CN104156892A - 一种有源配电网电压跌落仿真与评估方法 - Google Patents

Abstract

本发明提供了一种有源配电网电压跌落仿真与评估方法，包括步骤1：用现有配电网分析软件搭建模型，计算网络潮流；步骤2：由两点法抽样产生配电网故障数据和分布式电源容量数据，确定仿真方案；步骤3：进行仿真计算，计算每个节点电压跌落的期望、方差、三阶中心矩、概率密度函数f(ξ)和SARFI_x指数；步骤4：通过Monte Carlo法计算各节点电压跌落幅值的概率密度函数f(ξ)_MC和SARFI'_x指数；步骤5：将f(ξ)与f(ξ)_MC、SARFI_x指数与SARFI'_x指数分别进行比较，若不满足比较要求，则返回步骤2。与现有技术相比，本发明提供的有源配电网电压跌落仿真与评估方法，综合考虑了配电网中各种短路故障，能够适应各种接线模式的配电网络，计算效率高。

Description

一种有源配电网电压跌落仿真与评估方法

技术领域

本发明涉及一种电压跌落仿真与评估方法，具体涉及一种有源配电网电压跌落仿真与评估方法。

背景技术

电压跌落(Voltage Sag)也称电压暂降或电压骤降，是指供电电压均方根值在短时间内突然下降到额定电压幅值的90％-10％的事件，其典型持续事件为0.5-30周波。电压跌落作为影响用电设备正常安全运行和工业用户正常生产的最主要的电能质量问题，其危害主要包括：

①：影响居民工作、生活的正常用电；

②：电压跌落的影响面广对工业用户造成巨大的经济损失；

③：造成人员伤亡和设备损坏。

随着智能配电网的发展，越来越多的分布式电源(Distribution Generator，DG)接入配电网。当分布式电源接入配电网时会改变配电网的运行状态，使配电网由一个无源网络变为有源网络，将会对配电网相关的电能质量、供电可靠性、安全性、经济性等方面会产生影响。同时越来越多的敏感电力设备接入配电网，电压跌落已成为有源配电网亟待解决的电能质量问题。

电压跌落的评估方法包括实测统计法和随机预估法。实测统计法所需周期长、耗费资金多，而且通过电能质量检测仪来获得的信息具有很大的局限性，因而实测统计法在其研究的时间段内得到的指标可信度不高。随机预估法是将故障出现作为随机概率事件来考虑，通过对已有的故障统计建立系统模型，从理论上计算由于故障而导致的电压跌落，从而有效地检测电压跌落，方便采取有效的抑制电压跌落的措施，从而提高电力系统的可靠性。

随机预估法包括故障点法、临界距离法和蒙特卡洛法。故障点法仅利用几个选定点的特定故障来仿真整个电力系统的特性，而故障是一个随机过程，可能发生在系统的任意处，因此利用几个选定点的特定故障不能仿真整个电力系统潮流特性。临界距离法适用于辐射型网络，不适用于具有网格状供电模式的有源配电网。蒙特卡络法的采样次数与系统的规模无关，并且系统的复杂程度对其影响不大，但是蒙特卡洛法具有静态性、计算效率低、耗时长等缺点。

综上，为了克服现有技术存在的上述缺陷，需要提供一种能够有效、快速确定有源配电网的电压跌落点的仿真与评估方法。

发明内容

为了满足现有技术的需要，本发明提供了一种有源配电网电压跌落仿真与评估方法，所述方法包括下述步骤：

步骤1：用配电网分析软件构建有源配电网模型，计算有源配电网的各节点电压值；

步骤2：用两点估计法抽样获取配电网故障数据和分布式电源容量数据，确定仿真方案；

步骤3：仿真所述仿真模型，计算有源配电网各节点电压跌落幅值的期望值、方差、三阶中心矩、概率密度函数f(ξ)和评估指标SARFI_x指数；

步骤4：通过Monte Carlo法计算有源配电网各节点电压跌落幅值的概率密度函数f(ξ)_MC和评估指标SARFI'_x指数；

步骤5：比较所述概率密度函数f(ξ)与所述概率密度函数f(ξ)_MC，和比较所述SARFI_x指数与SARFI'_x指数，若不满足比较要求，则返回步骤2重新获取所述仿真方案。

