CN108418204B - 一种基于态势感知的微电网状态评估方法 - Google Patents

Abstract

本发明公开了一种基于态势感知的微电网状态评估方法。本发明包括如下步骤：(1)态势觉察，对微电网中的不确定性模型进行预测；对不确定性值进行影响因子‑预测值的模型构造，结影响因子的随机性，对不确定性值进行概率预测；(2)态势理解，进行微电网系统的状态分析；针对微电网设备进行元件故障的分析，基于态势觉察数据以及微电网系统运行状态，进行系统拓扑分析和功率态势评估；(3)态势预测，研究微电网最优风险值的未来态势轨迹模型；建立基于态势感知的微电网最优风险值的未来态势轨迹模型，结合微电网安全约束条件，进行考虑状态评估的微电网最优风险计算。本发明实现了微电网动态的可靠性评估。

Description

一种基于态势感知的微电网状态评估方法

技术领域

本发明涉及基于态势感知分析的微电网状态评估，属于微电网领域，具体涉及一种基于态势感知的微电网状态评估方法。

技术背景

随着风电、光伏发电等可再生能源的大规模开发，微电网系统作为实现可再生能源和负荷一体化运行的有效技术手段，成为了世界各国研究者的关注热点。可再生能源通过微电网形式进行大规模消纳，在一定程度上可以满足用户对于供电质量、供电可靠性的要求，但是可再生能源容易受到风光资源等自然条件的影响，其出力具有随机性、波动性和间歇性，并且可再生能源设备基本不可控，难以应对灾害和突发事件，势必给微电网系统的优化调度带来巨大的风险隐患。研究可再生能源高渗透率情况下微电网的可靠性评估，对可再生能源的充分利用和微电网系统的稳定运行具有重要意义。

基于风险分析的态势感知技术是指在一定的时空范围内，觉察、理解环境因素或者对象因素，并且对未来的发展态势进行预测分析，目前已经在军事、航空、计算机网络安全、智能交通等方面得到了广泛的应用。态势感知过程大致可以分为态势要素觉察、实时态势理解、未来态势预测3个阶段，在态势感知的基础上，可以与微电力系统技术相结合，使其应用于微电网的可靠性评估。基于态势感知的微电网状态评估方法可以分析微电网运维过程中的系统状态，在实际应用中具有重要的工程意义。

发明内容

本发明要解决的问题是，研究可再生能源高渗透率情况下微电网的可靠性评估，提供一种基于态势感知的微电网状态评估方法。本发明将态势感知技术与微电网系统状态分析相结合，以实现微电网动态的可靠性评估。

为解决技术问题，本发明的解决方案是：

一种基于态势感知的微电网状态评估方法，包括如下步骤：

(1)态势觉察，对微电网中的不确定性模型进行预测；

对风力发电、光伏发电、负荷需求等不确定性值进行影响因子-预测值的模型构造，结合天气等影响因子的随机性，对不确定性值进行概率预测；

(2)态势理解，进行微电网系统的状态分析；

针对微电网设备进行元件故障的分析，基于态势觉察数据以及微电网系统运行状态，进行系统拓扑分析和功率态势评估；

(3)态势预测，研究微电网最优风险值的未来态势轨迹模型；

建立基于态势感知的微电网最优风险值的未来态势轨迹模型，将步骤(1)和步骤(2)作为模型基础，结合微电网安全约束条件，进行考虑状态评估的微电网最优风险计算。

本发明中，所述步骤(1)是通过下述方式实现的：

1-1.采用正态分布曲线来模拟风速的不确定性，利用风速-风机输出功率函数关系：

式中：P_i ^WT为风机i的输出功率，ν_i,c为风机i的切入风速；ν_i,r为风机i的额定风速；ν_i,0为风机i的切出风速；P_i,r为风机i的额定功率；a_i、b_i为曲线的拟合系数，

建立风机输出功率的概率分布模型，其中包括了离散部分的分布率和连续部分概率密度：

式中：

表示风速预测值，实际风速随机变量

其中Δν_i为风速预测误差，服从均值为0、标准差为σ_i,v的正态随机分布,Φ()为正态分布的概率函数。

1-2.通过分析太阳辐射、温度等气象统计数据以及相应的历史光伏发电数据，采用马尔可夫链的状态转移矩阵和蒙特卡罗模拟方法进行光伏发电的预测。

1-3.采用正态分布曲线来模拟微电网中负荷的波动情况。

本发明中，所述步骤(2)是通过下述方式实现的：

2-1.利用统计回归分析法进行设备故障的分析，对历史天气数据、可再生能源历史波动数据、设备历史故障数据等多种影响因子数据进行分类量化、迭代修正，建立设备的故障率模型。

