本發(fā)明涉及一種基于電壓分布特性的計(jì)及負(fù)荷隨機(jī)波動(dòng)的電力系統(tǒng)薄弱點(diǎn)分析及識(shí)別方法。

背景技術(shù)：

電力系統(tǒng)運(yùn)行過程中存在很多不確定因素，如發(fā)電系統(tǒng)可用性、線路傳輸容量限制、配電網(wǎng)可用性、負(fù)荷隨機(jī)波動(dòng)等，隨著新能源滲透率的增加以及電力市場運(yùn)行機(jī)制的改革，電力系統(tǒng)運(yùn)行的不確定性將進(jìn)一步增大。負(fù)荷波動(dòng)會(huì)造成發(fā)電機(jī)發(fā)出功率及系統(tǒng)元件工作狀態(tài)的變化，是系統(tǒng)運(yùn)行中最根本、發(fā)生最頻繁的不確定因素之一。因此，正確評(píng)估負(fù)荷隨機(jī)波動(dòng)的影響對(duì)于電力系統(tǒng)運(yùn)行與規(guī)劃至關(guān)重要。

概率潮流計(jì)算是分析電力系統(tǒng)不確定性因素的重要基礎(chǔ)，具體可以分為模擬法概率潮流、近似法概率潮流和解析法概率潮流三類。其中，模擬法概率潮流可精確地獲得狀態(tài)電壓和支路潮流的概率描述。模擬法的代表是蒙特卡洛模擬法，它在進(jìn)行大型電力系統(tǒng)的可靠性評(píng)估時(shí)具有很強(qiáng)的靈活性，但同時(shí)需要大規(guī)模的模擬采樣才能得出較為精確的計(jì)算結(jié)果，存在計(jì)算量大、耗時(shí)長的缺陷。因此，在保證計(jì)算精度及提高計(jì)算速度方面有待進(jìn)一步研究。

另外，傳統(tǒng)的電力系統(tǒng)薄弱點(diǎn)識(shí)別方法主要包括靈敏度分析法、奇異值分解法、特征值分析法、模態(tài)分析法、連續(xù)潮流法、直接法和非線性規(guī)劃法等。其中，靈敏度分析法以潮流方程為基礎(chǔ)，利用系統(tǒng)中某些物理量的變化關(guān)系，即它們之間的微分關(guān)系來研究系統(tǒng)的穩(wěn)定性。靈敏度分析法不能將發(fā)電機(jī)某些變量約束和負(fù)荷變化反映在方程中，因而在分析中存在一定的局限性；奇異值分解法、特征值分析法、模態(tài)分析法是通過潮流雅可比矩陣分析系統(tǒng)的某些特征，進(jìn)而得出系統(tǒng)薄弱點(diǎn)存在計(jì)算量較大的問題；連續(xù)潮流法、直接法和非線性規(guī)劃法則是通過計(jì)算電壓崩潰臨界點(diǎn)附近的電壓幅值及變化率等特征進(jìn)行系統(tǒng)薄弱點(diǎn)識(shí)別。這類方法往往基于某幾種特定的運(yùn)行方式，結(jié)合不同的負(fù)荷增長規(guī)律進(jìn)行分析。因此，提出一種物理意義明確、計(jì)算簡便、并能夠準(zhǔn)確、快速識(shí)別薄弱點(diǎn)的分析方法，對(duì)于電力系統(tǒng)靜態(tài)穩(wěn)定性評(píng)估具有重要意義。

技術(shù)實(shí)現(xiàn)要素：

為了克服蒙特卡洛模擬法考慮負(fù)荷隨機(jī)變化時(shí)計(jì)算量大、耗時(shí)長的缺陷以及現(xiàn)有薄弱點(diǎn)識(shí)別方法需要通過大量抽樣狀態(tài)才能得到確信結(jié)果的問題，提供一種基于電壓分布特性的計(jì)及負(fù)荷隨機(jī)波動(dòng)的系統(tǒng)薄弱點(diǎn)識(shí)別方法。

