一种计及分布式电源相关性的配电系统可靠性评估方法
技术领域
本发明涉及分布式电源领域,具体涉及一种计及分布式电源相关性的配电系统可靠性评估方法。
背景技术
随着现代社会的快速发展,用户对电力系统供电可靠性的要求不断提高,如何快速准确地对配电系统可靠性进行评估并可靠地进行供电至关重要。分布式电源(Distributed Generation,DG)发电方式灵活、绿色环保,大量地应用于配电网络。DG的接入改变了配电网的结构和运行方式,与此同时也存在着输出功率具有波动性、不确定性等问题。并且同一地区的风速和光照强度之间具有相关性,如果没有对这一因素加以考虑,会影响配电网的可靠性评估,对配电网的可靠运行带来影响。
目前含DG的配电系统可靠性研究很少将相关性因素考虑进去,导致评估结果不切合工程实际。随着配电网复杂程度的增加,系统元件数量增大,传统可靠性评估算法计算效率低下,并且大多数情况下忽略开关故障的影响。考虑开关故障的双向层级结构可靠性评估算法能够对配电网可靠性进行快速、精确评估,在考虑DG相关性的同时,在孤岛内DG出力不足时采用改进的启发式负荷削减策略,确保切除最大负荷,提高了供电可靠性。
发明内容
有鉴于此,本发明的目的在于提供一种计及分布式电源相关性的配电系统可靠性评估方法,考虑DG的同时,还考虑了DG之间的相关性对配电网可靠性的影响,适应了新形势下电网发展需要,能够更加切合工程实际地对配电网进行可靠性评估;提出考虑开关故障的双向层级结构可靠性评估算法能够对可靠性指标进行快速评估,同时考虑多种因素的影响,提高了评估的精确性;采用的改进的启发式负荷削减策略在DG出力不足时能够改善配电网的可靠性。
为实现上述目的,本发明采用如下技术方案:
一种计及分布式电源相关性的配电系统可靠性评估方法,包括如下步骤:
步骤S1:考虑分布式电源的不确定性和风力、光照强度之间的相关性,分析风光发电出力规律,基于拉丁超立方抽样,结合Spearman秩相关系数和Cholesky分解获得指定相关系数的分布式电源出力样本;
步骤S2:基于IEEE可靠性测试系统的峰值负荷百分比模型,采用负荷聚类技术进行聚类获得各负荷点的负荷情况;
步骤S3:基于计及开关故障的双向层级结构的配电系统可靠性评估算法,对系统可靠性进行评估;
步骤S4:考虑分布式电源接入后配电网的孤岛运行模式,以负荷切除量最大提出改进的启发式负荷削减策略,并对孤岛内负荷的可靠性指标进行修正。
进一步的,所述结合Spearman秩相关系数、拉丁超立方抽样、Cholesky分解生成相关性样本具体为:
分布式电源由风力发电机和光伏发电机组成,二者出力皆具有波动性和不确定性。风力发电输出功率受风速大小影响,大量实测研究数据表明,风速的概率分布符合两参数威布尔分布:
式中,V是风力发电机组轮毂处的风速;k>0是形状参数,c>0是尺度参数;f(V)为风速的概率密度函数;F(V)为风速的累计概率分布函数。
光伏发电输出功率与温度和光照强度均有关,并主要取决于光照强度。大量研究表明光照强度服从Beta分布,其概率分布函数可表示如下:
式中,I为光照强度;Imax为光强最大值;α和β为形状参数;Γ(·)为伽玛函数。
步骤S11:将威布尔分布或Beta分布的累计概率分布函数均匀地分为N个区间,对每个区间随机抽取任意值,进行逆变换得到该区间的采样值;依次对M个变量进行上述操作可得M×N阶初始样本矩阵P;
步骤S12:根据变量的历史数据所得到的秩相关性矩阵ρobj,对其进行Cholesky分解,其中H为下三角矩阵;
ρobj=HHT (4)
步骤S13:随机生成M×N阶矩阵R,矩阵R每行由不大于N且不重复的正整数组成,计算其秩相关系数矩阵ρR后进行Cholesky分解,其中L为分解后的下三角矩阵,并得到中间矩阵G;
ρR=LLT (5)
G=L-1R (6)
