CN111489102A - 一种基于条件风险价值模型的配电网电压安全性评估方法 - Google Patents

一种基于条件风险价值模型的配电网电压安全性评估方法 Download PDF

Info

Publication number
CN111489102A
CN111489102A CN202010348477.4A CN202010348477A CN111489102A CN 111489102 A CN111489102 A CN 111489102A CN 202010348477 A CN202010348477 A CN 202010348477A CN 111489102 A CN111489102 A CN 111489102A
Authority
CN
China
Prior art keywords
power
voltage
risk
risk value
function
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.)
Withdrawn
Application number
CN202010348477.4A
Other languages
English (en)
Inventor
孙亮
崔金栋
关山
田洪亮
宋伟杰
张敏全
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin Kechuang Electric Power Co ltd
Northeast Electric Power University
Original Assignee
Jilin Kechuang Electric Power Co ltd
Northeast Dianli University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin Kechuang Electric Power Co ltd, Northeast Dianli University filed Critical Jilin Kechuang Electric Power Co ltd
Priority to CN202010348477.4A priority Critical patent/CN111489102A/zh
Publication of CN111489102A publication Critical patent/CN111489102A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于条件风险价值模型的配电网电压安全性评估方法，涉及配电网技术，包括以下步骤：S1，条件风险价值的计算；S2，电压波动条件风险价值的风险分析；S3，电压波动条件风险价值的风险指数分析；S4，分别计算分布式电源发电功率和电动汽车充放电功率的特殊函数的估计值，进而计算电压风险以及配电网运行电压风险指数。本发明的方法分别在配电网系统正常运行和预期故障线路两种情况下对电压安全性的条件风险价值模型的风险值进行了计算，验证了该模型的可行性和适用性。

Description

一种基于条件风险价值模型的配电网电压安全性评估方法
技术领域
本发明涉及配电网技术，具体涉及一种基于条件风险价值模型的配电网电压安全性评估方法。
背景技术
目前，随着分布式电源、分布式储能、可控负荷等分布式能源接入配电网，配电网侧负荷和电源结构发生了深刻的变化，配电网概念也经历了从传统配电网、智能配电网、主动配电网到主动配电系统的变迁。对电网而言，DG的接入使得配电网内部以及输、配电网之间的功率流动由单向变为双向；用户的间歇性，且具有发电和用电的双重身份，双向、互动的供需关系将在未来输、配电网与用户之间逐步形成。对于分布式发电系统和电动汽车来说，以更快的速度进入配电系统是一个重要的趋势。这一趋势将给分布式电源和电动汽车充电的协调带来很大困难，可能导致配电系统频繁过载和更高的功率损耗。配电网失电所带来的的风险是由不确定因素引起的潜在损失来描述的。这些不确定因素包括潮流变化和潮流转移等，在许多情况下可能导致功率损失的增加，严重时功率损耗会显著增大，为了评估分布式电源发电和电动汽车充电造成的潜在后果，一般采用基于风险值（value ofrisk，VaR）的风险度量方法来描述这些后果或损失。
在新能源背景下，分布式电源发电和电动汽车的不确定性，造成电压波动，也会给配电网的安全性带来风险。
风险值评估是一种通用风险测量技术。基于VaR的方法不仅在金融领域得到了广泛的应用，而且在电力市场、发电成本等领域也得到了广泛应用。近年来，基于条件风险价值（conditional value of risk，CVaR）的风险评估方法也在电力系统中获得了应用。通过对分布式电源、电动汽车以及负荷的概率模型的不确定性的考虑，采用CVaR模型，实现对事故影响和损失的计算。
发明内容
本发明的主要目的在于提供一种基于条件风险价值模型的配电网电压安全性评估方法，通过对电压安全性CVaR风险值计算，为有效协调分布式电源和电动汽车充放电提供了重要的指标参考。
