CN105741025A - 基于风电波动在线风险评估的预防控制方法 - Google Patents

Abstract

本发明公开了基于风电波动在线风险评估的预防控制方法，利用基于风电波动的马尔科夫链模型预测未来时刻t_h+1时风电出力区间及相应的概率；对于每个预测的风电出力区间，利用局部线性化处理的方法来预估电网运行状态；利用所求结果以及能够反应静态电压稳定裕度的严重度函数求得相应风电出力区间的严重度；利用得到的结果求得一个计算周期内的运行风险指标，判断风险指标是否超过设定门槛值，若超过设定门槛值，则进入预防控制模型，在不弃风的前提下，采取预防控制确保风电随机波动导致的电网运行状态变化处于稳定域内，降低短期风电波动引起的运行风险，将风险指标控制在设定门槛值以下，若在设定的门槛值范围内则进行下一个时刻的风险评估。

Description

基于风电波动在线风险评估的预防控制方法

技术领域

本发明涉及电网安全评估技术领域，尤其涉及一种基于风电波动在线风险评估的预防控制方法。

背景技术

风能作为新型的清洁能源，成为世界上很多国家能源战略的发展重心。中国风电装机容量在2014年达到114GW，排名世界第一位，并且政府计划直至2020年，风电每年的装机容量至少增加20GW。风电的大力发展可以减少温室气体的排放，节约化石能源的消耗，但由于风电出力的不确定性和间歇性，其大规模并网给电网安全运行带了了巨大的挑战。

随着风电并网容量的不断增加，高渗透率下的风电随机性、不可控多出力场景对电网静态电压安全的影响日趋显著，文献“Simulationandanalysisofsmallandmediumsizepowersystemscontainingwindturbines”采用数字仿真方法分析了风电机组对系统静态电压波动的影响，文献“基于P-V曲线的风电场接入系统稳态分析”“基于分岔理论的含风电场电力系统静态电压稳定问题研究”分别采用PV曲线和分岔理论研究风电场接入对电力系统静态电压稳定性的影响，指出高功率风电注入时系统会发生电压崩溃。2012年，张北风电基地在无任何系统故障时，电压发生大幅波动导致风电机组大面积连锁脱网，造成严重经济损失。理论分析和实际运行情况均表明风电随机波动对电网静态安全有着不可忽视的影响。然而目前基于风电出力随机性电网风险的预防控制研究较少，亟需从静态电压安全风险的角度在线预防控制保持系统电压在稳定域内运行。

目前，基于风险的预防控制已经取得了一些研究成果。文献“Riskbasedvoltagesecurityassessment”和文献“静态电压稳定风险评估”分别以线路过载和电压越限的综合风险指标最小和连锁故障风险最小最小为目标，进行预防控制，文献“ImpactofStochasticGenerationinPowerSystemsContingencyAnalysis”提出以连锁故障风险最小为目标的预防控制，但上述文献都未考虑预防控制的成本问题。文献“RiskAssessmentofGenerationandTransmissionSystemsConsideringWindPowerPenetration”以最小控制代价为目标，可以满足正常运行和故障运行状态下的约束条件。上述文献中预防控制针对的都是线路开断构成的故障集合，未涉及功率波动的不确定性，而随着风电渗透率的提高，风电出力随机波动导致的安全问题将日趋显著，但针对风电出力随机波动的在线预防控制尚缺乏探讨。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于风电波动在线风险评估的预防控制方法，建立了综合衡量风电出力不确定性、经济性和安全性的预防控制数学模型，计算速度快，在风险评估和预防控制方面更适用于在线决策。

为了实现上述目的，本发明采用如下技术方案：

基于风电波动在线风险评估的预防控制方法，包括以下步骤：

步骤一，当前时刻为t_h，利用基于风电波动的马尔科夫链模型预测未来时刻t_h+1时风电出力区间及相应的概率；

步骤二，对于每个预测的风电出力区间，利用局部线性化处理的方法来预估电网运行状态；

步骤三，利用所求结果以及能够反应静态电压稳定裕度的严重度函数求得相应风电出力区间的严重度；

步骤四，利用步骤一和步骤三得到的结果求得一个计算周期(t_h时刻到t_h+1时刻)内的运行风险指标，判断风险指标是否超过设定门槛值，若超过设定门槛值，则进入预防控制模型，在不弃风的前提下，采取预防控制确保风电随机波动导致的电网运行状态变化处于稳定域内，降低短期风电波动引起的运行风险，将风险指标控制在设定门槛值以下，若在设定的门槛值范围内则进行下一个时刻的风险评估。

所述步骤一中，风电出力变化为随机过程，形成一个状态空间数目为K的状态空间I，I中任何一个状态都有上下限；利用马尔科夫链将来的状态独立于过去的状态，且只依赖于现在的状态得到元素为P_i,j的状态转移矩阵P；每个元素P_i,j都能用转移频数矩阵N中的元素N_i,j表示出；预测的风场在t_h+1时刻的出力都为一个K维向量中的任一元素为对应的区间的中值，而对应的区间的上下限都能由当前状态及状态转移矩阵计算得到，由此得到t_h+1时刻风电出力的区间分布。

