(jié)點(diǎn)配置無功補(bǔ)償設(shè)備來應(yīng)對(duì)GIC-Q損耗引起的電壓波動(dòng)，保證GMD期間電力系統(tǒng)的安全穩(wěn)定運(yùn)行。

（1）目標(biāo)函數(shù)。

以節(jié)點(diǎn)電壓偏移和無功補(bǔ)償設(shè)備成本最小為目標(biāo)，建立了無功優(yōu)化多目標(biāo)函數(shù)，如式（7）所示。

其中，Ui為PQ節(jié)點(diǎn)的實(shí)際電壓；Ui0為PQ節(jié)點(diǎn)的額定電壓；ΔUmax為節(jié)點(diǎn)電壓的最大偏差；NPQ為PQ節(jié)點(diǎn)數(shù)；NRC為無功補(bǔ)償容量可調(diào)節(jié)點(diǎn)數(shù)；Qs為無功補(bǔ)償容量；Cs為設(shè)備單位容量投資；E（·）為期望值。

（2）約束條件。

等式約束條件即概率潮流計(jì)算過程中的潮流方程為：

控制變量的不等式約束條件為：

狀態(tài)變量的不等式約束條件為：

其中，PG= ［PG1，PG2，…，PGNG］、QG= ［QG1，QG2，…，QGNG］分別為發(fā)電機(jī)節(jié)點(diǎn)的有功功率和無功功率向量，NG為發(fā)電機(jī)節(jié)點(diǎn)個(gè)數(shù)；PL=［PL1，PL2，…，PLNL］、QL=［QL1，QL2，…，QLNL］分別為負(fù)荷節(jié)點(diǎn)的有功功率和無功功率向量，NL為負(fù)荷節(jié)點(diǎn)個(gè)數(shù)；QGIC為GIC引起的變壓器無功損耗；QRC= ［QRC1，QRC2，…，QRCNRC］為并聯(lián)電容器提供的無功功率向量；UGi為發(fā)電機(jī)端電壓；Tj為變壓器分接頭；NT為變壓器支路個(gè)數(shù)；下標(biāo)max和min分別表示上限值和下限值。

2 多目標(biāo)優(yōu)化算法

2.1 多目標(biāo)優(yōu)化問題

對(duì)于多目標(biāo)優(yōu)化問題，可以定義為：

其中，X=［x1，x2，…，xn］∈S，n 為決策個(gè)數(shù)，S 為決策空間；M 為目標(biāo)個(gè)數(shù)；Fi（X）為目標(biāo)函數(shù)；gj（X）為不等式約束函數(shù)；hk（X）為等式約束函數(shù)。

下面給出相關(guān)的幾個(gè)定義。

定義 1 Pareto支配：存在 2個(gè)可行解 x1、x2，稱x1支配 x2滿足所有 fi（x1）≤fi（x2）且至少有一個(gè) fi（x1）＜fj（x2）成立（i，j=1，2，…，n），則記作 x1x2。

定義2 Pareto最優(yōu)解：一個(gè)解X*∈Ω（Ω為M維目標(biāo)空間）當(dāng)且僅當(dāng)式（12）成立時(shí)，X*被稱為Pareto最優(yōu)解或非支配解。

定義3 Pareto最優(yōu)解集和前沿：所有Pareto解的集合稱為Pareto最優(yōu)解集，即：

所有Pareto最優(yōu)解對(duì)應(yīng)目標(biāo)函數(shù)的值所形成的區(qū)域稱為Pareto前沿或均衡面。

2.2 粒子群優(yōu)化算法

粒子群優(yōu)化（PSO）算法是由Kennedy博士等最早提出的一種基于群體智能演化的計(jì)算方法。其基本原理就是通過迭代搜索最優(yōu)解，在每一次的迭代中，粒子通過跟蹤個(gè)體最優(yōu)位置和全局最優(yōu)位置來更新自己。則粒子i在第k次迭代中第d個(gè)分量的速度和位置公式分別為：

其中，w為慣性權(quán)重；c1、c2分別為調(diào)節(jié)全局最優(yōu)粒子飛行方向的加速常數(shù)和調(diào)節(jié)個(gè)體最優(yōu)粒子飛行方向的加速常數(shù)；r1、r2為［0，1］上的均勻隨機(jī)數(shù)；pid為個(gè)體最優(yōu)位置；pgd為全局最優(yōu)位置；k為迭代次數(shù)。