元件k在时间间隔Δt内发生停运事故的概率服从泊松分布，则元件k在Δt时间内的累计故障概率为

若微电网系统拥有m个元件，在t时刻元件k停运的系统状态概率为

式中Ω为处于服役状态的元件集,式中λ_k为泊松参数。

2-2.在微电网系统中枚举或者抽样得到预想故障集，将预想事故集进行快速排序。对于每个故障场景中的线路故障或者设备故障进行连通性分析，以判断微电网系统是否存在解列或者设备退出情况。当系统解列成几个更小的微电网系统时，需要对每个子系统的节点进行重新编号。

考虑每一个子系统中拥有的设备参数、线路参数，统计子系统中储能信息、发电信息、负荷信息等运行数据，判断系统在此预想故障场景下，是否保持着功率平衡，是否满足线路潮流、发电机出力等运行安全约束条件。并且根据出力预测数据、储能状态数据和负荷预测数据，进行微电网子系统中功率平衡计算，判断未来时刻中微电网持续稳定运行能力的评估。

本发明中，所述步骤(3)是通过下述方式实现的：

3-1.提出了微电网风险费用模型来评估未来态势不确定因素和潜在风险的影响，包括微电网高估风险费用和低估风险费用，可以表示为

C_risk,t＝U_h,tC_h,t+U_d,tC_d,t

其中，式中:C_risk,t为t时刻的风险费用；C_h,t、C_d,t分别为t时刻微电网高估风险费用和低估风险费用；U_h,t、U_d,t分别为t时刻微电网风险费用的0-1状态变量；采用风险协调约束方程，以约束不确定性因素可能导致的切负荷或者弃风、弃光情况，评估在满足一定置信水平要求下的系统风险水平。

高估风险费用对应于第一种风险协调约束方程微电网优先利用可控机组进行有功出力调节，若预测误差依旧存在，则采用切负荷方式来确保重要负荷的正常供电。

式中：C_i,t()为t时刻可控机组i的燃料成本；δ_i,t为t时刻可控机组i的调整功率；c_T为可控机组单位功率调整费用；R_loss，t为t时刻的切负荷风险，定义为故障概率与所造成负荷切削量的乘积,表达如下

其中，N_c为预想事故集；c_loss为补偿系数，反映了电网公司对于用户单位损失功率的赔偿费用；第一种风险协调约束方程是指当微电网中不确定性因素的预测出力总和高于实际出力与备用容量的总和时，微电网系统失负荷的风险协调约束关系，表示为满足给定置信水平要求的失负荷概率(loss of load probability,LOLP)。

式中：n、m、w分别为可控机组、WT和PV的数量，其中N＝n+m+w代表发电设备总数量；P_i,t、

P_t ^D分别为t时刻可控机组、WT、PV和负荷的预测值；U_i,t、

分别为t时刻可控机组、WT和PV的0-1状态变量，表示t时刻的开停机状态；

分别为t时刻的负荷预测误差、WT出力误差、PV出力误差；P_k,t′为故障发电机组输出的有功功率；P_t ^L为t时刻微电网通过联络线购买的电量；

为t时刻微电网通过联络线购买的旋转备用容量；r_u,i为第i台可控机组的向上爬坡速率，γ为失负荷概率的置信水平。

失负荷电量ΔP_loss,t表达式

低估风险费用对应于第二种风险协调约束方程，微电网优先通过可控机组减少燃料输入进而减小有功输出或者减少联络线购电量，若电力供应量依旧大于需求量，则多余电量采用罚款形式计入低估风险中。

其中，r_d,i为第i台可控机组的向下爬坡速率，R_waste，t为t时刻的浪费资源风险，定义为故障概率与过剩电量的乘积，其表达式为

式中：c_waste为惩罚系数，反映了微电网对于可再生资源的浪费情况。

第二种风险协调约束方程是指当微电网中不确定性因素的预测出力总和低于实际出力与备用容量的总和时，微电网系统弃风、弃光等资源浪费的风险协调约束关系，表示为一定容许裕度范围内的资源浪费概率。

3-2.基于态势感知的微电网最优风险值的未来态势轨迹模型表示为

3-3.约束条件：

功率平衡约束

式中：

为t时刻系统实际需要的旋转备用功率，满足

可控机组出力约束

P_i,min≤P_i,t≤P_i,max

式中：P_i,max、P_i,min分别为可控机组i的出力上限和下限。

可控机组爬坡率约束

-r_d,iΔT≤P_i,t-P_i,t-1≤r_u,iΔT

联络线传输容量约束

本发明有益效果如下：

(1)在可再生能源高渗透率情况下，进行微电网的态势感知，从态势三方面进行微电网运维过程的系统状态分析；

(2)在态势觉察模块中，构造风力发电、光伏发电、负荷需求等不确定性值的影响因子-预测模型；

(3)在态势理解模块中，进行微电网设备的元件故障分析，完成系统的拓扑分析和功率态势评估；

(4)在态势预测模块中，建立基于态势感知的微电网最优风险值的未来态势轨迹模型，结合微电网安全约束条件，进行考虑状态评估的微电网最优风险计算。

具体实施方式

下面结合实施例对本发明作进一步说明。

一种基于态势感知的微电网状态评估方法，其具体流程包括：

(1)态势觉察，对微电网中的不确定性模型进行预测；

(2)态势理解，进行微电网系统的状态分析；

(3)态势预测，研究微电网最优风险值的未来态势轨迹模型；

进一步，所述步骤(1)包括：

对风力发电、光伏发电、负荷需求等不确定性值进行影响因子-预测值的模型构造，结合天气等影响因子的随机性，对不确定性值进行概率预测；

1)采用正态分布曲线来模拟风速的不确定性，利用风速-风机输出功率函数关系：

式中：

为风机i在t时刻的输出功率，ν_i,c为风机i的切入风速；ν_i,r为风机i的额定风速；ν_i,0为风机i的切出风速；P_i,r为风机i的额定功率；a_i、b_i为曲线的拟合系数，

建立风机输出功率的概率分布模型，其中包括了离散部分的分布率和连续部分概率密度：

式中：

表示风速预测值，实际风速随机变量

其中Δν_i为风速预测误差，服从均值为0、标准差为σ_i,v的正态随机分布。

2)通过分析太阳辐射、温度等气象统计数据以及相应的历史光伏发电数据，采用马尔可夫链的状态转移矩阵和蒙特卡罗模拟方法进行光伏发电的预测。

3)采用正态分布曲线来模拟微电网中负荷的波动情况。

进一步，所述步骤(2)包括：

针对微电网设备进行元件故障的分析，提出高估与低估的风险协调约束方程，以评估在满足一定置信水平要求下的系统风险水平；

1)利用统计回归分析法进行设备故障的分析，对历史天气数据、可再生能源历史波动数据、设备历史故障数据等多种影响因子数据进行分类量化、迭代修正，建立设备的故障率模型。

元件k在时间间隔Δt内发生停运事故的概率服从泊松分布，则元件k在Δt时间内的累计故障概率为

若微电网系统拥有m个元件，在t时刻元件k停运的系统状态概率为

式中Ω为处于服役状态的元件集。

2)在微电网系统中枚举或者抽样得到预想故障集，将预想事故集进行快速排序。对于每个故障场景中的线路故障或者设备故障进行连通性分析，以判断微电网系统是否存在解列或者设备退出情况。当系统解列成几个更小的微电网系统时，需要对每个子系统的节点进行重新编号。

考虑每一个子系统中拥有的设备参数、线路参数，统计子系统中储能信息、发电信息、负荷信息等运行数据，判断系统在此预想故障场景下，是否保持着功率平衡，是否满足线路潮流、发电机出力等运行安全约束条件。并且根据出力预测数据、储能状态数据和负荷预测数据，进行微电网子系统中功率平衡计算，判断未来时刻中微电网持续稳定运行能力的评估。

进一步，所述步骤(3)包括：

1)提出了微电网风险费用模型来评估未来态势不确定因素和潜在风险的影响，包括微电网高估风险费用和低估风险费用，可以表示为

C_risk,t＝U_h,tC_h,t+U_d,tC_d,t

其中，采用风险协调约束方程，以约束不确定性因素可能导致的切负荷或者弃风、弃光情况，评估在满足一定置信水平要求下的系统风险水平。

高估风险费用对应于第一种风险协调约束方程微电网优先利用可控机组进行有功出力调节，若预测误差依旧存在，则采用切负荷方式来确保重要负荷的正常供电。

式中：C_i,t()为t时刻可控机组i的燃料成本；δ_i,t为t时刻可控机组i的调整功率；c_T为可控机组单位功率调整费用；R_loss，t为t时刻的切负荷风险，定义为故障概率与所造成负荷切削量的乘积,表达如下

其中，第一种风险协调约束方程是指当微电网中不确定性因素的预测出力总和高于实际出力与备用容量的总和时，微电网系统失负荷的风险协调约束关系，表示为满足给定置信水平要求的失负荷概率(loss of load probability,LOLP)。

式中：n、m、w分别为可控机组、WT和PV的数量，其中N＝n+m+w代表发电设备总数量；P_i,t、

P_t ^D分别为t时刻可控机组、WT、PV和负荷的预测值；U_i,t、

分别为t时刻可控机组、WT和PV的0-1状态变量，表示t时刻的开停机状态；

分别为t时刻的负荷预测误差、WT出力误差、PV出力误差；P_k,t′为故障发电机组输出的有功功率；P_t ^L为t时刻微电网通过联络线购买的电量；

为t时刻微电网通过联络线购买的旋转备用容量；r_u,i为第i台可控机组的向上爬坡速率，γ为失负荷概率的置信水平。

失负荷电量ΔP_loss,t表达式

低估风险费用对应于第二种风险协调约束方程，微电网优先通过可控机组减少燃料输入进而减小有功输出或者减少联络线购电量，若电力供应量依旧大于需求量，则多余电量采用罚款形式计入低估风险中。

其中，R_waste，t为t时刻的浪费资源风险，定义为故障概率与过剩电量的乘积，其表达式为

第二种风险协调约束方程是指当微电网中不确定性因素的预测出力总和低于实际出力与备用容量的总和时，微电网系统弃风、弃光等资源浪费的风险协调约束关系，表示为一定容许裕度范围内的资源浪费概率。

2)基于态势感知的微电网最优风险值的未来态势轨迹模型表示为

3)约束条件：

功率平衡约束

式中：

为t时刻系统实际需要的旋转备用功率，满足

可控机组出力约束

P_i,min≤P_i,t≤P_i,max

式中：P_i,max、P_i,min分别为可控机组i的出力上限和下限。

可控机组爬坡率约束

-r_d,iΔT≤P_i,t-P_i,t-1≤r_u,iΔT

联络线传输容量约束

Claims (4)

1.一种基于态势感知的微电网状态评估方法，其特征在于包括如下步骤：

步骤(1)态势觉察，对微电网中的不确定性模型进行预测；

对不确定性值进行影响因子-预测值的模型构造，结合影响因子的随机性，对不确定性值进行概率预测；不确定性值包括风力发电、光伏发电、负荷需求；

(2)态势理解，进行微电网系统的状态分析；

针对微电网设备进行元件故障的分析，基于态势觉察数据以及微电网系统运行状态，进行系统拓扑分析和功率态势评估；

(3)态势预测，研究微电网最优风险值的未来态势轨迹模型；

建立基于态势感知的微电网最优风险值的未来态势轨迹模型，将步骤(1)和步骤(2)作为模型基础，结合微电网安全约束条件，进行考虑状态评估的微电网最优风险计算。

2.根据权利要求1所述的一种基于态势感知的微电网状态评估方法，其特征在于步骤(1)是通过下述方式实现的：

1-1.采用正态分布曲线来模拟风速的不确定性，利用风速-风机输出功率函数关系：

式中：

为风机i的输出功率，ν_i,c为风机i的切入风速；ν_i,r为风机i的额定风速；ν_i,0为风机i的切出风速；P_i,r为风机i的额定功率；a_i、b_i为曲线的拟合系数，

建立风机输出功率的概率分布模型，其中包括了离散部分的分布率p₀和连续部分概率密度p_r：

式中：

表示风速预测值，实际风速随机变量

其中Δν_i为风速预测误差，服从均值为0、标准差为σ_i,v的正态随机分布,Φ()为正态分布的概率函数；

1-2.通过分析气象统计数据以及相应的历史光伏发电数据，采用马尔可夫链的状态转移矩阵和蒙特卡罗模拟方法进行光伏发电的预测；

1-3.采用正态分布曲线来模拟微电网中负荷的波动情况。

3.根据权利要求2所述的一种基于态势感知的微电网状态评估方法，其特征在于步骤(2)是通过下述方式实现的：

2-1.利用统计回归分析法进行设备故障的分析，对多种影响因子数据进行分类量化、迭代修正，建立设备的故障率模型，影响因子包括历史天气数据、可再生能源历史波动数据、设备历史故障数据；

元件k在时间间隔Δt内发生停运事故的概率服从泊松分布，则元件k在Δt时间内的累计故障概率ρ_k为：

若微电网系统拥有m个元件，在t时刻元件k停运的系统状态概率为

式中Ω为处于服役状态的元件集,式中λ_k为泊松参数；

2-2.在微电网系统中枚举或者抽样得到预想故障集，将预想事故集进行快速排序；对于每个故障场景中的线路故障或者设备故障进行连通性分析，以判断微电网系统是否存在解列或者设备退出情况；当系统解列成几个更小的微电网系统时，需要对每个子系统的节点进行重新编号；

考虑每一个子系统中拥有的设备参数、线路参数，统计子系统中运行数据：储能信息、发电信息、负荷信息；判断系统在此预想故障场景下，是否保持着功率平衡，是否满足运行安全约束条件；并且根据出力预测数据、储能状态数据和负荷预测数据，进行微电网子系统中功率平衡计算，判断未来时刻中微电网持续稳定运行能力的评估。

4.根据权利要求3所述的一种基于态势感知的微电网状态评估方法，其特征在于步骤(3)是通过下述方式实现的：

3-1.提出了微电网风险费用模型来评估未来态势不确定因素和潜在风险的影响，包括微电网高估风险费用和低估风险费用，可以表示为

C_risk,t＝U_h,tC_h,t+U_d,tC_d,t

其中，其中，式中:C_risk,t为t时刻的风险费用；C_h,t、C_d,t分别为t时刻微电网高估风险费用和低估风险费用；U_h,t、U_d,t分别为t时刻微电网风险费用的0-1状态变量；采用风险协调约束方程，以约束不确定性因素可能导致的切负荷或者弃风、弃光情况，评估在满足一定置信水平要求下的系统风险水平；

高估风险费用C_h,t对应于第一种风险协调约束方程微电网优先利用可控机组进行有功出力调节，若预测误差依旧存在，则采用切负荷方式来确保重要负荷的正常供电；

式中：C_i,t()为t时刻可控机组i的燃料成本；δ_i,t为t时刻可控机组i的调整功率；c_T为可控机组单位功率调整费用；R_loss，t为t时刻的切负荷风险，定义为故障概率与所造成负荷切削量的乘积,表达如下：

其中，N_c为预想事故集；c_loss为补偿系数，反映了电网公司对于用户单位损失功率的赔偿费用；第一种风险协调约束方程是指当微电网中不确定性因素的预测出力总和高于实际出力与备用容量的总和时，微电网系统失负荷的风险协调约束关系，表示为满足给定置信水平要求的失负荷概率；

式中：n、m、w分别为可控机组、WT和PV的数量，其中N＝n+m+w代表发电设备总数量；P_i,t、

P_t ^D分别为t时刻可控机组、WT、PV和负荷的预测值；U_i,t、

分别为t时刻可控机组、WT和PV的0-1状态变量，表示t时刻的开停机状态；

分别为t时刻的负荷预测误差、WT出力误差、PV出力误差；P_k,t′为故障发电机组输出的有功功率；P_t ^L为t时刻微电网通过联络线购买的电量；

为t时刻微电网通过联络线购买的旋转备用容量；r_u,i为第i台可控机组的向上爬坡速率，γ为失负荷概率的置信水平；

失负荷电量ΔP_loss,t表达式

低估风险费用C_d,t对应于第二种风险协调约束方程，微电网优先通过可控机组减少燃料输入进而减小有功输出或者减少联络线购电量，若电力供应量依旧大于需求量，则多余电量采用罚款形式计入低估风险中；

其中,r_d,i为第i台可控机组的向下爬坡速率，R_waste，t为t时刻的浪费资源风险，定义为故障概率与过剩电量的乘积，其表达式为

式中：c_waste为惩罚系数，反映了微电网对于可再生资源的浪费情况,第二种风险协调约束方程是指当微电网中不确定性因素的预测出力总和低于实际出力与备用容量的总和时，微电网系统弃风、弃光等资源浪费的风险协调约束关系，表示为一定容许裕度范围内的资源浪费概率；

3-2.基于态势感知的微电网最优风险值的未来态势轨迹模型表示为

3-3.约束条件：

功率平衡约束

式中：

为t时刻系统实际需要的旋转备用功率，满足

可控机组出力约束：

P_i,min≤P_i,t≤P_i,max

式中：P_i,max、P_i,min分别为可控机组i的出力上限和下限；

可控机组爬坡率约束：

-r_d,iΔT≤P_i,t-P_i,t-1≤r_u,iΔT

联络线传输容量约束：