1 / 17
文档名称:

基于地震灾害场景的主动配电网多维韧性评估方法 符杨.pdf

格式:pdf   大小:1,653KB   页数:17页
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

基于地震灾害场景的主动配电网多维韧性评估方法 符杨.pdf

上传人:金钏 2022/9/29 文件大小:1.61 MB

下载得到文件列表

基于地震灾害场景的主动配电网多维韧性评估方法 符杨.pdf

相关文档

文档介绍

文档介绍:该【基于地震灾害场景的主动配电网多维韧性评估方法 符杨 】是由【金钏】上传分享,文档一共【17】页,该文档可以免费在线阅读,需要了解更多关于【基于地震灾害场景的主动配电网多维韧性评估方法 符杨 】的内容,可以使用淘豆网的站内搜索功能,选择自己适合的文档,以下文字是截取该文章内的部分文字,如需要获得完整电子版,请下载此文档到您的设备,方便您编辑和打印。:.
电力自动化设备
ElectricPowerAutomationEquipment
ISSN1006-6047,CN32-1318/TM
《电力自动化设备》网络首发论文
题目:基于地震灾害场景的主动配电网多维韧性评估方法
作者:符杨,顾吉平,田书欣,米阳,刘舒
DOI:.202208024
收稿日期:2022-01-24
网络首发日期:2022-08-18
引用格式:符杨,顾吉平,田书欣,米阳,
韧性评估方法[J/OL].电力自动化设备.
/
网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编
辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、
出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,
只可基于编辑规范进行少量文字的修改。
出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国
学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出
版广电总局批准的网络连续型出版物(ISSN2096-4188,CN11-6037/Z),所以签约期刊的网络版上网络首
发论文视为正式出版。
:.
췸싧쫗랢쪱볤ꎺ2022-08-1811:28:51
췸싧쫗랢뗘횷ꎺ.
电力自动化设备
ElectricPowerAutomationEquipment
基于地震灾害场景的主动配电网多维韧性评估方法
符杨1,顾吉平1,田书欣1,米阳1,刘舒2
(,上海200090;,上海200437)
摘要:为了分析主动配电网承受破坏性扰动事件以及快速恢复重要负荷的韧性支撑能力,本文融合PMU高精度
动态感知能力提出了一种新的以地震灾害场景为背景的主动配电网多维韧性评估方法。首先阐述了配电网韧性
的基本概念及特征,并以地震作为极端事件代表,构建了反映配电线路故障率与地震动峰值加速度(peakground
acceleration,PGA)加权均值的模型,继而采用非序贯蒙特卡洛采样和K-means++聚类算法筛选出代表性的地震
场景;其次,基于系统配置的PMU的强感知力建立反映韧性电网应变力、防御力、恢复力和协同力的评估指标,
形成韧性多维特征空间,进而利用事件集点簇中心与最优韧性点的加权欧式距离评估系统多维综合韧性;然后,
分析增强电力线路强度、提高联合系统中DG可供容量两种措施对系统韧性提升的影响,挖掘韧性电网对抗震
防灾的学****力;最后,通过改进的PG&E69系统验证所提方法的有效性和准确性。
关键词:主动配电网;地震灾害;韧性评估;K-means++聚类;韧性多维特征空间
中图分类号:TM727;TM712文献标志码:ADOI:.202208024
0引言法的韧性评估方法可以和各类极端事件场景匹配,且
能简便的得出系统受灾后的韧性水平,如潮流计算模
随着超高渗透率分布式电源、电力电子技术和可[3][4]
拟、网络模型模拟等;理论推演分析法常常利用特
控负荷等可控资源的接入,配电网逐步由被动形态转
定场景下配电网元件的故障率进行韧性分析,如文献
变为主动配电网(activedistributionnetwork,ADN)。
[5]将韧性定义为电力系统在台风灾害导致基础设施
ADN位于电网末端,与用户密切相关,与输电网相比,
故障的情况下完成故障设备恢复的期望概率。在以地
抵御能力更脆弱,抗震性能更差,在地震灾害下的故
震为代表的极端灾害背景下的电网韧性评估、提升方
障建模分析也较少。
面,文献[6]利用杆塔结构的可靠度来量化线路故障率,
震,全域范围导致停运的电力线路共计35900多条,
并计及地震的传播性评估了各个地震烈度下电力系统
变电站1700多座,直接经济损失超过120亿元。在此
的韧性,但建模较为简单,结果误差较大;文献[7]从
背景下,对主动配电网遭受地震影响的韧性研究已经
鲁棒性、快速性和冗余性三个方面提出地震下海岛能
越来越受到国内外学者的关注。
源系统的韧性评估指标,根据评估结果明确存在的薄
现有研究对于极端事件下电力系统性能仿真较多
弱环节并优化提升,但仿真场景单一,没有考虑震级、
采用信息熵、模拟采样等方法。文献[1]采用信息熵的
震源的不确定性。以上方法虽然可以从单一侧重点对
理论对极端灾害场景进行选取,确定灾害可能导致的
电网的韧性水平进行评估,但没有对韧性电网的多维
故障规模;文献[2]利用切片采样的场景生成方法形成
核心特征展开全面的分析。
灾后的新能源和负荷的典型场景。然而,地震灾害下
因此,本文首先引入配电网韧性的概念,阐述韧
电网韧性评估方法的相关研究还处于起步阶段,其中,
性的核心特征及其与可靠性、运行韧性的区别,并以
输电网的韧性主要体现在电力公司角度的摧不垮、毁
地震作为极端事件的代表,建立ADN的线路故障率
不烂,而配电网的韧性更多体现在供电用户角度的安
与PGA加权均值的联系;其次,采用非序贯蒙特卡洛
全可靠不停电。现有的配电网韧性评估方法主要有两
[3-4][5]方法模拟抽样生成极端事件场景,并使用K-means++
类:模拟法和理论推演分析法。其中,基于模拟
聚类算法对场景进行针对性筛选,平衡评估效率和计
算精度;然后,基于ADN已配置的PMU所代表的高
收稿日期:2022-01-24;修回日期:2022-05-10
基金项目:国家重点研发计划项目(2017YFB0902800);国家自然科精度动态感知能力,提出ADN抵御率RDR、孤岛支
学基金资助项目(52007112);国家电网有限公司科技项目撑力RIS、重要负荷电量缺供率RESRCL和联络线转供
(52094019006)
ProjectsupportedbytheNationalKeyResearchandDevelopment覆盖率RTTC四个维度的指标,同时覆盖韧性电网的感
ProgramofChina(2017YFB0902800),theNationalNaturalScience知力、应变力、防御力、恢复力和协同力五个维度的
FoundationofChina(52007112)andtheScienceandTechnology
ProjectofStateGridCorporationofChina(52094019006)关键特征,以此在所构建的韧性多维特征空间中通过:.
电力自动化设备
衡量各场景点簇中心与最优韧性点的G1-
欧氏距离进行系统多维综合韧性评估,进而提出增强本文以地震作为极端灾害的代表,分析地震灾害
电力线路强度、提升联合系统中DG可供容量两种提对配电网元件故障率的影响。某地区或某系统元件的
升ADN韧性的措施;最后,通过改进的PG&E69系脆弱性越大,则受到极端事件不利影响的程度就越大。
统验证了所提韧性评估方法的有效性,并对比分析了而配电网元件的脆弱性在地震灾害场景中的量化,主
采取措施前后系统韧性水平的变化。要是线路故障率。配电网线路故障率建模的目的是为
1韧性概念及地震灾害场景生成了得到线路在给定地震动强度下故障率大于或等于某
一极限损坏程度的概率。

