面向自愈的智能配電網健康狀態綜合評價研究

程宏波，吳思宇，詹驥文，王 勛，李林哲

（1.華東交通大學電氣與電子工程學院，江西 南昌330013；2.江西省科學技術情報研究所，江西 南昌330000）

分布式電源的接入、用戶互動電力的增加，使得智能配電網的動態行為變得復雜，運行風險大大增加［1］，對其實施自愈控制是智能配電網的基本要求。自愈（self-healing）是智能配電網顯著的特征。自愈是指把電網中有問題的元件從系統中隔離且在較少或無需人為干預的情況下使系統迅速恢復到正常運行狀態，而幾乎不中斷對用戶的供電服務［2］。實現配電網可靠的自愈控制，確保電網的安全可靠、經濟環保和優質高效是當前重要且緊迫的任務。

目前，對于電網自愈控制的研究，較多的關注于電網自愈框架體系的構建［3-6］，對于具體的自愈實現方法的研究則相對較少，文獻［3］提出一種基于狀態轉移的自愈控制方案，提出將配電網劃分為緊急、恢復、異常運行、隱性安全、顯性安全、經濟運行和強壯運行等7個狀態，根據狀態分別進行相應的控制，由控制決策中心控制配電網在7個狀態之間轉換，以使配電網始終保持在良好狀態；而文獻［4］提出一種基于智能體群體系統的城市電網分層遞階的自愈控制方法，根據智能體反應出城市電網的運行狀態，從而選擇合適的控制方式與控制策略；文獻［5］將配電網運行劃分為正常、預警、臨界、緊急和恢復5種狀態，針對不同的運行狀態實施相應的控制方法。上述文獻的根本思想是在配電網狀態實時判斷的基礎上，采取不同的自愈控制方法，控制配電網向更好的運行狀態轉化，為配電網的自愈控制提供了可行的解決思路，但上述文獻都只關注于在不同狀態之間進行轉移的控制策略，而未對配電網狀態評價的具體方法進行研究。實現配電網自愈控制的前提在于配電網實時運行狀態全面、準確地評價。目前對配電網規劃的研究較多［7］，它們多關注電網中長期的網架及設備的長期狀態，并不能反應配電網的實時運行情況。尋找合適的狀態評價方法，為智能配電網的自愈控制提供依據是當前進行自愈研究的前提。

智能配電網是一個復雜的大系統，其設備眾多，檢測信息種類繁雜，且量綱不一，要實現對智能配電網狀態的評價，不能單從某一方面進行評價，需要分別從不同的角度綜合反應其運行狀態。

因此，通過分析智能配電網同傳統配電網區別，在傳統配電網評價的基礎上，考慮智能電網的經濟性、環保性的區別，建立針對智能配電網實時運行狀態評價的指標體系；利用模糊數學對評價指標的數據進行處理，建立判斷矩陣；根據各指標自身變化所反映出的客觀規律，采用熵權法來確定各指標的權重，實現不同階段不同指標權重的動態調整；最后通過模糊綜合評估得到智能配電網健康狀態的綜合評價結果，可為基于狀態轉移的智能配電網自愈控制提供依據。

1 評價指標

建設智能電網的目標是要建設一個安全、可靠、優質、經濟、清潔環保的堅強電網［8］，這5個方面較為全面系統地反映了智能電網的主要特征，因此，從可靠性、安全性、優質性、經濟性及環保性5個方面建立評價指標，得到如圖1所示的綜合評價指標體系。

圖1 智能配電網健康狀態評價體系Fig.1 The health status evaluation system in smart distribution grid

1.1 可靠性指標

電力可靠性是指電網及設備在規定時間內按規定標準供應電能的能力［9］。智能電網中，由于分布式電源以及V2G技術的應用，智能配電網供應電能的能力會受到影響，因此需在配電網傳統可靠性指標的基礎上，增加以下指標。

1）DG可控容量占比A4。分布式電源的接入增加了配電網的供電能力，但由于分布式發電的運行方式較為靈活，用衡量傳統電源供電能力的指標不太適合，因此，定義分布式電源的可控容量比為

式中：λC為DG可控容量占比；Pi為第i種DG的調控容量；Pc為系統總可調控容量。

可以看出，當可控容量占比越大，可接入的分布式電源出力越大，整個配電網的供電能力就越強，其可靠性越高。

2）電動汽車的反向送電比例A5。眾多的電動汽車可視為配電網的一個有效的儲能系統，在配電網用電低谷時，電動汽車可作為負荷吸收電能，在用電高峰時可將電動汽車的儲能釋放至配電網，作為備用電源增加了電網的供電能力，提高了配電網的供電可靠性。定義電動汽車的反向送電能力為

式中：λfs為電動汽車對潮流的反送能力；Li-為第i輛汽車向電網的放電量；Li+為第i輛汽車從電網吸收的電量。

可以看出，λfs的值越大表明電動汽車對潮流的反送能力越好，可靠性相對越高。

1.2 安全性及優質性指標

電網安全性是指系統在發生故障情況下，短時間內系統維持持續供電的能力［10］。目前，衡量配電網安全性的指標主要有支路負載率、PV曲線斜率、電壓安全穩定性等［11］，智能配電網在網架結構及承受波動性能力方面同傳統配電網沒有太大的區別，因此此類指標與傳統配電網評價指標相同。

電力系統的優質性主要體現在電能質量［12］，電能質量的衡量主要從電壓、頻率和波形、三相不平衡度等方面來反應優劣，智能電網中電能質量的衡量指標與傳統配電網基本一致。

1.3 經濟性指標

電網經濟性是指電網運行在供電成本率低或發電能源消耗率及網損率最小的狀態時反映的經濟效益。傳統配電網中，經濟性主要從線路和配變損耗來衡量［13-14］，而由于分布式電源的接入將有效降低傳統化石能源的消耗率；因此，定義智能配電網化石能源消耗率D3指標如下：

式中：λxh為接入DG的能源消耗改善率；P′i為第i座分布式發電站單位時間的發電量；η為煤電轉換系數；C為單位時間電網的煤耗量。

從式（3）可以看出，若分布式電源的發電量越大，指標值越大，反映出發電廠對用戶發送相同電量下所消耗的煤炭數量越少，經濟性相對越高。

1.4 環保性指標

綠色環保是智能配電網同傳統配電網的顯著區別之一，清潔能源的接入及電動汽車的普及，不僅緩解了對于傳統化石能源的依賴，而且大大降低了溫室氣體的排放，使得環境友好成為智能配電網區別于傳統配電網的一個顯著特征。本文選取分布式電源電動汽車的滲透率指標、溫室氣體減排的環保效益指標來反應智能配電網的環保性，指標定義如下：

1）分布式電源滲透率E1。智能配電網的清潔環保主要體現在清潔能源的有效利用中，并且通過合理接入還能夠有效地降低網損，DG的滲透率指標表示為

式中：λDG為DG的滲透率；Pi為第i座分布式電源的發電量；PLmax為電網最大負荷功率；n為接入的配電網分布式電源數量。

從式中可看出，滲透率越高表明清潔能源在整個系統所占比例越高，環保性越好。

2）電動汽車滲透率E2。電動汽車的使用實現了汽車尾氣的零排放，對環境保護起著巨大的改善，電動汽車滲透率指標表示為

式中：λst為電動汽車滲透率；N為全網同時能夠接入的電動汽車數量；Pc為電動汽車充電功率，假設充電與放電功率相等；Pf為全網負荷曲線的峰荷。

從式中可看出，λst的值越大，表示在電網運行接入電網中的電動汽車數量越多，則環保性越高。

3）環保效益E3。傳統火力發電對環境的污染嚴重，分布式電源對配電網具有顯著的環境效益，主要體現在分布式電源的接入對溫室氣體的減排。可以將環保效益表示為

式中：Cen為DG發電的環境效益；αi為第i種分布式電源的環境價值，參考文獻［14］以風力發電為例，通過計算得到風電帶來的環境價值為0.149 1 元/kWh。

2 基于熵權法的指標權重確定

配電網運行狀態涉及到的指標較多，它們分別從不同側面對配電網運行狀態進行描述。在對配電網的健康狀態進行評估時，合理確定各指標的權重是評估結果的關鍵。

在配電網運行的不同階段，調度運行人員對配電網控制所關注的重點是不同的。在正常運行階段，配電網各部分工作正常，外部擾動的影響小，無故障情況的沖擊，此時電網安全性和可靠性指標的波動較小，而經濟性與環保性指標的波動則相對較大，調度人員將更多關注配電網的運行是否趨向于經濟環保；而當受到外部擾動或某些元件退出運行而使系統處于異常狀態時，安全性可靠性指標相對于其它指標的波動更為劇烈，調度人員將更多關注如何清除擾動的影響并盡快恢復電網供電，此時，對安全可靠性的關注則要優先于其他指標。故在不同運行階段，各指標的波動程度不同，波動越大的指標越需要加以更多地關注，相應地，在評價時則應賦予更多的權重，以便其影響能得到準確地體現。這種權重可以根據信息論中的熵權法進行分析。

在信息論中以熵值反應系統的波動程度，若評價指標的波動程度越大，對應指標的熵值越小，則該指標提供的信息量越大，相對權重就越高，這與熵權法的基本思想是一致的。熵權法是一種能夠挖掘數據本身所蘊含客觀規律的權重確定方法，其克服了僅憑專家經驗確定指標權重的主觀隨意性，反映的權重系數更為真實可靠［15-16］，熵的定義為

式中：β為指標的熵值；k為系數，取；Pij為指第j項指標下第i種狀態指標值的比重。

第i個指標的熵權為

可得到熵權法的評價指標權重向量w=(w1H,w2H,…,wnH)。

通過上述對熵權的定義可看出，當配電網某個指標的波動較大時，對應的指標變量的概率Pij值越高，與之成正比的熵權值越大，與配電網控制的實際情況相符。

3 運行狀態的劃分

評價配電網運行狀態，需要將配電網狀態進行科學合理地劃分，以便在此基礎上采取適當的處理措施使配電網朝良好的自愈狀態轉化。常用的劃分方法是將配電網劃分為經濟、正常、脆弱、惡化、極端5個狀態，然后在此基礎上分別實施恢復、校正、優化等自愈控制。各狀態的定義如表1所示。

表1 配電網運行狀態程度定義Tab.1 Definition of distribution grid′s running state

配電網健康狀態評價的主要目的就是根據采集到的實時指標數據，判斷系統狀態，在狀態評價結果的基礎上，分別采取對應的自愈控制措施，實現配電網的自愈功能。

4 健康狀態的綜合評價方法

根據各類性質指標的信息確定智能配電網的健康狀態，屬于多指標綜合評價。而模糊綜合評價是在考慮多種因素的影響下，運用模糊數學工具對事物做出綜合評價的方法［17］。因此本文利用模糊評價方法對智能配電網的健康狀態評價進行分析。

4.1 評價指標的處理

在模糊評價中，隸屬度函數的確定至關重要，它反映了模糊集合中各元素隸屬于某特定性質的程度［18］。

由于配電網中各評價指標的取值類型不同，隸屬度函數也有所差異。例如PV曲線斜率、負荷的變化速率等指標是越小越優，屬于成本型指標，而無功配置水平、電壓安全穩定性等都是越大越優，屬于效益型指標，其他指標的分類可參見表2。

表2 指標的評價標準Tab.2 The evaluation standard of indexes

以常見的效益型指標隸屬度函數為例，結合SDG的實際情況，借鑒文獻［19］的方法，確定各指標隸屬度函數表示為

式中：a，e表示被評價指標最優值和最差值，在指標值區間（a，e）的5等分點b，c，d分別作為5種狀態的評估區間（采用等分區間確定隸屬函數值對評估精度影響不大，且便于編程處理）。

在隸屬度函數中，界限a，b，c，d，e的值和指標的評價標準有關。以電網運行標準及規范為基礎，結合現場實際，擬定各指標的評價標準如表2所示。

結合表2中的評價標準，依據隸屬度函數可求得各指標屬于評判集的隸屬度，設第i個指標屬于第j個評價層的隸屬程度為rij，據此可得各指標的單因素評價集Ri={ri1,ri2,…,rin}，由各個單因素評估集為行向量可得到模糊評判矩陣R=[Rij],j=1,…,n，它描述了由各個單指標進行評估所得結果的集合。

4.2 多指標綜合評價

模糊評判矩陣反映了由各個單指標參數而得到的評價結果，熵權法確定的權重則體現了這些指標在綜合評估時所占的比重，將兩者結合，可得智能配電網健康狀態的綜合評價：

若Hr=max(Hj)是模糊綜合結果H的最大元素，根據隸屬度最大原則，Hr所對應的狀態可作為最終的評估結果。

4.3 驗證分析

為了驗證本文方法的可行性，以某地區配電網作為研究對象進行分析。以該地區配電網某一時段的檢測數據為基礎，采用本文方法對該時段的配電網運行狀態進行評價分析。

假設該段配電網某時刻的檢測參數為T0=［TA，TB，TC，TD，TE］，其中TA，TB，TC，TD，TE分別為可靠性、安全性、優質性、經濟性及環保性的檢測數據向量。為便于說明，以該時刻安全性指標TB為例，假設某一時刻檢測計算所得的各項指標參數矩陣為［B1B2B3B4B5B6］=［1.42 8.54 0.94 0.473 5 0.893 4 0.723］

采用式（9）所列隸屬度函數進行判斷，可得6項指標各自的單因素評價集，將其集合后得安全性指標的模糊評價矩陣為

采用同樣方法可求得根據可靠性、經濟性、優質性、環保性指標所得的模糊評價矩陣RA，RC，RD，RE。將其綜合可得根據實時檢測指標的模糊評價矩陣R=［RARBRCRDRE］T（21×5）。

假設該時刻前4個檢測周期所得到的檢測數據分別為T1，T2，T3，T4，結合該時刻的檢測數據T0，對其所構成的時間序列求熵得

代入式（7）求得最后的權重向量為

利用式（8）可求得最終的評估結果為

與評價集合｛經濟，正常，脆弱，惡化，極端｝比較，根據最大隸屬度原則，可看出最終評價結果為經濟運行狀態。確定的可靠性、安全性、優質性、經濟性及環保性指標的權重向量為［A B C D E］=［0.122 7 0.156 5 0.190 1 0.234 9 0.275 8］。

可采用相同方法對其他時段的檢測數據進行處理，所得的指標權重相量及評價結果如表3所示。

表3 評價結果匯總Tab.3 The summary of evaluation results

圖2 T0，P0，S0時刻狀態權重對比圖Fig.2 The weight contrast figure at the time of T0，P0，S0

將評價所得的各類指標權重列于圖2，從圖中可以看出：不同狀態下各指標的權重是不同的，在經濟運行狀態下，環保性與經濟性指標在整個評估中所占的權重相對較高；當電網運行在脆弱狀態時，可靠性與安全性指標所占的權重升高，而經濟性和環保性指標的權重降低；在故障影響較大的惡化狀態時，可靠性與安全性指標的權重則進一步提升，經濟性及環保性指標的比例進一步降低。這符合電網運行不同階段關注重點不同的實際情況。

5 結論

針對智能配電網的自愈控制，提出一種智能配電網健康狀態的綜合評價方法，評價結果可為智能電網的自愈控制提供決策依據。通過文中分析，得到以下結論：

1） 智能配電網同傳統配電網存在較大區別，在建立評價指標時，需考慮智能配電網中清潔能源并網、電動汽車接入等對配電網狀態的影響。

2） 當配電網處于不同運行狀態時，不同指標的波動程度不同，熵權法可有效反映這種波動，并可實現指標權重的動態調整，從而為智能配電網健康狀態的評價提供更為準確、客觀的權重分配方法。

3） 通過模糊綜合評價可得到較為全面的配電網健康狀態評價結果，該評價結果可為智能配電網基于狀態轉移的自愈控制方法提供基礎。

[1] 李林哲,王勛,詹驥文.一種通過貢獻矩陣評估電力系統脆弱性的方法[J].華東交通大學學報,2014,31(2):123-130.

[2] 郭志忠.電網自愈控制方案[J].電力系統自動化,2005,29(10):85-91.

[3] 陳星鶯,顧欣欣,余昆,等.城市電網自愈控制體系結構[J].電力系統自動化,2009,33(24):38-42.

[4] 賈東梨,孟曉麗,宋曉輝.智能配電網自愈控制技術體系框架研究[J].電網與清潔能源,2011,27(2):14-18

[5] 余昆,陳星鶯,曹一家.城市電網自愈控制的分層遞階體系結構[J].電網技術,2012,36(10):165-171.

[6] 萬秋蘭.大電網實現自愈的理論研究方向[J].電力系統自動化,2009,33(17):29-32

[7] 孔濤,程浩忠,李鋼,等.配電網規劃研究綜述[J].電網技術,2009,33(19):92-99.

[8] 張東霞,姚良忠,馬文媛.中外智能電網發展戰略[J].中國電機工程學報,2013,33(31):1-15.

[9] 孫元章,程林,劉海濤.基于實時運行狀態的電力系統運行可靠性評估[J].電網技術,2005,29(15):6-12.

[10] 吳際舜.電力系統靜態安全分析[M].上海:上海交大出版社,1985:102-107.

[11] 栗秋華,周林,張鳳,等.基于模糊理論和層次分析法的電力系統電壓態勢預警等級綜合評估[J].電網技術,2008,32(4):40-45.

[12] 王睿,方潔,張可,等.基于熵權和AHP的電能質量模糊綜合評估[J].電測與儀表,2007,44(11):21-25.

[13] 張勇軍,翟偉芳,林建熙.分布式發電并網的網損影響評價指標研究[J].繼電器,2011,39(13):134-137.

[14] 方歡歡.智能配電網經濟性評估方法研究[D].上海:上海交通大學,2012.

[15] 喬巍巍.數控系統可靠性建模及熵權模糊綜合評價[D].長春:吉林大學,2008.

[16] GHOLAMHOSSEIN YARI, ALIREZA CHAJI.Determination of ordered weighted averaging operator weights based on the mentropy measures[J].International Journal of Intelligent Systems,2012,27(12):1020-1033.

[17] 林濟鏗,李童飛,趙子明,等.基于熵權模糊綜合評價模型的電力系統黑啟動方案評估[J].電網技術,2012,36(2):115-120.

[18] 陳靜,李華強,鄭武,等.基于全局模糊指標的電力系統在線安全評估[J].繼電器,2011,39(18):93-98.

[19] 吳姜,蔡澤祥,胡春潮,等.基于模糊正態分布隸屬函數的繼電保護裝置狀態評價[J].繼電器,2012,40(5):48-52.