优选的，所述步骤2中确定所述仿真方案包括：

步骤2-1：依据所述配电网故障数据和分布式电源容量数据，确定有源配电网的随机变量X_i；并依据每个随机变量X_i的概率密度函数计算每个随机变量X_i的均值μ_i；所述i＝1,2,...,n，n为随机变量矩阵X的维数；

步骤2-2：在一个随机变量X_i的均值μ_i两侧分别确定一个取值点，将两个所述取值点的值x_i,k作为仿真方案第i个估计点的值，其他所述随机变量的值设为每个随机变量对应的均值μ_i，k＝1,2；

所述估计点x_i,k的位置系数为 ${\mathrm{\ξ}}_{i,k}=\frac{{\mathrm{\λ}}_{i,k}+{(-1)}^{3-k}\sqrt{4n+{\left({\mathrm{\λ}}_{i,k}\right)}^2}}{2};$

所述估计点x_i,k的权重系数为 ${\mathrm{\ω}}_{i,k}=\frac{{(-1)}^{3-k}{\mathrm{\ξ}}_{i,3-k}^j}{n({\mathrm{\ξ}}_{i,2}-{\mathrm{\ξ}}_{i,1})}=-\frac{{(-1)}^{3-k}{\mathrm{\ξ}}_{i,3-k}^k}{n\sqrt{4n+{\left({\mathrm{\λ}}_{i,3}\right)}^2}};$

其中，所述λ_i,k为随机变量X_i标准化后的k阶中心矩，所述λ_i,k＝E[(X_i-μ_i)^k]/(σ_i)^k；

优选的，所述随机变量X_i包括线路故障率、故障位置、故障类型、故障持续时间、故障阻抗、风力发电机组容量和光伏发电系统容量；所述仿真方案的数目为2×n；

优选的，所述步骤3中用两点估计法计算各节点电压跌落幅值的期望值和方差值，包括：

步骤3-1：构建基于随机变量X的各节点电压跌落幅值的非线性函数Y＝h(X)；

步骤3-2：将所述步骤2中得到的估计点权重系数ω_i,k的集合替换所述非线性函数Y的联合概率密度；所述估计点权重系数ω_i,k的限制条件为

步骤3-3：计算所述各节点电压跌落幅值为h(μ₁,μ₂,...,x_i,k,μ_n)；

步骤3-4：通过所述估计点权重系数ω_i,k的集合和所述h(μ₁,μ₂,...,x_i,k,μ_n)得到：

所述期望值为 $E\left(Y\right)\≅\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{k=1}{\overset{2}{\mathrm{\Σ}}}{\mathrm{\ω}}_{i,k}\×h({\mathrm{\μ}}_1,{\mathrm{\μ}}_2,...,x_{i,k},{\mathrm{\μ}}_n);$

所述方差值为σ²＝E(Y²)-[E(Y)]²；

优选的，所述步骤3中采用Cornish-Fisher级数对所述有源配电网的各节点电压跌落幅值的各阶中心矩和各阶半不变量χ_i进行展开，获取所述各节点电压跌落幅值的概率密度函数f(ξ)为：

其中，为标准正态分布的概率密度函数；

优选的，所述步骤3中SARFI_x指数包括SARFI_90％、SARFI_80％、SARFI_70％和SARFI_50％；

优选的，所述步骤5中若比较后的误差值大于误差阈值，则修改所述电网故障数据或分布式电源容量数据，从而获得新的仿真方案。

与最接近的现有技术相比，本发明的优异效果是：

1、本发明提供的一种有源配电网电压跌落仿真与评估方法，综合考虑了配电网中各种短路故障对电压跌落的影响，评估结果能够较真实地反映配电网实际运行过程中电压跌落情况；

2、本发明提供的一种有源配电网电压跌落仿真与评估方法，不仅仅适用于辐射型配电网，还能够适用于环网、网格状等接线模式的配电网；

3、本发明提供的一种有源配电网电压跌落仿真与评估方法，能够适用于含高渗透率分布式电源接入的配电网，满足我国智能电网发展需要；

4、本发明提供的一种有源配电网电压跌落仿真与评估方法，利用两点法将随机概率问题转化为多个确定性问题，大大减少仿真次数，计算效率明显提高；

5、本发明提供的一种有源配电网电压跌落仿真与评估方法，其结果对于电力部门和用户在规划、运行阶段进行成本/效益的定量投资分析、方案比较以及采取减轻电能质量危害的措施是十分必要的科学依据。

