多因素驅(qū)動下電力系統(tǒng)風險傳遞模型構(gòu)建

岳俊英 李存斌

摘? 要： 為了提高電力系統(tǒng)風險評估能力，提出基于多因素驅(qū)動的電力系統(tǒng)風險傳遞模型。構(gòu)建電力系統(tǒng)風險的多層次參數(shù)約束模型，采用多因素特征重建的方法進行電力系統(tǒng)風險信息采樣，構(gòu)建電力系統(tǒng)風險評估的統(tǒng)計變量分析模型。以電壓因素、電能質(zhì)量因素和功率因素進行多因素驅(qū)動，以電力系統(tǒng)的輸出穩(wěn)定性、環(huán)境相關(guān)性的因素為約束指標，進行電力系統(tǒng)風險評估的統(tǒng)計決策模型分析，提取電力系統(tǒng)風險因素的模糊相關(guān)性統(tǒng)計特征量。采用自適應(yīng)尋優(yōu)算法進行多因素下的電力系統(tǒng)風險預(yù)測評估，根據(jù)風險的聚類分布性能，進行電力系統(tǒng)風險傳遞模型優(yōu)化設(shè)計。仿真結(jié)果表明，采用該方法進行電力系統(tǒng)風險評估的準確性較高，風險傳遞達到最低，提高了電力系統(tǒng)風險的管控能力。

關(guān)鍵詞： 電力系統(tǒng); 風險傳遞; 多因素驅(qū)動; 模型優(yōu)化; 風險評估; 仿真分析

中圖分類號： TN876.3?34; TM73? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）14?0001?03

Construction of power system risk transfer model based on multi?factor drive

YUE Junying1，2， LI Cunbin1

（1. North China Electric Power University， Beijing 102206， China;

2. College of Computer Science and Technology， Inner Mongolia Normal University， Hohhot 010022， China）

Abstract： A power system risk transfer model based on multi?factor drive is proposed to improve the assessment capability of the power system risk. The multi?level parameter constraint model of the power system risk is constructed， the sampling of risk information of the power system is carried out by means of the multi?factor feature reconstruction method， and the statistical variable analysis model of the power system risk assessment is established. The multi?factor drive is conducted for the voltage factor， power quality factor and power factor， and the factors of the output stability and the environment dependency of the power system are taken as the constraint indexes， so as to perform the statistical decision model analysis of the power system risk assessment. The statistical feature quantity of the fuzzy correlation of the power system risk factor is extracted， and the adaptive optimization algorithm is used to conduct the forecast evaluation of the power system risk. The optimal design of the power system risk transfer model is performed according to the clustering distribution performance of risk. The simulation results show this method has high accuracy of power system risk assessment and minimal risk transmission， and can improve the management and control ability of the power system risk.

Keywords： power system; risk transfer; multi?factor drive; model optimization; risk assessment; simulation analysis

0? 引? 言

隨著電力系統(tǒng)規(guī)模越來越大，需要進行電力系統(tǒng)風險評估，相關(guān)的電力系統(tǒng)風險傳遞模型設(shè)計方法研究受到極大關(guān)注[1]。因此，本文提出基于多因素驅(qū)動的電力系統(tǒng)風險傳遞模型，首先構(gòu)建電力系統(tǒng)風險因素的特征關(guān)聯(lián)分布模型。結(jié)合統(tǒng)計分析和大數(shù)據(jù)分析方法，進行多因素驅(qū)動下電力系統(tǒng)風險傳遞模型構(gòu)建，并結(jié)合仿真實驗分析進行模型仿真分析，得出有效性結(jié)論。

1? 電力系統(tǒng)風險的多層次參數(shù)約束模型

1.1? 電力系統(tǒng)風險相關(guān)因素分析

結(jié)合統(tǒng)計分析方法進行電力系統(tǒng)風險因素評價決策。以電壓因素、電能質(zhì)量因素和功率因素為一級風險因素指標[2];以功率暫態(tài)不平衡特征、功率穩(wěn)態(tài)不平衡特征和諧波耦合風險因素為功率風險因素的二級指標評估體系[3]。得到電力系統(tǒng)風險傳遞的多因素模型如圖1所示。

根據(jù)圖1，進行電力系統(tǒng)風險評估的概率分布函數(shù)為[P（ni）={pk|prkj=1，k=1，2，…，m}]，以上游電源電壓、兩極線路參數(shù)作為驅(qū)動因子，進行風險評估的模糊度特征篩選[4]，關(guān)聯(lián)特征分布集合為：

[Wi=1mq=1mW（vi，pq）] （1）

根據(jù)電力系統(tǒng)直流電壓的零頻特性[5]，采用模糊關(guān)聯(lián)規(guī)則調(diào)度方法，進行電力系統(tǒng)風險因素的量化回歸分析，回歸分析模型為：

[x（t）=i=0pa（θi）si（t）+n（t）]? （2）

式中：p為電力系統(tǒng)風險評估篩選控制的節(jié)點個數(shù);[n（t）]為干擾項。構(gòu)建電力系統(tǒng)風險評估統(tǒng)計大數(shù)據(jù)識別的模糊隸屬函數(shù)為：

[R（0）s=n=0kR（n）s，dγndγn+R（k+1）s]? （3）

式中：[R（n）s]表示電力系統(tǒng)風險因素中的電壓波動和閃變信息融合特征量;[dγn]為電壓偏差的維數(shù);[R（k+1）s]為電力系統(tǒng)風險傳遞的迭代層數(shù)。采用多因素特征重建的方法進行電力系統(tǒng)風險信息采樣[6]，得到電力系統(tǒng)風險評估的模糊分解式為：

[G（t）=min{G1（t）+G2（t）} ? ? ?=min-0nFμ（t）×sgn（kμ（t））dt+ ? ? ? ? ? ? ? ?w-0nΔTm（t）dt，? kμ∈Θ] （4）

式中：[kμ（t）]表示t時刻電力系統(tǒng)風險傳達的維數(shù);[ΔTm（t）]表示t時刻電力系統(tǒng)風險傳遞的波動增益;[w]為自適應(yīng)權(quán)重;[Θ]為[kμ（t）]的統(tǒng)計特征分布量化集。由此構(gòu)建電力系統(tǒng)風險傳遞的統(tǒng)計變量分析模型，進行風險傳遞和決策評價分析[7]。

1.2? 電力系統(tǒng)風險參數(shù)計算

建立電力系統(tǒng)風險特征分析模型[8]，得到電力系統(tǒng)風險評估的有限數(shù)據(jù)集：

[X={x1，x2，…，xn}?Rs]? （5）

式中，電力系統(tǒng)風險評估樣本集中含有[n]個樣本，樣本[xi][（i=1，2，…，n）]，結(jié)合電能質(zhì)量評估、指標限值分析的方法，得到電力系統(tǒng)風險因素評估的量化特征關(guān)系為：

[ht=iaitejθitδt-iTS]? ?（6）

分析交直流變化下電力系統(tǒng)的輸出差異性，采用差異性融合的方法[9]進行風險因素傳遞的參數(shù)分析，以電力系統(tǒng)的輸出穩(wěn)定性、環(huán)境相關(guān)性的因素為約束指標[10]，進行電力系統(tǒng)風險評估的統(tǒng)計決策模型分析，得到參數(shù)計算公式為：

[min? 12w2+Ci=1n（ξi+ξ?i）s.t.? ?yi-（w′Φ（xi）+b）≤ε-ξi（w′Φ（xi）+b）-yi≤ε-ξ?iξi，ξi*≥0，i=1，2，…，n;C>0]? ?（7）

根據(jù)參數(shù)計算結(jié)果，進行電力系統(tǒng)風險特征提取和融合調(diào)度，提高風險傳遞和評估能力[11]。

2? 電力系統(tǒng)風險傳遞模型優(yōu)化

2.1? 多因素驅(qū)動模型

在上述基礎(chǔ)上，采用多因素特征重建的方法進行電力系統(tǒng)風險信息采樣，分析不同工況下電力系統(tǒng)的存在風險[12]，分析風險預(yù)測的偏差百分數(shù)，得到電力系統(tǒng)風險傳遞的多因素驅(qū)動模型為：

[Mv=w1i=1m×n（Hi-Si）+Mhw2i=1m×n（Si-Vi）+? ? ? ? ? w3i=1m×n（Vi-Hi）] （8）

式中：電力系統(tǒng)風險驅(qū)動的預(yù)測載荷為[Mh];[w1]，[w2]，[w3]分別表示電壓因素、電能質(zhì)量因素和功率因素等不同風險因素驅(qū)動的加權(quán)系數(shù)[13]。

2.2? 風險傳遞和評估

根據(jù)風險的聚類分布性能，進行電力系統(tǒng)風險傳遞模型優(yōu)化設(shè)計[14]，得到電力系統(tǒng)風險傳遞的自適應(yīng)尋優(yōu)更新規(guī)則如下：

[λ=11+α?S?t2kμ（t+1）=kμ（t）+Q（t+1）·?Fμ/Mg?t-?S?tkμ（t）] （9）

其中：

[Q（t+1）=P（t+1）?S?tP（t+1）=1λP（t）-P2（t）?S?t2λ+P（t）?S?t2] （10）

式中：[λ]為電力系統(tǒng)風險聚類因子;[Fμ]為電力系統(tǒng)風險傳遞的統(tǒng)計特征分量[15]。根據(jù)以上算法設(shè)計，實現(xiàn)電力系統(tǒng)風險評估和傳遞設(shè)計，實現(xiàn)流程如圖2所示。

3? 仿真實驗分析

仿真實驗中，對電力系統(tǒng)風險因素的數(shù)據(jù)采樣長度為1 024，電力系統(tǒng)直流數(shù)據(jù)中心為240～336 V，配電電壓等級為±10，±20，±35，風險傳遞的偏差限值為-15～5，風險決策的模糊度系數(shù)為0.34，測試樣本集規(guī)模為1 000。描述性統(tǒng)計分析結(jié)果見表1。

根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進行電力系統(tǒng)風險傳遞分析得知，本文方法進行電力系統(tǒng)風險評估的置信度水平較高。測試風險傳遞概率如圖3所示。分析圖3得知，本文模型能有效控制電力系統(tǒng)風險。

4? 結(jié)? 語

以電壓因素、電能質(zhì)量因素和功率因素為一級風險因素指標，進行電力系統(tǒng)的風險評估因素分析，提取電力系統(tǒng)風險因素的模糊相關(guān)性統(tǒng)計特征量，采用自適應(yīng)尋優(yōu)算法進行多因素下的電力系統(tǒng)風險預(yù)測評估。采用本文方法進行電力系統(tǒng)風險評估的置信度水平較高，對電力系統(tǒng)風險控制能力較好，降低了風險傳遞概率。

參考文獻

[1] 甘艷，張昌，王建，等.相鄰帶電體對500 kV變電站母線避雷器泄露電流的影響研究[J].武漢大學學報，2019，52（6）：536?543.

[2] 陳謙，張文濤，陳博，等.考慮電網(wǎng)絡(luò)影響的水火電力系統(tǒng)短期優(yōu)化調(diào)度[J].水電能源科學，2018（1）：190?194.

[3] 武樺，趙佳佳，馮建軍，等.基于模糊綜合評價的水輪發(fā)電機組局部放電狀態(tài)評估[J].西安理工大學學報，2017，33（2）：187?192.

[4] 王群，董文略，楊莉.基于Wasserstein距離和改進K?medoids聚類的風電/光伏經(jīng)典場景集生成算法[J].中國電機工程學報，2015，35（11）：2654?2661.

[5] 葉晨，崔雙喜，王維慶.含風電的電力系統(tǒng)概率潮流計算[J].電網(wǎng)與清潔能源，2018（2）：172?177.

[6] 毛銳，袁康龍，鐘杰峰，等.基于概率潮流法的含分布式光伏的配電網(wǎng)電壓狀態(tài)評估[J].電力系統(tǒng)保護與控制，2019，47（2）：129?136.

[7] 胡榮娜，郭愛煌.車聯(lián)網(wǎng)中基于功率控制的傳輸可靠性算法[J].計算機應(yīng)用，2015，35（6）：1523?1526.

[8] 黃文卿，張興春，張幽彤.一種交流逆變器死區(qū)效應(yīng)半周期補償方法[J].電機與控制學報，2014，18（5）：24?29.

[9] 丁青青，魯偉，徐長波，等.三相并聯(lián)混合有源電力濾波器的無源控制策略[J].電機與控制學報，2014（5）：5?10.

[10] MARZBANI H， VO D Q， KHAZAEI A， et al. Transient and steady?state rotation center of vehicle dynamics [J]. Procedia computer science， 2017， 112（10）： 1404?1411.

[11] ZHAO Yue， LIU Bin. Flux?weakening vector control of interior permanent magnet synchronous motor based on sliding mode variable structure controller [J]. Information & control， 2017（4）： 428?436.

[12] 謝從珍，白劍鋒，王紅斌，等.基于多維關(guān)聯(lián)信息融合的架空輸電線路雷害風險評估方法[J].中國電機工程學報，2018，38（21）：6233?6244.

[13] 賈亦敏，史麗萍，嚴鑫.改進人工魚群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J].河南理工大學學報（自然科學版），2019，38（2）：103?109.

[14] 鄧祥力，姚媛媛，涂勇.基于等效勵磁電感波形相似度的變壓器繞組輕微故障檢測方法研究[J].高壓電器，2018，54（12）：165?173.

[15] 李敏.智能變電站220 kV線路保護檢修安全措施方案研究[J].電工電氣，2018（10）：39?42.