本发明采用的技术方案是：一种基于条件风险价值模型的配电网电压安全性评估方法，包括以下步骤：
S1，条件风险价值的计算：确定由随机变量和决策变量决定的损失函数f（x，y）；计算条件风险价值模型，构造特殊函数F α （x，β），最小化该特殊函数；
S2，电压波动条件风险价值的风险分析：对于运行条件变化引起的故障后果，计算其中一个特例，即在条件风险价值模型的置信度为零时的故障后果；
S3，电压波动条件风险价值的风险指数分析：分析在随机因素干扰下节点电压风险，对条件风险价值模型修正，用电压的严重性函数表示损失函数；根据损失函数，构建针对分布式电源发电功率和电动汽车充放电功率的特殊函数；
S4，分别计算分布式电源发电功率和电动汽车充放电功率的特殊函数的估计值，进而计算电压风险以及配电网运行电压风险指数。
进一步地，所述步骤S1中的构造特殊函数F α （x，β），最小化该特殊函数包括：
Figure DEST_PATH_IMAGE001
（8）
Figure 418769DEST_PATH_IMAGE002
（9）
Figure DEST_PATH_IMAGE003
（10）
式中：[A]+=max{A,0}；α为置信度；f(x, y)为由决策变量x和随机变量y决定的损失函数；β为事件的待求VaR风险值；p(y)为随机变量ｙ的概率密度函数;
公式（10）
Figure DEST_PATH_IMAGE005
为使得公式（8）取最小值时的β值；
如公式（9），使F α （x，β）的函数值最小即可计算得到CVaR风险值，而F α （x，β）取得最小值时相应的β即为事件的VaR风险值。
更进一步地，所述步骤S3中构建针对分布式电源发电功率和电动汽车充放电功率的特殊函数为：
Figure 552816DEST_PATH_IMAGE006
（5）
Figure DEST_PATH_IMAGE007
（6）
式中：
Figure DEST_PATH_IMAGE009
—由决策变量分布式电源输出功率集PDG={PDG1,PDG2,…,PDGk}
和随机变量分布式电源输出功率的随机因子集yDG={yDG1,yDG2,…,yDGk}决定的分布式电源损失函数；
Figure DEST_PATH_IMAGE011
—由决策变量电动输出功率集PEV={PEV1,PEV2,…,PEVk}和随机
变量电动汽车输出功率的随机因子集yEV={yEV1,yEV2,…,yEVk}决定的电动汽车损失函数；
F α,Vi （P DG ,β）、F α,Vi （P EV ,β）—分别为分布式电源发电功率和电动汽
车充放电功率的特殊函数；
p DG （y）、p EV （y）—分别为分布式电源发电功率和电动汽车充放电
功率的概率密度函数；
R DG 、R EV —分别为分布式电源发电功率和电动汽车充放电功率的集合。
更进一步地，所述步骤S4中的分别计算分布式电源发电功率和电动汽车充放电功率的特殊函数的估计值包括：
确定分布式发电的功率输出集和电网中的决策变量P DG ={P DG1 ，P DG2 ，…，P DGk }，服从某种概率密度分布函数，每个分布式发电功率输出被视为与能源相关的随机变量，分布式电源输出功率的随机因子集为：y DG ={y DG1 ，y DG2 ，…，y DGk }；
确定电动汽车充电站的充电功率集P EV ={P EV1 ，P EV2 ，…，P EVm }，服从某种概率密度分布函数；
电动汽车的充电功率是一个随机因素，用y EV =P EV 表示；电力负荷的随时刻变化，其服从某种概率密度分布函数，也是一个随机因素，用y LG ={y LG1 ，y LG2 ，…，y LGn }表示；
确定满足约束条件反映电压偏高或偏低的严重性函数f vi （P，y）：
Figure 141886DEST_PATH_IMAGE012
（11）
Figure DEST_PATH_IMAGE013
（12）
Figure 58896DEST_PATH_IMAGE014
（13）
Figure DEST_PATH_IMAGE015
（14）
Figure 852408DEST_PATH_IMAGE016
（15）
式中：
Figure 252297DEST_PATH_IMAGE018
为电压偏低或偏高的严重性函数；
G ij和 B ij分别为配电网节点i和j之间的电导和导纳; θij为节点i和 j 之间电压的相角差，θij = θi-θj，Ω(i)为与节点i相连的一组节点；
PDGi、PEVi和PLDi分别为分布式电源、电动汽车以及负荷的输出功率
λDGi，λEVi分别为分布式电源和电动汽车功率因素; aDGi，aEVi分别为与分布式电源和电动汽车功率因素相关的系数；
分别针对分布式电源发电功率以及电动汽车充电功率的特殊函数构造估计值
Figure 272205DEST_PATH_IMAGE020
和
Figure 461747DEST_PATH_IMAGE022
：
Figure DEST_PATH_IMAGE023
（16）
Figure 922815DEST_PATH_IMAGE024
（17）。
更进一步地，所述计算电压风险以及配电网运行电压风险指数包括：
电压风险计算：
Figure DEST_PATH_IMAGE025
（18）
式中：
Figure 133086DEST_PATH_IMAGE026
为节点i电压的CVaR值；
确定风险价值计算方法，风险计算公式为：
Figure DEST_PATH_1
（7）
式中：X t,f —系统t时刻的f运行方式；
X t,j —系统在t时刻第j种可能的运行工况；
P（X t,j |X t,f ）—系统在t时刻运行工况X t,j 发生的概率；
E i —第i个故障工况；
P（E i ）—第i个故障工况发生的概率；
Ser（E i， X t,j ）—系统在运行工况X t,j 和故障E i 下损失的严重程度；
确定电压风险指数严重程度S er,V （V i ）模型，V i 表示节点i电压的实际值；
通过公式（7），求取基于CVaR的配电网运行电压风险指数：
Figure DEST_PATH_IMAGE029
（19）
最终可以得出整个配电系统电压CVaR风险指数：
Figure DEST_PATH_IMAGE031
（20）。
本发明的优点：
本发明的模型将在传统配电网运行风险评估理论的基础上，结合分布式电源，电动汽车以及负荷概率模型，采用严重度函数描述电压偏高、偏低的安全性风险并且构建节点电压偏高、偏低的严重性函数；
在传统风险评估理论中的事故风险风险评估转化成局域条件风险价值模型，实现在考虑电动汽车以及负荷不确定性的事故冲击和损失时的计算；
通过对计及电压波动的条件风险价值模型的风险指标的建立，提出了一种含有分布式电源发电功率、电动汽车充放电功率的特殊函数的估计方法；
本发明分别在配电网系统正常运行和预期故障线路两种情况下对电压安全性的条件风险价值模型的风险值进行了计算，验证了该模型的可行性和适用性。
针对分布式电源发电和电动汽车充电的随机性和不确定性的问题，本发明通过将这种随机性和不确定性转化为条件风险价值模型，然后构造特殊函数及其估计值式，按一定置信度求解配电网中电压波动的条件风险的风险值，计算简单而且适用性好。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1本发明实施例的基于条件风险价值模型的配电网电压安全性评估
方法流程图；
图2本发明实施例的低/高电压风险严重度函数图；
图3 本发明实施例的IEEE33节点配电系统图；
图4本发明实施例的风电机组输出功率的概率分布图；
图5本发明实施例的光伏发电系统输出功率的概率分布图；
图6本发明实施例的电动汽车充电功率的概率分布图；
图7本发明实施例的日负荷曲线概率分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参考图1，如图1所示，一种基于条件风险价值模型的配电网电压安全性评估方法，包括以下步骤：
S1，条件风险价值的计算。设置投资组合策略X以及该策略中的风险度量值ρ（X）（此处的风险度量值ρ（X）为风险管理方法中模型的参数，但其计算过程很复杂，为此想简化计算，构造特殊函数F α （x，β），其概念等同于将特殊函数F α （x，β），最小化），确定由随机变量和决策变量决定的损失函数f（x，y）。计算条件风险价值模型，构造特殊函数F α （x，β），最小化该特殊函数。
S2，电压波动条件风险价值的风险分析。传统电力系统风险评估中，通常采用事故概率与事故后果严重程度的乘积，风险发生概率包括两个方面，即事故发生概率和运行条件的变化。对于运行条件变化引起的风险也称之为故障后果。计算其中一个特例，在条件风险价值模型的置信度为零时的故障后果；
在电压波动条件风险价值的风险分析中，需要计算风险价值评估，其表达式如公式（3），这个公式就是条件风险价值模型的置信度为0时的一种特例）。
S3，电压波动条件风险价值的风险指数。分析在随机因素干扰下节点电压风险，对条件风险价值模型修正，用电压的严重性函数表示损失函数。根据损失函数，构建针对分布式电源发电功率和电动汽车充放电功率的特殊函数。
S4，分别计算分布式电源发电功率和电动汽车充放电功率的特殊函数的估计值。进而计算电压风险以及配电网运行电压风险指数。
一种基于条件风险价值模型的配电网电压安全性评估方法主要由两部分组成，分别为新能源配电网的严重性以及通过条件风险价值模型求取的配网系统电压风险指标。模型里考虑到电压波动引起的运行风险，将传统风险评估理论中事故风险评估模型，结合分布式电源、电动汽车和负荷的概率模型，改用了条件风险价值模型，并且考虑到了其不确定性，最终可以给出事故影响和损失的计算方法。
本发明的模型将在传统配电网运行风险评估理论的基础上，结合分布式电源，电动汽车以及负荷概率模型，采用严重度函数描述电压偏高、偏低的安全性风险并且构建节点电压偏高、偏低的严重性函数；
在传统风险评估理论中的事故风险风险评估转化成局域条件风险价值模型，实现在考虑电动汽车以及负荷不确定性的事故冲击和损失时的计算；
通过对计及电压波动的条件风险价值模型的风险指标的建立，提出了一种含有分布式电源发电功率、电动汽车充放电功率的特殊函数的估计方法；
本发明分别在配电网系统正常运行和预期故障线路两种情况下对电压安全性的条件风险价值模型的风险值进行了计算，验证了该模型的可行性和适用性。
针对分布式电源发电和电动汽车充电的随机性和不确定性的问题，本发明通过将这种随机性和不确定性转化为条件风险价值模型，然后构造特殊函数及其估计值式，按一定置信度求解配电网中电压波动的条件风险的风险值，计算简单而且适用性好。
所述步骤S1是对风险值评估的改进。风险值评估利用损失分布的α分位数对风险对象进行评估，可用于评估某一决策或电网配置在未来特定时间段内的最大可能损失值。但其忽略了厚尾事件，使风险评估过于理想。而条件风险价值对损失分布中超出风险值的部分进行评估，充分考虑事件超出某一限制后所遭受的损失，有效评估事件潜在风险。进而对步骤（1）中投资损失概率以及风险值的定义。
Figure DEST_PATH_IMAGE033
（1）
Figure DEST_PATH_IMAGE035
（2）
式中：p（x）—随机变量y的概率密度函数；
f(x,y)—不超过给定损失限额β的概率；
Ψ（x，α）—投资损失的概率；
α—置信水平；
ρ（X）—风险值；
k VaR （α）—在置信水平α制约下使得损失值不超过一定量的风险值；
k CVaR （α）—超过k VaR （α）的平均值的风险值；
进一步看在步骤（2）中对风险价值评估的表达，其定义为：
Figure DEST_PATH_IMAGE037
（3）
式中：P（X t,j |X t,f ）—事故发生概率；
S er （E i ，X t,j ）—事故后果；
从式（3）中看出，在计算故障后果时，需将各种运行条件的概率及其对应的严重性值相乘，但由于分布式电源、电动汽车以及负荷的不确定性，使得配电网的运行状况存在很多情况，几乎不可能枚举，十分复杂。若将式（5）、式（6）转化为CVaR模型，并用模型的常用方法求解，就很容易计算配电网中某些故障对分布式电源和电动汽车的影响。
如果要建立电压偏高或偏低严重性程度模型，需要对在随机因素干扰下节点电压风险进行定义：
公式（4）所求意义即为节点电压i的故障后果，需要修改为条件风险价值模型，为此需要转化，通过公式（11）得到损失函数后，利用下面公式（5）-（6），结合公式（9）—（10）可求出则含DG和EV网络的电压后果,再利用公式（7）求基于条件风险价值模型的配电网运行电压风险指标。
Figure DEST_PATH_IMAGE039
（4）
式中：C er,vi —节点电压i的风险；
P（V i ）—在一定运行条件下电压值V i 的概率；
S er,V （V i ）—在一定运行条件下电压值V i 的严重性；
如果要建立分布式电源发电功率和电动汽车充放电功率的估计值，首先需要分别构造各自的特殊函数，构造形式分别为：
Figure DEST_PATH_IMAGE041
（5）
Figure DEST_PATH_IMAGE043
（6）
式中：
Figure DEST_PATH_IMAGE045
—由决策变量分布式电源输出功率集PDG={PDG1,PDG2,…,PDGk}
和随机变量分布式电源输出功率的随机因子集yDG={yDG1,yDG2,…,yDGk}决定的分布式电源损失函数；
Figure DEST_PATH_IMAGE047
—由决策变量电动输出功率集PEV={PEV1,PEV2,…,PEVk}和随机
变量电动汽车输出功率的随机因子集yEV={yEV1,yEV2,…,yEVk}决定的电动汽车损失函数；
F α,Vi （P DG ,β）、F α,Vi （P EV ,β）—分别为分布式电源发电功率和电动汽
车充放电功率的特殊函数；
p DG （y）、p EV （y）—分别为分布式电源发电功率和电动汽车充放电
功率的概率密度函数；
R DG 、R EV —分别为分布式电源发电功率和电动汽车充放电功率的集合。
进而根据分布式电源发电功率和电动汽车充放电功率估计值计算电压风险，进一步通过风险计算公式得出基于CVaR的配电网运行电压风险指数，也可以求得整个配电系统的电压风险指数。通过该方法对电压安全性指标评估，大大增强了评估方法的有效性和适用性。
确定风险价值计算方法，为全面反映事故的危害性，需要考虑事故的后果及其发生的概率。则风险计算一般公式为：
Figure 489849DEST_PATH_1
（7）
式中：X t,f —系统t时刻的f运行方式；
X t,j —系统在t时刻第j种可能的运行工况；
P（X t,j |X t,f ）—系统在t时刻运行工况X t,j 发生的概率；
E i —第i个故障工况；
P（E i ）—第i个故障工况发生的概率；
Ser（E i， X t,j ）—系统在运行工况X t,j 和故障E i 下损失的严重程度。
确定电压风险指数严重程度S er,V （V i ）模型，V i 表示节点i电压的实际值。利用严重性函数来表示电压偏离额定值的严重性。在低电压风险严重度中，当实际电压幅值低于额定电压时，风险发生，设置最小电压允许值为0.95时，风险的严重度达到1。在高电压风险严重度中，在最大允许电压为1.05时严重度为1。如附图2所示的严重性函数。
由于通过公式（1）、（2）确定的风险值计算式复杂，故采用构造特殊函数F α （x,β）的方法计算，然后最小化特殊函数的值。如式（8）-（10）所示。
公式（8）相当于是目标值，是待求的CVAR风险值，公式（9）是对公式（8）求最小值，即为所求CVaR风险值，公式（10）是求得CVaR风险值前提下，求出β，其为事件的VaR风险值。
Figure DEST_PATH_IMAGE051
（8）
Figure DEST_PATH_IMAGE053
（9）
Figure DEST_PATH_IMAGE055
（10）
式中：[A]+=max{A,0}；α为置信度；f(x, y)为由决策变量x和随机变量y决定的损失函数；β为事件的待求VaR风险值；p(y)为随机变量ｙ的概率密度函数;
公式（8）可通过历史数据或者通过蒙恃卡罗模拟给出此估计式；公式（10）
Figure DEST_PATH_IMAGE057
为使得公式（8）取最小值时的β值；
计算中，使F α （x，β）的函数值最小即可计算得到CVaR风险值，而F α （x，β）取得最小值时相应的β即为事件的VaR风险值。
确定分布式发电的功率输出集和电网中的决策变量P DG ={P DG1 ，P DG2 ，…，P DGk }，服从某种概率密度分布函数。每个分布式发电功率输出被视为与能源相关的随机变量，如风力发电机的风速和光伏电池的太阳强度。因此，分布式电源输出功率的随机因子集为：y DG ={y DG1 ，y DG2 ，…，y DGk }。
确定电动汽车充电站的充电功率集P EV ={P EV1 ，P EV2 ，…，P EVm }，服从某种概率密度分布函数。因此，电动汽车的充电功率是一个随机因素，用y EV =P EV 表示。电力负荷的随时刻变化，其服从某种概率密度分布函数，也是一个随机因素，用y LG ={y LG1 ，y LG2 ，…，y LGn }表示。
确定满足约束条件（12）-（15）反映电压偏高或偏低的严重性函数f vi （P，y）。
Figure 551210DEST_PATH_IMAGE012
（11）
Figure 357491DEST_PATH_IMAGE013
（12）
Figure 922334DEST_PATH_IMAGE014
（13）
Figure 788659DEST_PATH_IMAGE015
（14）
Figure 924105DEST_PATH_IMAGE016
（15）
公式（12、13）为两个不同公式，通过式（12-15）求出电压值需带入公式（11）。
式中：
Figure DEST_PATH_IMAGE059
为电压偏低或偏高的严重性函数；
G ij和 B ij分别为配电网节点i和j之间的电导和导纳; θij为节点i和 j 之间电压的相角差，θij = θi-θj，Ω(i)为与节点i相连的一组节点；
PDGi、PEVi和PLDi分别为分布式电源、电动汽车以及负荷的输出功率
λDGi，λEVi分别为分布式电源和电动汽车功率因素; aDGi，aEVi分别为与分布式电源和电动汽车功率因素相关的系数；
分别针对分布式电源发电功率以及电动汽车充电功率的特殊函数构造估计值
Figure DEST_PATH_IMAGE061
和
Figure 924291DEST_PATH_IMAGE063
。
Figure 953427DEST_PATH_IMAGE023
（16）
Figure 397178DEST_PATH_IMAGE024
（17）
电压风险计算：
Figure 878974DEST_PATH_IMAGE065
（18）
式中：
Figure 417272DEST_PATH_IMAGE067
为节点i电压的CVaR值。
公式（4）为电压风险的定义，也可叫做电压故障后果，公式（18）即将其转换为条件风险价值模型，求解出结果。
通过公式（7），求取基于CVaR的配电网运行电压风险指数：
Figure 300914DEST_PATH_IMAGE069
（19）
最终可以得出整个配电系统电压CVaR风险指数：
Figure 977883DEST_PATH_IMAGE071
（20）
下面以一具体实施例对本发明所提故障检测方案进行说明，具体在如附图3所示的IEEE33节点系统进行仿真分析。节点18接风力发电机，容量为1MW，节点33接光伏电池和生物质能容量分别为0.2 MW 、0.3 MW。电动汽车接节点5、10、25，电动汽车总数为2000辆。光伏、风机、及电动汽车充电功率以及日负荷曲线概率分布如附图4、5、6、7所示。通过蒙特卡罗模拟系统故障，模型次数为50万次。计算结果如表1所示。
在计算电压风险值时，电压波动百分率允许值是5%，最小电压允许值为0.95或者最大电压允许值为1.05 时，CVaR风险值为1。
表1 IEEE33系统正常运行时电压波动引起的CVaR风险值
Figure 822343DEST_PATH_IMAGE073
当电压为0.95 或1.05 时，CVaR风险值1；电压为1时， CVaR风险值为 0；当电压在0.95 至1之间或1至1.05之间变化时，CVaR风险值在0至1之间变化。如果预知运行中或发生故障时电压风险值接近或达到1时应该调整电网运行方式或采取必要的电压控制措施。可以根据实际运行场景和条件，设定在电压风险值接近 0.8 时调整电网运行方式或采取必要的电压控制措施。
结果表明：12: 00～13: 00 期间的负载功率不高，电动汽车充电功率小，分布式电源输出功率大。因此，IEEE33配电系统电压波动引起的CVaR风险值较低；21: 00～22: 00期间，负荷功率接近峰值，光伏电池停止发电，仅利用生物质能源发电。此时，多辆电动汽车的充电提高了负荷功率水平，导致配电网电压较小。根据模拟数据结果，为降低节点之间的实效概率，在发生故障时，节点8和9之间断开，形成两个独立系统。且18节点由风力发电机供能，但风机输出功率的不确定性，会损失一部分负载功率，因此这部分电压波动风险很大。
综上所述，利用本发明针对分布式电源发电和电动汽车充电的随机性和不确定性而使电网处于不同的运行条件和状态的问题，提出了CVaR模型，然后构造特殊函数及其估计值式，按一定置信度求解电压波动的CVaR风险值，计算简单而且适用性好。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于条件风险价值模型的配电网电压安全性评估方法，其特征在于，包括以下步骤：
S1，条件风险价值的计算：确定由随机变量和决策变量决定的损失函数f（x，y）；计算条件风险价值模型，构造特殊函数F α （x，β），最小化该特殊函数；
S2，电压波动条件风险价值的风险分析：对于运行条件变化引起的故障后果，计算其中一个特例，即在条件风险价值模型的置信度为零时的故障后果；
S3，电压波动条件风险价值的风险指数分析：分析在随机因素干扰下节点电压风险，对条件风险价值模型修正，用电压的严重性函数表示损失函数；根据损失函数，构建针对分布式电源发电功率和电动汽车充放电功率的特殊函数；
S4，分别计算分布式电源发电功率和电动汽车充放电功率的特殊函数的估计值，进而计算电压风险以及配电网运行电压风险指数。
2.根据权利要求1所述的基于条件风险价值模型的配电网电压安全性评估方法，其特征在于，所述步骤S1中的构造特殊函数F α （x，β），最小化该特殊函数包括：
Figure 925578DEST_PATH_IMAGE001
（8）
Figure 833491DEST_PATH_IMAGE002
（9）
Figure 47435DEST_PATH_IMAGE003
（10）
式中：[A]+=max{A,0}；α为置信度；f(x, y)为由决策变量x和随机变量y决定的损失函数；β为事件的待求VaR风险值；p(y)为随机变量ｙ的概率密度函数;
公式（10）
Figure 706736DEST_PATH_IMAGE004
为使得公式（8）取最小值时的β值；
如公式（9），使F α （x，β）的函数值最小即可计算得到CVaR风险值，而F α （x，β）取得最小值时相应的β即为事件的VaR风险值。
3.根据权利要求1所述的基于条件风险价值模型的配电网电压安全性评估方法，其特征在于，所述步骤S3中构建针对分布式电源发电功率和电动汽车充放电功率的特殊函数为：
Figure 271710DEST_PATH_IMAGE005
（5）
Figure 248893DEST_PATH_IMAGE006
（6）
式中：
Figure 582922DEST_PATH_IMAGE007
—由决策变量分布式电源输出功率集PDG={PDG1,PDG2,…,PDGk}
和随机变量分布式电源输出功率的随机因子集yDG={yDG1,yDG2,…,yDGk}决定的分布式电源损失函数；
Figure 439889DEST_PATH_IMAGE008
—由决策变量电动输出功率集PEV={PEV1,PEV2,…,PEVk}和随机
变量电动汽车输出功率的随机因子集yEV={yEV1,yEV2,…,yEVk}决定的电动汽车损失函数；
F α,Vi （P DG ,β）、F α,Vi （P EV ,β）—分别为分布式电源发电功率和电动汽
车充放电功率的特殊函数；
p DG （y）、p EV （y）—分别为分布式电源发电功率和电动汽车充放电
功率的概率密度函数；
R DG 、R EV —分别为分布式电源发电功率和电动汽车充放电功率的集合。
4.根据权利要求1或3所述的基于条件风险价值模型的配电网电压安
全性评估方法，其特征在于，所述步骤S4中的分别计算分布式电源发电功率和电动汽车充放电功率的特殊函数的估计值包括：
确定分布式发电的功率输出集和电网中的决策变量P DG ={P DG1 ，P DG2 ，…，P DGk }，服从某种概率密度分布函数，每个分布式发电功率输出被视为与能源相关的随机变量，分布式电源输出功率的随机因子集为：y DG ={y DG1 ，y DG2 ，…，y DGk }；
确定电动汽车充电站的充电功率集P EV ={P EV1 ，P EV2 ，…，P EVm }，服从某种概率密度分布函数；
电动汽车的充电功率是一个随机因素，用y EV =P EV 表示；电力负荷的随时刻变化，其服从某种概率密度分布函数，也是一个随机因素，用y LG ={y LG1 ，y LG2 ，…，y LGn }表示；
