电气工程学报, 2020, 15(4): 35-44 doi: 10.11985/2020.04.004

含非故障状态下风险评价的配电网自愈性综合评价 *

张籍,1, 蔡勇,2, 桑子夏,1, 鄢晶1, 沈玉兰3, 陈艳波4

1.国网湖北省电力有限公司经济技术研究院 武汉 430077

2.国网湖北省电力有限公司 武汉 430077

3.江苏省电力公司扬州供电公司 扬州 225000

4.华北电力大学电气与电子工程学院 北京 102206

Comprehensive Evaluation of Self-healing Ability of Distribution Network with Risk Assessment Under Non-fault State

ZHANG Ji,1, CAI Yong,2, SANG Zixia,1, YAN Jing1, SHEN Yulan3, CHEN Yanbo4

1. Hubei Electric Power Corporation Power Economic Research Institute, Wuhan 430077

2. Hubei Electric Power Company, SGCC, Wuhan 430077

3. Jiangsu Electric Power Company Yangzhou Power Supply Company, Yangzhou 225000

4. School of Electric and Electrical Engineering, North China Electric Power University, Beijing 102206

收稿日期: 2020-08-19   修回日期: 2020-11-13   网络出版日期: 2020-12-25

基金资助: * 国家自然科学基金.  51777067
国网湖北省电力有限公司科技资助项目.  52153817000X

Received: 2020-08-19   Revised: 2020-11-13   Online: 2020-12-25

作者简介 About authors

张籍,男,1985年生,高级工程师。主要研究方向为智能电网规划与设计。E-mail: ceeezj@qq.com

蔡勇,男,1984年生,高级工程师。主要研究方向为智能电网及环保技术。E-mail: hb_cy@qq.com

桑子夏,男,1985年生,高级工程师。主要研究方向为智能电网规划。E-mail: spadegadget@hotmail.com

摘要

全社会对供电可靠性的要求越来越高,这就要求配电网具有良好的自愈性。在配电网自愈性评价方面,已有研究往往忽视了对非故障状态下配电网自我消除故障隐患的评价。为全面评价配电网的自愈水平,既考虑了故障之后的配电网自愈情况,也考虑了非故障状态下的配电网风险评价。为定量评估配电网在非故障状态下面临的风险,基于风险理论提出了线路过载风险、电压越限风险以及丢失负荷风险三个定量指标;而在故障后的配电网自愈评价方面,分别从用户、电网公司和社会的需求出发提出了自愈速度、自愈率、自愈控制操作复杂度、电压/电流恢复率、切负荷率、自愈投入费用与效果比、平均停电频率以及平均停电持续时间共八个定量指标,从而构建了配电网自愈评价综合指标体系。针对以上指标体系的特点,采用基于拓展加权平均算子的改进层次分析法对配电网自愈性进行全面评价,最后通过仿真算例验证了所提方法的有效性。

关键词: 配电网 ; 自愈性 ; 非故障状态 ; 层次分析法 ; 评价

Abstract

The whole society has higher requirements for power supply reliability, which requires the distribution network to have good self-healing properties. In terms of self-healing evaluation of distribution network, the existing researches often neglect the evaluation of the hidden trouble of self-elimination of the distribution network in the non-fault state. In order to comprehensively evaluate the self-healing level of distribution network, not only considers the self-healing situation of distribution network after fault, but also considers the risk assessment of distribution network under non fault state. In order to quantitatively evaluate the risk faced by distribution network in non fault state, based on the risk theory, three quantitative indicators are put forward: line overload risk, voltage overrun risk and load loss risk; in terms of self-healing evaluation of distribution network after fault, it puts forward self-healing speed, self-healing rate, self-healing control operation complexity, self-healing control operation complexity, self-healing rate and self-healing control operation complexity. There are eight quantitative indexes, including voltage/current recovery rate, load shedding rate, self-healing input cost to effect ratio, average outage frequency and average outage duration. According to the characteristics of the above index system, the improved analytic hierarchy process (AHP) based on the extended weighted average operator is used to comprehensively evaluate the self-healing of distribution network. Finally, a simulation example is given to verify the effectiveness of the proposed method.

Keywords: Distribution network ; self-healing ; non-fault state ; analytic hierarchy process ; evaluation

PDF (653KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张籍, 蔡勇, 桑子夏, 鄢晶, 沈玉兰, 陈艳波. 含非故障状态下风险评价的配电网自愈性综合评价 *. 电气工程学报[J], 2020, 15(4): 35-44 doi:10.11985/2020.04.004

ZHANG Ji, CAI Yong, SANG Zixia, YAN Jing, SHEN Yulan, CHEN Yanbo. Comprehensive Evaluation of Self-healing Ability of Distribution Network with Risk Assessment Under Non-fault State. Journal of Electrical Engineering[J], 2020, 15(4): 35-44 doi:10.11985/2020.04.004

1 引言

随着分布式电源、电动汽车等的接入,配电网的拓扑结构变化日益频繁,运行方式日益复杂化,发生故障的风险也随之提高。但同时全社会对用电安全性、可靠性的要求越来越高,因此以尽量少的人工干预实现对不同类型故障情况下的配电网进行快速诊断、隔离,从而尽可能减少故障对于配电网的影响,对提高配电网的自愈性具有越来越重要的意义[1,2,3,4]。在对配电网进行诊断以及采取相应的安全措施前,若能对配电网的自愈性进行系统评价,明确配电网自愈性所存在的问题和不足,则可为配电网自愈能力的完善提供有益指导,进而为故障情况下配电网的快速恢复奠定良好基础[5,6,7]