地震灾害下的配电网破坏包括杆塔倒塌和导线断
“韧性”表示物体受外力作用时产生变形但不折
线等,为了便于研究,选择可以体现地震动衰减特性
断的性质,也用于比喻顽强持久的精神。在物理学中,
的模型,常用的地震动参数有地震动峰值加速度(peak
韧性表示材料在塑性变形和破裂过程中吸收能量的能
groundacceleration,PGA)、地震动峰值速度(peak
力,或材料受到使其发生形变的力时对折断的抵抗能
groundvelocity,PGV)、地震动峰值位移(peakground
力。在配电网中,其韧性是指能够全面、快速、准确
displacement,PGD)、反应谱等。参考文献[10]进一步
感知配电网运行态势,协同配电网内外部资源,对各
类扰动做出主动预判与积极预备,主动防御并快速恢研究地震动变化规律,可得到影响地震动强度的几个
复重要电力负荷的一种能力。一般具备应变力、防御基本因素构建的地震动效应模型,如式(1)所示:
力、恢复力、感知力、协同力和学****力六大关键特征[8]。Y(f)F(f)G(f)S(f)(1)
现有文献展示的电网韧性通常涵盖运行韧性和恢复韧式中:f是震动频率;Y(f)是地震动参数;F(f)、
性,配电网韧性框架如图1所示。G(f)、S(f)分别是震级效应函数、震中距效应函数、
场地效应函数。
本文选取PGA作为地震动参数,考虑地震动与震
源能量、震中距路径和场地类型的关系,对式(1)各因
素统筹分析并取对数得到在基岩场地和土层场地中关
图1配电网韧性分类于不同震级、震中距的地震动衰减模型[10],分别如式