2.3 NCMMOPSO算法

由于實(shí)際應(yīng)用中需要對(duì)多目標(biāo)問題進(jìn)行優(yōu)化，所以多目標(biāo)粒子群優(yōu)化（MOPSO）算法得到了廣泛的應(yīng)用［16-17］，本文結(jié)合 GIC－Q 損耗的特點(diǎn)，提出一種NCMMOPSO算法。

2.3.1 小生境算法

小生境算法是根據(jù)粒子間距離形成每個(gè)粒子的小生境，作為一個(gè)微粒群，然后在每個(gè)微粒群體中利用PSO算法進(jìn)行速度和位置更新。對(duì)于更新后的微粒群，根據(jù)粒子間的距離，利用共享機(jī)制提高粒子的適應(yīng)度，保證群體最優(yōu)。

為了保存進(jìn)化過程中已經(jīng)找到的Pareto最優(yōu)解，建立了外部集存檔技術(shù)，并在迭代過程中對(duì)外部存檔進(jìn)行調(diào)整以提高計(jì)算效率。本文采用擁擠距離排序?qū)ν獠考牧Ｗ舆M(jìn)行存檔［18］。

粒子間距離可表示為：

其中，Xi、Xj為D維決策空間中的任意2個(gè)粒子；NN為小生境的個(gè)體數(shù)。對(duì)于給定的參數(shù)（小生境半徑為Rch），若 Rch＞dij，則該個(gè)體加入小生境群體 Xp。

適應(yīng)度可表示為：

其中，fi為第 i個(gè)個(gè)體的原始適應(yīng)度；S（dij）為共享函數(shù)，如式（18）所示。

其中，λ為控制共享函數(shù)形狀的參數(shù)。

2.3.2 混沌變異

過快的收斂速度會(huì)導(dǎo)致MOPSO算法搜索到局部最優(yōu)Pareto最優(yōu)前沿而非全局最優(yōu)前沿，為此，本文將混沌變異引入到MOPSO算法中，對(duì)當(dāng)前粒子產(chǎn)生混沌擾動(dòng)，以返回最好的個(gè)體，使解跳出局部極值區(qū)間。采用的混沌變異映射Logistic迭代公式為：

其中為第k次迭代中對(duì)應(yīng)粒子Xi的第j個(gè)混沌變量

2.3.3 算法步驟

NCMMOPSO算法的具體步驟如下：

步驟1初始化，包括算法的各個(gè)參數(shù)以及粒子群體，k=1；

步驟2 計(jì)算目標(biāo)函數(shù)，將非支配解存入外部檔案；

步驟3計(jì)算個(gè)體適應(yīng)度值，根據(jù)各粒子的位置確定小生境半徑；

步驟4根據(jù)各粒子的位置和小生境半徑確定小生境種群；

步驟5更新小生境群體的速度和適應(yīng)度；

步驟6分別根據(jù)式（14）、（15）更新粒子的速度v和位置x，同時(shí)更新粒子的個(gè)體最優(yōu)位置；

步驟7用當(dāng)前粒子群的非支配解更新外部檔案；

步驟8從外部檔案中隨機(jī)選擇部分個(gè)體進(jìn)行混沌變異，搜索附近區(qū)域新的非支配解；

步驟9判斷是否滿足終止條件，如果滿足則結(jié)束，否則k=k+1，轉(zhuǎn)步驟3進(jìn)行計(jì)算。

3 算例分析

本文采用GIC標(biāo)準(zhǔn)測試系統(tǒng)進(jìn)行仿真計(jì)算，其接線圖如圖2所示。

圖2 GIC標(biāo)準(zhǔn)算例接線圖Fig.2 Wiring diagram of GIC-benchmark

該系統(tǒng)包括18條母線、7臺(tái)發(fā)電機(jī)、1個(gè)開關(guān)站、15條線路、15臺(tái)變壓器，其中選擇節(jié)點(diǎn)1為平衡節(jié)點(diǎn)，節(jié)點(diǎn)18、7為PV節(jié)點(diǎn)，其余發(fā)電機(jī)節(jié)點(diǎn)均為PQ節(jié)點(diǎn)，負(fù)荷為4700 MW+1800 Mvar，其他參數(shù)詳見文獻(xiàn)［14，19］。正常運(yùn)行情況下，電網(wǎng)不需配置電容器且所有節(jié)點(diǎn)電壓均在額定范圍之內(nèi)，潮流分布合理。

由于太陽活動(dòng)引起的GMD決定中低緯電離層的電流體系，目前，國內(nèi)外尚未探明太陽活動(dòng)中低緯電離層電流體系的方向特征，可認(rèn)為中低緯1 V／km水平、任何方向的地電場都可能發(fā)生［20］。

本文取5°為間隔均分360°，利用所建的模型研究1 V／km均勻恒定地電場作用下，計(jì)算流經(jīng)變壓器繞組及輸電線路的GIC。圖3給出了以15°為間隔的24個(gè)不同方向變壓器T6高壓繞組單相GIC的計(jì)算結(jié)果，以東向方向?yàn)閰⒖挤较?，用線條的方向表示地電場方向，用線條的長度表示GIC量值。

圖3 不同地電場方向下變壓器T6高壓繞組的單相GIC值Fig.3 Single-phase GICs in high-voltage winding of transformer T6for different directions of geoelectric field

根據(jù)GIC計(jì)算的基本原理及圖3的計(jì)算結(jié)果可知，GIC 在地電場方向 θ∈［0°，360°］范圍內(nèi)關(guān)于 180°方向?qū)ΨQ，即GIC值大小相等，極性相反，而GIC-Q損耗值僅與GIC的大小有關(guān)，與極性無關(guān)。為此，計(jì)算GIC-Q值僅考慮［0°，180°］范圍內(nèi)的地電場方向，計(jì)算結(jié)果如圖4所示。

圖4 不同地電場方向下電網(wǎng)GIC-Q損耗值Fig.4 GIC-Q losses for different directions of geoelectric field

通過計(jì)算可知，當(dāng)?shù)仉妶龇较驗(yàn)?35°時(shí)，電網(wǎng)GIC-Q損耗達(dá)到最大值914 Mvar，此時(shí)各變壓器的無功損耗如表1所示。

表1 變壓器GIC-Q損耗值Table 1 GIC-Q loss of different transformers

從表1的數(shù)據(jù)可知，由于地磁暴的影響造成電網(wǎng)中變壓器的無功損耗累計(jì)增加了914 Mvar，如此大的無功損耗必然會(huì)導(dǎo)致電網(wǎng)電壓下降。為此，在保證現(xiàn)有機(jī)組的最大無功輸出和有載調(diào)壓變壓器最大調(diào)節(jié)范圍下，選取在節(jié)點(diǎn)4、15和20上并聯(lián)電容器組，進(jìn)行合理的無功優(yōu)化，使得各節(jié)點(diǎn)電壓處于合理范圍之內(nèi)，從而保證電網(wǎng)的安全穩(wěn)定運(yùn)行。以節(jié)點(diǎn)電壓偏移量和無功補(bǔ)償設(shè)備成本最小為優(yōu)化目標(biāo)，通過NCMMOPSO算法求得上述多目標(biāo)的Pareto最優(yōu)解。

NCMMOPSO算法的參數(shù)設(shè)置如下：慣性權(quán)重w=0.84，加速因子c1=c2=1.545，小生境存檔規(guī)模為70，種群粒子數(shù)為50，最大迭代次數(shù)為100。

為了說明本文優(yōu)化算法的有效性，以最大迭代次數(shù)作為計(jì)算終止條件，比較NCMMOPSO算法、小生境MOPSO（NMOPSO）算法和MOPSO算法這3種算法的收斂過程和收斂速度，具體如圖5所示。

圖5 迭代收斂過程Fig.5 Iterative convergence process

由圖5可以看出，NCMMOPSO算法在迭代前期的收斂速度明顯快于NMOPSO算法和MOPOS算法，且搜索最優(yōu)解的個(gè)數(shù)明顯超過了NMOPSO算法和MOPOS算法，在第27次迭代時(shí)Pareto最優(yōu)解集的個(gè)體數(shù)已達(dá)到上限，實(shí)現(xiàn)算法收斂。而NMOPSO算法和MOPSO算法分別在第38次和第44次迭代時(shí)才實(shí)現(xiàn)算法收斂。相比之下，本文所提算法的搜索能力和搜索速度要高于NMOPSO算法和MOPSO算法。

以電壓偏移量（標(biāo)幺值）和無功補(bǔ)償設(shè)備成本最小為目標(biāo)，利用NCMMOPSO算法求取Pareto前沿最優(yōu)解集，如圖6所示。

圖6 Pareto最優(yōu)解集分布Fig.6 Distribution of Pareto optimal solution set

從圖6可以看出，本文所提NCMMOPSO算法搜索到的最優(yōu)解集形成了多個(gè)優(yōu)化目標(biāo)在不同情況下的最優(yōu)解。通過計(jì)算可知，NCMMOPSO算法的最優(yōu)折衷解是：電壓偏移量為3.67 p.u.，無功補(bǔ)償容量為960 Mvar。優(yōu)化所得的最優(yōu)解為分別在節(jié)點(diǎn)4、15、20 投入 210 Mvar、350 Mvar和 400 Mvar容量的電容器組；無功補(bǔ)償優(yōu)化后節(jié)點(diǎn)20的電壓期望值為0.948 p.u.，提高了4.75%。圖7為優(yōu)化前后系統(tǒng)各節(jié)點(diǎn)電壓值標(biāo)幺值。

圖7 優(yōu)化前后系統(tǒng)各節(jié)點(diǎn)電壓值Fig.7 Voltages of different buses，before and after optimization

通過圖7可以看出，優(yōu)化后節(jié)點(diǎn)電壓均得到了改善，特別是節(jié)點(diǎn)4、15和20的電壓明顯提高了。

4 結(jié)論

a.采用1 V／km的均勻地電場數(shù)據(jù)，計(jì)算了地電場方向以 5°為間隔的［0°，180°］范圍內(nèi) GIC 的標(biāo)準(zhǔn)測試系統(tǒng)的電網(wǎng)無功損耗，計(jì)算結(jié)果表明，當(dāng)?shù)仉妶龇较驗(yàn)?35°時(shí)，GIC-Q損耗達(dá)到最大值914 Mvar。如此大的無功損耗必然會(huì)引起電網(wǎng)無功不足，為此，需在電網(wǎng)中合理配置無功補(bǔ)償設(shè)備并進(jìn)行優(yōu)化。

b.以節(jié)點(diǎn)電壓偏移量和無功補(bǔ)償設(shè)備成本最小為目標(biāo)，建立了多目標(biāo)無功優(yōu)化的計(jì)算模型，并通過NCMMOPSO算法對(duì)無功優(yōu)化模型進(jìn)行求解。算例計(jì)算結(jié)果表明，所提方法收斂速度快，搜索到的最優(yōu)解集更接近理想Pareto最優(yōu)前沿，具有較好的優(yōu)化性能，根據(jù)NCMMOPSO算法給出的最優(yōu)折衷解進(jìn)行無功優(yōu)化配置，可使電網(wǎng)電壓得到明顯改善，保證了電網(wǎng)在GMD期間的安全穩(wěn)定運(yùn)行。

參考文獻(xiàn)：

［1］TAKASU N，OSHI T，MIYAWAKI F，et al.An experimental analysis ofDC excitation of transformers by geomagnetically induced currents［J］.IEEE Transactions on Power Delivery，1994，9（2）：1173-1183．

［2］KAPPENMAN，ZANETTI，RADASKY.Geomagneticstormscan threaten electric power grid［J］.Earth in Space，American Geophysics Union，1997，9（7）：9-11.

［3］BARNES P R，DYKE JW V.Economicconsequencesof geomagnetic storms（a summary）［J］.IEEE Power Engineering Review，1990，10（11）：3-4.

［4］LESHER R L，PORTER J W，BYERLY R T.Sunburst-a network of GIC monitoring systems［J］.IEEE Transactions on Power Delivery，1994，9（1）：128-137.

［5］文俊，劉連光，項(xiàng)頌，等．地磁感應(yīng)電流對(duì)電網(wǎng)安全穩(wěn)定運(yùn)行的影響［J］．電網(wǎng)技術(shù)，2010，34（11）：24-30．WEN Jun，LIU Lianguang，XIANG Song，etal.Influencesof geomagnetic induced currents on security and stability of power systems［J］.Power System Technology，2010，34（11）：24-30.

［6］PIRJOLA R.Geomagnetically induced currents during magnetic storms［J］.IEEE Transactions on Plasma Science，2001，28（6）：1867-1873.

