CN111244944A - 一种基于影响增量的交直流配电网可靠性评估方法 - Google Patents

Abstract

本发明提供一种基于影响增量的交直流配电网可靠性评估方法，包括如下步骤：步骤1：根据选定的交直流混合配电网，步骤2：依据步骤1提供的交直流混合配电网结构及参数，创建k阶事故集Ω_A ^k；步骤3：依据步骤2提供的k阶事故集，根据故障情况调整换流器的控制策略，得到换流器的运行状态；依据步骤3得到的换流器的运行状态，判断所选事故状态是否为有效事故状态等步骤；本发明立足于解决交直流混合配电网的可靠性评估问题，适应可再生能源及负荷的波动性，综合考虑源荷场景聚类方法、换流器的控制模式切换、高阶事故状态消去方法，提出基于影响增量的交直流混合配电网可靠性评估方法，提高交直流混合配电网可靠性评估的效率。

Description

一种基于影响增量的交直流配电网可靠性评估方法

技术领域

本发明涉及一种交直流配电网可靠性评估方法。特别是涉及一种基于影响增量的交直流配电网可靠性评估方法。

背景技术

对于配电网而言，可再生能源(Renewable Energy Sources,RES)的高渗透率接入会使其稳态运行呈现出许多新的特征。电网的源端和荷端将呈现较大的不确定性，运行形态将更加复杂，形成电网潮流双向化的特征。由于可再生能源发电的波动性，随着其高比例地接入配电网中，产生的峰谷差甚至会超过负荷的波动程度，成为电网运行不确定性的主要来源，给电网的电能质量以及规划运行带来了很大的挑战。交流配电网面临着分布式新能源接入、电能可靠稳定供应、负荷的多样化需求以及网架结构变化等多方面的挑战。在这样的背景下，研究新型的配电理论及技术，以适应可再生能源高比例接入带来的挑战，保证电网的运行安全性及供电可靠性，其现实意义十分明显。

配电网可靠性是指配电网对用户连续供电能力的程度。配电网可靠性评估是指利用配电网拓扑信息和元件可靠性参数，采用一定的可靠性评估方法，来获得配电网的各项可靠性指标，以达到对系统的可靠性水平进行定量评估，找出配电网中的可靠性薄弱环节从而寻求提高系统可靠性的途径，以及进行可靠性的成本效益分析等目的。直流技术早期主要应用于高压输电系统中，之后被逐步引入进配电领域中。近年来，交直流配电技术逐渐成为研究的热点。国内外先后开展了多项交直流混合配电网示范项目工程，逐步构建了交直流混合配电网示范平台。主要针对可靠、灵活、可接入等方面进行研究，同时着重考虑环保需求以及电能质量的要求。

状态枚举法是配电网可靠性评估的主要方法之一。传统状态枚举法需要处理的系统状态繁多，计算速度很低。在实际的工程计算中，通常采用忽略高阶的故障状态来提高计算速度，但会造成计算误差增大。基于影响增量的可靠性评估方法可以有效减少需要计算的事故状态数量，在保证计算精度的同时提高评估效率，已在输电网可靠性评估中得到应用。

针对供电可靠性的评估方法，国内外已经广泛开展了相关研究，并给出了一系列可靠性评价方法。面向输电网，现有的研究已经提出了基于影响增量的可靠性评估方法，对于交直流混合配电网的可靠性评估具有一定的参考价值，但是由于交直流输电网承担的是长距离大容量的电能传输，运行方式相对固定，对于直流输电网多采用网络等值的简化处理方法。而对交直流配电网来说，不仅可以通过联络开关实现不同交流馈线间的连通和转供，还可以通过交直流变流器实现交流网络和直流网络间的灵活功率控制，在不同的负荷分布和故障方式下运行方式更加灵活。交直流输电网的可靠性评估方法无法直接应用于交直流混合配电网的可靠性评估中。因此，亟需一种适用于交直流混合配电网的可靠性评估方法，用以解决分布式电源高渗透率接入下交直流混合配电网的可靠性评估问题，提高可靠性评估的效率。

发明内容

本发明所要解决的技术问题是，提供一种适用于交直流混合配电网的可靠性评估方法，用以解决分布式电源高渗透率接入下交直流混合配电网的可靠性评估问题，提高交直流混合配电网可靠性评估的效率。

本发明所采用的技术方案是：

步骤1：根据选定的交直流混合配电网，输入如下的系统参数：线路参数，负荷水平，网络拓扑连接关系，系统节点电压安全范围和支路电流限制，分布式电源的接入位置和容量，换流器的接入位置、容量及参数，负荷水平以及可再生能源出力，根据用户的实际可靠性评估需求，设置评估的最大事故阶数N_CTG，并初始化事故集阶数k＝1；

所述的确定负荷水平以及可再生能源出力的方法表示为如下形式：

采用源荷联合场景聚类法对于可再生能源以及负荷的波动性进行处理，源荷联合场景聚类法的基本原理是基于大量的历史数据或预测数据等样本数据，采用一定的场景提取技术来生成所需的场景。其具体的步骤如下：

步骤1-1：假定样本总数为n，随机选择k个数据样本当作聚类过程的初始聚类中心(Z₁,Z₂,Z₃,…,Z_k)；

步骤1-2：对于某个数据样本x_i，寻找一个聚类中心Z_μ，使得该数据样本x_i到聚类中心Z_μ的距离在该数据样本到所有聚类中心的距离中是最短的，则该数据样本x_i划分至聚类中心Z_μ所在的类当中；

步骤1-3：每分配一个样本，都根据聚类中现有的样本重新计算聚类中心，聚类中心采用类中所有样本数据的平均值；

步骤1-4：判断重新计算生成的聚类中心与原聚类中心是否相同，如果不同，则转入步骤1-2，反之聚类过程结束；

步骤1-5：当所有样本分配完毕，聚类过程结束。

使用上述聚类算法对风机的年输出功率曲线P_wt、光伏的年输出功率曲线P_v以及年负荷曲线P_d进行多维聚类处理。需要聚类的初始数据为P_sum0＝[P_wt ⁸⁷⁶⁰，P_v ⁸⁷⁶⁰，P_d ⁸⁷⁶⁰]，P_sum0为一个[8760*3]的矩阵。经过多维聚类处理以后，可得到聚类后的数据集合P_sum1＝[P_wt ^Nclu，P_v ^Nclu，P_d ^Nclu]，式中N_clu代表所需得到的聚类场景数，P_sum1为一个[N_clu*3]的矩阵。

步骤2：依据步骤1提供的交直流混合配电网结构及参数，，创建k阶事故集Ω_A ^k；

步骤3：依据步骤2提供的k阶事故集，根据故障情况调整换流器的控制策略，得到换流器的运行状态；

步骤4：依据步骤3得到的换流器的运行状态，判断所选事故状态是否为有效事故状态。若是，则进入步骤5；若否，则选出下一个k阶事故状态s，并返回步骤3；

所述的判断事故状态是否为有效事故状态的方法表示为如下形式：

若某高阶事故状态含有相互独立的故障元件，则该高阶事故状态s可以拆分成两个子集s₁和s₂，即：

其中，

且

据此，可以做出如下推论：当故障元件相互独立时，其高阶事故状态s的影响增量为0(ΔIs＝0)；

影响增量为0的事故状态在进行可靠性评估时可以忽略，因此可以在不影响结果精确性的同时提高可靠性评估的效率；由上述推论可知，判断高阶事故状态影响增量是否为0的关键在于该高阶事故状态是否含有相互独立的故障元件；

通过对网络的拓扑结构和运行控制特性进行分析，得到如下结论：

(1)若某高阶事故状态中含有发生在同一交流子系统中的故障元件，且这些故障元件位于不同支线上时，则该高阶事故状态含有相互独立的故障元件，其影响增量为0；

(2)若某高阶事故状态中含有发生在不同交流子系统中的故障元件时，则该高阶事故状态含有相互独立的故障元件，其影响增量为0；

(3)若某高阶事故状态中含有发生在交流子系统与直流子系统的故障元件，且这些故障元件不是同时位于干线时，则该高阶事故状态含有相互独立的故障元件，其影响增量为0。

步骤5：依据步骤4得到的有效事故状态，结合换流器的控制量，进行最优切负荷计算，得到系统状态s的影响I_s；

步骤6：依据步骤5得到的系统状态s的影响I_s，计算得到系统状态s的影响增量ΔI_s；

所述的得到系统状态s的影响增量ΔI_s的方法表示为如下形式：

式中，ΔI_s表示系统状态s的影响增量，I_s表示系统状态s的影响，k表示系统事故状态的初始阶数，n_s表示系统状态s的故障元件数，u表示系统子状态，Ω_s ^k表示系统状态s的k阶子集，ΔI_u表示系统子状态的影响增量；

步骤7：依据步骤6得到的系统状态s的影响增量ΔI_s，遍历事故集，得到影响增量信息，若事故集中所有状态都被分析，转到步骤8，否则选出下一个事故状态，返回步骤3；

步骤8：依据步骤7得到的影响增量信息，判断事故集的阶数是否达到最大事故阶数，得到事故集信息，若达到最大事故阶数，转到步骤9，否则增加一阶事故阶数，返回步骤2；

步骤9：依据步骤8得到的事故集信息，计算交直流配电网的可靠性指标R。

所述的得到交直流配电网的可靠性指标R的方法表示为如下形式：

式中，R表示交直流配电网的可靠性指标，N表示设置的事故阶数上限，Ω^k _A表示交直流配电网中所有元件状态的k阶子集，u_i表示系统状态i时的子状态。

有益效果

本发明的一种基于影响增量法的交直流混合配电网可靠性评估方法，立足于解决交直流混合配电网的可靠性评估问题，适应可再生能源及负荷的波动性，综合考虑源荷场景聚类方法、换流器的控制模式切换、高阶事故状态消去方法，提出基于影响增量的交直流混合配电网可靠性评估方法，提高交直流混合配电网可靠性评估的效率。

附图说明

图1是本发明基于影响增量的交直流配电网可靠性评估方法的流程图；

图2是交直流混合配电网算例结构图。

具体实施方式

下面结合实施例和附图对本发明的一种基于影响增量的交直流配电网可靠性评估方法做出详细说明。

如图1所示，本发明的一种基于影响增量的交直流配电网可靠性评估方法，包括如下步骤：

步骤1：根据选定的交直流混合配电网，输入如下的系统参数：线路参数，负荷水平，网络拓扑连接关系，系统节点电压安全范围和支路电流限制，分布式电源的接入位置和容量，换流器的接入位置、容量及参数，负荷水平以及可再生能源出力，根据用户的实际可靠性评估需求，设置评估的最大事故阶数N_CTG，并初始化事故集阶数k＝1；

所述的确定负荷水平以及可再生能源出力的方法表示为如下形式：

采用源荷联合场景聚类法对于可再生能源以及负荷的波动性进行处理，源荷联合场景聚类法的基本原理是基于大量的历史数据或预测数据等样本数据，采用一定的场景提取技术来生成所需的场景。其具体的步骤如下：

步骤1-1：假定样本总数为n，随机选择k个数据样本当作聚类过程的初始聚类中心(Z₁,Z₂,Z₃,…,Z_k)；

步骤1-2：对于某个数据样本x_i，寻找一个聚类中心Z_μ，使得该数据样本x_i到聚类中心Z_μ的距离在该数据样本到所有聚类中心的距离中是最短的，则该数据样本x_i划分至聚类中心Z_μ所在的类当中；

步骤1-3：每分配一个样本，都根据聚类中现有的样本重新计算聚类中心，聚类中心采用类中所有样本数据的平均值；

步骤1-4：判断重新计算生成的聚类中心与原聚类中心是否相同，如果不同，则转入步骤1-2，反之聚类过程结束；

步骤1-5：当所有样本分配完毕，聚类过程结束。

使用上述聚类算法对风机的年输出功率曲线P_wt、光伏的年输出功率曲线P_v以及年负荷曲线P_d进行多维聚类处理。需要聚类的初始数据为P_sum0＝[P_wt ⁸⁷⁶⁰，P_v ⁸⁷⁶⁰，P_d ⁸⁷⁶⁰]，P_sum0为一个[8760*3]的矩阵。经过多维聚类处理以后，可得到聚类后的数据集合P_sum1＝[P_wt ^Nclu，P_v ^Nclu，P_d ^Nclu]，式中N_clu代表所需得到的聚类场景数，P_sum1为一个[N_clu*3]的矩阵。

步骤2：依据步骤1提供的交直流混合配电网结构及参数，，创建k阶事故集Ω_A ^k；

步骤3：依据步骤2提供的k阶事故集，根据故障情况调整换流器的控制策略，得到换流器的运行状态；

步骤4：依据步骤3得到的换流器的运行状态，判断所选事故状态是否为有效事故状态。若是，则进入步骤5；若否，则选出下一个k阶事故状态s，并返回步骤3；

所述的判断事故状态是否为有效事故状态的方法表示为如下形式：

若某高阶事故状态含有相互独立的故障元件，则该高阶事故状态s可以拆分成两个子集s₁和s₂，即：

其中，

且

据此，可以做出如下推论：当故障元件相互独立时，其高阶事故状态s的影响增量为0(ΔIs＝0)；

影响增量为0的事故状态在进行可靠性评估时可以忽略，因此可以在不影响结果精确性的同时提高可靠性评估的效率；由上述推论可知，判断高阶事故状态影响增量是否为0的关键在于该高阶事故状态是否含有相互独立的故障元件；

通过对网络的拓扑结构和运行控制特性进行分析，得到如下结论：

(1)若某高阶事故状态中含有发生在同一交流子系统中的故障元件，且这些故障元件位于不同支线上时，则该高阶事故状态含有相互独立的故障元件，其影响增量为0；

(2)若某高阶事故状态中含有发生在不同交流子系统中的故障元件时，则该高阶事故状态含有相互独立的故障元件，其影响增量为0；

(3)若某高阶事故状态中含有发生在交流子系统与直流子系统的故障元件，且这些故障元件不是同时位于干线时，则该高阶事故状态含有相互独立的故障元件，其影响增量为0。

步骤5：依据步骤4得到的有效事故状态，结合换流器的控制量，进行最优切负荷计算，得到系统状态s的影响I_s；

步骤6：依据步骤5得到的系统状态s的影响I_s，计算得到系统状态s的影响增量ΔI_s；

所述的得到系统状态s的影响增量ΔI_s的方法表示为如下形式：

式中，ΔI_s表示系统状态s的影响增量，I_s表示系统状态s的影响，k表示系统事故状态的初始阶数，n_s表示系统状态s的故障元件数，u表示系统子状态，Ω_s ^k表示系统状态s的k阶子集，ΔI_u表示系统子状态的影响增量；

步骤7：依据步骤6得到的系统状态s的影响增量ΔI_s，遍历事故集，得到影响增量信息，若事故集中所有状态都被分析，转到步骤8，否则选出下一个事故状态，返回步骤3；

步骤8：依据步骤7得到的影响增量信息，判断事故集的阶数是否达到最大事故阶数，得到事故集信息，若达到最大事故阶数，转到步骤9，否则增加一阶事故阶数，返回步骤2；

步骤9：依据步骤8得到的事故集信息，计算交直流配电网的可靠性指标R。

所述的得到交直流配电网的可靠性指标R的方法表示为如下形式：

式中，R表示交直流配电网的可靠性指标，N表示设置的事故阶数上限，Ω^k _A表示交直流配电网中所有元件状态的k阶子集，u_i表示系统状态i时的子状态。

下面给出具体实施例：

对于本实施例，首先输入交直流配电系统中线路元件的阻抗值，负荷元件的有功功率、无功功率，网络拓扑连接关系，其结构如图2所示，详细参数见表1和表2；设置三个换流器，其位置分别为13-152、60-160、54-94，换流器容量设置为5MVA，损耗系数设置为0.02；考虑分布式电源的高渗透率接入，在节点3、54、57、61、80处分别接入5组分布式电源，容量均为2MVA；节点电压最小值设置为0.93p.u.，节点电压最大值设置为1.07p.u.。

为验证本文提出方法的准确性，分别通过蒙特卡洛法(MCS)、状态枚举法(SE)以及所提出的基于影响增量的可靠性评估方法(IISE)，对交直流混合配电网进行可靠性评估。其中，蒙特卡洛模拟法的采样数设置为10⁶。通过改变基于影响增量的状态枚举法的最大事故阶数，验证本文方法的有效性。通过各方法得到的交直流混合配电网的可靠性评估指标如表3、表4所示。

执行优化计算的计算机硬件环境为Intel(R)Xeon(R)CPU E5-1620，主频为3.70GHz，内存为32GB；软件环境为Windows 10操作系统。

