技术领域
[0001] 本
发明涉及有源配电网安全监测技术领域，具体涉及一种规模化充电设施接入有源配电网的安全性量化评估方法。
背景技术
[0002] 传统配电网是无源电网，潮流方向从配电
变压器母线单向流入各个负荷
节点，潮流计算、设备保护、系统监测与调整相对比较简单。而分布式光伏电源从固定节点接入配电侧后，系统变成有源环网，负荷同时接收从配电变和光伏节点输送而来的
电能，各节点
电压随着接入光伏容量的不同产生相应变化，线路功率可能出现倒流现象等等，线路参数的复杂变化给系统的安全稳定运行带来巨大潜在威胁。其中起决定性作用的一个因素就是光伏的出
力情况，由于
太阳能光伏发电随机性强、
能量密度低、受天气地域环境等众多因素的影响明显，导致光伏出力
波动性大，进而影响节点电压和线路
电流的随机变化，节点电压的过度抬高会导致电压偏移容许范围，还会引起电压波动及闪变等。除此之外，分布式光伏并网还可能带来计划外
孤岛运行等问题，严重影响孤岛系统关联区域的供电
质量，不仅影响配电网的安全运行，也会降低供电可靠性。随着分布式光伏电源接入规模的不断增大、其发电力度在系统中的渗透率不断提高，它对配电网调峰调频、规划调度等方面将产生越来越明显的影响。
[0003] 近年来，电动
汽车得到快速发展。电动汽车一方面在充电时从电网获取电能，另一方面在放电时向电网馈送电能，这种模式被称为V2G模式。对电力系统而言，合理协调电动汽车的储能放电行为，可以实现对电网的有利调控。太阳能光伏发电这种随机性、波动性较强的分布式电源的大规模接入配电网，导致系统输出功率具有较大波动性，电动汽车的可中断负荷特性可以对分布式电源接入所产生的波动进行平衡。电动汽车虽然不像光伏受光照等天气因素影响大，但受人为因素影响同样具有复杂的随机性和波动性，规模化充电设施接入有源配电网，使得有源配电网的安全监控更为复杂。
[0004] 电力系统的安全性是要求电力系统中的所有电气设备在不超过它们所允许的电压、电流和
频率的条件下运行，不仅在正常运行情况下如此，在事故情况下也应该如此。它反映了系统在短时间里持续供电的能力。目前对输电侧的安全性分析相对比较成熟，但对配电网的安全性分析还不够完善，且对接入分布式装置(包括光伏、规模化充电设施等)后的配电网安全性评估方法的研究更为缺乏。常见的配电侧的安全性分析通常着力于建立安全性分析指标体系，不能提出一个相对综合的评估方法；而常见的评估方法通常只能静态地分析配电网某一时刻的安全程度，没有考虑到安全性问题具有动态、时变的属性，因此这类静态评估结果对电网规划无法提出有实用价值的建议。
发明内容
[0005] 本发明的目的是：针对
现有技术中存在的问题，提供一种基于概率统计法的规模化充电设施接入有源配电网的安全性量化评估方法，解决规模化充电设施接入有源配电网后对配电系统整体安全性的评估难题，通过评估分析分布式装置对配电网安全性的影响，提出最优规划的合理建议。
[0006] 本发明的技术方案是：本发明的规模化充电设施接入有源配电网的安全性量化评估方法，其为基于概率统计法的量化评估方法，包括以下步骤：
[0007] ①建立安全性评估指标体系：
[0008] 采用一级指标和二级指标构成的两级指标体系；一级指标包括供电能力和供电质量；二级指标包括归属于供电能力一级指标项下的有功功率缓解度F1、负荷增率F2、有功储备系数F3、电压合格率F4和正常运行率F5以及归属于供电质量一级指标项下的网损率F6、电压波动率F7和电压变化率F8；
[0009] ②建立光伏并网节点和电动汽车联网节点的注入功率概率模型：
[0010] 第一步，采用式(1)的正态分布概率密度函数模拟辐照度It曲线：