步骤S14:根据矩阵ρobj的秩相关性将矩阵G更新为Gn,再根据Gn中各行元素的排列顺序将矩阵R更新为Rn;
Gn=HL-1R (7)
步骤S15:根据Rn的排序顺序将矩阵P更新为Pn,获得与矩阵ρobj相同相关性的多变量样本空间。
进一步的,所述Spearman秩相关系数具体为:
设随机变量(X,Y)的K对样本(xi,yi),则样本的秩相关系数ρ可表示为:
式中,rxi、ryi分别为随机变量排列后xi、yi所对应的秩;
其中ρ>0表示Y随X增加而增加;ρ<0表示Y随X增加而减少;ρ=0表示X、Y之间没有相关性;并且,|ρ|越大说明随机变量(X,Y)单调变化的关系越强。
进一步的,所述步骤S2具体为:
步骤S21:设负荷集合为Q={q1,q2,…,qn},采用快速排序法对Q进行排序,
并将负荷水平相同的进行合并,不同的负荷水平从小到大排序形成数组L,其长度为Length,并用数组Num存储各个负荷水平合并后包含的负荷点个数,每个负荷水平即为初始聚类负荷中心;
步骤S22:计算L中各个相邻负荷中心的欧式距离h,并设定负荷簇内的距离阈值T:
h(i)=|L(i+1)-L(i)| (11)
T=5[max(L)-min(L)]/Length
(12)
步骤S23:将距离最近的一对负荷值归为第一类CL1,更新聚类后的聚类中心及负荷的数目;
式中:Ici为负荷簇i中的负荷点集合;
步骤S24:继续计算剩余负荷与负荷簇CL1聚类中心的欧式距离,将距离小于T的负荷归并至CL1中,并将已经归并的负荷从负荷集合中删去;
步骤S25:在剩余的负荷找到距离最近的一对负荷,设最小距离为hm,若hm<T,说明这对负荷属于同一个负荷簇,将其归并至CLi中,并按照步骤S24所述的方法将负荷距离小于T的负荷归并至CLi中,否则转向步骤S26;
步骤S26:这对负荷分别归并至不同的负荷簇,继续步骤S25;
步骤S27:如果最后只剩下一个负荷,则将该负荷归并为一类。
进一步的,所述步骤S3具体为:
步骤S31:以断路器或隔离开关为界进行分块;
步骤S32:计算元件块等效故障率和故障持续时间;
步骤S33:分支线路的首端断路器融合在父块中,其它的开关故障融合在下游元件块中,顺向传递可靠性参数;
步骤S34:开关故障累加至逆向相邻下游元件块;
步骤S35:开关故障融合在逆向下游相邻元件块中,并随着隔离开关块逆向传递可靠性参数;
步骤S36:计算可靠性指标。
进一步的,所述可靠性指标包括负荷点可靠性指标和系统可靠性指标。
进一步的,所述负荷点可靠性指标包括三个指标:年平均停电频率λi、年平均停电时间Ui和平均停电持续时间ri。
进一步的,系统可靠性指标包含如下:
(1)系统平均停电频率指标
式中,n表示负荷点总数,Ni表示第i个负荷点包含的用户数;
(2)系统平均停电持续时间指标
(3)用户平均停电持续时间指标
(4)平均供电可用率指标
(5)系统期望缺供电量指标
式中,Lai表示第i个负荷点的年平均负荷功率。
进一步的,所述步骤S4:
步骤S41:考虑分布式电源接入后配电网的孤岛运行模式,以负荷切除量最大提出改进的启发式负荷削减策略;
步骤S42:当分布式电源出力不足时,优先削减负荷总量最大的负荷点,如果分布式电源出力仍然不足,则继续削减负荷总量最大的负荷点,直至满足要求为止;
步骤S43:对孤岛内负荷的可靠性指标进行修正:
式中:PCi为负荷削减策略下负荷i恢复供电的概率,λ3、U3分别为负荷削减策略后的负荷故障率和年平均故障时间。
进一步的,所述步骤S41具体为:分布式电源的出力具有不确定性的特点,只有当孤岛内分布式电源总出力大于孤岛内总负荷时,孤岛才能成功形成,孤岛成功形成的概率PIS:
式中,N为采样空间,∑PDGi、∑PLi分别为孤岛内第i个场景DG总出力及总负荷;
设LPi为孤岛内的任意负荷,λ1、λ2分别表示修正前后LPi的年平均停电频率,U1、U2分别表示修正前后LPi的年平均故障时间,DG接入后LPi的可靠性指标修正为:
式中,m、λki和Uki分别表示孤岛上游主馈线元件个数、各元件故障率和年平均故障时间。
本发明与现有技术相比具有以下有益效果:
1、本发明在进行配电网可靠性评估时,考虑了DG相关性的影响,更加切合工程实际;
2、本发明采用了计及开关故障的双向层级结构的配电系统可靠性评估算法,评估速度更快,并且考虑了开关故障的影响,评估结果更加精确;
3、本发明采用了改进的启发式负荷削减策略,在DG出力不足时能够改善配电网的可靠性。
附图说明
图1为本发明计及DG相关性的可靠性评估流程。
图2为本发明计及开关故障的双向层级结构可靠性评估算法流程。
图3为本发明IEEERBTS BUS6系统图。
图4为本发明系统部分负荷点的年平均停电频率变化情况。
图5为本发明不同场景的系统缺供电量随相关性的变化情况。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如附图1和附图2所示,本发明的一种计及DG相关性的配电系统可靠性评估方法,具体实现如下:
本发明所述技术方案的步骤S1的具体实现如下:
首先假设DG主要由风力发电机(WindTurbine Generator,WTG)以及光伏发电机(Photovoltaic Generator,PVG)组成,二者出力皆具有波动性以及不确定性,可以分别用威布尔分布和Beta分布进行表征。
Spearman秩相关系数可以表征DG间出力的相关性。设随机变量(X,Y)的K对样本(xi,yi),则样本的秩相关系数ρ可表示为:
式中,rxi、ryi分别为随机变量排列后xi、yi所对应的秩。
其中ρ>0表示Y随X增加而增加;ρ<0表示Y随X增加而减少;ρ=0表示X、Y之间没有相关性。并且,|ρ|越大说明随机变量(X,Y)单调变化的关系越强。
结合Spearman秩相关系数、拉丁超立方抽样、Cholesky分解生成相关性样本的步骤如下:
(1)将威布尔分布或Beta分布的累计概率分布函数均匀地分为N个区间,对每个区间随机抽取任意值,进行逆变换得到该区间的采样值;依次对M个变量进行上述操作可得M×N阶初始样本矩阵P;
(2)根据变量的历史数据所得到的秩相关性矩阵ρobj,对其进行Cholesky分解,其中H为下三角矩阵;
ρobj=HHT (4)
(3)随机生成M×N阶矩阵R,矩阵R每行由不大于N且不重复的正整数组成,计算其秩相关系数矩阵ρR后进行Cholesky分解,其中L为分解后的下三角矩阵,并得到中间矩阵G;
ρR=LLT (5)
G=L-1R (6)
(4)根据矩阵ρobj的秩相关性将矩阵G更新为Gn,再根据Gn中各行元素的排列顺序将矩阵R更新为Rn;
Gn=HL-1R (7)
(5)根据Rn的排序顺序将矩阵P更新为Pn,最终获得与矩阵ρobj相同相关性的多变量样本空间。
在本实施例中,所述步骤S2的具体实现如下:
年负荷曲线所包含的负荷等级众多,为简化计算,可以采用负荷聚类技术进行归类。设负荷集合为Q={q1,q2,…,qn},负荷聚类的具体流程如下:
(1)采用快速排序法对Q进行排序,并将负荷水平相同的进行合并。不同的负荷水平从小到大排序形成数组L,其长度为Length,并用数组Num存储各个负荷水平合并后包含的负荷点个数,每个负荷水平即为初始聚类负荷中心;
(2)计算L中各个相邻负荷中心的欧式距离h,并设定负荷簇内的距离阈值T:
h(i)=|L(i+1)-L(i)| (8)
T=5[max(L)-min(L)]/Length (9)
(3)将距离最近的一对负荷值归为第一类CL1,更新聚类后的聚类中心以及负荷的数目;
式中:Ici为负荷簇i中的负荷点集合。