在电网/配电网性能评价方面,国内外的相关专家学者已经做了大量工作。文献[8,9]提出了智能电网成熟度模型,该模型通过对智能电网的基本功能进行定位,从而可合理地评价系统的可靠性和效率以及系统适应新能源的能力等;此外,该模型还可评价客户与电网之间的互动程度。文献[10,11,12,13]给出了智能电网评估框架系统,并建立了智能电网效益评估指标体系。文献[14]提出的“双型”电网指标体系可以科学地反映电网发展中的资源节约效应和环境优化程度。研究人员还提出了衡量电网发展速度、电网建设规模以及电网发展质量等一系列指标[15]。文献[16]则从经济、能源、环境、社会和工程5个角度建立了智能电网创新示范区能源互联网评价指标体系。

在配电网的评价指标中,自愈性占有重要地位,其涵义是:在正常状态下,配电网能进行连续自我评估,并采取预防性控制措施,及时发现、快速诊断、快速调整、消除故障隐患;而在故障状态下,配电网能够实现故障检测、隔离和自我恢复,以尽量少的人工干预最大限度地减少异常或故障对电网的影响[17,18]。文献[18]定义了自愈速度和供电自愈率,但评价指标仍偏少。文献[19]采用模糊层次分析法对配电网自愈综合效益进行评价,涉及到电网的技术、经济性、社会性和实用性,但没有给出指标的量化计算方法。文献[20]建立了自愈恢复率、自愈恢复速度、自愈控制操作复杂度以及自愈可持续时间覆盖率四项指标,但是没有对自愈的经济效果进行评价,也没有对电网非故障状态下的自我调节优化能力进行评价。文献[21]基于不确定性理论建立了包含可信性测度、全局模糊安全测度和风险测度的公理化风险评价测度体系。

综上所述,在配电网自愈性评价方面,已有研究做出了很有意义的工作,但在以下两方面还需改进。一是已有的自愈性评价体系所涉及的指标多为定性的评价指标,还需要全面的定量评价指标;二是已有的自愈性评价体系往往忽略了对非故障状态下配电网自我消除故障隐患的评价,而这本身是配电网自愈能力非常重要的一部分。

为全面评价配电网的自愈水平,本文既考虑了故障之后的配电网自愈情况,也考虑了非故障状态下的配电网面临的风险。在构建配电网自愈评价指标体系遵循了SMART原则[22],即评价目标是具体的(Specific),评价指标是可测量(Measurable)且有明确含义的,评价指标需要的数据是可得到的(Attainable),指标之间是有关联(Relevant)又不重复的,最后该评价是可跟踪和再评价的(Trackable)。基于以上原则,本文构建了配电网自愈评价指标体系。考虑到所构建的指标属性多样,为便于量化评估,因此进一步提出了基于拓展加权平均算子(Expanded weight of arithmetic average,EWAA)的改进层次分析法,并基于此法对配电网的自愈性进行了评价。最后通过算例来测试所提自愈性评价指标体系的合理性。

2 非故障状态下的风险评价指标

处于正常运行状态的配电网在出现扰动时可能会出现线路过载、电压越限,甚至丢失大量负荷,因此在配电网正常运行时,需通过预防控制不断优化运行状态以消除预想故障集所带来的潜在隐患,若能通过预防控制将潜在隐患带来的风险降至较低的水平,则有利于配电网在发生故障时快速恢复到正常运行状态;若调节控制不当,无法降低风险,不仅不能恢复到正常状态甚至会过渡到紧急状态。从这个意义上说,为全面评价配电网的自愈能力,还应对非故障状态下的配电网进行风险评价。为此构建线路过载风险、电压越限风险以及丢失负荷风险三个指标来评估非故障状态下配电网面临的风 险[23]

2.1 线路过载风险

配电网发生线路过载的原因常包括:(1) 因重负荷或大风等极端天气而发生N-1断线时,其他线路可能会过载;(2) 电磁环网中高压线路跳闸导致低压线路过载;(3) N-1跳闸时若处置不当,可能导致事故范围扩大而引起其他线路过载。线路过载时系统风险增加,此时需通过调整机组出力、控制用电负荷、调整运行方式等来降低配电网的风险。

供电线路在一段时段内的开断概率为

${{P}_{r}}({{E}_{i}})=1-{{e}^{-{{\lambda }_{i}}t}}$

式中,${{P}_{r}}({{E}_{i}})$为线路在时段t的开断概率;${{E}_{i}}$为第i个事故;$\lambda $为${{E}_{i}}$在时段t内发生的次数。

线路过载的严重度用式(2)来表示

$sev({{P}_{li}})=\left\{ \begin{align} & 0{{P}_{li}}<0.9{{P}_{l\max }} \\ & {{\left( 10\times \left( \frac{{{P}_{li}}-0.9{{P}_{l\max }}}{{{P}_{l\max }}} \right) \right)}^{2}}{{P}_{li}}\ge 0.9{{P}_{l\max }} \\ \end{align} \right.$

式中,$sev({{P}_{li}})$为因事故${{E}_{i}}$所导致的线路l的过载严重度;${{P}_{li}}$为事故${{E}_{i}}$发生时线路l的有功功率;${{P}_{l\max }}$为线路l整定的最大输送功率。

整个配电网的线路过载风险定义为

$Ris{{k}_{L}}=\sum\limits_{all\text{ }{{E}_{i}}}{\sum\limits_{all\text{ }lines}{{{P}_{r}}({{E}_{i}})sev({{P}_{li}})}}$

式中,$Ris{{k}_{L}}$为线路过载风险指标。

2.2 电压越限风险

在未来的配电网中,发电侧和负荷侧均存在较强的随机性和不确定性,由此导致配电网部分节点容易发生电压越限风险,称这些节点为薄弱节点,需要无功优化以降低薄弱节点的电压越限风险。

设时段t内节点i的电压分布概率如图1所示。

图1

图1   电压分布概率


利用电压分布概率,可计算出时段t内节点i的电压越限率为

${{P}_{r}}({{V}_{i}})=\int_{{{V}_{down,\ t,\ i,\ \max }}}^{\ 0.9}{f({{V}_{t,i}})d{{V}_{t,i}}}+\int_{\ 1.1}^{{{V}_{up,\ t,\ i,\ \max }}}{f({{V}_{t,i}})d{{V}_{t,i}}}$