[0011]
[0012] 第二步，基于式(1)给定的概率模型，利用蒙特卡洛抽样法得到被研究地区每天某时刻在全年中辐照度的期望和方差，得到该时刻全年的辐照度概率分布函数N(μ,σ2)；
[0013] 第三步，利用式(2)和式(3)计算光伏并网节点满足正态分布的概率模型注入功率Pm；
[0014] Pm＝ηSabIt (2)
[0015]
[0016] 式中，Pm为分布式光伏输出的有功功率，即光伏并网节点的注入功率；η为
太阳能电池的转换效率；ηc为单晶
硅的转换效率，取15％；Sab为分布式光伏装置的采光总面积；It为某时刻入射到光伏装置的太阳光辐照度值；Ik为太阳能电池转换效率饱和时的辐照度值，取150W/m2；
[0017] 第四步，根据不同类型电动汽车在充放电时功率、时长的差异，确定充放电节点注入功率P的计算公式：
[0018]
[0019] 其中，N1、N2、N3、N4分别代表被研究地区的电动公交车、出租车、公务车、私家车在充电或放电节点的接入数量， 分别代表t时刻第n辆电动汽车的充电功率；
[0020] 第五步，基于式(4)的模型，根据不同类型电动汽车具体充放电模式建立相应的功率
预测模型，并利用蒙特卡洛抽样法，分别得到电动汽车充电节点和放电节点每天某时刻在全年的注入功率的期望和方差，建立相应的注入功率的概率模型；
[0021] ③建立安全性评估指标体系中指标的概率模型：
[0022] 第一步，通过三点估计法建立节点电压的概率模型，采用潮流输出量的统计矩来估计其概率密度函数；
[0023] 第二步，建立线路功率模型和线路损耗模型：
[0024] 在确定各个节点的注入功率和节点电压
基础上，采用三点估计法计算出各段线路的功率和线路损耗，根据输出量的统计矩来估计隔断线路功率和线路损耗的概率密度函数；
[0025] 第三步，建立线路电流模型：
[0026] 在已知系统功率和节点电压的基础上，利用P＝UI计算出线路电流，采用三点估计法建立电流的正态分布概率模型；
[0027] 第四步，利用建立的节点电压模型、线路功率模型、线路损耗模型和线路电流模型，相应建立安全性评估指标体系中各项指标的概率模型；
[0028] ④采用基于模糊物元分析法的量化评估方法进行安全性评估：
[0029] 第一步，采用优序图法确定安全性评估指标体系中指标的主观权重Wsi；全体总得分数T与安全性指标的个数n有如下关系：
[0030]
[0031] 第二步，采用熵权法确定安全性评估指标体系中指标的客观权重Woi：
[0032]
[0033] 其中，Hj为各个评价指标的熵；m为指标的个数；i为第i个指标，i＝1,2，…，m；j为第j种场景，j＝1,2，…，n；fij按照下式求得：
[0034]
[0035] 其中，bij为各指标归一化的结果；
[0036]
[0037] 其中，Woi为客观权重；n为设置的场景数；
[0038] 第三步，采用式(9)将主观权重Wsi与客观权重Woi结合计算复合权重Wi：
[0039]
[0040] 第四步，将各项指标的概率模型和各项指标的复合权重相结合，通过式(10)计算线路的安全性评估值：
[0041]
[0042] 其中，Kj表示第j段线路的安全性评估值，Cij表示第j段线路上第i个安全性评估指标。
[0043] 进一步的方案是：上述的步骤①中，建立的二级指标具体为：
[0044] 有功功率缓解度 用于反映分布式光伏出力和电动汽车放电时对配电线路功率的补偿情况；其中PD表示接入分布式装置后的系统功率，P表示未接入分布式装置时的系统功率；
