CN113569411B - 一种面向灾害天气的电网运行风险态势感知方法 - Google Patents

Abstract

本发明专利提出了一种面向灾害天气的电网运行风险态势感知方法。该方法基于时变风速的贝叶斯网络，建立了考虑风速和断线故障导致潮流转移的电网时变风险传播模型；采用拉丁超立方抽样的蒙特卡洛模拟法，结合最优直流潮流模型求解电网运行状态参数；构建电网运行风险态势感知指标体系，实现线路风险态势、负荷水平态势、电网韧性态势的呈现和预测。为面向灾害天气的电网运行风险态势提供一种有效的实时感知方法。

Description

一种面向灾害天气的电网运行风险态势感知方法

技术领域

本发明属于电力系统技术领域，涉及一种面向灾害天气的电网运行风险态势感知方法。

背景技术

气候变化导致的极端天气事件对电网造成极大损失，特别是台风事件在我国沿海地区愈加频繁，极高风速最易导致电网杆塔和架空线失效，以至于导致电网大面积停电事故。2016年福建遭遇台风“莫兰蒂”侵袭，造成多条500kV线路损坏，2019年台风“利奇马”登陆浙江，造成华东及华北区域浙江、福建、上海、江苏等省共计停电38座110kV及以上变电站、168条110kV及以上线路，停电759.17万用户。现阶段，如何评估电网应对极端天气的能力以及结合气象部门的预报信息辨识电网在极端气象下的风险态势，是亟需解决的问题。

在这种背景下，提出了一种面向灾害天气的电网运行风险态势感知方法，以实时掌握当前电网运行风险态势并预测未来的运行风险态势变化。首先，获取台风历史数据，并采集实时风速，电网结构参数，地理数据，以模型驱动方式建立台风风场模型；然后，基于时变风速的贝叶斯网络，提出了考虑风速和断线故障导致潮流转移的电网时变风险传播模型，以拉丁超立方抽样的蒙特卡洛模拟方法，采用直流潮流的最优负荷削减模型求解，得到电网的实时运行状态；最后构建了面向灾害天气的电网运行风险态势指标体系，以实现电网运行风险态势的呈现和预测。

发明内容

本发明专利的目的是针对上述现状，提出一种面向灾害天气的电网运行风险态势感知方法，该方法基于时变风速的贝叶斯网络，建立了考虑风速和断线故障导致潮流转移的电网时变风险传播模型；采用拉丁超立方抽样的蒙特卡洛模拟法，结合最优直流潮流模型求解电网运行状态参数；构建电网运行风险态势感知指标体系，实现线路风险态势、负荷水平态势、电网韧性态势的呈现和预测，为面向灾害天气的电网运行风险态势提供一种有效的实时感知方法。

本发明的上述技术问题主要通过以下技术方案实现的：

一种面向灾害天气的电网运行风险态势感知方法，其特征在于：包括以下步骤

步骤1：结合台风风场模型，建立线路故障概率模型，并利用拉丁超立方抽样的蒙特卡洛模拟法抽样电网线路状态，基于贝叶斯网络数学模型进行参数训练，构建电网时变风险传播模型；

步骤2：采集的台风气象数据和电网数据，通过步骤1的电网时变风险传播模型得到各线路的故障风险概率；其中台风气象数据包括当前时刻点的风速、中心气压参数，电网数据包括系统的电气参数和地理参数；

步骤3：根据电网直流潮流的最优负荷削减模型确定当前时刻风速下各负荷点的供电状态，并计算系统节点的缺供负荷及线路潮流；

步骤4：计算当前时刻线路风险态势指标，电网负荷水平态势指标，对电网的运行风险态势实时呈现；

步骤5：进入下个台风时刻，更新台风灾害位置、风速状态；

步骤6：重复1)—5)直到台风灾害过境；

步骤7：重复1)—6)对台风过程进行多次模拟；

步骤8：计算电网韧性态势指标，对电网在台风下的韧性态势进行评估。

在上述的面向灾害天气的电网运行风险态势感知方法，步骤1具体过程为：

建立台风参数化Batts模型，可计算出台风风场中各点的风速大小；

式中：R_max为台风最大风速半径；V_Rmax为最大风速半径对应的风速；r为待测点距台风中心的距离；V为待测点风速；α·根据不同台风的情况在0.5～0.7之间变化；

