CN109546647A - 一种用于含风光水储的电力系统的安全稳定评估方法 - Google Patents

Abstract

一种用于含风光水储的电力系统的安全稳定评估方法，它包括信号串联支路以及与信号串联支路两端连接的控制电源以及励磁调节器，信号串联支路包括串联的起励电源开关的常开接点、灭磁开关的常开接点、功率柜风机电源开关的常开接点、退励磁继电器的常闭接点、发电机额定转速继电器的常开接点、励磁系统故障继电器的常闭接点。本发明的目的是为了提供一种能在发电机开机过程中进行发电机是否具备起励条件的判断的装置和方法，以解决在不满足起励条件下，发电机开机失败，影响电力生产及电力系统稳定性，并损坏电力设备的技术问题。

Description

一种用于含风光水储的电力系统的安全稳定评估方法

技术领域

本发明属于电力系统领域，具体涉及一种基于数据挖掘技术的用于含风光水储的电力系统的安全稳定评估方法。

背景技术

能源紧缺和环境污染等现实问题，让世界各国聚焦于风能、太阳能、水能等可再生清洁能源的大规模开发和利用。然而，风力发电和光伏发电受季节、气候、地形等因素的影响，具有随机性、波动性、间歇性，且大规模风电、光电一般采用海量、异构的电力电子接口并入电网，这势必会给电力系统的结构、潮流及安全稳定性带来影响。考虑到水电和抽水蓄能具有的良好调节性以及风/光本身具有的天然互补性，为了减小风/光并网对系统的影响，研究者们将风光水储联合起来进行调度控制，构成含风光水储的电力系统。

目前，研究者们对于风光水储电力系统的研究，大多着眼于风光水储的智能优化调度，以及减小风光水储对电力系统的冲击影响等方面，鲜有定量研究风光水储的接入对电力系统安全稳定影响问题。另外，就目前电力系统安全稳定方面的研究成果来看，多为传统的能源结构下的安全稳定性研究，尚未考虑高比例新能源电源接入电力系统的背景，鲜有研究者针对大规模风电、光电以及水电、抽水蓄能接入系统后对整个系统安全稳定性的影响展开研究。从电力系统的安全稳定研究思路来看，主要是围绕静态稳定机理、暂态稳定机理、动态稳定机理进行分析、建模和时域仿真分析，然而风/光等强随机性、强间歇性、强波动性的电源接入，增加了电力系统的复杂度，且使得电力系统运行数据量激增，这将导致从机理角度出发的研究方法迁移性不强，且计算精度和速度往往难以协调，为了解决这一问题，研究者尝试将数据挖掘技术应用于电力系统的安全稳定分析方面。本发明既考虑电力系统中有风光水储接入，也利用数据挖掘技术来定量研究系统安全稳定问题，因此，本发明提供一种基于数据挖掘技术的用于含风光水储的电力系统的安全稳定评估方法。

发明内容

本发明的目的主要是为了解决现有对风光水储电力系统的研究，主要是围绕静态稳定机理、暂态稳定机理、动态稳定机理进行分析、建模和时域仿真分析，然而风/光等强随机性、强间歇性、强波动性的电源接入，增加了电力系统的复杂度，且使得电力系统运行数据量激增，这将导致从机理角度出发的研究方法迁移性不强，且计算精度和速度往往难以协调的技术问题。

发明的目的是这样实现的：

一种用于含风光水储的电力系统的安全稳定评估方法，包括以下步骤：

步骤1.针对风力发电、光伏发电、水力发电和抽水蓄能进行特性分析与建模；

步骤2.选择风光水储并网位置，且确定风光水储各自渗透率系数值，进而确定风光水储的出力情况；

步骤3.在无风光水储发电模式的电力系统结构基础上，每确定一组风光水储接入点位置和风光水储各自渗透率系数值，便可得到对应的一种含风光水储的电力系统结构；

步骤4.选择安全稳定评估指标，对所得的含风光水储的电力系统逐一进行潮流分析，构建含风光水储电力系统的运行变量与安全稳定评估指标的数据库集；

步骤5.运用数据挖掘技术来挖掘所得数据库集中隐藏的安全稳定评估指标与系统运行变量之间的关系；

步骤6.选定能够表征含风光水储的电力系统的主要运行变量如风速，太阳辐射强度，水的流速，密度等作为输入特征，构建含风光水储的电力系统的安全稳定评估模型，以便在给出一个新的运行点时，可利用构建的安全稳定评估模型来直接定量评估含风光水储的电力系统的安全稳定情况。