附图说明

下面结合附图对本发明进一步说明。

图1是：本发明实施例中一种有源配电网电压跌落仿真与评估方法流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明提供的一种有源配电网电压跌落仿真与评估方法利用两点法将随机概率问题转化为多个确定性问题，在已有配电网分析软件中搭建模型，进行有源配电网的电压跌落仿真，统计分析仿真结果，计算电压跌落的统计量特征，分析电网中的薄弱环节，基于Cornish-Fisher级数建立各节点的电压跌落概率密度函数，统计电压跌落指标，实现对有源配电网的电压跌落仿真与评估，为采取抑制电压跌落的措施提供参考，提高配电网的供电可靠性。如图1所示本实施例中有源配电网电压跌落仿真与评估方法的具体步骤为：

1、用现有的配电网分析软件构建有源配电网模型，计算有源配电网的各节点电压值；本实施例中的配电网分析软件包括电力系统仿真软件DIgSLIENT，电力系统分析软件Cymedist等。

2、采用统计模拟法获取电网的原始故障数据和原始分布式电源容量数据后，用两点估计法抽样获取配电网故障数据和分布式电源容量数据，得到仿真方案；本实施例中所述统计模拟法为蒙特卡洛法；包括：

(1)确定随机变量X；

①：电网故障数据包括线路故障率、故障位置、故障类型、故障持续时间和故障阻抗；

线路故障率服从[0，1]均匀分布，每条线路发生故障的次数与线路故障率成正比；

故障位置服从[0，1]的均匀分布，即线路上各点发生故障的概率相同；

故障类型包括但不限于单相接地短路故障、两相接地短路故障、两相相间短路故障和三相接地短路故障；故障类型服从[0，1]均匀分布，每条线路发生故障的类型与其故障类型发生概率成正比；

故障持续时间服从期望为0.06s，标准差为0.01s的正态分布；

故障阻抗服从期望为5Ω，标准差为1Ω的正态分布。

②：分布式电源容量数据包括风力发电机组和光伏发电系统的容量数据；

A、风力发电机组：

本实施例中采用一次曲线模型获取风力发电机组的输出功率与风速的关系曲线即风电机组的标准功率特性曲线，风机输出功率与风速的关系如下：

$p=\left\{\begin{array}{cc}0,& v<v_{\mathrm{ci}},v>v_{\mathrm{co}}\\ a+\mathrm{bv},& v_{\mathrm{ci}}<v<v_r\\ p_r,& v_r<v<v_{\mathrm{co}}\end{array}\right.---\left(1\right)$

其中： 均为常数；v_r、p_r是风轮机的额定风速和额定功率；v_ci，v_co是风轮机的切入和切出风速。

风电机组台数为N_wtg时，风电机组输出功率为：

P_ω＝P_windN_wtg    (2)

其中，所述P_wind为单台风电机组的输出功率。

风速概率分布一般采用两参数Weibull分布的概率密度函数：

$f\left(v\right)=\frac{K}{C}{\left(\frac{v}{C}\right)}^{K-1}{e}^{-{\left(\frac{v}{C}\right)}^K}---\left(3\right)$

其中，k为形状参数，反映的是风速分布的特点；c为尺度参数，反映的是该地区平均风速的大小。

当v_ci＜p_w＜v_r时，风电机组输出概率密度函数：

$f\left(P_{\mathrm{\&omega;}}\right)=\frac{K}{N_{\mathrm{wtg}}}{\left(\frac{\frac{P_{\mathrm{\&omega;}}}{N_{\mathrm{wtg}}}-a}{\mathrm{bC}}\right)}^{K-1}\exp [-{\left(\frac{\frac{P_{\mathrm{\&omega;}}}{N_{\mathrm{wtg}}}-a}{\mathrm{bC}}\right)}^K]---\left(4\right)$

B、光伏发电系统：

太阳能光伏发电系统主要由太阳能电池方阵、控制器和逆变器组成；太阳能电池方阵的输出功率为：

P_solar＝rAη       (6)

其中，r为辐射度，单位为W/m²； 分别为太阳能方阵的总面积和光电转换效率，M为太阳能电池方阵的电池组件数，A_m和η_m分别为单个电池组件的面积和光电转换效率；

太阳光照辐照度r在一定时间段内可以近似为Beta分布，其概率密度函数为：

$f\left(r\right)=\frac{\mathrm{\&Gamma;}(\mathrm{\&alpha;}+\mathrm{\&beta;})}{\mathrm{\&Gamma;}\left(\mathrm{\&alpha;}\right)\mathrm{\&Gamma;}\left(\mathrm{\&beta;}\right)}{\left(\frac{r}{r_{\max }}\right)}^{\mathrm{\&alpha;}-1}{(1-\frac{r}{r_{\max }})}^{\mathrm{\&beta;}-1}---\left(7\right)$

其中，r_max为最大辐射度，α、β为Beta分布形状参数；

由式(7)可得P_solar的概率密度函数：

$f\left(P_{\mathrm{solar}}\right)=\frac{\mathrm{\&Gamma;}(\mathrm{\&alpha;}+\mathrm{\&beta;})}{R_{\mathrm{solar}}\mathrm{\&Gamma;}\left(\mathrm{\&alpha;}\right)\mathrm{\&Gamma;}\left(\mathrm{\&beta;}\right)}{\left(\frac{P_{\mathrm{solar}}}{R_{\mathrm{solar}}}\right)}^{\mathrm{\&alpha;}-1}{(1-\frac{P_{\mathrm{solar}}}{R_{\mathrm{solar}}})}^{\mathrm{\&beta;}-1}---\left(8\right)$

其中，R_solar＝r_maxAη为太阳能电池方阵最大输出功率；光伏发电系统一般只向电网提供有功功率，其无功功率可以不予考虑。

(2)采用两点估计法确定仿真方案；

①：依据配电网故障数据和分布式电源容量数据，确定有源配电网的随机变量X；本实施例中随机变量X包括线路故障率、故障位置、故障类型、故障持续时间、故障阻抗和风力发电机组的容量和光伏发电系统的容量；依据每个随机变量X_i的概率密度函数，计算随机变量的均值μ_i，i＝1,2,3,4,5,6,7，随机变量矩阵X的维数n＝7；因此仿真方案的数目为2×n，即(x_1,1,μ₂,μ₃,…,μ_n)、(x_1,2,μ₂,μ₃,…,μ_n)、(μ₁,x_2,1,μ₃,…,μ_n)、(μ₁,x_2,2,μ₃,…,μ_n)、…、(μ₁,μ₂,…,x_n,1)、(μ₁,μ₂,…,x_n,2)。

在一个故障变量X_i的均值μ_i的两侧分别确定一个取值点，将两个取值点的值x_i,k作为仿真方案中第i个估计点的值，其他随机变量的值设为每个随机变量对应的均值μ_i，k＝1,2；

估计点x_i,k的位置系数为 ${\mathrm{\&xi;}}_{i,k}=\frac{{\mathrm{\&lambda;}}_{i,k}+{(-1)}^{3-k}\sqrt{4n+{\left({\mathrm{\&lambda;}}_{i,k}\right)}^2}}{2};$

估计点x_i,k的权重系数为 ${\mathrm{\&omega;}}_{i,k}=\frac{{(-1)}^{3-k}{\mathrm{\&xi;}}_{i,3-k}^j}{n({\mathrm{\&xi;}}_{i,2}-{\mathrm{\&xi;}}_{i,1})}=-\frac{{(-1)}^{3-k}{\mathrm{\&xi;}}_{i,3-k}^k}{n\sqrt{4n+{\left({\mathrm{\&lambda;}}_{i,3}\right)}^2}};$

其中，λ_i,k为随机变量X_i标准化后的k阶中心距；

估计点x_i,k可以由均值μ_i和标准差σ_i来表示为：

x_i,k＝μ_i+ζ_i,kσ_i     (9)

另，随机变量X_i标准化后的第j阶中心距的计算公式为：

λ_ij＝E[(X_i-μ_i)^j]/(σ_i)^j      (10)

式(10)中j＝1,2,...,2m-1，本实施例中采用两点估计法则j＝3；权重系数ω_i,k和位置系数ξ_i,k的限定条件为：

$\left\{\begin{array}{c}\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{i,k}{\left({\mathrm{\&xi;}}_{i,k}\right)}^j={\mathrm{\&lambda;}}_{\mathrm{ij}}\\ \underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{i,k}=\frac{1}{n}\end{array}\right..$

3、用配电网分析软件对步骤2中确定的仿真方案进行仿真，用两点估计法计算有源配电网各节点电压跌落幅值的期望值、方差值和中心矩；

(1)构建基于随机变量X的各节点电压跌落幅值的非线性函数Y＝h(X)；h为该非线性函数的表达式；本实施例中采用两点估计法，即通过匹配函数h(X)的前几阶矩，从而用m＝2个概率集合来代替h(X)；当随机变量X为n维随机变量时，点估计法采用m×n个概率集合来取代联合概率密度，也就是说一共采用了m×n个点进行估计，本实施例即采用了2×7个点进行估计。

(2)将所骤2中得到的估计点权重系数ω_i,k的集合替换非线性函数Y的联合概率密度；估计点权重系数ω_i,k的限制条件为

(3)计算各节点电压跌落幅值为h(μ₁,μ₂,...,x_i,k,μ_n)。

(4)通过估计点概率ω_i,k的集合和h(μ₁,μ₂,...,x_i,k,μ_n)得到：

①：期望值为 $E\left(Y\right)\&cong;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{i,k}\&times;h({\mathrm{\&mu;}}_1,{\mathrm{\&mu;}}_2,...,x_{i,k},{\mathrm{\&mu;}}_n);$

另非线性函数Y的各阶矩的期望值为：

$E\left(Y^j\right)\&cong;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{i,k}\&times;{\left[h({\mathrm{\&mu;}}_1,{\mathrm{\&mu;}}_2,...,x_{i,k},{\mathrm{\&mu;}}_n)\right]}^j---\left(11\right)$

②：方差值为：

σ²＝E(Y²)-[E(Y)]²     (12)；

4、计算有源配电网各节点的电压跌落幅值的概率密度函数；

采用Cornish-Fisher级数对有源配电网的各节点电压跌落的各阶中心距和各阶半不变量χ_l进行展开，获取各节点电压跌落幅值的概率密度函数f(ξ)；

①：随机变量X的各阶半不变量χ_l可以由所有不高于自己阶数的各阶原点矩E(X^l)表示：

$\left\{\begin{array}{c}{\mathrm{\&chi;}}_1=E\left(X\right)\\ {\mathrm{\&chi;}}_2=E\left(X^2\right)-{\left[E\left(X\right)\right]}^2\\ {\mathrm{\&chi;}}_3=E\left(X^3\right)-3E\left(X\right)E\left(X^2\right)+2{\left[E\left(X\right)\right]}^3\end{array}\right.---\left(13\right)$

各阶半不变量χ_l与中心矩之间之间存在以下数学关系：

$\left\{\begin{array}{c}{M}_1=0\\ M_2={\mathrm{\&chi;}}_2\\ M_3={\mathrm{\&lambda;}}_3\end{array}\right.---\left(14\right)$

②：Cornish-Fisher级数展开法是一种通过随机变量X的各阶原点矩和各阶半不变量求取其概率分布函数或者概率密度函数的近似方法。Cornish-Fisher级数提供了一种随机变量X概率分布函数的分位数与标准正态分布函数的分位数的函数关系。

若随机变量X的均值和方差分别为μ和σ，该随机变量X的标准形式为ξ＝(x-μ)/σ，其各节点电压跌落幅值的概率密度函数f(ξ)可以表示为：

其中，为标准正态分布的概率密度函数。

③：依据有源配电网各节点电压跌落幅值获取电压跌落评估指标SARFI_x指数；

SARFI_x指数为用于统计电压有效值低于阈值电压x的概率：

${\mathrm{SARFI}}_x=\frac{\mathrm{\&Sigma;}{N}_i}{N_T}---\left(16\right)$

其中，N_i为第次测量过程中，研究区域内的电压有效值低于阈值x的用户数；N_T为研究区域内的用户总数。

本实施例中x取值为90、80、70和50(％)，即SARFI_x指数包括SARFI_90％、SARFI_80％、SARFI_70％和SARFI_50％。

5、通过Monte Carlo法计算得到有源配电网各节点电压跌落的概率密度函数和电压跌落评估指标SARFI'_x指数；

将概率密度函数与通过概率密度函数进行比较，将电压跌落评估指标SARFI'_x指数与电压跌落评估指标SARFI_x指数进行比较，若不满足各节点电压跌落指标的要求，则返回步骤2重新获取仿真方案；

本实施例中各节点电压跌落指标的要求为二者比较的误差值小于误差阈值，如误差阈值为20％，则二者比较的误差值大于20％，则返回步骤2修改电网故障数据和分布式电源容量数据，从而获得新的仿真方案。

最后应当说明的是：所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

Claims (7)