风电出力为对应的概率为P_j,i，将其作为风险评估中的不确定场景概率P_r(X_i)，其中X_i为t_h+1时刻风电出力的第i个不确定区间。

所述步骤二的具体方法为，风场按恒功率因数控制，将系统的有功和无功的变化量用常规潮流计算迭代公式表示，对该公式雅可比矩阵求逆，得到节点电压向量的变化矩阵，由节点电压向量的变化矩阵得到预估的节点电压幅值和相角向量。

所述步骤四的具体方法为，根据戴维南等值理论得到负荷节点的戴维南等值参数，应用PV曲线中电压在鼻尖点处只有一个取值的原理计算负荷节点的负荷裕度λ_cr，将风电并网节点处理成恒功率因数控制的PQ节点；假设电力系统共包含N个PQ节点，将第m个PQ节点作为观察节点，计算出其负荷裕度为λ_cr,m，m＝1,2,3…N，计算所有PQ节点的负荷裕度，选择其中负荷裕度最小值作为系统的负荷裕度λ_min；结合t_h+1时刻第i个区间的风电出力，得到对应风电出力第i个区间时系统的最小负荷裕度λ_min,i，将λ_min,i平方后取倒数求得t_h+1时刻第i风电出力预测区间的严重度。

风险指标的求解方法为，假设在t_h+1时刻风电出力共有K个不确定区间，每个不确定区间的概率与该区间对应的严重度相乘后累加得到t_h时刻到t_h+1时刻周期内的风险指标。

所述步骤四中的预防控制模型包括，以t_h时刻各PV节点调压代价最小为目标函数，t_h时刻调压措施与t_h+1时刻各节点电压的函数关系，调压措施与风险指标Risk之间的函数关系，风险指标的上下限约束条件，t_h时刻具备调压能力的各PV节点调节能力上下限约束，调压后各节点电压幅值的上下限约束。

t_h时刻调压措施与t_h+1时刻各节点电压的函数利用灵敏度求解。

采用内点法求解此预防控制模型。

本发明的有益效果：

提出了新的风险指标在线评估短期风电波动对静态电压稳定的影响，所提风险指标融合了短期风电预测精度高和戴维南等值算法算量小的优点，且在风险指标中给出了新的严重度函数，对安全域内不同运行状态进行差异化处理，提高了评估的准确性。

附图说明

图1为简单两节点系统；

图2为多端口网络模型；

图3为在线风险评估系统流程图；

图4为IEEE9节点系统单线图；

图5为IEEE9节点系统50％渗透率下风险指标；

图6为IEEE9节点系统预防控制后风险指标；

图7为IEEE9节点系统预防控制代价；

图8为IEEE39节点系统单线图；

图9为IEEE39节点系统44.1％渗透率下风险指标；

图10为IEEE39节点系统预防控制后风险指标；

图11为IEEE39节点系统预防控制代价；

图12为线风险评估及预防控制系统流程图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

本发明提出新的风险指标在线评估短期风电波动对静态电压稳定的影响，所提风险指标融合了短期风电预测精度高和戴维南等值算法算量小的优点，且在风险指标中给出了新的严重度函数对安全域内不同运行状态进行差异化处理。最后采用IEEE9节点系统和IEEE39节点系统仿真验证了所提风险指标的有效性。

1大规模风电并网的风险评估

1.1风险指标定义

风险指标是衡量事件发生概率及后果的综合指数，用于评估对目标的不确定影响。在电力系统中，学者将风险的概念引入，用于评估元件在一定的强迫停运率下系统的运行风险，考虑不确定性的风险评估方法可以提供更准确的信息，发挥电网的运行潜力。随着风电渗透率的提高，风电出力的波动对电网静态安全的影响也日渐显著，甚至会引起电压失稳，因此需要将电网运行风险的概念延拓到风电出力波动对电网所造成的影响，而不仅仅研究风机脱网或电网元件出现不确定故障的情形。因此，本发明将风险指标用于评估风电出力波动对电网静态安全稳定的影响，风险指标的定义如下：

$Risk=\underset{j=1}{\overset{K}{\Σ}}{P}_r\left(X_i\right)\×S_{ev}\left(X_i\right)---\left(1\right)$

式中:K为不确定场景的总数目；X_i为第i个不确定场景，i∈K；P_r(X_i)为第i个场景发生的概率；S_ev(X_i)为第i个场景发生时对应的严重度。式(1)是风险指标的通用公式，应用到电力系统中，场景概率和严重度可根据实际需要具备不同的含义。比如场景概率可以为某元件的故障率，也可以为某事故的发生率；严重度可以是低压电程度、频率偏移量、支路潮流越限量，也可以是负荷裕度。本发明将关注点放在风电出力波动对系统静态电压稳定的影响上，具体分析上述变量应用到此场景时的定义。

