CN112165120B - 含分布式电源的主动配电网可靠性评估方法及系统 - Google Patents

含分布式电源的主动配电网可靠性评估方法及系统 Download PDF

Info

Publication number
CN112165120B
CN112165120B CN202011085205.6A CN202011085205A CN112165120B CN 112165120 B CN112165120 B CN 112165120B CN 202011085205 A CN202011085205 A CN 202011085205A CN 112165120 B CN112165120 B CN 112165120B
Authority
CN
China
Prior art keywords
load
distributed power
fault
power supply
distribution network
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.)
Active
Application number
CN202011085205.6A
Other languages
English (en)
Other versions
CN112165120A (zh
Inventor
朱海南
王涛
李丰硕
薛云霞
王娟娟
胡丽
李宗璇
宋静
孙华忠
孙娜
刘堃
周阳
陈兵兵
刘明
张锴
金峰
刘传良
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.)
State Grid Corp of China SGCC
Weifang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Weifang Power Supply Co of State Grid Shandong 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 State Grid Corp of China SGCC, Weifang Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011085205.6A priority Critical patent/CN112165120B/zh
Publication of CN112165120A publication Critical patent/CN112165120A/zh
Application granted granted Critical
Publication of CN112165120B publication Critical patent/CN112165120B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种含分布式电源的主动配电网可靠性评估方法及系统，包括构建分布式电源出力概率分布模型和负荷概率分布模型，采用Copula函数生成具备分布式电源和负荷相关性的联合概率分布模型，通过蒙特卡洛抽样得到联合数据集；对主动配电网分区，根据联合数据集计算区域内负荷点的最小割集，根据最小割集所属故障类型确定区域切负荷量，根据最小割集内元件的故障率、故障时间和停运时间得到区域内可靠性指标；根据区域切负荷量、区域内可靠性指标和区域间的串并联关系得到主动配电网可靠性指标，根据主动配电网可靠性指标得到主动配电网运行状态评估结果。将蒙特卡洛模拟法与最小割集方法相结合求解配电网可靠性指标，提高可靠性评估精度。

Description

含分布式电源的主动配电网可靠性评估方法及系统
技术领域
本发明涉及配电网技术领域，特别是涉及一种含分布式电源的主动配电网可靠性评估方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
风电、光伏等分布式电源接入配电网后，传统配电网转变为有源的主动配电网，在增加供电容量与优化手段的同时，也使得配电网的故障模式更加复杂，增加了主动配电网可靠性评估的难度。
在配电网可靠性评估中，根据评估对象的不同，可采用负荷侧指标和系统侧指标作为评估配电网可靠性的指标，负荷侧可靠性指标用于评估配电网系统中各个负荷点的可靠程度，由负荷侧可靠性指标计算得到系统侧可靠性指标，用于评估整个配电网的可靠性，从而有针对性提出解决方案。
目前主动配电网可靠性评估主要有两种方法：解析法与模拟法；解析法可以得到数学上的准确解，但是其计算量随着网络规模与复杂度的提高而迅速增加，因此传统解析法对含分布式电源的复杂配电网适应性较差。模拟法是指蒙特卡洛模拟方法，其方法可以适用于复杂网络，但是其存在计算效率低、计算量大的缺点。