各种模式发电系统建模时均主要考虑其有功出力，采用定功率因数模式来进行无功控制。

上述的风力发电特性与建模，风机输出功率主要受风速变化的影响，当风机的风速v小于切入风速v_in，或者风速v大于切出风速v_out时，风机停止运行，风电场出力为0，仅当v∈[v_in,v_out]时，风电场出力大于0，风电场中风机转轴高度处的风速v与风电场出力P_W之间的关系可用下式(1)进行描述：

式(1)中，v_N表示风机额定风速，时变的风速v对应着时变的风电场出力P_W，风电场额定出力大小为P_Wmax，因此，P_W∈[0,P_Wmax]。

在光伏发电特性与建模中，若干光伏电池形成光伏电池阵列，若干光伏电池阵列形成光伏电站，以G表示光伏阵列倾斜面上的总太阳辐射强度，太阳能光伏电站输出功率P_V主要受环境温度T和光伏阵列倾斜面上的总太阳辐射强度G影响，光伏发电站在任意T和G条件下的输出功率P_V可用下式(2)进行表示：

P_V＝I(G,U)×U(G,U) (2)

式(2)中，I(G,T)表示在任意T和G条件下光伏阵列的输出电流，U(G,T)表示在任意T 和G条件下的光伏阵列两端电压，考虑到光伏发电受其物理特性限制，输出功率具有上下限，光伏电站最大输出功率为P_Vmax，因此，P_V∈[0,P_Vmax]。

上述的水力发电特性与建模中，水体从上游冲到下游后减少的势能以效率η_H转化为电能，再具体考虑水密度ρ_H、重力加速度g_H、水流流速Q_H、上下游水位差h_H等因素，便可用下式(3)描述水电站出力大小P_H：

P_H＝f(ρ_H,g_H,Q_H,h_H,η_H) (3)

一般水电站不会完全停运，且水电站库容量有限，故而水电站出力P_H有水电站出力上限P_Hmax和水电站出力下限P_Hmin约束，因此，P_H∈[P_Hmin,P_Hmax]。

在抽水蓄能特性与建模中，抽水蓄能电站出力P_P与水泵水轮机的转轮直径D_P、单位力矩M_P、单位转速n_P、水流流速Q_P、水位差h_P有关，抽水蓄能电站出力与主要影响因素之间的关系可用下式(4)进行表示：

P_P＝f(D_P,M_P,n_P,Q_P,h_P) (4)

考虑到蓄水水库库容限制，当抽水蓄能电站工作时，抽水蓄能电站出力具有抽水蓄能额定出力上限P_Pmax和抽水蓄能额定出力下限P_Pmin，因此，P_P∈[P_Pmin,P_Pmax]。

在步骤2中，将发电电源连接于原电力系统的发电机节点母线上，以便集中调度；确定风光水储各自渗透率系数值，进而确定风光水储的出力情况，风力发电站、光伏发电站、水力发电站、抽水蓄能电站的实际出力P_Wout,P_Vout,P_Hout,P_Pout可用下式(5)表示：

P_Wout＝ξ_W·P_W,P_Vout＝ξ_V·P_V,P_Hout＝ξ_H·P_H,P_Pout＝ξ_P·P_P (5)

ξ_W,ξ_V,ξ_H,ξ_P分别表示风力发电渗透率系数值、光伏发电渗透率系数值、水力发电渗透率系数值、抽数蓄能发电渗透率系数值，各渗透率系数值取值范围均为[0,1]。

在步骤3中，在节点电力系统结构接触上，确定风光水储接入点位置和ξ_W,ξ_V,ξ_H,ξ_P值，得到对应的含风光水储的电力系统结构。

在步骤4中，对所得的含风光水储的电力系统逐一进行潮流分析，针对全部可能的含风光水储的电力系统结构在ξ_W,ξ_V,ξ_H,ξ_P取所有可取值的情况下，均做潮流分析。

