CN112053088B - 一种配电网节点脆弱性评价方法 - Google Patents

一种配电网节点脆弱性评价方法 Download PDF

Info

Publication number
CN112053088B
CN112053088B CN202011017458.XA CN202011017458A CN112053088B CN 112053088 B CN112053088 B CN 112053088B CN 202011017458 A CN202011017458 A CN 202011017458A CN 112053088 B CN112053088 B CN 112053088B
Authority
CN
China
Prior art keywords
node
distribution network
vulnerability
index
power
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.)
Expired - Fee Related
Application number
CN202011017458.XA
Other languages
English (en)
Other versions
CN112053088A (zh
Inventor
王子欣
苗世洪
王磊
孙芊
牛荣泽
徐铭铭
李宗峰
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.)
Huazhong University of Science and Technology
State Grid Corp of China SGCC
State Grid Henan Electric Power Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
Huazhong University of Science and Technology
State Grid Corp of China SGCC
State Grid Henan Electric Power Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
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 Huazhong University of Science and Technology, State Grid Corp of China SGCC, State Grid Henan Electric Power Co Ltd, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical Huazhong University of Science and Technology
Priority to CN202011017458.XA priority Critical patent/CN112053088B/zh
Publication of CN112053088A publication Critical patent/CN112053088A/zh
Application granted granted Critical
Publication of CN112053088B publication Critical patent/CN112053088B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0639—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (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

本发明公开了一种配电网节点脆弱性评价方法，包括：S1、基于分布式电源随机出力模型分别对配电网所包含的各分布式电源的出力大小进行随机采样，得到各分布式电源出力抽样集；S2、根据各分布式电源出力抽样集，结合配电网拓扑参数，得到配电网各节点的N组脆弱性评价指标；S3、基于所述N组脆弱性评价指标，计算各脆弱性评价指标的熵值和方差，分别归一化后求平均值，得到各脆弱性评价指标的第一权重；S4、采用层次分析法得到各脆弱性评价指标的第二权重；S5、将第一权重和第二权重加权求和，归一化后得到各脆弱性评价指标的综合权重；S6、基于配电网各节点的脆弱性评价指标及其综合权重，得到配电网各节点的脆弱性评价结果，准确性较高。