本發(fā)明的技術(shù)方案：

電力系統(tǒng)薄弱點(diǎn)識(shí)別方法，其特征在于根據(jù)節(jié)點(diǎn)崩潰電壓均值、節(jié)點(diǎn)崩潰電壓均方差來判斷電力系統(tǒng)薄弱點(diǎn)，節(jié)點(diǎn)崩潰電壓均值越低且節(jié)點(diǎn)崩潰電壓均方差越大，則節(jié)點(diǎn)越薄弱。

所述電力系統(tǒng)薄弱點(diǎn)識(shí)別方法包括如下內(nèi)容：

1.獲取電力系統(tǒng)運(yùn)行參數(shù)；

2.電力系統(tǒng)薄弱點(diǎn)電壓分布特性分析；

3.基于電壓分布特性的電力系統(tǒng)薄弱點(diǎn)識(shí)別方法。

所述電力系統(tǒng)薄弱點(diǎn)電壓分布特性分析方法：包括(1)即用正態(tài)概率紙檢驗(yàn)法分析節(jié)點(diǎn)崩潰電壓分布類型；

(2)通過節(jié)點(diǎn)崩潰電壓概率密度曲線分析電力系統(tǒng)薄弱點(diǎn)電壓分布特性分析。

所述基于電壓分布特性的電力系統(tǒng)薄弱點(diǎn)識(shí)別方法，包括(1)根據(jù)電力系統(tǒng)節(jié)點(diǎn)崩潰電壓分布規(guī)律提出薄弱點(diǎn)識(shí)別指標(biāo)——崩潰電壓均值指標(biāo)和崩潰電壓均方差指標(biāo)；

所述節(jié)點(diǎn)崩潰電壓均值指標(biāo)

所述節(jié)點(diǎn)崩潰電壓均方差指標(biāo)

k表示系統(tǒng)節(jié)點(diǎn)；l表示系統(tǒng)運(yùn)行狀態(tài)，l為系統(tǒng)傳輸線路總數(shù)；正常運(yùn)行狀態(tài)時(shí)l計(jì)為0，一階線路故障狀態(tài)表示為l，1<l<l；pl為運(yùn)行狀態(tài)l時(shí)系統(tǒng)的狀態(tài)概率，

r表示系統(tǒng)元件，1<r<r；

r為系統(tǒng)元件總數(shù)；

λr為系統(tǒng)中元件r的故障率；

mubplk是采用改進(jìn)bootstrap方法對(duì)某一系統(tǒng)運(yùn)行狀態(tài)l情況下，負(fù)荷隨機(jī)波動(dòng)時(shí)節(jié)點(diǎn)k的崩潰電壓進(jìn)行抽樣得出的節(jié)點(diǎn)崩潰電壓均值；sigmabplk是采用改進(jìn)bootstrap方法對(duì)某一系統(tǒng)運(yùn)行狀態(tài)l情況下，負(fù)荷隨機(jī)波動(dòng)時(shí)節(jié)點(diǎn)k的崩潰電壓進(jìn)行抽樣得出的節(jié)點(diǎn)崩潰電壓均方差。

(2)逐一斷開系統(tǒng)傳輸線路，形成不同的系統(tǒng)一階故障結(jié)構(gòu)。分別在正常網(wǎng)架結(jié)構(gòu)及一階故障結(jié)構(gòu)情況下，計(jì)算系統(tǒng)崩潰電壓：

即將拉丁超立方抽樣法與bp神經(jīng)網(wǎng)絡(luò)相結(jié)合獲取系統(tǒng)隨機(jī)負(fù)荷狀態(tài)；通過改進(jìn)二分法計(jì)算系統(tǒng)崩潰情況下節(jié)點(diǎn)電壓；

(3)采用改進(jìn)bootstrap方法進(jìn)行重抽樣，計(jì)算系統(tǒng)薄弱點(diǎn)識(shí)別指標(biāo)，并進(jìn)行排序。

本發(fā)明的有益效果:

1.本發(fā)明所述的基于電壓分布特性的電力系統(tǒng)薄弱點(diǎn)識(shí)別方法將系統(tǒng)薄弱點(diǎn)崩潰電壓分布特性作為薄弱點(diǎn)識(shí)別依據(jù)，其物理意義明確，可以簡便、快速、準(zhǔn)確地識(shí)別負(fù)荷隨機(jī)波動(dòng)情況下的系統(tǒng)薄弱點(diǎn)。

