CN109102132A - 一种基于概率论的微电网脆弱性评估方法及装置 - Google Patents

Abstract

本发明涉及一种基于概率论的微电网脆弱性评估方法及装置，包括确定未来时间段的微电网预测数据，根据微电网预测数据分析微电网电压分布；将电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态；当微电网处于预测故障状态时，通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布；根据概率分布定义微电网各项风险指标，利用所述风险指标评价系统的综合脆弱性。通过上述方案依据评估结果有效分析微电网的脆弱性，准确定位微电网的薄弱环节，掌握微电网未来时刻的状态变化，对改善微电网结构、控制分布式电源以及可控功率元件的调节控制等方面有极大的进步意义。

Description

一种基于概率论的微电网脆弱性评估方法及装置

技术领域

本发明涉及一种评估方法及装置，具体涉及一种基于概率论的微电网脆弱性评估方法及装置。

背景技术

随着各国对分布式电源技术和电力电子技术研究的深入，微电网技术逐渐从理论发展成建设应用。为了改善其结构使其坚强保证持续可靠供电，需要对微电网的运行性能进行相关评估。自愈是微电网的主要特点之一，良好的自愈性能离不开科学准确的脆弱性评估，通过预想故障对微电网进行脆弱性预评估，有利于微电网的运行和控制，操作人员可以根据评估结果找出系统薄弱环节，对微电网提前进行运行策略和网架结构调整，使系统更安全可靠地运行，为实现及时的自愈控制提供技术理论支持。

目前的脆弱性评估方法主要适用于复杂的大电网，而引起微电网脆弱的因素与大电网脆弱性存在诸多差异，有系统内部设备自身的问题也有外界扰动引发的问题，综合考虑，这些影响因素主要包括如风电和光伏等微电源功率不确定性、负荷的随机性、微电网网络结构的随机性、微电网中保护和设备故障的不确定性、自然灾害的因素以及一些偶然的人为因素等。

发明内容

为了解决上述问题，本发明提供一种基于概率论的微电网脆弱性评估方法及装置，能够准确定位微电网的薄弱环节，掌握微电网未来时刻的状态变化，从而解决对微电网脆弱性进行有效评估的难题。

为实现上述技术目的，本发明通过以下技术方案实现：

一种基于概率论的微电网脆弱性评估方法，所述方法包括：

确定未来时间段的微电网预测数据，根据微电网预测数据分析微电网电压分布；

将所述电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态；

当微电网处于预测故障状态时，通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布；

根据所述概率分布定义微电网各项风险指标，利用所述风险指标评价系统的综合脆弱性。

优选的，所述确定未来时间段的微电网预测数据包括：

基于预测对象的数值气象预报，在微电网原始数据中分别选取M₁个负荷相似日和M₂个光伏出力相似日，采用负荷求导法根据当前时刻M₁个负荷相似日的负荷变换率与M₂个光伏出力相似日的光伏出力变化率的平均值，计算下一时刻光伏出力与负荷的预测值，并基于BP神经网络预测风机出力；其中，

所述微电网原始数据，包括微电源、负荷、变压器三相功率和线路三相阻抗；

所述预测对象，包括微电网负荷、光伏出力和风机出力。

进一步地，通过下式确定当前时刻M₁个负荷相似日的负荷变换率平均值ΔP_l(i)：

通过下式确定当前时刻M₂个光伏出力相似日的光伏出力变化率平均值ΔP_p(i)：

式中，P'_l，k(i)和P'_p，k(i)分别为负荷与光伏出力在第k个相似日i时刻的变化率，P_p(i)和P_l(i)分别为i时刻光伏出力与负荷的预测值，i表示当前时刻。

进一步地，通过下式确定下一时刻光伏出力与负荷的预测值：

P_l(i+1)＝P_l(i)+ΔP_l(i)

P_p(i+1)＝P_p(i)+ΔP_p(i)

式中，P_p(i+1)和P_l(i+1)分别表示i+1时刻光伏出力与负荷的预测值。

进一步地，所述采用BP神经网络预测风机出力包括：将实测气象信息及其对应的风机输出功率作为测试样本，输入预先构建的BP神经网络出力预测模型中，输出风机出力预测值；其中，

所述气象信息包括风速和风向。

优选的，所述将电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态包括：若实测电压分布值大于微电网各节点电压的预设阈值，所述微电网处于预测故障状态，否则为正常运行状态；其中，

所述预测故障状态，包括光伏停运、支路断开，以及光伏停运微型燃气轮机运行中的一种或多种。

优选的，所述通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布包括：

采用基于不动点迭代的分相潮流计算方法，通过蒙特卡罗计算微电网概率潮流，生成服从正态分布的均值和标准差参数的随机变量，获得潮流解的概率分布。

进一步地，通过下式确定服从正态分布的均值和标准差参数的随机变量：

式中，和分别为微电网的负荷、光伏与风机出力的均值，σ表示风速和风力变化的标准差。

优选的，所述系统的综合脆弱性通过失负荷风险指标R_load(t)、过负荷风险指标R_l、电压越限风险指标R_V、负荷低功率因数风险指标R_λ和三相不平衡风险指标R_ε确定；其中，N_a、N、N_b、N_ε分别为微电网中线路总数、总的节点总数、负荷节点总数和三相线路数；R_l,i、R_V,i、R_λ,i和R_ε,i分别表示第i条线路的过负荷风险指标、电压越限风险指标、负荷低功率因数风险指标和三相不平衡风险指标。

进一步地，通过下式确定第i条线路的过负荷风险指标R_l,i：

R_l,i＝P_RiS(l)

其中，R_l,i为流经线路i的电流期望值l，S(l)为线路过负荷的风险严重度函数，L为线路的过负荷阈值；P_Ri为第i条线路的过负荷概率，N_L为概率计算结果中第i条线路过负荷的值的个数，N_C为概率潮流结果的值总数。

进一步地，通过下式确定第i个节点的电压越限风险指标R_V,i：

R_v,i＝P_viS(ΔV)

其中，S(ΔV)为电压越限严重度函数，S(ΔV)＝e^ΔV-1，ΔU为电压偏移量，U_min和U_max分别为节点电压上下限；P_vi表示第i个节点过负荷的概率：N_V为概率潮流计算中节点发生电压越限的个数。

进一步地，通过下式确定第i个负荷节点的电压风险指标R_λ,i：

R_λ,i＝P_λiS(λ)

式中，S(λ)为低功率因数严重度函数，P_λi为第i个负荷节点低功率因数的概率，通过求解微电网三相概率潮流获得，其表达式为：

式中，N_λ为概率潮流计算中负荷功率因数低于功率因数阀值λ_m的个数。

进一步地，通过下式确定第i个负荷节点的三相不平衡风险指标R_ε,i：

R_ε,i＝P_εiS(ε)

式中，S(ε)为三相不平衡严重度函数，S(ε)＝e^ε-1；ε和P_εi分别表示第i条三相线路的三相不平衡度的期望值和发生三相不平衡的概率：

式中，N_ε,i为概率潮流计算中发生三相不平衡的结果的个数，I_A、I_B、I_C为第i条线路A B C三相电流的期望值。

进一步地，通过下式确定失负荷风险指标R_load(t)：

R_load(t)＝P_q(t)+P_g(t)+P′_j(t)+P_w(t)

式中，P_q(t)为外力干扰导致的失负荷概率，λ_r为泊松分布参数；

系统元件故障导致的失负荷概率为P_g(t)，λ_e为元件偶然故障的泊松分布参数，α、β为元件老化故障的威布尔分布的参数，η为老化元件占总元件的比例(0＜η＜1)；P_w(t)为微电网继电保护误动的概率，P′_j(t)为微电网继电保护拒动的概率。

进一步地，分别通过下式确定微电网继电保护误动与拒动的概率：

式中，N为系统中继电保护总动作次数，N_w为继电保护误操作次数，N_j为继电保护误动次数。

一种基于概率论的微电网脆弱性评估装置，所述装置包括：

确定模块，用于确定未来时间段的微电网预测数据；

分析模块，用于根据微电网预测数据分析微电网电压分布；

判定模块，用于将所述电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态；

计算模块，用于当微电网处于预测故障状态时，通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布；

评估模块，用于根据所述概率分布定义微电网各项风险指标，利用所述风险指标评价系统的综合脆弱性。

优选的，所述评估模块，包括失负荷风险评估单元，用于计算失负荷风险指标R_load(t)；

过负荷风险评估单元，用于计算过负荷风险指标R_l；

电压越限风险评估单元，用于计算电压越限风险指标R_V；

负荷低功率因数风险评估单元，用于计算负荷低功率因数风险指标R_λ；

三相不平衡风险评估单元，用于计算三相不平衡风险指标R_ε。

与最接近的现有技术相比，本发明的有益效果是：

本发明提出一种基于概率论的微电网脆弱性评估方法及装置，通过确定未来时间段的微电网预测数据，根据微电网预测数据分析微电网电压分布，将电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态；

且当微电网处于预测故障状态时，通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布；根据概率分布定义微电网各项风险指标，利用所述风险指标评价系统的综合脆弱性能够根据评估结果分析微电网的脆弱性找到微电网的薄弱部分，掌握微电网未来时刻的状态变化，对改善微电网结构、控制分布式电源以及可控功率元件的调节控制等方面有着显著的进步意义。

附图说明

图1是本发明实施例中提供的基于概率论的微电网脆弱性评估方法的总流程图；

图2是本发明实施例中提供的33节点算例图；

图3是本发明实施例中提供的微电网脆弱性评估方法流程图。

具体实施方式

下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

实施例：

首先对33节点算例中的相关参数进行定义：

系统参考电压V_B＝12.66kV；

电压越限风险指标中的相关参数：设定电压越限的上下限值：U_min＝0.95，U_max＝1.05；

失负荷风险指标中的相关参数：外力干扰发生的可能服从泊松分布，其分布参数λ_r＝0.003；系统元件偶然故障服从指数分布，其分布参数λ_e＝0.002；系统原件偶然故障与老化故障的混合故障模服从威布尔分布，其分布参数α＝0.1064，β＝2；老化元件数占总元件数的比例为η＝0.32，维护周期期间发生故障的时间t＝0.89703年；系统中继电保护总动作次数N＝500，继电保护误操作次数N_w＝2，继电保护误动次数N_j＝1。

如图2所示，本发明提供的33节点算例图。节点1为与配电网连接的PCC节点。为模拟微电网中微电源，在33节点算例中接入分布式电源，光伏1的备用电源为额定容量300kW的微型燃气轮机，所述微电源具体分布如表1所示：

微电源	所在节点	所在相别	额定容量(kw)
				光伏1	6	abc	100
风电1	18	abc	100
				光伏2	25	abc	100
风电2	33	abc	100

如图3所示，涉及一种基于概率论的微电网脆弱性预评估方法，包括的具体步骤如图1：

S01、确定未来时间段的微电网预测数据，根据微电网预测数据分析微电网电压分布；

基于预测对象的数值气象预报，在微电网原始数据中分别选取M₁个负荷相似日和M₂个光伏出力相似日，根据当前时刻M₁个负荷相似日的负荷变换率与M₂个光伏出力相似日的光伏出力变化率的平均值，计算下一时刻光伏出力与负荷的预测值，并基于BP神经网络预测风机出力；其中，

所述微电网原始数据，包括微电源、负荷、变压器三相功率和线路三相阻抗；

所述预测对象，包括微电网负荷、光伏出力和风机出力。

基于数值气象预报和合适的预测方法对微电网未来5分钟内的功率进行预测，所述预测对象包括微电网负荷的预测及光伏、风电出力的预测；所述预测方法包括负荷、光伏预测采用负荷求导法，风机采用BP神经网络进行预测；

负荷和光伏具体预测步骤如下：

1)选择分别选择M1个负荷相似日和M2个光伏出力相似日；2)分别计算负荷相似日的第i个时刻的负荷变换率和M₂个光伏出力相似日的第i个时刻光伏出力变化率；3)分别对光伏M₁个变换率求取平均值ΔP_l(i)和光伏M₂个变化率平均值ΔP_p(i)，其中，P'_l，k(i)，P'_p，k(i)分别为负荷和光伏出力第k个相似日在第i个时刻的变化率；4)计算下一时刻的光伏出力P_p(i+1)和负荷P_l(i+1),其中P_l(i+1)＝P_l(i)+ΔP_l(i)，P_p(i+1)＝P_p(i)+ΔP_p(i)；

风机出力预测具体步骤如下：

1)建立风机出力预测神经网络；2)采集实际气象信息和对应风机输出功率，对已建立网络进行模拟训练拟合；3)将预测时刻的气象信息(风速、风向)输入到风机出力预测神经网络中，得到风机出力预测值；

S02、将所述电压分布与微电网各节点预设阈值进行比较，根据电网电压异常情况，从而判断微电网处于正常状态还是故障状况。若实测电压分布值大于微电网各节点电压的预设阈值，所述微电网处于预测故障状态，否则为正常运行状态；其中，预测故障状态，包括光伏停运和支路断开，以及光伏停运微型燃气轮机运行中的一种或多种。例如，光伏1停运、光伏1停运微型燃气轮机运行、支路18断开等。

S03、当微电网处于预测故障状态时，通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布；

所述概率潮流计算方法为基于不动点迭代的分相潮流计算方法，通过蒙特卡罗计算微电网三相概率潮流；所述潮流计算方法为基于不动点迭代的分相潮流计算方法，通过蒙特卡罗计算微电网三相概率潮流；

具体为：1)预测风力、光伏和负荷功率数据；2)确定风力、光伏、负荷满足的正态分布的均值和标准差参数，建立风力、光伏、负荷的概率模型；3)生成蒙特卡洛模拟的风机、光伏、负荷的随机数；4)运用不动点迭代法的改进三相潮流计算方法计算潮流，计算各时刻系统潮流；5)获得潮流解的概率分布特性。

S04、通过统计分析，获得微电网潮流的概率分布特性，计算各风险严重度，求得风险指标，利用所述风险指标评价系统的综合脆弱性。所述风险指标即系统供电脆弱性指标,其中系统供电脆弱性指标包括：失负荷风险指标R_load(t)、过负荷风险指标R_l,i、电压越限风险指标R_V,i、负荷低功率因数风险指标R_λ,i和三相不平衡风险指标R_ε,i；

过负荷风险指标R_l,i计算步骤如下：

1)利用微电网三相概率潮流计算第i线路过负荷的风险率P_Ri和流过线路的电流期望值l，其中N_L为概率计算结果中第i条线路过负荷的值的个数，N_C为第i条线路概率潮流结果的值的总个数；2)第i条线路的过负荷风险指标R_l,i＝P_iS(l)，其中S(l)为线路过负荷的风险严重度函数，其中L为线路过负荷的阈值；

电压越限风险指标R_V,i计算步骤如下：

1)利用微电网三相概率潮流计算第i个节点过负荷的概率P_vi，其中N_V为概率潮流计算中节点发生电压越限的个数；2)第i个节点的电压风险指标R_v,i＝P_viS(ΔV)，其中S(ΔV)为电压越限严重度函数，S(ΔV)＝e^ΔV-1，ΔU为电压偏移量，U_min和U_max分别为节点电压上下限；

负荷低功率因数风险指标R_λ,i计算步骤如下：

1)利用微电网三相概率潮流计算第i个负荷节点低功率因数的风险率P_λi，其中N_λ为概率潮流计算中负荷功率因数低于功率因数阀值λ_m的个数；2)第i个负荷节点的电压风险指标R_λ,i＝P_λiS(λ)，其中S(λ)为低功率因数严重度函数，

三相不平衡风险指标R_ε,i计算步骤如下：

1)利用微电网三相概率潮流计算第i条三相线路的三相不平衡度的期望值ε和发生三相不平衡的概率R_ε,i，I_A、I_B、I_C为第i条线路A B C三相电流的期望值N_ε,i为概率潮流计算中发生三相不平衡的结果的个数；

2)第i条线路的三相不平衡风险指标R_ε,i＝P_εiS(ε)，其中S(ε)为三相不平衡严重度函数，S(ε)＝e^ε-1；ε和P_εi分别表示第i条三相线路的三相不平衡度的期望值和发生三相不平衡的概率：

失负荷风险指标R_load(t)，R_load(t)＝P_q(t)+P_g(t)+P_j′(t)+P_w(t)，其中P_q(t)为外力干扰导致的失负荷概率，λ_r为泊松分布参数；系统元件故障导致的失负荷概率为P_g(t)，λ_e为元件偶然故障的泊松分布参数，α，β为元件老化故障的威布尔分布的参数，η为老化元件占总元件的比例(0＜η＜1)；P_w(t)为微电网继电保护误动的概率，P′_j(t)为微电网继电保护拒动的概率，计算公式： 其中，N为系统中继电保护总动作次数，N_w为继电保护误操作次数，N_j为继电保护误动次数。

计算系统综合脆弱值，系统综合脆弱值包括：总的失负荷风险指标R_load(t)、总的过负荷风险指标R_l、总的电压越限风险指标R_V、总的负荷低功率因数风险指标R_λ和总的三相不平衡风险指标R_ε其中N_a、N_n、N_b、N_ε分别为微电网中总的线路数、总的节点数、总的负荷节点数和三相线路数。

表2为算例：

算例分析结果表明：

根据评估结果分析微电网的脆弱性可以找到微电网的薄弱部分，掌握微电网未来时刻的状态变化，这对改善微电网结构、控制分布式电源以及可控功率元件的调节控制等方面有着显著的帮助。

基于同一发明构思，本发明还提出一种基于概率论的微电网脆弱性评估装置，包括：

确定模块，用于确定未来时间段的微电网预测数据；

分析模块，用于根据微电网预测数据分析微电网电压分布；

判定模块，用于将所述电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态；

计算模块，用于当微电网处于预测故障状态时，通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布；

评估模块，用于根据所述概率分布定义微电网各项风险指标，利用所述风险指标评价系统的综合脆弱性。

评估模块，包括失负荷风险评估单元，用于计算失负荷风险指标R_load(t)；

过负荷风险评估单元，用于计算过负荷风险指标R_l；

电压越限风险评估单元，用于计算电压越限风险指标R_V；

负荷低功率因数风险评估单元，用于计算负荷低功率因数风险指标R_λ；

三相不平衡风险评估单元，用于计算三相不平衡风险指标R_ε。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‐ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本申请的技术方案而非对其保护范围的限制，尽管参照上述实施例对本申请进行了详细的说明，所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，这些变更、修改或者等同替换，其均在其申请待批的权利要求范围之内。

Claims (17)

1.一种基于概率论的微电网脆弱性评估方法，其特征在于，所述方法包括：

确定未来时间段的微电网预测数据，根据微电网预测数据分析微电网电压分布；

将所述电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态；

当微电网处于预测故障状态时，通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布；

根据所述概率分布定义微电网各项风险指标，利用所述风险指标评价系统的综合脆弱性。

2.根据权利要求1所述的方法，其特征在于，所述确定未来时间段的微电网预测数据包括：

基于预测对象的数值气象预报，在微电网原始数据中分别选取M₁个负荷相似日和M₂个光伏出力相似日，采用负荷求导法根据当前时刻M₁个负荷相似日的负荷变换率与M₂个光伏出力相似日的光伏出力变化率的平均值，计算下一时刻光伏出力与负荷的预测值，并基于BP神经网络预测风机出力；其中，

所述微电网原始数据，包括微电源、负荷、变压器三相功率和线路三相阻抗；

所述预测对象，包括微电网负荷、光伏出力和风机出力。

3.根据权利要求2所述的方法，其特征在于，通过下式确定当前时刻M₁个负荷相似日的负荷变换率平均值ΔP_l(i)：

通过下式确定当前时刻M₂个光伏出力相似日的光伏出力变化率平均值ΔP_p(i)：

式中，P′_l，k(i)和P′_p，k(i)分别为负荷与光伏出力在第k个相似日i时刻的变化率，P_p(i)和P_l(i)分别为i时刻光伏出力与负荷的预测值，i表示当前时刻。

4.根据权利要求2所述的方法，其特征在于，通过下式确定下一时刻光伏出力与负荷的预测值：

P_l(i+1)＝P_l(i)+ΔP_l(i)

P_p(i+1)＝P_p(i)+ΔP_p(i)

式中，P_p(i+1)和P_l(i+1)分别表示i+1时刻光伏出力与负荷的预测值。

5.根据权利要求2所述的方法，其特征在于，所述采用BP神经网络预测风机出力包括：将实测气象信息及其对应的风机输出功率作为测试样本，输入预先构建的BP神经网络出力预测模型中，输出风机出力预测值；其中，

所述气象信息包括风速和风向。

6.根据权利要求1所述的方法，其特征在于，所述将电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态包括：若实测电压分布值大于微电网各节点电压的预设阈值，所述微电网处于预测故障状态，否则为正常运行状态；其中，

所述预测故障状态，包括光伏停运、支路断开，以及光伏停运微型燃气轮机运行中的一种或多种。

7.根据权利要求1所述的方法，其特征在于，所述通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布包括：

采用基于不动点迭代的分相潮流计算方法，通过蒙特卡罗计算微电网概率潮流，生成服从正态分布的均值和标准差参数的随机变量，获得潮流解的概率分布。

8.根据权利要求7所述的方法，其特征在于，通过下式确定服从正态分布的均值和标准差参数的随机变量：

式中，和分别为微电网的负荷、光伏与风机出力的均值，σ表示风速和风力变化的标准差。

9.根据权利要求1所述的方法，其特征在于，所述系统的综合脆弱性通过失负荷风险指标R_load(t)、过负荷风险指标R_l、电压越限风险指标R_V、负荷低功率因数风险指标R_λ和三相不平衡风险指标R_ε确定；其中，N_a、N、N_b、N_ε分别为微电网中线路总数、总的节点总数、负荷节点总数和三相线路数；R_l,i、R_V,i、R_λ,i和R_ε,i分别表示第i条线路的过负荷风险指标、电压越限风险指标、负荷低功率因数风险指标和三相不平衡风险指标。

10.根据权利要求9所述的方法，其特征在于，通过下式确定第i条线路的过负荷风险指标R_l,i：

R_l,i＝P_RiS(l)

其中，R_l,i为流经线路i的电流期望值l，S(l)为线路过负荷的风险严重度函数，L为线路的过负荷阈值；P_Ri为第i条线路的过负荷概率，N_L为概率计算结果中第i条线路过负荷的值的个数，N_C为概率潮流结果的值总数。

11.根据权利要求9所述的方法，其特征在于，通过下式确定第i个节点的电压越限风险指标R_V,i：

R_v,i＝P_viS(ΔV)

其中，S(ΔV)为电压越限严重度函数，S(ΔV)＝e^ΔV-1，ΔU为电压偏移量，

U_min和U_max分别为节点电压上下限；P_vi表示第i个节点过负荷的概率：N_V为概率潮流计算中节点发生电压越限的个数。

12.根据权利要求9所述的方法，其特征在于，通过下式确定第i个负荷节点的电压风险指标R_λ,i：

R_λ,i＝P_λiS(λ)

式中，S(λ)为低功率因数严重度函数，P_λi为第i个负荷节点低功率因数的概率，通过求解微电网三相概率潮流获得，其表达式为：

式中，N_λ为概率潮流计算中负荷功率因数低于功率因数阀值λ_m的个数。

13.根据权利要求9所述的方法，其特征在于，通过下式确定第i个负荷节点的三相不平衡风险指标R_ε,i：

R_ε,i＝P_εiS(ε)

式中，S(ε)为三相不平衡严重度函数，S(ε)＝e^ε-1；ε和P_εi分别表示第i条三相线路的三相不平衡度的期望值和发生三相不平衡的概率：

式中，N_ε,i为概率潮流计算中发生三相不平衡的结果的个数，I_A、I_B、I_C为第i条线路A BC三相电流的期望值。

14.根据权利要求9所述的方法，其特征在于，通过下式确定失负荷风险指标R_load(t)：

R_load(t)＝P_q(t)+P_g(t)+P′_j(t)+P_w(t)

式中，P_q(t)为外力干扰导致的失负荷概率，λ_r为泊松分布参数；

系统元件故障导致的失负荷概率为P_g(t)，λ_e为元件偶然故障的泊松分布参数，α、β为元件老化故障的威布尔分布的参数，η为老化元件占总元件的比例(0＜η＜1)；P_w(t)为微电网继电保护误动的概率，P′_j(t)为微电网继电保护拒动的概率。

15.根据权利要求14所述的方法，其特征在于，分别通过下式确定微电网继电保护误动与拒动的概率：

式中，N为系统中继电保护总动作次数，N_w为继电保护误操作次数，N_j为继电保护误动次数。

16.一种基于概率论的微电网脆弱性评估装置，其特征在于，所述装置包括：

确定模块，用于确定未来时间段的微电网预测数据；

分析模块，用于根据微电网预测数据分析微电网电压分布；

判定模块，用于将所述电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态；

计算模块，用于当微电网处于预测故障状态时，通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布；

评估模块，用于根据所述概率分布定义微电网各项风险指标，利用所述风险指标评价系统的综合脆弱性。

17.根据权利要求16所述的装置，其特征在于，所述评估模块，包括失负荷风险评估单元，用于计算失负荷风险指标R_load(t)；

过负荷风险评估单元，用于计算过负荷风险指标R_l；

电压越限风险评估单元，用于计算电压越限风险指标R_V；

负荷低功率因数风险评估单元，用于计算负荷低功率因数风险指标R_λ；

三相不平衡风险评估单元，用于计算三相不平衡风险指标R_ε。