CN109934437B - 一种配电网停电风险评估方法及系统 - Google Patents
一种配电网停电风险评估方法及系统 Download PDFInfo
- Publication number
- CN109934437B CN109934437B CN201711363340.0A CN201711363340A CN109934437B CN 109934437 B CN109934437 B CN 109934437B CN 201711363340 A CN201711363340 A CN 201711363340A CN 109934437 B CN109934437 B CN 109934437B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- outage
- power distribution
- power
- power supply
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 158
- 238000012502 risk assessment Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005070 sampling Methods 0.000 claims abstract description 72
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000005315 distribution function Methods 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 11
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 230000032683 aging Effects 0.000 claims description 7
- 230000007812 deficiency Effects 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 208000003443 Unconsciousness Diseases 0.000 claims description 5
- 230000037237 body shape Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000035882 stress Effects 0.000 description 2
- OAVCWZUKQIEFGG-UHFFFAOYSA-O 2-(5-methyl-2H-tetrazol-1-ium-1-yl)-1,3-thiazole Chemical compound CC1=NN=N[NH+]1C1=NC=CS1 OAVCWZUKQIEFGG-UHFFFAOYSA-O 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种配电网停电风险评估方法及系统，所述方法包括：采集配电网停运信息；将所述配电网停运信息带入预先建立的配电网停电风险评估模型中，计算停运风险；所述预先建立的配电网停电风险评估模型包括：配电网状态变量抽样模型和评价指标。本发明提供的技术方案通过建立各元件的停运模型，明确风险评估量化指标，更加准确而全面的评估含分布式电源配电网的停电风险水平。
Description
技术领域
本发明属于电力系统及其自动化领域，具体涉及一种配电网停电风险评估方法及系统。
背景技术
分布式电源的大量接入，改变了配网网络结构及潮流，传统的辐射状配电网变成多电源系统。考虑到分布式电源的随机性，配电网的风险因素以及风险水平发生改变，风险评估显得更加重要。
在这种形势下，传统的配电网风险评估不能充分反映含分布式电源配电网的风险水平。
因此，需要提出一种配电网停电风险评估方法及装置来解决上述问题。
发明内容
针对现有技术的不足，本发明提出了一种配电网停电风险评估方法及系统。
一种配电网停电风险评估方法，包括：
采集配电网停运信息；
将所述配电网停运信息带入预先建立的配电网停电风险评估模型中，计算停运风险；
所述预先建立的配电网停电风险评估模型包括：配电网状态变量抽样模型和评价指标。
进一步的，所述配电网停电风险评估模型的建立包括：
采集配电网历史运行数据；
对采集到的历史数据进行分析，建立配电网状态变量抽样模型。
进一步的，所述将所述配电网停运信息带入预先建立的配电网停电风险评估模型中，计算停运风险，包括：
基于所述配电网状态变量抽样模型确定配电网状态；
根据配电网状态以及评价指标设定停电风险级别的划分。
进一步的，所述对采集到的历史数据进行分析，建立配电网状态变量抽样模型包括：
基于所述配电网历史运行数据和分布式电源随机变量概率分布函数计算得到分布式电源随机变量的概率分布曲线；
将所述随机变量的概率分布曲线按照等概率的原则划分为N个区间；
在每个等概率区间内随机抽取m个随机变量作为采样值并储存；
将所述采样值带入分布式电源随机出力模型得到各分布式电源的输出功率，生成分布式电源-负荷矩阵；
抽取N组每组k个元件的停运状态，所述元件的停运状态的抽样值与所述元件的停运率相比较，生成元件停运状态矩阵；
将分布式电源-负荷矩阵与元件停运状态矩阵中的各行随机配对，得到综合状态矩阵，所述综合状态矩阵为配电网状态变量抽样模型；
所述分布式电源包括风机电源和光伏阵列电源；
所述随机变量包括风速、日照和负荷。
进一步的，所述风速的概率分布函数，如下式所示：
其中，v为风速；K为形状参数；C为尺度参数；
进一步的，所述分布式电源随机出力模型包括风机电源随机出力模型；
所述风机电源随机出力模型如下式所示：
其中，vci为风电机组切入风速；vr为风电机组额定风速；vco为风电机组切出风速；Pr为发电机额定输出功率；a和b为常数。
进一步的，所述日照的概率分布函数，如下式所示：
其中，r为太阳辐射强度；α和β为Beta分布形状参数；rmax为最大辐射强度。
进一步的，所述分布式电源随机出力模型还包括光伏电源随机出力模型；
所述光伏电源随机出力模型，如下式所示：
其中，E(k)为正常运行的光伏元件数量的均值；M为光伏元件的个数；A为光伏阵列总面积；η为总体的转换效率。
进一步的，所述分布式电源-负荷矩阵SDL如下式所示：
其中，和/>分别表示第k个分布式电源DGk的输出功率采样值和第k个负荷点的负荷容量采样值；T和W表示配电网中分布式电源和负荷点的个数。
进一步的，所述元件停运状态矩阵Sc如下式所示：
其中，为元件的停运状态的抽样值；PK为元件的停运率；/>为元件停运状态变量。
进一步的，所述元件的停运率如下式所示：
PK＝P(逆)+P(自)
其中，P为元件的停运率；P(逆)为逆变器停运率；P(自)为自身停运率。
进一步的，所述分布式电源为风机电源时，风机元件的停运率如下式所示：
其中，U(风)为风机可修复强迫失效概率；Up(风)为风机计划停运率；Pf(风)为风机发生老化失效概率；为风机自身停运率；/>为风机的平均风速；vk为风速；βz为风振系数；μz为风压高度变化系数；μs为体形系数；ρ为空气密度；kf和bf为常数；λmin为切入风速时对应的停运率；λmax为切除风速时对应的停运率；vci为切入风速；vco为切出风速。
进一步的，所述分布式电源为光伏阵列电源时，光伏阵列元件的停运率如下式所示：
P(pv)＝U(pv)+Up(pv)+Pf(pv)
其中，U(pv)为光伏阵列可修复强迫失效概率；Up(pv)为光伏阵列计划停运率；Pf(pv)为光伏阵列发生老化失效概率。
进一步的，所述对采集到的历史数据进行分析，建立配电网状态变量抽样模型，还包括：根据所述元件停运状态矩阵确定孤岛。
进一步的，所述根据所述元件停运状态矩阵确定孤岛，包括：
若所述元件停运状态矩阵为非零矩阵，则进行孤岛划分。
进一步的，所述确定孤岛后还包括：孤岛划分完成后，对每一个孤岛进行孤岛校验。
进一步的，所述孤岛校验包括：
判断形成的每一个孤岛是否满足校验约束条件，若满足，则优化孤岛方案确定；否则对孤岛内的最下层负荷节点按照优先剔除节点等效负荷容量最小的节点为原则对孤岛进行调整，直到满足校验约束；
所述约束条件如下式所示：
Vimin≤Vi≤Vimax
Sk.min≤Sk≤Sk.max
其中，Vi为节点电压；Vimin和Vimax分别为节点i的允许电压下限和上限值；Sk为线路k的传输容量；Sk.min和Sk.max分别为线路k的允许传输容量的最小值和最大值。
进一步的，所述对采集到的历史数据进行分析，建立配电网状态变量抽样模型，还包括：当满足停电风险指标协方差小于规定的收敛阈值时，抽样停止。
进一步的，所述停电风险指标协方差βCOV如下式所示：
其中，Var为停电风险指标f的方差；E(f)为停电风险指标f的计算期望值；N为抽样次数。
进一步的，所述评价指标包括：失负荷概率严重度、电量严重不足度和重要负荷损失度。
进一步的，所述失负荷概率严重度的计算，如下式所示：
其中，N为系统抽样总次数；Lk为失负荷事件标识符；POFFb为可容许失负荷概率界限；
所述电量严重不足度的计算，如下式所示：
其中，COFFi为第i次停电造成的负荷损失电量；EOFFb为可容许的电量损失界限；
所述重要负荷损失度的计算，如下式所示：
其中，m和n分别为系统抽样状态情况下损失的重要负荷数和配电网的重要负荷总数；ω为负荷权重，P为负荷容量。
进一步的，所述根据配电网状态以及评价指标设定停电风险级别的划分，包括：
根据失负荷概率严重度、电量严重不足度和重要负荷损失度，设定停电风险级别的划分。
进一步的，所述根据失负荷概率严重度、电量严重不足度和重要负荷损失度，设定停电风险级别的划分，包括：
将配电网遭受的停电风险程度分为4级：
当εnormal＜Smax＜εsligt时，停电风险级别为“一般”；
当εsligt＜Smax＜εserious时，停电风险级别为“重要”；
当εserious＜Smax＜εheavy时，停电风险级别为“严重”；
当Smax＞εheavy时，停电风险级别为“特别严重”；
其中，Smax为电量严重不足度、重要负荷损失度和重要负荷损失度中最大值；εnormal、εsligt、εserious和εheavy分别为停电风险分级的判别界限。
一种配电网停电风险评估系统，所述系统包括：
采集模块，用于采集配电网停运信息；
计算模块，用于将所述配电网停运信息带入预先建立的配电网停电风险评估模型中，计算停运风险；
所述预先建立的配电网停电风险评估模型包括：配电网状态变量抽样模型和评价指标。
进一步的，所述计算模块包括：模型建立子模块，用于，
采集配电网历史运行数据；
对采集到的历史数据进行分析，建立配电网状态变量抽样模型。
进一步的，所述计算模块还包括：
配电网状态子模块，用于基于配电网状态变量抽样模型确定配电网状态；
风险级别划分子模块，用于根据配电网状态以及评价指标设定停电风险级别的划分。
进一步的，所述模型建立子模块，用于，
基于所述配电网历史运行数据和分布式电源随机变量概率分布函数计算得到分布式电源随机变量的概率分布曲线；
将所述随机变量的概率分布曲线按照等概率的原则划分为N个区间；
在每个等概率区间内随机抽取m个随机变量作为采样值并储存；
将所述采样值带入分布式电源随机出力模型得到各分布式电源的输出功率，生成分布式电源-负荷矩阵；
抽取N组每组k个元件的停运状态，所述元件的停运状态的抽样值与所述元件的停运率相比较，生成元件停运状态矩阵；
将分布式电源-负荷矩阵与元件停运状态矩阵中的各行随机配对，得到综合状态矩阵，所述综合状态矩阵为配电网状态变量抽样模型；
所述分布式电源包括风机电源和光伏阵列电源；
所述随机变量包括风速、日照和负荷。
与最接近的现有技术比，本发明提供的技术方案具有以下有益效果：
1、本发明提出了风机与光伏阵列的停运模型，并对线路、变压器、断路器等元件的停运模型做统一简化处理，完善停运概率计算，为抽样提供准确的概率分布。
2、本发明提供的技术方案针对光伏元件的热斑停运，提出了基于正常运行光伏元件数均值的光伏输出特性修正理论，使光伏输出函数更符合运行实际情况。
3、本发明提供的技术方案采用拉丁超立方抽样的方法，产生的随机数分布更加均匀，且更易充满抽样空间，提高了收敛性能和计算速度。
4、本发明提供的技术方案在风险评估的孤岛划分中加入孤岛校验过程，避免了孤岛运行状态下的点电压越限以及线路过负荷的发生。
5、本发明提供的技术方案以失负荷概率严重度、电量严重不足度、重要负荷损失度作为停电风险评估的指标，从失负荷事件、负荷损失量以及重要负荷损失的比例三方面分析，更加全面的反映出含分布式电源配电网停电风险水平。
附图说明
图1为本发明流程图；
图2为本发明的具体实施例流程图；
图3为具体实施例中可修复元件运行和停运循环过程示意图；
图4为具体实施例中可修复元件状态空间图。
具体实施方式
下面结合附图对本发明做进一步详细说明。为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1、本发明提出一种配电网停电风险评估方法，如图1所示。
一种配电网停电风险评估方法，包括：
采集配电网停运信息；
将所述配电网停运信息带入预先建立的配电网停电风险评估模型中，计算停运风险；
所述预先建立的配电网停电风险评估模型包括：配电网状态变量抽样模型和评价指标。
实施例2、如图2所示。
(1)步骤一所述的分布式电源停运模型建立在传统配电网元件停运模型的基础上，并进一步考虑引起分布式电源停运的特有因素，得到综合停运模型。
分布式电源逆变器停运等效为传统配电网中元件的停运模型：
可修复强迫失效概率
首先统计元件的停运频率和修复时间，可修复强迫失效可以通过稳态“运行-停运-运行”的循环过程来模拟。图3和图4分别为循环过程图和状态转移图。长期循环过程中的平均不可用率，其数学形式可由式(1)表达：
式中：λ为失效率(失效次数/年)；μ为修复率(修复次数/年)；MTTR为平均修复时间(小时)；MTTF为失效前平均时间(小时)；f为平均失效频率(失效次数/年)；
计划停运率
假设计划停运和恢复时间服从某一给定的分布，则可以得到与可修复强迫失效概率相似的数学表达式：
式中：λp、μp、fp的定义同上；MTTFp＝8760/λp为计划停运前平均时间(小时)；MTTRp＝8760/μp为计划停运平均修复时间(小时)；Up为计划停运引起的不可用率，
发生老化失效的概率
元件发生老化失效的概率是一个条件概率。元件发生老化失效的概率定义为，在给定元件已服役到T的条件下，在后续时间t内发生失效的慨率：
式中：T是元件的服役年龄，t是后续需要考虑的给定时间期间，式中f(t)为正态分布。
分布式电源自身停运模型：
1)风机自身停运模型：
实际运行中，引起风电机组停运的故障可分为机械系统故障和电磁系统故障，其中电磁故障引起的停运主要取决于电网的电压与频率，电网电压或频率偏离基准值时，保护动作引起风机停运，可归为断路器或逆变器的可修复强迫失效概率，这里不做过多考虑。机械系统是风机部件中停运率较高的部件，风机由于振动过大、叶片受力过大、塔筒振幅越限等因素的引起的停运称为机械系统停运，机械系统停运率与实时风速有关，因此引入风载荷的概念：
其中：wk为实际风载荷；vk为风速；βz为风振系数；μz为风压高度变化系数；μs为体形系数；ρ为空气密度。
作用于风机的载荷越大，风机的振动加强，叶片的受力加大，塔筒的摆动幅度加大，最后导致停机。为了便于数学推导，假设风机机械系统的停运率与风载荷成线性关系，其可表示为：
λ(wk)＝kf·wk+bf (5)
把式(4)代入式(5)，可得：
由式(6)可以看出，机械系统的停运率与风速成2次方关系。当风速大于切除风速或者小于切入风速时，风机的出力为0，所以，当风速大于切除风速或小于切入风速时，停运率不考虑。把点(vci,λmin)和(vco,λmax)代入式(6)，整理可得：
其中：λmin为切入风速时对应的停运率；λmax为切除风速时对应的停运率；vci为切入风速；vco为切出风速。
由风速的双参数威布尔分布函数求得风速的均值v，代入式(6)可得到风机的平均风速停运概率：
2)光伏自身停运模型：
当光伏的发电单元出现停运时，一般仅是其内部若干个太阳电池板的故障，对于一个发电单元上百个太阳电池板而言，其影响是微乎其微的，因此对于光伏阵列，只考虑逆变器的停运情况。因此，本发明将光伏阵列的停运模型等效为(a)中所述的传统配电网中的元件停运模型。
(c)分布式电源综合停运模型：
对风机：逆变器停运率与机械停运率相加得到综合停运率：
对光伏阵列：停运概率即为逆变器停运概率：
P(pv)＝U(pv)+Up(pv)+Pf(pv) (11)
(2)步骤二所述的含分布式电源配电网的状态变量抽样，其特征为包括以下步骤：
1)设定抽样区间数N
2)将M个随机变量(风速、日照强度、负荷容量)的概率分布曲线按照等概率的原则划分为N个区间，每个区间的概率都是1/N；并在随机变量的N个等概率区间内随机抽取采样值并储存。
风速的概率分布模型采用双参数威布尔分布函数：
式中：K为形状参数；C为尺度参数
日照的概率分布函数采用Beta分布：
式中：α和β为Beta分布形状参数；rmax为最大辐射强度。
3)将风速、日照强度的采样值带入DG随机出力模型得到各个DG的输出功率，再结合负荷采样值生成得到N×M阶DG-负荷矩阵SDL；
式中：和/>分别表示第k个分布式电源DGk的输出功率采样值和第k个负荷点的负荷容量采样值；T和W表示配电网中DG和负荷点的个数。
所述的光伏电池的功率输出主要与太阳辐射强度、光伏阵列的面积以及光电转换效率有关。因此，光伏发电总的功率输出近似为：
PPV＝rAη (15)
式中：r为太阳辐射强度；A为光伏阵列总面积；η为总体的转换效率。
考虑热斑引起的光伏元件停运，M块光伏元件中k块正常运行的概率为：
qm为光伏面板不可用率。
则正常运行的光伏元件数量的均值为：
得到光伏的修正出力函数：
所述的风机出力函数为
式中：v为风速；vci为风电机组切入风速；vr为风电机组额定风速；vco为风电机组切出风速；Pr为发电机额定输出功率；a和b为常数。
4)在[0,1]区间上抽取N组均匀分布的随机数，各元件的随机数与其停运概率PK相比较，若/>则视为元件停运，对应元件停运状态变量/>取1，反之取0，生成元件停运状态矩阵Sc。
5)将DG-负荷矩阵与元件停运状态矩阵中的各行随机配对，形成综合状态矩阵Sstate。
6)判断抽样收敛判据，若满足，则停止抽样。收敛条件为停电风险指标协方差βCOV小于规定的收敛数值(0.025～0.05)
式中，Var为停电风险指标f的方差；E(f)为停电风险指标f的计算期望值；N为抽样次数。
(3)步骤三所述的孤岛划分策略为：在满足DG输出容量大于负荷容量的条件下利用深度优先搜索确定分布式电源DGi的孤岛界限，排除不可能构成孤岛的负荷点，以分布式电源的接入节点为中心，以联通的线路为路径向外辐射搜索负荷节点，直到分布式电源有功期望不足以供给更多负荷为止，搜索到的节点和线路构成有效孤岛。
在孤岛划分时遵循两条原则：以DG对节点负荷的贡献程度对分布式电源排序，将容量大的DG作为优先孤岛划分的对象；在孤岛划分中优先选中负荷容量与负荷重要程度值的乘积值大的负荷。
计算各DG对负荷的贡献度：
式中，wi节点i的负荷权重值，一级、二级、三级负荷的权重值分别取为100、10、1；Ui表示节点i所在的支路的上层负荷点集合。
计算负荷消耗度：
Ci＝Si·wi (23)
依据DG的贡献度与负荷的消耗度由大到小的顺序对各DG和负荷进行孤岛划分。
孤岛校验：判断形成的每一个孤岛是否满足校验约束条件，若满足，则优化孤岛方案确定；若不满足，则对孤岛内的最下层负荷节点按照优先剔除节点等效负荷容量最小的节点为原则对孤岛进行调整，直到满足校验约束，如式(24)所示。
Vimin≤Vi≤Vimax (24)
Sk.min≤Sk≤Sk.max
式中：Vi为节点电压；Vimin和Vimax分别为节点i的允许电压下限和上限值；Sk为线路k的传输容量；Sk.min和Sk.max分别为线路k的允许传输容量的最小值和最大值。
(4)所述的停电风险评估指标计算，其特征在于以抽样的结果的三个数据：N次抽样中发生切除负荷的次数、每次抽样中的损失负荷量、每次抽样中损失的重要负荷数，分别计算失负荷概率严重度、电量严重不足率、重要负荷损失度。以最严重一项指标表征含分布式电源配电网的风险程度。
计算失负荷概率严重度：
式中：N为系统抽样总次数；Lk为失负荷事件标识符，当第k次抽样失负荷，Lk＝1，反之为0；POFFb为可容许失负荷概率界限；Case1和Case 2分别代表∑Lk/N＜POFFb和∑Lk/N≥POFFb的事件。