2.所述的電力系統(tǒng)隨機(jī)負(fù)荷狀態(tài)獲取過程將bp神經(jīng)網(wǎng)絡(luò)同拉丁超立方抽樣法相結(jié)合，具有采樣區(qū)間廣、計(jì)算速度快的優(yōu)點(diǎn)，可以模擬所有系統(tǒng)節(jié)點(diǎn)的隨機(jī)負(fù)荷組合。

3.所述的電力系統(tǒng)薄弱點(diǎn)識(shí)別指標(biāo)計(jì)算過程應(yīng)用bootstrap方法進(jìn)行分析，在同等抽樣次數(shù)下，得出的節(jié)點(diǎn)薄弱分析結(jié)果比單純采用點(diǎn)估計(jì)法得出的結(jié)果更加準(zhǔn)確。

附圖說明

圖1是本發(fā)明的運(yùn)行流程圖；

圖2是本發(fā)明中系統(tǒng)薄弱點(diǎn)電壓分布特性識(shí)別方法的流程圖；

圖3是ieee30節(jié)點(diǎn)系統(tǒng)結(jié)構(gòu)圖；

圖4是ieee30節(jié)點(diǎn)系統(tǒng)30節(jié)點(diǎn)崩潰電壓正態(tài)分布檢驗(yàn)圖；

圖5是ieee30節(jié)點(diǎn)系統(tǒng)26節(jié)點(diǎn)崩潰電壓正態(tài)分布檢驗(yàn)圖；

圖6是ieee30節(jié)點(diǎn)系統(tǒng)節(jié)點(diǎn)崩潰電壓概率密度分布曲線；

圖7是ieee30節(jié)點(diǎn)系統(tǒng)負(fù)荷隨機(jī)增長系數(shù)圖；

圖8是ieee30節(jié)點(diǎn)系統(tǒng)30節(jié)點(diǎn)指標(biāo)崩潰電壓均值計(jì)算結(jié)果圖；

圖9是ieee30節(jié)點(diǎn)系統(tǒng)26節(jié)點(diǎn)指標(biāo)崩潰電壓均值計(jì)算結(jié)果圖。

具體實(shí)施方式

如圖1所示，本發(fā)明包括如下三個(gè)內(nèi)容：

第一，獲取電力系統(tǒng)運(yùn)行參數(shù)；

第二，電力系統(tǒng)薄弱點(diǎn)電壓分布特性分析；

第三，基于電壓分布特性的電力系統(tǒng)薄弱點(diǎn)識(shí)別方法。

下面分別對(duì)本發(fā)明上述內(nèi)容詳細(xì)分解。

第一，獲取電力系統(tǒng)運(yùn)行參數(shù)

采用計(jì)算機(jī)軟件獲取要進(jìn)行分析的系統(tǒng)節(jié)點(diǎn)、元件參數(shù)；包括母線電壓參數(shù)、等效電源輸出功率(包括發(fā)電機(jī)組、無功補(bǔ)償裝置、電網(wǎng)間聯(lián)絡(luò)線)、負(fù)荷功率、輸電線路阻抗參數(shù)及故障率參數(shù)、變壓器參數(shù)。

所述支路包括輸電線路、電纜、變壓器以及連接兩個(gè)母線的輸電設(shè)備；

所述元件為電力系統(tǒng)等效電源點(diǎn)、支路、負(fù)荷；

所述節(jié)點(diǎn)為電力系統(tǒng)中所有母線。

第二，電力系統(tǒng)薄弱點(diǎn)電壓分布特性分析方法：

采用正態(tài)概率紙檢驗(yàn)法分析節(jié)點(diǎn)崩潰電壓的分布類型；繪制節(jié)點(diǎn)崩潰電壓概率密度曲線，通過節(jié)點(diǎn)崩潰電壓概率密度曲線分析電力系統(tǒng)薄弱點(diǎn)的電壓分布特性；具體步驟如下：

1.采用正態(tài)概率紙檢驗(yàn)法對(duì)節(jié)點(diǎn)崩潰電壓數(shù)據(jù)進(jìn)行正態(tài)分布檢驗(yàn)，步驟如下：

(1)將節(jié)點(diǎn)的崩潰電壓數(shù)據(jù)隨機(jī)樣本值按照由小到大的順序排列并得到排列樣本值；

(2)計(jì)算每個(gè)隨機(jī)樣本值相應(yīng)的經(jīng)驗(yàn)分布函數(shù)i為排列順序編號(hào)；

(3)將所有隨機(jī)樣本及其經(jīng)驗(yàn)分布函數(shù)f(ti)在正態(tài)概率紙上描點(diǎn)，得出正態(tài)概率分析曲線。若曲線明顯不成直線，則隨機(jī)樣本不服從正態(tài)分布。若曲線基本成直線，則通過以下步驟繼續(xù)檢驗(yàn)；

(4)計(jì)算隨機(jī)樣本的均值估計(jì)值及均方差估計(jì)值

(6)計(jì)算隨機(jī)樣本的理論分布函數(shù)

(7)計(jì)算經(jīng)驗(yàn)分布函數(shù)與理論分布函數(shù)的偏差度若偏差度bias小于3％，則認(rèn)為隨機(jī)樣本服從正態(tài)分布，反之，則拒絕樣本正態(tài)性的假設(shè)；

2.采用matlab軟件中的ksdensity函數(shù)做出節(jié)點(diǎn)崩潰電壓的概率密度曲線，將節(jié)點(diǎn)崩潰電壓概率密度曲線同已有文獻(xiàn)的薄弱點(diǎn)指標(biāo)進(jìn)行對(duì)比；指標(biāo)包括無功不足期望值、無功負(fù)荷切除量、最低電壓指標(biāo)、節(jié)點(diǎn)電壓變化指標(biāo)、快速電壓穩(wěn)定性指標(biāo)；

所述已有文獻(xiàn)如下：

(1)文獻(xiàn)《reactivepoweraspectsinreliabilityassessmentofpowersystems》(ieeetransactionsonpowersystems2011,26(1):85-92)將可靠性理論應(yīng)用于電力系統(tǒng)薄弱點(diǎn)識(shí)別，考慮了節(jié)點(diǎn)電壓與有功、無功功率充裕量的關(guān)系，提出了相應(yīng)可靠性指標(biāo)。

(2)文獻(xiàn)《operationalreliabilityassessmentofpowersystemsbasedonbusvoltage》(ietgeneration,transmissionanddistribution2015,9(5):475-482)采用連續(xù)潮流法進(jìn)行分析，從系統(tǒng)最低電壓和節(jié)點(diǎn)電壓變化角度提出了薄弱點(diǎn)識(shí)別依據(jù)。

(3)文獻(xiàn)《detectionofweakbusthroughfastvoltagestabilityindexandinherentstructuralcharacteristicsofpowersystem》(20154thinternationalconferenceonelectricpower).提出電網(wǎng)固有結(jié)構(gòu)特性的概念，將其與快速電壓穩(wěn)定性指標(biāo)(fastvoltagestabilityindex，fvsi)相結(jié)合，將特征值分析法用于系統(tǒng)薄弱點(diǎn)識(shí)別。

(4)文獻(xiàn)《弱節(jié)點(diǎn)排序參與因子的等價(jià)判據(jù)與比較》(電力自動(dòng)化設(shè)備，2012(12)：48-52)則是將最小奇異值對(duì)節(jié)點(diǎn)靈敏度的偏導(dǎo)數(shù)作為系統(tǒng)的薄弱點(diǎn)識(shí)別依據(jù)。

得出電力系統(tǒng)節(jié)點(diǎn)崩潰電壓分布特性：電壓分布的均值越低、均方差越大，則節(jié)點(diǎn)越薄弱。

第三，基于電壓分布特性的電力系統(tǒng)薄弱點(diǎn)識(shí)別方法

1.根據(jù)電力系統(tǒng)節(jié)點(diǎn)崩潰電壓分布特性，以節(jié)點(diǎn)崩潰電壓分布均值及均方差為核心，提出薄弱點(diǎn)識(shí)別指標(biāo)——崩潰電壓均值指標(biāo)和崩潰電壓均方差指標(biāo)。

假設(shè)電力系統(tǒng)中有m個(gè)節(jié)點(diǎn)，l條傳輸線路。電力系統(tǒng)節(jié)點(diǎn)表示為k(1<k<m)。電力系統(tǒng)不同網(wǎng)架結(jié)構(gòu)用l表示，正常狀態(tài)時(shí)l計(jì)為0，發(fā)生故障時(shí)，運(yùn)行狀態(tài)為故障線路編號(hào)l(1<l<l)。

(1)崩潰電壓均值指標(biāo)(collapsevoltagemeanvalueindicator，cvmv)

定義節(jié)點(diǎn)k的崩潰電壓均值指標(biāo)為節(jié)點(diǎn)崩潰電壓均值與狀態(tài)概率的乘積，如式(1)所示：

其中，pl為運(yùn)行狀態(tài)l是系統(tǒng)的狀態(tài)概率，mubplk為運(yùn)行狀態(tài)l時(shí)，節(jié)點(diǎn)k的崩潰電壓正態(tài)分布均值。崩潰電壓均值指標(biāo)cvmvk越小，表明該節(jié)點(diǎn)越薄弱。

(2)崩潰電壓均方差指標(biāo)(collapsevoltagemeansquaredeviationindicator，cvmsd)

定義節(jié)點(diǎn)k的崩潰電壓均方差指標(biāo)

其中，pl為運(yùn)行狀態(tài)l是系統(tǒng)的狀態(tài)概率，sigmabplk為運(yùn)行狀態(tài)l時(shí)，節(jié)點(diǎn)k的崩潰電壓正態(tài)分布均方差。

崩潰電壓均方差指標(biāo)cvmsdk越大，則說明該節(jié)點(diǎn)越薄弱。

2.將拉丁超立方抽樣法與bp神經(jīng)網(wǎng)絡(luò)相結(jié)合用于獲取隨機(jī)負(fù)荷狀態(tài)；通過改進(jìn)二分法計(jì)算系統(tǒng)崩潰情況下節(jié)點(diǎn)電壓。

(1)首先將電力系統(tǒng)中負(fù)荷節(jié)點(diǎn)的初始系數(shù)下限設(shè)定為電網(wǎng)日最小負(fù)荷率本發(fā)明設(shè)定將單節(jié)點(diǎn)增負(fù)荷方式下各節(jié)點(diǎn)的負(fù)荷增長極限作為負(fù)荷節(jié)點(diǎn)的初始系數(shù)上限klim＝[klim1,klim2,…,klimn]；

(2)將每個(gè)節(jié)點(diǎn)的負(fù)荷變化區(qū)間劃分為n個(gè)子區(qū)間，每個(gè)節(jié)點(diǎn)的子區(qū)間抽取概率為隨機(jī)抽取某一區(qū)間的中點(diǎn)作為采樣點(diǎn)。經(jīng)過多次采樣，將每個(gè)節(jié)點(diǎn)的所有采樣點(diǎn)隨機(jī)編號(hào)排列，產(chǎn)生一個(gè)隨機(jī)負(fù)荷初始系數(shù)矩陣kint，將隨機(jī)負(fù)荷初始系數(shù)矩陣kint分為兩部分：其中40％的部分為潮流隨機(jī)負(fù)荷初始系數(shù)矩陣kori1，60％為的部分為神經(jīng)隨機(jī)負(fù)荷初始系數(shù)矩陣kneu1；

(3)通過潮流計(jì)算分析潮流隨機(jī)負(fù)荷初始系數(shù)矩陣kori1中各組負(fù)荷增長系數(shù)下潮流的斂散性，得出潮流斂散判別結(jié)果矩陣nsuc1。在潮流隨機(jī)負(fù)荷初始系數(shù)矩陣kori1及相應(yīng)的潮流斂散判別結(jié)果矩陣nsuc1基礎(chǔ)上，對(duì)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

(4)在神經(jīng)隨機(jī)負(fù)荷初始系數(shù)矩陣kneu1的基礎(chǔ)上，由bp神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算，得出神經(jīng)收斂判別結(jié)果矩陣nsuc2。篩選出潮流隨機(jī)負(fù)荷初始系數(shù)矩陣kori1及神經(jīng)隨機(jī)負(fù)荷初始系數(shù)矩陣kneu1中所有的潮流收斂負(fù)荷增長系數(shù)組成二階段負(fù)荷系數(shù)矩陣kori1；

(5)在二階段負(fù)荷系數(shù)矩陣kori1的基礎(chǔ)上，通過改進(jìn)二分搜索法以全負(fù)荷等比例方式增負(fù)荷至系統(tǒng)崩潰，計(jì)算得出系統(tǒng)崩潰時(shí)的系數(shù)矩陣kfin及電壓矩陣vfin。

所述改進(jìn)二分搜索法發(fā)表于《水電能源科學(xué)》雜志2014(02)：179-182頁，文章為“基于電壓穩(wěn)定性和可靠性分析的潮流算法”

3.采用改進(jìn)bootstrap方法計(jì)算薄弱點(diǎn)電壓分布參數(shù)(薄弱點(diǎn)識(shí)別指標(biāo))

(1)逐一斷開系統(tǒng)中傳輸線路，構(gòu)成不同系統(tǒng)網(wǎng)架結(jié)構(gòu)，即獲得不同系統(tǒng)運(yùn)行狀態(tài)，重復(fù)上述步驟2，計(jì)算不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)下系統(tǒng)崩潰時(shí)的系數(shù)矩陣kfin及電壓矩陣vfin；

(2)從崩潰電壓矩陣vfin中篩選出節(jié)點(diǎn)k的崩潰電壓矩陣vfink＝(vfink1,vfink2,…,vfinkn)，稱為原生樣本；

(3)從崩潰電壓矩陣vfink中抽樣產(chǎn)生容量為m(選取m＝n)的樣本稱為再生樣本，具體步驟如下：

設(shè)u(0,1)可以產(chǎn)生[0,1]內(nèi)的任意小數(shù)，取

p＝(n-1)*u(0,1)(3)

i＝[p]+1(4)

通過下式得出再生樣本中第j個(gè)樣本

其中，j＝1，2，…，m，表示再生樣本或原生樣本中的樣本數(shù)。表示再生樣本中的第j個(gè)樣本，vfinkj表示原生樣本中的第j個(gè)樣本。

(4)重復(fù)上述步驟(3)b次(b≥1000)，得出bootstrap樣本其中，i＝1，2，…，b，表示再生樣本的組數(shù)。

(5)求第i組再生樣本的均值估值均方差估值

(6)重抽樣完成后，計(jì)算運(yùn)行狀態(tài)l情況下節(jié)點(diǎn)k的崩潰電壓均值mubplk及崩潰電壓均方差sigmabplk的估計(jì)值為

(7)通過公式分別計(jì)算每個(gè)節(jié)點(diǎn)的崩潰電壓均值指標(biāo)cvmvk和崩潰電壓均方差指標(biāo)cvmsdk，并進(jìn)行排序，分析系統(tǒng)薄弱點(diǎn)。

以ieee30節(jié)點(diǎn)系統(tǒng)為例進(jìn)行分析，ieee30節(jié)點(diǎn)系統(tǒng)結(jié)構(gòu)圖如圖3所示，計(jì)算基于matlab平臺(tái)下的matpower軟件。

為了檢驗(yàn)將bp神經(jīng)網(wǎng)絡(luò)與拉丁超立方抽樣法相結(jié)合方法的計(jì)算速度及精度，將其與單純采用拉丁超立方抽樣法的計(jì)算結(jié)果進(jìn)行對(duì)比。假設(shè)由拉丁超立方抽樣法計(jì)算得出的1萬組數(shù)據(jù)是準(zhǔn)確的，輸出各節(jié)點(diǎn)電壓的期望值和均方差分別用μk,accurate和σk,accurate表示，這里k代表節(jié)點(diǎn)編號(hào)。類似地，μk,simulate和σk,simulate表示由bp神經(jīng)網(wǎng)絡(luò)與拉丁超立方采樣相結(jié)合方法或單純采用拉丁超立方抽樣法，在少量抽樣計(jì)算下得出的各節(jié)點(diǎn)電壓期望值和均方差。輸出隨機(jī)變量的準(zhǔn)確程度用其期望值和均方差的相對(duì)誤差來衡量。

由于潮流計(jì)算的結(jié)果為每個(gè)節(jié)點(diǎn)的電壓，輸出變量的數(shù)量不止一個(gè)，所以本發(fā)明采用所有節(jié)點(diǎn)電壓期望值及均方差的相對(duì)誤差均值和來表示整個(gè)系統(tǒng)的輸出變量的誤差收斂情況。

所述系統(tǒng)薄弱點(diǎn)電壓分布特性分析方法

1.對(duì)ieee30節(jié)點(diǎn)系統(tǒng)中30節(jié)點(diǎn)及26節(jié)點(diǎn)的崩潰電壓進(jìn)行正態(tài)分布檢驗(yàn)，結(jié)果如圖4所示?？梢钥闯?0節(jié)點(diǎn)及26節(jié)點(diǎn)的崩潰電壓正態(tài)分布檢驗(yàn)圖基本為直線，只有在兩端才產(chǎn)生少量畸變，即它們的節(jié)點(diǎn)電壓基本服從正態(tài)分布規(guī)律。

2.作ieee30節(jié)點(diǎn)中部分節(jié)點(diǎn)崩潰電壓的概率密度曲線圖，如圖5所示，可以看出：

(1)節(jié)點(diǎn)崩潰電壓呈正態(tài)分布；

(2)各節(jié)點(diǎn)的概率密度曲線外觀不一，有的“矮胖”，有的“高瘦”，即各節(jié)點(diǎn)崩潰電壓的均值及均方差各不相同。

將圖5中崩潰電壓概率密度曲線特征與文獻(xiàn)《reactivepoweraspectsinreliabilityassessmentofpowersystems》(ieeetransactionsonpowersystems2011,26(1):85-92)、《operationalreliabilityassessmentofpowersystemsbasedonbusvoltage》(ietgeneration,transmissionanddistribution2015,9(5):475-482)、《detectionofweakbusthroughfastvoltagestabilityindexandinherentstructuralcharacteristicsofpowersystem》(20154thinternationalconferenceonelectricpower)、《弱節(jié)點(diǎn)排序參與因子的等價(jià)判據(jù)與比較》(電力自動(dòng)化設(shè)備，2012(12)：48-52)的分析結(jié)果相對(duì)比，如表1所示

表1ieee30節(jié)點(diǎn)系統(tǒng)各類指標(biāo)排序結(jié)果

由表1可以得出如下結(jié)論：

(1)綜合多篇文獻(xiàn)的分析結(jié)果可以看出，節(jié)點(diǎn)30、26及29是ieee30節(jié)點(diǎn)系統(tǒng)的最薄弱節(jié)點(diǎn)；

(2)文獻(xiàn)《reactivepoweraspectsinreliabilityassessmentofpowersystems》從可靠性角度對(duì)薄弱節(jié)點(diǎn)進(jìn)行分析，而本發(fā)明及其他文獻(xiàn)分別從靜態(tài)電壓穩(wěn)定性角度識(shí)別系統(tǒng)薄弱點(diǎn)，因此系統(tǒng)最薄弱節(jié)點(diǎn)排序略有差異；

(3)本發(fā)明及對(duì)比文獻(xiàn)分別從節(jié)點(diǎn)崩潰電壓分布特性、最低電壓和電壓變化、電網(wǎng)固有結(jié)構(gòu)特性及電壓與無功功率靈敏度等方面進(jìn)行薄弱點(diǎn)評(píng)估，因而系統(tǒng)中較為薄弱(薄弱程度第三位之后)的節(jié)點(diǎn)排序略有不同，由于薄弱程度較低，此處不作詳細(xì)對(duì)比說明。

2.系統(tǒng)隨機(jī)負(fù)荷狀態(tài)獲取。

本發(fā)明將bp神經(jīng)網(wǎng)絡(luò)與拉丁超立方采樣法相結(jié)合，用于獲取系統(tǒng)的隨機(jī)負(fù)荷，圖6是隨機(jī)選取的5次電力系統(tǒng)負(fù)荷增長系數(shù)，可以看出每次計(jì)算的結(jié)果隨機(jī)性很大，可以模擬系統(tǒng)在不同負(fù)荷增長系數(shù)下的運(yùn)行方式。

分別采用bp神經(jīng)網(wǎng)絡(luò)與拉丁超立方采樣法相結(jié)合的方法及單純拉丁超立方采樣法計(jì)算系統(tǒng)崩潰時(shí)各節(jié)點(diǎn)電壓。在不同抽樣次數(shù)下，將兩方法的計(jì)算速度及各節(jié)點(diǎn)電壓分布參數(shù)的相對(duì)誤差進(jìn)行對(duì)比，結(jié)果列于表2。

表2ieee30節(jié)點(diǎn)系統(tǒng)兩方法計(jì)算速度及節(jié)點(diǎn)電壓分布參數(shù)相對(duì)誤差對(duì)比

從表2可以看出，兩方法計(jì)算得出的節(jié)點(diǎn)電壓分布參數(shù)的相對(duì)誤差均較小。在相同模擬數(shù)據(jù)量的情況下，引入bp神經(jīng)網(wǎng)絡(luò)使得計(jì)算時(shí)間變?yōu)閱渭儾捎美〕⒎讲蓸臃ǖ?.5倍。說明引入bp神經(jīng)網(wǎng)絡(luò)明顯改善了考慮負(fù)荷波動(dòng)極限的電壓穩(wěn)定性分析方法的計(jì)算速度；

3.系統(tǒng)薄弱點(diǎn)識(shí)別指標(biāo)計(jì)算。

通過以上計(jì)算得出系統(tǒng)崩潰情況下節(jié)點(diǎn)電壓后，需要通過計(jì)算節(jié)點(diǎn)崩潰電壓的分布參數(shù)分析薄弱點(diǎn)。分別采用改進(jìn)bootstrap方法和單純的參數(shù)點(diǎn)估計(jì)法計(jì)算各節(jié)點(diǎn)崩潰電壓分布參數(shù)，圖7為不同抽樣次數(shù)下兩種方法計(jì)算所得的30及26節(jié)點(diǎn)均值對(duì)比?？梢钥闯?，由于采用改進(jìn)bootstrap方法進(jìn)行大量重抽樣計(jì)算，使得重抽樣后的樣本分布更加接近數(shù)據(jù)的實(shí)際分布，因此得出的樣本均值較為穩(wěn)定；而采用單純的參數(shù)點(diǎn)估計(jì)法進(jìn)行計(jì)算時(shí)，抽樣次數(shù)較少的情況下，計(jì)算所得均值的波動(dòng)范圍較大。因此，在相同抽樣數(shù)據(jù)量情況下，采用改進(jìn)bootstrap方法計(jì)算得出的分布參數(shù)比單純采用參數(shù)點(diǎn)估計(jì)法的計(jì)算精度更高。

通過改進(jìn)bootstrap方法進(jìn)行重抽樣，并根據(jù)式(1)、(2)分別計(jì)算崩潰電壓均值指標(biāo)cvmvk和崩潰電壓均方差指標(biāo)cvmsdk，各節(jié)點(diǎn)的指標(biāo)排序結(jié)果列于表3中。

表3ieee30節(jié)點(diǎn)系統(tǒng)電壓分布指標(biāo)

從表3中可以看出，崩潰電壓均值指標(biāo)cvmvk及崩潰電壓均方差指標(biāo)cvmsdk所確定的薄弱點(diǎn)排序一致。30節(jié)點(diǎn)為最薄弱節(jié)點(diǎn)，26節(jié)點(diǎn)是較為薄弱的節(jié)點(diǎn)，24節(jié)點(diǎn)及19節(jié)點(diǎn)次之。