CN113098012A - 一种含dg配电网的区域自治能力评估方法 - Google Patents

Abstract

本发明公开一种含DG配电网的区域自治能力评估方法，涉及供电领域，包括以下步骤：(1)、输入配电网内线路、保护装置、分布式能源、负荷等元素基础数据；(2)、构建极端风灾事件模型以及灾害影响评估模型；(3)、构建配电网内分布式能源出力和负荷需求模型；(4)、构建极端风灾事件下，负荷节点和系统的最优恢复模型，形成相应目标函数及约束条件；(5)、基于模拟极端事件下负荷节点及系统的状态，构建负荷及系统区域自治能力指标。

Description

一种含DG配电网的区域自治能力评估方法

技术领域

本发明涉及供电领域，具体的是一种含DG配电网的区域自治能力评估方法。

背景技术

经济社会的可持续发展离不开充足的能源供应，而传统能源系统效率低，污染物排放高，导致能源浪费及环境污染愈加严重。近年来我国优化调整能源消费结构成效显著，能源行业又向高质量发展迈出了一大步。电网作为能源传输的重要通道之一，其供电可靠性问题再次引起人们的关注。近年来由极端事件导致的大停电事故在全世界各地常有发生，对经济生产和社会稳定造成的负面影响渗透到各行各业各个环节，因此在我国泛在电力物联网事业飞速发展的当下，在配电网规划运行中引入区域自治电网理念。区域自治电网是对配电网的一个必要的形态补充，是利用分布式资源获得最大经济和社会效益的一种途径，更是应对威胁供电可靠性的各类问题、全面提高配电网供电可靠性的一种有效方式。对配电网进行区域自治能力评估也是亟需重视的一项工作。

而配电网作为电网传递能量的重要一环，涉及电压等级多且覆盖面较广，同时又直接面向社会，是连接电网与用户的重要桥梁。在当下新能源、分布式发电等快速发展的时期，配电网已呈现“多源性”特征，同时承担着能源生产与消费的任务，多源特性也正是配电网能够具备区域自治能力的关键所在。

发明内容

为解决上述背景技术中提到的不足，本发明的目的在于提供一种含DG配电网的区域自治能力评估方法，本发明提出了极端事件模型、影响评估模型和最优恢复模型来优化极端场景下配电网的恢复能力，进而实现对区域自治能力的评估。

本发明的目的可以通过以下技术方案实现：

一种含DG配电网的区域自治能力评估方法，包括以下步骤：

步骤(1.1)、输入配电网内分布式能源、负荷、线路、保护装置的基础参数；

步骤(1.2)、基于非时序蒙特卡罗模拟，建立极端风灾事件模型，并基于配电网树模型，进行灾害影响评估，确定失电区域和孤岛自治区域；

步骤(1.3)、对配电网中分布式能源出力以及负荷需求进行建模；

步骤(1.4)、极端事件下，孤岛自治区域具有自治运行的能力，建立负荷节点与系统的恢复模型；

步骤(1.5)、基于模拟极端事件下负荷节点和系统的状态，提出负荷及系统的区域自治能力评估指标。

进一步地，所述步骤(1.2)中极端风灾事件模型和灾害评估模型，具体叙述如下：

基于地区最大持续风速的历史数据，利用甘贝尔分布有效捕捉极端风速，形成Gumbel分布的累积分布函数：

式中，μ和β分别为Gumbel分布中的位置和尺度参数，且β＞0；

利用MATLAB中evinv函数对式(1)进行逆变换生成风速样本；

极端风灾事件发生的时间：

x_ST＝∪(1,24) (2)

在发生极端风灾事件时，配电网中的元素遭受破坏，事件的严重性和元素的脆弱性决定故障程度，元素的脆弱性包括杆塔的脆弱性和线路的脆弱性；

杆塔的脆弱性：

FP_pl＝0.0001×exp[0.0421×V_W] (3)