在步骤6中，构建含风光水储的电力系统的安全稳定评估模型，以数据挖掘得到的运行变量与安全稳定评估指标对应的关系为安全稳定评估模型表达式，以所选的输入特征作为模型输入，以定量的安全稳定评估裕度指标作为模型输出。

采用上述技术方案，能带来以下技术效果：

本发明提供一种基于数据挖掘技术的用于含风光水储的电力系统的安全稳定评估方法，该方法充分利用清洁风/光能源的互补性以及可再生水电、抽水蓄能的良好调节性，将风光水储纳入电力系统结构中，采用基于知识发现的数据挖掘技术，探究运行变量与安全稳定评估指标之间的关系，构造安全稳定评估模型，可有效评估含风光水储的电力系统的安全稳定性。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1是本发明的流程图；

图2是本发明实施例中风光水储接入前的IEEE-39节点电力系统单线图；

图3是本发明实施例中风力发电站的系统结构示意图；

图4是本发明实施例中光伏发电站的系统结构示意图；

图5是本发明实施例中水力发电站的系统结构示意图；

图6是本发明实施例中抽水蓄能电站的系统结构示意图；

图7是本发明实施例中含风光水储的电力系统单线图。

具体实施方式

一种用于含风光水储的电力系统的安全稳定评估方法，包括以下步骤：

步骤1.针对风力发电、光伏发电、水力发电和抽水蓄能进行特性分析与建模；

步骤2.选择风光水储并网位置，且确定风光水储各自渗透率系数值，进而确定风光水储的出力情况；

步骤3.在无风光水储发电模式的电力系统结构基础上，每确定一组风光水储接入点位置和风光水储各自渗透率系数值，便可得到对应的一种含风光水储的电力系统结构；

步骤4.选择安全稳定评估指标，对所得的含风光水储的电力系统逐一进行潮流分析，构建含风光水储电力系统的运行变量与安全稳定评估指标的数据库集；

步骤5.运用数据挖掘技术来挖掘所得数据库集中隐藏的安全稳定评估指标与系统运行变量之间的关系；

步骤6.选定能够表征含风光水储的电力系统的主要运行变量如风速，太阳辐射强度，水的流速，密度等作为输入特征，构建含风光水储的电力系统的安全稳定评估模型，以便在给出一个新的运行点时，可利用构建的安全稳定评估模型来直接定量评估含风光水储的电力系统的安全稳定情况。

如图1所示，在步骤1中，包括风力发电特性与建模、光伏发电特性与建模、水力发电特性与建模、抽水蓄能特性与建模四个方面，各种模式发电系统建模时均主要考虑其有功出力，采用定功率因数模式来进行无功控制，风光水储的分析与建模如下：

1)所述的风力发电特性与建模，风机输出功率主要受风速变化的影响，当风机的风速v小于切入风速v_in，或者风速v大于切出风速v_out时，风机停止运行，风电场出力为0，仅当v∈[v_in,v_out]时，风电场出力大于0，风电场中风机转轴高度处的风速v与风电场出力P_W之间的关系可用下式(1)进行描述：

式(1)中：v_N表示风机额定风速，时变的风速v对应着时变的风电场出力P_W，风电场额定出力大小为P_Wmax，因此，P_W∈[0,P_Wmax]。

2)所述的光伏发电特性与建模，光伏发电的核心组成部分是光伏电池，大量光伏电池通过一些列串并联组合形成光伏电池阵列，大量光伏电池阵列通过一定的排列组合形成光伏电站，光伏阵列安置的倾斜角度不同时，光伏阵列可获得的太阳能辐射量不同，以G表示光伏阵列倾斜面上的总太阳辐射强度，太阳能光伏电站输出功率P_V主要受环境温度T和光伏阵列倾斜面上的总太阳辐射强度G影响，光伏发电站在任意T和G条件下的输出功率P_V可用下式(2)进行表示：

P_V＝I(G,U)×U(G,U) (2)

式(2)中，I(G,T)表示在任意T和G条件下光伏阵列的输出电流，U(G,T)表示在任意T 和G条件下的光伏阵列两端电压，考虑到光伏发电受其物理特性限制，输出功率具有上下限，光伏电站最大输出功率为P_Vmax，因此，P_V∈[0,P_Vmax]。