Description

一种配电网节点脆弱性评价方法
技术领域
本发明属于配电网设计领域，更具体地，涉及一种配电网节点脆弱性评价方法。
背景技术
配电网是电力系统的重要组成部分，随着分布式电源的接入及配电网规模的不断扩大，配电网复杂度日益提高，由于潮流的不确定性与节点间电气量的相互影响，配电网系统的脆弱性特征正在日益显现，其安全性与可靠性面临挑战，开展配电网节点脆弱性评价，具有重要的理论与现实意义。
在现有的研究中，脆弱性评价方法主要侧重于输电网方面，输电网节点脆弱性评价方法较为成熟。由于输电网一般由多个环网构成，具有结构复杂的特点，而配电网正常情况下则是开环运行，拓扑结构为辐射状，所以不能直接将输电网脆弱性评价方法应用在配电网节点中；另一方面，现有的配电网脆弱性评价方法中，并未考虑配电网辐射状的拓扑条件，也未考虑分布式电源出力随机性对配电网脆弱性的影响，在实际应用中，配电网节点脆弱性评价结果的准确性较低。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种配电网节点脆弱性评价方法，其目的在于解决现有技术由于未考虑配电网辐射状的拓扑条件和分布式电源出力随机性对配电网脆弱性的影响而导致的在实际应用中配电网节点脆弱性评价结果的准确性较低的技术问题。
为实现上述目的，本发明提供了一种配电网节点脆弱性评价方法，包括以下步骤：
S1、基于分布式电源随机出力模型分别对配电网所包含的各分布式电源的出力大小进行随机采样，得到各分布式电源出力抽样集；其中，各分布式电源出力抽样集中的样本数量均为正整数N；分布式电源包括光伏发电机组和风力发电机组；分布式电源随机出力模型包括：风力发电随机出力模型和光伏发电随机出力模型；
S2、根据各分布式电源出力抽样集，结合配电网拓扑参数，得到配电网各节点的N组脆弱性评价指标；脆弱性评价指标包括：节点贡献效率指标、功率介数指标、网络凝聚度指标和功率损耗指标；
S3、基于N组配电网各节点的脆弱性评价指标，计算各脆弱性评价指标的熵值和方差，将所得熵值和方差分别归一化后求平均值，得到各脆弱性评价指标的第一权重；
S4、采用层次分析法得到各脆弱性评价指标的第二权重；
S5、将所得第一权重和第二权重加权求和，归一化后得到各脆弱性评价指标的综合权重；
S6、基于配电网各节点的N组脆弱性评价指标和各脆弱性评价指标的综合权重，得到配电网各节点的脆弱性评价结果。
进一步优选地，上述S1包括以下步骤：
S11、基于分布式电源随机出力模型，得到分布式电源出力分布的概率特性，进而得到N个等概率区间；
S12、对上述等概率区间中的任一概率区间[(l-1)/N,l/N]，随机抽取一个数pi，表示为：
Figure BDA0002699542430000021
其中，1≤l≤N，q为位于区间[0,1]且均匀分布的随机变量；
S13、将pi带入分布式电源随机出力模型中的概率分布函数的反函数中，得到pi对应的分布式电源随机出力大小xi，表示为：xi＝F-1(pi)；
S14、重复步骤S12-S13，直至得到N个分布式电源随机出力，构成分布式电源随机出力大小的抽样集。
进一步优选地，风力发电随机出力模型为：
Fw(v)＝1-exp[-(v/c)k]
Figure BDA0002699542430000031
其中，Fw(v)为风速的概率分布函数，v为风速，c为威布尔分布尺度参数，k为威布尔分布形状参数，Pw(v)为风力发电机组的实际出力，vci为风机的切入速度，vco为风机的切出速度，Pr为风力发电机组的额定输出功率，vr为风机的额定速度。
进一步优选地，光伏发电随机出力模型为：
Figure BDA0002699542430000032
其中，fL(Pa)为光伏出力的概率密度函数，Pa为光伏发电机组的实际光伏出力，Γ(·)为贝塔分布，α与β为贝塔分布的形状参数，Pmax为光伏发电机组的最大光伏出力。
进一步优选地，节点i的节点贡献效率指标为：
Figure BDA0002699542430000033
其中，Dei为节点i的度，
Figure BDA0002699542430000034
δij为配电网拓扑所对应的邻接矩阵中的相应元素，Dej为节点j的度，g为配电网节点的平均度值，Ij和Ii分别为节点j和节点i的网络效率，
Figure BDA0002699542430000041
n为配电网的总节点数，djb为节点j与节点b之间的最短距离。
进一步优选地，节点i的功率介数指标为：
Figure BDA0002699542430000042