假定当前运行时刻为t_h，由于电力系统调度指令下达的周期为15min，15min后的时刻为t_h+1。将15min作为一个计算周期，运用短期风电出力预测方法分析在未来15min内风电出力变化的所有可能状态，获得的状态数目为K。其中第i个可能状态表示为X_i，i∈K，其对应的概率为P_r(X_i)，严重度为S_ev(X_i)。将各区间个概率与严重度相乘可得到每个风电出力状态时的风险值，累加可以获得电力系统的综合风险指标。调度人员不仅可以参考综合风险指标来衡量系统短期运行风险，也可以单独分析其中小概率却大严重度的场景，从源头处寻找解决方案，进一步降低此类小概率事件的发生甚至杜绝其发生。

1.2P_r(X_i)的计算

由于风电出力的波动性和间歇性，风电大规模并网造成电网状态的频繁波动，因此需要运用一些方法对风电出力进行预测，以便及时做好预防措施应对风电出力随机波动带来的可能后果。

本发明风险评估的时间框架为未来15分钟，因此采用短期风电出力预测方法。马尔可夫链模型在短期风电预测中具有良好的效果，其基于离散风电出力统计建立模型进行预测，由于本发明主要考虑的是风电波动所带来的影响，需要囊括风电出力在一个计算周期内的所有可能状态，基于风电波动的马尔科夫链模型统计了各时段风电出力的所有变化，然后细分状态区间，能够得到反映风电出力在一个时段波动的区间分布情况，将应用此模型计算P_r(X_i)的过程简述如下。

假定两个相邻的计算时刻为t_h-1和t_h，时间间隔为Δt，则有t_h＝t_h-1+Δt，两个时刻对应的风电出力分别为和两个时刻风电出力变化为有

令为风电出力变化的随机过程，其状态空间为状态空间数目为K,其中任一状态的上下限为由于马尔科夫链将来的状态独立于过去的状态，且只依赖于现在的状态，因此可表达为下式:

$\begin{array}{c}P\{X^{t_{h+1}}={\mathrm{\ΔP}}_w^{t_{h+1}}|X^{t_1}={\mathrm{\ΔP}}_w^{t_1},X^{t_2}={\mathrm{\ΔP}}_w^{t_2},\mathrm{...},X^{t_h}={\mathrm{\ΔP}}_w^{t_h}\}\\ =P\{X^{t_{h+1}}={\mathrm{\ΔP}}_w^{t_{h+1}}|X^{t_h}={\mathrm{\ΔP}}_w^{t_h}\},{\mathrm{\ΔP}}_w^{t_{\·}}\∈I\end{array}---\left(2\right)$

式中P为状态转移矩阵，它的元素为P_i,j，要满足下式：

$\left\{\begin{array}{c}{P}_{i,j}\≥0\\ \underset{j=1}{\overset{K}{\Σ}}{P}_{i,j}=1\end{array}\right.,i,j=1,2,\mathrm{...},K---\left(3\right)$

令矩阵N为转移频数矩阵，矩阵中的元素N_i,j表示从状态转移到状态的数目，由于状态空间数目为K，则矩阵P和N都为K×K维矩阵，矩阵P的元素P_i,j可由下式计算：

$P_{i,j}=\frac{N_{i,j}}{\underset{j=1}{\overset{K}{\Σ}}{N}_{i,j}},i,j=1,2,\mathrm{...},K---\left(4\right)$

令为预测的风场在t_h+1时刻的出力，为一个K维向量，其中任一元素为对应的区间的中值，区间上下限可由当前状态及状态转移矩阵计算，假设t_h+1和t_h两个时刻风电出力的变化为公式如下：

$\left\{\begin{array}{c}\underset{\‾}{P_{wi}^{t_{h+1}}}={P_w}^{t_h}+\underset{\‾}{{\mathrm{\ΔP}}_w^{t_i}}\\ \stackrel{\‾}{P_{wi}^{t_{h+1}}}={P_w}^{t_h}+\stackrel{\‾}{{\mathrm{\ΔP}}_w^{t_i}}\end{array}\right.,i1,2,\mathrm{...},K---\left(5\right)$

得到t_h+1时刻风电出力的区间分布，取各区间中值作为该区间的风电出力计算，对风电出力若t_h和t_h-1两个时刻风电出力变化对应的状态为则风电出力为对应的概率为P_j,i，将其作为风险评估中的不确定场景概率，即：

P_r(X_i)＝P_j,ii,j＝1,2,…,K(6)

式中，X_i为风险评估中第i个不确定场景，在本发明的风险评估中，其详细含义为t_h+1时刻风电出力的第i个不确定区间，其概率为P_r(X_i)，此概率由基于风电波动的马尔可夫链模型统计得到，包含了计算周期内风电波动转移的所有情况，从而可得到较为全面的系统短期运行风险信息。