3)所述的水力发电特性与建模，水力发电站出力情况受大气降水、河流径流量、库容量、水轮机组特性等因素影响，对水力发电站进行建模的一种思路是从能量守恒的角度去分析，水体从上游冲到下游后减少的势能以效率η_H转化为电能，再具体考虑水密度ρ_H、重力加速度g_H、水流流速Q_H、上下游水位差h_H等因素，便可用下式(3)描述水电站出力大小P_H：

P_H＝f(ρ_H,g_H,Q_H,h_H,η_H) (3)

一般水电站不会完全停运，且水电站库容量有限，故而水电站出力P_H有水电站出力上限P_Hmax和水电站出力下限P_Hmin约束，因此，P_H∈[P_Hmin,P_Hmax]。

4)所述的抽水蓄能特性与建模，抽水蓄能电站具有良好的调节性，实质是一个以水为载体的能量储能装置，通过抽水储能和放水发电，将电能在时间和空间上进行转移与再分配的过程。抽水蓄能电站与风力发电和光伏发电协同作用，具有平抑风光波动的能力，抽水蓄能电站出力P_P与水泵水轮机的转轮直径D_P、单位力矩M_P、单位转速n_P、水流流速Q_P、水位差h_P有关，抽水蓄能电站出力与主要影响因素之间的关系可用下式(4)进行表示：

P_P＝f(D_P,M_P,n_P,Q_P,h_P) (4)

考虑到蓄水水库库容限制，当抽水蓄能电站工作时，抽水蓄能电站出力具有抽水蓄能额定出力上限P_Pmax和抽水蓄能额定出力下限P_Pmin，因此，P_P∈[P_Pmin,P_Pmax]。

步骤2中，所述的选择风光水储并网位置，在当前电力系统拓扑结构之上，考虑风光水储并入电网，然而，风光水储可联合并网，亦可分散并网，且理论上风光水储并网的可能位置有多种。就实际情况来看，如果风/光/水/储发电站发出的电能较少，一般本着“分散开发、低压就地消纳”原则，此种情况下发电电源一般安装于负荷较为集中的位置，如果风/光/水/储规模较大，若直接接入配网，系统可能无法消纳大量电能，这是不合理的，此种情况下一般采取“大规模集中开发、中高压接入”原则，将发电电源连接于原电力系统的发电机节点母线上，以便集中调度。本发明具体实施例考虑大规模接种开发、中高压接入模式，如图2所示，图2给出一个风光水储接入前的典型的IEEE-39节点电力系统单线图，图2所示系统中包含10个发电机节点，19个负荷节点，所述的风力发电站、光伏发电站、水力发电站均是电源，理论上有并入图2所示电力系统的10个发电机节点中任意1个或多个节点上的可能性，而抽水蓄能电站可工作于抽水储能和放水发电两种模式，分别具备负荷和电源特性，因此，理论上抽水蓄能电站可并入10个发电机节点或19个负荷节点对应的任何一条母线上。综上，风光水储并网的位置可能性众多，本发明所提方法会全面考虑各种可能的风光水储并网位置。

在步骤2中，所述的确定风光水储各自渗透率系数值，进而确定风光水储的出力情况，必须联合电力系统当前的电力供需情况来联合调度。步骤1的具体实施方式中给出了风光水储的出力模型与出力区间，调度工作者可根据系统中电能的实际供需情况确定各发电系统的出力。以ξ_W,ξ_V,ξ_H,ξ_P分别表示风力发电渗透率系数值、光伏发电渗透率系数值、水力发电渗透率系数值、抽数蓄能发电渗透率系数值，各渗透率系数值取值范围均为[0,1]，则风力发电站、光伏发电站、水力发电站、抽水蓄能电站的实际出力P_Wout,P_Vout,P_Hout,P_Pout可用下式(5)表示：

P_Wout＝ξ_W·P_W,P_Vout＝ξ_V·P_V,P_Hout＝ξ_H·P_H,P_Pout＝ξ_P·P_P (5)

步骤3中，在图2所示的IEEE-39节点电力系统结构接触上，确定风光水储接入点位置和ξ_W,ξ_V,ξ_H,ξ_P值，便可得到对应的一种含风光水储的电力系统结构，考虑到接入系统的风力发电站、光伏发电站、水力发电站和抽水蓄能电站结构因其规模及各自特性不同而存在极大差异性，图3给出一种可能的风力发电站、光伏发电站、水力发电站、抽水蓄能电站的系统结构示意图，分析如下：

图4所示为风力发电站结构示意图，m个风力发电机组均通过电力电子变换器进行电力变换，再通过变压器将风力发电站发出的电能并入电力系统，另外，图4给出了风力发电的电源符号。

图5所示光伏发电站结构示意图，n个光伏发电模块发出的直流电均经过电力电子变换器逆变成交流电，再通过变压器将光伏发电站发出的电能并入电力系统。另外，图5给出了光伏发电的电源符号。

图6所示水力发电站结构示意图，水力发电站发出的电能通过变压器变换成合适的电压等级后并入电网。另外，图6给出了水力发电的电源符号。

图7所示抽水蓄能电站结构示意图，抽水蓄能电站可工作于抽水储能的负荷模式，也可工作于放水发电的电源模式：若工作于放水发电状态，则发出电能，此时图7给出的电源符号用来表示抽水蓄能电站的发电模式；若工作于抽水储能状态，则将能量进行储存，此时仍用图7所示的符号表示抽水蓄能电站，只是此时电源符号表示发出负的能量，在抽水蓄能水库要电网进行能量交流时均需通过变压器来调整电压等级。

本发明具体实施例中，将图3所示的风力发电站接入图2所示电力系统中33号发电机节点母线上，将图4所示的光伏发电站接入图2所示电力系统中34号发电机节点母线上，将图5所示的水力发电站接入图2所示电力系统中32号发电机节点母线上，将图6 所示的抽水蓄能电站作为电源，接入图2所示电力系统中36号发电机节点母线上，则可得到如图7所示的一种含风光水储的电力系统单线图。需要说明的是，当风光水储的ξ_W,ξ_V,ξ_H,ξ_P取不同值时，图7所示的含风光水储的电力系统的潮流分布参数均会改变，另外，变更风光水储并网位置，可能会增加发电机节点，对系统结构影响较大，类似情况均在本发明的考虑范围之类。

步骤4中，所述的选择安全稳定评估指标，需要考虑到风光水储特性差异性对系统各运行参量的影响程度呈现较大差异性，可选择的安全稳定评估指标可以是系统运行参量中的节点电压幅值、节点电压相角、负荷节点有功功率、负荷节点无功功率、发电机节点有功功率、发电机节点无功功率等相关参量。

步骤4中，所述的对所得的含风光水储的电力系统逐一进行潮流分析，需要针对全部可能的含风光水储的电力系统结构在ξ_W,ξ_V,ξ_H,ξ_P取所有可取值的情况下，均做潮流分析。以图4所示的一种含风光水储的电力系统为例，用i表示发电机节点编号，且i∈[1,10]。用 j表示负荷节点编号，且j∈[1,19]。用k表示风光水储发电模式：当k＝1时，表示风力发电模式，ξ₁＝ξ_W，P_1out＝P_Wout，通过定功率因数模式得出对应的无功功率用Q_1out表示；当 k＝2时，表示光伏发电模式，ξ₂＝ξ_V，P_2out＝P_Vout，通过定功率因数模式得出对应的无功功率用Q_2out表示：当k＝3时，表示水力发电模式，ξ₃＝ξ_H，P_3out＝P_Hout，通过定功率因数模式得出对应的无功功率用Q_3out表示：当k＝4时，表示抽水蓄能模式，ξ₄＝ξ_P，P_4out＝P_Pout，通过定功率因数模式得出对应的无功功率用Q_4out表示。在任一时刻，发电机节点i的有功功率、无功功率、电压幅值、电压相角可表示为：负荷节点j的有功功率、无功功率、电压幅值、电压相角可表示为：且所有节点的有功功率和无功功率必须满足功率平衡，即必须满足下式(6)所表示的功率关系：

需要说明的是，风光水储可能接入发电机节点处，也可能接入负荷节点处，当风光水储接入负荷节点时，可能造成负荷节点性质的改变，有风光水储任意一种或多种发电模式接入的负荷节点处有功功率可用下式(7)表示：