式中,${{P}_{r}}({{V}_{i}})$为电压越限率;$f({{V}_{t,i}})$为$t$时段第$i$个节点的电压概率密度函数;1.1和0.9分别是电压标幺值允许波动上限和下限;${{V}_{down,t,i,\max }}$和${{V}_{up,t,i,\max }}$分别是$t$时段第$i$个节点的最大越下限电压和最大越上限电压,用来表征电压越限的严重程度。

电压越限的严重度用式(5)来表示

$sev({{V}_{i}})=\left\{ \begin{align} & {{\left( \frac{0.9-{{V}_{i}}}{0.9} \right)}^{2}}{{V}_{i}}<0.9 \\ & 00.9\le {{V}_{i}}\le 1.1 \\ & {{\left( \frac{{{V}_{i}}-1.1}{1.1} \right)}^{2}}{{V}_{i}}>1.1 \\ \end{align} \right.$

式中,$sev({{V}_{i}})$为节点i的电压越限严重度。

整个配电网的电压越限风险定义为

$Ris{{k}_{V}}=\sum\limits_{i\in {{N}_{b}}}{{{P}_{r}}({{V}_{i}})sev({{V}_{i}})}$

式中,$Ris{{k}_{V}}$代表电压越限风险;${{N}_{b}}$表示电网的薄弱节点总数。

2.3 丢失负荷风险

在未来的配电网中,由于分布式发电和电动汽车的大量接入,配电网的元件数量日益增多,运行方式日益复杂。若配电网某一元件发生预想故障,此时若处置不当,可能会导致一系列其他元件停运,最终导致配电网大片区域停电,从而丢失部分或全部负荷。故在配电网正常运行时,还需要考虑丢负荷的风险。

配电网丢失负荷的概率为

${{P}_{r}}({{L}_{i}})=\frac{1}{{{N}_{f}}}\sum\limits_{i=1}^{{{N}_{f}}}{L(i)}$

式中,i为预想故障的编号;${{N}_{f}}$为预想故障的总数目;若预想故障i导致负荷丢失,则L(i)取1,否则取0;${{P}_{r}}({{L}_{i}})$代表丢失负荷的概率。

丢失负荷的严重度可用式(8)来衡量

${{I}_{Li}}=\frac{1}{{{P}_{S}}\bullet {{N}_{f}}}\sum\limits_{i=1}^{{{N}_{f}}}{P({{L}_{i}})}$

式中,$P({{L}_{i}})$为故障i所造成的负荷损失;${{P}_{S}}$为配电网容量;${{I}_{Li}}$为丢失负荷的严重度。

配电网的丢失负荷风险可定义为

${{R}_{Li}}={{P}_{Li}}\bullet {{I}_{Li}}$

式中,RLi为丢负荷风险。

3 故障状态下的自愈性指标

配电网在运行过程中由于外力、绝缘老化、过电压、误操作、设计制作缺陷等原因会发生如短路、断线等故障。当故障发生时,配电网会快速检测、隔离和自我恢复,以尽可能减少对用户、电网和社会的影响。故本节将分别从用户需求、电网需求和社会需求三个角度来构建故障状态下的配电网自愈性指标。

3.1 针对用户的需求

配电网发生故障后,用户用电会受到影响,此时若能全面快速恢复用电,将影响程度降到最小,则从用户角度来看,可认为该电网具有好的自愈能力。为此设置自愈速度和自愈率两个评价指标进行评价。

(1) 自愈速度指标

自愈速度为语言型指标,考虑到故障时间对不同负荷的影响程度不同,将负荷分为普通负荷、敏感负荷和严格负荷,不同种类负荷有不同的自愈速度要求。普通负荷指供电中断造成的损失与社会影响较小的负荷,如普通照明、家用电器等;敏感负荷指供电中断几个周波会对其造成影响的负速装置等。严格负荷指对供电要求特别高,出现一周波供电中断就会对其造成严重影响的负荷,如银行与证券中心的计算机系统。

不同负荷对自愈速度的要求不同,相应的自愈速度评价指标也就不一样。将自愈速度指标分为四级:一级速度(毫秒级,一周波内自愈)、二级速度(周波级,一周波以上,几十毫秒以内)、三级速度(秒级,几秒钟内自愈)和四级速度(分钟级,3分钟内自愈)。可以看出,在一级速度内恢复,对严格负荷影响不大;在二级速度内恢复,严格负荷受到影响,对敏感负荷影响不大;在三级速度内恢复,敏感负荷受到影响;在四级速度内恢复,影响敏感负荷的正常运行。若在四级速度内没有自愈,评价结果为不能自愈。通过故障录波装置得到自愈花费时间。对各类负荷的自愈结果用语言进行评价,评价依据如表1所示。如果负荷自愈时间超过了四级速度愈合要求,认为不自愈。后文用RSHS来代表自愈速度指标。

表1   自愈速度结果表示

负荷类别实际自愈速度评价
严格负荷一级速度很好
二级速度
三级速度
四级速度
敏感负荷一级速度很好
二级速度
三级速度一般
四级速度
普通负荷一级速度很好
二级速度很好
三级速度
四级速度一般

新窗口打开| 下载CSV


(2) 自愈率指标

自愈率为实数型评价指标。计算自愈率时需要考虑负荷的重要等级和负荷大小。对于当今的配电网来说,电力网与信息网的耦合日益紧密,若考虑信息网的可靠性,之前的工作中已提出自愈率指标可定义为[3]

$R_{SHR}^{\prime }\text{=}\frac{\sum\limits_{t=1}^{T}{\ \left( {{\omega }_{1}}\sum\limits_{pi\in {{N}_{1}}}{{{M}_{r{{\phi }_{pi}}}}{{P}_{1,pi,t}}}+{{\omega }_{2}}\sum\limits_{pi\in {{N}_{2}}}{{{M}_{r{{\phi }_{pi}}}}{{P}_{2,pi,t}}}+{{\omega }_{3}}\sum\limits_{pi\in {{N}_{3}}}{{{M}_{r{{\phi }_{pi}}}}{{P}_{3,pi,t}}} \right)}\ \Delta \ t}{\sum\limits_{t=1}^{T}{\ \left( {{\omega }_{1}}{{L}_{1,t}}+{{\omega }_{2}}{{L}_{2,t}}+{{\omega }_{3}}{{L}_{3,t}} \right)\Delta \ t}}\times 100%$

式中,${{R}_{SHR}}$为自愈率指标;${{\omega }_{1}}$、 ${{\omega }_{2}}$和${{\omega }_{3}}$分别为各级负荷的权重系数,N1N2N3分别为一级、二级和三级负荷的个数,${{P}_{1,t}}$、${{P}_{2,t}}$和${{P}_{3,t}}$分别为实际恢复的各级负荷,${{L}_{1,t}}$、${{L}_{2,t}}$和${{L}_{3,t}}$分别为各级负荷在$t$时刻的原始负荷需求;$T$为允许自愈时间,取3 min。

3.2 针对电网的需求

从配电网角度出发,主要需要考虑的是自愈控制的复杂度、自愈控制造成的后果以及自愈的经济效益。本节从配电网的需求出发,提出自愈控制操作复杂度、电压/电流恢复率、切负荷率以及自愈投入费用与效果比四个指标来评估配电网的自愈性。

(1) 自愈控制操作复杂度指标

自愈控制操作复杂度用开关次数衡量,开关次数越多,自愈操作越复杂,越会缩短设备使用寿命。开关操作频繁既增加了操作复杂度,同时又缩短了设备使用寿命。具体公式描述如下

${{R}_{SHC}}=\sum\limits_{i=1}^{n}{\sum\limits_{t=2}^{T}{\left| S_{i}^{t}-S_{i}^{t-1} \right|}}$

式中,${{R}_{SHC}}$为自愈控制操作复杂度指标;$S_{i}^{t}$为第$i$个开关在$t$时刻的状态,开关闭合时为1,开关打开时为0;n为自愈相关开关元件个数;$T$为允许自愈时间。该指标越小,越能提高设备的使用寿命,越能降低自愈失败的可能性。

(2) 电压/电流恢复率指标

当配电网处于故障状态时,往往伴随着电压/电流越限等问题,此时需通过快速的紧急控制措施来消除电压/电流越限等问题。配电网的自愈能力越强,则紧急控制之后的电压/电流越限情况恢复的越好,故可通过配电网故障后越限电压/电流的恢复情况来衡量配电网的自愈性能。配电网故障后电压/电流恢复率指标定义为

${{\eta }_{RR}}=\frac{1}{{{N}_{RR}}}\sum\limits_{i=1}^{{{N}_{RR}}}{rec(i)}$

式中,${{\eta }_{RR}}$为电压/电流恢复率指标;${{N}_{RR}}$为配电网故障后发生节点电压越限的节点或电流越限的支路总数目;i为配电网故障后发生节点电压越限或支路电流越限的编号;$rec(i)$为紧急控制后节点电压或支路电流恢复正常的情况,若恢复了正常,其值取1,否则取0。该指标越大,代表配电网的自愈能力越强。

(3) 切负荷率指标

当配电网处于故障状态时,若其转供能力不足、无法保证全网恢复供电时,此时需要切除部分非重要负荷以保证对其他部分的正常供电。故障时切负荷率越小,表明配电网的自愈能力越强。为此,可定义故障时切负荷率指标为

${{R}_{CL}}=\frac{1}{{{P}_{S}}}\sum\limits_{i=1}^{{{N}_{c}}}{{{\eta }_{i}}{{P}_{CL.i}}}$

式中,${{R}_{CL}}$为故障时切负荷率指标;${{P}_{S}}$为配电网容量;${{N}_{c}}$为切负荷的总数目;${{P}_{CL.i}}$为第i个负荷的切负荷量;${{\eta }_{i}}$为第i个负荷的重要程度,对于普通负荷、敏感负荷和严格负荷,${{\eta }_{i}}$分别取1、1.5和2。

(4) 自愈效果与投入费用比指标

自愈效果与投入费用比用以衡量配电网投资效果,其计算方法为

${{R}_{ECB}}=\frac{E}{C}$

式中,${{R}_{ECB}}$为自愈效果与投入费用比指标;C为自愈成本指标,包括初始自愈设备投资成本${{C}_{I}}$、自愈设备检修维护成本${{C}_{M}}$;$E$为自愈效果指标。

自愈成本指标的计算公式如下

$C={{\mu }_{c1}}{{C}_{I}}+{{\mu }_{c2}}\sum\limits_{j=1}^{{{T}^{*}}}{{{C}_{M}}{{(1+{{P}_{A}})}^{-j}}}$

式中,C为自愈成本指标。

故障时配电网的自愈效果越好,则故障损失越小,故可用故障损失成本来衡量配电网自愈效果

$E=\frac{1}{{{C}_{F}}}$

式中,${{\mu }_{c1}}$和${{\mu }_{c2}}$分别为各项成本在成本指标中的权重。${{P}_{A}}$为年利率,${{T}^{*}}$为电网预期寿命;${{C}_{F}}$为故障损失成本,其计算方法如下

$\begin{matrix} {{C}_{F}}=\sum\limits_{j=1}^{{{T}^{*}}}{{{(1+{{P}_{A}})}^{-j}}\sum\limits_{l\in LO}{{{\gamma }_{l}}\sum\limits_{t=1}^{T}{[{{\delta }_{1}}({{L}_{1,t}}-\sum\limits_{pi\in {{N}_{1}}}{{{P}_{1,pi,t}}}\text{)}+}}} \\ {{\delta }_{2}}({{L}_{2,t}}-\sum\limits_{pi\in {{N}_{2}}}{{{P}_{2,pi,t}}})+{{\delta }_{3}}({{L}_{3,t}}-\sum\limits_{pi\in {{N}_{3}}}{{{P}_{3,pi,t}}}\text{)}]\Delta t \\ \end{matrix}$