[0045] 负荷增率 用于反映电动汽车作为分布式负荷并网后对配电线路功率的消耗情况；其中PD′表示电动汽车充电状态下系统功率，P表示未接入分布式装置时的系统功率；
[0046] 有功储备系数 用于反映配电系统提高额定输出功率的后备能力；其中Pmax表示配电系统有功功率曲线上的临界最高值，PD表示接入分布式装置后的系统功率；
[0047] 电压合格率 用于反映电压越限的严重程度；其中t表示监测点电压超限时间，T表示监测点运行总时间；
[0048] 正常运行率 用于反映分布式装置并网后线路电流的监测指标；其中ID表示联入分布式装置后的配网线路电流，IN表示该线路正常容许电流；
[0049] 网损率 用于反映线路电能损耗情况；其中Wd表示分布式装置并网后配电系统中某条线路的电能损耗量，W表示配电系统供电总量；
[0050] 电压波动率 用于反映线路电压稳定情况，其中VD(t)表示接入分布式装置后t时刻的节点电压，VD(t-1)表示接入分布式装置后t-1时刻的节点电压；
[0051] 电压变化率 用于量化分布式装置接入配电网前后某节点的电压波动情况和反映分布式装置接入对节点电压的
支撑情况；其中VD表示接入分布式装置后的节点电压，V表示未接入分布式装置的节点电压。
[0052] 进一步的方案是：上述的步骤③中的三点估计法，为通过在每个随机变量上取若干点进行确定性潮流计算来估计输出量的概率密度的方法；所述的三点估计法在每个随机变量集合的均值及其两侧取值；每个随机变量集合Xk在均值及其两侧的取值方法如下：
[0053]
[0054] 其中， 为Xk的均值， 为Xk的标准差，r为取点个数，ξk,r为
位置度量系数；r＝3时，ξk,3＝0，表示在均值处取点，即 r＝1,2时，xk,1和xk,2在均值右邻域和左邻域取值；其中λk,3和
λk,4分别为Xk的偏度系数和峰度系数；
[0055]
[0056] 其中， 和 分别为随机变量集合Xk的三阶中心距和四阶中心距；
[0057] 在m个随机变量中，每个随机变量xk的权重均等，为1/m；每个随机变量由式(11)确定三个取值xk,1、xk,2、xk,3；xk,r对应的权重为ωk,r通过式(13)～(15)进行计算：
[0058]
[0059]
[0060]
[0061] 求得每个估计点的权重ωk,r后，采用式(16)求出Zk的j阶原点矩：
[0062]
[0063] 其中，Z(k,r)为第k个带求变量的第r个估计值，求Z(k,r)时，第k个带求变量xk分别取式(12)求得的三个值xk,1、xk,2、xk,3，其他变量取均值带入，结果分别对应Z(k,1)、Z(k,2)、Z(k,3)；
[0064] 采用潮流输出量的统计矩估计其概率密度函数 方式如下：
[0065] μ＝E(Zk) (17)
[0066]
[0067]
[0068] 其中，μ、σ分别为Zk的期望和标准差。
[0069] 进一步的方案是：上述的步骤③中，建立的各项指标的概率模型具体为：
[0070] 有功功率缓解度 PG取功率的正态分布概率密度函数，P取功率的正态分布概率密度函数；
[0071] 负荷增率 PG′取功率的正态分布概率密度函数，P取功率的正态分布概率密度函数；
[0072] 有功储备系数 PG取功率的正态分布概率密度函数，Pmax取PG正态分布概率密度曲线上的临界最高点的值；
[0073] 电压合格率 t取时间的概率密度函数，T取监测点运行总时间，可直接由节点电压的概率密度曲线得到结果，即μ-3σ到U额定之间的面积；
[0074] 正常运行率 IG取电流的正态分布概率密度函数，IN取该线路正常容许电流；
[0075] 网损率 Wd取网损的正态分布概率密度函数，W取配电系统供电总量；
