基于灰色聚類方法的電力系統安全評估

卿松 王曄 彭鵬

摘 要：隨著經濟發展和居民生活水平提高，安全用電方面的需求不斷增長，電力系統的規模不斷擴張；同時，新能源網絡發展使電網的結構越來越復雜。另一方面，對電力系統安全的要求也越來越高。需要對其有一個科學的評估。本文基于灰色白化權函數聚類方法對電力系統安全進行評估，并通過對比電力系統實際運行情況，驗證所提出電力系統安全評估方法的可信性與實用性。

關鍵詞：灰色聚類分析；電力系統；安全評估

1 引言

中國經濟的持續快速發展，客觀上需要電力系統快速發展。另一方面，在國家大力號召積極開展能源互聯網建設的背景下，人們越來越重視電力系統的安全穩定運行問題。近年來，不斷發生的大面積停電事故使人們深刻認識到電力系統運行中大面積停電風險的存在。通過科學的安全評估識別潛在危險因素，降低電力系統運行風險，可有效減少大面積停電事故的發生。因此，電力系統安全運行評估受到了政府、電網企業以及科研領域的高度重視[1]。針對電力系統安全運行的評估理論大致經歷了兩個階段：一個是可靠性評估階段，一個是風險評估階段。其中，風險評估分別是基于可靠性理論和基于風險管理的風險評估[2-5]。1968年，美國組建了NERC（National Electric Reliability Council），其制定的可靠性衡量標準給電力系統可靠性評估提供了理論基礎[6]。1983年，中國電機工程學會和電工技術學會也相繼成立了可靠性專業委員會和管理中心，開展大規模發電、輸電和配電系統的可靠性統計工作[7]。

灰色系統理論作為一個專門研究“小樣本”、“貧信息”不確定性系統的理論方法，1982年由我國華中科技大學鄧聚龍教授提出。由于該理論適合于研究“部分信息已知，部分信息未知”的系統的預測、決策、聚類、關聯、控制等問題，已經被廣泛應用到多個領域解決實際問題[9， 10]。其中的灰色聚類被用于進行聚類評估和決策問題[11-16]。按照聚類對象進行劃分，灰色聚類方法可以分為兩類：即灰色關聯聚類和灰色白化權函數聚類。本文使用后者對電力系統安全風險進行評估。

2 灰色聚類分析法

不同于傳統數據挖掘中的聚類方法，灰色白化權函數聚類，是根據某些特定的觀測指標的觀測值，由領域專家構建白化權函數，將其劃分成若干個可定義類別的一種方法[12]。灰色白化權函數聚類適合于系統結構復雜、不確定性高、有效信息缺乏的系統聚類。而現代的電力系統屬于這一類系統，所以，我們選擇灰色聚類方法進行電力系統的安全評估。

灰色變權聚類適用于指標的意義、量綱相同的情形，所以本文選擇灰色變權聚類方法。

3 案例分析

3.1數據分析

在本文的案例研究中，我們選擇廣東省，新疆省，北京市的電力系統安全評估的數據。在評估指標方面，參考文獻[20-23]研究結果，選擇9個評估指標來進行案例分析，如表1所示。

使用灰色白化權函數來確定所屬灰類，具體步驟如下所示：

（1）確定白化權函數值矩陣 。我們選擇表1提到的9個重要指標來評估3個省電力系統的安全風險。

基于上述指標體系和三個省份的數據，考慮到一些專家的意見和使用適當的數據轉換方法，我們將得到的最終結果展示如下：

（2）獲得白化權函數 。根據評估標準，我們將9個評估指標劃分為三個灰類，指標j對于灰類k的白化權函數為： 。在這個實例中，我們選擇上限白化權函數來衡量灰類為“高”，居中白化權函數來衡量灰類為“中等”，下限白化權函數來衡量灰類為“低”。得到的白化權函數如下所示：

根據上述白化權函數和第二部分提到的方法，得到如下的函數表達：

（3） 計算閾值 。考慮到專家經驗和這些省份的歷史數據，可以得到如下表2的閾值 。

（4） 計算聚類權重wi。根據專家經驗和這些省份的歷史數據，我們給定9個評估指標的權重如表3所示。

（5） 得到聚類系數，聚類向量和項目所屬灰類。

根據公式（1），我們可以得到不同灰類下的聚類系數。根據以上結果，我們能得到聚類向量，接下來計算出相關項目所屬的灰類，如表4所示。

3.2 結果分析

通過表4可以看到三個省份的聚類系數，分別為：廣東省 =0.9375，新疆省 =0.8096，北京市 =0.9219都處于較高的安全風險中。按其風險程度，從高到低排序，其順序是廣東省>北京市>新疆省。通過對三個省份的電力系統進行實際情況分析可知以下幾點。

（1）廣東省電力系統較高的依賴外部區域；同時隨著廣東省電網的快速發展，產生大量電網建設和電網改造工作。所以在很長一段時間之內，電網運行方式都處于不斷的調整和變化之中，也帶來了更多的電網結構風險，影響到了電力系統的安全穩定運行。

（2）作為我國的首都，北京擁有大量的人口，造成較高的電力需求和電力負擔。從計算可知，北京電網運行風險和關鍵二次設備風險較高，對電力系統安全風險影響較大。

（3）作為中國土地面積最大的省級行政區，新疆省其經濟發展需要改善，電力技術相對落后，安全穩定控制系統及安全自動裝置技術風險和直流偏磁風險需要更多的關注。

4 結論

電力系統大面積停電綜合指數的計算結果能夠反映出整個電力系統運行的安全風險水平，通過這些指標能夠及時建立起政府和電力企業以及社會之間的聯系，以便政府、社會以及電力企業合作完成大面積停電等事故預防的任務。本文提出了基于灰色聚類分析的電力系統安全評估方法，以豐富電力系統安全評估方法。

參考文獻

[1] McCalley，J.D.，Vittal，V.，Abi-Samra，N.An overview of risk based securityassessment，in：Proceeding of IEEE Power

Engineering Society Summer Meeting，1999.Edmonton，Canada，1999.

[2] Billinton R， Li W Y. A hybrid approach for reliability evaluation ofcomposite generating and transmission systems using Monte Carlo simulationand enumeration technique. IEE Proceedings C， May 1991， 138（3）： 233-241.

[3] 李文沅.電力系統風險評估模型、方法和應用.北京：科學出版社，2006.

[4] 郭永基.加強電力系統可靠性的研究和應用-北美東部大停電的思考.電力系統自動化，2003，27（ 19）： 1-5.

[5] Dobson I， Chen J. Thorp J S， et al. Examining criticality of blackouts in power system models with cascading events. In proc. of 35th international conference on system sciences. Maui， Hawaii： 2002：7（10）.

[6] 馮永青，張伯明，吳文傳，等.基于可信性理論的電力系統運行風險評估（一）運行風險的提出與發展.電力系統自動化.2006，30（1）：17-23.

[7] Ming Ni， McCalley， J.D.， Vittal， V. et al. Software implementation of online risk-based security assessment， IEEE Trans on Power Systems， 2003，18（3）：1165-1172.

[8] 劉思峰，郭天榜，黨耀國，等.灰色系統理論及其應用.（第二版）.北京：科學出版社，2000.

[9] Liu S F， Lin Y. Grey information theory and practical applications. London： Springer Verlag， 2006：10-30.

[10] 鄧聚龍.灰色系統理論教程.武漢：華中理工大學出版社，1992.

[11] Liu S F， Lin Y. Grey information theory and practical applications. Springer Verlag. London， 2006， 7-12.

[12] Deng J L. The Control problem of grey systems. Systems &Control Letter， 1982， 1（5）， 288-294.

[13] Chi G T， Cheng X Q， Wang L J. The society evaluation model based on grey clustering and its empirical study of cities under province. Chinese Journal of Management Science， 2010， 18（6）， 185-192.

[14] Li Z C. Clustering analysis on regional economic development level in Jiangsu Province. China Business， 2011，（03）， 13-14.

[15] Nie D. Cluster analysis on social and economic development level in Jilin Province. Changchun， 2006.

[16] Shamilov，Aladdin.A development of entropy optimization methods. WSEAS Transactions on Mathematics， May， 2006： 568-575.

[17] Abdou， Samir， Savoy， Jacques. Statistical and comparative evaluation of various indexing and search models. Lecture Notes in Computer Science.2006： 362-373.

[18] ZhuZ，ZhangL.A combination model and application for the water quality evaluation. Journal of Wseas Transactions on Systems， 2009（85）：628-637.

[19] CIGRE Task Force 38.03.12. Power system security assessment， a position paper， Electra， 1997，175：49-77.

[20]ChenQ. M.， JiangC. W.， QiuW. Z.， et al. Probability models forestimating the probabilities of cascading outages in high-voltage transmissionnetwork， IEEE Trans on Power Systems， 2006，21（3）：1423-1431.

[21]Dai， Y.，McCalley， J.D.， Abi-Samra， et al. Annual risk assessment for overloadsecurity. IEEE Trans on Power Systems， 2001， 16（4）：616-623.

[22] Hurdle EE， Bartlett LM， Andrews JD. Fault diagnostics of dynamic systemoperation using a fault tree based method. Reliability Engineering & System Safety， 2009，94（9）： 1371-1380.

[23] Chatzimouratidis Al， Pilavachi PA. Technological， economic and sustainabilityevaluation of power plants using the Analytic Hierarchy Process. Energy Policy， 2009， 37（3）：778-787.