运行韧性[9]侧重于高频率低扰动下电网经济性能(2)和式(3)所示。
lgfR(2)
的损失,常使用电压暂降、频率波动等指标用以描述PGA
其特征;而恢复韧性侧重强调极端灾害下电网对关键lgfR(3)
PGA
负荷的支撑、恢复能力。因为本文研究的是极端灾害式中:式(2)为基岩场地的衰减方程,式(3)为土层场地
事件下主动配电网负荷失电和恢复过程中系统性能的的衰减方程;M是地震震级;R是计算点与震源中心
变化,故恢复韧性这一概念能契合本文的研究内容。的距离;fPGA是峰值加速度大小。
为方便后续叙述,下文将提及的恢复韧性简称为韧性。配电网覆盖区域通常比较小,所处位置的地质结
配电网可靠性主要是指满足用户长时间尺度下的构基本相同,地质结构差异不作为影响线路故障率的
供电需求能力。可靠性不能代替韧性,一个可靠性很主要因素。在基于同一系统内线路元件采用相同型号
高的配电网,其韧性水平未必高。例如可靠性很高的的前提下,邻近线路在灾中的故障率十分接近。为了
系统往往自动化程度很高,可以在很短的时间内移除能同时兼顾地震动峰值加速度的准确性和普适性,并
故障元件,但极端灾害群发性故障下系统可能无法完计及配电系统在不同地震灾害强度下的负荷空间分布,
成有效的远程调控,系统负荷在短时间内大量失电,本文提出对应某受灾区域地震动峰值加速度加权均值
此时韧性较差。的概念。定义如下:
Ng
可靠性、运行韧性、韧性三者从不同角度描述了
fPGAg,iwiPi
配电网的故障状态特点,本文将从概念、时间尺度、ig,i1(4)
fPGAgNg
特征指标、故障特点和评价指标这5处特征入手,对
wiPi
这三个重要指标进行对比分析,明确它们的联系与区ig,i1
别,以便加深对配电网韧性的理解,具体关系见附录式中:fPGAg是受灾区域g地震动峰值加速度的加权
A表A1。:.
电力自动化设备
均值;fPGAg,i是区域g内节点i所在位置的峰值加速存在解耦作用,故设定架空导线在灾害中不受到地震
影响,配电线路的故障率由支撑的杆塔来决定,线路
度;Pi是区域g内节点i所挂负荷的有功功率;wi表
故障率的推导计算过程见附录B。
示负荷i的权重系数;Ng是受灾区域g内的负荷节点

数。
按照距离震源的远近将受灾的配电系统划分成多地震的小概率、高破坏性特点决定了灾害数据难
个区域,一般来说在同一灾害下,不计地质结构差异以全面获取,且其特殊性也决定了不同地震灾害下线
和复杂因素时,距离震源越远的区域地震动峰值加速路的故障情况不同,普适性有限。因此ADN的故障
度加权均值越低,线路段被破坏的概率越小,线路故分析情况可以从典型的故障灾害场景中选取,通过改
障率越小;反之则故障率越大。此外按照式(2)、式(3)变震中震级和震源位置构建地震灾害场景集,在此基
地震动强度传播的衰减方程,区域划分是非均匀的,
础上分析不同场景下配网线路的故障情况。由于构造
即越靠近震源的区域划分越密集。基于负荷加权fPGA
的地震场景具有随机性,导致ADN线路故障场景的
的配电网分区如图2所示。
生成也是随机、无序、不确定的,而以非序贯蒙特卡
洛为代表的模拟法使用随机数来模拟物理和数学问题,
以解决不确定性问题与带有随机性的问题,且相比序
贯模式,不需要考虑ADN的实际运行历史,是量化
不确定性的一种常用方法。