1.3S_ev(X_i)的计算

文献“Onlinerisk-basedsecurityassessment”构造了低电压严重度的函数，当电压满足上下限约束时，严重度为0，超过上下限时，严重度与越限程度呈线性关系。如果仅设定电压的上下界约束并不能真实反映当前运行状态距离电压失稳边界的距离，且在安全域内，不同的运行状态具备不同的电压稳定裕度，将严重度都定义为0无法反应出不同运行状态时电压稳定裕度的差异，因此本发明提出能够反应静态电压稳定裕度严重度函数，更具有实际意义。连续潮流(CPF)是一种比较成熟的计算静态电压稳定裕度的方法，但是CPF算量巨大，难以用于在线计算。随着PMU的推广，基于广域量测的戴维南等值方法可以计算静态电压稳定裕度，且计算量较连续潮流法小，因此本发明将戴维南等值方法扩展到含风电电力系统中，得到戴维南等值参数后再量化计算系统静态电压稳定的严重度。

在戴维南等值理论中，任意复杂的电力系统从某一负荷节点侧观察，都可以等值为图1中两节点系统。

在图1中，S∠Φ＝P₁+jQ₁为观察节点的视在功率和功率因数，其中P₁为有功负荷，Q₁为无功负荷；Z∠α＝R+jX为从观察负荷处的戴维南等值阻抗，R为戴维南等值电阻，X为戴维南等值电抗；E∠δ₁和U∠δ₂为相应的戴维南等值电势和负荷节点电压赋值和相角。

利用耦合单端口的概念来追踪每一个负荷节点的戴维南等值参数，多端口网络拓扑见图2。

图2中，V_G1,V_G2,…,V_Gm代表电力系统中m个发电厂，S_L1,S_L2,…S_Ln代表n个负荷，Z_LL为发电厂和负荷之间的阻抗关联矩阵，它们之间的关系可用下式表示：

$\left[\begin{array}{c}-I_L\\ 0\\ I_G\end{array}\right]=\[Y\]\left[\begin{array}{c}{V}_L\\ V_T\\ V_G\end{array}\right]=\left[\begin{array}{ccc}{Y}_{LL}& Y_{LT}& Y_{LG}\\ Y_{TL}& Y_{TT}& Y_{TG}\\ Y_{GL}& Y_{GT}& Y_{GG}\end{array}\right]\left[\begin{array}{c}{V}_L\\ V_T\\ V_G\end{array}\right]---\left(7\right)$

式中，Y矩阵代表电网导纳矩阵，V和I分别代表电压和电流向量，下标L，T和G分别表示负荷节点，联结节点和发电节点，联结节点即既没有发电厂也没有负荷的节点。式(7)经过变形，可推导得到下式：

V_L＝KV_G-Z_LLI_L

$Z_{LL}={(Y_{LL}-Y_{LT}{Y}_{TT}^{-1}{Y}_{TL})}^{-1}$

$K=Z_{LL}(Y_{LT}{Y}_{TT}^{-1}{Y}_{TG}-Y_{LG})$

其他负荷节点对观察节点的影响部分作为耦合因素，此耦合因素可以作为戴维南等值电势或戴维南等值阻抗的一部分，经验证作为耦合阻抗所得结果比较准确，因此对任一负荷节点j，有下式成立：

V_Lj＝E_thj-Z_eqjI_Lj-E_coupled-j

Z_eqj＝Z_LLjj

E_thj＝[K_VG]_j

$E_{coupled-j}=\underset{i=1,i\≠j}{\overset{n}{\Σ}}{Z}_{LLji}{I}_{Li}$

$Z_{cj}=\frac{E_{coupled-j}}{I_{Lj}}$

Z_thj＝Z_eqj+Z_cj(8)

式中，Z_cj为耦合阻抗，E_coupled-j为耦合电势，Z_eq为阻抗关联矩阵的对角元素，Z_th和E_th即观察节点的戴维南等值阻抗和等值电势。

得到负荷节点的戴维南等值参数，应用PV曲线中电压在鼻尖点处只有一个取值的原理可以计算该负荷节点的负荷裕度λ_cr，公式如下：

${\mathrm{\λ}}_{cr}=\frac{E^2(-P_{1}R-Q_{1}X+\sqrt{(P_1^2+Q_1^2)Z^2}}{2{({\mathrm{RQ}}_1-{\mathrm{XP}}_1)}^2}-1---\left(9\right)$

在含风场电力系统中，通常可将风电并网节点处理成恒功率因数控制的PQ节点，上述公式同样适用于风场并网节点。假设电力系统共包含N个PQ节点，将第m个PQ节点作为观察节点，可以计算出其负荷裕度为λ_cr,m(m＝1,2,3…N)，计算所有PQ节点的负荷裕度，选择其中负荷裕度最小值作为系统的负荷裕度λ_min。结合t_h+1时刻第i个区间的风电出力，可得到对应风电出力第i个区间时系统的最小负荷裕度λ_min,i，有

λ_min,i＝min(λ_cr,m)m＝1,2,...,Ni＝1,2,...,K(10)

负荷裕度越小，当前运行状态距离静态电压失稳边界越近，后果越严重，严重度为式(11):

$S_{ev}\left(X_i\right)={\left(\frac{1}{{\mathrm{\λ}}_{min,i}}\right)}^2---\left(11\right)$

对于t_h+1时刻风电出力预测的区间i，其严重度与最小负荷裕度成反比，不仅能够说明负荷裕度越小，严重度越大，同时也能说明运行状态距离边界越近，严重度呈指数增长，相比线性函数更能引起调度人员的注意。一般运行时期望负荷裕度在10％以上，对应严重度应在10以下，因此严重度若在10附近时需密切关注。

1.4基于灵敏度的电网状态预估

利用1.2部分获得的t_h+1时刻风电出力分布区间，可以计算各区间对应的严重度，电网在t_h+1时刻对应各风电出力区间的潮流状态是严重度计算的前提，一般通过常规潮流计算方法获得。但对复杂大电力系统，用潮流迭代方法获得系统运行状态计算量太大，不适用于在线计算，因此本节给出了局部线性化处理方法来预估电网运行状态。

常规潮流计算迭代公式可简写如下：

$\left[\begin{array}{c}\mathrm{\Δ}P\\ \mathrm{\Δ}Q\end{array}\right]=\[J\]\left[\begin{array}{c}\mathrm{\Δ}V\\ \mathrm{\Δ}\mathrm{\θ}\end{array}\right]---\left(12\right)$

式中，[J]代表t_h时刻电网雅可比矩阵，其本质为电网功率变化对节点电压状态变化的灵敏度矩阵； $\left[\begin{array}{c}\mathrm{\Δ}P\\ \mathrm{\Δ}Q\end{array}\right]$ 为系统有功和无功的变化向量； $\left[\begin{array}{c}\mathrm{\Δ}V\\ \mathrm{\Δ}\mathrm{\θ}\end{array}\right]$ 为系统节点电压幅值和相角的变化向量。

对t_h+1时刻预测第i个风电出力区间的风电出力波动为风场按恒功率因数控制，无功出力变化设为令 ${\left[\begin{array}{c}\mathrm{\Δ}P\\ \mathrm{\Δ}Q\end{array}\right]}_i=\left[\begin{array}{c}\mathrm{\Δ}{P}_w^{t_i}\\ {\mathrm{\ΔQ}}_w^{t_i}\end{array}\right],$ 将式(12)雅可比矩阵求逆，可得到节点电压向量的变化矩阵，即

${\left[\begin{array}{c}\mathrm{\Δ}V\\ \mathrm{\Δ}\mathrm{\θ}\end{array}\right]}_i={\[J\]}^{-1}{\left[\begin{array}{c}\mathrm{\Δ}P\\ \mathrm{\Δ}Q\end{array}\right]}_i---\left(13\right)$

针对预测的风电出力第i个区间，可以得到预估的节点电压向量为

${\left[\begin{array}{c}{V}^{\′}\\ {\mathrm{\θ}}^{\′}\end{array}\right]}_i=\left[\begin{array}{c}{V}_0\\ {\mathrm{\θ}}_0\end{array}\right]+{\left[\begin{array}{c}\mathrm{\Δ}V\\ \mathrm{\Δ}\mathrm{\θ}\end{array}\right]}_i---\left(14\right)$

式中， $\left[\begin{array}{c}{V}_0\\ {\mathrm{\θ}}_0\end{array}\right]$ 为t_h时刻系统节点电压幅值和相角向量， ${\left[\begin{array}{c}{V}^{\′}\\ {\mathrm{\θ}}^{\′}\end{array}\right]}_i$ 为对应预测的风电出力变化第i个区间的t_h+1时刻系统节点电压幅值和相角向量。按此方法预估系统运行状态可以显著减少风险评估过程的计算量。

2风险评估流程

本发明旨在构建一个能够在线评估由风电波动造成静态电压稳定风险的系统，提供风险指标供调度运行人员参考，可以作为辅助决策的一部分。整个风险评估流程图见图3。

系统当前运行时刻为t_h，需要评估15分钟后即t_h+1时刻的运行风险，其流程如下：

(1)应用1.2部分介绍的马尔可夫链模型预估t_h+1时刻风电出力的区间及相应概率；

(2)对每个预测的风电出力区间，用1.4部分介绍方法预估对应的系统运行状态；

(3)基于上述结果，用1.3部分介绍算法计算相应系统严重度；

(4)用(1)式计算获得系统在下一个计算周期内的运行风险指标。

3预防控制模型

若所得风险指标超过设定门槛值，则需采取预防控制措施降低风险指标。预防控制的传统要求为在潜在故障发生前，在不损失电源和负荷的前提下，将工作点从稳定域外移至稳定域内。对大规模风电并网的电力系统，风电波动将导致电网运行状态变化，为此本专利提出新的预防控制要求：在不弃风的前提下，采取预防控制确保风电随机波动导致的电网运行状态变化处于稳定域内，采取预防控制措施降低短期风电波动引起的运行风险，将风险指标控制在设定门槛值以下。预防控制措施发生在扰动到来前，增加了正常运行的费用，理论上代价大的预防控制系统运行风险较低，如果一味追求将安全风险降到最低，耗费过多的经济代价，这样的预防控制措施毫无经济性可言，并不可取。因此预防控制是需要兼顾经济性和安全性的寻优问题，本专利从调控的快速性和经济性考虑，调控措施以调节发电机机端电压为例，建立了配合本专利所提风险指标的预防控制模型如下：

