1.基于混合抽样与最小切负荷计算的可靠性计算方法，其特征是，包括以下过程：
提取数据，用以提取初始负荷、潮流分布、线路容量、发电机容量和线路利用率评价指标；
对数据进行分析计算，用以对发输电系统的元件状态进行采样，求解最小切负荷，并分析计算电力系统各可靠性指标；
输出发输电系统可靠性评价，用以输出发输电系统的可靠性评估结果。
2.根据权利要求1所述的基于混合抽样与最小切负荷计算的可靠性计算方法，其特征是，在对数据进行分析计算过程中，通过蒙特卡罗模拟法进行可靠性指标计算，所述对数据进行分析计算的过程包括以下步骤：
系统状态建模步骤，通过对发输电系统中发输电元件与特高压元件分别进行状态建模来进行发输电系统的状态解析；
系统状态采样步骤，利用离散拉丁超立方抽样与重要抽样相结合的混合抽样方法，从减小样本方差与提高样本均匀性两个方面来提高蒙特卡罗模拟的收敛性；
网络拓扑分析步骤，对发输电系统进行网络拓扑分析，得到逻辑母线、逻辑母线和设备之间的对应关系、以及设备间的关联关系；
系统过负荷校正步骤，采用线性规划与灵敏度分析相结合的方式求解最小切负荷，发挥线性规划严格与灵敏度分析启发式的优势，快速准确进行系统过负荷校正；
系统可靠性指标计算步骤，分析计算出发输电系统的各个可靠性指标。
3.根据权利要求2所述的基于混合抽样与最小切负荷计算的可靠性计算方法，其特征是，在发输电系统的状态解析中，把发电机与输变电设备都作为只有停运和运行两种状态的设备，通过计算机产生[0,1]区间内服从均匀分布随机数的方式进行采样，把随机数与设备故障率进行比较得到该设备状态的解析判断；
发输电元件的状态解析可通过下式来表示：

式中：ηi为发输电元件i的解析状态；fi表示其强迫停运率；x是服从[0，1]均匀分布的随机数；
发电机与发输变电设备状态采样完成后，每个发电机节点与输变电设备都需要进行故障检测判断，如果没有故障，元件处于正常状态，标记为1；否则，标记为0；
特高压交流输变电设备可靠性模型与输变电设备相似，也采用两状态模型；
特高压直流输电系统，将其向电网的注入功率等效为多状态电源，在蒙特卡罗模拟法中把它等效为一个多状态元件参与抽样；
直流输电系统降额运行注入功率：
y＝rand·(P-P)+P
式中：y代表降额运行功率，rand函数表示[0,1]上均匀分布的随机数；P为注入功率额定值；P为降额运行功率下限。
4.根据权利要求2所述的基于混合抽样与最小切负荷计算的可靠性计算方法，其特征是，所述的混合抽样方法包括以下步骤：
a)利用重要抽样方法构造离散分布随机变量的重要分布函数；
b)利用离散拉丁超立方抽样方法把重要分布函数形成离散拉丁超立方样本矩阵X，并得到矩阵X的相关控制矩阵S；
c)分别计算矩阵X的相关系数矩阵ρX和矩阵S X的相关系数矩阵ρS，并通过Cholesky分解得到下三角矩阵P和下三角矩阵Q；
d)通过修正矩阵G对相关控制矩阵S中各列元素在该列的位置重新排列；
e)根据更新后的矩阵S对原始样本矩阵X中各列元素的位置进行重排列得到最终的样*
本矩阵X；
f)根据样本矩阵X*每一列元素对系统进行充裕性评估；
g)利用重要抽样函数计算原样本空间状态的期望值；
所述离散拉丁超立方抽样方法包括以下过程：
样本生成过程，在含有m个离散分布随机变量的系统中，对于给定的样本容量n，随机变量xi取值为xi，j的数量同该随机变量取值为xi，j的概率成正比：
Num(xi＝xi，j)＝n×P(xi＝xi，j)
式中：Num(xi＝xi，j)表示随机变量xi取值为xi，j的的样本数量；P(xi＝xi，j)表示相应取值的概率；
所有随机变量样本生成后即可得到n×m阶样本矩阵X，X的行元素表示随机变量，列元素代表该随机变量的抽样值，其中每个随机变量只记录取某一离散抽样值的数量，并对离散抽样值按从小到大顺序进行排列；
计算样本矩阵X的相关系数矩阵ρX，并对ρX进行Cholesky分解，得到下三角矩阵L，其中ρX为对称正定矩阵：
ρX＝LLT；
相关性控制过程，首先形成n×m阶相关控制矩阵S，相关控制矩阵S与样本矩阵X同维，但不相关；相关控制矩阵S每列中的元素是n个Van Der Waerden正态记分Φ-1(i/n+1)的随机排列，其中Φ-1代表标准正态分布的反函数，i＝1，…，n；
同样计算相关控制矩阵S的相关系数矩阵ρS，并对其进行Cholesky分解得到下三角矩阵Q，进而得到m×m阶修正矩阵G：
G＝LQ-1
通过修正矩阵G对相关控制矩阵S进行修正，得到修正后的相关控制矩阵S*：
S*＝S(Q-1)TLT
式中：S(Q-1)T的相关系数矩阵是单位阵，修正后的相关控制矩阵S*中各个变量的相关系数小于原矩阵S中各变量的相关系数；
*
根据修正后的相关控制矩阵S中各列元素的位置，按相同排列规则对样本矩阵X中元素位置进行相对应的重新排列，得到新样本矩阵X*；新样本矩阵X*的相关系数矩阵为 且与 之间的差距较小，即二者虽不相等但具有一致性，通过较小的 可以得到较小的因此确定新样本矩阵X*的相关系数也较小；
所述重要抽样方法是在不改变原有样本期望值的前提下，通过改变已有样本空间的概*
率分布来减小其方差，以达到缩短计算时间的目的；概率分布更新后的分布函数P(X)被叫作重要分布函数；重要分布函数的表达形式如下：