式中,$T$为故障时间,${{\delta }_{1}}$、${{\delta }_{2}}$和${{\delta }_{3}}$分别为一级负荷、二级负荷和三级负荷非计划停电等效电价,分别为地区各类电价的十倍。$LO$为区段数,${{\gamma }_{l}}$为$I$区段的年故障次数。

3.3 针对社会的需求

从社会的角度来看,当配电网自愈能力提高后,其供电可靠性会随之提高,故可采用衡量配电网可靠性的平均停电频率指标和平均停电持续时间指标来衡量配电网的可靠性,这两个指标越小,表明配电网的自愈能力越强。这两个指标的计算方法分别如下。

配电网平均停电频率指标的计算方法为

${{R}_{AOF}}=\frac{\sum\nolimits_{{{\lambda }_{i}}\in R}{{{\lambda }_{i}}{{D}_{i}}}}{\sum\nolimits_{{{\lambda }_{i}}\in R}{{{D}_{i}}}}$

式中,${{R}_{AOF}}$为平均停电频率指标;$R$为配电网中负荷节点集;${{\lambda }_{i}}$为负荷点i的年平均停电次数;${{D}_{i}}$为负荷点的用户总数目。

配电网平均停电持续时间指标的计算方法为

${{R}_{AOD}}=\frac{\sum\nolimits_{{{\lambda }_{i}}\in R}{{{h}_{i}}{{D}_{i}}}}{\sum\nolimits_{{{\lambda }_{i}}\in R}{{{D}_{i}}}}$

式中,${{R}_{AOD}}$为平均停电持续时间指标;$R$为配电网中负荷节点集;${{h}_{i}}$为负荷点年平均停电总时间(h);${{D}_{i}}$为负荷点的用户总数目。

4 配电网自愈评价综合指标体系

综上,为全面评价配电网的自愈水平,本文既考虑了故障之后的配电网自愈情况,也考虑了非故障状态下的配电网面临的风险。为定量评估配电网在非故障状态下面临的风险,基于风险理论提出了线路过载风险、电压越限风险以及丢失负荷风险三个定量指标;而在故障后的配电网自愈评价方面,分别从用户、电网公司和社会的需求出发提出了自愈速度、自愈率、自愈控制操作复杂度、电压/电流恢复率、切负荷率、自愈投入费用与效果比、平均停电频率以及平均停电持续时间共八个定量指标,最终构建了配电网自愈评价综合指标体系,如图2所示。

图2

图2   配电网自愈评价指标体系


5 基于EWAA算子的改进层次分析法

由上文可知,本文构建的评价指标属性值具有多样性,有实数型和语言型,故直接用层次分析法进行评价,因此本节基于拓展加权平均算子(Expanded weight of arithmetic average,EWAA)对层次分析法(Analytic hierarchy process,AHP)进行改 进[24],进而用于配电网自愈性的评价。

5.1 AHP的评估模型

5.1.1 判断矩阵构造

设某层指标为$F\text{=}\left[ \begin{matrix} {{f}_{1}}, & {{f}_{2}}, & \cdots , & {{f}_{n}} \\\end{matrix} \right]$,两两比较${{f}_{i}}$与${{f}_{j}}$对上层某个指标的影响重要程度,以${{f}_{ij}}={{f}_{i}}/{{f}_{j}}$表示,${{m}_{ij}}$的值用数字1~9及其倒数表示,即用AHP中的标度表示,标度含义如表2所示。

表2   互反性1~9标度

等级($m_{ij}$的值)语言描述的程度
1同等
3稍微
5明显
7强烈
9极端
2,4,6,8上述相邻判断的中间值

新窗口打开| 下载CSV


最后构成判断矩阵$M$,其元素的定义如下

$M=\left\{ \begin{matrix} \begin{matrix} {{m}_{ij}}={{f}_{i}}/{{f}_{j}} & i\ne j \\\end{matrix} \\ \begin{matrix} {{m}_{ji}}=1/{{m}_{ij}} & i\ne j \\\end{matrix} \\ \begin{matrix} 1 & \begin{matrix} {} & {} \\\end{matrix}\text{ }i=j \\\end{matrix} \\\end{matrix} \right.$

式中,${{m}_{ij}}>0$;$j=1,2,\cdots ,n$。

构造的判断矩阵应进行一致性检验。

5.1.2 判断矩阵权重求解

赋权集成后的点值互补判断矩阵为$F{{({{f}_{ij}})}_{n\times n}}$,采用特征向量法求权重矢量$W({{w}_{1}},{{w}_{2}},\cdots ,{{w}_{n}})$

$FW={{\lambda }_{\max }}W$

对$W$进行归一化,可得某层各个评价指标对于它上层指标的相对权重${w}'_{i}$

$w_{i}^{\prime}=\frac{w_{i}}{\sum_{i=1}^{n} w_{i}} \sum_{i=1}^{n} w_{i}^{\prime}=1 \quad 0 \leq w_{i}^{\prime} \leq 1$

5.1.3 综合分值

将提出的各种自愈性指标分为效益型指标和成本型指标,其中效益型指标包括自愈速度、自愈率、电压/电流恢复率以及自愈效果与投入费用比,而成本型指标包括线路过载风险、电压越限风险、丢失负荷风险、自愈控制操作复杂度、切负荷率、平均停电频率指标以及平均停电持续时间。

对两种类型指标处理方法如下

(1) 效益型指标

${{r}_{ij}}=\frac{{{x}_{ij}}-x_{j}^{\min }}{x_{j}^{\max }-x_{j}^{\min }}$

(2) 成本型指标

${{r}_{ij}}=\frac{x_{j}^{\max }-{{x}_{ij}}}{x_{j}^{\max }-x_{j}^{\min }}$

式中,$x_{j}^{\min }$和$x_{j}^{\max }$分别为第$j$列中最小和最大的指标值,${{x}_{ij}}$、${{r}_{ij}}$分别为第$i$个对象第$j$项指标的指标值与预处理结果。