由于风电、光伏等分布式电源出力的不确定性对配电网可靠性的影响较大，发明人认为，目前虽存在采用模拟法考虑不同分布式电源的出力相关性，并对分布式电源出力与网络元件的状态进行抽样的方法，但当系统规模很大时，为保证计算精度，大大增加计算的时间，计算效率较低；最小割集法虽然对简单网络可靠性评估的计算效率高，但是其主要计算电网系统连通性，并没有考虑电网元件的容量限制，影响接入分布式电源的主动配电网可靠性的计算精度。
发明内容
为了解决上述问题，本发明提出了一种含分布式电源的主动配电网可靠性评估方法及系统，采用模拟法与解析法相结合的方法，利用蒙特卡洛方法模拟分布式电源出力与负荷的相关性，利用最小割集方法求解配电网可靠性指标，以实现根据主动配电网可靠性指标得到主动配电网运行状态评估结果，保证分布式电源出力模拟的精度，提高可靠性评估精度，兼顾抽样与计算效率。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种含分布式电源的主动配电网可靠性评估方法，包括：
对接入分布式电源的主动配电网分别构建分布式电源出力概率分布模型和负荷概率分布模型，根据分布式电源出力概率分布模型和负荷概率分布模型构建具备分布式电源和负荷相关性的联合概率分布模型，对联合概率分布模型抽样得到联合数据集；
对主动配电网分区，根据联合数据集计算区域内负荷点的最小割集，根据最小割集所属电网故障类型确定区域切负荷量；
根据最小割集内电网元件的故障率、故障时间和停运时间得到区域内可靠性指标；
根据区域切负荷量、区域内可靠性指标和区域间的串并联关系得到主动配电网可靠性指标，根据主动配电网可靠性指标得到主动配电网运行状态评估结果。
第二方面，本发明提供一种含分布式电源的主动配电网可靠性评估系统，包括：
抽样模块，用于对接入分布式电源的主动配电网分别构建分布式电源出力概率分布模型和负荷概率分布模型，根据分布式电源出力概率分布模型和负荷概率分布模型构建具备分布式电源和负荷相关性的联合概率分布模型，对联合概率分布模型抽样得到联合数据集；
第一解析模块，用于对主动配电网分区，根据联合数据集计算区域内负荷点的最小割集，根据最小割集所属电网故障类型确定区域切负荷量；
第二解析模块，用于根据最小割集内电网元件的故障率、故障时间和停运时间得到区域内可靠性指标；
评估模块，用于根据区域切负荷量、区域内可靠性指标和区域间的串并联关系得到主动配电网可靠性指标，根据主动配电网可靠性指标得到主动配电网运行状态评估结果。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明的一种考虑分布式电源接入的主动配电网可靠性评估方法，采用模拟法与解析法相结合的方法，利用蒙特卡洛方法模拟分布式电源出力与负荷的相关性，利用最小割集方法求解网络可靠性，保证分布式电源出力模拟的精度，提高可靠性评估精度，兼顾抽样效率与计算效率。
本发明采用配电网分区与故障分类的方法，将配电网分为不同区域，不同区域内采用最小割集方法计算可靠性指标，根据区域的孤岛模式或连网状态进行分类计算，不同区域之间通过连通性判定整个配电网的可靠性指标，且本发明在考虑连通性的同时考虑容量限制引起的部分切负荷故障，提高基于最小割集的可靠性评估精度，保证最小割集方法对复杂配电网的适用性。
本发明按照不同分布式电源形成的最小割集所属故障类型进行分类，分析不同模式下引起部分切负荷的故障类型，得到可能引起部分切负荷故障的集合，实现在故障枚举中充分考虑元件过载与电源容量引起的部分失负荷，利用直流潮流计算元件容量限制，确定最小切负荷策略。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书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为本发明实施例1提供的含分布式电源的主动配电网可靠性评估方法流程图；
图2为本发明实施例1提供的主动配电网分区示意图；
图3为本发明实施例1提供的不含分布式电源的区域内负荷可靠性指标计算流程；
图4为本发明实施例1提供的单电源网络示意图；
图5为本发明实施例1提供的最小连集搜索过程；
图6为本发明实施例1提供的含分布式电源的区域内负荷可靠性指标计算流程；
图7为本发明实施例1提供的多源网络示意图。
具体实施方式：
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示，本实施例提供一种含分布式电源的主动配电网可靠性评估方法，包括：
S1：对接入分布式电源的主动配电网分别构建分布式电源出力概率分布模型和负荷概率分布模型，根据分布式电源出力概率分布模型和负荷概率分布模型采用Copula函数生成具备分布式电源和负荷相关性的联合概率分布模型，对联合概率分布模型通过蒙特卡洛抽样得到联合数据集；