式中：fi为元件i的强迫停运率；k表示突出“重要事件”的重要乘子；xi为元件i的状态取值。
5.根据权利要求2所述的基于混合抽样与最小切负荷计算的可靠性计算方法，其特征是，在系统过负荷校正过程中，采用线性规划与灵敏度分析相结合的方式求解最小切负荷，并采用直流潮流模型进行系统过负荷校正；
假设系统中支路数为b，节点数为n，通过网络与支路直流潮流模型，得到节点注入功率与支路潮流之间的灵敏度关系：
ΔL＝SΔP
S′＝BlAB-1
式中：ΔL是一个b×l维向量，表示支路有功潮流变化量；ΔP是一个n×l维向量，表示节点(包括平衡节点)注入有功功率变化量；Bl是一个b×b阶对角矩阵，由支路导纳组成；B是一个(n-1)×(n-1)阶方阵，其组成元素为节点导纳矩阵的虚部；A代表系统网络结构的支路—节点关联矩阵；
灵敏度矩阵中元素S′k，i的含义为某条线路k对某节点i的灵敏度系数；
灵敏度矩阵S′是一个以平衡节点为参考点的b×(n-1)阶矩阵，并不包括平衡节点，将其扩展成b×n阶的新灵敏度矩阵S，扩展灵敏度矩阵S在灵敏度矩阵S′的基础上，与平衡节点对应列元素都赋值0；
将线性规划法与灵敏度分析法相结合，建立如下线性规划模型：
目标函数：

约束条件：



0≤ri≤Pdi，i＝1，2，…，ND
式中：ND与NG分别是负荷与发电机节点数；r＝(r1，r2，…，ri，…，rND)T是节点的削负荷量； 分别是发电机最小、最大出力向量；P1是支路潮流向量；P1max是支路功率极限值向量；SF就是灵敏度矩阵S中的元素；
运用此线性规划模型，可以通过减小控制变量和支路容量约束条件的数量减小问题的规模。
6.基于混合抽样与最小切负荷计算的可靠性计算平台，其特征是，包括：
数据提取模块，用以从数据库中提取初始负荷、潮流分布、线路容量、发电机容量和线路利用率评价指标数据；
数据分析计算模块，用以对发输电系统的元件状态进行采样，求解最小切负荷，并分析计算电力系统各可靠性指标；
发输电系统可靠性评价输出模块，用以输出发输电系统的可靠性评估结果。
7.根据权利要求6所述的基于混合抽样与最小切负荷计算的可靠性计算平台，其特征是，所述数据库包括网架接线模式数据库和电力设备数据库；所述数据提取模块包括初始负荷提取子模块、潮流分布提取子模块、线路容量提取子模块、发电机容量提取子模块和线路利用率评价指标提取子模块，所述的初始负荷提取子模块、潮流分布提取子模块、线路容量提取子模块、发电机容量提取子模块和线路利用率评价指标提取子模块分别数据库中提取初始负荷、潮流分布、线路容量、发电机容量和线路利用率评价指标数据，并发送给数据分析计算模块。
8.根据权利要求6所述的基于混合抽样与最小切负荷计算的可靠性计算平台，其特征是，所述数据分析计算模块包括：
系统状态建模子模块，用以通过对发输电系统中发输电元件与特高压元件分别进行状态建模来进行发输电系统的状态解析；
系统状态采样子模块，用以利用离散拉丁超立方抽样与重要抽样相结合的混合抽样方法，从减小样本方差与提高样本均匀性两个方面来提高蒙特卡罗模拟的收敛性；
网络拓扑分析子模块，用以对发输电系统进行网络拓扑分析，得到逻辑母线、逻辑母线和设备之间的对应关系、以及设备间的关联关系；
系统过负荷校正子模块，用以采用线性规划与灵敏度分析相结合的方式求解最小切负荷，发挥线性规划严格与灵敏度分析启发式的优势，快速准确进行系统过负荷校正；
系统可靠性指标计算子模块，用以分析计算出发输电系统的各个可靠性指标。
9.根据权利要求8所述的基于混合抽样与最小切负荷计算的可靠性计算平台，其特征是，
所述系统状态建模子模块在对发输电系统的状态解析中，把发电机与输变电设备都作为只有停运和运行的两种状态设备，通过计算机产生[0,1]区间内服从均匀分布随机数的方式进行采样，把随机数与设备故障率进行比较得到该设备状态的解析判断；
发输电元件的状态解析可通过下式来表示：

式中：ηi为发输电元件i的解析状态；fi表示其强迫停运率；x是服从[0，1]均匀分布的随机数；
发电机与发输变电设备状态采样完成后，每个发电机节点与输变电设备都需要进行故障检测判断，如果没有故障，元件处于正常状态，标记为1；否则，标记为0；
特高压交流输变电设备可靠性模型与输变电设备相似，也采用两状态模型；
特高压直流输电系统，将其向电网的注入功率等效为多状态电源，在蒙特卡罗模拟法中把它等效为一个多状态元件参与抽样；
直流输电系统降额运行注入功率：
y＝rand·(P-P)+P
式中：y代表降额运行功率，rand函数表示[0,1]上均匀分布的随机数；P为注入功率额定值；P为降额运行功率下限；
所述系统状态采样子模块包括离散拉丁超立方抽样模块、重要抽样模块和混合抽样模块；
所述离散拉丁超立方抽样模块包括样本生成模块和相关性控制模块，所述样本生成模块在含有m个离散分布随机变量的系统中，首先对于给定的样本容量n，随机变量xi取值为xi，j的数量同该随机变量取值为xi，j的概率成正比：Num(xi＝xi，j)＝n×P(xi＝xi，j)，式中：
Num(xi＝xi，j)表示随机变量xi取值为xi，j的的样本数量；P(xi＝xi，j)表示相应取值的概率；
然后再对所有随机变量样本生成的离散抽样值按从小到大顺序进行排列；最后计算样本矩阵X的相关系数矩阵ρX，并对ρX进行Cholesky分解，得到下三角矩阵L，其中ρX为对称正定矩T
阵：ρX＝LL；
所述相关性控制模块用以首先形成n×m阶相关控制矩阵S，相关控制矩阵S与样本矩阵X同维，但不相关；相关控制矩阵S每列中的元素是n个Van Der Waerden正态记分Φ-1(i/n+
1)的随机排列，其中Φ-1代表标准正态分布的反函数，i＝1，…，n；同样计算相关控制矩阵S的相关系数矩阵ρS，并对其进行Cholesky分解得到下三角矩阵Q，进而得到m×m阶修正矩阵G：G＝LQ-1；通过修正矩阵G对相关控制矩阵S进行修正，得到修正后的相关控制矩阵S*：S*＝S(Q-1)TLT，式中：S(Q-1)T的相关系数矩阵是单位阵，修正后的相关控制矩阵S*中各个变量的相关系数小于原矩阵S中各变量的相关系数；根据修正后的相关控制矩阵S*中各列元素的位置，按相同排列规则对样本矩阵X中元素位置进行相对应的重新排列，得到新样本矩阵X*；新样本矩阵X*的相关系数矩阵为 且 与 之间的差距较小，即二者虽不相等但具有一致性，通过较小的 可以得到较小的 因此确定新样本矩阵X*的相关系数也较小；
所述重要抽样模块用以在不改变原有样本期望值的前提下，通过改变已有样本空间的概率分布来减小其方差，以达到缩短计算时间的目的；概率分布更新后的分布函数P*(X)被叫作重要分布函数；重要分布函数的表达形式如下：