计算电量严重不足度：
式中：COFFi为第i次停电造成的负荷损失电量；EOFFb为可容许的电量损失界限；Case1和Case2分别代表∑COFFi/N＜EOFFb和∑COFFi/N≥EOFFb的事件。
计算重要负荷损失度：
式中：m和n分别为系统抽样状态情况下损失的重要负荷数和配电网的重要负荷总数；ω为负荷权重，P为负荷容量。
步骤四所述的风险指标评价标准为：将配电网遭受的停电风险程度分为4级：一般、重要、严重、特别严重，设Smax表示S(POFF)、S(EOFF)、S(PI)中最大值，则评价标准如表1所示。
表1.停电风险评价标准
实施例3、以IEEE RBTS母线6的主馈线4网络为例进行了配电网风险指标的计算。为简化运算，除分布式电源外只考虑线路停运。各个负荷节点的负荷容量以负荷容量作为平均值，并赋予10％的标准差。DG的主要参数为：风力发电机组的切入、额定及切出风速分别取为1、5、10m/s，额定容量1.8MW；光伏发电机组由1000块太阳能电池组件组成，单位面积为5.32m2，光电转换效率为13.44％。Weibull风速模型的参数为k＝2.30，c＝8.92；Beta日照强度模型参数为α＝0.85，β＝0.85，Hex取10k Wm2。可容许的电量不足界限EOFF取为40MWh/a，可容许的失负荷概率界限POFF取为2.5％。
仿真情况A：不接入DG，对配电网进行停电风险评估。
仿真情况B：接入DG，风力发电机组与光伏发电机组分别接于L27和L28上，对配电网进行停电风险评估。
抽样区间数为200，取各个停电风险分级的判别界限分别为εnormal＝0.1，εsligt＝0.3，εserious＝0.5，εheavy＝0.7，计算结果如表2所示：
表2.仿真结果表
此外，与上述方法对应，本申请还提供一种配电网停电风险评估系统，所述系统包括：采集模块，用于采集配电网停运信息；计算模块，用于将所述配电网停运信息带入预先建立的配电网停电风险评估模型中，计算停运风险；所述预先建立的配电网停电风险评估模型包括：配电网状态变量抽样模型和评价指标。
本申请提供的配电网停电风险评估系统中，所述计算模块包括：模型建立子模块，用于采集配电网历史运行数据；对采集到的历史数据进行分析，建立配电网状态变量抽样模型，具体构建过程参见本申请的评估方法中的建立配电网状态变量抽样模型的步骤，此处不再赘述。所述计算模块还包括：配电网状态子模块，用于基于配电网状态变量抽样模型确定配电网状态；风险级别划分子模块，用于根据配电网状态以及评价指标设定停电风险级别的划分。
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发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。
Claims (17)
1.一种配电网停电风险评估方法，其特征在于，包括：
采集配电网停运信息；
将所述配电网停运信息带入预先建立的配电网停电风险评估模型中，计算停运风险；
所述预先建立的配电网停电风险评估模型包括：配电网状态变量抽样模型和评价指标；
所述配电网停电风险评估模型的建立包括：
采集配电网历史运行数据；
对采集到的历史数据进行分析，建立配电网状态变量抽样模型；
所述将所述配电网停运信息带入预先建立的配电网停电风险评估模型中，计算停运风险，包括：
基于所述配电网状态变量抽样模型确定配电网状态；
根据配电网状态以及评价指标设定停电风险级别的划分；
所述对采集到的历史数据进行分析，建立配电网状态变量抽样模型包括：
基于所述配电网历史运行数据和分布式电源随机变量概率分布函数计算得到分布式电源随机变量的概率分布曲线；
将所述随机变量的概率分布曲线按照等概率的原则划分为N个区间；
在每个等概率区间内随机抽取m个随机变量作为采样值并储存；
将所述采样值带入分布式电源随机出力模型得到各分布式电源的输出功率，生成分布式电源-负荷矩阵；
抽取N组每组k个元件的停运状态，所述元件的停运状态的抽样值与所述元件的停运率相比较，生成元件停运状态矩阵；
将分布式电源-负荷矩阵与元件停运状态矩阵中的各行随机配对，得到综合状态矩阵，所述综合状态矩阵为配电网状态变量抽样模型；
所述分布式电源包括风机电源和光伏阵列电源；
所述随机变量包括风速、日照和负荷；
所述风速的概率分布函数，如下式所示：
其中，v为风速；K为形状参数；C为尺度参数；
所述分布式电源随机出力模型包括风机电源随机出力模型；
所述风机电源随机出力模型如下式所示：
其中，vci为风电机组切入风速；vr为风电机组额定风速；vco为风电机组切出风速；Pr为发电机额定输出功率；a和b为常数；
所述日照的概率分布函数，如下式所示：
其中，r为太阳辐射强度；α和β为Beta分布形状参数；rmax为最大辐射强度；
所述分布式电源随机出力模型还包括光伏电源随机出力模型；
所述光伏电源随机出力模型，如下式所示：
其中，E(k)为正常运行的光伏元件数量的均值；M为光伏元件的个数；A为光伏阵列总面积；η为总体的转换效率。
2.如权利要求1所述的一种配电网停电风险评估方法，其特征在于，所述分布式电源-负荷矩阵SDL如下式所示：