1.一种有源配电网电压跌落仿真与评估方法，其特征在于，所述方法包括下述步骤：

步骤1：用配电网分析软件构建有源配电网模型，计算有源配电网的各节点电压值；

步骤2：用两点估计法抽样获取配电网故障数据和分布式电源容量数据，确定仿真方案；

步骤3：仿真所述仿真模型，计算有源配电网各节点电压跌落幅值的期望值、方差、三阶中心矩、概率密度函数f(ξ)和评估指标SARFI_x指数；

步骤4：通过Monte Carlo法计算有源配电网各节点电压跌落幅值的概率密度函数f(ξ)_MC和评估指标SARFI'_x指数；

步骤5：比较所述概率密度函数f(ξ)与所述概率密度函数f(ξ)_MC，和比较所述SARFI_x指数与SARFI'_x指数，若不满足比较要求，则返回步骤2重新获取所述仿真方案。

2.如权利要求1所述的方法，其特征在于，所述步骤2中确定所述仿真方案包括：

步骤2-1：依据所述配电网故障数据和分布式电源容量数据，确定有源配电网的随机变量X_i；并依据每个随机变量X_i的概率密度函数计算每个随机变量X_i的均值μ_i；所述i＝1,2,...,n，n为随机变量矩阵X的维数；

步骤2-2：在一个随机变量X_i的均值μ_i两侧分别确定一个取值点，将两个所述取值点的值x_i,k作为仿真方案第i个估计点的值，其他所述随机变量的值设为每个随机变量对应的均值μ_i，k＝1,2；

所述估计点x_i,k的位置系数为 ${\mathrm{\&xi;}}_{i,k}=\frac{{\mathrm{\&lambda;}}_{i,k}+{(-1)}^{3-k}\sqrt{4n+{\left({\mathrm{\&lambda;}}_{i,k}\right)}^2}}{2};$

所述估计点x_i,k的权重系数为 ${\mathrm{\&omega;}}_{i,k}=\frac{{(-1)}^{3-k}{\mathrm{\&xi;}}_{i,3-k}^j}{n({\mathrm{\&xi;}}_{i,2}-{\mathrm{\&xi;}}_{i,1})}=-\frac{{(-1)}^{3-k}{\mathrm{\&xi;}}_{i,3-k}^k}{n\sqrt{4n+{\left({\mathrm{\&lambda;}}_{i,3}\right)}^2}};$

其中，所述λ_i,k为随机变量X_i标准化后的k阶中心矩，所述λ_i,k＝E[(X_i-μ_i)^k]/(σ_i)^k。

3.如权利要求1所述的方法，其特征在于，所述随机变量X_i包括线路故障率、故障位置、故障类型、故障持续时间、故障阻抗、风力发电机组容量和光伏发电系统容量；所述仿真方案的数目为2×n。

4.如权利要求1所述的方法，其特征在于，所述步骤3中用两点估计法计算各节点电压跌落幅值的期望值和方差值，包括：

步骤3-1：构建基于随机变量X的各节点电压跌落幅值的非线性函数Y＝h(X)；

步骤3-2：将所述步骤2中得到的估计点权重系数ω_i,k的集合替换所述非线性函数Y的联合概率密度；所述估计点权重系数ω_i,k的限制条件为

步骤3-3：计算所述各节点电压跌落幅值为h(μ₁,μ₂,...,x_i,k,μ_n)；

步骤3-4：通过所述估计点权重系数ω_i,k的集合和所述h(μ₁,μ₂,...,x_i,k,μ_n)得到：

所述期望值为 $E\left(Y\right)\&cong;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{i,k}\&times;h({\mathrm{\&mu;}}_1,{\mathrm{\&mu;}}_2,...,x_{i,k},{\mathrm{\&mu;}}_n);$

所述方差值为σ²＝E(Y²)-[E(Y)]²。

5.如权利要求1所述的方法，其特征在于，所述步骤3中采用Cornish-Fisher级数对所述有源配电网的各节点电压跌落幅值的各阶中心矩和各阶半不变量χ_i进行展开，获取所述各节点电压跌落幅值的概率密度函数f(ξ)为：

其中，为标准正态分布的概率密度函数。

6.如权利要求1所述的方法，其特征在于，所述步骤3中SARFI_x指数包括SARFI_90％、SARFI_80％、SARFI_70％和SARFI_50％。

7.如权利要求1所述的方法，其特征在于，所述步骤5中若比较后的误差值大于误差阈值，则修改所述电网故障数据或分布式电源容量数据，从而获得新的仿真方案。