10.5 Разделение на
подсистемы
и разделение уравнений 477
Разделение уравнений (раздельное решение), связы-
вающих активные мощности и фазы напряжений (Р—6),
реактивные мощности и модули напряжений (Q—U), при-
меняется для повышения эффективности метода Ньютона.
Простейший способ разделения уравнений состоит в том,
d\v
p
aw
0
что все элементы недиагональных подматриц __JL и _—¥
dU до
в методе Ньютона (9.88) принимаются равными нулю.
В этом случае система линейных уравнений, решаемых на
каждом шаге метода Ньютона, разделяется на две систе-
мы уравнений порядка п. Одна из них содержит только
параметры Р—б, другая — только Q—U. Этот вариант ме-
тода Ньютона требует в 4 раза меньшего объема памяти
для матрицы Якоби (в оперативной памяти ЭВМ. хранится
только одна из разделенных систем уравнений). Фактиче-
ски объем памяти будет составлять 35—40%, объем вы-
числений на один шаг на 10 % меньше, чем для метода
Ньютона без использования разделения.
Разработаны способы решения разделенных уравнений
с постоянными матрицами. В этом случае время расчета
на один шаг примерно в 5 раз меньше, чем для метода
Ньютона без разделения, и в 1,5 раза больше, чем для ме-
тода Зейделя. Методы с разделением при практически при-
емлемой точности расчета больших систем требуют от двух
до пяти шагов. Они дают хорошее приближение после од-
ной или двух итераций. Конечно, их сходимость не быстрее,
чем для метода Ньютона без разделения уравнений. При
расчете близких к предельным режимов метод Ньютона
с разделением может расходиться в тех случаях, когда ме-
тод без разделения сходится. Таким образом, разделение
может уменьшить надежность сходимости [19].
Матричные и топологические методы расчета устано-
вившихся режимов электрических систем. Матричными
иногда называют такие методы расчета, когда используют-
ся операции с матрицами (сложение, умножение, обраще-
ние и др.). При этом фактически предполагается использо-
вание стандартных подпрограмм ЭВМ, реализующих опе-
рации с матрицами. При расчете сложных электрических
систем такие матричные методы не эффективны как с точки
зрения требуемой памяти, так и с точки зрения времени
расчетов на ЭВМ. Одна из основных причин — заполнен-
ность обратных матриц (например, матрицы собственных