CN109193617B - 基于紧约束识别的电力系统脆弱点评价方法及系统 - Google Patents

Abstract

本发明公开了一种基于紧约束识别的电力系统脆弱点评价方法及系统，包括以下步骤：根据基于直流潮流的最优负荷削减模型，计算具体场景下每一个元件所代表的不等式约束是否为紧约束，并据此计算每一个元件的紧约束指标；计算广义下所评价电力系统中每一个元件的紧约束指标，并排序，以容量角度确定对电力系统可靠性影响超过设定值的元件，进而在容量角度评价电力系统中的脆弱节点。本发明所提出的基于紧约束识别法的大电力系统脆弱点评价模型对电力系统的规划、运行、改造有一定的指导意义。

Description

基于紧约束识别的电力系统脆弱点评价方法及系统

技术领域

本发明涉及一种基于紧约束识别的电力系统脆弱点评价方法及系统。

背景技术

电力系统中的脆弱点是指对电力系统失效中作用较大的节点，电力系统可靠性评估的一个作用就是定位出电力系统的脆弱节点。然而传统的可靠性评估的方法只能得到电力系统整体的可靠性指标，很难辨识出钳制系统可靠性瓶颈的脆弱节点位置。当电力系统的脆弱节点被有效辨识出来以后：在电力系统规划时，可以优先考虑增加脆弱点的备用；当检修资源有限时，进一步优先考虑针对电力系统的脆弱环节的检修策略，以最大化改善电力系统的可靠性。因此，对电力系统可靠性评估中的脆弱节点评价就显得十分必要。

如果能找到在元件容量角度对电力系统整体可靠性影响较大的节点，在系统的规划阶段，对该节点使用大容量的元件；在系统的运行阶段，也可有针对性的对该节点进行改造扩容，从而在相近的成本下更好地改善系统的可靠性。因此，分析系统中元件的容量(发电机的最大出力、线路的最大传输容量等) 对系统可靠性的影响显得十分有必要。

由重庆大学的学者赵渊,周念成,谢开贵等在《电网技术》中发表的《大电力系统可靠性评估的灵敏度分析》一文中推导了传统的求取电力系统可靠性指标电力不足期望值EDNS对元件i的容量的灵敏度公式，其解析表达式如下：

式中，λ_i为元件i的故障率，μ_i为元件i的修复率，a_i为元件i的可用度， S_i的定义如下：

然而，利用上式对EDNS关于元件容量进行灵敏度分析时，必然会存在以下问题：

(1)对于式中的

和

项，目前尚且无法给出元件的故障率、修复率和其容量的函数关系，只能通过统计数据插值拟合求取，进而求取其偏导数，这样必然会带来计算误差，并且耗费计算资源。

(2)对于式中的

项，给出的求解方法是通过计算基于直流潮流的最优负荷削减模型中各个等式约束和不等式约束的拉格朗日乘子来求取

计算过程繁琐，必然会占用大量的计算资源。

而在元件容量角度评价电力系统的脆弱节点时，需要关注的往往是系统的风险评估指标关于各个元件容量的灵敏度值的相对大小，而不是其绝对数值。

综上所述，亟需一种能够快速判别出在元件容量角度对电力系统整体可靠性评估指标影响较大的节点，从而在元件容量层面评价大电力系统可靠性评估中的脆弱节点。

发明内容

本发明为了解决上述问题，提出了一种基于紧约束识别的电力系统脆弱点评价方法及系统，本发明能够在大大改进计算效率的基础上，同时保证了计算的准确性。

为了实现上述目的，本发明采用如下技术方案：

一种基于紧约束识别的电力系统脆弱点评价方法，包括以下步骤：

根据基于直流潮流的最优负荷削减模型，计算具体场景下每一个元件所代表的不等式约束是否为紧约束，并据此计算每一个元件的紧约束指标；

计算广义下所评价电力系统中每一个元件的紧约束指标，并排序，以容量角度确定对电力系统可靠性影响超过设定值的元件，进而在容量角度评价电力系统中的脆弱节点。

进一步的，具体场景的确定过程包括：根据蒙特卡洛模拟法或者解析法选择具体的场景，并读取各个场景下的场景数据。

进一步的，根据基于直流潮流的最优负荷削减模型，评估各个具体场景下电力系统是否需要削减负荷，如需要，则遍历基于直流潮流的最优负荷削减模型中的每一个不等式约束，得到当前的紧约束的个数，如不需要，则直接利用解析法或者蒙特卡洛模拟法求出系统中每个待评价元件的紧约束指标。