(4)继续计算剩余负荷与负荷簇CL1聚类中心的欧式距离,将距离小于T的负荷归并至CL1中,并将已经归并的负荷从负荷集合中删去;
(5)在剩余的负荷找到距离最近的一对负荷,设最小距离为hm,若hm<T,说明这对负荷属于同一个负荷簇,将其归并至CLi中,并按照(4)所述的方法将负荷距离小于T的负荷归并至CLi中,否则转向(6);
(6)这对负荷分别归并至不同的负荷簇,继续(5);
(7)如果最后只剩下一个负荷,则将该负荷归并为一类。
在本实施例中,所述步骤S3的具体实现如下:
考虑开关故障的双向层级结构可靠性评估算法将开关作为边界对系统进行分块,计算效率高,并且考虑了开关故障的影响,能够对系统进行精确的可靠性评估。
配电系统的可靠性指标包括负荷点可靠性指标和系统可靠性指标。负荷点可靠性指标包括三个指标:年平均停电频率λi、年平均停电时间Ui和平均停电持续时间ri。系统可靠性指标包括:
(1)系统平均停电频率指标(system average Interruption Frequency Index,SAIFI)。
式中,n表示负荷点总数,Ni表示第i个负荷点包含的用户数。
(2)系统平均停电持续时间指标(system average interruption durationindex,SAIDI)。
(3)用户平均停电持续时间指标(customer average interruption durationindex,CAIDI)。
(4)平均供电可用率指标(average service availability index,ASAI)。
(5)系统期望缺供电量指标(energy not supplied index,ENSI)。
式中,Lai表示第i个负荷点的年平均负荷功率。
有了上述评估系统的可靠性指标后,就可以进行可靠性评估。考虑开关故障的双向层级结构可靠性评估算法的具体步骤如下:
(1)以断路器或隔离开关为界进行分块;
(2)计算元件块等效故障率和故障持续时间;
(3)分支线路的首端断路器融合在父块中,其它的开关故障融合在下游元件块中,顺向传递可靠性参数;
(4)开关故障累加至逆向相邻下游元件块;
(5)开关故障融合在逆向下游相邻元件块中,并随着隔离开关块逆向传递可靠性参数;
(6)计算可靠性指标。
在本实施例中,所述步骤S4的具体实现如下:
(1)孤岛运行
配电网发生故障时,DG只对孤岛内负荷继续供电,因此DG只影响孤岛内负荷的可靠性。
考虑到DG的出力具有不确定性的特点,只有当孤岛内DG总出力大于孤岛内总负荷时,孤岛才能成功形成,孤岛成功形成的概率PIS:
式中,N为采样空间,∑PDGi、∑PLi分别为孤岛内第i个场景DG总出力及总负荷。
只有当孤岛上游主馈线元件发生故障时,才形成孤岛运行,只需对孤岛上游主馈线元件发生故障情况进行修正即可。设LPi为孤岛内任意负荷,λ1、λ2分别表示修正前后LPi的年平均停电频率,U1、U2分别表示修正前后LPi的年平均故障时间,DG接入后LPi的可靠性指标修正为:
式中,m、λki和Uki分别表示孤岛上游主馈线元件个数、各元件故障率和年平均故障时间。
(2)负荷削减策略
由于DG的出力具有不确定性,发生故障时并不能保证任意场景下都能给孤岛内所有负荷进行供电,因此就需要切除部分负荷。
本实施例采用改进的启发式负荷削减策略,具体为:为了使DG能最大化地为负荷进行供电,当DG出力不足时,优先削减负荷总量最大的负荷点,如果DG出力仍然不足,则继续削减负荷总量最大的负荷点,直至满足要求为止。考虑负荷削减策略后,需要对孤岛内负荷的可靠性指标进行修正:
式中:PCi为负荷削减策略下负荷i恢复供电的概率,λ3、U3分别为负荷削减策略后的负荷故障率和年平均故障时间。
实施例1
如附图3所示,本实施例采用改造的IEEE RBTS BUS6系统。该系统包括1条母线,23个熔断器,23台配电变压器,23个负荷,30条线路,4台断路器和1个隔离开关。线路长度、各元件可靠性数据、负荷等具体信息分别如表1-表6所示。
表1线路长度
表2各元件可靠性参数
表3各负荷点负荷参数
表4各周负荷峰值与年负荷峰值之比
表5各日负荷峰值与周负荷峰值之比
表6各小时负荷峰值与日负荷峰值之比
设置威布尔分布的形状参数为3.97,尺度参数10.7,风机切入风速3m/s、额定风速14m/s、切出风速25m/s;Beta分布的形状参数α=2.0、β=0.8,PVG的最大光照强度为600W/m2,在馈线53、59处均安装了DG,形成计划孤岛;拉丁超立方抽样规模为1000。
在馈线53、59处均安装1台WTG、1台PVG,WTG与PVG的额定容量相同。风速之间的相关系数为0.8,光照强度之间的相关系数为0.8,风速与光照强度之间的相关系数为-0.6。在不同的DG额定容量情况下,系统部分负荷点的年平均停电频率变化情况如附图4所示。由附图4可知:
(1)随着DG额定容量的增加,孤岛内各负荷点的年平均停电频率逐渐减小。可知DG的接入可以有效提高孤岛内负荷的可靠性指标;
(2)随着DG额定容量的增加,LP16负荷点的年平均停电频率不变。这是因为DG的接入只会提升孤岛范围内负荷点的可靠性;
(3)由于LP8负荷点的负荷功率较小,LP23负荷点的负荷功率较大,采用的改进的启发式负荷削减策略在DG出力不足时优先削减负荷功率较大的负荷点,因此随着DG额定容量的增大,LP8负荷点相对于LP23负荷点的年平均停电频率改善效果更为明显;
(4)在DG额定容量的增大的初始阶段,孤岛内负荷点年平均停电频率迅速减小,而随着DG额定容量不断增大,孤岛内负荷点年平均停电频率减小缓慢,直至饱和。
为了更好地对DG相关性进行研究,设置以下三种场景。设置每台DG的额定容量均为1.2MW。
(1)场景一:所有DG均为WTG,风速之间的相关性依次为0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8。
(2)场景二:所有DG均为PVG,光照强度之间的相关性依次为0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8。
(3)场景三:每个孤岛均接入一台WTG、一台PVG,风速之间的相关性为0.8,光照强度之间的相关性为0.8,风速与光照强度之间的相关性依次为-0.1、-0.2、-0.3、-0.4、-0.5、-0.6、-0.7、-0.8。
三种场景的ENSI指标随相关性的变化如附图5所示,并且由附图5可知:
(1)根据场景一可知,随着风速与风速的正相关性增加,ENSI逐渐增大。这是因为风速与风速的正相关性越大,风机输出功率同时增大或减小的可能性增大,导致系统的可靠性降低;
(2)根据场景二可知,随着光照强度与光照强度的正相关性增加,ENSI逐渐增大。这是因为光照强度与光照强度的正相关性越大,PVG输出功率同时增大或减小的可能性增大,导致系统的可靠性降低;
(3)根据场景三可知,随着风速和光照强度的负相关性增加,ENSI逐渐减小。这是因为风速和光照强度的负相关性越大,WTG和PVG的输出功率同时增大或减小的可能性减小,所以系统可靠性提升。
将本文采用的改进的启发式负荷削减策略(策略1)与考虑负荷重要系数的削减策略(策略2)进行可靠性对比分析,结果如表7所示。
表7不同负荷削减策略的系统可靠性指标
由表7可知,策略1与策略2相比,采用策略1所产生的系统可靠性更好。这是因为每次进行负荷削减时,策略1每次只削减负荷最大的负荷点,有时候能够避免削减多处负荷,因此可靠性指标更好。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。