确定满足约束条件反映电压偏高或偏低的严重性函数f vi （P，y）：
Figure 226579DEST_PATH_IMAGE009
（11）
Figure 945137DEST_PATH_IMAGE010
（12）
Figure 195989DEST_PATH_IMAGE011
（13）
Figure 974589DEST_PATH_IMAGE012
（14）
Figure 999308DEST_PATH_IMAGE013
（15）
式中：
Figure 521557DEST_PATH_IMAGE014
为电压偏低或偏高的严重性函数；
G ij和 B ij分别为配电网节点i和j之间的电导和导纳; θij为节点i和 j 之间电压的相角差，θij = θi-θj，Ω(i)为与节点i相连的一组节点；
PDGi、PEVi和PLDi分别为分布式电源、电动汽车以及负荷的输出功率
λDGi，λEVi分别为分布式电源和电动汽车功率因素; aDGi，aEVi分别为与分布式电源和电动汽车功率因素相关的系数；
分别针对分布式电源发电功率以及电动汽车充电功率的特殊函数构造估计值
Figure 830178DEST_PATH_IMAGE015
和
Figure 779680DEST_PATH_IMAGE016
：
Figure 337700DEST_PATH_IMAGE017
（16）
Figure 912907DEST_PATH_IMAGE018
（17）。
5.根据权利要求1-4任一所述的基于条件风险价值模型的配电网电压安全性评估方法，其特征在于，所述计算电压风险以及配电网运行电压风险指数包括：
电压风险计算：
Figure 810456DEST_PATH_IMAGE019
（18）
式中：
Figure 930858DEST_PATH_IMAGE020
为节点i电压的CVaR值；
确定风险价值计算方法，风险计算公式为：
Figure 1
（7）
式中：X t,f —系统t时刻的f运行方式；
X t,j —系统在t时刻第j种可能的运行工况；
P（X t,j |X t,f ）—系统在t时刻运行工况X t,j 发生的概率；
E i —第i个故障工况；
P（E i ）—第i个故障工况发生的概率；
Ser（E i， X t,j ）—系统在运行工况X t,j 和故障E i 下损失的严重程度；
确定电压风险指数严重程度S er,V （V i ）模型，V i 表示节点i电压的实际值；
通过公式（7），求取基于CVaR的配电网运行电压风险指数：
Figure 105805DEST_PATH_IMAGE022
（19）
最终可以得出整个配电系统电压CVaR风险指数：
Figure 605663DEST_PATH_IMAGE023
（20）。
CN202010348477.4A 2020-04-28 2020-04-28 一种基于条件风险价值模型的配电网电压安全性评估方法 Withdrawn CN111489102A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010348477.4A CN111489102A (zh) 2020-04-28 2020-04-28 一种基于条件风险价值模型的配电网电压安全性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010348477.4A CN111489102A (zh) 2020-04-28 2020-04-28 一种基于条件风险价值模型的配电网电压安全性评估方法

Publications (1)

Publication Number Publication Date
CN111489102A true CN111489102A (zh) 2020-08-04

Family

ID=71811828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010348477.4A Withdrawn CN111489102A (zh) 2020-04-28 2020-04-28 一种基于条件风险价值模型的配电网电压安全性评估方法

Country Status (1)

Country Link
CN (1) CN111489102A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435714A (zh) * 2021-06-10 2021-09-24 华中科技大学 一种基于WCVaR风险分析的电网调度优化方法和系统
CN113591224A (zh) * 2021-08-12 2021-11-02 广东电网有限责任公司 一种城市电网连锁故障风险评估方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435714A (zh) * 2021-06-10 2021-09-24 华中科技大学 一种基于WCVaR风险分析的电网调度优化方法和系统
CN113435714B (zh) * 2021-06-10 2022-08-02 华中科技大学 一种基于WCVaR风险分析的电网调度优化方法和系统