式(7)中：当时，表示风光水储提供的电能大于该节点处负荷吸收的功率，即该节点发出功率，此时负荷节点变为发电机节点；当表示该负荷节点不消耗有功功率；当时，表示该负荷节点消耗功率，负荷节点性质保持不变。

步骤4中，所述的对所得的含风光水储的电力系统逐一进行潮流分析，可以采用高斯 -赛德尔法、改进的高斯-赛德尔法、完全的牛顿-拉夫逊算法、解耦的牛顿拉夫逊算法、定斜率的解耦牛顿-拉夫逊算法。

步骤4中，所述的构建含风光水储电力系统的运行变量与安全稳定评估指标的数据库集，包括基于遍历风光水储各渗透率系数取值且遍历风光水储可能的全部接入点所得到的含风光水储的电力系统的运行点对应的运行变量数据和潮流分析后得到的安全稳定评估指标数据。

步骤5中，所述的数据挖掘技术，包括人工神经网络、支持向量机、回归树、多重回归模型、决策树、球向量机及其他不同于传统数据处理过程、不需要预先假设或提出问题但仍能找到海量数据中隐藏的不可预期但可能有价值的信息的技术方法。

步骤5中，所述的运用数据挖掘技术来挖掘所得数据库集中隐藏的安全稳定评估指标与系统运行变量之间的关系，这种关系可能是线性的，也可能是非线性的。

步骤6中，所述的选定能够表征含风光水储的电力系统的主要运行变量作为输入特征，所选的输入特征是与安全稳定评估指标有强相关性的运行变量，需要根据数据挖掘的结果来酌情合理选择。

步骤6中，所述的构建含风光水储的电力系统的安全稳定评估模型，是以数据挖掘得到的运行变量与安全稳定评估指标对应的关系为安全稳定评估模型表达式，以所选的输入特征作为模型输入，以定量的安全稳定评估裕度指标作为模型输出。这样在给定一个运行点信息作为输入时，依托所建立的安全稳定评估模型，可快速、准确得到对应的安全稳定裕度值，为预知含风光水储的电力系统的安全稳定评估提供定量的数值参考。

Claims (10)

1.一种用于含风光水储的电力系统的安全稳定评估方法，其特征在于，包括以下步骤：

步骤1.针对风力发电、光伏发电、水力发电和抽水蓄能进行特性分析与建模；

步骤2.选择风光水储并网位置，且确定风光水储各自渗透率系数值，进而确定风光水储的出力情况；

步骤3.在无风光水储发电模式的电力系统结构基础上，每确定一组风光水储接入点位置和风光水储各自渗透率系数值，便可得到对应的一种含风光水储的电力系统结构；

步骤4.选择安全稳定评估指标，对所得的含风光水储的电力系统逐一进行潮流分析，构建含风光水储电力系统的运行变量与安全稳定评估指标的数据库集；

步骤5.运用数据挖掘技术来挖掘所得数据库集中隐藏的安全稳定评估指标与系统运行变量之间的关系；

步骤6.选定能够表征含风光水储的电力系统的主要运行变量作为输入特征，构建含风光水储的电力系统的安全稳定评估模型，以便在给出一个新的运行点时，可利用构建的安全稳定评估模型来直接定量评估含风光水储的电力系统的安全稳定情况。

2.根据权利要求1所述的一种用于含风光水储的电力系统的安全稳定评估方法，其特征在于：在步骤1中，各种模式发电系统建模时均主要考虑其有功出力，采用定功率因数模式来进行无功控制。

3.根据权利要求1或2所述的一种用于含风光水储的电力系统的安全稳定评估方法，其特征在于：在步骤1中，所述的风力发电特性与建模，风机输出功率主要受风速变化的影响，当风机的风速v小于切入风速v_in，或者风速v大于切出风速v_out时，风机停止运行，风电场出力为0，仅当v∈[v_in,v_out]时，风电场出力大于0，风电场中风机转轴高度处的风速v与风电场出力P_W之间的关系可用下式(1)进行描述：