则最后评价对象$i$的评价综合分值$R{{A}_{i}}$为

$R{{A}_{i}}=\sum\limits_{j=1}^{n}{{{w}_{j}}{{r}_{ij}}}$

5.2 基于EWAA算子的语言型指标属性值计算

运用式(23)和(24)的前提是指标属性值为实数,对于属性值为语言的指标(自愈速度指标)无法运用。为此,可事先设定语言评估标度$S=\{{{s}_{a}}|a=-L,\cdots ,L\}$,S中的元素个数一般为奇数,且满足以下两个条件。

(1) 若$\alpha >\beta $,则${{s}_{\alpha }}>{{s}_{\beta }}$

(2) 存在负算子,$\text{neg(}{{s}_{\alpha }}\text{)=}{{s}_{-\alpha }}$

为便于计算和避免丢失决策信息,在原标度的基础上定义拓展标度$\bar{S}=\{{{s}_{a}}|a\in [-q,q]\}$(q>L);然后采用基于EWAA算子的多属性评价方法评价电网的自愈速度,并将评价结果转化为实数。

XU分别为方案集和属性集。对于自愈速度的评价,属性集只含一个元素。评价者给出方案${{x}_{i}}\in X$在属性${{u}_{j}}\in U$下的语言评估值${{r}_{ij}}$,并得到语言评估矩阵$R={{({{r}_{ij}})}_{nm}}$,自愈速度对应的权重向量为$\omega =\left( {{\omega }_{1}},{{\omega }_{2}},\cdots ,{{\omega }_{m}} \right)$。

利用EWAA算子对评估矩阵$R$中第$i$行的语言评估信息进行集结,得到决策方案${{x}_{i}}$的综合属性评估值${{z}_{i}}$

${{z}_{i}}=\text{EWAA}({{r}_{i1}},{{r}_{i2}},\cdots ,{{r}_{im}})={{\omega }_{1}}{{r}_{i1}}\oplus {{\omega }_{2}}{{r}_{i2}}\oplus \cdots \oplus {{\omega }_{m}}{{r}_{im}}={{s}_{a}}$

式中,语言评估标度的运算法则为${{s}_{\alpha }}\oplus {{s}_{\beta }}={{s}_{\alpha +\beta }}$,$y{{s}_{\alpha }}={{s}_{y\alpha }}$,取式(26)中的${{s}_{a}}$中的$a$作为电网自愈速度的最终评价结果。

6 算例分析

6.1 算例说明

为验证本文所提方法的有效性和正确性,对 图3所示配电网中七个小区段的自愈性进行评价。假设此配电网使用寿命预计是40年,即全寿命周期取40,年利率PA为4%。投资成本为11 200万元,检修成本为57.333万元,电价为0.5元/千瓦时。算例中共有3条馈线,馈线1主要为居民用电,馈线2和3主要为商业用电。馈线2与馈线3通过联络开关S10双环运行,为敏感负荷的无缝自愈提供保证。S1、S5和S7为变电站内馈线断路器;ST1、ST2、ST3和ST4为变压器两边的断路器;S2、S3、S4、S6和S8为线路上的开关。

图3

图3   13节点7区段配电系统结构


系统总负荷的最大值为52 MW,其中节点1、2、4、5、7、9、10、11、12为三级负荷,3和6为二级负荷,8和13为一级负荷,且节点13为敏感负荷。一、二、三级负荷权重系数根据专家判断分别取值为0.6、0.3、0.1;严格负荷、敏感负荷和普通负荷权重系数根据专家判断分别取值为0.5、0.3和0.2。馈线1的光伏电站容量均为1 MW。

各个区段的故障率如表3所示。

表3   各区段故障率

区段号1234567
故障率(次/年)0.0510.0360.0650.0400.0170.0570.009

新窗口打开| 下载CSV


6.2 算例结果

6.2.1 非故障状态下风险评价

通过专家打分,得到非故障状态下各项指标的判断矩阵和权重系数,如表4所示。

表4   非故障状态下自愈性指标的权重系数

指标$Ris{{k}_{L}}$$Ris{{k}_{V}}$${{R}_{Li}}$
权重0.2250.3240.451

新窗口打开| 下载CSV


根据各指标的定义,可计算得到7个区段一年的线路过载风险、电压越限风险以及丢失负荷风险的指标值,结果如表5所示。

表5   非故障状态下各个区段的风险指标值

区段号1234567
$Ris{{k}_{L}}$8.9×10-57.3×10-57.1×10-55.6×10-55.1×10-52.1×10-52.3×10-5
$Ris{{k}_{V}}$7.4×10-47.0×10-46.6×10-44.9×10-44.8×10-44.2×10-43.7×10-4
${{R}_{Li}}$8.8×10-45.0×10-44.9×10-43.3×10-43.2×10-41.2×10-41.1×10-4

新窗口打开| 下载CSV


表5可见,非故障状态下区段7的风险指标最小,而区域1和2的风险指标最大,故应加强对区域1和2的自愈控制,做好预防控制和紧急控制的协调控制。

根据式(23)和(24)对指标值进行预处理,并计算非故障状态下各个区段的综合属性值,结果如表6所示。

表6   非故障状态下各个区段的综合属性值

区段号1234567
非故障状态综合指标0.4640.4760.6540.7610.9160.9871

新窗口打开| 下载CSV


6.2.2 故障状态下自愈性评价

(1) 针对用户需求的指标属性值

设定语言评估标度

$\{{{s}_{-2}},{{s}_{-1}},{{s}_{0}},{{s}_{1}},{{s}_{2}}\}=,\{极差,差,一般,好,很好\} $

,基于EWA.A算子可得到各个区段的自愈速度指标值,如表7所示。

表7   各区段的自愈速度

区段号1234567
${{R}_{SHS}}$1.51.81.81.51.91.52

新窗口打开| 下载CSV


根据式(10)可获得各区段的自愈率指标,如表8所示。由于区段7的信息网可靠性较高,故考虑信息网的可靠性时,区段7的自愈率指标有所升高,即高于不考虑信息网的可靠性时区段7的自愈率指标。

表8   各区段的自愈率

区段号1234567
${{R}_{SHR}}$0.7840.8510.8420.9570.8960.9490.946

新窗口打开| 下载CSV


(2) 针对电网需求的指标属性值

针对电网的需求指标属性值如表9所示。

表9   针对电网需求的指标属性值

区段号1234567
${{R}_{SHC}}$610106666
${{\eta }_{RR}}$0.880.930.900.890.980.890.99
${{R}_{CL}}$0.150.090.130.120.040.140.05
${{R}_{ECB}}$2.773.092.873.043.732.455.12

新窗口打开| 下载CSV


(3) 针对社会需求的指标属性值

针对社会需求的指标属性值如表10所示。

表1   0 针对社会需求的指标属性值

区段号1234567
${{R}_{AOF}}$5.65.24.81.41.22.70.9
${{R}_{AOD}}$4.34.13.91.61.12.50.8

新窗口打开| 下载CSV


故障状态下自愈性综合评价结果如表11所示。

表1   1 故障状态下自愈性的评价结果

区段号1234567
故障状态综合指标0.4740.4780.5350.6670.8610.5050.934

新窗口打开| 下载CSV


6.2.3 配电网自愈性综合评价

根据所得到各区段非故障状态下的自愈性指标和故障后的自愈性指标,得到整个配电网的自愈性综合评价结果,如表12所示。

表1   2 各区段的自愈性综合评价结果

区段号1234567
综合指标0.4690.4480.3680.7140.8890.4640.967

新窗口打开| 下载CSV


由于区段7、5和4所处的电网双环运行,提高了电网的自愈性,从而保证了对重要负荷的供电可靠性,故区段7、5和4的自愈性最好,这一点在表12中得到了验证。

进一步的测试发现,当联络开关S10发生故障或由于检修而断开时,区段1的自愈性最好,而区段7、5和4的自愈性反而大幅下降。因此,为保证一级负荷8和13的供电可靠性,需要保证联络开关S10的可靠运行。

由此可见,本文提出的配电网自愈评价指标体系可以很好地评估配电网自愈能力的强弱,并可直接指导配电网的自愈控制。

7 结论

本文开展了配电网自愈性综合评价研究,取得的主要成果和结论如下。

(1) 配电网的自愈性综合评价不仅应包含故障状态下的自愈性评价,还应包括非故障状态下的风险评价。

(2) 为定量评估配电网在非故障状态下面临的风险,可基于风险理论建立线路过载风险、电压越限风险以及丢失负荷风险三个指标予以定量评价;而在故障后的配电网自愈评价方面,可从用户、电网公司和社会的需求出发分别建立自愈速度、自愈率、自愈控制操作复杂度、电压/电流恢复率、切负荷率、自愈投入费用与效果比、平均停电频率以及平均停电持续时间共八个定量指标,由此可构建出配电网自愈评价综合指标体系,有利于实现对配电网自愈能力的全面和综合评价。

(3) 本文提出的基于EWAA算子的改进层次分析法适宜于对配电网的自愈性进行综合评估。

参考文献

陈艳波, 刘洋, 张籍, .

基于改进SEC模型的新一代智能变电站设计方案评价

[J]. 电网技术, 2017,41(4):1308-1314.

[本文引用: 1]

CHEN Yanbo, LIU Yang, ZHANG Ji, et al.

Evaluation of a new generation intelligent substation design based on improved SEC model

[J]. Power Grid Technology, 2017,41(4):1308-1314.

[本文引用: 1]

ZHANG Baohui, HAO Zhiguo, BO Zhiqian.

New development in relay protection for smart grid

[J]. Protection and Control of Modern Power Systems, 2016,1(14):1-7.

DOI:10.1186/s41601-016-0016-y      URL     [本文引用: 1]

SHEN Yulan, CHEN Yanbo, ZHANG Ji, et al.

Self-healing evaluation of smart distribution network based on uncertainty theory

[J]. IEEE Access, 2019,7:140022-140029.

DOI:10.1109/Access.6287639      URL     [本文引用: 2]

戴观权, 蔡泽祥, 蔡煜, .

基于动态拓扑的配电网分布式保护自愈方法

[J]. 供用电, 2019(9):22-27.

[本文引用: 1]

DAI Guanquan, CAI Zexiang, CAI Yu, et al.

Distributed protection and self-healing method for distribution network based on dynamic topology

[J]. Distribution & Utilization, 2019(9):22-27.

[本文引用: 1]

CHEN Yanbo, MA Jin, ZHANG Pu, et al.

Robust state estimator based on maximum exponential absolute value

[J]. IEEE Transactions on Smart Grid. 2017,8(4):1537-1544.

DOI:10.1109/TSG.2015.2485280      URL     [本文引用: 1]

CHEN Yanbo, YAO Yuan, ZHANG Ying.

A Robust state estimation method based on SOCP for integrated electricity-heat system

[J]. IEEE Trans. on Smart Grid. doi: 10.1109/TSG.2020.3022563.

[本文引用: 1]

CHEN Yanbo, YAO Yuan, LIN Yuzhang, et al.

Dynamic state estimation for integrated electricity-gas systems based on Kalman filter

[J]. CSEE Journal of Power and Energy Systems. doi: 10.17775/ CSEEJPES.2020.02050.4.

[本文引用: 1]

IBM Corporation.

IBM end-to-end security for smart grids[R]

New York:IBM Corporation, 2009.

[本文引用: 1]

XU Yan, DONG Zhaoyang, XU Zhao, et al.

An intelligent dynamic security assessment framework for power systems with wind power

[J]. IEEE Transactions on Industrial Informatics, 2012,8(4):995-1003.