$\min \underset{i\∈N_{PV}}{\Σ}{C}_i\·{\mathrm{\ΔV}}_{t_h}^i---\left(15\right)$

$s.t.:V_{t_{h+1}}^c=f\left({\mathrm{\ΔV}}_{t_h}\right)---\left(16\right)$

$Risk=g\left({\mathrm{\ΔV}}_{t_h}\right)---\left(17\right)$

$0\≤Risk\≤\stackrel{\‾}{Risk}---\left(18\right)$

${\mathrm{\ΔV}}_{t_h}^{\min }\≤{\mathrm{\ΔV}}_{t_h}\≤{\mathrm{\ΔV}}_{t_h}^{\max }---\left(19\right)$

$V_{t_{h+1},min}^c\≤V_{t_{h+1}}^c\≤V_{t_{h+1},max}^c---\left(20\right)$

预防控制模型以t_h时刻各PV节点调压代价最小为目标函数，如式(15)所示，为t_h时刻第i个PV节点电压调节量，N_PV为PV节点数目，C_i为对应i节点的调节经济代价系数，为便于计算，本专利将其假设为1；

式(16)f(·)为t_h时刻调压措施与t_h+1时刻各节点电压的函数关系，为降低计算量，此函数关系也可用灵敏度进行推导从而避免潮流迭代计算，此部分推导将在后面详述；

式(17)g(·)为调压措施与风险指标Risk之间的函数关系；

式(18)为风险指标的上下限约束；

式(19)为t_h时刻具备调压能力的各PV节点调节能力上下限约束；

式(20)为调压后各节点电压幅值的上下限约束。本专利采用内点法求解此模型，此模型目标函数与约束条件都为线性关系，求解速度较非线性模型快，可满足在线计算的要求。

式(16)的详细函数关系，推导如下：

$\left\{\begin{array}{c}\frac{\∂\mathrm{\Δ}P}{\∂\mathrm{\θ}}*\mathrm{\Δ}\mathrm{\θ}+\frac{\∂\mathrm{\Δ}P}{\∂V_{PQ}}*{\mathrm{\ΔV}}_{PQ}+\frac{\∂\mathrm{\Δ}P}{\∂V_{PV}}*{\mathrm{\ΔV}}_{PV}=\mathrm{\Δ}P\\ \frac{\∂\mathrm{\Δ}Q}{\∂\mathrm{\θ}}*\mathrm{\Δ}\mathrm{\θ}+\frac{\∂\mathrm{\Δ}Q}{\∂V_{PQ}}*{\mathrm{\ΔV}}_{PQ}+\frac{\∂\mathrm{\Δ}Q}{\∂V_{PV}}*{\mathrm{\ΔV}}_{PV}=\mathrm{\Δ}Q\end{array}\right.---\left(21\right)$

式中，下标PV和PQ表示PV节点和PQ节点，调节PV节点的电压将不影响PQ节点的P和Q，也不影响PV节点的P，故式(21)等号右侧为0向量，对上式变形可得到矩阵形式如下：

$\left[\begin{array}{c}\mathrm{\Δ}\mathrm{\θ}\\ \mathrm{\Δ}{V}_{pQ}/V_{PQ}\end{array}\right]=-{\left[\begin{array}{cc}\frac{\∂\mathrm{\Δ}P}{\∂\mathrm{\θ}}& \frac{\∂\mathrm{\Δ}P}{\∂V_{PQ}}{V}_{PQ}\\ \frac{\∂\mathrm{\Δ}Q}{\∂\mathrm{\θ}}& \frac{\∂\mathrm{\Δ}Q}{\∂V_{PQ}}{V}_{PQ}\end{array}\right]}^{-1}\left[\begin{array}{c}\frac{\∂\mathrm{\Δ}P}{\∂V_{PV}}{V}_{PV}\\ \frac{\∂\mathrm{\Δ}Q}{\∂V_{PV}}{V}_{PV}\end{array}\right]{\mathrm{\ΔV}}_{PV}/V_{PV}---\left(22\right)$

式(22)即为式(16)的详细函数关系，通过利用灵敏度求解调节措施与系统状态的关系，可避免潮流迭代产生的计算量，节省计算时间，以实现风险评估和预防控制的在线应用。

进行在线风险评估的流程，以实现在线评估由风电波动造成的静态电压稳定风险，并寻优预防控制措施降低超过门槛值的风险。在线风险评估及预防控制系统流程图见图12，滚动执行可实现对系统静态电压安全风险的在线监测和控制。

系统当前运行时刻为t_h，需要评估15分钟后即t_h+1时刻的运行风险，其流程如下：

1.用以上的方法计算系统在t_h时刻的运行风险指标；

2.判断风险指标是否超过设定的门槛值，超过则进入预防控制模型寻找最优控制措施，输出预防控制措施及预防控制后风险指标供调度人员参考；若未超过门槛值则仅输出风险指标供调度运行人员参考，等待本次计算周期结束，开始下一周期计算。

4算例分析

4.1IEEE9节点系统仿真

本文采用PSAT工具进行仿真分析。首先采用IEEE9节点系统验证所提风险指标计算的有效性，IEEE9节点系统单线图如图4所示，将母线2由PV节点更改为风场并入系统，风场的历史运行数据由位于山东省济南市的一个风场提供，时间跨度为2012年1月1日至2014年12月31日，采样间隔为15分钟。

将该系统整体负荷水平提升到初始值的1.3倍，风电的渗透率设为30％，风场按PQ节点处理，采用恒功率因数0.96控制。将风场的历史数据按照1.2介绍方法转化为马尔可夫链模型，经过统计计算，可以获得时间间隔为15分钟的各时刻风电出力预测值、概率、严重度和风险指标。取2015年1月1日前16个时刻进行分析，执行前述风险指标计算流程，可获得50％渗透率下2015年1月1日前4个小时的风险指标见图5。

经过分析图5中16个时刻的风险指标，第6个时刻风险指标为10.1067，该风险指标及以下时系统运行状态良好，且距离稳定边界有较高的负荷裕度，本算例选择第6个时刻的风险指标作为风险门槛值，在图5中用水平实线表示，对超过水平实线的风险指标进行预防控制，控制前后的风险指标对比结果见图6，预防控制所耗费经济代价见图7。本算例所设风险指标门槛值方法仅为一个参考，在工程应用时，需根据系统运行实际状态，计算误差等多因素综合确定出风险门槛值。

图6中，水平实线和黑色柱状图含义与图5相同，斜条纹柱状图为采用预防控制措施后的风险指标。通过比较，预防控制后的风险指标均较控制前风险指标低，除第二个时刻的风险指标外，均降到了门槛值以下，证明了预防控制措施的有效性。第二个时刻未降到门槛值以下是由于本系统PV调节节点的电压调节能力已达上限，可采取其他措施进一步降低风险指标，本文在此不做讨论。另外，通过图6和图7的对比，可发现预防控制代价的大小与预防控制前风险指标大小正相关，即风险指标降低越多，预防控制所需要的代价越大。系统在运行时需要综合衡量安全风险与控制代价，设置合理的风险门槛值，保证系统运行的安全性和经济性。

4.2IEEE39节点系统仿真

前面使用IEEE9节点系统验证了所提风险指标和预防控制模型，但由于算例简单，计算量小，无法突显出所使用的基于灵敏度的方法在计算速度上的优势，本节使用IEEE39节点系统再次进行验证。IEEE39节点系统单线图见图6，将原PQ节点12、18、26更改为风场，这三个风场运行数据仍用前述的山东风场数据，即三个风场运行状态的变化一样，仅出力大小比例不同。三个风场出力所占比例分别为18％、42％、40％，将系统负荷水平设置为初始值的1.1倍，带来的不平衡出力由所有发电机按当前有功出力的比例共同承担。设置三个风场出力总渗透率44.1％，计算2015年月1日前4个小时共16个时刻的风险指标，见图9。

图9为高渗透率44.1％时系统4个小时的风险指标图。通过分析图9各风险指标，第6个时刻的风险值为3.3517，该风险指标及以下时系统运行状态较好，有较高负荷裕度，选择此风险作为风险指标门槛值，在图9用水平实线表示，对超过水平实线的风险指标进行预防控制，控制前后的风险指标对比结果见图10，预防控制所耗费经济代价见图11。

图10中，水平实线和黑色柱状图含义与图9相同，斜条纹柱状图为采用预防控制措施后的风险指标。通过比较，预防控制后的风险指标均较控制前风险指标低，降到了门槛值以下，证明了预防控制措施的有效性。通过图10和图11的对比，可发现预防控制代价的大小基本与预防控制前风险指标大小正相关，即风险指标降低越多，预防控制所需要的代价越大，系统在运行时需要综合衡量风险与控制代价，设置合理的风险门槛值，保证系统运行的安全性和经济性。

在使用内点法对预防控制进行寻优计算中，计算量与所预估的风电随机出力区间数目关联紧密，经过统计观察，基于马尔科夫链模型的风电随机出力有效区间数目主要为3和4，采用本文所提基于灵敏度的预防控制模型计算平均耗时120s，而使用潮流迭代方法平均耗时1024s，可见从计算速度的角度，本文所提方法在风险评估和预防控制方面更适用于在线决策。

5结语

风电作为清洁能源代表得到了重大关注，其发展十分迅速，风电在电网中的渗透率也越来越高。风电的波动和间歇性导致电网运行状态频繁波动，对电网运行提出了新的挑战。本发明延拓风险传统定义，提出新的风险指标在线评估由风电波动引起静态电压风险，分别用IEEE9节点系统和IEEE39节点系统验证了所提风险指标的有效性。本发明所提在线风险评估系统可同目前存在日前调度系统互为补充，为电网安全运行做出贡献。

本发明延拓风险和预防控制的传统定义，基于考虑风电接入的风险评估，构建新的预防控制模型寻求最优预防控制降低系统在线运行风险，分别用IEEE9节点系统和IEEE39节点系统验证了预防控制模型的有效性。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.基于风电波动在线风险评估的预防控制方法，其特征是，包括以下步骤：

步骤一，当前时刻为t_h，利用基于风电波动的马尔科夫链模型预测未来时刻t_h+1时风电出力区间及相应的概率；

步骤二，对于每个预测的风电出力区间，利用局部线性化处理的方法来预估电网运行状态；

步骤三，利用所求结果以及能够反应静态电压稳定裕度的严重度函数求得相应风电出力区间的严重度；

步骤四，利用步骤一和步骤三得到的结果求得一个计算周期内的运行风险指标；判断风险指标是否超过设定门槛值，若超过设定门槛值，则进入预防控制模型，在不弃风的前提下，采取预防控制确保风电随机波动导致的电网运行状态变化处于稳定域内，降低短期风电波动引起的运行风险，将风险指标控制在设定门槛值以下，若在设定的门槛值范围内则进行下一个时刻的风险评估。

2.如权利要求1所述基于风电波动在线风险评估的预防控制方法，其特征是，所述步骤一中，风电出力变化为随机过程，形成一个状态空间数目为K的状态空间I，I中任何一个状态都有上下限；利用马尔科夫链将来的状态独立于过去的状态，且只依赖于现在的状态得到元素为P_i,j的状态转移矩阵P；每个元素P_i,j都能用转移频数矩阵N中的元素N_i,j表示出；预测的风场在t_h+1时刻的出力都为一个K维向量中的任一元素为对应的区间的中值，而对应的区间的上下限都能由当前状态及状态转移矩阵计算得到，由此得到t_h+1时刻风电出力的区间分布。

3.如权利要求2所述基于风电波动在线风险评估的预防控制方法，其特征是，风电出力为对应的概率为P_j,i，将其作为风险评估中的不确定场景概率P_r(X_i)，其中X_i为t_h+1时刻风电出力的第i个不确定区间。

4.如权利要求1所述基于风电波动在线风险评估的预防控制方法，其特征是，所述步骤二的具体方法为，风场按恒功率因数控制，将系统的有功和无功的变化量用常规潮流计算迭代公式表示，对该公式雅可比矩阵求逆，得到节点电压向量的变化矩阵，由节点电压向量的变化矩阵得到预估的节点电压幅值和相角向量。

5.如权利要求1所述基于风电波动在线风险评估的预防控制方法，其特征是，所述步骤四的具体方法为，根据戴维南等值理论得到负荷节点的戴维南等值参数，应用PV曲线中电压在鼻尖点处只有一个取值的原理计算负荷节点的负荷裕度λ_cr，将风电并网节点处理成恒功率因数控制的PQ节点；假设电力系统共包含N个PQ节点，将第m个PQ节点作为观察节点，计算出其负荷裕度为λ_cr,m，m＝1,2,3…N，计算所有PQ节点的负荷裕度，选择其中负荷裕度最小值作为系统的负荷裕度λ_min；结合t_h+1时刻第i个区间的风电出力，得到对应风电出力第i个区间时系统的最小负荷裕度λ_min,i，将λ_min,i平方后取倒数求得t_h+1时刻第i风电出力预测区间的严重度。

6.如权利要求1所述基于风电波动在线风险评估的预防控制方法，其特征是，风险指标的求解方法为，假设在t_h+1时刻风电出力共有K个不确定区间，每个不确定区间的概率与该区间对应的严重度相乘后累加得到t_h时刻到t_h+1时刻周期内的风险指标。

7.如权利要求1所述基于风电波动在线风险评估的预防控制方法，其特征是，所述步骤四中的预防控制模型包括，以t_h时刻各PV节点调压代价最小为目标函数，t_h时刻调压措施与t_h+1时刻各节点电压的函数关系，调压措施与风险指标Risk之间的函数关系，风险指标的上下限约束条件，t_h时刻具备调压能力的各PV节点调节能力上下限约束，调压后各节点电压幅值的上下限约束。

8.如权利要求7所述基于风电波动在线风险评估的预防控制方法，其特征是，t_h时刻调压措施与t_h+1时刻各节点电压的函数利用灵敏度求解。

9.如权利要求7所述基于风电波动在线风险评估的预防控制方法，其特征是，采用内点法求解此预防控制模型。