其中，V1为等值电源节点集合，V2为等值负荷节点集合，Sj为等值电源节点j处的出力，Sb为负荷节点b处消耗的功率，S为配电网电力系统基准容量，Rjb(i)为节点i是否经过节点j与节点b之间的最短路径的比较函数，若经过，则Rjb(i)＝1，反之，Rjb(i)＝0；其中，等值电源节点包括：光伏发电机组、风力发电机组和输电网电源所连接的配电网节点。
进一步优选地，节点i的功率损耗指标为：
Figure BDA0002699542430000043
其中，n为配电网的总节点数，V1为等值电源节点集合，Sj为等值电源节点j处的出力，Ssum为等值电源节点集合中所有等值电源节点处的出力之和，Ej(i)为节点i是否与等值电源节点j相连的判断函数，若相连，则Ej(i)＝1，反之，Ej(i)＝0；其中，等值电源节点包括：光伏发电机组、风力发电机组和输电网电源所连接的配电网节点。
进一步优选地，第j个脆弱性评价指标的第一权重ωj为：
Figure BDA0002699542430000044
Figure BDA0002699542430000051
Figure BDA0002699542430000052
Figure BDA0002699542430000053
其中，
Figure BDA0002699542430000054
为节点i的第j个脆弱性评价指标的期望，η为大于0的预设常数，Vij为节点i的第j个脆弱性评价指标的方差，Dijm为第m组配电网各节点的脆弱性评价指标中节点i的第j个脆弱性评价指标。
进一步优选地，第j个脆弱性评价指标的综合权重为：
Figure BDA0002699542430000055
其中，ωj为第j个脆弱性评价指标的第一权重，fj为第j个脆弱性评价指标的第二权重，μ为第二权重相对第一权重的比例系数。
进一步优选地，上述S6包括：计算配电网各节点的N组脆弱性评价指标的期望值，并结合各脆弱性评价指标的综合权重，采用模糊综合评价法、TOPSIS灰色关联度法或多维正态云模型评价法，得到配电网各节点的脆弱性评价结果。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1、本发明提供了一种配电网节点脆弱性评价方法，考虑了分布式电源出力随机性对配电网脆弱性的影响，基于分布式电源随机出力模型分别对配电网所包含的各分布式电源的出力大小进行随机采样，得到各分布式电源出力抽样集；以复杂网络理论为基础，针对配电网辐射状的拓扑条件提出了节点贡献效率指标、功率介数指标、网络凝聚度指标和功率损耗指标等脆弱性评价指标，并结合各分布式电源出力抽样集，得到各脆弱性评价指标的分布特性，其分布特性为配电网各节点的脆弱性评价提供了依据。本发明不仅考虑了多指标对节点脆弱性的影响，克服了单一指标的片面性，还考虑了分布式电源随机出力特性对节点脆弱度的影响，在实际应用中配电网节点脆弱性评价结果的准确性较高。
2、本发明所提供配电网节点脆弱性评价方法还可以拓展到配电网各线路上，同样可以实现对配电网各线路的脆弱性进行准确评估。
附图说明
图1是本发明实施例所提供的一种配电网节点脆弱性评价方法流程图；
图2是本发明实施例中所提供的在IEEE123节点系统中接入不同类型的分布式电源后的系统拓扑图；
图3是本发明实施例中所提供的风力发电机组出力场景采样图；
图4是本发明实施例中所提供的光伏发电机组出力场景采样图；
图5是本发明实施例中所提供的脆弱度评价结果与失负荷率对比图。
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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为实现上述目的，本发明提供了一种配电网节点脆弱性评价方法，其流程图如图1所示。本实施例中，在IEEE123节点系统中接入不同类型的分布式电源(DG)，形成改进IEEE123节点系统作为测试系统，在节点4接入装机容量为1MW光伏发电机组，设贝塔分布的形状参数α＝β＝0.9；在节点11、111接入装机容量为0.8MW的风力发电机组，风力数据来自吉林省某地量测值，通过极大似然拟合，得到双参数威布尔分布的尺度参数为7.2814，形状参数为2.0135。风机的切入速度vci为4m/s，切出速度vco为25m/s，额定速度vr为10m/s，系统拓扑图如图2所示。
具体的，本发明提供了一种配电网节点脆弱性评价方法包括以下步骤：
S1、基于分布式电源随机出力模型分别对配电网所包含的各分布式电源的出力大小进行随机采样，得到各分布式电源出力抽样集；其中，各分布式电源出力抽样集中的样本数量均为N，N为正整数；
具体包括以下步骤：
S11、基于分布式电源随机出力模型，得到分布式电源出力分布的概率特性，进而得到N个等概率区间；本实施例中N＝1000。
具体的，分布式电源包括光伏发电机组和风力发电机组，分布式电源随机出力模型包括：风力发电随机出力模型和光伏发电随机出力模型；