其中，和/>分别表示第k个分布式电源DGk的输出功率采样值和第k个负荷点的负荷容量采样值；T和W表示配电网中分布式电源和负荷点的个数。
3.如权利要求1所述的一种配电网停电风险评估方法，其特征在于，所述元件停运状态矩阵Sc如下式所示：
其中，为元件停运状态的抽样值；PK为元件的停运率；/>为元件停运状态变量。
4.如权利要求3所述的一种配电网停电风险评估方法，其特征在于，所述元件的停运率如下式所示：
PK＝P(逆)+P(自)
其中，P为元件的停运率；P(逆)为逆变器停运率；P(自)为自身停运率。
5.如权利要求4所述的一种配电网停电风险评估方法，其特征在于，所述分布式电源为风机电源时，风机元件的停运率如下式所示：
其中，U(风)为风机可修复强迫失效概率；Up(风)为风机计划停运率；Pf(风)为风机发生老化失效概率；为风机自身停运率；/>为风机的平均风速；vk为风速；βz为风振系数；μz为风压高度变化系数；μs为体形系数；ρ为空气密度；kf和bf为常数；λmin为切入风速时对应的停运率；λmax为切除风速时对应的停运率；vci为切入风速；vco为切出风速。
6.如权利要求3所述的一种配电网停电风险评估方法，其特征在于，所述分布式电源为光伏阵列电源时，光伏阵列元件的停运率如下式所示：
P(pv)＝U(pv)+Up(pv)+Pf(pv)
其中，U(pv)为光伏阵列可修复强迫失效概率；Up(pv)为光伏阵列计划停运率；Pf(pv)为光伏阵列发生老化失效概率。
7.如权利要求1所述的一种配电网停电风险评估方法，其特征在于，所述对采集到的历史数据进行分析，建立配电网状态变量抽样模型，还包括：根据所述元件停运状态矩阵确定孤岛。
8.如权利要求7所述的一种配电网停电风险评估方法，其特征在于，所述根据所述元件停运状态矩阵确定孤岛，包括：
若所述元件停运状态矩阵为非零矩阵，则进行孤岛划分。
9.如权利要求8所述的一种配电网停电风险评估方法，其特征在于，所述确定孤岛后还包括：孤岛划分完成后，对每一个孤岛进行孤岛校验。
10.如权利要求9所述的一种配电网停电风险评估方法，其特征在于，所述孤岛校验包括：
判断形成的每一个孤岛是否满足校验约束条件，若满足，则优化孤岛方案确定；否则对孤岛内的最下层负荷节点按照优先剔除节点等效负荷容量最小的节点为原则对孤岛进行调整，直到满足校验约束；
所述约束条件如下式所示：
Vimin≤Vi≤Vimax
Sk.min≤Sk≤Sk.max
其中，Vi为节点电压；Vimin和Vimax分别为节点i的允许电压下限和上限值；Sk为线路k的传输容量；Sk.min和Sk.max分别为线路k的允许传输容量的最小值和最大值。
11.如权利要求1所述的一种配电网停电风险评估方法，其特征在于，所述对采集到的历史数据进行分析，建立配电网状态变量抽样模型，还包括：当满足停电风险指标协方差小于规定的收敛阈值时，抽样停止。
12.如权利要求11所述的一种配电网停电风险评估方法，其特征在于，所述停电风险指标协方差βCOV如下式所示：
其中，Var为停电风险指标f的方差；E(f)为停电风险指标f的计算期望值；N为抽样次数。
13.如权利要求1所述的一种配电网停电风险评估方法，其特征在于，所述评价指标包括：失负荷概率严重度、电量严重不足度和重要负荷损失度。
14.如权利要求13所述的一种配电网停电风险评估方法，其特征在于，所述失负荷概率严重度的计算，如下式所示：
其中，N为系统抽样总次数；Lk为失负荷事件标识符；POFFb为可容许失负荷概率界限；
所述电量严重不足度的计算，如下式所示：
其中，COFFi为第i次停电造成的负荷损失电量；EOFFb为可容许的电量损失界限；
所述重要负荷损失度的计算，如下式所示：
其中，m和n分别为系统抽样状态情况下损失的重要负荷数和配电网的重要负荷总数；ω为负荷权重，P为负荷容量。
15.如权利要求14所述的一种配电网停电风险评估方法，其特征在于，所述根据配电网状态以及评价指标设定停电风险级别的划分，包括：
根据失负荷概率严重度、电量严重不足度和重要负荷损失度，设定停电风险级别的划分。
16.如权利要求15所述的一种配电网停电风险评估方法，其特征在于，所述根据失负荷概率严重度、电量严重不足度和重要负荷损失度，设定停电风险级别的划分，包括：
将配电网遭受的停电风险程度分为4级：
当εnormal＜Smax＜εsligt时，停电风险级别为“一般”；
当εsligt＜Smax＜εserious时，停电风险级别为“重要”；
当εserious＜Smax＜εheavy时，停电风险级别为“严重”；
当Smax＞εheavy时，停电风险级别为“特别严重”；
其中，Smax为电量严重不足度、重要负荷损失度和重要负荷损失度中最大值；εnormal、εsligt、εserious和εheavy分别为停电风险分级的判别界限。
17.一种配电网停电风险评估系统，其特征在于，所述系统包括：
采集模块，用于采集配电网停运信息；
计算模块，用于将所述配电网停运信息带入预先建立的配电网停电风险评估模型中，计算停运风险；
所述预先建立的配电网停电风险评估模型包括：配电网状态变量抽样模型和评价指标；
所述计算模块包括：模型建立子模块，用于，
采集配电网历史运行数据；
对采集到的历史数据进行分析，建立配电网状态变量抽样模型；
所述计算模块还包括：
配电网状态子模块，用于基于配电网状态变量抽样模型确定配电网状态；
风险级别划分子模块，用于根据配电网状态以及评价指标设定停电风险级别的划分；
所述模型建立子模块，用于，
基于所述配电网历史运行数据和分布式电源随机变量概率分布函数计算得到分布式电源随机变量的概率分布曲线；
将所述随机变量的概率分布曲线按照等概率的原则划分为N个区间；
在每个等概率区间内随机抽取m个随机变量作为采样值并储存；
将所述采样值带入分布式电源随机出力模型得到各分布式电源的输出功率，生成分布式电源-负荷矩阵；
抽取N组每组k个元件的停运状态，所述元件的停运状态的抽样值与所述元件的停运率相比较，生成元件停运状态矩阵；
将分布式电源-负荷矩阵与元件停运状态矩阵中的各行随机配对，得到综合状态矩阵，所述综合状态矩阵为配电网状态变量抽样模型；
所述分布式电源包括风机电源和光伏阵列电源；
所述随机变量包括风速、日照和负荷；
所述风速的概率分布函数，如下式所示：
其中，v为风速；K为形状参数；C为尺度参数；
所述分布式电源随机出力模型包括风机电源随机出力模型；
所述风机电源随机出力模型如下式所示：
其中，vci为风电机组切入风速；vr为风电机组额定风速；vco为风电机组切出风速；Pr为发电机额定输出功率；a和b为常数；
所述日照的概率分布函数，如下式所示：
其中，r为太阳辐射强度；α和β为Beta分布形状参数；rmax为最大辐射强度；
所述分布式电源随机出力模型还包括光伏电源随机出力模型；
所述光伏电源随机出力模型，如下式所示：
其中，E(k)为正常运行的光伏元件数量的均值；M为光伏元件的个数；A为光伏阵列总面积；η为总体的转换效率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711363340.0A CN109934437B (zh) | 2017-12-18 | 2017-12-18 | 一种配电网停电风险评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711363340.0A CN109934437B (zh) | 2017-12-18 | 2017-12-18 | 一种配电网停电风险评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109934437A CN109934437A (zh) | 2019-06-25 |
| CN109934437B true CN109934437B (zh) | 2023-11-17 |
Family
ID=66982407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711363340.0A Active CN109934437B (zh) | 2017-12-18 | 2017-12-18 | 一种配电网停电风险评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109934437B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110752622B (zh) * | 2019-12-12 | 2023-12-05 | 燕山大学 | 一种配电网仿射状态估计方法 |
| CN111160746B (zh) * | 2019-12-23 | 2023-04-18 | 国网冀北电力有限公司张家口供电公司 | 基于风险评估的智能配电网规划评价方法 |
| CN111859767A (zh) * | 2020-07-30 | 2020-10-30 | 国网重庆市电力公司电力科学研究院 | 一种输电线路覆冰风险模拟评估方法及装置 |
| CN112053088B (zh) * | 2020-09-24 | 2022-05-31 | 华中科技大学 | 一种配电网节点脆弱性评价方法 |
| CN115049259B (zh) * | 2022-06-16 | 2024-04-05 | 国网重庆市电力公司电力科学研究院 | 一种基于多因素影响的预安排停运率测算方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104392083A (zh) * | 2014-07-18 | 2015-03-04 | 国家电网公司 | 一种基于全网拓朴的停电风险与可靠性分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9825463B2 (en) * | 2015-02-12 | 2017-11-21 | The Mitre Corporation | Devices and systems for distributed power-grid monitoring |
-
2017