对于ADN线路故障的不确定性,本文假设线路
图2基于负荷加权fPGA的配电网分区
的故障率和修复率分别为p、,极端灾害下元件故障
,元件的正常工作时间t和维修
f
weightedfPGA
时间tr分别服从参数为p和的指数分布。在非序贯
目前对于地震灾害下构建线路的故障率模型方面,蒙特卡洛模拟中,故障率p和修复率可以通过指数
主要有三种方法,分别为专家系统打分统计法、实验反变换得到:
分析法和理论分析法。其中,理论分析方法能通过有plnr1tf
(7)
限元方法建模元件结构的力学响应从而分析出元件的lnr2tr
故障率,分析结果能与实际灾害结果相近,为本文采式中:r、r为区间[0,1]上服从均匀分布的随机数。
12
用的方法。
理论分析法常用累计对数正态分布函数[10],表示
本文采用K-means++聚类算法对极端事件场景集
式为如下:进行聚类划分,K-means++算法优化了随机初始质心,
x1(lns)2
P(Dd|Ix)expids(5)实质就是初始化距离较远的聚类中心点。K-means基
ii022
2πisi
础算法可参阅文献[11],具体优化策略见附录C。
式中:i=1,2,3,4表示线路四种极限损坏状态的序号;对聚类之后的各聚类簇数采用“肘方法”结合轮
di表示四种极限损坏状态,分别为轻微损坏、中度损廓系数(silhouettecoefficient,SC)的方法来确定最佳聚
坏、重度损坏和完全损坏;D表示线路关于故障状态类簇数K。肘方法:用于初步判断K所在的大致区间。
的随机变量;I=x表示线路所处位置的地震动强度为x。计算误差平方和S(k),S(k)是关于聚类簇数k的递
EE
i、i分别是四种极限损坏状态下线路故障率曲线的减函数。图像一开始呈现快速递减态势,当超过某个
对数期望和对数标准差。拐点后递减速度大幅放缓,该拐点位置即为“肘部”,
因为本文选取的地震动参数x是fPGAg,故式(5)肘部所在的区域就是最佳簇数K所在范围。
可以改写为式(6)形式:对于肘部拐点不突出、肉眼无法判断的案例,可
fPGAg1(lns)2
P(Dd|f)expids(6)以通过计算轮廓系数来进一步确定最佳簇数K。公式
iiPGAg02πs22
ii如式(8)所示,sc(x)[1,1],值最接近1的sc(x)所
地震发生时,配电网不同区域线路段受地震影响对应的聚类数k即为最佳聚类簇数K。
遭受的损失和故障率不同。首先需计算不同区域电力b(x)a(x)
线路的f,接着可计算该区域在当前f下线路sc(x)(8)
PGAPGAmaxa(x),b(x)
的故障率。假设配电线路是由若干导线和杆塔组成的
式中:a(x)表示簇内不相似度,体现凝聚度;b(x)表
串联系统,因为导线的低频震动对输入的地震动强度
示簇间不相似度,体现分离度。:.
电力自动化设备

假设受灾的ADN中线路数为N,则ADN的运行逆变器型源储荷设备控制策略提供高频数据支撑;另
状态由N维向量表示为:X=[x1,x2…,xN]。其中,ADN一方面,可以协助孤岛模式快速同步并网,扩大供电
中任一线路的运行状态xi(i1,2,...,N)可以表示为恢复范围。因此,在地震灾前预防和灾后修复都具有
1r高成本的背景下,一套能实时感知、高同步、高动态
xi(9)
0rp的电网数据量测装置对系统韧性评估及提升显得十分
式中:r是区间[0,1]上服从均匀分布的随机数,xi=1重要。
表示线路i正常运行或处于修复阶段;xi=0表示线路i基于此,本文假定在主动配电网中PMU已经优
处于故障状态。化配置的前提下,达到全网拓扑可观以及态势可观,
设置非序贯蒙特卡洛模拟采样次数为M,则可以若发生地震灾害,各故障场景各时段系统的高频高动
获得一组包含M个ADN系统运行状态样本的集合:态安全态势信息都可以通过节点配置的PMU或分区
SX1,X2,...,XM(10)内所属PMU监测感知到。故本文采用PMU对负荷、
考虑计算量,全体事件场景经K-means++聚类后,DER出力进行实时动态感知。
极端事件导致的故障场景数缩减至K个:对于本文后续的评估指标构建计算方面,场景生
SX1,X2,...,XK(11)成过程中采用的非序贯蒙特卡洛采样无法提供指标的
集合S即为地震灾害下某一时刻ADN经历的故时序信息,而因为PMU通过使用北斗/GPS提供带有
障场景数。精准同步时标的三相电压、三相电流、相角和频率等,
内部配置的时间同步模块使授时精度不大于50s[14],
、DER出力同步感知
现有文献大多设定负荷和分布式能源(distributed可通过PMU实时感知读取模拟灾害场景中各韧性指
energyresources,DER)出力预测误差服从正态分布[12],标对应的时序信息。同时相比序贯蒙特卡洛采样,求
以预测值为均值,标准差取预测值的一定比例。然而,解效率大大提高。
极端灾害场景下,配电网拓扑结构随时都有可能发生2ADN多维韧性评估与影响措施分析
突变;且随着高比例清洁能源和电力电子设备的接入,