DOI:10.1109/TII.2012.2206396      URL     [本文引用: 1]

The increasing penetration of wind power can alter the dynamic security characteristic of a power system. To accommodate rapid and volatile wind power variations, dynamic security assessment (DSA) against foreseeable disturbances is required to be carried out online and provide security monitoring results within sufficiently small time frame. Based on soft computing (SC) technologies, this paper develops an intelligent framework for real-time DSA of power systems with large penetration of wind power. It consists of a DSA engine whose role is to perform real-time DSA of the power system, a wind power and load demand (W&LF) forecasting engine for offline and online predicting wind power generation and electricity load demand, a database generation (DBG) engine for generating instances to train the DSA engine, and a model updating (MU) engine for online updating the DSA engine. Case studies are conducted on two benchmark systems where high DSA efficiency and accuracy are obtained. This framework can be an ideal candidate for advanced security monitoring in the future SmartGrid control centres.

U.S.

Department of Energy. Smart grid system report annex A and B

[R]. New York:U.S. Department of Energy, 2009.

[本文引用: 1]

DAVIS K R, DAVIS C M, ZONOUZ S A, et al.

A cyber-physical modeling and assessment framework for power grid infrastructures

[J]. IEEE Trans. on Smart Grid, 2015,6(5):2464-2475.

DOI:10.1109/TSG.5165411      URL     [本文引用: 1]

European Smart Grids Technology Platform.

Vision and strategy for Europe’s electricity networks of the future

[R]. Brussels:European Commission, 2010.

[本文引用: 1]

QUEVEDO de P M, CONTRERAS J, MAZZA A, et al.

Reliability assessment of microgrids with local and mobile generation, time-dependent profiles, and intraday reconfiguration

[J]. IEEE Transactions on Industry Applications, 2018,54(1):61-72.

DOI:10.1109/TIA.28      URL     [本文引用: 1]

国网北京经济技术研究院.

“两型”电网指标体系研究[R]

北京:国网北京经济技术研究院, 2007.

[本文引用: 1]

State Grid Beijing Institute of Economics and Technology.

Research on the “two-type” grid index system[R]

Beijing:State Grid Beijing Institute of Economics and Technology, 2007.

[本文引用: 1]

国网北京经济技术研究院.

电网发展评估方法与模型研究

[R]. 北京:国网北京经济技术研究院, 2010.

[本文引用: 1]

State Grid Beijing Institute of Economics and Technology.

Research on power grid development assessment methods and models

[R]. Beijing: State Grid Beijing Institute of Economics and Technology, 2010.

[本文引用: 1]

蒋菱, 袁月, 王峥, .

智能电网创新示范能源互联网评估指标及评价方法

[J]. 电力系统及其自动化学报, 2016,28(1):39-45.

[本文引用: 1]

JIANG Ling, YUAN Yue, WANG Zheng, et al.

Evaluation index system and comprehensive evaluation method of energy internet in innovative demonstration area of smart grid

[J]. Proceedings of the CSU-EPSA, 2016,28(1):39-45.

[本文引用: 1]

姚玉海.

基于预想事故集的配电网自愈控制研究

[D]. 北京:华北电力大学, 2016.

[本文引用: 1]

YAO Yuhai.

Research on distribution network self-healing control based on contingency set

[D]. Beijing:North China Electric Power University, 2016.

[本文引用: 1]

李天友, 徐丙垠.

智能配电网自愈功能与评价指标

[J]. 电力系统保护与控制, 2010,38(22):105-108.

[本文引用: 2]

LI Tianyou, XU Bingzhen.

Self-healing function and evaluation index of smart distribution network

[J]. Power System Protection and Control, 2010,38(22):105-108.

[本文引用: 2]

ZHAO Huiru, LI Tianyou, FU Liwen, et al.

The research on comprehensive benefits evaluation of smart grid self-healing

[C]// 2012 China International Conference on Electricity Distribution,Shanghai, 2012: 1-12.

[本文引用: 1]

李振坤, 赵向阳, 朱兰, .

智能配电网故障后自愈能力评估

[J]. 电网技术, 2018,42(3):789-796.

[本文引用: 1]

LI Zhenkun, ZHAO Xiangyang, ZHU Lan, et al.

Evaluation of self-healing ability after faults in smart distribution network

[J]. Power System Technology, 2018,42(3):789-796.

[本文引用: 1]

赵晓琦, 张智, 姚琪, .

面向韧性提升的配电网开关优化配置模型

[J]. 电气工程学报, 2020,15(3):128-134.

[本文引用: 1]

ZHAO Xiaoqi, ZHANG Zhi, YAO Qi, et al.

Optimal configuration model of switch for distribution network based on resilience improvement

[J]. Journal of Electrical Engineering, 2020,15(3):128-134.

[本文引用: 1]

高翔.

智能配电网自愈控制的理论与技术研究

[D]. 北京:华北电力大学, 2011.

[本文引用: 1]

GAO Xiang.

Study on theories and technologies of self-healing control on smart distribution network

[D]. Beijing:North China Electric Power University, 2011.

[本文引用: 1]

陈为化.

基于风险的电力系统静态安全分析与预防控制

[D]. 杭州:浙江大学, 2007.

[本文引用: 1]

CHEN Huawei.

Risk-based security analysis and preventive control in power system

[D]. Hangzhou: Zhejiang University, 2007.

[本文引用: 1]

徐斌, 马骏, 陈青, .

基于改进AHP-TOPSIS法的经济开发区配电网综合评价指标体系和投资策略研究

[J]. 电力系统保护与控制, 2019,47(22):35-44.

[本文引用: 1]

XU Bin, MA Jun, CHEN Qing, et al.

Research on comprehensive evaluation index system and investment strategy of distribution network in economic development zone based on improved AHP-TOPSIS method

[J]. Power System Protection and Control, 2019,47(22):35-44.

[本文引用: 1]

/