多因素驱动下电力系统风险传递模型构建
来源:用户上传
作者:
摘 要： 为了提高电力系统风险评估能力，提出基于多因素驱动的电力系统风险传递模型。构建电力系统风险的多层次参数约束模型，采用多因素特征重建的方法进行电力系统风险信息采样，构建电力系统风险评估的统计变量分析模型。以电压因素、电能质量因素和功率因素进行多因素驱动，以电力系统的输出稳定性、环境相关性的因素为约束指标，进行电力系统风险评估的统计决策模型分析，提取电力系统风险因素的模糊相关性统计特征量。采用自适应寻优算法进行多因素下的电力系统风险预测评估，根据风险的聚类分布性能，进行电力系统风险传递模型优化设计。仿真结果表明，采用该方法进行电力系统风险评估的准确性较高，风险传递达到最低，提高了电力系统风险的管控能力。
关键词： 电力系统; 风险传递; 多因素驱动; 模型优化; 风险评估; 仿真分析
中图分类号： TN876.3?34; TM73 文献标识码： A 文章编号： 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
随着电力系统规模越来越大，需要进行电力系统风险评估，相关的电力系统风险传递模型设计方法研究受到极大关注[1]。因此，本文提出基于多因素驱动的电力系统风险传递模型，首先构建电力系统风险因素的特征关联分布模型。结合统计分析和大数据分析方法，进行多因素驱动下电力系统风险传递模型构建，并结合仿真实验分析进行模型仿真分析，得出有效性结论。 1 电力系统风险的多层次参数约束模型
1.1 电力系统风险相关因素分析
结合统计分析方法进行电力系统风险因素评价决策。以电压因素、电能质量因素和功率因素为一级风险因素指标[2];以功率暂态不平衡特征、功率稳态不平衡特征和谐波耦合风险因素为功率风险因素的二级指标评估体系[3]。得到电力系统风险传递的多因素模型如图1所示。
根据图1，进行电力系统风险评估的概率分布函数为[P（ni）={pk|prkj=1，k=1，2，…，m}]，以上游电源电压、两极线路参数作为驱动因子，进行风险评估的模糊度特征筛选[4]，关联特征分布集合为：
根据电力系统直流电压的零频特性[5]，采用模糊关联规则调度方法，进行电力系统风险因素的量化回归分析，回归分析模型为：
式中：p为电力系统风险评估筛选控制的节点个数;[n（t）]为干扰项。构建电力系统风险评估统计大数据识别的模糊隶属函数为：
式中：[R（n）s]表示电力系统风险因素中的电压波动和闪变信息融合特征量;[dγn]为电压偏差的维数;[R（k+1）s]为电力系统风险传递的迭代层数。采用多因素特征重建的方法进行电力系统风险信息采样[6]，得到电力系统风险评估的模糊分解式为：
式中：[kμ（t）]表示t时刻电力系统风险传达的维数;[ΔTm（t）]表示t时刻电力系统风险传递的波动增益;[w]为自适应权重;[Θ]为[kμ（t）]的统计特征分布量化集。由此构建电力系统风险传递的统计变量分析模型，进行风险传递和决策评价分析[7]。
1.2 电力系统风险参数计算
建立电力系统风险特征分析模型[8]，得到电力系统风险评估的有限数据集：
式中，电力系统风险评估样本集中含有[n]个样本，样本[xi][（i=1，2，…，n）]，结合电能质量评估、指标限值分析的方法，得到电力系统风险因素评估的量化特征关系为：
分析交直流变化下电力系统的输出差异性，采用差异性融合的方法[9]进行风险因素传递的参数分析，以电力系统的输出稳定性、环境相关性的因素为约束指标[10]，进行电力系统风险评估的统计决策模型分析，得到参数计算公式为：
根据参数计算结果，进行电力系统风险特征提取和融合调度，提高风险传递和评估能力[11]。
2 电力系统风险传递模型优化
2.1 多因素驱动模型
在上述基础上，采用多因素特征重建的方法进行电力系统风险信息采样，分析不同工况下电力系统的存在风险[12]，分析风险预测的偏差百分数，得到电力系统风险传递的多因素驱动模型为：
式中：电力系统风险驱动的预测载荷为[Mh];[w1]，[w2]，[w3]分别表示电压因素、电能质量因素和功率因素等不同风险因素驱动的加权系数[13]。
2.2 风险传递和评估
根据风险的聚类分布性能，进行电力系统风险传递模型优化设计[14]，得到电力系统风险传递的自适应寻优更新规则如下：
其中：
式中：[λ]为电力系统风险聚类因子;[Fμ]为电力系统风险传递的统计特征分量[15]。根据以上算法设计，实现电力系统风险评估和传递设计，实现流程如图2所示。
3 仿真实验分析
仿真实验中，对电力系统风险因素的数据采样长度为1 024，电力系统直流数据中心为240～336 V，配电电压等级为±10，±20，±35，风险传递的偏差限值为-15～5，风险决策的模糊度系数为0.34，测试样本集规模为1 000。描述性统计分析结果见表1。
根据上述仿真环境和参数设定，进行电力系统风险传递分析得知，本文方法进行电力系统风险评估的置信度水平较高。测试风险传递概率如图3所示。分析图3得知，本文模型能有效控制电力系统风险。
4 结 语
以电压因素、电能质量因素和功率因素为一级风险因素指标，进行电力系统的风险评估因素分析，提取电力系统风险因素的模糊相关性统计特征量，采用自适应寻优算法进行多因素下的电力系统风险预测评估。采用本文方法进行电力系统风险评估的置信度水平较高，对电力系统风险控制能力较好，降低了风险传递概率。
参考文献
[1] 甘艳，张昌，王建，等.相邻带电体对500 kV变电站母线避雷器泄露电流的影响研究[J].武汉大学学报，2019，52（6）：536?543.
[2] 陈谦，张文涛，陈博，等.考虑电网络影响的水火电力系统短期优化调度[J].水电能源科学，2018（1）：190?194.
[3] 武桦，赵佳佳，冯建军，等.基于模糊综合评价的水轮发电机组局部放电状态评估[J].西安理工大学学报，2017，33（2）：187?192.
[4] 王群，董文略，杨莉.基于Wasserstein距离和改进K?medoids聚类的风电/光伏经典场景集生成算法[J].中国电机工程学报，2015，35（11）：2654?2661.
[5] 叶晨，崔双喜，王维庆.含风电的电力系统概率潮流计算[J].电网与清洁能源，2018（2）：172?177.
[6] 毛锐，袁康龙，钟杰峰，等.基于概率潮流法的含分布式光伏的配电网电压状态评估[J].电力系统保护与控制，2019，47（2）：129?136.
[7] 胡荣娜，郭爱煌.车联网中基于功率控制的传输可靠性算法[J].计算机应用，2015，35（6）：1523?1526.
[8] 黄文卿，张兴春，张幽彤.一种交流逆变器死区效应半周期补偿方法[J].电机与控制学报，2014，18（5）：24?29.
[9] 丁青青，鲁伟，徐长波，等.三相并联混合有源电力滤波器的无源控制策略[J].电机与控制学报，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] 谢从珍，白剑锋，王红斌，等.基于多维关联信息融合的架空输电线路雷害风险评估方法[J].中国电机工程学报，2018，38（21）：6233?6244.
[13] 贾亦敏，史丽萍，严鑫.改进人工鱼群算法优化小波神经网络的变压器故障诊断[J].河南理工大学学报（自然科学版），2019，38（2）：103?109.
[14] 邓祥力，姚媛媛，涂勇.基于等效励磁电感波形相似度的变压器绕组轻微故障检测方法研究[J].高压电器，2018，54（12）：165?173.
[15] 李敏.智能变电站220 kV线路保护检修安全措施方案研究[J].电工电气，2018（10）：39?42.
转载注明来源:https://www.xzbu.com/8/view-15283744.htm