配电网源荷态势变化更加快速复杂。显然,即便不计
韧性电网能够全面、快速、准确感知电网运行态
功率预测本身带来的误差,上述对负荷、DER正态分
势,能够有效应对大概率、低影响的小扰动和小概率、
布的粗糙处理方式在源荷复杂多变的极端灾害场景中
中高影响的极端事件。其中,极端事件发生概率小、
也难以适应。
破坏范围大,一般难以预测且会对社会和人民造成巨
同步相量量测单元(PMU)能克服常规配电量测装
大损失,如何衡量电力系统应对极端事件的韧性是近
置(如SCADA、AMI等)存在的采集周期长、量测不同
年的研究热点,而韧性指标可以量化主动配电网在遭
步和动态性弱的缺点,实时快速、准确地捕捉ADN
受极端事件前后的供电能力和恢复情况。
在高频率、高扰动的极端灾害场景下系统动态态势变
[13]附录D图D1是极端事件下ADN故障恢复全过
化。区别于台风、冰灾等其他自然灾害从发生到对
程及韧性提升曲线图。纵坐标表示系统整体负荷函数,
电力设施损害具有一定的时延性,地震灾害由于其本
横坐标是故障恢复时间。极端事件发生前,系统功能
身的随机性、难以预测性和快速破坏性,短时间内会
维持在正常水平S0,此时处于灾前预警状态,te表示
对电力系统造成巨大的破坏和难以估量的经济损失。
极端事件发生时刻;tpe表示极端事件结束时刻,此时
目前国内外地震灾前预警往往是提前几秒至几十秒发
受极端事件影响系统已呈现大面积失电状态,Spe为此
出告警,使得现有量测因其自身的采样时间间隔较长
刻系统对应的整体负荷水平;tpe-tr是ADN在极端事
而难以在宝贵的秒级地震预警时间内作出及时准确的
件发生后和采取恢复措施前的准备状态,在该状态下,
反应。然而,毫秒级PMU量测是可以在秒级预警阶
系统依靠自身强度能维持部分负荷供电;tr-tpr是系统
段时间间隔内获取大量同步高精度数据,快速精准感
协调各类资源,如联络线转供、孤岛供电等,实施恢
知分布式能源、多元负荷的高动态变化态势,进而可
复措施在一定程度上提升系统功能的过程,但无法达
充分调用多控制分布式资源进行高动态紧急控制,实
到事故前的正常水平;tir是开始故障抢修复电的时刻,
现主动防御。鉴于地震多发区主动配电网受灾后往往
逐步修复故障设备,至tpir抢修完成后系统功能恢复初
发生群发性故障,如果故障区受灾严重,必须依托非
始状态。
故障区的支撑电源尽快恢复重要负荷的供电。此时,
考虑ADN在面对极端事件时经历的上述几个变:.
电力自动化设备
化阶段,国内外已有多位学者提出ADN在极端事件space,MFS)使用一套崭新的韧性评价指标,对地震灾
下的韧性评估指标。在单次灾害韧性评估指标的基础害下主动配电网面临的各类故障场景进行多维综合韧
上进行系统整体韧性水平的评估,传统的韧性评估往性评估;进而分析影响ADN韧性的重要因素,并计
往是构建单个场景的“韧性梯形图”特性及每个场景算对比不同影响措施作用下的ADN韧性水平变化情
生成的概率,计算系统的韧性。如构建吸收率、适应况。
率和修复速率三个评估指标并确定任意场景的发生概韧性电网的应变力、防御力、恢复力和协同力四
率,即可求取配电网在事件场景集下的韧性水平[15]。个维度的特征,对应于MFS内部指标的具体定义如下:
现有的韧性评估指标最为常见的是采用梯形缺失1)应变力:ADN抵御率(defenserate,DR)。
面积或概率方式[16]来表示。其中,梯形缺失面积将指ADN抵御率定义为极端灾害开始发生至系统性
标定义为系统功能损失部分与时间的积分,即能降为最低点过程中,单位时间的性能变化幅度。该
1tpir指标表明系统应对灾害的能力,主要与灾害的类型与
R(y)=t[S0Si(t)]dt(12)
s()ie强度、导线的抗拉强度、电杆的抗弯强度、线路种类
