基于電網脆弱性的多目標電網規劃

康莉娟

摘要：隨著新能源和負荷的大規模接入，電力系統將面臨著更多的不確定性。傳統以經濟性與安全性為主導的電網規劃體系已不能滿足現在電網建設的需求，亟需補充和完善。將電力系統脆弱性作為電網安全性與穩定性的延伸引入電網規劃，將對規劃建設堅強的電網將具有指導和借鑒意義。

關鍵詞：電網脆弱性;多目標;電網規劃

引言

脆弱性是近年來智能電網的研究熱點之一，電網脆弱性評估主要是對電網安全運行進行主動檢測，對存在的隱患提前預防，以協調電網的運行方式，對電網的發展具有非常重要的意義。針對結構脆弱性的研究方法主要有基于復雜網絡理論的評估方法及與人工智能相結合的評估方法。脆弱性評估方法如果要應用到電網的優化運行和規劃方面，還需要研究從個體層面評價過度到系統層面評價的方法。目前，評價電網整體脆弱性的方法分為2個方向：主流的方向是對所有節點的脆弱性指標進行求和并平均到每個元件從而得出電網整體的平均的脆弱性;另外一部分則在電網脆弱性的均衡度上做相關的研究。合理的電網整體脆弱性評價指標應當包括平均脆弱性和分布均衡度兩方面的內容。

1、電網結構脆弱性分析

1.1電網均勻性及其影響因素

1.1.1電網均勻性概念

均勻性是指物質之間一種或多種特性相關的具有相同結構或組成的狀態，是物質的一種基本狀態屬性。達到均勻狀態通常能夠對事物的發展有一定的積極作用，因此均勻性被廣泛的應用到各個系統中進行狀態評估。電網結構均勻性指的是網絡中的所有元件在實現功率傳輸功能的方面重要程度的差異。相關的研究表明結構越不均勻的網絡，發生連鎖故障可能性越高，并指出網絡拓撲結構脆弱性來源于其非均勻性。因此可以通過分析電網均勻性來評估網絡的脆弱程度。當絕對均勻時，電網中所有元件都具有相同的重要程度，任意一個元件在遭受故障都不會對電網造成嚴重影響，認為此時的結構脆弱性最低。

1.1.2電網均勻性影響因素

電網的結構均勻性主要受到電源、負荷以及輸電線路分布影響。電源分布主要取決于一次能源的地理位置以及對城市環境的影響。負荷的分布由人類生產和生活地區所決定，其大小則取決于當地經濟發展水平。輸電線路的分布和參數選擇取決于當地地理和市政情況，在實際建設中受到可用傳輸通道等多方面因素的約束?？偟膩碚f，電網結構由于各方面客觀因素的限制，很難達到均勻狀態。盡管電力系統可以通過多種運行調度方式緩解由結構不均勻所帶來的負面影響，但效果非常有限，因此可以從規劃層面上考慮網架結構的均勻程度，對網架結構進行合理改進降低此類影響。

1.2電氣介數

1.2.1電氣介數概念

電力系統可以描述為一個復雜網絡，將電網簡化為拓撲模型，模型中節點代表發電機、負荷和變電站，邊代表輸電線路。支路電氣介數能夠表示“發電機-負荷”節點對之間潮流傳輸對支路的占用情況，量化了支路對電網傳輸潮流的貢獻，電氣介數值越大表明該支路在潮流傳播中越重要。同時電氣介數指越大的支路在退出運行后對系統造成的影響也越嚴重。

1.2.2電氣介數的改進

實際電網中，各個發電機、負荷節點有不同的發電成本和負荷等級，各條支路都有不同的經濟特性，電氣介數相同的兩條支路出現故障時造成的經濟損失可能出現很大差別。改進后的電氣介數模型綜合考慮了支路在傳輸潮流中的占比和遭受故障后的經濟損失嚴重度，在實際電網中能夠更全面的衡量支路的重要程度。

1.3電網結構基尼系數

基尼系數雖然是經濟學中的概念，但是本質上是一個均勻度測量指標，因此在其他領域同樣適用。文章將基尼系數引入電力系統來衡量電網支路電氣介數的均勻性，評估電網結構脆弱性大小：基尼系數越大說明電網結構越脆弱。

2、基于協同進化算法的模型求解

2.1多目標優化問題的處理求解

多目標優化問題的主要難度在于各個目標函數之間通常存在著的對立面，通常不可能是所有目標函數達到最優。在文章的模型中，在降低電網結構性的同時往往會造成投資費用的增大，因此只能嘗試求取一個折中的最優解。目前常用的多目標優化求解方法是采用權重系數將多目標函數轉化為單目標函數。此類方法易于求解，但是由于權重值大小是根據偏好給定的，結果往往存在主觀誤差。文章采用協同進化算法與模糊理論結合求解多目標模型，避免了上述方法的不足之處。

2.2協同進化算法

協同進化算法（CEA）是模仿生態系統中各個種群協同進化現象提出的一種具有較優適應能力的優化算法。其基本框架與遺傳算法類似，都是通過交叉、變異和選擇操作得到最優解。其區別在于：協同進化算法將復雜系統的優化問題分解為多個子系統進行求解，每個子系統對應生態系統中的一個種群，種群內部間進行交叉操作，各個種群通過系統模型協調合作完成進化。CEA相比傳統遺傳算法具有不易早熟，收斂快等優點。

2.3CEA中的協同操作

CEA中的協同操作時其有別于傳統遺傳算法的重要之處，下面以3種群介紹協同操作的主要步驟：（1）初始化三個種群A、B、C，選取每個種群的第一條染色體和另一條染色體（隨機選?。┳鳛槊總€種群的代表。（2）每個種群中的所有個體與另外兩個種群中的代表采取位置匹配法構造新的個體。（3）對于多目標問題中的每一個目標函數，計算出所有個體的函數值大小。（4）計算所有個體的擁擠度和非支配水平，進行非支配排序，選取前N個個體并分成3個種群進入下一代個體。

2.4 CEA中的遺傳操作與遺傳算法

類似CEA中的遺傳操作包括對新種群個體的選擇，交叉和變異。對于所有種群都可以采用二進制錦標賽進行選擇。常用的交叉算子有單點交叉、均勻交叉、算術交叉等。變異操作則有多項式變異、差分變異等多種方法。CEA中包含路了各種形式的交叉變異方法，在實際操作中，可以指定或者由算法隨機選擇。

結語：

本文基于復雜網絡理論，對電力系統進行網絡特性研究和電網脆弱性評估，在電網規劃問題中引入考慮網絡拓撲結構和運行狀態的網絡性能指標，建立綜合考慮電網規劃方案經濟性、環境影響因素以及電網脆弱性的多目標電網擴展規劃模型。采用NSDE算法對該模型進行求解，該算法有機融合了Pareto快速非支配排序原理和DE操作，實現簡單、尋優能力較好，為求解多目標電網規劃問題提供了一種較好的解決思路。同時也表明，本文所建立的多目標規劃模型可以有效提高網絡的健壯性和對故障的承受能力，對規劃建設堅強的電網將具有一定的借鑒意義。

參考文獻：

[1]王耀升，張英敏，王暢，漆萬碧.基于RBF神經網絡的電網脆弱性評估及其趨勢估計[J].電測與儀表，2019，56（09）：49-55.

[2]潘一飛，郭良，張帆，黃珣.基于電網脆弱性的連鎖故障預測[A].中國電子信息產業集團有限公司第六研究所，2018：3.

[3]楊馥源.智能配電網脆弱性評估及網絡重構[D].西安理工大學，2018.

[4]王龍.電力系統安全風險與脆弱性分析評估方法[D].華北電力大學（北京），2017.