S2：对主动配电网分区，根据联合数据集计算区域内负荷点的最小割集，根据最小割集所属电网故障类型确定区域切负荷量；
S3：根据最小割集内电网元件的故障率、故障时间和停运时间得到区域内可靠性指标；
S4：根据区域切负荷量、区域内可靠性指标和区域间的串并联关系得到主动配电网可靠性指标，根据主动配电网可靠性指标得到主动配电网运行状态评估结果。
在本实施例中，所述步骤S1利用Copula函数生成考虑相关性的分布式电源与负荷的出力模型，构建分布式电源-负荷的联合概率分布模型，通过蒙特卡洛抽样得到包括风、光与负荷的联合数据集；具体包括：
S1-1：本实施例以风电出力和光伏出力为例，构建风电出力概率分布模型；
采用核密度估计风电出力的边缘分布，风电出力核密度估计为：
Figure BDA0002720161690000061
其中，h为平滑系数且h>0；K(·)为核函数；xi为随机变量x的样本。
S1-2：构建光伏出力概率分布模型；
利用抽样得到风、光与负荷的数据集计算光伏电站辐照度r的Beta分布模型，其概率密度函数为：
Figure BDA0002720161690000071
其中，α、β为Beta分布的形状参数，rmax为辐照度最大值；
光伏电站输出功率PM由辐照度r计算：
PM＝r·A·η (3)
其中，η为光伏电池板的光电转换效率，A为光伏电池板的面积；
由式(2)和式(3)可得光伏电站功率的概率密度函数为：
Figure BDA0002720161690000072
其中，Pmax为输出功率最大值。
S1-3：构建负荷概率分布模型
系统负荷的分布特性近似服从正态分布，其概率密度函数如所示。
Figure BDA0002720161690000073
式中μPL、σPL为负荷概率分布的均值和标准差；其值可以由实际的负荷需求数据，对正态分布进行参数估计，得到相应的正态分布函数。
S1-4：选择Copula函数构建风-光-负荷联合概率分布模型；
常用多元的Copula函数包括正态Copula函数、t-Copula函数、阿基米德族Copula函数，本实施例利用经验Copula函数与常用的多元Copula函数的最短欧式距离确定需选取的Copula函数；经验Copula函数定义为式(6)：
Figure BDA0002720161690000081
其中，u,v∈[0,1]，I[·]为指示函数，若中括号内的条件成立，则I＝1，否则I＝0，Fn(x)和Gn(y)分别为x、y的经验分布函数；
欧式距离计算公式如式(7)所示：
Figure BDA0002720161690000082
其中，C(ui,vi)为待选Copula函数。
S1-5：基于选择的Copula函数构建具备风光相关性的风-光-负荷联合概率分布模型；
基于风电、光伏出力和负荷的边缘分布函数，采用选择的Copula函数进行建模，根据Sklar定理，N维风-光-负荷出力向量的联合概率分布如式(8)所示：
F(x1,x2,…,xN)＝C(F1(x1),F2(x2),…,FN(xN)；θ) (8)
其中，F1(x1),F2(x2),…,FN(xN)为多元风光与负荷的随机变量；x1,x2,…,xN为各自的边缘分布函数；θ为Copula函数的参数，采用极大似然估计法求解。
S1-6：对联合概率分布模型进行蒙特卡洛抽样；
首先生成一组满足Copula函数C(·)的随机向量{(u1,m,u2,m,…uN,m),m＝1,2,…,M}；然后通过逆变换公式
Figure BDA0002720161690000083
得到一组考虑时空相关性的风、光出力与负荷的联合数据集。
所述步骤S2中，对主动配电网内的电网元件进行编号，获取负荷与分布式电源的电气距离，根据电气距离与隔离开关、断路器位置，将主动配电网分为不同区域；如图2所示，本实施例将某一主动配电网根据电荷与分布式电源的电气距离与断路器位置，将主动配电网分为三个区域，其中区域I与区域III接入分布式电源。
以区域I为例说明区域中接入分布式电源的可靠性计算方法，检测到配电网侧故障后，断路器若进行故障隔离，此时区域I会进入孤岛状态，区域内的负荷由分布式电源G1进行供电；而在无故障条件下，区域I内的负荷由主网和分布式电源共同供电，即此时相当于有两个供电电源；本实施例将区域I、分布式电源G1与上游配电网共同组成一个可靠性评估单元，在孤岛状态与连网状态下计算配电网可靠性。
针对区域II等没有分布式电源接入的区域，其区域内的负荷全部由主网供电，因此在辐射型配电网中可以直接采用单电源的最小割集计算配电网可靠性。
以下详细介绍对分区后的配电网区域可靠性指标的计算过程。
(1)对主动配电网分区后，首先判断区域内是否含有分布式电源，针对没有分布式电源的区域，计算单电源二阶割集，利用直流潮流判断元件过载状态并确定切负荷量，根据最小割集与电网系统串并联关系计算区域内可靠性指标；如图3所示，具体包括：
(1-1)求取负荷点供电的一阶最小割集与二阶最小割集；
负荷到电源的最小割集为：当从网络中移除割集中的任何一个元件，负荷的供电路径都被切断，即此负荷无法供电。为应对大规模网络计算，本实施例利用最小连集方法求系统的最小割集，如图4所示，从节点1到节点4的最小割集为(A，D)、(B，E)、(A，C，E)、(B，C，D)。
连集是指当集合中的元件都正常工作时，系统保证正常工作的元件集合；最小连集为将其中任一元件移除后，剩余元件集合不再是系统的一个连集；本实施例利用广度优先搜索树求解最小连集，搜索步骤具体为：
①以电源为根节点，搜索网络中的相连节点，作为此根节点的子节点，同时也是后续搜索的新增树节点；
②从新增的节点出发，搜索其邻节点，若邻节点与其已有树节点均不相同，则此邻节点作为其子节点，同时也是后续搜索的新增树节点；
③重复步骤②直到完成所有路径搜索。
如图5所示为图4的搜索过程，通过搜索树建立连集矩阵为：
Figure BDA0002720161690000101
其中，连集矩阵中每一行为一个最小连集，“1”表示所在列对应的支路在此连集中，“0”则表示不在此连集中；
在连集矩阵中，若某一列的元素全为“1”，即单位向量，则所在列对应的支路为网络的一阶最小割集，对最小连集矩阵中的两列元素进行逻辑加法运算，若得到单位列向量，则这两列对应的支路为网络的一个最小二阶割集；
为避免产生重复割集，若高阶最小割集包含了低阶最小割集，应将重复的割集删除，在配电网可靠性评估中，二阶最小割集一般已经涵盖了绝大部分情况，因此本实施例考虑一阶与二阶最小割集。
(1-2)枚举最小割集故障以及二阶最小割集中单一元件的故障；
对负荷供电一阶最小割集、二阶最小割集以及二阶最小割集中单一元件的故障进行枚举；若是最小割集故障，则负荷全切；若是二阶最小割集中单一元件的故障，则根据直流潮流与负荷重要程度计算切负荷量；
基于直流潮流的无分布式电源区域切负荷模型如下：
Figure BDA0002720161690000111
s.t.
Figure BDA0002720161690000112
Figure BDA0002720161690000113
0≤Ci≤PLi (12)
其中，N为区域节点个数；Ci为节点i切负荷量；wi为节点i的权重，其值与负荷的重要性相关；Bij为支路电抗构成的导纳矩阵元素；θij为节点i和j两端电压相角差；θi、θj为节点i和j处的电压相角；PLi为节点i负荷；
Figure BDA0002720161690000114
为第k条支路之间的有功潮流；
Figure BDA0002720161690000115
为第k条支路有功潮流的上下限约束。
(1-3)基于最小割集统计可靠性指标；
在求解出的最小割集中，割集之间近似为串联关系，二阶割集内两个元件之间为并联关系，根据元件与系统的串并联关系求解负荷点的可靠性指标；
常用的反映负荷点可靠性的指标有：年故障停运率λ(次/年)、平均停运持续r(小时/次)、年平均停运时间U(小时/年)。
针对串联关系的元件或系统，其总可靠性指标的计算公式如下：
Figure BDA0002720161690000121
Figure BDA0002720161690000122
Figure BDA0002720161690000123
其中，λs是串联元件的平均故障率，rs为串联元件的平均故障时间，Us是串联元件的平均年停运时间。
针对并联关系的元件或系统，以两元件并联为例，其总可靠性指标的计算公式如下：
Figure BDA0002720161690000124
Figure BDA0002720161690000125
Upp＝fpprpp≈λpprpp＝λ1λ2r1r2 (18)
其中，λpp为并联元件的平均故障率，rpp为并联元件的平均故障时间，Upp为并联元件的平均年停运时间。
(2)针对区域内含有分布式电源的负荷可靠性指标获取流程，如图6所示，具体为：
(2-1)采用最小割集方法分别求取负荷点到每个分布式电源的最小割集；
(2-2)计算多源网络最小割集；
将最小割集中的元素依次取并，得到负荷到所有电源的割集，针对此割集进行最小割集筛选，删除重复的割集与含低阶割集的高阶割集，得到最终多源网络的最小割集；
如图7所示为在图4网络的基础上增加一个电源，电源1到负荷4的最小割集为(A，D)、(B，E)、(A，C，E)、(B，C，D)，电源2到负荷4的最小割集为(B，E)、(B，C，D)；
采用最小割集方法求得负荷点到每个电源的最小割集，在此基础上，将两个最小割集的对应的元素依次取并，得到两电源到负荷4的割集，即(A，D)U(B，E)、(B，E)U(B，E)、(A，C，E)U(B，E)、(B，C，D)U(B，E)、(A，D)U(B，C，D)、(B，E)U(B，C，D)、(A，C，E)U(B，C，D)、(B，C，D)U(B，C，D)；针对此割集进行最小割集筛选，删除重复的割集与含低阶割集的高阶割集，得到最终两电源的最小割集为(B，E)、(B，C，D)；
(2-3)与区域相连的配电网上游视为主网，按照主网故障类型判断区域是否进入孤岛运行模式，如果发生主网最小割集故障，则区域进入孤岛运行模式；否则为连网运行状态；
(2-4)孤岛运行模式下计算区域负荷可靠性指标；
①由连网状态进入孤岛运行模式后，根据直流潮流、分布式电源容量与负荷重要程度计算切负荷方案；本实施例采用基于直流潮流的含分布式电源区域切负荷模型，该模型为线性化模型，因此可采用线性规划算法求解该模型：
Figure BDA0002720161690000131
s.t.
Figure BDA0002720161690000141
Figure BDA0002720161690000142
0≤Ci≤PLi (22)
Figure BDA0002720161690000143
其中：N为区域节点个数；Ci为节点i切负荷量；wi为节点i的权重，其值与负荷的重要性相关；PGj为位于节点i的某个发电机组的有功出力；Bij为支路电抗构成的导纳矩阵元素；θij为节点i和j两端电压相角差；θi、θj为节点i和j处的电压相角；PLi为节点i负荷；
Figure BDA0002720161690000144
为第k条支路之间的有功潮流；
Figure BDA0002720161690000145
为第k条支路有功潮流的上下限约束；
Figure BDA0002720161690000146
为发电机有功出力上下限约束。
②由于分布式电源通常容量较少，较少出现线路过载情况，因此在孤岛运行模式中，只考虑电源容量限制导致的部分切负荷情况。此步骤需枚举孤岛区域内多源最小割故障与负荷到单一电源的最小割集故障。若为多源最小割故障，则负荷需要全部切除；若为负荷到单一电源的最小割集故障，则利用步骤①中的切负荷模型，计算切负荷量。枚举结束，利用步骤(1-3)的串并联公式计算孤岛模式下区域内负荷的可靠性指标。
(2-5)连网状态下计算区域负荷可靠性指标：
①连网状态下，主网没有故障的条件下，负荷一般不会出现切负荷情况，因此部分切负荷只需要考虑主网故障下的元件过载以及此时分布式电源供电容量；
计算主网供电最小割集中单一故障元件与区域内单一分布式电源供电最小割集，并分别取并，得到的并集故障包括：主网供电最小割集中单一元件故障条件下分布式电源正常供电、主网供电最小割集中单一元件故障条件下单个分布式电源断电、主网供电最小割集中单一元件故障条件下多个分布式电源断电。
②枚举孤岛步骤①得到的并集故障，利用含分布式电源区域切负荷模型，计算切负荷量；枚举结束后，利用步骤(1-3)的串并联公式计算孤岛模式下区域内负荷的可靠性指标。
(2-6)计算区域内负荷的可靠性指标
根据全概率公式，整合孤岛模式与连网模式两种情况，得到区域内负荷的可靠性指标计算公式为：
λL＝PIλI+(1-PI)λC
rL＝PIrI+(1-PI)rC
Figure BDA0002720161690000151
其中：λL、λI、λC分别为整合孤岛与连网两种情况的区域内负荷的故障率、孤岛条件下的故障率以及连网转态下的故障率；rL、rI、rC分别为区域内负荷的平均故障时间、孤岛条件下的平均故障时间以及连网转态下的平均故障时间；UL为区域内负荷的平均年停运时间。
所述步骤S4中，不同区域与主网的关系一般为串联，而不同区域之间关系根据位置分为串联或并联，根据配电网分区后的串并联关系，即公式(13)～(18)，统计配电网的可靠性指标λ、r与U，进而求得用户相关的可靠性指标与系统相关的可靠性指标。
用户相关的可靠性指标计算公式如下：
Figure BDA0002720161690000161
Figure BDA0002720161690000162
Figure BDA0002720161690000163
Figure BDA0002720161690000164
ENS＝∑∑Ci,jUi,j (28)
Figure BDA0002720161690000165
其中，SAIFI为系统平均断电频率指标；SAIDI为系统平均断电持续时间指标；CAIDI为用户平均断电持续时间指标；ASAI为平均用电有效度指标；ENS为统总的电量不足指标；AENS为平均电量不足；Ni为负荷点i的用户数；Ci,j为连接在负荷点i故障j下的平均切负荷量。
本实施例利用蒙特卡洛方法模拟分布式电源出力与负荷的相关性，利用最小割集方法求解配电网可靠性指标，将蒙特卡洛模拟方法与最小割集方法相结合以实现根据主动配电网可靠性指标得到主动配电网运行状态评估结果，保证分布式电源出力模拟的精度，提高可靠性评估精度，兼顾抽样与计算效率。
实施例2
本实施例提供一种含分布式电源的主动配电网可靠性评估系统，包括：
抽样模块，用于对接入分布式电源的主动配电网分别构建分布式电源出力概率分布模型和负荷概率分布模型，根据分布式电源出力概率分布模型和负荷概率分布模型采用Copula函数生成具备分布式电源和负荷相关性的联合概率分布模型，对联合概率分布模型通过蒙特卡洛抽样得到联合数据集；
第一解析模块，用于对主动配电网分区，根据联合数据集计算区域内负荷点的最小割集，根据最小割集所属电网故障类型确定区域切负荷量；
第二解析模块，用于根据最小割集内电网元件的故障率、故障时间和停运时间得到区域内可靠性指标；
评估模块，用于根据区域切负荷量、区域内可靠性指标和区域间的串并联关系得到主动配电网可靠性指标，根据主动配电网可靠性指标得到主动配电网运行状态评估结果。
此处需要说明的是，上述模块对应于实施例1中的步骤S1至S4，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.一种含分布式电源的主动配电网可靠性评估方法，其特征在于，包括：
对接入分布式电源的主动配电网分别构建分布式电源出力概率分布模型和负荷概率分布模型，根据分布式电源出力概率分布模型和负荷概率分布模型构建具备分布式电源和负荷相关性的联合概率分布模型，对联合概率分布模型抽样得到联合数据集；
对主动配电网分区，根据联合数据集计算区域内负荷点的最小割集，根据最小割集所属电网故障类型确定区域切负荷量；对主动配电网分区后，对含分布式电源的区域，分别计算负荷点到每个分布式电源的最小割集，对最小割集取并集，得到多源网络最小割集；
若含分布式电源的区域处于孤岛运行模式，遍历多源网络最小割集故障与负荷到单一分布式电源的最小割集故障，若为多源网络最小割集，则负荷全切；若为负荷到单一分布式电源的最小割集故障，则根据直流潮流、分布式电源容量与负荷重要程度计算切负荷量；
根据最小割集内电网元件的故障率、故障时间和停运时间得到区域内可靠性指标；
根据区域切负荷量、区域内可靠性指标和区域间的串并联关系得到主动配电网可靠性指标，根据主动配电网可靠性指标得到主动配电网运行状态评估结果。
2.如权利要求1所述的一种含分布式电源的主动配电网可靠性评估方法，其特征在于，所述分布式电源出力概率分布模型包括风电出力概率分布模型和光伏出力概率分布模型；根据核密度估计风电出力的边缘分布，以此构建风电出力概率分布模型；根据光伏电站辐照度分布和输出功率构建光伏出力概率分布模型。
3.如权利要求1所述的一种含分布式电源的主动配电网可靠性评估方法，其特征在于，对主动配电网分区后，对不含分布式电源的区域，计算负荷点的一阶最小割集和二阶最小割集，遍历一阶最小割集故障、二阶最小割集故障和二阶最小割集中单一元件的故障，若电网故障属于一阶最小割集故障或二阶最小割集故障，则负荷全切；若属于二阶最小割集中单一元件的故障，根据直流潮流与负荷重要程度计算切负荷量。
4.如权利要求3所述的一种含分布式电源的主动配电网可靠性评估方法，其特征在于，根据不含分布式电源的区域内电网元件的平均故障率、平均故障时间和平均年停运时间得到区域内可靠性指标。
5.如权利要求1所述的一种含分布式电源的主动配电网可靠性评估方法，其特征在于，若含分布式电源的区域处于连网运行模式，计算主网供电最小割集中单一故障元件与区域内单一分布式电源供电最小割集，得到并集故障包括：主网供电最小割集中单一元件故障条件下分布式电源正常供电、主网供电最小割集中单一元件故障条件下单个分布式电源断电、主网供电最小割集中单一元件故障条件下多个分布式电源断电；遍历并集故障类型，根据直流潮流、分布式电源容量与负荷重要程度计算切负荷量。
6.如权利要求5所述的一种含分布式电源的主动配电网可靠性评估方法，其特征在于，根据孤岛运行模式与连网运行模式的两种模式下的负荷故障率、孤岛运行模式下的故障率、连网运行模式下的故障率、区域内负荷的平均故障时间、孤岛运行模式下的平均故障时间、连网运行模式下的平均故障时间以及区域内负荷的平均年停运时间得到区域内可靠性指标。
7.一种含分布式电源的主动配电网可靠性评估系统，其特征在于，包括：
抽样模块，用于对接入分布式电源的主动配电网分别构建分布式电源出力概率分布模型和负荷概率分布模型，根据分布式电源出力概率分布模型和负荷概率分布模型构建具备分布式电源和负荷相关性的联合概率分布模型，对联合概率分布模型抽样得到联合数据集；
第一解析模块，用于对主动配电网分区，根据联合数据集计算区域内负荷点的最小割集，根据最小割集所属电网故障类型确定区域切负荷量；对主动配电网分区后，对含分布式电源的区域，分别计算负荷点到每个分布式电源的最小割集，对最小割集取并集，得到多源网络最小割集；若含分布式电源的区域处于孤岛运行模式，遍历多源网络最小割集故障与负荷到单一分布式电源的最小割集故障，若为多源网络最小割集，则负荷全切；若为负荷到单一分布式电源的最小割集故障，则根据直流潮流、分布式电源容量与负荷重要程度计算切负荷量；
第二解析模块，用于根据最小割集内电网元件的故障率、故障时间和停运时间得到区域内可靠性指标；
评估模块，用于根据区域切负荷量、区域内可靠性指标和区域间的串并联关系得到主动配电网可靠性指标，根据主动配电网可靠性指标得到主动配电网运行状态评估结果。
8.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-6任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-6任一项所述的方法。
CN202011085205.6A 2020-10-12 2020-10-12 含分布式电源的主动配电网可靠性评估方法及系统 Active CN112165120B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011085205.6A CN112165120B (zh) 2020-10-12 2020-10-12 含分布式电源的主动配电网可靠性评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011085205.6A CN112165120B (zh) 2020-10-12 2020-10-12 含分布式电源的主动配电网可靠性评估方法及系统

Publications (2)

Publication Number Publication Date
CN112165120A CN112165120A (zh) 2021-01-01
CN112165120B true CN112165120B (zh) 2022-04-26

Family

ID=73866431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011085205.6A Active CN112165120B (zh) 2020-10-12 2020-10-12 含分布式电源的主动配电网可靠性评估方法及系统

Country Status (1)

Country Link
CN (1) CN112165120B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362127B (zh) * 2021-06-22 2024-02-06 清华四川能源互联网研究院 含固体氧化物燃料电池的直流微网系统及其控制方法
CN113673085B (zh) * 2021-07-19 2024-02-13 华南理工大学 一种考虑开关控制失效的配电网可靠性评估方法
CN113872187B (zh) * 2021-09-13 2022-11-01 国网山东省电力公司青岛供电公司 一种计及微网孤岛运行方式的配电系统可靠性评估方法
CN116720324A (zh) * 2023-05-15 2023-09-08 中铁第四勘察设计院集团有限公司 基于预测模型的牵引变电所关键设备故障预警方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376504B (zh) * 2014-11-06 2017-10-27 国家电网公司 一种基于解析法的配电系统概率可靠性评估方法
CN106570779A (zh) * 2016-08-30 2017-04-19 深圳供电局有限公司 一种直流配电网可靠性分析的方法及系统
CN111311109A (zh) * 2020-03-06 2020-06-19 佳源科技有限公司 一种计及分布式电源的配电网可靠性评估方法及系统

Also Published As

Publication number Publication date
CN112165120A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN112165120B (zh) 含分布式电源的主动配电网可靠性评估方法及系统
US20220373984A1 (en) Hybrid photovoltaic power prediction method and system based on multi-source data fusion
Wei et al. Extracting solar cell model parameters based on chaos particle swarm algorithm
US20190197203A1 (en) Simulation of Photovoltaic Systems
Nassar-Eddine et al. Parameter estimation of photovoltaic modules using iterative method and the Lambert W function: A comparative study
Karamirad et al. ANN based simulation and experimental verification of analytical four-and five-parameters models of PV modules
Park et al. PV cell modeling on single-diode equivalent circuit
Munshi et al. Photovoltaic power pattern clustering based on conventional and swarm clustering methods
Zhu et al. Sensitivity analysis and more accurate solution of photovoltaic solar cell parameters
CN103730910B (zh) 一种大规模光伏电站并网的动态等值方法
CN103106544B (zh) 一种基于t-s型模糊神经网络的光伏发电预测系统
CN104836256B (zh) 一种配电网光伏消纳能力计算的方法及系统
Khan et al. A review of estimating solar photovoltaic cell parameters
Rodríguez et al. Modeling and parameter calculation of photovoltaic fields in irregular weather conditions
Livreri et al. Dynamic reconfiguration of electrical connections for partially shaded PV modules: Technical and economical performances of an Arduino-based prototype
CN107766406A (zh) 一种采用时间优先搜索的轨迹相似性连接查询方法
Chen et al. Development of a capacitor charging based quick IV curve tracer with automatic parameter extraction for photovoltaic arrays
CN103824234A (zh) 一种基于分块和层级结构的配电系统可靠性评估方法
CN115829126A (zh) 基于多视角自适应特征融合的光伏发电功率预测方法
Fan et al. Voltage band analysis for maximum power point tracking of stand-alone PV systems
Cristaldi et al. Reference strings for statistical monitoring of the energy performance of photovoltaic fields
Ridha et al. Innovative hybridization of the two-archive and PROMETHEE-II triple-objective and multi-criterion decision making for optimum configuration of the hybrid renewable energy system
Lun et al. A new explicit I–V model of a silicon solar cell based on Chebyshev Polynomials
CN109543269B (zh) 一种基于混合信任区间反射的光伏模型参数辨识方法
CN104392116A (zh) 求解光伏电池单二极管模型参数的方法

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
GR01 Patent grant
GR01 Patent grant