[0076] 电压波动率 VG(t)取电压的正态分布概率密度函数，VG(t-1)取电压的正态分布概率密度函数，由24个时刻的全年节点电压分布情况得到；
[0077] 电压变化率 VG取节点电压的正态分布概率密度函数，V取电压的正态分布概率密度函数。
[0078] 进一步的方案是：上述的步骤④中采用优序图法确定主观权重Wsi的具体计算方法是：
[0079] 建立相应的优序图表，按各指标的重要性进行排序，相对重要的记为1，次要的记为0；将优序图表的数按行相加，用全体总得分数T除以每个指标的累计得分数，得到每个指标的主观权重。
[0080] 本发明具有积极的效果：(1)本发明的规模化充电设施接入有源配电网的安全性量化评估方法，其通过概率统计的方法，解决了分布式装置并网造成的随机性和波动性的问题；概率模型的搭建选择以某一时刻的全年情况为样本，将无时序性的概率统计和时间进行结合，更适用于处理实际问题；统计过程中只需计算24个时刻在全年中的情况，避免了将所有时刻(一共24*365＝8760个时刻)的系统参数代入计算的复杂过程，计算形式大大简化，效率大大提高。(2)本发明的规模化充电设施接入有源配电网的安全性量化评估方法，其充分考虑分布式光伏出力、电动汽车充电桩、电动汽车放电桩等分布式装置的随机性、波动性，改变现有技术中常见的直接对原始采集数据进行静态运算评估的方式，首先对全年数据利用概率统计法处理分析，再利用三点估计法解决不确定性潮流计算仿真，最后利用基于模糊物元分析法的安全性量化评估方法对单一指标进行整合评估，得到量化数值，既解决了随机动态变化的问题，又解决了常用的概率统计忽略时序的问题，并将模糊化的安全性问题用具体的数值体现出来，便于后期对配电网的分析和规划。
附图说明
[0081] 图1为
实施例中考虑光伏节点PV、电动汽车充电节点EV1、电动汽车放电节点EV2的配电网拓扑图。
具体实施方式
[0082] 下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0083] (实施例1)
[0084] 本实施例中，所谓有源网络(Active Network)指的是分布式电源高度渗透、功率双向流动的配电网络；有源配电网指的是在配电侧除了接收来自输电网长距离输送的电能外，还设置了分布式光伏接入节点、接收光伏节点的注入功率的配电网，如图1所示。
[0085] 所谓规模化充电设施指的是各种类型的电动汽车，从功能区分为电动公交车、电动出租车、电动公务车、电动私家车四种主要类型；从充电方式区分为常规充电、快速充电和机械充电；从联网节点的功率流向区分为在充电节点接入和在放电节点接入。
[0086] 本实施例的规模化充电设施接入有源配电网的安全性量化评估方法,其为基于概率统计法的量化评估方法，按如下步骤进行：
[0087] ①建立安全性评估指标体系：
[0088] 从过载安全性、电压安全性、网损、系统均衡度
角度，针对分布式光伏并网和电动汽车的联网接入的运行特性，充分考虑电动汽车既可利用G2V技术在充电时作为负荷消耗电能，又能在放电时利用V2G技术成为分布式电源向电网馈电的双重属性，综合建立配电网安全性评估指标体系。
[0089] 所建立的安全性评估指标体系分为两级，一级指标为供电能力和供电质量两大类，二级指标有：一级指标供电能力项下的有功功率缓解度F1、负荷增率F2、有功储备系数F3、电压合格率F4和正常运行率F5共5个二级指标，以及一级指标供电质量项下的网损率F6、电压波动率F7和电压变化率F8共3个二级指标。
[0090] 本步骤中，安全性评估指标体系的具体内容如表1所示：
[0091] 表1安全性评估指标体系
[0092]
[0093]
[0094] ②建立光伏并网节点和电动汽车联网节点的注入功率的概率模型：
[0095] 首先，在全年天气变化相对稳定的区域，通过对全年每天固定某一时刻(共做24个时刻)的辐照度It的统计规律进行分析，用不同的概率分布对太阳光辐照度进行模拟，在对结果进行均方差校验后得出，用式(1)所示的正态分布概率密度函数来模拟辐照度曲线比较好：
[0096]
[0097] 基于给定的概率模型，利用蒙特卡洛抽样法得到被研究地区每天某时刻在全年中辐照度的期望和方差，得到该时刻全年的辐照度概率分布函数N(μ,σ2)。利用式(2)、式(3)计算出光伏并网节点的注入功率，由于不同时刻的辐照度It满足相应的正态分布，因此计算得出的Pm也是一个满足正态分布的概率模型。
[0098] Pm＝ηSabIt (2)
[0099]
[0100] 其中，Pm——分布式光伏PV输出的有功功率，即光伏并网节点的注入功率；η——太阳能电池的转换效率；ηc——
单晶硅的转换效率，一般取15％；Sab——分布式光伏装置的采光总面积；It——某时刻入射到光伏装置的太阳光辐照度值；Ik——太阳能电池转换效率饱和时的辐照度值，一般取150W/m2。
[0101] 根据不同类型的电动汽车在充放电时功率、时长等方面的差异，得到充放电节点注入功率的计算公式：
[0102]
[0103] 其中，N1、N2、N3、N4分别代表被研究地区的电动公交车、出租车、公务车、私家车在该充电或放电节点的接入数量， 分别代表t时刻第n辆电动汽车的充电功率。
[0104] 基于上述模型，根据不同类型电动汽车具体充放电模式建立相应的功率预测模型，并利用蒙特卡洛抽样法，分别得到电动汽车充电节点和放电节点每天某时刻在全年的注入功率的期望和方差，建立相应的注入功率的概率模型。
[0105] ③建立各项指标的概率模型
[0106] 各项指标的计算需要利用到的参数模型有：节点电压模型、系统功率模型、线路损耗模型、线路电流模型。
[0107] A.通过三点估计法建立系统功率的概率模型，对于m个随机注入功率，每个变量xk用式(11)确定的三个点分别代替，其他随机注入功率的量值在均值处取值。进行三次确定性潮流计算，可以得待求解的某变量Zk的三个估计值Z(k,1)、Z(k,2)、Z(k,3)。求得每个估计点的权重ωk,r后即可用下列公式求出Zk的j阶原点矩：
[0108]
[0109] 其中，Z(k,r)为第k个带求变量的第r个估计值，求Z(k,r)时，第k个带求变量xk分别取式(12)求得的三个值xk,1、xk,2、xk,3，其他变量取均值带入，结果分别对应Z(k,1)、Z(k,2)、Z(k,3)；
[0110] 采用潮流输出量的统计矩来估计其概率密度函数 方式如下：
[0111] μ＝E(Zk) (17)
[0112]
[0113]
[0114] 其中，μ、σ分别为Zk的期望和标准差。
[0115] B.建立节点电压、线路损耗和线路电流模型
[0116] 在确定各个节点的注入功率和节点电压基础上，采用三点估计法计算出各段线路的功率和线路损耗，根据输出量的统计矩来估计隔断线路功率和线路损耗的概率密度函数；
[0117] 在已知系统功率和节点电压的基础上，利用P＝UI计算出线路电流，采用三点估计法建立电流的正态分布概率模型；
[0118] 最后，利用建立的节点电压模型、线路功率模型、线路损耗模型和线路电流模型，相应建立安全性评估指标体系中各项指标的概率模型；
[0119] 以上所有涉及光伏和电动汽车同时并网后的系统功率、节点电压、线路电流的计算，都是为了建立八项指标的概率模型服务的，由于在各项指标的计算过程中用到的原始数据(如系统功率、节点电压、线路电流)都是概率模型，所以这八项指标在计算后得到的也不是一个具体的数值，而是一个概率模型。