式中：fi为元件i的强迫停运率；k表示突出“重要事件”的重要乘子；xi为元件i的状态取值；
所述混合抽样模块用以对系统状态进行采样的过程如下：
a)利用重要抽样方法构造离散分布随机变量的重要分布函数；
b)利用离散拉丁超立方抽样方法把重要分布函数形成离散拉丁超立方样本矩阵X，并得到矩阵X的相关控制矩阵S；
c)分别计算矩阵X的相关系数矩阵ρX和矩阵S X的相关系数矩阵ρS，并通过Cholesky分解得到下三角矩阵P和下三角矩阵Q；
d)通过修正矩阵G对相关控制矩阵S中各列元素在该列的位置重新排列；
e)根据更新后的矩阵S对原始样本矩阵X中各列元素的位置进行重排列得到最终的样本矩阵X*；
f)根据样本矩阵X*每一列元素对系统进行充裕性评估；
g)利用重要抽样函数计算原样本空间状态的期望值；
所述系统过负荷校正子模块在进行系统过负荷校正过程中，采用线性规划与灵敏度分析相结合的方式求解最小切负荷，并采用直流潮流模型进行系统过负荷校正；
假设系统中支路数为b，节点数为n，通过网络与支路直流潮流模型，得到节点注入功率与支路潮流之间的灵敏度关系：
ΔL＝SΔP
-1
S′＝BlAB
式中：ΔL是一个b×l维向量，表示支路有功潮流变化量；ΔP是一个n×l维向量，表示节点(包括平衡节点)注入有功功率变化量；Bl是一个b×b阶对角矩阵，由支路导纳组成；B是一个(n-1)×(n-1)阶方阵，其组成元素为节点导纳矩阵的虚部；A代表系统网络结构的支路—节点关联矩阵；
灵敏度矩阵中元素S′k，i的含义为某条线路k对某节点i的灵敏度系数；
灵敏度矩阵S′是一个以平衡节点为参考点的b×(n-1)阶矩阵，并不包括平衡节点，将其扩展成b×n阶的新灵敏度矩阵S，扩展灵敏度矩阵S在灵敏度矩阵S′的基础上，与平衡节点对应列元素都赋值0；
将线性规划法与灵敏度分析法相结合，建立如下线性规划模型：
目标函数：

约束条件：



0≤ri≤Pdi，i＝1，2，…，ND
式中：ND与NG分别是负荷与发电机节点数；r＝(r1，r2，…，ri，…，rND)T是节点的削负荷量； 分别是发电机最小、最大出力向量；P1是支路潮流向量；P1max是支路功率极限值向量；SF就是灵敏度矩阵S中的元素；
运用此线性规划模型，可以通过减小控制变量和支路容量约束条件的数量减小问题的规模。
10.根据权利要求6所述的基于混合抽样与最小切负荷计算的可靠性计算平台，其特征是，所述发输电系统可靠性评价输出模块通过分析计算负荷削减概率、切负荷持续时间、电力不足期望值、电量不足期望值、电量不足期望占该系统峰值负荷量的比率和系统严重性指标来对发输电系统可靠性进行评估。