通过所提出的可靠性评估方法，能够有效进行交直流混合配电网的可靠性评估。与状态枚举法相似，所提出的方法的搜索深度依赖于选取的指标，当该指标越大时，所得到的系统状态数就越多，从而有效地提升了计算的精度。但同时存在的缺点是，相应的所需计算时间较长。在本文中将蒙特卡洛法的计算结果作为参考值。

从表3中可以看出，当N_CTG＝1时，所提出的基于影响增量的可靠性评估方法的计算精度要高于状态枚举法，这是由于基于影响增量的可靠性评估方法可以有效提高低阶事故状态的权重，同时降低高阶事故状态的权重，从而减小由于忽略高阶事故状态而造成的误差。但是此时所提出的可靠性评估方法和状态枚举法的计算速度相当，原因是：当N_CTG＝1时，一阶事故状态无法被消去，两种方法都必须计算所有的一阶事故状态，故此时两种方法的计算时间基本相同。从表4中可以看出，当N_CTG＝2时，传统的状态枚举法的计算精度有所提高，但是其计算时间显著增加，这是由于此时状态枚举法所需计算的系统状态数明显增多。此时，所提出的基于影响增量的可靠性评估方法的计算精度也有所提高，且要高于状态枚举法的计算精度。但是此时所提出的可靠性评估方法的计算时间要远远少于状态枚举法，这是由于当N_CTG＝2时，所提出的可靠性评估方法可以通过事故状态消去法选择出所有影响增量为0的事故状态，这些事故状态不需要进行分析计算，因此所需计算的系统状态数大大减小，计算速度也就远高于状态枚举法。

综上所述，可得到以下结论：

(1)MCS方法的计算精度是最高的，但其所需的计算时间较长。

(2)传统的SE方法在N_CTG＝1时所需计算时间较短，但此时计算精度过低，不满足可靠性评估的要求。在N_CTG＝2时计算精度有所提高，但此时所需的时间大大增加，计算速度明显降低。

(3)本文所提出的IISE方法在N_CTG＝1时计算精度比SE方法要高，此时所需计算时间和SE方法相差不大。在N_CTG＝2时IISE方法计算精度有所提高，且要高于SE方法。而且此时IISE方法所需计算时间要明显少于SE方法，计算速度得到了提升。故本文所提的方法在计算精度和计算速度上都要优于传统的状态枚举法，很大程度上提高了交直流混合配电网可靠性评估的效率。

表1交直流混合配电网算例负荷接入位置及功率

表2交直流混合配电网算例线路参数

表3 N_CTG＝1时测试结果

表4 N_CTG＝2时测试结果

Claims (5)

1.一种基于影响增量的交直流配电网可靠性评估方法，其特征在于，包括如下步骤：

步骤1：根据选定的交直流混合配电网，输入如下的系统参数：线路参数，负荷水平，网络拓扑连接关系，系统节点电压安全范围和支路电流限制，分布式电源的接入位置和容量，换流器的接入位置、容量及参数，负荷水平以及可再生能源出力，根据用户的实际可靠性评估需求，设置评估的最大事故阶数N_CTG，并初始化事故集阶数k＝1；

步骤2：依据步骤1提供的交直流混合配电网结构及参数，创建k阶事故集Ω_A ^k；

步骤3：依据步骤2提供的k阶事故集，根据故障情况调整换流器的控制策略，得到换流器的运行状态；

步骤4：依据步骤3得到的换流器的运行状态，判断所选事故状态是否为有效事故状态。若是，则进入步骤5；若否，则选出下一个k阶事故状态s，并返回步骤3；

步骤5：依据步骤4得到的有效事故状态，结合换流器的控制量，进行最优切负荷计算，得系统状态s的影响I_s；

步骤6：依据步骤5得到的系统状态s的影响I_s，计算得到系统状态s的影响增量ΔI_s；

步骤7：依据步骤6得到的系统状态s的影响增量ΔI_s，遍历事故集，得到影响增量信息，若事故集中所有状态都被分析，转到步骤8，否则选出下一个事故状态，返回步骤3；

步骤8：依据步骤7得到的影响增量信息，判断事故集的阶数是否达到最大事故阶数，得到事故集信息，若达到最大事故阶数，转到步骤9，否则增加一阶事故阶数，返回步骤2；

步骤9：依据步骤8得到的事故集信息，计算交直流配电网的可靠性指标R。

2.根据权利要求1所述的一种基于影响增量的交直流配电网可靠性评估方法，其特征在于，步骤1所述的确定负荷水平以及可再生能源出力的方法表示为如下形式：

采用源荷联合场景聚类法对于可再生能源以及负荷的波动性进行处理，源荷联合场景聚类法的基本原理是基于大量的历史数据或预测数据等样本数据，采用一定的场景提取技术来生成所需的场景。其具体的步骤如下：

步骤1-1：假定样本总数为n，随机选择k个数据样本当作聚类过程的初始聚类中心(Z₁,Z₂,Z₃,…,Z_k)；

步骤1-2：对于某个数据样本x_i，寻找一个聚类中心Z_μ，使得该数据样本x_i到聚类中心Z _μ的距离在该数据样本到所有聚类中心的距离中是最短的，则该数据样本x_i划分至聚类中心Z _μ所在的类当中；

步骤1-3：每分配一个样本，都根据聚类中现有的样本重新计算聚类中心，聚类中心采用类中所有样本数据的平均值；

步骤1-4：判断重新计算生成的聚类中心与原聚类中心是否相同，如果不同，则转入步骤1-2，反之聚类过程结束；

步骤1-5：当所有样本分配完毕，聚类过程结束。

使用上述聚类算法对风机的年输出功率曲线P_wt、光伏的年输出功率曲线P_v以及年负荷曲线P_d进行多维聚类处理。需要聚类的初始数据为P_sum0＝[P_wt ⁸⁷⁶⁰，P_v ⁸⁷⁶⁰，P_d ⁸⁷⁶⁰]，P_sum0为一个[8760*3]的矩阵。经过多维聚类处理以后，可得到聚类后的数据集合P_sum1＝[P_wt ^Nclu，P_v ^Nclu，P_d ^Nclu]，式中N_clu代表所需得到的聚类场景数，P_sum1为一个[N_clu*3]的矩阵。

3.根据权利要求1所述的一种基于影响增量的交直流配电网可靠性评估方法，其特征在于，步骤4所述的判断事故状态是否为有效事故状态的方法表示为如下形式：

若某高阶事故状态含有相互独立的故障元件，则该高阶事故状态s可以拆分成两个子集s₁和s₂，即：

其中，

且

据此，可以做出如下推论：当故障元件相互独立时，其高阶事故状态s的影响增量为0(ΔIs＝0)；

影响增量为0的事故状态在进行可靠性评估时可以忽略，因此可以在不影响结果精确性的同时提高可靠性评估的效率；由上述推论可知，判断高阶事故状态影响增量是否为0的关键在于该高阶事故状态是否含有相互独立的故障元件；

通过对网络的拓扑结构和运行控制特性进行分析，得到如下结论：

(1)若某高阶事故状态中含有发生在同一交流子系统中的故障元件，且这些故障元件位于不同支线上时，则该高阶事故状态含有相互独立的故障元件，其影响增量为0；

(2)若某高阶事故状态中含有发生在不同交流子系统中的故障元件时，则该高阶事故状态含有相互独立的故障元件，其影响增量为0；

(3)若某高阶事故状态中含有发生在交流子系统与直流子系统的故障元件，且这些故障元件不是同时位于干线时，则该高阶事故状态含有相互独立的故障元件，其影响增量为0。

4.根据权利要求1所述的一种基于影响增量的交直流配电网可靠性评估方法，其特征在于，步骤6所述的得到系统状态s的影响增量ΔI_s的方法表示为如下形式：

式中，ΔI_s表示系统状态s的影响增量，I_s表示系统状态s的影响，k表示系统事故状态的初始阶数，n_s表示系统状态s的故障元件数，u表示系统子状态，Ω_s ^k表示系统状态s的k阶子集，ΔI_u表示系统子状态的影响增量。

5.根据权利要求1所述的一种基于影响增量的交直流配电网可靠性评估方法，其特征在于，步骤9所述的得到交直流配电网的可靠性指标R的方法具体表示如下：

式中，R表示交直流配电网的可靠性指标，N表示设置的事故阶数上限，Ω^k _A表示交直流配电网中所有元件状态的k阶子集，u_i表示系统状态i时的子状态。

Images