[0120] 本步骤中，采用的点估计法就是在每个随机变量上取若干点进行确定性潮流计算来估计输出量的概率密度，本实施例中的随机变量包括负荷的有功功率、光伏的注入有功功率、电动汽车的充电功率需求和放电容量，其余变量为常数，如普通PV节点的注入有功功率与节点电压幅值。三点估计法在每个变量的均值及其两侧取值。每个随机变量集合Xk在均值及其两侧的取值方法如下所示：
[0121]
[0122] 其中， ——Xk的均值， ——Xk的标准差，r——取点个数，ξk,r——位置度量系数。r＝ 3时 ，ξk ,3 ＝0 ，表示 在均 值处 取点 ，即 r ＝1 ,2时 ，xk,1和xk,2在均值右邻域和左邻域取值。其中λk,3和λk,4分别为Xk的偏度系数和峰度系数。
[0123]
[0124] 其中， 和 分别为随机变量集合Xk的三阶中心距和四阶中心距。
[0125] 对于m个随机注入功率，每个变量xk用上式确定的三个点分别代替，其他随机注入功率的量值在均值处取值。进行三次确定性潮流计算，可以得到待求解的某变量Zk的三个估计值，Z(k,1)、Z(k,2)、Z(k,3)。给定每个随机变量在m个随机变量中的权重为1/m，即这些随机变量的重要性是相同的。对于某一随机变量集合Xk，所取点xk,r的权重为ωk,r，ωk,r的计算方法如下：
[0126]
[0127]
[0128]
[0129] 求得每个估计点的权重ωk,r后即可用下列公式求出Zk的j阶原点矩：
[0130]
[0131] Z(k,r)为第k个待求变量的第r个估计值；Zk的标准差 可用潮流输出量的统计矩来估计其概率密度函数。
[0132] 本步骤中，最后建立的各项指标的概率模型如表2所示：
[0133] 表2安全性评估指标体系建模
[0134]
[0135] ④采用基于模糊物元分析法的量化评估方法进行安全性评估：
[0136] 首先采用优序图法确定配电网安全性指标的主观权重Wsi。全体总得分数T与安全性指标的个数n有如下关系：
[0137]
[0138] 采用熵权法确定配电网安全性指标的客观权重Woi。
[0139]
[0140] 其中，Hj——各个评价指标的熵；m——指标的个数；i——第i个指标，i＝1,2，…，m；j——第j种场景，j＝1,2，…，n；fij按照下式求得：
[0141]
[0142] 其中，bij——各指标归一化的结果；
[0143]
[0144] 其中，Woi——客观权重；n——设置的场景数；
[0145] 将主观权重与客观权重结合：
[0146]
[0147] 其中，Wi——复合权重；Wsi——主观权重；Woi——客观权重；
[0148] 将各项指标的概率模型和各项指标的符合权重结合：
[0149]
[0150] 其中，Kj表示第j段线路的安全性评估值，Cij表示第j段线路上第i个指标。由于指标的概率模型都是某时刻的全年统计结果所得，因此Kj也是某时刻全年的安全评估的综合结果。
[0151] 本步骤中，主观权重Wsi的计算方法是，建立相应的优序图表，按各指标的“重要性”进行排序，相对重要的记为1，次要的记为0，将优序图表的数按行相加，用全体总得分数除以每个指标的累计得分数，就可以得到每个指标的主观权重Wsi。
[0152] 以上实施例是对本发明的具体实施方式的说明，而非对本发明的限制，有关技术领域的技术人员在不脱离本发明的精神和范围的情况下，还可以做出各种变换和变化而得到相对应的等同的技术方案，因此所有等同的技术方案均应该归入本发明的
专利保护范围。