CN113591224A (zh) * 2021-08-12 2021-11-02 广东电网有限责任公司 一种城市电网连锁故障风险评估方法及系统

Similar Documents

Publication Publication Date Title
Liu et al. Optimal sizing of a wind-energy storage system considering battery life
Sedghi et al. Optimal storage planning in active distribution network considering uncertainty of wind power distributed generation
Roustaee et al. Multi-objective stochastic operation of multi-microgrids constrained to system reliability and clean energy based on energy management system
CN106992549A (zh) 一种独立微电网系统的容量优化配置方法及装置
CN111489102A (zh) 一种基于条件风险价值模型的配电网电压安全性评估方法
CN113675890A (zh) 基于td3的新能源微电网优化方法
CN107947183B (zh) 基于微分进化的含三端snop的配电网自适应优化方法
CN117154726A (zh) 基于孤岛划分的配电网重构恢复供电方法及系统
CN116707016A (zh) 基于场景生成和削减的风光氢储日前随机优化调度方法
CN105279575B (zh) 基于发电预测的多能源主体分布式博弈优化方法
Mohamed et al. Modelling and environmental/economic power dispatch of microgrid using multiobjective genetic algorithm optimization
Kaur et al. Design of the ANFIS based optimized frequency control module for an electric vehicle charging station
CN113657619A (zh) 考虑故障连锁的关键弹性提升元件辨识及故障恢复方法
Chang et al. A distributed online learning approach for energy management with communication noises
CN114759616B (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
Zhou et al. Dynamic pricing of integrated energy service providers based on master-slave game
CN113794241B (zh) 低压智能电网用户侧源储荷的优化调度方法及装置
Li et al. Frequency Fuzzy Control Strategy for Coordinated Wind-Storage System Considering Energy Storage Capacity Optimization
CN113991737A (zh) 一种可再生能源并网的主动配电网鲁棒优化故障恢复方法
CN114398777A (zh) 一种基于巴什博弈理论的电力系统灵活性资源配置方法
Kan et al. Optimal configuration of the hybrid energy storage system for reducing the amount of discarded photovoltaic
Datta et al. Stochastic Energy Management of grid-connected microgrid considering battery degradation cost and renewables penetration
Maulik et al. Optimal scheduling of an islanded microgrid with complex impedances considering load demand and renewable power uncertainties
Kai et al. Optimization for PV-ESS in Distribution Network Based on CSBO
CN112003279A (zh) 层次化微电网新能源消纳能力的评估方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200804