［7］DONG X Z，LIU Y L，KAPPENMAN J G．Comparative analysis of exciting current harmonics and reactive power consumption from GIC saturated transformers［C］∥IEEE Power Engineering Society Winter Meeting.Columbus，OH，USA：IEEE，2001：318-322.

［8］MARTI L，BERGE J，VARMA R K.Determination of geomagnetically induced current flow in a transformer from reactive power absorption［J］.IEEE Transactions on Power Delivery，2013，28（3）：1280-1288.

［9］劉連光，秦曉培，葛小寧，等．基于U-I曲線的單相自耦變GIC無功損耗算法［J］．電力自動(dòng)化設(shè)備，2015，35（12）：55-60.LIU Lianguang，QIN Xiaopei，GE Xiaoning，et al.GIC reactive powerlosscalculation based on U-Icurve forsingle-phase autotransformer［J］.Electric Power Automation Equipment，2015，35（12）：55-60.

［10］劉林玉，謝學(xué)武.500 kV主變壓器異常聲音分析［J］．高電壓技術(shù)，2005，31（4）：85-87．LIU Linyu，XIE Xuewu.Analysis of increase of noise of 500 kV transform［J］.High Voltage Engineering，2005，31（4）：85-87.

［11］LIU Lianguang.Influence and hazard ofdisastrous space weather on power grid in China［J］.Engineering Sciences，2010，12（9）：29-33.

［12］KAPPENMAN J G，ALBERTSON V D，DAMSK B L，et al.Solar wind monitor satellite［J］.IEEE Power Engineering Review，1990，10（5）：4-8.

［13］KAPPENMAN J G，RADASKY W A，GILBERT J L.Advanced geomagnetic storm forecasting：a risk managementtool for electric power operations［J］.IEEE Transactions on Plasma Science，2001，28（6）：2114-2121.

［14］HORTON R，BOTELER D H，OVERBYE T，et al.A test case forthecalculation ofgeomagnetically induced currents ［J］.IEEE Transactions on Power Delivery，2012，27（4）：2368-2373.

［15］REZAEI-ZARE A．Behavior of single-phase transformers under geomagnetically induced current conditions［J］．IEEE Transactions on Power Delivery，2014，29（2）：916-925．

［16］任建文，魏俊姣，谷雨峰．基于多目標(biāo)粒子群優(yōu)化算法的連鎖跳閘預(yù)防控制［J］．電力自動(dòng)化設(shè)備，2016，36（7）：53-59．REN Jianwen，WEI Junjiao，GU Yufeng.Preventive control based on multi-objective particle swarm optimization algorithm for cascading trips［J］.Electric Power Automation Equipment，2016，36（7）：53-59.

［17］劉仲，牟龍華，許旭鋒．微電網(wǎng)黑啟動(dòng)中考慮負(fù)荷恢復(fù)優(yōu)化的分布式電源恢復(fù)方案［J］．電力自動(dòng)化設(shè)備，2016，36（3）：46-52．LIU Zhong，MU Longhua，XU Xufeng.Microgrid black-start considering DG startup sequence and load restoration optimization［J］.Electric Power Automation Equipment，2016，36（3）：46-52.

［18］李中凱，李艾民，朱真才．擁擠距離排序的多目標(biāo)文化粒子群優(yōu)化算法［J］．控制與決策，2012，27（9）：1406-1410．LIZhongkai，LIAimin，ZHU Zhencai.Culturalbasedmultiobjective particle swarm optimization algorithm using crowding distance sorting method［J］.Control and Decision，2012，27（9）：1406-1410.

［19］劉連光，吳偉麗．磁暴影響電力系統(tǒng)安全風(fēng)險(xiǎn)評(píng)估思路與理論框架［J］．中國電機(jī)工程學(xué)報(bào)，2014，34（10）：1583-1591．LIU Lianguang，WU Weili.Security risk assessment ideals and theoretical framework for power system considering geomagnetic storm［J］.Proceedings of the CSEE，2014，34（10）：1583-1591.

［20］劉連光，劉春明，張冰，等．中國廣東電網(wǎng)的幾次強(qiáng)磁暴影響事件［J］．地球物理學(xué)報(bào)，2008，51（4）：976-981．LIU Lianguang，LIU Chunming，ZHANG Bing，etal． Strong magnetic storm’s influence on China’s Guangdong Power Grid［J］.Chinese Journal of Geophysics，2008，51（4）：976-981.