顧雪平，王麗媛，李少巖，魯 鵬，曹 欣，楊曉東

(1.華北電力大學 電氣與電子工程學院，河北 保定 071003；2.國網(wǎng)河北省電力有限公司，河北 石家莊 050021)

0 引 言

近年來，由于自然災害、人為操作或信息攻擊等各種因素，世界范圍內(nèi)發(fā)生了多次大面積停電事故[1-3]。這說明盡管電力系統(tǒng)日益堅強、管理水平不斷提高，但大停電事故仍是電力系統(tǒng)運行人員需要直面的危險之一。因此，有必要制定合理的系統(tǒng)恢復方案以降低事故損失。伴隨著風電等新能源滲透率的顯著提高，電力系統(tǒng)恢復控制的機遇和挑戰(zhàn)并存。一方面，風電啟動功率小、啟動速度快，可為系統(tǒng)恢復初期提供功率支持[4，5]；另一方面，風電出力的不確定性給恢復中的系統(tǒng)運行調(diào)控提出了新的要求。針對風電特點，深入研究考慮風電參與的系統(tǒng)恢復問題，對制定更加合理的恢復方案具有重要意義。

網(wǎng)架重構作為電力系統(tǒng)恢復過程的關鍵環(huán)節(jié)，主要任務是利用有限的啟動功率實現(xiàn)對主力機組和重要負荷的供電，并形成相對穩(wěn)定的網(wǎng)架[6-8]。風電參與網(wǎng)架重構可提供啟動功率的支撐，加快恢復進程[9，10]。當前已有一些風電參與系統(tǒng)恢復的相關研究，文獻[11]提出了一種以預測誤差不確定性描述風電出力特性的網(wǎng)架重構恢復方法。文獻[12]基于可信性理論建立模糊機會約束模型以刻畫風電與負荷的不確定性，研究了風電與直流系統(tǒng)共同加快系統(tǒng)負荷恢復效率的問題。文獻[13]采用場景生成與削減技術構建風電出力的恢復場景以表征風電不確定性，制定了含風電系統(tǒng)的離線恢復方案。上述文獻著重處理了風電接入后系統(tǒng)恢復中的“源”不確定性，但形成的骨架網(wǎng)絡大多為輻射型[14]，抵抗功率波動的能力較差，缺乏從“網(wǎng)”的視角對如何提升目標網(wǎng)架的功率承載能力的研究。

在傳統(tǒng)電力系統(tǒng)的恢復控制研究中，相關學者提出建立局部環(huán)網(wǎng)可有效提升網(wǎng)架對新恢復負荷的承載能力，降低過負荷風險[15]。文獻[16]提出了面向消除潮流越限的網(wǎng)架重構策略，并給出了環(huán)網(wǎng)恢復優(yōu)化的解析模型和高效求解方法。上述研究表明，在輻射型網(wǎng)架的基礎上進行合環(huán)操作有利于消除線路過載問題、提高網(wǎng)架承載力。因此，針對風電參與系統(tǒng)恢復的特點，有必要進一步研究目標網(wǎng)架優(yōu)化方法。

針對已有研究的不足，本文研究風電參與系統(tǒng)恢復的目標網(wǎng)架優(yōu)化問題，以支路投切為決策變量，并協(xié)調(diào)恢復效率及合環(huán)操作的復雜度，構建局部環(huán)網(wǎng)以獲得滿足風電出力多場景集的目標網(wǎng)架。首先，給定合環(huán)操作數(shù)關于支路投切變量的解析表達；其次，基于極限場景法描述風電出力不確定性，并以最小化新投入線路充電無功和合環(huán)操作數(shù)為優(yōu)化目標，計及多種約束條件，建立風電參與系統(tǒng)恢復的目標網(wǎng)架優(yōu)化模型。接著，為進一步提高求解效率，采用分層迭代求解方式，通過計及直流潮流約束的上層模型求得目標網(wǎng)架，再對該目標網(wǎng)架進行交流潮流約束的下層校核，以確保系統(tǒng)運行的安全。最后，通過改進的IEEE-30節(jié)點系統(tǒng)算例驗證了所提策略和方法的有效性。