采用电杆应力–强度干涉模型，得到相应风速下电杆的故障率；线路k的故障率p_k可根据电杆串联模型式(2)进行计算；

式中：为第i根电杆倒杆故障率；h为线路k总的电杆基数；在台风气象下，风速实时变化，故线路故障率p_k为时变函数；

对于含n条线路组成的电力系统，t₁时刻的系统状态由各条线路的状态组成，其中t₁时刻线路k的状态为：

式中：为拉丁超立方抽样的代表t₁时刻线路k的随机数；/>为t₁时刻风速下的线路故障概率，由式(2)可得；

在抽样得到电网t₁时刻n条线路的状态后，形成该时刻的系统状态；再保留该时刻故障线路的状态，对余下线路继续抽样得到t₂时刻的系统状态，直到完成对整个台风过程的系统状态抽样，形成故障场景集；

构建基于贝叶斯网络的电网时变风险传播模型，基于贝叶斯网络数学模型，以线路状态事件和线路所受的时刻风速事件作为节点集合；以风速导致线路的断线，线路断线引起的潮流转移造成下级线路的停运，两条先验知识确定模型的拓扑边；

定义包含节点集合Г_N、边集合Г_L的图Г(Г_N,Г_L)，形成贝叶斯网络结构；在贝叶斯网络中，包含w个随机变量的集合A＝{X₁,X₂,…,X_w}，其中，随机变量X_i的条件概率函数可表示为：

Φ(x_i)＝P(X_i＝x_i|Fⁱ,X_i∈A) (4)

式中，P(·)为概率，x_i为随机变量X_i的取值；Fⁱ为随机变量X_i在图Г(Г_N,Г_L)中对应节点N_i的所有父节点集合，N表示节点；

贝叶斯网络的参数即为图中所有节点的条件概率函数集合Θ，结合式(4)，即：

Θ＝{Φ|N_i∈Γ_N} (5)

N_i表示第i个节点，此处i取值为1,…,w，与随机变量X_i一一相对应；在包含n条支路的电网中，定义线路k的风致潮流转移概率为：

式中：为支路j断开后支路k上转移的有功潮流增量；/>为支路j断开后支路k当前的有功潮流量；P_kmax为支路k的最大传输有功功率；

其中，风致N–k故障后的线路潮流可基于潮流折返过程，采用虚拟支路等效法进行计算，其潮流转移分布因子矩阵为：

式中，表示支路j发生故障被切除后，与剩余支路k间的潮流转移因子；

在若干支路断开后，各受影响支路的线路潮流量可表示为初始有功潮流与转移的潮流增量之和的关系，得到N-k故障后的线路潮流矩阵为：

式中，P⁰为台风前各条线路的初始潮流集，

通过训练数据矩阵D生成基于贝叶斯网络的电网时变风险传播模型，D包含两部分，分别为态势觉察阶段线路所处位置的台风时序风速以及该风速下风致线路潮流转移的有功潮流，该模型综合反映了台风气象下电网线路风险传播的时空相关性，数据矩阵D记为：

式中：分别为t_m时刻线路Ln的所受风速和当前有功潮流；D_V为m个时刻下n条线路所受的时变风速构成的实时风速矩阵；D_P为m个时刻下n条线路的有功潮流矩阵；

通过对各线路状态的随机抽样，根据式(4)、(5)、(9)训练数据，可以建立如下的优化模型：

Θ*＝argmax(L(D|Γ_N,Γ_L,Θ)) (10)

式中，L(D|Γ_N,Γ_L,Θ)为贝叶斯网络关于数据集D的似然函数，Θ*得到使似然函数最大化的贝叶斯网络数据矩阵D。

在上述的面向灾害天气的电网运行风险态势感知方法，步骤3具体过程为：

构建电网直流潮流的最优负荷削减模型；台风侵袭过程中，多重故障时，存在解列成几个子系统的可能，在满足孤岛运行的子系统内分别进行调度或负荷削减，以满足系统的静态安全条件，否则认为该处负荷节点失效；直流潮流的最优负荷削减模型构建如下：