线路的脆弱性：

式中：FP_pl、FP_ij分别为节点i和节点j之间杆塔和线路的故障概率；V_W为风速；NP_pl为线路间杆塔数；

基于上述脆弱性，利用随机数对极端风灾事件下的线路故障状态进行评估，将生成的随机数x_line与线路故障概率进行比较：

式中：

表示节点i和节点j之间线路是否发生故障，若为1，则表示发生故障；反之，则表示不发生故障；x_line为0-1的随机数；

在故障修复开始之前，根据保护设置，收集有关故障元件的信息，并将这些元件与配电网的其余部分隔离；故障评估、故障隔离和修复过程的时间段T为：

T＝-ln(1-x_t) (6)

式中：T呈指数分布，x_t为均匀分布的随机数；

用深度优先搜索算法得出关配电网元素状态的信息，在发生极端事件之后，负荷节点和线路处于三种状态：i)并网模式：线路通过变压器与主网连接进行供电；ii)区域孤岛自治模式：未发生故障线路会以孤岛自治区域模式运行；iii)断电模式：故障发生在线路本身，则其负荷节点无法通过主网或DG恢复。

进一步地，所述步骤(1.3)中分布式能源出力和负荷需求，具体叙述如下：

基于历史日光照强度数据，并基于场景削减法减少至一定数量的场景N_Sc，得到PV光照强度日曲线和对应概率，再进一步得到相应PV机组出力：

式中：P_PV表示光伏日出力的简化场景集，是一个N_sc×24阶的矩阵；π_PV表示场景对应的概率，是一个N_sc×1阶的矩阵；

相应累积分布函数：

其中ρ_PV为π_PV的累积分布；

生成一个随机数，选取

中一个光伏场景作为模拟事件：

x_PV(s)＝∪(0,1) (9)

负荷类型分为重要和非重要负荷两类，分别取自政府&机构客户和住宅客户类型；负荷需求场景集合为：

采用类似式(8)-式(10)的方法，从

中选取负荷需求日曲线；

式中：MF_l表示负荷节点l的日负荷情况的简化场景集，π_MF表示场景对应的概率。

进一步地，所述步骤(1.4)恢复模型，具体叙述如下：

优化目标由最小化孤岛自治运行区域负荷削减的惩罚成本和最小化分布式电源的运行成本两方面构成：

式中：T为预计故障持续时间；

为节点i处负荷削减的惩罚成本；LC_a,i(t)为t时刻节点i处负荷削减有功功率，P_c,i(t)为t时刻节点i处常规DG的有功功率出力；P_p,_i(t)为t时刻节点i处PV有功出力；P_e,i(t)为t时刻节点i处储能充放电功率；

孤岛区域的安全可靠自治运行需满足相应约束，包括区域内有功功率平衡约束如式(13)、区域内无功功率平衡约束如式(14)，以及计及潮流问题，需满足潮流约束式(15)-式(20)；

约束条件如下：

(1)孤岛自治区域功率平衡及潮流约束：

P_ij(t)＝(ΔV_i-ΔV_j)G_ij-(θ_i-θ_j)B_ij (15)

Q_ij(t)＝-(ΔV_i-ΔV_j)B_ij-(θ_i-θ_j)G_ij (16)

B_sh＝[B₁₀,B₂₀,...,B_i0,B_NB0]^T (20)

式中：Ω_BN为节点集合；N_B为节点总数；P_c,i(t)、Q_c,i(t)分别为t时刻节点i处传统DG的有功、无功功率出力；P_p,i(t)为t时刻节点i处PV的有功功率出力；

分别为t时刻节点i处储能充电、放电功率；P_D,i(t)、Q_D,i(t)为t时刻节点i处负荷功率；Q_e,i(t)为t时刻节点i处储能无功功率；LC_a,i(t)、LC_r,i(t)分别为t时刻节点i处负荷削减有功、无功功率；G_ij为节点i与节点j间支路电导；B_ij为节点i与节点j间支路电纳；θ_i为节点i电压相角；θ_j为节点j电压相角；ΔV为电压增量；B_i0为节点i的并联电纳；P_ij(t)、Q_ij(t)为节点i与节点j间支路有功、无功功率；

(2)线路容量约束，线路传输的有功功率和无功功率均需满足上下限约束，确保网络安全性：

式中：

P_ij 分别为支路有功功率上下限；

Q_ij 分别为支路无功功率上下限；

(3)节点电压幅值约束和相角约束，电压幅值与相角均需满足上下限约束，确保网络安全性：

式中：V_i(t)为t时刻节点i处电压幅值；θ_i(t)为t时刻节点i处电压相角；

V_i 为电压幅值上下限；

θ_i 为电压相角上下限；

(4)ESS相关运行约束，包括SOC约束、充放电功率约束，确保ESS安全可靠运行：

式中：SOC_e,i(t)为t时刻节点i处ESS的荷电状态；

分别为t时刻节点i处ESS的充放电效率；、

SOC_e,i 分别为ESS允许的SOC最大值和最小值；

为ESS的充放电状态，为0-1变量；

Q_e,i 为ESS输出无功功率上下限；

为ESS充电功率上下限；

为ESS放电功率上下限；

(5)PV和传统DG功率约束，PV和传统DG出力均需满足上下限约束，确保PV和传统DG安全可靠运行：

式中：

P_c,i 为传统DG输出有功功率上下限；

Q_c,i 为传统DG输出无功功率上下限；

P_p,i 为光伏出力上下限。

进一步地，所述步骤(1.5)中区域自治能力评估指标，具体叙述如下：

模拟极端风灾事件，在失电区域和孤岛自治区域内跟踪故障持续时间和负荷失电情况，同时，基于孤岛自治区域优化模型优化得出孤岛自治区域运行时负荷节点的状态，更新每个负荷节点的状态参数：失电标志OF_l在负荷失电情况下取1，反之取0；同时记录削减电量ENS_l和停电持续时间OD_l；基于此，形成负荷节点区域自治能力指标Res_LP：

Res_LP＝{EPI_l,EOD_l,EENS_l} (34)

式中：EPI_l为中断期望概率；EOD_l为中断期望持续时间；EENS_l为中断未提供期望电量；N_s表示模拟风事件情景的总数；

表示单个负荷节点经历停电的模拟风事件场景的数量；

系统区域自治能力指标Res_sys如下所示：

Res_sys＝{EPI_sys,EOD_sys,EENS_sys} (38)

式中：EPI_sys为整个系统的的中断期望概率；EOD_sys是整个系统因中断而导致的平均中断时间；EENS_sys表示由于供电中断而不能为整个系统提供的平均能量；LP为负荷节点集合，分为负荷节点集合LP_Cr和非重要负荷节点集合LP_Ncr。

本发明的有益效果：

1、本发明基于地区最大持续风速的历史数据模拟极端风灾事件，建立极端风灾事件模型，并利用随机数对极端风灾事件下的线路故障状态进行评估，同时基于配电网树模型，确定失电区域和孤岛自治区域；

2、本发明考虑到孤岛自治区域具有一定自治运行的能力，以负荷削减惩罚成本和分布式电源运行成本最小，构建极端事件下负荷节点与系统的最优恢复模型，在实现孤岛自治区域安全经济运行的同时，减少负荷削减量恢复更多负荷；

3、本发明记录模拟故障期间失电区域和孤岛自治区域负荷节点状态参数，并结合优化结果，提出负荷及系统的区域自治能力评估指标，合理评估极端风灾事件下系统区域自治能力，为未来电网的规划和运行提供科学指导。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明的流程图；

图2是本发明的整体框架图；

图3是本发明系统响应极端事件的典型曲线图；

图4是本发明整体区域自治能力评估流程图；

图5是本发明实施例中PG&E69节点系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

一种含DG配电网的区域自治能力评估方法，如图1和2所示，具体包括以下步骤：

步骤(1.1)、输入配电网内分布式能源、负荷、线路、保护装置等元素的基础参数；

步骤(1.2)、建立极端风灾事件模型，并基于配电网树模型，进行灾害影响评估，确定失电区域和孤岛自治区域；

步骤(1.3)、对配电网中分布式能源出力以及负荷需求进行建模；

步骤(1.4)、极端事件下，孤岛自治区域具有自治运行的能力，建立负荷节点与系统的最优恢复模型；

步骤(1.5)、基于模拟极端事件下负荷节点和系统的状态，提出负荷及系统的区域自治能力评估指标。

步骤(1.2)中，极端风灾事件模型和灾害评估模型，具体叙述如下：

基于地区最大持续风速的历史数据，利用甘贝尔分布(又称极值-i分布)有效捕捉极端风速，形成Gumbel分布的累积分布函数(CDF)，如式(1)所示，并利用MATLAB中evinv函数对式(1)进行逆变换生成风速样本。极端风灾事件发生的时间由式(2)得出。

x_ST＝∪(1,24) (2)

式中，μ和β分别为Gumbel分布中的位置和尺度参数且β＞0。

在发生极端风灾事件时，配电网中元素(杆塔，线路等)将遭受破坏，故障程度取决于事件的严重性和配电网中元素的脆弱性。杆塔的脆弱性可由风速来反映，如式(3)所示；线路的脆弱性如式(4)所示，用以评估线路故障的可能性。

FP_pl＝0.0001×exp[0.0421×V_W] (3)

式中：FP_pl、FP_ij分别为节点i和节点j之间杆塔和线路的故障概率；V_W为风速；NP_pl为线路间杆塔数。

利用随机数对极端事件下的线路故障状态进行评估，将生成的随机数x_line与线路故障概率进行比较，以评估线路是否在特定极端事件发生故障，如式(5)所示:

式中：

表示节点i和节点j之间线路是否发生故障；x_line为0-1的随机数。

在故障修复开始之前，根据保护设置，收集有关故障元件的信息，并将这些元件与配电网的其余部分隔离。假设故障评估、故障隔离和修复过程的时间段T呈指数分布，如式(6)所示。

T＝-ln(1-x_t) (6)

式中：x_t为均匀分布的随机数。

将配电网络看做一个图网络，每个配电网络元素(节点、线路)保护设备等)用节点表示，边代表节点之间的连接。利用深度优先搜索算法得出极端事件发生情况下受影响的节点和线路。并假定断路器/重合闸器的两侧均装有分段器用来隔离故障，以及保护设备是可靠的，最接近故障位置的故障中断设备会首先跳闸。

其中，用深度优先搜索算法得出关配电网元素状态的信息。在发生极端事件之后，负荷节点和线路可能会处于以下三种状态：i)并网模式：线路通过变压器与主网连接进行供电；ii)区域孤岛自治模式：未发生故障线路会以孤岛自治区域模式运行。在这种情况下，分布式电源可提供必要的有功和无功功率支持；iii)断电模式：如果故障发生在线路本身，则其负荷节点无法通过主网或DG恢复。

步骤(1.3)中，建立分布式能源出力和负荷需求模型，具体叙述如下：

基于历史日光照强度数据，并基于场景削减法减少至一定数量的场景N_Sc，得到PV光照强度日曲线和对应概率，再进一步得到相应PV机组出力。PV的简化情景集合如式(7)所示：

S_CPV＝{P_PV,π_PV} (7)

式中：P_PV表示光伏日出力的简化场景集，是一个N_sc×24阶的矩阵；π_PV表示场景对应的概率，是一个N_sc×1阶的矩阵。

相应累积分布函数(CDF)如式(8)所示，其中ρ_PV为π_PV的累积分布：

生成一个随机数，选取

中一个光伏场景作为模拟事件，如式(9)、式(10)所示：

x_PV(s)＝∪(0,1) (9)

将负荷类型分为重要和非重要负荷两类，分别取自政府&机构客户和住宅客户类型。负荷需求场景集合如式(10)所示。采用类似式(8)-式(10)的方法，从

中选取了负荷需求日曲线。

式中：MF_l表示负荷节点l的日负荷情况的简化场景集；π_MF表示场景对应的概率。

步骤(1.4)中，建立负荷最优恢复模型，具体叙述如下：

其中，优化目标由最小化孤岛自治运行区域负荷削减的惩罚成本和最小化分布式电源(DG)的运行成本两方面构成，如式(12)所示。

式中：T为预计故障持续时间；

为节点i处负荷削减的惩罚成本；LC_a,i(t)为t时刻节点i处负荷削减有功功率，考虑负荷恢复优先级；P_c,i(t)为t时刻节点i处常规DG的有功功率出力；P_p,_i(t)为t时刻节点i处PV有功出力；P_e,i(t)为t时刻节点i处储能充放电功率。

孤岛区域的安全可靠自治运行需满足相应约束，包括区域内有功功率平衡约束如式(13)、区域内无功功率平衡约束如式(14)，以及计及潮流问题，需满足潮流约束式(15)-式(20)。

约束条件如下：

(1)孤岛自治区域功率平衡及潮流约束：

P_ij(t)＝(ΔV_i-ΔV_j)G_ij-(θ_i-θ_j)B_ij (15)

Q_ij(t)＝-(ΔV_i-ΔV_j)B_ij-(θ_i-θ_j)G_ij (16)

式中：Ω_BN为节点集合；N_B为节点总数；P_c,i(t)、Q_c,i(t)分别为t时刻节点i处传统DG的有功、无功功率出力；P_p,i(t)为t时刻节点i处PV的有功功率出力；

分别为t时刻节点i处储能充电、放电功率；P_D,i(t)、Q_D,i(t)为t时刻节点i处负荷功率；Q_e,i(t)为t时刻节点i处储能无功功率；LC_a,i(t)、LC_r,i(t)分别为t时刻节点i处负荷削减有功、无功功率。G_ij为节点i与节点j间支路电导；B_ij为节点i与节点j间支路电纳；θ_i为节点i电压相角；θ_j为节点j电压相角；ΔV为电压增量；B_i0为节点i的并联电纳；P_ij(t)、Q_ij(t)为节点i与节点j间支路有功、无功功率。

(2)线路容量约束。线路传输的有功功率和无功功率均需满足上下限约束，确保网络安全性：

式中：

P_ij 分别为支路有功功率上下限；

Q_ij 分别为支路无功功率上下限。

(3)节点电压幅值约束和相角约束。电压幅值与相角均需满足上下限约束，确保网络安全性：

式中：V_i(t)为t时刻节点i处电压幅值；θ_i(t)为t时刻节点i处电压相角；

V_i 为电压幅值上下限；

θ_i 为电压相角上下限。

(4)ESS相关运行约束。包括相应SOC约束、充放电功率等约束，确保ESS安全可靠运行：

式中：SOC_e,i(t)为t时刻节点i处ESS的荷电状态；

分别为t时刻节点i处ESS的充放电效率；、

SOC_e,i 分别为ESS允许的SOC最大值和最小值；

为ESS的充放电状态，为0-1变量。

Q_e,i 为ESS输出无功功率上下限；

为ESS充电功率上下限；

为ESS放电功率上下限。

(5)PV和传统DG功率约束。PV和传统DG出力均需满足上下限约束，确保PV和传统DG安全可靠运行：

式中：

为传统DG输出有功功率上下限；

为传统DG输出无功功率上下限；

为光伏出力上下限。

步骤(1.5)中，提出DG配电网区域自治能力评估指标，具体叙述如下：

模拟极端风灾事件，在失电区域和孤岛自治区域内跟踪故障持续时间和负荷失电情况，同时，基于孤岛自治区域优化模型优化得出孤岛自治区域运行时负荷节点的状态，更新每个负荷节点的状态参数：失电标志OF_l在负荷失电情况下取1，反之取0；同时记录削减电量ENS_l和停电持续时间OD_l。基于此，形成负荷节点区域自治能力指标Res_LP如下所示：

Res_LP＝{EPI_l,EOD_l,EENS_l} (34)

式中：EPI_l为中断期望概率，体现了负荷节点对于极端事件的脆弱性；EOD_l为中断期望持续时间，体现了负荷节点中断而导致的平均中断持续时间；EENS_l为中断未提供期望电量体现了当负荷节点遭遇极端事件造成中断时，负荷所削减平均电量；N_s表示模拟风事件情景的总数；

表示单个负荷节点经历停电的模拟风事件场景的数量。

系统区域自治能力指标Res_sys如下所示：

Res_sys＝{EPI_sys,EOD_sys,EENS_sys} (38)

式中：EPI_sys为整个系统的的中断期望概率；EOD_sys是整个系统因中断而导致的平均中断时间；EENS_sys表示由于供电中断而不能为整个系统提供的平均能量。LP为负荷节点集合，可分为负荷节点集合LP_Cr和非重要负荷节点集合LP_Ncr。

本发明提出的区域自治能力评估方法可以借助MATLAB软件和CPLEX进行求解，并利用MATLAB中evinv函数生成所需风速样本。整体框架与区域自治能力评估流程图如图3、图4所示。

本发明提出极端风灾事件模型和灾害评估模型，基于地区最大持续风速的历史数据模拟极端风灾事件，并利用随机数对极端风灾事件下的线路故障状态进行评估，同时基于配电网树模型，确定失电区域和孤岛自治区域。

由于孤岛自治区域具有一定自治运行的能力，本发明建立极端事件下负荷节点与系统的最优恢复模型，并记录模拟故障期间失电区域和孤岛自治区域负荷节点状态参数；基于优化结果和状态参数，提出负荷及系统的区域自治能力评估指标。

在本发明实施例中，采用了图5所示的PG&E69节点系统，该系统基准电压为12.66kV，总负荷为3.80MW和2.69MVAR，标记节点11、17、21、29、45、54、64为重要节点，分布式能源接入情况如表1所示。ESS充放电效率分别为0.95，额定放电时间为6h，初始SOC设定为额定容量的80％。CDG和ESS的无功功率限值假定为额定容量的±70％。惩罚成本通常是由监管机构设定，设定重要负荷和非重要负荷分别为500/MWhr和200/MWhr。假设预计平均停电时间为10小时，μ和β参数分别取35和8。

表1分布式能源接入情况

表2区域自治能力指标计算结果

表2呈现了区域自治能力指标计算结果，将负荷分为关键负荷和非关键负荷，有利于合理有效调度资源以提高系统的区域自治能力。由于重要负荷大多分布在配电网四周，可以看出重要负荷和非重要负荷的EPI_sys几乎相同。而因为非重要负荷在配电网中占主导地位，其EENS_sys相对于重要负荷节点要高得多。系统的EPI_sys和EOD_sys由加权得到，因此介于重要负荷和非重要负荷之间。未来电网规划者和运营商在长期和短期规划中可以考虑这些区域自治能力指标，以减轻极端严重事件的破坏性影响，使系统具有区域自治能力和经济性。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (5)

1.一种含DG配电网的区域自治能力评估方法，其特征在于，包括以下步骤：

步骤(1.1)、输入配电网内分布式能源、负荷、线路、保护装置的基础参数；

步骤(1.2)、基于非时序蒙特卡罗模拟，建立极端风灾事件模型，并基于配电网树模型，进行灾害影响评估，确定失电区域和孤岛自治区域；

步骤(1.3)、对配电网中分布式能源出力以及负荷需求进行建模；

步骤(1.4)、极端事件下，孤岛自治区域具有自治运行的能力，建立负荷节点与系统的恢复模型；

步骤(1.5)、基于模拟极端事件下负荷节点和系统的状态，提出负荷及系统的区域自治能力评估指标。

2.根据权利要求要求1所述的一种含DG配电网区域自治能力评估方法，其特征在于，所述步骤(1.2)中极端风灾事件模型和故障评估模型，具体叙述如下：

基于地区最大持续风速的历史数据，利用甘贝尔分布有效捕捉极端风速，形成Gumbel分布的累积分布函数：

式中，μ和β分别为Gumbel分布中的位置和尺度参数，且β＞0；

利用MATLAB中evinv函数对式(1)进行逆变换生成风速样本；

极端风灾事件发生的时间：

x_ST＝∪(1,24) (2)

在发生极端风灾事件时，配电网中的元素遭受破坏，事件的严重性和元素的脆弱性决定故障程度，元素的脆弱性包括杆塔的脆弱性和线路的脆弱性；

杆塔的脆弱性：

FP_pl＝0.0001×exp[0.0421×V_W] (3)

线路的脆弱性：

式中：FP_pl、FP_ij分别为节点i和节点j之间杆塔和线路的故障概率；V_W为风速；NP_pl为线路间杆塔数；

基于上述脆弱性，利用随机数对极端风灾事件下的线路故障状态进行评估，将生成的随机数x_line与线路故障概率进行比较：

式中：

表示节点i和节点j之间线路是否发生故障，若为1，则表示发生故障；反之，则表示不发生故障；x_line为0-1的随机数；

在故障修复开始之前，根据保护设置，收集有关故障元件的信息，并将这些元件与配电网的其余部分隔离；故障评估、故障隔离和修复过程的时间段T为：

T＝-ln(1-x_t) (6)

式中：T呈指数分布，x_t为均匀分布的随机数；

用深度优先搜索算法得出关配电网元素状态的信息，在发生极端事件之后，负荷节点和线路处于三种状态：i)并网模式：线路通过变压器与主网连接进行供电；ii)区域孤岛自治模式：未发生故障线路会以孤岛自治区域模式运行；iii)断电模式：故障发生在线路本身，则其负荷节点无法通过主网或DG恢复。

3.根据权利要求要求1所述的一种含DG配电网区域自治能力评估方法，其特征在于，

所述步骤(1.3)中分布式能源出力和负荷需求，具体叙述如下：

基于历史日光照强度数据，并基于场景削减法减少至一定数量的场景N_Sc，得到PV光照强度日曲线和对应概率，再进一步得到相应PV机组出力：

S_CPV＝{P_PV,π_PV} (7)

式中：P_PV表示光伏日出力的简化场景集，是一个N_sc×24阶的矩阵；π_PV表示场景对应的概率，是一个N_sc×1阶的矩阵；

相应累积分布函数：

其中ρ_PV为π_PV的累积分布；

生成一个随机数，选取

中一个光伏场景作为模拟事件：

x_PV(s)＝∪(0,1) (9)

负荷类型分为重要和非重要负荷两类，分别取自政府&机构客户和住宅客户类型；负荷需求场景集合为：

采用上述式(8)-式(10)的方法，从S_Cl中选取负荷需求日曲线；

式中：MF_l表示负荷节点l的日负荷情况的简化场景集，π_MF表示场景对应的概率。

4.根据权利要求要求1所述的一种含DG配电网区域自治能力评估方法，其特征在于，

所述步骤(1.4)恢复模型，具体叙述如下：

优化目标由最小化孤岛自治运行区域负荷削减的惩罚成本和最小化分布式电源的运行成本两方面构成：

式中：T为预计故障持续时间；

为节点i处负荷削减的惩罚成本；LC_a,i(t)为t时刻节点i处负荷削减有功功率，P_c,i(t)为t时刻节点i处常规DG的有功功率出力；P_p,_i(t)为t时刻节点i处PV有功出力；P_e,i(t)为t时刻节点i处储能充放电功率；

孤岛区域的安全可靠自治运行需满足相应约束，包括区域内有功功率平衡约束如式(13)、区域内无功功率平衡约束如式(14)，以及计及潮流问题，需满足潮流约束式(15)-式(20)；

约束条件如下：

(1)孤岛自治区域功率平衡及潮流约束：

P_ij(t)＝(ΔV_i-ΔV_j)G_ij-(θ_i-θ_j)B_ij (15)

Q_ij(t)＝-(ΔV_i-ΔV_j)B_ij-(θ_i-θ_j)G_ij (16)

B_sh＝[B₁₀,B₂₀,...,B_i0,B_NB0]^T (20)

式中：Ω_BN为节点集合；N_B为节点总数；P_c,i(t)、Q_c,i(t)分别为t时刻节点i处传统DG的有功、无功功率出力；P_p,i(t)为t时刻节点i处PV的有功功率出力；

分别为t时刻节点i处储能充电、放电功率；P_D,i(t)、Q_D,i(t)为t时刻节点i处负荷功率；Q_e,i(t)为t时刻节点i处储能无功功率；LC_a,i(t)、LC_r,i(t)分别为t时刻节点i处负荷削减有功、无功功率；G_ij为节点i与节点j间支路电导；B_ij为节点i与节点j间支路电纳；θ_i为节点i电压相角；θ_j为节点j电压相角；ΔV为电压增量；B_i0为节点i的并联电纳；P_ij(t)、Q_ij(t)为节点i与节点j间支路有功、无功功率；

(2)线路容量约束，线路传输的有功功率和无功功率均需满足上下限约束，确保网络安全性；

式中：

P_ij 分别为支路有功功率上下限；

Q_ij 分别为支路无功功率上下限；

(3)电压幅值约束和相角约束，节点电压幅值与相角均需满足上下限约束，确保网络安全性；

式中：V_i(t)为t时刻节点i处电压幅值；θ_i(t)为t时刻节点i处电压相角；

V_i 为电压幅值上下限；

θ_i 为电压相角上下限；

(4)ESS相关运行约束，包括SOC约束、充放电功率约束，确保ESS安全可靠运行；

式中：SOC_e,i(t)为t时刻节点i处ESS的荷电状态；

分别为t时刻节点i处ESS的充放电效率；、

SOC_e,i 分别为ESS允许的SOC最大值和最小值；

为ESS的充放电状态，为0-1变量；

Q_e,i 为ESS输出无功功率上下限；

为ESS充电功率上下限；

为ESS放电功率上下限；

(5)PV和传统DG功率约束，PV和传统DG出力均需满足上下限约束，确保PV和传统DG安全可靠运行；

式中：

P_c,i 为传统DG输出有功功率上下限；

Q_c,i 为传统DG输出无功功率上下限；

P_p,i 为光伏出力上下限。

5.根据权利要求要求1所述的一种含DG配电网区域自治能力评估方法，其特征在于，

所述步骤(1.5)中区域自治能力评估指标，具体叙述如下：

模拟极端风灾事件，在失电区域和孤岛自治区域内跟踪故障持续时间和负荷失电情况，同时，基于孤岛自治区域优化模型优化得出孤岛自治区域运行时负荷节点的状态，更新每个负荷节点的状态参数：失电标志OF_l在负荷失电情况下取1，反之取0；同时记录削减电量ENS_l和停电持续时间OD_l；基于此，形成负荷节点区域自治能力指标Res_LP：

Res_LP＝{EPI_l,EOD_l,EENS_l} (34)

式中：EPI_l为中断期望概率；EOD_l为中断期望持续时间；EENS_l为中断未提供期望电量；N_s表示模拟风事件情景的总数；

表示单个负荷节点经历停电的模拟风事件场景的数量；

系统区域自治能力指标Res_sys如下所示：

Res_sys＝{EPI_sys,EOD_sys,EENS_sys} (38)

式中：EPI_sys为整个系统的的中断期望概率；EOD_sys是整个系统因中断而导致的平均中断时间；EENS_sys表示由于供电中断而不能为整个系统提供的平均能量；LP为负荷节点集合，分为负荷节点集合LP_Cr和非重要负荷节点集合LP_Ncr。

Images