其中，风力发电随机出力模型为：
Fw(v)＝1-exp[-(v/c)k]
Figure BDA0002699542430000071
其中，Fw(v)为风速的概率分布函数，v为风速，c为威布尔分布尺度参数，k为威布尔分布形状参数，Pw(v)为风力发电机组的实际出力，vci为风机的切入速度，vco为风机的切出速度，Pr为风力发电机组的额定输出功率，vr为风机的额定速度。
光伏发电随机出力模型为：
Figure BDA0002699542430000081
其中，fL(Pa)为光伏出力的概率密度函数，Pa为光伏发电机组的实际光伏出力，Γ(·)为贝塔分布，α与β为贝塔分布的形状参数，Pmax为光伏发电机组的最大光伏出力。
S12、对上述等概率区间中的任一概率区间[(l-1)/N,l/N]，随机抽取一个数pi，表示为：
Figure BDA0002699542430000082
其中，1≤l≤N，q为位于区间[0,1]且均匀分布的随机变量；
S13、将pi带入分布式电源随机出力模型中的概率分布函数的反函数中，得到pi对应的分布式电源随机出力大小xi，表示为：xi＝F-1(pi)；
S14、重复步骤S12-S13，直至得到N个分布式电源随机出力，构成分布式电源随机出力大小的抽样集。
经过上述过程，对配电网所包含的各分布式电源分别随机采样，得到1000个分布式电源出力场景，即其分布式电源出力抽样集，具体的包括1000个风力发电机组出力大小和1000个和光伏发电机组出力大小，分别如图3和图4所示。
S2、根据各分布式电源出力抽样集，结合配电网拓扑参数，得到配电网各节点的N组脆弱性评价指标；
具体的，脆弱性评价指标包括：节点贡献效率指标、功率介数指标、网络凝聚度指标和功率损耗指标；
1)节点贡献效率指标
由于节点的效率衡量了该节点到网络中其他节点的平均难易程度，节点的效率值越大说明该节点在网络全局所处的位置越重要，故引入网络效率，具体的，节点j的网络效率为：
Figure BDA0002699542430000091
其中，n为配电网的总节点数，djb为节点j与节点b之间的最短距离。
进一步地，节点间主要的重要性贡献体现在相邻节点间，该贡献值与节点自身的度和网络效率有关，效率值越高，度越大，则贡献值越大，该贡献值包含了节点的局部特性与全局特性。具体的，相邻节点j对节点i的重要度贡献为：
Figure BDA0002699542430000092
其中，δij为配电网拓扑所对应的邻接矩阵中的相应元素，邻接矩阵是表示顶点之间相邻关系的矩阵，如节点i与节点j相连，则δij＝1，反之为0；Dej为节点j的度，g为配电网节点的平均度值，Ij为节点j的网络效率。
综上，通过节点的网络效率和相邻节点的重要度贡献，节点i的节点贡献效率指标为：
Figure BDA0002699542430000093
其中，Dei为节点i的度，Ii为节点i的网络效率。
2)功率介数指标
配电网节点脆弱性评估不能忽略分布式电源出力的影响，考虑路径始末分布式电源出力大小，定义节点i的功率介数指标为：
Figure BDA0002699542430000094
其中，V1为等值电源节点集合，V2为等值负荷节点集合，Sj为等值电源节点j处的出力，Sb为负荷节点b处消耗的功率，S为配电网电力系统基准容量，Rjb(i)为节点i是否经过节点j与节点b之间的最短路径的比较函数，若经过，则Rjb(i)＝1，反之，Rjb(i)＝0；其中，等值电源节点包括：光伏发电机组、风力发电机组和输电网电源所连接的配电网节点。
3)网络凝聚度指标
节点i的网络凝聚度指标为：
Figure BDA0002699542430000101
其中，C*为节点i收缩后的网络凝聚度，C为节点i收缩前的网络凝聚度；其中，节点i收缩前的网络凝聚度为：
Figure BDA0002699542430000102
其中，n为配电网的总节点数；L为节点间的平均最短路径，具体为：
Figure BDA0002699542430000103
dmin.jb为电网中任意两节点j与b间的最短路径。
4)功率损耗指标
输电损耗符合严格意义上的脆弱性指标要求，但传统定义中并未考虑发电节点功率大小的影响，因此加入电源功率的权重。具体的，节点i的功率损耗指标为：
Figure BDA0002699542430000104
其中，n为配电网的总节点数，V1为等值电源节点集合，Sj为等值电源节点j处的出力，Ssum为等值电源节点集合中所有等值电源节点处的出力之和，Ej(i)为节点i是否与等值电源节点j相连的判断函数，若相连，则Ej(i)＝1，反之，Ej(i)＝0；其中，等值电源节点包括：光伏发电机组、风力发电机组和输电网电源所连接的配电网节点。
综上，每个指标都是从不同方面对节点的脆弱度进行描述，每个指标都有一定的局限性，但综合所有指标进行评价，就会取得互补的效果：节点贡献效率指标虽然考虑了局部特性和周围节点的贡献，但是并没有考虑分布式电源的影响；功率介数指标虽然考虑了能量传输与分布式电源的影响，但也没有考虑到节点的局部特性；网络凝聚度指标虽然着重评价了节点的拓扑特性，但是并没有考虑节点的局部特性；功率损耗指标则着重考虑了供电稳定性的影响。
经过上述过程，最终得到1000组配电网各节点的脆弱性评价指标；其中，由于本实施例中分布式电源出力抽样集中样本的个数为1000，故对于每个配电网节点均能得到1000个功率介数指标和功率损耗指标；而节点贡献效率指标和网络凝聚度指标由于仅依赖于配电网拓扑参数，故在1000个分布式电源出力场景下取值均相等。
S3、基于N组配电网各节点的脆弱性评价指标，计算各脆弱性评价指标的熵值和方差，将所得熵值和方差分别归一化后求平均值，一方面，熵的大小与数据的离散程度是成正相关的，若计算出某组数据的熵越大，就说明了其离散程度越大，表示该指标很有区分度，有较高的参考价值；另一方面，方差代表随机变量与其均值的偏离程度，方差越大代表分布式电源随机出力的过程对节点脆弱度指标的影响越大，越具有参考价值，由此得到各脆弱性评价指标的第一权重；
具体的，第j个脆弱性评价指标的第一权重ωj为：
Figure BDA0002699542430000111
其中，ssj为基于熵值法所得的第j个脆弱性评价指标的权重，Vij为节点i的第j个脆弱性评价指标的方差，n为配电网的总节点数。
具体的，
Figure BDA0002699542430000121
其中，ej为第j个脆弱性评价指标的熵值，且ej≥0，具体为：
Figure BDA0002699542430000122
η为大于0的预设常数，本实施例中η＝1/ln(n)；
Figure BDA0002699542430000123
为节点i的第j个脆弱性评价指标的期望，具体为：
Figure BDA0002699542430000124
Dijm为第m组配电网各节点的脆弱性评价指标中节点i的第j个脆弱性评价指标。
进一步地，
Figure BDA0002699542430000125
需要说明的是，方差代表随机变量与其均值的偏离程度，方差越大代表分布式电源随机出力的过程对节点脆弱度指标的影响越大，越具有参考价值。
S4、采用层次分析法得到各脆弱性评价指标的第二权重；
具体的，本实施例中采用三标度层次分析法得到各脆弱性评价指标的第二权重，同样有4个，分别记为f1、f2、f3和f4，分别对应脆弱性评价指标中节点贡献效率指标、功率介数指标、网络凝聚度指标和功率损耗指标的第二权重。
S5、将所得第一权重和第二权重加权求和，归一化后得到各脆弱性评价指标的综合权重；
具体的，第j个脆弱性评价指标的综合权重为：
Figure BDA0002699542430000126
其中，ωj为第j个脆弱性评价指标的第一权重，fj为第j个脆弱性评价指标的第二权重，μ为第二权重相对第一权重的比例系数。
对于节点贡献效率指标D1、功率介数指标D2、网络凝聚度指标D3和功率损耗指标D4这四种脆弱性评价指标，所得的第一权重、第二权重和综合权重结果如表1所示：
表1
指标类型 D<sub>1</sub> D<sub>2</sub> D<sub>3</sub> D<sub>4</sub>
第一权重 0.1065 0.3584 0.1454 0.3897
第二权重 0.3059 0.2472 0.1998 0.2472
综合权重 0.2062 0.3028 0.1726 0.3185
S6、基于配电网各节点的N组脆弱性评价指标和各脆弱性评价指标的综合权重，得到配电网各节点的脆弱性评价结果。
本实施例中，计算配电网各节点的N组脆弱性评价指标的期望值，并结合各脆弱性评价指标的综合权重，采用模糊综合评价法、TOPSIS灰色关联度法或多维正态云模型评价法，得到配电网各节点的脆弱性评价结果。
具体的，以采用模糊综合评价法为例，本实施例将脆弱性评价结果分为五级，
Figure BDA0002699542430000131
模糊综合评价法需要得到每个节点对于每个评价集元素的隶属度，本实施例，把脆弱度评价指标看成节点的属性，构建决策矩阵：
Figure BDA0002699542430000132
其中，n为配电网的总节点数，
Figure BDA0002699542430000133
为节点i的第j个脆弱性评价指标的期望，具体为：
Figure BDA0002699542430000134
Dijm为第m组配电网各节点的脆弱性评价指标中节点i的第j个脆弱性评价指标。对决策矩阵D通过隶属函数来确定隶属度，得到节点的模糊综合评价矩阵R。节点i的综合评价模糊子集为：
Figure BDA0002699542430000135
其中，A为脆弱性评价指标的综合权重向量，具体的A＝(a1 a2 a3 a4)，算子
Figure BDA0002699542430000148
采用
Figure BDA0002699542430000149
模型，有
Figure BDA0002699542430000141
该模型不仅考虑了节点中所有指标的影响，而且保留了单个指标的评判信息，具有很高的参考价值。进行归一化处理得到：
Figure BDA0002699542430000142
其中，bih为节点i对脆弱性评价中第h个元素的隶属度，表示节点i可以被第h个元素评价的程度。
节点i的模糊综合评价结果为
Figure BDA0002699542430000143
得到综合评价结果后，采用综合得分法将其定量描述，具体方法为给脆弱性评价集的元素赋予不同的分值，这里采用的是
Figure BDA0002699542430000144
Figure BDA0002699542430000145
节点i的得分为：
Figure BDA0002699542430000146
按节点的得分高低，可以将节点的脆弱度排序，得到最后的脆弱性评价结果，如表2所示。
表2
Figure BDA0002699542430000147
Figure BDA0002699542430000151
表2中仅选取脆弱性排序的前15名展示，脆弱性评价结果越大，代表该节点越脆弱。
为了从客观的角度验证节点的脆弱度评价结果是否有效，引入失负荷率的概念对脆弱性评价结果进行检验。具体的，配电网电力系统的失负荷率为：
Figure BDA0002699542430000152
式中，I为配电网电力系统的失负荷率；Ploss是节点受到攻击断开后的不能正常供电的负荷之和；ΣPload为正常运行时的总负荷量。
当配电网的节点受到攻击时，整个系统失负荷率越大，说明配电网电力系统受到的影响就越大，该节点的脆弱度也就越高。但对于考虑了分布式电源的配电网而言，在节点断开后，有一部分负荷能转化为孤岛稳定运行，这部分不视为负荷丢失。为验证指标的正确性，假设节点受攻击断开后，配网中其余满足条件的部分均能成功转入孤岛运行，此时系统的失负荷率可以作为验证指标的重要参考。图5为所得脆弱度评价结果与失负荷率对比图，图5中失负荷率与节点脆弱性排序趋势基本相同。需要指出的是，虽然具体到每个节点时，脆弱性排序与失负荷率的大小仍存在较大差异。以节点60与节点52为例，虽然失负荷率的变化趋势与脆弱性评价结果相同，但节点60的脆弱度要明显大于节点52，而在失负荷率上并不能体现这一点。这是由于本文所提出的配电网节点脆弱性评价方法综合考虑了多种指标以及分布式电源的随机出力特性，结果更加全面细致。而失负荷率作为对比指标，仅能从客观角度对评价结果的合理性进行佐证，不能代替本发明所提出的脆弱性评价方法。
需要说明的是，本发明所提供配电网节点脆弱性评价方法还可以拓展到配电网各线路上，同样可以实现对配电网各线路的脆弱性进行准确评估。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种配电网节点脆弱性评价方法，其特征在于，包括以下步骤：
S1、基于分布式电源随机出力模型分别对配电网所包含的各分布式电源的出力大小进行随机采样，得到各分布式电源出力抽样集；所述抽样集中的样本数量为N；所述分布式电源包括光伏发电机组和风力发电机组；所述分布式电源随机出力模型包括：风力发电随机出力模型和光伏发电随机出力模型；所述风力发电随机出力模型为：
Fw(v)＝1-exp[-(v/c)k]
Figure FDA0003580231340000011
Fw(v)为风速的概率分布函数，v为风速，c为威布尔分布尺度参数，k为威布尔分布形状参数，Pw(v)为风力发电机组的实际出力，vci为风机的切入速度，vco为风机的切出速度，Pr为风力发电机组的额定输出功率，vr为风机的额定速度；
所述光伏发电随机出力模型为：
Figure FDA0003580231340000012
其中，fL(Pa)为光伏出力的概率密度函数，Pa为光伏发电机组的实际光伏出力，Γ(·)为贝塔分布，α与β为贝塔分布的形状参数，Pmax为光伏发电机组的最大光伏出力；
S2、根据所述各分布式电源出力抽样集，结合配电网拓扑参数，得到所述配电网各节点的N组脆弱性评价指标；所述脆弱性评价指标包括：节点贡献效率指标、功率介数指标、网络凝聚度指标和功率损耗指标；其中，节点i的节点贡献效率指标为：
Figure FDA0003580231340000021
Dei为节点i的度，
Figure FDA0003580231340000022
δij为配电网拓扑所对应的邻接矩阵中的相应元素，Dej为节点j的度，g为配电网节点的平均度值，Ij和Ii分别为节点j和节点i的网络效率，
Figure FDA0003580231340000023
n为配电网的总节点数，djb为节点j与节点b之间的最短距离；
节点i的功率介数指标为：
Figure FDA0003580231340000024
V1为等值电源节点集合，V2为等值负荷节点集合，Sj为等值电源节点j处的出力，Sb为负荷节点b处消耗的功率，S为配电网电力系统基准容量，Rjb(i)为节点i是否经过节点j与节点b之间的最短路径的比较函数，若经过，则Rjb(i)＝1，反之，Rjb(i)＝0；所述等值电源节点包括：光伏发电机组、风力发电机组和输电网电源所连接的配电网节点；
节点i的功率损耗指标为：
Figure FDA0003580231340000025
n为配电网的总节点数，V1为等值电源节点集合，Sj为等值电源节点j处的出力，Ssum为等值电源节点集合中所有等值电源节点处的出力之和，Ej(i)为节点i是否与等值电源节点j相连的判断函数，若相连，则Ej(i)＝1，反之，Ej(i)＝0；
S3、基于所述配电网各节点的N组脆弱性评价指标，计算各脆弱性评价指标的熵值和方差，将所述熵值和方差分别归一化后求平均值，得到各脆弱性评价指标的第一权重；具体地，第r个脆弱性评价指标的第一权重ωr为：
Figure FDA0003580231340000031
Figure FDA0003580231340000032
Figure FDA0003580231340000033
Figure FDA0003580231340000034
Figure FDA0003580231340000035
为节点i的第r个脆弱性评价指标的期望，η为大于0的预设常数，Vir为节点i的第r个脆弱性评价指标的方差，Dirm为第m组配电网各节点的脆弱性评价指标中节点i的第r个脆弱性评价指标；
S4、采用层次分析法得到各脆弱性评价指标的第二权重；
S5、将所述第一权重和所述第二权重加权求和，归一化后得到各脆弱性评价指标的综合权重；
S6、基于所述配电网各节点的N组脆弱性评价指标和所述各脆弱性评价指标的综合权重，得到所述配电网各节点的脆弱性评价结果。
2.根据权利要求1所述的配电网节点脆弱性评价方法，其特征在于，所述S1包括以下步骤：
S11、基于分布式电源随机出力模型，得到分布式电源出力分布的概率特性，进而得到N个等概率区间；
S12、对所述等概率区间中的任一概率区间[(l-1)/N,l/N]，随机抽取一个数pi，表示为：
Figure FDA0003580231340000041
其中，1≤l≤N，q为位于区间[0,1]且均匀分布的随机变量；
S13、将pi带入分布式电源随机出力模型中的概率分布函数的反函数中，得到pi对应的分布式电源随机出力大小xi，表示为：xi＝F-1(pi)；
S14、重复步骤S12-S13，直至得到N个分布式电源随机出力，构成分布式电源随机出力大小的抽样集。
3.根据权利要求1或2所述的配电网节点脆弱性评价方法，其特征在于，第r个脆弱性评价指标的综合权重为：
Figure FDA0003580231340000042
其中，ωr为第r个脆弱性评价指标的第一权重，fr为第r个脆弱性评价指标的第二权重，μ为第二权重相对第一权重的比例系数；ωs为第s个脆弱性评价指标的第一权重；es为第s个脆弱性评价指标的熵值。
4.根据权利要求1或2所述的配电网节点脆弱性评价方法，其特征在于，所述S6包括：计算所述配电网各节点的N组脆弱性评价指标的期望值，并结合所述各脆弱性评价指标的综合权重，采用模糊综合评价法、TOPSIS灰色关联度法或多维正态云模型评价法，得到所述配电网各节点的脆弱性评价结果。
CN202011017458.XA 2020-09-24 2020-09-24 一种配电网节点脆弱性评价方法 Expired - Fee Related CN112053088B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011017458.XA CN112053088B (zh) 2020-09-24 2020-09-24 一种配电网节点脆弱性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011017458.XA CN112053088B (zh) 2020-09-24 2020-09-24 一种配电网节点脆弱性评价方法

Publications (2)

Publication Number Publication Date
CN112053088A CN112053088A (zh) 2020-12-08
CN112053088B true CN112053088B (zh) 2022-05-31

Family

ID=73603999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011017458.XA Expired - Fee Related CN112053088B (zh) 2020-09-24 2020-09-24 一种配电网节点脆弱性评价方法

Country Status (1)

Country Link
CN (1) CN112053088B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785166A (zh) * 2021-01-27 2021-05-11 哈尔滨工业大学（威海） 基于区块链的配电网分布式发电单元出力评价方法及装置
CN113239250B (zh) * 2021-06-09 2022-09-02 河南科技大学 一种数据采集关键节点的筛选方法
CN113541130B (zh) * 2021-07-19 2023-09-15 国网上海市电力公司 基于拓扑结构的配电网关键线路脆弱性识别方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106130007A (zh) * 2016-06-27 2016-11-16 华北电力大学 一种基于脆弱性理论的主动配电网储能规划方法
CN107846014B (zh) * 2017-11-09 2021-03-30 电子科技大学 一种基于随机特征和级数计算的电网概率脆弱性评估方法
CN109934437B (zh) * 2017-12-18 2023-11-17 中国电力科学研究院有限公司 一种配电网停电风险评估方法及系统
CN107871216A (zh) * 2017-12-20 2018-04-03 广东电网有限责任公司惠州供电局 一种配电网脆弱节点的识别方法
CN107895947B (zh) * 2017-12-20 2023-07-07 广东电网有限责任公司惠州供电局 一种配电网脆弱线路辨识方法
CN110428191B (zh) * 2019-08-30 2022-06-28 华北电力大学（保定） 配电网脆弱节点辨识的方法

Also Published As

Publication number Publication date
CN112053088A (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
CN112053088B (zh) 一种配电网节点脆弱性评价方法
CN107482626B (zh) 一种区域电网关键节点识别方法
Snijders Enumeration and simulation methods for 0–1 matrices with given marginals
CN108876131B (zh) 基于电网成效贡献度的储备项目优选方法
CN110417011B (zh) 一种基于互信息与迭代随机森林的在线动态安全评估方法
CN108336739A (zh) 一种基于rbf神经网络的概率潮流在线计算方法
CN104537432B (zh) 基于证据推理的电力系统多目标优化调度的决策方法
CN106532762B (zh) 一种分类处理负荷和风速相关性的直流概率潮流方法
CN110705887A (zh) 一种基于神经网络模型的低压台区运行状态综合评价方法
CN107276070A (zh) 计及一二次调频的发输电系统运行可靠性建模及其评估方法
CN106067034A (zh) 一种基于高维矩阵特征根的配电网负荷曲线聚类方法
Syai'in et al. Neural network optimal power flow (NN-OPF) based on IPSO with developed load cluster method
CN110544047A (zh) 一种不良数据辨识方法
CN111900713A (zh) 网源协调下考虑负荷和风电随机性多场景输电网规划方法
CN107730399B (zh) 基于风力发电特性曲线的理论线损评估方法
CN110492470A (zh) 基于负荷聚类与网络等值的配电网多维典型场景生成方法
CN110210052A (zh) 光伏发电出力波动性分量统计特性分析的方法
CN115860552A (zh) 一种农村能源互联网综合效益评价方法
CN113627655B (zh) 一种配电网灾前故障场景模拟预测方法及装置
CN112365134B (zh) 一种基于点估计法概率多能流的能源网络随机规划方法
CN115409317A (zh) 基于特征选择和机器学习的台区线损检测方法及装置
CN114048819A (zh) 基于注意力机制和卷积神经网络的配电网拓扑辨识方法
Lu et al. Evaluation of black-start schemes based on prospect theory and improved TOPSIS method
Chenxu et al. An improved cumulant method for probabilistic load flow calculation
CN113327047A (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220531

CF01 Termination of patent right due to non-payment of annual fee