式中：P_kmax分别为第j台发电机的有功下限和上限、第k条线路t时刻的有功潮流和线路的有功潮流限值；/> 分别为第j台发电机有功出力、第i个节点处的负荷削减量和负荷需求量；M_G、M_D和M_L分别为发电机、负荷母线以及线路总数；第1个约束为系统有功功率平衡约束；第2个约束为发电机有功出力限额约束；第3个约束为节点负荷削减约束；第4个约束为线路有功潮流约束；模型的目标是求取满足功率平衡、直流潮流方程以及线路潮流和发电出力约束条件下的最小负荷削减总量；

基于Matlab计算系统节点的缺供负荷及线路潮流。

在上述的面向灾害天气的电网运行风险态势感知方法，步骤4具体过程为：

定义线路k在t时刻的实时风险态势指标f_k(t)，反映线路的实时风险态势，其值为关于时间的函数，依赖于贝叶斯网络的电网时变风险传播模型，以及风致潮流转移概率

式中：为t时刻线路k的风致停运事件；S^t为t时刻系统状态；由于线路k断线与上级线路断线导致的线路k潮流越限相互独立，因此进一步结合式(2)、(6)可得：

在不计及风速影响下的线路k实时风险态势即为潮流转移概率，为线路k在t时刻的故障率,/>为t时刻线路Ln所受风速,t＝t₀,…,t_m，实时风险态势指标基于贝叶斯网络模型，对每个时刻风速下线路运行风险进行实时评估，综合了线路倒杆概率这一先验知识，反映下级线路受支路开断影响导致的潮流越线风险概率，可一定程度上反映线路之间的级联关系；

选用失负荷期望值E_LOL作为衡量电网负荷水平态势的指标；失负荷期望值表示电力系统线路停运而造成的负荷削减期望值，反映了故障的严重程度，也反映实时的负荷水平态势，定义为：

在上述的面向灾害天气的电网运行风险态势感知方法，步骤8具体过程为：

定义电网运行风险态势指标体系，形成对电网态势的综合分析和评价指标，从运行角度呈现电网的实时以及未来的运行风险态势；

根据系统在台风自然灾害整个过程的表现，定义反映电网时变风险的韧性态势指标为：

式中：E(·)表示期望值；f_k(t)为线路k的实时风险态势指标，由式(12)可得；n为线路数量，m为表示第m时刻，m数值和时变风速的采样数相同，对应m个采样数；p_LOL(t)为失负荷概率；l_R(t)为系统在极端自然灾害的实际系统负荷曲线；l_I(t)为系统在无故障发生情况下的理想负荷曲线；

韧性态势指标以电网实时的贝叶斯网络拓扑为模型，综合线路断线概率、风致潮流转移概率，以及实时负荷曲线，可反映电网在台风灾害天气下的系统韧性态势。

与传统电网运行风险辨识方法对比，本发明以贝叶斯网络建立实时的电网运行风险传播模型，综合线路断线概率、风致潮流转移概率，以及实时负荷曲线，充分挖掘气象和电网参数数据，能实时反映电网在灾害天气下的运行风险态势，既考虑风致断线以及断线引起潮流转移的线路故障风险，为面向灾害天气的电网运行风险态势提供一种有效的实时感知方法。

附图说明

图1是电力系统地理拓扑图。

图2是电网运行风险态势感知方法评估流程。

图3是电网初始贝叶斯网络结构。

图4是台风过程部分线路故障概率。

图5是E_LOL的收敛系数过程曲线。

图6是失负荷期望E_LOL。

图7是系统负荷曲线。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步的说明。

本发明专利涉及一种面向灾害天气的电网运行风险态势感知方法，尤其是涉及一种基于时变风速的贝叶斯网络，建立考虑风速和断线故障导致潮流转移的电网时变风险传播模型，采用拉丁超立方抽样的蒙特卡洛模拟法，结合最优直流潮流模型求解电网运行状态参数，构建电网运行风险态势感知指标体系，实现线路风险态势、负荷水平态势、电网韧性态势的呈现和预测的方法，目前国内外研究文献中还没有提出面向灾害天气，反应时变风速导致多线路短线的电网运行风险态势感知方法，因此本方法为面向灾害天气的电网运行风险态势提供一种有效的实时感知方法。

实施例

本发明的技术方案主要是基于时变风速的贝叶斯网络，建立考虑风速和断线故障导致潮流转移的电网时变风险传播模型，采用拉丁超立方抽样的蒙特卡洛模拟法，结合最优直流潮流模型求解电网运行状态参数，构建电网运行风险态势感知指标体系，实现线路风险态势、负荷水平态势、电网韧性态势的呈现和预测。

一、首先介绍本发明的原理。

包括以下步骤

步骤1：结合台风风场模型，建立线路故障概率模型，并利用拉丁超立方抽样的蒙特卡洛模拟法抽样电网线路状态，基于贝叶斯网络数学模型进行参数训练，构建电网时变风险传播模型；

步骤2：采集的台风气象数据和电网数据，通过步骤1的电网时变风险传播模型得到各线路的故障风险概率；其中台风气象数据包括当前时刻点的风速、中心气压参数，电网数据包括系统的电气参数和地理参数；

步骤3：根据电网直流潮流的最优负荷削减模型确定当前时刻风速下各负荷点的供电状态，并计算系统节点的缺供负荷及线路潮流；

步骤4：计算当前时刻线路风险态势指标，电网负荷水平态势指标，对电网的运行风险态势实时呈现；

步骤5：进入下个台风时刻，更新台风灾害位置、风速状态；

步骤6：重复1)—5)直到台风灾害过境；

步骤7：重复1)—6)对台风过程进行多次模拟；

步骤8：计算电网韧性态势指标，对电网在台风下的韧性态势进行评估。

步骤1具体过程为：

建立台风参数化Batts模型，可计算出台风风场中各点的风速大小；

式中：R_max为台风最大风速半径；V_Rmax为最大风速半径对应的风速；r为待测点距台风中心的距离；V为待测点风速；α根据不同台风的情况在0.5～0.7之间变化；

采用电杆应力–强度干涉模型，得到相应风速下电杆的故障率；线路k的故障率p_k可根据电杆串联模型式(17)进行计算；

式中：为第i根电杆倒杆故障率；h为线路k总的电杆基数；在台风气象下，风速实时变化，故线路故障率p_k为时变函数；

对于含n条线路组成的电力系统，t₁时刻的系统状态由各条线路的状态组成，其中t₁时刻线路k的状态为：

式中：为拉丁超立方抽样的代表t₁时刻线路k的随机数；/>为t₁时刻风速下的线路故障概率，由式(17)可得；

在抽样得到电网t₁时刻n条线路的状态后，形成该时刻的系统状态；再保留该时刻故障线路的状态，对余下线路继续抽样得到t₂时刻的系统状态，直到完成对整个台风过程的系统状态抽样，形成故障场景集；

构建基于贝叶斯网络的电网时变风险传播模型，基于贝叶斯网络数学模型，以线路状态事件和线路所受的时刻风速事件作为节点集合；以风速导致线路的断线，线路断线引起的潮流转移造成下级线路的停运，两条先验知识确定模型的拓扑边；

定义包含节点集合Г_N、边集合Г_L的图Г(Г_N,Г_L)，形成贝叶斯网络结构；在贝叶斯网络中，包含w个随机变量的集合A＝{X₁,X₂,…,X_w}，其中，随机变量X_i的条件概率函数可表示为：

Φ(x_i)＝P(X_i＝x_i|Fⁱ,X_i∈A) (19)

式中，P(·)为概率，x_i为随机变量X_i的取值；Fⁱ为随机变量X_i在图Г(Г_N,Г_L)中对应节点N_i的所有父节点集合，N表示节点；

贝叶斯网络的参数即为图中所有节点的条件概率函数集合Θ，结合式(19)，即：

Θ＝{Φ|N_i∈Γ_N} (20)

N_i表示第i个节点，此处i取值为1,…,w，与随机变量X_i一一相对应；在包含n条支路的电网中，定义线路k的风致潮流转移概率为：

式中：为支路j断开后支路k上转移的有功潮流增量；/>为支路j断开后支路k当前的有功潮流量；P_kmax为支路k的最大传输有功功率；

其中，风致N–k故障后的线路潮流可基于潮流折返过程，采用虚拟支路等效法进行计算，其潮流转移分布因子矩阵为：

式中，表示支路j发生故障被切除后，与剩余支路k间的潮流转移因子；

在若干支路断开后，各受影响支路的线路潮流量可表示为初始有功潮流与转移的潮流增量之和的关系，得到N-k故障后的线路潮流矩阵为：

式中，P⁰为台风前各条线路的初始潮流集，

通过训练数据矩阵D生成基于贝叶斯网络的电网时变风险传播模型，D包含两部分，分别为态势觉察阶段线路所处位置的台风时序风速以及该风速下风致线路潮流转移的有功潮流，该模型综合反映了台风气象下电网线路风险传播的时空相关性，数据矩阵D记为：

式中：分别为t_m时刻线路Ln的所受风速和当前有功潮流；D_V为m个时刻下n条线路所受的时变风速构成的实时风速矩阵；D_P为m个时刻下n条线路的有功潮流矩阵；

通过对各线路状态的随机抽样，根据式(19)、(20)、(24)训练数据，可以建立如下的优化模型：

Θ*＝argmax(L(D|Γ_N,Γ_L,Θ)) (25)

式中，L(D|Γ_N,Γ_L,Θ)为贝叶斯网络关于数据集D的似然函数，Θ*得到使似然函数最大化的贝叶斯网络数据矩阵D。

步骤3具体过程为：

构建电网直流潮流的最优负荷削减模型；台风侵袭过程中，多重故障时，存在解列成几个子系统的可能，在满足孤岛运行的子系统内分别进行调度或负荷削减，以满足系统的静态安全条件，否则认为该处负荷节点失效；直流潮流的最优负荷削减模型构建如下：

式中：P_kmax分别为第j台发电机的有功下限和上限、第k条线路t时刻的有功潮流和线路的有功潮流限值；/> 分别为第j台发电机有功出力、第i个节点处的负荷削减量和负荷需求量；M_G、M_D和M_L分别为发电机、负荷母线以及线路总数；第1个约束为系统有功功率平衡约束；第2个约束为发电机有功出力限额约束；第3个约束为节点负荷削减约束；第4个约束为线路有功潮流约束；模型的目标是求取满足功率平衡、直流潮流方程以及线路潮流和发电出力约束条件下的最小负荷削减总量；

基于Matlab计算系统节点的缺供负荷及线路潮流。

步骤4具体过程为：

定义线路k在t时刻的实时风险态势指标f_k(t)，反映线路的实时风险态势，其值为关于时间的函数，依赖于贝叶斯网络的电网时变风险传播模型，以及风致潮流转移概率

式中：为t时刻线路k的风致停运事件；S^t为t时刻系统状态；由于线路k断线与上级线路断线导致的线路k潮流越限相互独立，因此进一步结合式(17)、(21)可得：

在不计及风速影响下的线路k实时风险态势即为潮流转移概率，为线路k在t时刻的故障率,/>为t时刻线路Ln所受风速,t＝t₀,…,t_m，实时风险态势指标基于贝叶斯网络模型，对每个时刻风速下线路运行风险进行实时评估，综合了线路倒杆概率这一先验知识，反映下级线路受支路开断影响导致的潮流越线风险概率，可一定程度上反映线路之间的级联关系；

选用失负荷期望值E_LOL作为衡量电网负荷水平态势的指标；失负荷期望值表示电力系统线路停运而造成的负荷削减期望值，反映了故障的严重程度，也反映实时的负荷水平态势，定义为：

步骤8具体过程为：

定义电网运行风险态势指标体系，形成对电网态势的综合分析和评价指标，从运行角度呈现电网的实时以及未来的运行风险态势；

根据系统在台风自然灾害整个过程的表现，定义反映电网时变风险的韧性态势指标为：

式中：E(·)表示期望值；f_k(t)为线路k的实时风险态势指标，由式(27)可得；n为线路数量，m为表示第m时刻，m数值和时变风速的采样数相同，对应m个采样数；p_LOL(t)为失负荷概率；l_R(t)为系统在极端自然灾害的实际系统负荷曲线；l_I(t)为系统在无故障发生情况下的理想负荷曲线；

韧性态势指标以电网实时的贝叶斯网络拓扑为模型，综合线路断线概率、风致潮流转移概率，以及实时负荷曲线，可反映电网在台风灾害天气下的系统韧性态势。

二、下面采用IEEE RTS-79节点系统实例对上述方法进行仿真验证，IEEE RTS-79节点系统的地理拓扑图如图1所示，其中贯穿线实线为以气象部门历史台风数据建立的Batts台风模型模拟的台风路径。

以台风气象成型时刻作为本算例的初始仿真时刻t₀。台风t₀时刻，电网初始贝叶斯网络拓扑如图3所示。线路受该处t₀时刻的风速影响，拓扑边综合断线概率以及风致潮流转移概率两条先验知识，贝叶斯网络拓扑结构根据台风气象实时更新。采用MATLAB仿真平台，以及贝叶斯网络工具箱(FullBNTP-1.0.4)进行参数训练及模型求解，并进行实时电网最优直流潮流计算。图2是电网运行风险态势感知方法评估流程。

根据图1所示的电网地理位置，线路11、21、36最先遭遇台风侵袭，其线路故障概率如图4所示。可以看出，在台风事件的第69h，电网存在线路21、36、37断线事件(线路37与线路36为同杆并架线路，线路断线概率相同)，电网拓扑结构首次发生改变。

根据t₆₉时刻，线路21、36、37断线下的贝叶斯网络模型，分析线路的实时风险态势。下面对比分析文中所提的线路实时风险态势指标f_k(t₆₉)与常规的仅风速导致的线路故障概率p_k之间的识别效果。重点线路故障概率p_k和线路t₆₉时刻的实时风险态势指标f_k(t₆₉)如表1所示。

表1 t₆₉时刻重点线路的风险态势

由表1可知，线路故障概率指标p_k反映出线路11、12、13、19、22、23存在高概率断线趋势。对比分析相应的风险态势指标f_k(t₆₉)，对于存在高概率断线风险的线路，其风险态势指标绝对值也均高于其他线路；线路22的风险态势指标数值为负值，表明其存在潮流越限；剩余线路中20、29、34、35的指标值也较高，表明线路虽然断线风险较低，但存在其他线路断线下，本线路有功潮流越限的风险。

结合电网网架结构进行分析，线路15、17、20、34、35均为当前断线线路的邻级线路，线路18、29也为两级以内的线路，结构关联度高。对于常规的线路断线风险指标而言，风险态势指标不仅较为准确地识别出高风险断线线路以及高风险潮流越限线路，也对断线故障下潮流转移走势作出预判，可为电网运行调度人员提供良好的指导建议，凸显出风险态势指标较线路故障概率指标的风险评估优势。

仿真对台风完整过程进行了模拟，对比分析了在相同轮次抽样情况下，常规采用的简单随机抽样的蒙特卡洛法与采用拉丁超立方抽样LHS的蒙特卡洛方法的收敛情况。

如图5、6所示，简单随机抽样下的蒙特卡洛方法，其方差收敛系数β^E收敛慢于基于拉丁超立方抽样的蒙特卡洛方法，且简单随机抽样法的结果并未收敛，非可信数据。电网在遭受台风侵袭过程中，采用拉丁超立方抽样的蒙特卡洛法负荷水平态势指标——失负荷期望值E_LOL约为116MW。该指标利用当前实测台风数据，得到实时预测的电网失负荷期望值，可结合实时线路风险态势，对高风险元件进行加固，或潮流调度，来减少电网的失负荷量。

电网韧性态势指标H_r旨在衡量电网应对台风事件的抵御能力，反映电网当前的综合态势。为体现该指标在不同网架结构强度下的差异性，本节结合实时线路风险态势所指出的高风险线路11、12、20，以及潮流越限线路22，在t₆₉时刻的电网结构下，分别进行高风险线路加固和潮流调度，制定方案如下：

1)保持t₆₉时刻电网网架参数。

2)方案1下提高线路11、12、19、23的杆塔强度，将设计风速提高至35m/s。

3)方案1下，对线路22进行潮流调度，增加相邻线路的潮流约束限额。

不同方案下的电力系统韧性评估结果如表2所示，图7给出了三种方案下的系统负荷曲线。

表2电力系统韧性评估结果

方案	方案1	方案2	方案3
				Hr	17.4645	20.5364	18.7545

从表2计算结果可以看出，方案2在增强故障杆塔的抗风强度后，电力系统韧性得到明显改善。

从图7看出，方案2、3分别对系统结构加固以及潮流做出优化调度后，也可减少负荷削减。

仿真结果表明，本发明提出的面向灾害天气的电网运行风险态势感知方法能有效的有效评估电网运行风险态势，为电网应对台风灾害天气提出合理的运行调度方案以及增强策略，有效降低电网的切负荷率，提高电网的韧性。

以上实施例仅用以说明本发明的技术方案而非对其限制，本发明所属技术领域的技术人员可对说描述的具体实例做各种修改或补偿，但并不会偏离本发明所附权利要求所定义的范围。

Claims (5)

1.一种面向灾害天气的电网运行风险态势感知方法，其特征在于：包括以下步骤

步骤1：结合台风风场模型，建立线路故障概率模型，并利用拉丁超立方抽样的蒙特卡洛模拟法抽样电网线路状态，基于贝叶斯网络数学模型进行参数训练，构建电网时变风险传播模型；

步骤2：采集的台风气象数据和电网数据，通过步骤1的电网时变风险传播模型得到各线路的故障风险概率；其中台风气象数据包括当前时刻点的风速、中心气压参数，电网数据包括系统的电气参数和地理参数；

步骤3：根据电网直流潮流的最优负荷削减模型确定当前时刻风速下各负荷点的供电状态，并计算系统节点的缺供负荷及线路潮流；

步骤4：计算当前时刻线路风险态势指标，电网负荷水平态势指标，对电网的运行风险态势实时呈现；

步骤5：进入下个台风时刻，更新台风灾害位置、风速状态；

步骤6：重复1)—5)直到台风灾害过境；

步骤7：重复1)—6)对台风过程进行多次模拟；

步骤8：计算电网韧性态势指标，对电网在台风下的韧性态势进行评估。

2.根据权利要求1所述的面向灾害天气的电网运行风险态势感知方法，其特征在于，步骤1具体过程为：

建立台风参数化Batts模型，可计算出台风风场中各点的风速大小；

式中：R_max为台风最大风速半径；V_Rmax为最大风速半径对应的风速；r为待测点距台风中心的距离；V为待测点风速；α根据不同台风的情况在0.5～0.7之间变化；

采用电杆应力–强度干涉模型，得到相应风速下电杆的故障率；线路k的故障率p_k可根据电杆串联模型式(2)进行计算；

式中：为第i根电杆倒杆故障率；h为线路k总的电杆基数；在台风气象下，风速实时变化，故线路故障率p_k为时变函数；

对于含n条线路组成的电力系统，t₁时刻的系统状态由各条线路的状态组成，其中t₁时刻线路k的状态为：

式中：为拉丁超立方抽样的代表t₁时刻线路k的随机数；/>为t₁时刻风速下的线路故障概率，由式(2)可得；

在抽样得到电网t₁时刻n条线路的状态后，形成该时刻的系统状态；再保留该时刻故障线路的状态，对余下线路继续抽样得到t₂时刻的系统状态，直到完成对整个台风过程的系统状态抽样，形成故障场景集；

构建基于贝叶斯网络的电网时变风险传播模型，基于贝叶斯网络数学模型，以线路状态事件和线路所受的时刻风速事件作为节点集合；以风速导致线路的断线，线路断线引起的潮流转移造成下级线路的停运，两条先验知识确定模型的拓扑边；

定义包含节点集合Г_N、边集合Г_L的图Г(Г_N,Г_L)，形成贝叶斯网络结构；在贝叶斯网络中，包含w个随机变量的集合A＝{X₁,X₂,…,X_w}，其中，随机变量X_i的条件概率函数可表示为：

Φ(x_i)＝P(X_i＝x_i|Fⁱ,X_i∈A) (4)

式中，P(·)为概率，x_i为随机变量X_i的取值；Fⁱ为随机变量X_i在图Г(Г_N,Г_L)中对应节点N_i的所有父节点集合，N表示节点；

贝叶斯网络的参数即为图中所有节点的条件概率函数集合Θ，结合式(4)，即：

Θ＝{Φ|N_i∈Γ_N} (5)

N_i表示第i个节点，此处i取值为1,…,w，与随机变量X_i一一相对应；在包含n条支路的电网中，定义线路k的风致潮流转移概率为：

式中：为支路j断开后支路k上转移的有功潮流增量；/>为支路j断开后支路k当前的有功潮流量；P_kmax为支路k的最大传输有功功率；

其中，风致N–k故障后的线路潮流可基于潮流折返过程，采用虚拟支路等效法进行计算，其潮流转移分布因子矩阵为：

式中，表示支路j发生故障被切除后，与剩余支路k间的潮流转移因子；

在若干支路断开后，各受影响支路的线路潮流量可表示为初始有功潮流与转移的潮流增量之和的关系，得到N-k故障后的线路潮流矩阵为：

式中，P⁰为台风前各条线路的初始潮流集，

通过训练数据矩阵D生成基于贝叶斯网络的电网时变风险传播模型，D包含两部分，分别为态势觉察阶段线路所处位置的台风时序风速以及该风速下风致线路潮流转移的有功潮流，该模型综合反映了台风气象下电网线路风险传播的时空相关性，数据矩阵D记为：

式中：分别为t_m时刻线路Ln的所受风速和当前有功潮流；D_V为m个时刻下n条线路所受的时变风速构成的实时风速矩阵；D_P为m个时刻下n条线路的有功潮流矩阵；

通过对各线路状态的随机抽样，根据式(4)、(5)、(9)训练数据，可以建立如下的优化模型：

Θ*＝argmax(L(D|Γ_N,Γ_L,Θ)) (10)

式中，L(D|Γ_N,Γ_L,Θ)为贝叶斯网络关于数据集D的似然函数，Θ*得到使似然函数最大化的贝叶斯网络数据矩阵D。

3.根据权利要求1所述的面向灾害天气的电网运行风险态势感知方法，其特征在于，步骤3具体过程为：

构建电网直流潮流的最优负荷削减模型；台风侵袭过程中，多重故障时，存在解列成几个子系统的可能，在满足孤岛运行的子系统内分别进行调度或负荷削减，以满足系统的静态安全条件，否则认为该处负荷节点失效；直流潮流的最优负荷削减模型构建如下：

式中：P_kmax分别为第j台发电机的有功下限和上限、第k条线路t时刻的有功潮流和线路的有功潮流限值；P_j ^G、P_i ^C、P_i ^D分别为第j台发电机有功出力、第i个节点处的负荷削减量和负荷需求量；M_G、M_D和M_L分别为发电机、负荷母线以及线路总数；第1个约束为系统有功功率平衡约束；第2个约束为发电机有功出力限额约束；第3个约束为节点负荷削减约束；第4个约束为线路有功潮流约束；模型的目标是求取满足功率平衡、直流潮流方程以及线路潮流和发电出力约束条件下的最小负荷削减总量；

基于Matlab计算系统节点的缺供负荷及线路潮流。

4.根据权利要求1所述的面向灾害天气的电网运行风险态势感知方法，其特征在于，步骤4具体过程为：

定义线路k在t时刻的实时风险态势指标f_k(t)，反映线路的实时风险态势，其值为关于时间的函数，依赖于贝叶斯网络的电网时变风险传播模型，以及风致潮流转移概率

式中：为t时刻线路k的风致停运事件；S^t为t时刻系统状态；由于线路k断线与上级线路断线导致的线路k潮流越限相互独立，因此进一步结合式(2)、(6)可得：

在不计及风速影响下的线路k实时风险态势即为潮流转移概率， 为线路k在t时刻的故障率,/>为t时刻线路Ln所受风速,t＝t₀,…,t_m，实时风险态势指标基于贝叶斯网络模型，对每个时刻风速下线路运行风险进行实时评估，综合了线路倒杆概率这一先验知识，反映下级线路受支路开断影响导致的潮流越线风险概率，可一定程度上反映线路之间的级联关系；

选用失负荷期望值E_LOL作为衡量电网负荷水平态势的指标；失负荷期望值表示电力系统线路停运而造成的负荷削减期望值，反映了故障的严重程度，也反映实时的负荷水平态势，定义为：

5.根据权利要求1所述的面向灾害天气的电网运行风险态势感知方法，其特征在于，步骤8具体过程为：

定义电网运行风险态势指标体系，形成对电网态势的综合分析和评价指标，从运行角度呈现电网的实时以及未来的运行风险态势；

根据系统在台风自然灾害整个过程的表现，定义反映电网时变风险的韧性态势指标为：

式中：E(·)表示期望值；f_k(t)为线路k的实时风险态势指标，由式(12)可得；n为线路数量，m为表示第m时刻，m数值和时变风速的采样数相同，对应m个采样数；p_LOL(t)为失负荷概率；l_R(t)为系统在极端自然灾害的实际系统负荷曲线；l_I(t)为系统在无故障发生情况下的理想负荷曲线；

韧性态势指标以电网实时的贝叶斯网络拓扑为模型，综合线路断线概率、风致潮流转移概率，以及实时负荷曲线，可反映电网在台风灾害天气下的系统韧性态势。