进一步的，基于直流潮流的最优负荷削减模型具体为，目标函数为所有节点的失负荷量的总和最小，且约束条件至少包括机组发电有功出力在其上下限内，线路的有功功率在其上限内，以及各节点的失负荷量大于零且小于该节点有功负荷的列向量。

进一步的，所述紧约束为对于可行域中的点x，当目标函数取得极值时，点 x处于某约束形成的边界上，起到限制作用，则称这一约束为点x处的紧约束。

进一步的，遍历每一个元件所代表的不等式约束，对于某元件所代表的不等式约束，如果是紧约束，则计算具体场景下该元件的紧约束指标，如不是紧约束，则直接利用解析法或者蒙特卡洛模拟法求出系统中每个待评价元件的紧约束指标。

进一步的，所述元件的紧约束指标为设定的判别量与各节点的失负荷量之和与场景下基于直流潮流的最优负荷削减模型的紧约束数量的比值的乘积；

当元件为发电机组时，所述判别量为1或0，且仅当机组的实际出力等于机组的最大出力时取1；

当元件为输电线路时，所述判别量为1或0，且仅当线路流过的实际功率，等于线路的最大容量时取1。

进一步的，根据解析法求出系统中每个待评价元件的紧约束指标，所述求出系统中每个待评价元件的紧约束指标为各场景发生的概率与其对应场景下元件紧约束指标的乘积之和。

进一步的，根据蒙特卡洛模拟法求出系统中每个待评价元件的紧约束指标，所述求出系统中每个待评价元件的紧约束指标为各场景发生的次数与其对应场景下元件紧约束指标的乘积之和的平均数。

一种基于紧约束识别的电力系统脆弱点评价系统，运行于处理器或存储器上，被配置为执行以下指令：

根据基于直流潮流的最优负荷削减模型，计算具体场景下每一个元件所代表的不等式约束是否为紧约束，并据此计算每一个元件的紧约束指标；

计算广义下所评价电力系统中每一个元件的紧约束指标，并排序，以容量角度确定对电力系统可靠性影响超过设定值的元件，进而在容量角度评价电力系统中的脆弱节点。

与现有技术相比，本发明的有益效果为：

元件容量角度评价电力系统的脆弱节点时，关注的往往是系统的风险评估指标关于各个元件容量的灵敏度值的相对大小，而不是其绝对数值。由此，本发明提出的基于紧约束识别法的大电力系统脆弱点评价方法，克服了传统的电力系统风险评估指标难以利用其解析表达式，求取其关于元件容量的灵敏度分析计算过程复杂，计算耗时长的缺陷。快速判别出在元件容量角度对电力系统整体风险评估指标影响较大的节点，在保证计算的精确性的效果下，大大提高了计算效率。

本发明可以与蒙特卡洛模拟法相结合，其收敛速度与问题的维数无关,这一特点决定了本系统对多维、高维问题的实用性；在电力系统的可靠性评估中,与解析法相比,系统规模越大,本发明的优势越明显。

另外，本发明的抽样次数取决于评估精度,而与系统规模无关,因此特别适用于大规模电力系统的可靠性评估，对电力系统的规划、运行、改造有一定的指导意义。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1是IEEE RTS-79系统电气接线图；

图2是具体场景下元件紧约束指标的计算流程图；

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。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。

本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。

如图2所示，本实施例提供一种电力系统可靠性关于电力系统元件容量C_i的灵敏度计算方法，即在元件容量角度对电力系统脆弱点进行评价。包括步骤1，根据基于直流潮流的最优负荷削减模型，计算具体场景下每一个元件所代表的不等式约束是否为紧约束，并据此计算每一个元件的紧约束指标；步骤2，根据蒙特卡洛模拟法或者解析法，计算广义下所评价电力系统中每一个元件的紧约束指标，并由此进行排序，得到在元件容量角度对电力系统可靠性影响较大的元件。

本实施例在传统的求取电力系统风险评估指标关于元件容量的灵敏度分析方法的基础上，建立了基于紧约束识别法的大电力系统脆弱点评价模型，并根据基于直流潮流的最优负荷削减模型中代表每个元件的不等式约束是否为紧约束定义了元件紧约束指标，并且按照元件紧约束指标的大小进行排序，在大大缩短计算量的基础上，在容量角度评价电力系统中的脆弱节点。本发明所提出的基于紧约束识别法的大电力系统脆弱点评价模型对电力系统的规划、运行、改造有一定的指导意义。

具体的，如图2所示，一种基于紧约束识别法的电力系统脆弱点评价方法，包括：

步骤1：状态选择，根据蒙特卡洛模拟法或者解析法选择具体的场景，并读取具体场景m下的场景数据；

步骤2：根据基于直流潮流的最优负荷削减模型，评估具体场景m下电力系统是否需要削减负荷，如需要，跳到步骤3，如不需要，跳到步骤6；

其中，基于直流潮流的最优负荷削减模型，其具体原理如下：

式中，C_i为节点i的失负荷量，ND为负荷节点集合；NG为电源节点集合； NL为线路集合。T为线路有功功率向量；A为输电线路潮流和节点净注入量之间的关联矩阵；PG为节点发电机注入有功功率的列向量，PD为节点有功负荷的列向量。C为负荷节点切除功率的集合，PG_i ^max和PG_i ^min分别表示机组i发电有功出力的上下限；T_i ^max为线路i的有功功率上限。

步骤3：遍历基于直流潮流的最优负荷削减模型中的每一个不等式约束，得到当前的紧约束的个数n；

其中，紧约束的定义为：对于可行域中的点x，当目标函数取得极值时，点 x处于某约束形成的边界上，起到了限制作用，故称这一约束为点x处的紧约束。

步骤4：遍历每一个元件所代表的不等式约束，对于元件j所代表的不等式约束，如果是紧约束，跳到步骤5，如不是紧约束，跳到步骤6；

步骤5：计算具体场景m下元件j的紧约束指标K_jm；

其中，元件j的元件紧约束指标定义为：

式中，K_jm为元件j在场景m下的紧约束指标，n_m为场景m下基于直流潮流的最优负荷削减模型的紧约束数量，f_j为一判别量，其定义如下：

(1)当元件j为发电机组时：

式中，PG(j)代表此时机组j的实际出力，PG^max(j)代表机组j的最大出力。

(2)当元件j为输电线路时：

式中，T(j)代表此时线路j流过的实际功率，T^max(j)代表线路j的最大容量。

步骤6：利用解析法或者蒙特卡洛模拟法求出系统中每个待评价元件的紧约束指标K_j。

其具体求法如下：

(1)解析法：

式中，X为可能出现的所有场景的集合，p_m为场景m发生的概率。

(2)蒙特卡洛模拟法：

式中，n_m为场景m出现的次数，n为总的模拟次数。

求出待评价的电力系统中每一个元件中的紧约束指标K_j后，按照从大到小进行排序，即可得到在容量角度对电力系统系统可靠性影响较大的元件，从而在容量角度评价电力系统中的脆弱节点。

其中，步骤2-5求取具体场景下元件的紧约束指标的流程图如图2所示。

以具体应用实例进行细节说明。

IEEE RTS-79系统是电力系统可靠性领域非常重要的算例，主接线图如图1 所示，包括24条母线，71个元件，其中含33条线路，32台发电机，5台变压器和1台电抗器，总装机容3450MW，最大负荷2800MW。

采用本发明的模型计算IEEE RTS-79系统的元件紧约束指标，其计算结果如表1和表2所示。

表1

表2

为了验证本方案的有效性，按照重庆大学的学者赵渊,周念成,谢开贵等在《电网技术》中发表的《大电力系统可靠性评估的灵敏度分析》一文中的方法计算该系统发电机节点的灵敏度分析结果，其结果列入表3中。

表3

对比表1和表3中的数据，可以看出，两种方法计算得到的结果虽然绝对数值有较大的偏差，但是其排序结果大体一致，只是节点#16由第2位(紧约束识别法)变成了第6位(灵敏度分析法)，剩下九个发电机节点的排序完全一致，从而证明了本文所提出的模型的正确性。并且，本文所提出的模型在计算量上大大小于传统的灵敏度分析模型，具有一定的工程意义。

从表2中可以看出，该系统的线路紧约束指标除了K₁₁外全部为0，所以该系统是一个输电环节比较充裕和发电环节比较脆弱的系统。为了识别出IEEE RTS-79系统中的脆弱线路，将该系统的线路容量缩减为原始容量的45％，再次计算其输电线路的紧约束指标，其结果列入表4中。

表4

为了验证本发明的正确性，将IEEE-RTS79系统中的38条输电线路容量减小到原来容量的45％后，再分别对每条输电线路的容量依次增加50MW后，计算此时系统的风险评估指标电力不足概率LOLP和电力不足期望值EDNS，按照线路扩容后对系统可靠性改善的程度进行排序，选取改善程度最好的6条线路，将其列入表5中。