- 2017-12-18 CN CN201711363340.0A patent/CN109934437B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104392083A (zh) * | 2014-07-18 | 2015-03-04 | 国家电网公司 | 一种基于全网拓朴的停电风险与可靠性分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 周湶 等.含分布式电源的配电网停电风险快速评估.《电网技术》.2014,第第38卷卷(第第4期期),第883-886页. * |
| 汝少利.新能源发电设备可靠性影响因素分析.《中国高新技术企业》.2016,(第第6期期),第86-87页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109934437A (zh) | 2019-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109934437B (zh) | 一种配电网停电风险评估方法及系统 | |
| EP2360487A1 (en) | Model-based power estimation of photovoltaic power generation system | |
| CN104851053A (zh) | 一种含风光储的配电网供电可靠性评估方法 | |
| CN111950900B (zh) | 一种电力系统源网荷储本质安全风险评估方法 | |
| CN110610303B (zh) | 一种计及源-荷不确定性的直流配电网可靠性评估方法 | |
| CN110460038A (zh) | 一种涉及新能源并网的多场景输电网扩展规划方法 | |
| CN110661250B (zh) | 含风光储发输电系统的可靠性评估方法及系统 | |
| CN104636993B (zh) | 配电系统可靠性算法 | |
| Astapov et al. | Design and reliability evaluation of standalone microgrid | |
| CN111882228A (zh) | 一种含分布式电源的配电网可靠性评估方法 | |
| CN114662809A (zh) | 一种综合能源园区内供电电源的电能质量评价方法和系统 | |
| Ding et al. | Reliability evaluation of distribution system with wind farms based on network-equivalent method | |
| CN116432978A (zh) | 一种计算高速公路自洽能源系统的供电可靠率指标的方法 | |
| CN112653185B (zh) | 一种分布式可再生能源发电系统的效率评估方法和系统 | |
| CN115345370A (zh) | 一种基于Vine Copula模型的风电机组运行联动性分析方法 | |
| CN115719967A (zh) | 一种用于提高供电可靠性的有源配电网储能装置优化配置方法 | |
| CN114707888A (zh) | 一种基于配电网安全域的分布式电源可信容量评估方法 | |
| Li et al. | Reliability evaluation of distribution network considering distributed intermittent renewable energy access | |
| CN114738212A (zh) | 一种考虑多属性气象特性的风电机组检修方法及装置 | |
| CN110518633B (zh) | 考虑线路容量充裕度的电网节点新能源接纳容量获得方法 | |
| CN113242018A (zh) | 一种光伏设备故障诊断方法及其应用装置 | |
| Miao et al. | Energy Availability Analysis of Offshore Wind Farms Considering the Correlation between Wind Speed Cloud Model and Parameters | |
| Mello et al. | Intelligent system for automatic reconfiguration of distribution network with distributed generation | |
| Zhu et al. | Capacity optimization of multi-types of distributed generators considering reliability | |
| Qu et al. | Research on New Energy Operation Credible Capacity Evaluation and It’s Influence on New Energy Accommodation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |