CN110569485A - 一种计及新能源电源出力波动性的新能源电源节点状态脆弱性监测方法 - Google Patents

Abstract

本发明具体涉及一种计及新能源电源出力波动性的新能源电源节点状态脆弱性监测方法。本发明基于新能源电源并网点对外电网戴维南等值模型，提出新能源电源节点脱网免疫指标和计算方法，在此基础上计及新能源电源出力的波动性，基于点估计法提出新能源电源节点状态脆弱性指标和计算方法，以此来评估新能源电源接入电网不同方案下新能源电源节点状态脆弱性，综合评估出力波动条件下的新能源电源脱网风险。本发明可用于计及新能源电源出力波动性的电网新能源电源节点状态脆弱性评估；并可进一步利用聚类算法对脆弱节点实现自动辨识。

Description

一种计及新能源电源出力波动性的新能源电源节点状态脆弱 性监测方法

技术领域

本发明具体涉及一种计及新能源电源出力波动性的新能源电源节点状态脆弱性评估方法。

背景技术

随着经济的不断发展，电力在人们日常生活中扮演着越来越重要的角色，电力作为二次能源，在能源开发和社会使用之间起到了很好的桥梁作用。人们对电力需求与日俱增的同时，化石能源的紧缺以及人们对于环境问题和可持续发展问题的不断关注，使得新能源在电力发展过程中起到越来越重要的作用。

新能源电源逐步替代传统化石能源电源，在电力发展中扮演重要的角色。与此同时，新能源电源的不断发展，使得电网的运行稳定问题逐渐凸显。尤其是当高压直流换相失败引起直流闭锁时，大量无功过剩使得近区新能源电源并网点暂态电压升高甚至脱网运行，进而导致大量机组连锁脱网，严重威胁电网稳定运行。

电网状态脆弱性基于电网中元件当前运行状态距离临界点的裕度来评判，反映为电网发生故障时，元件运行状态发生改变，向临界稳定运行状态逼近的特性，从运行状态角度反映电网所具有的抵御电压或频率扰动的能力。

本发明提出一种计及新能源电源出力波动性的新能源电源节点状态脆弱性评估方法，从脆弱性角度评估该节点抵御电压或频率扰动的能力。

发明内容

本发明基于新能源电源并网点对外电网戴维南等值模型，提出新能源电源节点脱网免疫指标和计算方法，在此基础上计及新能源电源出力的波动性，基于点估计法提出新能源电源节点状态脆弱性指标和计算方法，以此来评估新能源电源接入电网不同方案下新能源电源节点状态脆弱性，综合评估出力波动条件下的新能源电源脱网风险。

本发明结合工程实际，可用于计及新能源电源出力波动性的电网新能源电源节点状态脆弱性评估；并可进一步利用聚类算法对脆弱节点实现自动辨识。

本发明的技术方案如下：

一种计及新能源电源出力波动性的新能源电源节点状态脆弱性监测方法，其特征在于，定义为新能源电源机组的功率；V∠θ为新能源电源机组并网点母线上的电压；I∠α为新能源电源机组注入电网的电流；Z_m为电网戴维南等值阻抗；E∠δ为电网戴维南等值电势

步骤1、导入接入电网的大规模风电场的实际运行数据，包括时域内风电场的输出有功功率波动数据)；

步骤2、取其中的设定时间内的风电场输出功率数据，基于式(18)计算这一组数据的期望和方差、中心矩与标准差的j次方比值，基于式(29)和式(31)应用点估计法得到这组数据的两个估计值及对应的概率；

x_n＝μ_X+θ_nσ_X,n＝1,2 (29)

其中，x为样本数据，μ_x为样本数据的期望，σ_x为样本数据的方差，λ_i表示x的i阶中心矩，α_i表示x的i阶中心矩λ_i与方差σ_X的i次方的比值，x_n为样本x的第n个估计值(n＝1,2)，μ_x为样本数据的期望，σ_x为样本数据的方差，θ_n根据式(31)计算得到，α₃表示x的3阶中心矩λ₃与方差σ_X的3次方的比值，p_n为第n(n＝1,2)个估计值对应的概率；

步骤3、将步骤2得到的两个估计值分别作为该风电场的输出功率值，通过潮流计算得到电网中各个节点的电压、电流数据信息；潮流计算过程如下：

步骤3.1、形成节点导纳矩阵；

步骤3.2、设定节点电压的初值；

步骤3.3、将各节点电压初值代入求得修正方程式中的不平衡量；

步骤3.4、将各节点电压初值代入求雅可比矩阵的各元素；

步骤3.5、求解修正方程式，求得各节点电压的增量；

步骤3.6、计算各节点电压的新值，返回第3步进入下一次迭代，直到满足收敛判据为止；

步骤3.7、最后计算平衡节点功率和线路功率、损耗；；

步骤4、依据式(14)分别计算两个估计值对应的电网中新能源电源节点的脱网免疫因子；

脱网免疫因子的具体计算方法是：

以新能源电源机组为等值点，得到新能源电源机组外网戴维南等值电路，然后基于新能源电源并网点的典型运行情况和领域运行情况数据，计算得到新能源电源并网点对外电网戴维南等值电路；且典型运行情况和邻域运行情况的数据需要满足四个条件：

条件一、邻域运行情况数据需在典型运行情况数据的领域范围内，即邻域运行情况数据与典型运行情况数据的迁移距离保持在一定范围内；

条件二、等值负荷节点外的电网运行参数保持不变，即等值负荷节点外的电网典型运行情况数据和领域运行情况数据一致，只改变等值负荷节点处的运行数据；

条件三、使典型运行情况数据和领域运行情况数据之差大于预先设定的最小门槛值，以避免两种运行情况数据出现“0/0模式”的数据漂移情况；

条件四、保证领域运行情况数据在典型运行情况的领域范围内，同时避免数据飘逸情况，要求门槛值的选取值不能太大；

通过获取典型运行情况及其邻域运行情况下的的新能源电源机组并网点电压和注入电流数据，进一步计算电网的等效阻抗和等效电源数值，根据交流电路理论有：

其中下标为0的代表典型运行情况下的数据，下标为1的表示其领域运行情况下的数据；通过潮流计算可得节点处的电压和电流数据，求解式(1)，等式左右两边实数部分和虚数部分均相同，则可以求得戴维南等值阻抗模值于阻抗角为Z∠m和戴维南等值电势模值和电势阻抗角为E∠δ；

由新能源电源机组端口戴维南等值电路可知：

新能源电源机组向电网注入地视在功率为：

进而获得有功功率和无功功率表达式为：

化简可得：

将式(6)和(7)联立消去θ可得：

进一步展开后化简可得：

(V²)²+(2PR+2QX-E²)V²+Z²(P²+Q²)＝0 (9)

上式(9)中可以以V和P为变量画出对应的PV曲线，曲线的拐点就是电压稳定的临界点，对应于电网新能源机组节点电压稳定的极限状态；

进一步的将式(9)化简为：

解得电压V的表达式为：

当Δ为0时，对应于电压稳定边界，即鼻尖点，Δ＝0可表示为：

即满足：

式(13)即对应PV曲线鼻尖点，定义脱网免疫因子(Grid-disconnected immunityfactor，GDIF)：

GDIF稳定范围为(0,1)，越接近于1，则表示该新能源电源节点抗电压扰动能力越差，容易引起脱网故障；反之，GDIF越小，即越接近于0，则表示该节点抗电压扰动能力越好，节点的脱网免疫能力越强；

步骤5、在计算完脱网免疫因子后，基于式(26)得到对应的期望；基于式(28)得到对应的二阶原点矩，利用方差公式(32)即可得到最终计算新能源电源节点状态脆弱性评估指标所需要的统计特征量；

D(Z)＝E(Z²)-(E(Z))² (32)

步骤6、基于式(33)和式(34)最终可得新能源电源节点状态脆弱性指标评估结果；

同时考虑期望和方差的新能源电源节点状态脆弱性指标评估结果；

ω_sb＝ξE(Z)+ηD(Z) (33)

式中ξ，η分别为期望和方差的权重，可由专家经验或偏好给出；

在对电网中多个新能源电源并网点进行脆弱性评估时，为了使状态脆弱性指标更加清晰明了，对上述指标进行归一化处理，使得电网新能源电源节点状态脆弱性指标结果均处于0和1之间，即：

式中ω′_sb表示归一化后的新能源电源节点状态脆弱性指标；ω_sb·min、ω_sb·max分别表示归一化前新能源电源节点状态脆弱性指标的最小值和最大值。

因此本发明具有如下优点：1、本发明提出的新能源电源节点脱网免疫指标和计算方法能够对计及出力波动条件下的新能源机组脱网风险进行综合评估，可应用于对新能源电站不同接入方案的评估与规划。2、本发明基于实测数据，通过点估计法对新能源电源节点的状态脆弱性指标进行计算，减小了计算量。

附图说明

附图1是新能源电源机组端口戴维南等值电路。

附图2是新能源电源并网点端口的PV曲线图。

附图3是某省级规模电网直流送端近区网架结构简化示意图。

附图4是某省级规模电网直流送端近区两风电并网点PV曲线对比。

附图5A是直流闭锁后A风电场暂态电压变化图。

附图5B是直流闭锁后B风电场暂态电压变化图。

附图6A是A风电场增加常规机组和调相机前后PV曲线图。

附图6B是B风电场增加常规机组和调相机前后PV曲线图。

附图7是某省级规模电网局部地理接线图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

一、首先，介绍本发明的方法原理。

以新能源电源机组为等值点，可得到新能源电源机组外网戴维南等值电路，如图1所示。其中为新能源电源机组的功率；V∠θ为新能源电源机组并网点母线上的电压；I∠α为新能源电源机组注入电网的电流；Z_m为电网戴维南等值阻抗；E∠δ为电网戴维南等值电势。

基于新能源电源并网点的典型运行情况和领域运行情况数据，计算得到新能源电源并网点对外电网戴维南等值电路。且典型运行情况和邻域运行情况的数据需要满足四个条件：

(1)邻域运行情况数据需在典型运行情况数据的领域范围内，即邻域运行情况数据与典型运行情况数据的迁移距离保持在一定范围内。

(2)等值负荷节点外的电网运行参数保持不变，即等值负荷节点外的电网典型运行情况数据和领域运行情况数据一致，只改变等值负荷节点处的运行数据。

(3)使典型运行情况数据和领域运行情况数据之差大于预先设定的最小门槛值，以避免两种运行情况数据出现“0/0模式”的数据漂移情况。

(4)保证领域运行情况数据在典型运行情况的领域范围内，同时避免数据飘逸情况，要求门槛值的选取值不能太大。

通过获取典型运行情况及其邻域运行情况下的的新能源电源机组并网点电压和注入电流数据，进一步计算电网的等效阻抗和等效电源数值，根据交流电路理论有：

其中下标为0的代表典型运行情况下的数据，下标为1的表示其领域运行情况下的数据。通过潮流计算可得节点处的电压和电流数据，求解式(1)，等式左右两边实数部分和虚数部分均相同，则可以求得戴维南等值阻抗模值于阻抗角为Z∠m和戴维南等值电势模值和电势阻抗角为E∠δ。

由新能源电源机组端口戴维南等值电路可知：

新能源电源机组向电网注入地视在功率为：

进而获得有功功率和无功功率表达式为：

化简可得：

将式(6)和(7)联立消去θ可得：

进一步展开后化简可得：

(V²)²+(2PR+2QX-E²)V²+Z²(P²+Q²)＝0 (9)

上式(9)中可以以V和P为变量画出对应的PV曲线，如图2所示。

图2中曲线的上半部分是电压稳定区域，下半部分为不稳定状态，曲线的拐点就是电压稳定的临界点，对应于电网新能源机组节点电压稳定的极限状态。

进一步的将式(9)化简为：

解得电压V的表达式为：

当Δ为0时，对应于电压稳定边界，即鼻尖点，Δ＝0可表示为：

即满足：

上式即对应PV曲线鼻尖点，因而可以定义脱网免疫因子(Grid-disconnectedimmunity factor，GDIF)：

GDIF稳定范围为(0,1)，越接近于1，则表示该新能源电源节点抗电压扰动能力越差，容易引起脱网故障；反之，GDIF越小，即越接近于0，则表示该节点抗电压扰动能力越好，节点的脱网免疫能力越强。

然后基于点估计法对新能源电源出力波动性进行分析，得到脱网免疫因子的分布范围。

对于一个具有n个随机变量的函数，在每一个随机变量上取r个估计点，对于取到的每一个估计点，其它随机变量保持均值，这样组成的r×n个组合进行计算，便可以得到函数中待求随机变量前2r-1阶矩，从而确定其概率分布。

若有非线性函数Z＝h(X)，其中X为概率密度函数f(x)的一维随机变量，其均值和方差分别为μ_x和σ_x。

将h(X)在μ_x处进行泰勒级数展开可得

其中，h^(t)(·)为h(·)对x的t阶导数。

根据阶中心矩的定义，则i阶中心距可表示为：

则由式(16)可得随机变量x的一阶矩，即均值μ_z可表示为

令α_i表示x的i阶中心矩λ_i与方差σ_X的i次方的比值，即：

则式(17)可表示为：

若点估计过程中取x的r个样本，分别为：

x_n＝μ_X+θ_nσ_X,n＝1,2,...,r (20)

当随机变量X为离散型随机变量时，概率分布率为P{X＝x_k}＝p_k(k＝1,2,3...)，在级数绝对收敛的情况下，称级数为X的数学期望

将式(20)代入数学期望表达式，并分别乘以p_n(n＝1,2,...,r)后想加，可得

利用式(21)等式左侧的p₁h(x₁)+p₂h(x₂)+...+p_rh(x_r)来近似估算随机变量x的均值μ_z，将式(19)和式(21)中等式右侧的前2r项进行匹配，即：

式种共有2r个未知数，分别为p_i,θ_i,i＝1,2,...,r。

联立求解方程组，可得到p_i、θ_i的值，即得到了X的r个样本具体数值x_n及其权重p_i。

则式(21)可表示为：

将式(23)代入式(19)中可得：

当忽略式(24)中的高阶泰勒展开项时，则

且当h^(t)(·)＝0时，t＝2r,2r+1,...时，式(25)约等号可改写成等号。即：

同理，可以证明

且当h^(t)(·)＝0时，t＝2r,2r+1,...时，式(27)约等号可改写成等号。即：

因此，当随机变量X的r个样本点x_n及其权重p_i满足式(20)和式(22)时，可用式(26)和式(28)近似计算X的2r-1阶矩。

当在随机变量X中只取两个点作对待求随机变量进行概率分布估计时，这两个点为：

x_n＝μ_X+θ_nσ_X,n＝1,2 (29)

式中

p_n(n＝1,2)是取值为x_n对应的概率，且满足：

p₁+p₂＝1 (30)

将式(29)和式(30)代入式(18)和式(22)中，联立求解方程组可得：

从式(31)中可求得x₁、x₂、p₁、p₂，将结果代入式(26)和式(28)即可得到待求随机变量的一阶原点矩(即期望)的估计值和二阶原点矩的估计值。

通过求解方差的公式，可求得随机变量的方差：

D(Z)＝E(Z²)-(E(Z))² (32)

这样，通过点估计法，就可以得到待求随机变量Z的期望和方差等数值。

进一步的，即可得到同时考虑期望和方差的新能源电源节点状态脆弱性指标评估结果。

ω_sb＝ξE(Z)+ηD(Z) (33)

式中ξ，η分别为期望和方差的权重，可由专家经验或偏好给出。

同时，若需要对电网中多个新能源电源并网点进行脆弱性评估时，为了使状态脆弱性指标更加清晰明了，对上述指标进行归一化处理，使得电网新能源电源节点状态脆弱性指标结果均处于0和1之间，即：

式中ω_s′_b表示归一化后的新能源电源节点状态脆弱性指标；ω_sb·min、ω_sb·max分别表示归一化前新能源电源节点状态脆弱性指标的最小值和最大值。

归一化后的新能源电源节点状态脆弱性指标可利用聚类算法实现脆弱环节的自动辨识，以便采取合理的防控措施。

二、实施电网算例1：

本实施例采取某省级规模电网BPA算例。至2018年底，该电网风电装机规模达到2000万千瓦，全网新能源占比达到32.6％。某直流线路额定电压为±800千伏，额定功率为800万千瓦。算例选取了在直流系统附近的A风电场和B风电场作为验证区，A站的风电场装机容量为299万千瓦，距离换流站为877km；B站装机容量为198万千瓦，距离换流站距离为179km。直流送端近区网架结构如图3所示。

基于所述方法对算例电网进行潮流计算并进行戴维南等值，获取A风电场和B风电场对外网的等效阻抗和等效电源，根据式(14)计算GDIF，结果如表1所示。

表1风电场并网点参数

由表1可见，A站的脱网免疫因子小于B站，因此A风电场并网点脱网免疫能力应该更好。由表1的数据可以得到两风电场节点的PV曲线如图4所示。

设置直流线路连续多次换向失败后在0.4s时采取直流闭锁措施，观察对比A风电场和B风电场暂态电压变化。

从图5A和图5B可以看出，在故障发生后，B风电场因为和换流站电气距离较近，暂态电压达到了1.14p.u.，B电场中的风机大部分脱网，使得暂态过电压再次升高至1.19p.u.，而在故障发生后，A风电场的暂态过电压为1.056p.u.，在0.41s时刻，B风电场内的风机脱网，进一步拉升了近区电压，A风电场的暂态电压再次上升至1.068p.u.。

因直流闭锁导致的B风电场的暂态过电压峰值达到了1.14p.u.，相比较之下，GDIF值较小的A风电场因闭锁引起的暂态电压只有1.056p.u.，说明了通过GDIF判断风电场抗连锁脱网能力的有效性。

进一步为了证明该方法的有效性，采取相应措施提高该算例中风电场脱网免疫能力，并进行验证。

在直流换流站附近增加常规火电机组开机数量10台，总装机容量为500万千瓦，并增加一台直接接入换流站的调相机，单机容量30万kvar，再次计算A风电场和B风电场对外网的戴维南等效阻抗和等效电源，并得到GDIF，参数变化如表2、表3所示。

表2增加常规机组开机数量前后A风电场参数对比

表3增加常规机组开机数量前后B风电场参数对比

图6A为A站，图6B为B站，红线为采取措施后的情况，蓝线为采取措施前的情况。从表2、表3可以看到，加装调相机和增加火电机组开机数量后，两风电场对外网的等效电源均增加，等效阻抗均减小，GDIF减小。

实施电网算例2：

本实施例选用某省级规模2019年规划电网，对新能源电源不同接入方案进行脆弱性评估。地理接线图如图7所示，“AP(风)”与“STP(风)”两个新能源电源通过节点“LF”接入500KV节点“HP”，现将上述两个新能源电源直接接入500KV节点“CK”，同时断开与节点“LF”的连接。

基于所述方法，比较上述两种接入方案的优劣。

由于两个新能源电源所处地理位置相近，其出力受环境影响相似，因此将两者合并成一个新能源电源进行处理。

1、导入新能源电源两天的出力数据，基于点估计法得到这组数据的两个估计值及对应的概率：输出有功为95.97MW时对应概率0.4855；输出有功为13.26MW时对应的概率为0.5145。

2、将两个估计值分别作为出力进行计算两种接入方案对应的新能源电源节点脱网免疫因子，得到如表4所示。

表4两个估计值对应的不同接入方案的新能源电源节点脱网免疫因子

	有功95.97MW	有功13.26MW
			接入“HP”	0.2295	0.0850
接入“CK”	0.3067	0.0690

3、基于式(26)、式(28)和式(32)，可得到新能源电源节点状态脆弱性指标的期望和方差，接入“HP”时，E(Z)₁＝0.1551，D(Z)₁＝0.0052，；接入“CK”时，E(Z)₂＝0.1844，D(Z)₂＝0.0141。

4、由式(33)可得两种接入方案的节点状态脆弱性指标评估结果如下：假设权重均为ξ＝0.5，η＝0.5；最终得到两种接入方案下指标评估结果为：ω_sb1＝0.08015，ω_sb2＝0.09925。从脆弱性角度考虑，将新能源电源接入“HP”的方案更优。

本文中所描述的具体实施例仅仅是对本发明应用作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的内容或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种计及新能源电源出力波动性的新能源电源节点状态脆弱性监测方法，其特征在于，定义为新能源电源机组的功率；V∠θ为新能源电源机组并网点母线上的电压；I∠α为新能源电源机组注入电网的电流；Z_m为电网戴维南等值阻抗；E∠δ为电网戴维南等值电势

步骤1、导入接入电网的大规模风电场的实际运行数据，包括时域内风电场的输出有功功率波动数据)；

步骤2、取其中的设定时间内的风电场输出功率数据，基于式(18)计算这一组数据的期望和方差、中心矩与标准差的j次方比值，基于式(29)和式(31)应用点估计法得到这组数据的两个估计值及对应的概率；

x_n＝μ_X+θ_nσ_X,n＝1,2 (29)

其中，x为样本数据，μ_x为样本数据的期望，σ_x为样本数据的方差，λ_i表示x的i阶中心矩，α_i表示x的i阶中心矩λ_i与方差σ_X的i次方的比值，x_n为样本x的第n个估计值(n＝1,2)，μ_x为样本数据的期望，σ_x为样本数据的方差，θ_n根据式(31)计算得到，α₃表示x的3阶中心矩λ₃与方差σ_X的3次方的比值，p_n为第n(n＝1,2)个估计值对应的概率；

步骤3、将步骤2得到的两个估计值分别作为该风电场的输出功率值，通过潮流计算得到电网中各个节点的电压、电流数据信息；潮流计算过程如下：

步骤3.1、形成节点导纳矩阵；

步骤3.2、设定节点电压的初值；

步骤3.3、将各节点电压初值代入求得修正方程式中的不平衡量；

步骤3.4、将各节点电压初值代入求雅可比矩阵的各元素；

步骤3.5、求解修正方程式，求得各节点电压的增量；

步骤3.6、计算各节点电压的新值，返回第3步进入下一次迭代，直到满足收敛判据为止；

步骤3.7、最后计算平衡节点功率和线路功率、损耗；；

步骤4、依据式(14)分别计算两个估计值对应的电网中新能源电源节点的脱网免疫因子；

脱网免疫因子的具体计算方法是：

以新能源电源机组为等值点，得到新能源电源机组外网戴维南等值电路，然后基于新能源电源并网点的典型运行情况和领域运行情况数据，计算得到新能源电源并网点对外电网戴维南等值电路；且典型运行情况和邻域运行情况的数据需要满足四个条件：

条件一、邻域运行情况数据需在典型运行情况数据的领域范围内，即邻域运行情况数据与典型运行情况数据的迁移距离保持在一定范围内；

条件二、等值负荷节点外的电网运行参数保持不变，即等值负荷节点外的电网典型运行情况数据和领域运行情况数据一致，只改变等值负荷节点处的运行数据；

条件三、使典型运行情况数据和领域运行情况数据之差大于预先设定的最小门槛值，以避免两种运行情况数据出现“0/0模式”的数据漂移情况；

条件四、保证领域运行情况数据在典型运行情况的领域范围内，同时避免数据飘逸情况，要求门槛值的选取值不能太大；

通过获取典型运行情况及其邻域运行情况下的的新能源电源机组并网点电压和注入电流数据，进一步计算电网的等效阻抗和等效电源数值，根据交流电路理论有：

其中下标为0的代表典型运行情况下的数据，下标为1的表示其领域运行情况下的数据；通过潮流计算可得节点处的电压和电流数据，求解式(1)，等式左右两边实数部分和虚数部分均相同，则可以求得戴维南等值阻抗模值于阻抗角为Z∠m和戴维南等值电势模值和电势阻抗角为E∠δ；

由新能源电源机组端口戴维南等值电路可知：

新能源电源机组向电网注入地视在功率为：

进而获得有功功率和无功功率表达式为：

化简可得：

将式(6)和(7)联立消去θ可得：

进一步展开后化简可得：

(V²)²+(2PR+2QX-E²)V²+Z²(P²+Q²)＝0 (9)

上式(9)中可以以V和P为变量画出对应的PV曲线，曲线的拐点就是电压稳定的临界点，对应于电网新能源机组节点电压稳定的极限状态；

进一步的将式(9)化简为：

解得电压V的表达式为：

当Δ为0时，对应于电压稳定边界，即鼻尖点，Δ＝0可表示为：

即满足：

式(13)即对应PV曲线鼻尖点，定义脱网免疫因子(Grid-disconnected immunityfactor，GDIF)：

GDIF稳定范围为(0,1)，越接近于1，则表示该新能源电源节点抗电压扰动能力越差，容易引起脱网故障；反之，GDIF越小，即越接近于0，则表示该节点抗电压扰动能力越好，节点的脱网免疫能力越强；

步骤5、在计算完脱网免疫因子后，基于式(26)得到对应的期望；基于式(28)得到对应的二阶原点矩，利用方差公式(32)即可得到最终计算新能源电源节点状态脆弱性评估指标所需要的统计特征量；

D(Z)＝E(Z²)-(E(Z))² (32)

步骤6、基于式(33)和式(34)最终可得新能源电源节点状态脆弱性指标评估结果；

同时考虑期望和方差的新能源电源节点状态脆弱性指标评估结果；

ω_sb＝ξE(Z)+ηD(Z) (33)

式中ξ，η分别为期望和方差的权重，可由专家经验或偏好给出；

在对电网中多个新能源电源并网点进行脆弱性评估时，为了使状态脆弱性指标更加清晰明了，对上述指标进行归一化处理，使得电网新能源电源节点状态脆弱性指标结果均处于0和1之间，即：

式中ω′_sb表示归一化后的新能源电源节点状态脆弱性指标；ω_sb·min、ω_sb·max分别表示归一化前新能源电源节点状态脆弱性指标的最小值和最大值。