表5

观察表4和表5中的计算结果，可以发现，当45％输电线路容量依次扩容 50MW时，其对系统可靠性的改善排序与表4中利用紧约束识别法评价的45％输电线路容量的脆弱线路的排序结果基本一致。紧约束识别法中的线路L10排名第一，对L10进行扩容50MW和100MW后对系统风险评估指标LOLP的改善结果排名第一，剩下的五条线路L11、L23、L28、L18、L17的排序结果与对其进行扩容后对系统风险评估指标EDNS改善效果完全一致，从而说明了本实施例所提出的基于紧约束识别法的大电力系统脆弱点评价方法的有效性。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

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)

1.一种基于紧约束识别的电力系统脆弱点评价方法，其特征是：包括以下步骤：

根据基于直流潮流的最优负荷削减模型，计算具体场景下每一个元件所代表的不等式约束是否为紧约束，并据此计算每一个元件的紧约束指标；

所述元件的紧约束指标为设定的判别量与各节点的失负荷量之和与场景下基于直流潮流的最优负荷削减模型的紧约束数量的比值的乘积；

当元件为发电机组时，所述判别量为1或0，且仅当机组的实际出力等于机组的最大出力时取1；

当元件为输电线路时，所述判别量为1或0，且仅当线路流过的实际功率等于线路的最大容量时取1；

计算广义下所评价电力系统中每一个元件的紧约束指标，并排序，以容量角度确定对电力系统可靠性影响超过设定值的元件，进而在容量角度评价电力系统中的脆弱节点。

2.如权利要求1所述的一种基于紧约束识别的电力系统脆弱点评价方法，其特征是：具体场景的确定过程包括：根据蒙特卡洛模拟法或者解析法选择具体的场景，并读取各个场景下的场景数据。

3.如权利要求1所述的一种基于紧约束识别的电力系统脆弱点评价方法，其特征是：根据基于直流潮流的最优负荷削减模型，评估各个具体场景下电力系统是否需要削减负荷，如需要，则遍历基于直流潮流的最优负荷削减模型中的每一个不等式约束，得到当前的紧约束的个数，如不需要，则直接利用解析法或者蒙特卡洛模拟法求出系统中每个待评价元件的紧约束指标。

4.如权利要求1所述的一种基于紧约束识别的电力系统脆弱点评价方法，其特征是：基于直流潮流的最优负荷削减模型具体为，目标函数为所有节点的失负荷量的总和最小，且约束条件至少包括机组发电有功出力在其上下限内，线路的有功功率在其上限内，以及各节点的失负荷量大于零且小于该节点有功负荷的列向量。

5.如权利要求1所述的一种基于紧约束识别的电力系统脆弱点评价方法，其特征是：所述紧约束为对于可行域中的点x，当目标函数取得极值时，点x处于某约束形成的边界上，起到限制作用，则称这一约束为点x处的紧约束。

6.如权利要求1所述的一种基于紧约束识别的电力系统脆弱点评价方法，其特征是：遍历每一个元件所代表的不等式约束，对于某元件所代表的不等式约束，如果是紧约束，则计算具体场景下该元件的紧约束指标，如不是紧约束，则直接利用解析法或者蒙特卡洛模拟法求出系统中每个待评价元件的紧约束指标。

7.如权利要求1所述的一种基于紧约束识别的电力系统脆弱点评价方法，其特征是：根据解析法求出系统中每个待评价元件的紧约束指标，所述求出系统中每个待评价元件的紧约束指标为各场景发生的概率与其对应场景下元件紧约束指标的乘积之和。

8.如权利要求1所述的一种基于紧约束识别的电力系统脆弱点评价方法，其特征是：根据蒙特卡洛模拟法求出系统中每个待评价元件的紧约束指标，所述求出系统中每个待评价元件的紧约束指标为各场景发生的次数与其对应场景下元件紧约束指标的乘积之和的平均数。

9.一种基于紧约束识别的电力系统脆弱点评价系统，其特征是：运行于处理器或存储器上，被配置为执行以下指令：

根据基于直流潮流的最优负荷削减模型，计算具体场景下每一个元件所代表的不等式约束是否为紧约束，并据此计算每一个元件的紧约束指标；

所述元件的紧约束指标为设定的判别量与各节点的失负荷量之和与场景下基于直流潮流的最优负荷削减模型的紧约束数量的比值的乘积；

当元件为发电机组时，所述判别量为1或0，且仅当机组的实际出力等于机组的最大出力时取1；

当元件为输电线路时，所述判别量为1或0，且仅当线路流过的实际功率等于线路的最大容量时取1；

计算广义下所评价电力系统中每一个元件的紧约束指标，并排序，以容量角度确定对电力系统可靠性影响超过设定值的元件，进而在容量角度评价电力系统中的脆弱节点。

Images