"基于电力系统自组织临界性的随机期望值控制"
这篇研究论文探讨了如何利用自组织临界性（Self-Organized Criticality, SOC）理论来优化电力系统的稳定性，以防止大停电事故的发生。电力系统作为一个复杂的网络，其故障模式往往表现出幂律分布的特征，这与自组织临界系统的行为相吻合。通过对我国大停电事故数据的分析，研究发现，故障序列经过归一化处理后呈现平稳的随机过程。
论文首先引入随机因素到电力系统的状态方程中，构建了一个包含随机过程的状态方程模型。通过理论证明，存在一种控制策略，可以降低这些随机过程的数学期望值，从而降低大停电的可能性。为了实现这一目标，研究者提出了一个针对停电幂律过程的控制策略，并利用专家系统设计了相应的控制规则。
为了验证控制措施的有效性，论文采用了沙堆模型来模拟电力系统的连锁故障。沙堆模型常被用来研究自组织临界现象。研究者通过沙堆模型验证了雪崩规模与频率之间的幂律关系，并实施了三种控制规则：小棍机制、减少故障传递和主动解列。结果显示，这些控制规则能有效改变幂律分布的斜率，使得大型事故的概率降低，证实了控制规则在抑制大停电事故中的重要作用。
此外，论文还建立了基于OPA模型的连锁故障直流潮流模型，进一步验证了故障规模与频率的幂律关系，并提出了具体的控制措施——递切控制。在直流潮流模型中应用递切控制后，长期观测下的故障序列期望值确实下降，表明这种方法有助于减少大规模故障的发生。
为了量化电力系统的停电风险，论文提出了区域均衡性指标。这个指标不仅可以评估系统的停电风险，还可以作为实施均衡性控制的目标。通过优化区域均衡性，可以更有效地预防和控制大停电事件。
这篇论文通过理论分析和模拟实验，为理解和控制电力系统的复杂行为提供了新的视角和方法，特别是针对大停电事故的预防，为电力系统的稳定运行和规划提供了有价值的参考。