1 面向含環(huán)網(wǎng)架優(yōu)化的合環(huán)數(shù)解析建模

當前風電參與網(wǎng)架重構的研究中[10，11]，所構建的目標網(wǎng)架大多為輻射型結構，該樹形網(wǎng)架承受風電出力不確定性的能力較差，且在意外擾動如輸電元件故障發(fā)生時，極易導致電網(wǎng)再次發(fā)生停電事故。因而，從改善網(wǎng)架的拓撲結構出發(fā)，通過投入部分線路進行合環(huán)操作可使得樹形網(wǎng)絡恢復到環(huán)形網(wǎng)絡，即構建含環(huán)網(wǎng)架。該含環(huán)網(wǎng)架可有效應對風電出力的不確定性，確保恢復操作的順利進行。

如圖1所示為環(huán)網(wǎng)構建示意圖。假設節(jié)點1為系統(tǒng)送端電源，節(jié)點10為系統(tǒng)受端負荷。風電場通過節(jié)點5接入系統(tǒng)中，其出力不確定性使得線路2-4和線路6-7發(fā)生潮流越限問題。為保證網(wǎng)架的安全，擬投入線路2-3、線路3-5及線路5-7構建兩個局部環(huán)網(wǎng)可有效緩解線路2-4和線路6-7的線路過載問題，說明含環(huán)網(wǎng)架有利于目標網(wǎng)架抵抗風電功率波動，保證其安全性。

圖1 環(huán)網(wǎng)構建示意圖Fig.1 Construction schematic diagram of the loop-network

為此，需建立環(huán)網(wǎng)個數(shù)和決策變量(支路投切)之間的解析化映射關系，本文根據(jù)電網(wǎng)絡理論[17]的相關知識推導合環(huán)操作數(shù)Floop的解析表達式。

電網(wǎng)絡理論的相關知識如下：

(1)具有Nnode個節(jié)點，Nline條支路的電路的圖中，任一個樹的樹支數(shù)為Nnode-1，連支數(shù)為Nline-Nnode+1。

(2)包含且僅包含一條連支的回路稱為電路的圖的基本回路，基本回路數(shù)等于連支數(shù)Nline-Nnode+1。

顯然可知，合環(huán)操作數(shù)等于目標網(wǎng)架的獨立環(huán)個數(shù)，而目標網(wǎng)架的獨立環(huán)個數(shù)與網(wǎng)絡圖中基本回路數(shù)相等。因此，推導得到合環(huán)操作數(shù)Floop的解析表達式如式(1)所示。

(1)

其中：c為線路多回通道的編號；zijc為控制變量，表征線路i-j-c是否投入，投入為1，未投入為0；mi表示節(jié)點i是否恢復供電，已恢復為1，未恢復為0；L為所有線路集合；N為所有節(jié)點集合。

合環(huán)操作的關鍵在于支路投切，而節(jié)點恢復與否僅作為中間變量進行過渡，因而需要建立節(jié)點恢復和支路投切之間的解析映射表達式，如式(2)、(3)所示(M為一數(shù)值較大的正整數(shù))。本文利用大M松弛法解析表達，當且僅當與節(jié)點i相連的所有線路均未投入時，節(jié)點i才處于失電狀態(tài)。

?i,j∈N，(i,j,c)/(j,i,c)∈L

(2)

?i,j∈N，(i,j,c)/(j,i,c)∈L

(3)

在圖1中，節(jié)點數(shù)Nnode為10，線路數(shù)Nline為11時，獨立環(huán)網(wǎng)的個數(shù)Nloop=Nline-Nnode+1=2，即合環(huán)操作數(shù)Floop為2，驗證了合環(huán)操作數(shù)解析表達式的正確性。

2 風電參與系統(tǒng)恢復的含環(huán)網(wǎng)架優(yōu)化模型

當風電參與網(wǎng)架重構時，需要構建初期重構小系統(tǒng)后再接入風電，以降低風電不確定性的影響[18]。有關目標網(wǎng)架的構建，實質(zhì)上是關于支路組合優(yōu)化的問題，因而極有可能出現(xiàn)局部環(huán)網(wǎng)的現(xiàn)象。在一定程度而言，這是為了應對風電的“源”不確定性，“網(wǎng)”提升自身承載能力的自然結果。為此，本文建立風電參與系統(tǒng)恢復的目標網(wǎng)架優(yōu)化模型，求得滿足風電出力多場景集的目標網(wǎng)架。局部環(huán)網(wǎng)的構建可提高目標網(wǎng)架在風電出力波動下的安全性，保證恢復操作的順利進行。

2.1 風電出力不確定性的建模分析

當前，已有研究中關于風電不確定性的建模方法包括場景分析法[19]、機會約束規(guī)劃法[20，21]及魯棒優(yōu)化法[22，23]等。但場景分析法難以包含所有場景，且大量場景生成必然會降低計算效率；機會約束規(guī)劃法需要依賴適當?shù)母怕史植寄Ｐ停嬎懔看?。相較于前兩種方法，應用魯棒優(yōu)化法構建不確定集合，可統(tǒng)一考慮所有的不確定因素，保證了決策結果的最優(yōu)性。因此，本文采用極限場景法[24，25]描述風電出力波動，構建魯棒優(yōu)化的多場景集。

如圖2所示為包含3個風電場的極限場景示意圖，極限場景數(shù)為23個，其取值空間S(即風電出力的多場景集)用圖中三維幾何體空間表示。其中，P1,max、P2,max和P3,max分別表示風電場1、風電場2 和風電場3出力最大值。

圖2 極限場景的示意圖Fig.2 Illustration of extreme scenarios

風電出力多場景集的構建是為了包含風電出力的所有場景。多場景集S越大，所包含場景數(shù)越多，通過魯棒優(yōu)化得到的最優(yōu)解的可信度越高。風電出力的極限場景具有典型代表性，因而各風電場出力的不確定集如式(4)所示，等價于在置信水平α下的機會約束，如式(5)所示。

Dw={Pw,t,pre|Pw,t,min≤Pw,t,pre≤Pw,t,max}

(4)

Pr(Pw,t,min≤Pw,t,pre≤Pw,t,max)≥1-α

(5)

其中：Dw表示風電場w出力的不確定集；Pw,t,pre、Pw,t,min和Pw,t,max分別表示風電場w的預測出力、最低出力和最高出力；Pr(·)表示某種情況下的概率；α為置信水平。

2.2 目標函數(shù)

忽略極端場景下的棄風現(xiàn)象，當風電參與網(wǎng)架重構時，由于負荷水平較低，系統(tǒng)可能因線路充電無功引發(fā)過電壓問題，因而需要使新投入線路的充電無功功率盡可能小以保證恢復網(wǎng)架的安全性。此外，線路投入的合環(huán)操作難度大，對系統(tǒng)的沖擊也較大，甚至可能會發(fā)生線路潮流越限[16]和合閘角差越限[26]問題。因此，在目標網(wǎng)架優(yōu)化時應盡量減少合環(huán)操作。為簡化建模，本文采用目標函數(shù)加權的方式將雙目標優(yōu)化問題轉化為單目標優(yōu)化問題進行求解，定義風電參與恢復的含環(huán)目標網(wǎng)架優(yōu)化模型的目標函數(shù)f為：最小化新投入線路充電無功和合環(huán)操作數(shù)的加權和，如式(6)所示。

(6)

其中：Lun為待恢復線路集合；bijc表示線路i-j-c上的充電電納；bbase為充電無功的基準值，這里取100 Mvar；k1和k2為目標函數(shù)的正加權系數(shù)，且k1+k2=1。

2.3 約束條件

為滿足含環(huán)目標網(wǎng)架能夠適應風電出力多場景的要求，構建相關約束條件集，包括潮流約束集、風電出力約束集和網(wǎng)絡連通性約束集等。

2.3.1 潮流約束集

(1)交流潮流約束集

?(i,j,c)∈L,i∈N,t∈T,s∈S

(7)

?(i,j,c)∈L,i∈N,t∈T,s∈S

(8)

(2)節(jié)點有功功率平衡約束集

?(i,j,c)∈L,i∈N,t∈T,s∈S

(9)

?(i,j,c)∈L,i∈N,t∈T,s∈S

(10)

(3)線路潮流傳輸約束集

(11)

(12)

(4)機組出力約束集

(13)

(14)

(15)

(16)

(5)節(jié)點電壓和相角約束集

(17)

(18)

2.3.2 單個風電場出力約束

Pw,t,min≤Pw,t,pre≤Pw,t,max?w∈W,t∈T

(19)

其中：W表示所有風電場集合。

2.3.3 網(wǎng)絡連通性約束集

孤島網(wǎng)絡的靜態(tài)穩(wěn)定性和動態(tài)穩(wěn)定性都較差，電壓和頻率的波動范圍大，可能發(fā)生頻率崩潰和電壓崩潰而引發(fā)大停電事故。因此，在網(wǎng)架重構過程中必須保證最優(yōu)網(wǎng)絡拓撲結構具有連通性，避免產(chǎn)生孤島。本文采用網(wǎng)絡流理論[27]線性表達網(wǎng)絡連通性約束，如式(20)-(26)所示。

(20)

(21)

(22)

(23)

(24)

(25)

(26)

在上述約束條件中，式(20)為線路流量守恒約束，式(24)-式(26)分別為單源多匯設置中匯點、中間節(jié)點和源點的節(jié)點流量約束，二者保證了送電路徑間的連通，即所構建的最優(yōu)網(wǎng)絡拓撲結構具有連通性。

綜上所述，以支路投切為決策變量的風電參與系統(tǒng)恢復的含環(huán)目標網(wǎng)架優(yōu)化模型為

(27)

3 含環(huán)目標網(wǎng)架優(yōu)化模型的求解

本文建立的風電參與系統(tǒng)恢復的含環(huán)目標網(wǎng)架優(yōu)化模型是典型的混合整數(shù)非線性規(guī)劃(Mixed-integer non-linear programming，MINLP)模型，求解難度較大，尤其是交流潮流約束與決策變量(支路投切)耦合后，求解時間也會增加。因此，為提高求解速度，本文將原模型分解為計及直流潮流約束的上層優(yōu)化模型和考慮交流潮流約束的下層校核模型兩部分，進行循環(huán)迭代求解[28]，保證所求目標網(wǎng)架的可行性。

3.1 上層模型：計及直流潮流約束的含環(huán)目標網(wǎng)架優(yōu)化模型

計及直流潮流約束的含環(huán)目標網(wǎng)架優(yōu)化模型仍以式(6)為目標函數(shù)，約束條件滿足式(9)、式(11)、(13)-(14)、(18)-(26)的約束及以下直流潮流約束：

?(i,j,c)∈L,i∈N,t∈T,s∈S

(28)

?(i,j,c)∈L,i∈N,t∈T,s∈S

(29)

其中：xijc為線路i-j-c的電抗。

該上層網(wǎng)架優(yōu)化模型為混合整數(shù)線性規(guī)劃(Mixed-integer linear programming，MILP)模型，可調(diào)用GAMS平臺中的CPLEX求解器求解，保證解的最優(yōu)性。

3.2 下層校核：固定網(wǎng)架的交流潮流約束校核

精確的交流潮流模型可提供節(jié)點電壓和系統(tǒng)無功分布情況，但是在含環(huán)目標網(wǎng)架優(yōu)化中，關鍵在于風電參與系統(tǒng)恢復下支路投切的組合優(yōu)化。為了提高求解速度，先求得滿足直流潮流約束的目標網(wǎng)架，再對該目標網(wǎng)架校核交流潮流約束，如式(30)-(33)所示。

(1)固定網(wǎng)架的交流潮流約束集

?(i,j,c)∈L,i∈N,t∈T,s∈S

(30)

?(i,j,c)∈L,i∈N,t∈T,s∈S

(31)

(2)固定網(wǎng)架中線路潮流傳輸約束集

?(i,j,c)∈L,t∈T,s∈S

(32)

?(i,j,c)∈L,t∈T,s∈S

(33)

已知目標網(wǎng)架的交流潮流校驗是典型的非線性規(guī)劃(Non-linear Programming，NLP)問題，可利用GAMS平臺中的KNITRO求解器進行求解。若交流潮流校驗通過，則得到最優(yōu)含環(huán)目標網(wǎng)架；否則將當前含環(huán)網(wǎng)架重構方案從解空間中剔除，重新迭代求解直至校驗通過，從而得到滿足多場景集的含環(huán)目標網(wǎng)架。為了避免重復迭代無效解，在計及直流潮流約束的含環(huán)網(wǎng)架優(yōu)化模型中添加不可行割線性約束，如式(34)所示。

(34)

式中：El表示前l(fā)次迭代中某次迭代通過直流潮流模型求得的待投入線路集合；Kl為一動態(tài)集合，首次迭代時，Kl=Ф，之后的迭代為Kl=Kl-1∪El-1。

3.3 求解算法

風電參與系統(tǒng)恢復的含環(huán)目標網(wǎng)架優(yōu)化模型的求解流程圖如圖3所示。

圖3 風電參與系統(tǒng)恢復的含環(huán)網(wǎng)架優(yōu)化模型求解流程圖Fig.3 Solution flow chart of loop target network optimization model with wind power participating in system restoration

4 算例分析

采用改進的IEEE-30節(jié)點系統(tǒng)算例驗證本文所提含環(huán)目標網(wǎng)架優(yōu)化方法的有效性，相關參數(shù)設置為：風電場個數(shù)n=3，目標函數(shù)加權系數(shù)k1=0.4，k2=0.6，風電出力的總時間尺度T=60 min，新投入線路充電無功值采用標幺值計算(基準值為100 Mvar)。測試采用GAMS建模求解，MILP求解器設定為CPLEX(設置為4線程)，NLP求解器設為KNITRO。計算機平臺為PC機，配置為Intel(R)Core(TM)i7-7700U CPU，安裝內(nèi)存為8.00GB。

4.1 滿足多場景集的最優(yōu)含環(huán)目標網(wǎng)架

圖4為改進的IEEE-30節(jié)點系統(tǒng)圖，包括30個節(jié)點和41條線路，相關設置如下：機組1為黑啟動機組，同時啟動機組2并網(wǎng)構建初期重構小系統(tǒng)，如圖4中虛線所示。此時，在節(jié)點23、節(jié)點13和節(jié)點9處分別接入三個裝機容量均為150 MW的風電場，相關數(shù)據(jù)參考內(nèi)蒙古某風電場數(shù)據(jù)。

圖4 改進的IEEE-30節(jié)點系統(tǒng)圖Fig.4 Improved IEEE 30-bus test system diagram

圖5為不同置信水平下各風電場出力上下限值的示意圖。顯然，當α為0.05時，各風電場的出力范圍最大，因而包含的場景數(shù)最多，魯棒性更強。當風電場數(shù)為3時，極限場景數(shù)為23個，極限場景為三個風電場出力上下限值的任意組合，則各極限場景的具體出力信息如圖6所示。

圖5 不同置信水平下各風電場出力上下限值示意圖Fig.5 Schematic diagram of upper and lower output limits of various wind farms under different confidence levels

圖6 極限場景中風電出力相關信息圖Fig.6 Information graph of the wind power in extreme scenarios

為提高模型求解速度，先利用計及直流潮流約束的含環(huán)目標網(wǎng)架優(yōu)化模型求得目標網(wǎng)架，再對該網(wǎng)架校核交流潮流約束，所得最優(yōu)含環(huán)目標網(wǎng)架如圖7實線所示。經(jīng)分析可知，該目標網(wǎng)架能夠滿足多種約束且適應風電出力的多場景。表1給出了滿足多場景集的含環(huán)網(wǎng)架重構方案、恢復線路和節(jié)點數(shù)、環(huán)網(wǎng)個數(shù)、充電無功以及計算時間，能夠看出該方案含有兩個局部環(huán)網(wǎng)且計算速度較快，證明了本文方案的有效性。

表1 滿足多場景集的含環(huán)目標網(wǎng)架重構方案Tab.1 Reconstruction scheme of loop target network satisfying multi-scenario sets

4.2 分析討論

4.2.1 含環(huán)目標網(wǎng)架與輻射型目標網(wǎng)架對風電出力多場景的適應性比較

本文求得的含環(huán)目標網(wǎng)架(見圖7)具有較高的運行安全性，能夠滿足風電出力多場景的要求，從而可以在風電出力波動的情形下保證系統(tǒng)恢復的順利進行。然而，輻射型的目標網(wǎng)架結構較為薄弱，因而抵抗風電出力波動的能力也較弱，無法滿足風電出力多場景的運行要求。

圖7 最優(yōu)含環(huán)目標網(wǎng)架重構示意圖Fig.7 Optimal loop target network reconstruction diagram

為了檢驗輻射型網(wǎng)架滿足風電出力多場景要求的可行性，本文通過將合環(huán)操作數(shù)設置為0對以上算例進行優(yōu)化求解，以期獲得滿足風電出力多場景要求的輻射型目標網(wǎng)架，但求解過程不收斂，無法獲得可行解。因此，本文逐個求取了8個極限場景下的最優(yōu)輻射型目標網(wǎng)架，結果見表2。經(jīng)求解可知，每個極限場景的計算時間為0.6-0.8秒左右，求解速度較快，這里不再單獨列寫計算時間。

為了檢驗各單一極限場景的輻射型目標網(wǎng)架對風電出力多場景集的適應能力，本文把表2中極限場景8的輻射型目標網(wǎng)架作為網(wǎng)架一，把表1中最優(yōu)含環(huán)目標網(wǎng)架作為網(wǎng)架二，通過計算其承載極限場景1至極限場景8的風電出力時各線路的負載率，對其適應風電出力多場景要求的能力進行了對比分析，結果如圖8和圖9所示。

表2 單一極限場景和多場景集的網(wǎng)架重構方案Tab.2 Reconstruction schemes of single extreme scenario and multi-scenario sets

由圖8和圖9可知，網(wǎng)架一僅能安全承載極限場景8的風電出力，其他各極限場景下的風電出力均會引起線路發(fā)生不同程度的潮流越限，威脅系統(tǒng)的安全運行。這表明，輻射型目標網(wǎng)架無法滿足風電出力多場景的要求。然而，網(wǎng)架二在各風電出力場景下均能保證線路負載率低于1，不發(fā)生過載問題。因此，滿足多場景集的含環(huán)目標網(wǎng)架具有更高的安全性，可保證網(wǎng)架重構的順利進行，證明了含環(huán)目標網(wǎng)架構建的必要性。

圖8 各風電出力極限場景下網(wǎng)架一的線路負載率Fig.8 The line load rate of the network I in each wind power output extreme scenario

圖9 各風電出力極限場景下網(wǎng)架二的線路負載率Fig.9 The line load rate of the network II in each wind power output extreme scenario

4.2.2 不同置信水平下風電參與網(wǎng)架重構方案對比

由圖5可知，置信水平的大小和各風電場的出力范圍密切相關，而各風電場的出力范圍決定了風電出力多場景集的大小。為此，對各置信水平下風電參與的網(wǎng)架重構方案進行比較，如表3所示。

由于當前大停電事故常伴隨極端氣象，風電預測精度可能無法得到保證。此外，停電恢復過程耗時較長，而風電預測精度也隨著時間尺度的增大而逐漸降低。因而，有必要選擇能夠包含更多場景的置信水平進行研究。由表3可知，當置信水平α為0.05時，目標網(wǎng)架構建2個局部環(huán)網(wǎng)，這是為了應對風電出力的更多場景。同時，該置信水平下的重構方案計算時間最長，說明該置信水平下的情況最為復雜。因而，本文設置置信水平為0.05，即在最惡劣情況下的網(wǎng)架重構一旦能夠順利完成，則其他情況下的網(wǎng)架重構均能得到保障。

表3 不同置信水平下風電參與的網(wǎng)架重構方案對比Tab.3 Network reconstruction schemes comparison of wind power under different confident levels

5 結 論

本文提出了一種風電參與系統(tǒng)恢復的含環(huán)目標網(wǎng)架優(yōu)化方法，以支路投切為決策變量，通過合環(huán)操作構建環(huán)網(wǎng)有效應對風電出力的多場景，同時提升已恢復網(wǎng)架的功率承載能力。此外，為提高模型求解效率，以分層迭代求解的方式求解模型，通過先優(yōu)化后校核的方法保證目標網(wǎng)架的合理性。

算例結果表明，含環(huán)目標網(wǎng)架較輻射型目標網(wǎng)架而言，適應風電出力多場景的能力更強，不易發(fā)生潮流越限情況。因而，該目標網(wǎng)架具有更高的安全性，說明了環(huán)網(wǎng)構建的必要性，也驗證了本文所提含環(huán)網(wǎng)架優(yōu)化方法的有效性。該方法可為調(diào)度人員應對系統(tǒng)恢復中的不確定因素提供參考，以保證網(wǎng)架重構的順利進行。下一步，將重點研究滿足系統(tǒng)安全約束下的最大風電接入量問題，將其作為重要因素包含到所建模型中，探索相應的高效求解方法，并將其應用到實際電力系統(tǒng)中。