式(1)中：v_N表示风机额定风速，时变的风速v对应着时变的风电场出力P_W，风电场额定出力大小为P_Wmax，因此，P_W∈[0,P_Wmax]。

4.根据权利要求1或2所述的一种用于含风光水储的电力系统的安全稳定评估方法，其特征在于：在步骤1中，在光伏发电特性与建模中，若干光伏电池形成光伏电池阵列，若干光伏电池阵列形成光伏电站，以G表示光伏阵列倾斜面上的总太阳辐射强度，太阳能光伏电站输出功率P_V主要受环境温度T和光伏阵列倾斜面上的总太阳辐射强度G影响，光伏发电站在任意T和G条件下的输出功率P_V可用下式(2)进行表示：

P_V＝I(G,U)×U(G,U) (2)

式(2)中：I(G,T)表示在任意T和G条件下光伏阵列的输出电流，U(G,T)表示在任意T和G条件下的光伏阵列两端电压，考虑到光伏发电受其物理特性限制，输出功率具有上下限，光伏电站最大输出功率为P_Vmax，因此，P_V∈[0,P_Vmax]。

5.根据权利要求1或2所述的一种用于含风光水储的电力系统的安全稳定评估方法，其特征在于：在步骤1中，所述的水力发电特性与建模中，水体从上游冲到下游后减少的势能以效率η_H转化为电能，再具体考虑水密度ρ_H、重力加速度g_H、水流流速Q_H、上下游水位差h_H等因素，便可用下式(3)描述水电站出力大小P_H：

P_H＝f(ρ_H,g_H,Q_H,h_H,η_H) (3)

一般水电站不会完全停运，且水电站库容量有限，故而水电站出力P_H有水电站出力上限P_Hmax和水电站出力下限P_Hmin约束，因此，P_H∈[P_Hmin,P_Hmax]。

6.根据权利要求1或2所述的一种用于含风光水储的电力系统的安全稳定评估方法，其特征在于：在步骤1中，在抽水蓄能特性与建模中，抽水蓄能电站出力P_P与水泵水轮机的转轮直径D_P、单位力矩M_P、单位转速n_P、水流流速Q_P、水位差h_P有关，抽水蓄能电站出力与主要影响因素之间的关系可用下式(4)进行表示：

P_P＝f(D_P,M_P,n_P,Q_P,h_P) (4)

考虑到蓄水水库库容限制，当抽水蓄能电站工作时，抽水蓄能电站出力具有抽水蓄能额定出力上限P_Pmax和抽水蓄能额定出力下限P_Pmin，因此，P_P∈[P_Pmin,P_Pmax]。

7.根据权利要求1所述的用于含风光水储的电力系统的安全稳定评估方法，其特征在于：在步骤2中，将发电电源连接于原电力系统的发电机节点母线上，以便集中调度；确定风光水储各自渗透率系数值，进而确定风光水储的出力情况，风力发电站、光伏发电站、水力发电站、抽水蓄能电站的实际出力P_Wout,P_Vout,P_Hout,P_Pout可用下式(5)表示：

P_Wout＝ξ_W·P_W,P_Vout＝ξ_V·P_V,P_Hout＝ξ_H·P_H,P_Pout＝ξ_P·P_P (5)

式(5)中：ξ_W,ξ_V,ξ_H,ξ_P分别表示风力发电渗透率系数值、光伏发电渗透率系数值、水力发电渗透率系数值、抽数蓄能发电渗透率系数值，各渗透率系数值取值范围均为[0,1]。

8.根据权利要求1所述的用于含风光水储的电力系统的安全稳定评估方法，其特征在于：在步骤3中，在节点电力系统结构接触上，确定风光水储接入点位置和ξ_W,ξ_V,ξ_H,ξ_P值，得到对应的含风光水储的电力系统结构。

9.根据权利要求1所述的发电机励磁系统起励闭锁方法，其特征在于：在步骤4中，对所得的含风光水储的电力系统逐一进行潮流分析，针对全部可能的含风光水储的电力系统结构在ξ_W,ξ_V,ξ_H,ξ_P取所有可取值的情况下，均做潮流分析。

10.根据权利要求1或2或7或8或9所述的用于含风光水储的电力系统的安全稳定评估方法，其特征在于：在步骤6中，构建含风光水储的电力系统的安全稳定评估模型，以数据挖掘得到的运行变量与安全稳定评估指标对应的关系为安全稳定评估模型表达式，以所选的输入特征作为模型输入，以定量的安全稳定评估裕度指标作为模型输出。