式中:R(y)表示系统y的韧性值;S0是系统y在正和绝缘水平等因素相关。RDR的定义如下:
tpe
常情况下的性能,Si(t)是系统y在灾害场景i下的性S0S(t)dt
te
能曲线;s()表示灾害场景的规模。RDR(14)
tpete
在简化处理时,将系统性能曲线简化为一个三角
形,此时韧性值为系统性能降低最大幅度和系统恢复式中:te、tpe分别是灾害发生时刻、系统开始降额运
时间乘积的一半,即行时刻;S0、S(t)是灾害前系统性能值和灾害事件发生
1(S0minSi(t))(tpirte)后系统性能随时间变化曲线。
R(y)=(13)
s()i22)防御力:孤岛支撑力(islandsupport,IS)。
式中:minS(t)表示系统y在灾害场景i下的性能最大规模故障发生后,对于没有配置联络开关或流
i
差值。经联络开关的功率不满足约束条件的非故障停电区域,
此外,还有利用各等级负荷在极端事件下经加权可在灾害场景下通过就地风光、储能、微电网、应急
处理后的综合负荷损失来量化ADN的韧性值,如附发电车等分布式能源实现区域自维持的持续供电。孤
录E式(E1)所示。岛是否合理划分、孤岛能否长时间成功稳定运行都会
由式(12)、式(13)可知,梯形面积指标同时考虑了直接影响该区域用户。故本文提出孤岛支撑力这一指
系统的鲁棒性和迅速性,而利用乘积聚合两个较为重标来衡量孤岛区域ADN的韧性水平,RIS定义如下:
NIS
要的低维特征量会导致整体特征信息丢失严重的后果,RIS1iRIS,i(15)
且梯形面积无法直接反映关于韧性的其他属性,如冗i1
余性、有源性。由附录E式(E1)可知,加权负荷损失式中:NIS是当前场景孤岛划分个数;i是孤岛i的权
聚焦于整个故障发生和恢复期上各失电负荷重要性程重系数;RIS,i是孤岛i的支撑力。
度和总失电负荷的考量,缺少对故障发生和恢复期内为突显区内重要负荷在孤岛区域内的较高地位,
各阶段的不同变化特征的区分剖析,最后得到的韧性i定义为孤岛i内重要负荷加权有功功率占全体失电
指标往往比较单一和平均,不能很好地反映整个恢复负荷加权有功功率的比值,可使得孤岛支撑力更能体
期韧性变化的全貌。现出ADN在极端灾害发生后的针对性防御力和对重
本文在上述研究的基础上,为全面、快速、准确要负荷的供电水平。
地感知AND的运行状态,预测未来运行态势并对以jPj
jNicr
后ADN运行的潜在风险作出指导,在配电网的某些i(16)
jPj
关键节点配置PMU,从而准确有效地感知ADN的动jNi
态安全态势,为应变、防御和恢复措施的制定以及高式中:N、Ncr分别是孤岛区域i内的负荷集和重要负
ii
效协同配电网各类资源提供数据支撑。荷集。
为深度挖掘ADN在极端灾害下韧性的多维特征本文考虑孤岛区域自维持的持续供电能力与其快
变化,基于PMU的高精度动态感知力和ADN韧性的速并网的时间,定义孤岛i的支撑力如下:
多维度关键指标,本文立足于韧性电网的多维核心特Tsus,i
RIS,i(17)
征,在韧性多维特征空间(multidimensionalfeatureTrec,i:.
电力自动化设备
式中:Tsus,i是孤岛i的自维持持续供电时间;Trec,i是
孤岛i内负荷从失电到再次并网经历的时间。
3)恢复力:重要负荷电量缺供率(energyshortage
rateofcriticalload,ESRCL)。
重要负荷电量缺供率表示在恢复期间重要负荷根
据应急预案逐段恢复供电,重要负荷随时间t恢复正
常供电的电量缺额对重要负荷正常运行时总供电量的
比值。重要负荷电量缺供率表征了ADN采取应急措图3韧性多维特征空间内部特征关系
施后电能供应的中断程度。RESRCL的定义如下: