計及相關性的含分布式電源配電系統可靠性評估

胡美玉，胡志堅，胡夢月

(武漢大學電氣工程學院，武漢市 430072)

計及相關性的含分布式電源配電系統可靠性評估

胡美玉，胡志堅，胡夢月

(武漢大學電氣工程學院，武漢市 430072)

為了分析風速、光照強度和負荷間相關性對配電系統可靠性的影響，提出了一種計及相關性的含分布式電源(distributed generation，DG)配電網可靠性評估模型。首先，采用秩相關系數矩陣、拉丁超立方抽樣技術和Cholesky分解建立了樣本抽樣方法，該方法能有效處理非正態分布隨機變量的相關性以及非線性相關關系。然后，提出了基于孤島穩定運行概率修正傳統可靠性指標的方法,將傳統配電網可靠性評估與含DG配電網可靠性評估有效結合，以提高評估效率。最后，通過算例定量分析了相同類型DG、不同類型DG、DG與負荷相關性強度變化對孤島穩定運行概率以及配電系統可靠性指標的影響，驗證了所提模型與方法的合理性。

配電系統；分布式電源(DG)；相關性；孤島運行；可靠性評估

0 引 言

近年來，以風電和光伏為代表的分布式電源(distributed generation，DG)憑借其發電方式靈活、環境友好等特點被越來越多地引入配電網中，DG在改變傳統配電網結構和運行方式的同時也對供電可靠性帶來了顯著影響[1-3]。一方面，由于風速和光照強度的隨機性，DG出力具有很強的間歇性和波動性，孤島運行的概率并非100%；另一方面，同一地區的風速與光照強度之間、風速與負荷之間通常都存在一定的負相關性，而風速與風速之間、光照強度與光照強度之間、光照強度和負荷之間存在一定的正相關性[4]。因此有必要研究DG出力間歇性和相關性對配電系統可靠性的影響。

國內外已針對含DG的配電系統可靠性評估問題展開了大量研究。文獻[2-3, 5-7]通過離散DG出力建立DG輸出功率多狀態模型，得到孤島運行概率或負荷轉供概率以計算DG出力間歇性對配電系統可靠性的影響。文獻[8]采用點估計法，根據DG輸出功率和配網負荷的概率分布構造DG出力和負荷的估計點，通過估計點與配網可靠性之間的映射關系實現配電網可靠性指標的點估計，考慮相關性的影響。文獻[9-12]基于蒙特卡洛模擬法，通過模擬孤島運行期間的DG出力，計算孤島運行對負荷可靠性指標的影響，雖然能計及DG出力間隙性和相關性的影響，但是模擬法耗時較長。文獻[1, 13-14]采用Nataf變換生成相關性樣本，但是需根據原始隨機變量的相關系數矩陣和邊緣概率分布函數求解非線性方程。Coupla函數[15-17]將隨機變量的邊緣概率分布函數與聯合概率分布函數相連接，可以有效分析風速相關性的影響，但是存在Copula函數的合理選取問題。

本文研究DG與DG、DG與負荷相關性對配電系統可靠性的影響，建立計及相關性的配電網可靠性評估模型。建立基于秩相關系數、拉丁超立方抽樣技術、Cholesky分解的相關性樣本抽樣方法，該方法能有效處理非正態分布隨機變量的相關性以及非線性相關關系。結合孤島運行概率，提出根據修正孤島運行對傳統可靠性指標的影響進行有源配電網可靠性評估的方法。將所述的方法與模型應用于IEEE RBTS BUS6系統，定量分析相關性強度變化對可靠性指標的影響。

1 相關樣本

1.1 秩相關系數矩陣

表征隨機變量相關性的指標包括Pearson相關系數和Spearman秩相關系數，其中Pearson相關系數是一種線性相關系數，用來反映變量線性相關的程度；而秩相關系數是排列后隨機變量的秩的Pearson相關系數，用來度量由單調函數描述的變量之間聯系的強弱，并且不受邊緣分布類型的影響。由于風速、光照強度往往服從相關非正態分布，DG輸出功率與一次能源的關系為非線性，而秩相關系數能較好地描述非正態分布隨機變量的非線性相關關系。

設隨機變量(X,Y)有K對樣本(xi,yi)，則樣本的秩相關系數ρs可表示為

(1)

1.2 相關樣本抽樣模型

拉丁超立方抽樣(latin hypercube sampling，LHS)[6, 18]是一種多維分層抽樣方法。將隨機變量的累積概率分布函數劃分成N個等概率區間，抽取每個概率區間的隨機值并通過累積分布函數逆變換得到采樣值。與非序貫蒙特卡羅模擬法相比，LHS能使抽樣點盡可能覆蓋整個分布區間，可以有效消除截尾現象，從而提高抽樣精度和效率。Cholesky分解計算量小、計算精度高，是一種廣泛應用于LHS的排列方法[19]，可以消除由于樣本隨機排列產生的相關性。本文結合秩相關系數、LHS和Cholesky分解得到相關性樣本的具體步驟如下所述。

步驟1：結合變量的歷史樣本數據，根據式(1)計算一次能源參數和負荷的目標秩相關系數矩陣ρs0。

步驟2：設隨機變量數為M，采樣規模為N，生成M×N階順序矩陣R，R的每行均為1,2,…,N組成的隨機整數序列，并按照式(1)計算R的秩相關系數矩陣ρsR。

步驟3：將隨機變量m的累積概率等分為N個等概率區間[(i-1)/N,i/N]，則每個區間的概率為1/N，其中i的取值為順序矩陣R的第m行，隨機抽取區間中的一個值pi，表達式為

(2)

式中r為[0,1]均勻分布的隨機數。

步驟4：通過累積概率分布函數的逆變換得到區間[(i-1)/N,i/N]對應的采樣值xi=F-1(pi)，最終可得M×N階初始樣本矩陣S。

步驟5：采用式(3)對ρsR進行Cholesky分解，以消除矩陣R各行之間因隨機排列產生的相關性，P為其分解后的下三角矩陣；并按照式(4)得到矩陣G。

ρsR=PPT

(3)

G=P-1R

(4)

步驟6：對ρso進行Cholesky分解，Q為其分解后的下三角矩陣；按照式(6)將矩陣G更新為矩陣Gu，使得Gu的秩相關系數矩陣與ρso相等。

ρso=QQT

(5)

Gu=QG=QP-1R

(6)

步驟7：按照Gu中每行元素的排列順序，將順序矩陣R更新為Ru，使Ru各行排列順序與Gu一致。

步驟8：按照Ru中每行元素的排列順序，將初始樣本矩陣S更新為Su，使得Su各行排列順序與Ru一致；Su即為秩相關系數矩陣與ρso近似相等的N狀態相關性樣本空間。

2 DG功率輸出模型

光伏發電機(photovoltaic generator，PVG)的出力主要取決于光照強度，風力發電機(wind turbine generator，WTG)的出力隨風速變化而變化。雖然風速與光照強度具有隨機性和波動性，但是其分布仍具有一定的規律，可采用經驗分布函數擬合[9]。大量研究表明，貝塔(Beta)分布能較好地擬合光照強度的概率分布[19]，如式(7)所示；兩參數威布爾(Weibull)分布能較好地擬合風速的概率分布[19]，如式(8)所示。

(7)

式中：I為光照強度；Imax為光強最大值；α和β為形狀參數；Γ(·)為伽馬函數。

(8)

式中：V是風力發電機組輪轂處的風速；k和c分別為形狀參數和尺度參數。

PVG輸出功率與光照強度的關系為

(9)

式中：Pr1為PVG的額定輸出功率；Ir為額定光照強度[19]。

WTG輸出功率與風速的關系為

(10)

式中：Vci、Vr和Vco分別為WTG的切入風速、額定風速和切出風速；Pr2為WTG的額定輸出功率[19]。

將1.2節相關性樣本矩陣Su中的光照強度和風速數據代入式(9)和式(10)，即可得到PVG和WTG的輸出功率。

3 計及相關性的含DG配電網可靠性評估

配電網正常運行時，DG和主電源共同給負荷供電；當配網主饋線故障時，通過操作開關將含DG的配電網與主配電網分離，DG仍可向其所在的獨立配電網供電，形成孤島。孤島是DG接入配電網應運而生的一種新的運行方式[3]，他的存在使得系統故障劃分與供電恢復變得更為復雜。由于受到風速與光照強度的影響，WTG與PVG的輸出功率具有間歇性和波動性，只有在孤島內DG總出力不小于島內負荷需求時，孤島才能形成。根據上文WTG、PVG、負荷的相關性樣本，可按照式(11)計算孤島運行的概率PIS。

(11)

式中：N為采樣規模；∑PDGi、∑PLi分別為第i個采樣狀態孤島內DG總出力和總負荷；Pr{·}為該狀態的概率。

為保證緊急情況下調度和故障后恢復供電的有序進行，孤島應當有計劃地建立。當上游主饋線發生故障時，DG能繼續給負荷供應電力，這是傳統可靠性評估模型無法計入的特點。需要說明的是，孤島的建立只影響孤島內負荷的供電，而孤島外負荷可靠性指標仍可按照傳統可靠性評估方法得到。

設LP為孤島內的負荷，λ1、U1分別為不含DG時LP的故障率和年平均故障時間，PIS為孤島運行的概率，λ2、U2分別為孤島成功形成時LP的故障率和年平均故障時間，則孤島內負荷的可靠性指標為：

λ3=λ1-PIS(λ1-λ2)

(12)

U3=U1-PIS(U1-U2)

(13)

主配電網故障時，只需將含DG的配電網與主配電網分離，認為DG可以無縫切換，在孤島形成前后連續給孤島內的負荷供電。因此若孤島成功運行，有無DG時LP的可靠性指標的差別只取決于其上游主饋線元件故障參數，如式(14)和式(15)所示。

(14)

(15)

式中：m、λki和Uki分別為孤島上游主饋線元件的個數、故障率和年平均故障時間。

因此，式(12)和式(13)可修正為：

(16)

(17)

上述分析并未考慮通過削減負荷實現當孤島內DG出力不足時的剩余負荷的正常供電。因此，需要對此種情況下的正常供電負荷的可靠性進行補償。

(18)

(19)

式中：PCi為實行切負荷策略下負荷i 恢復供電的概率；λ4，U4分別為考慮切負荷策略后的負荷故障率和年平均故障時間。

綜合負荷重要程度以及位置因素確定負荷削減的優先順序，定義負荷削減系數為IL。

ILi=αLi+βLi

(20)

式中：αLi為負荷的重要程度系數；βLi為負荷與孤島電源之間的電氣距離，即負荷與孤島電源之間的負荷個數(包含該負荷)。

綜上所述，計及相關性的含DG配電網可靠性評估流程如圖1所示。

圖1 可靠性評估流程圖Fig.1 Flow chart of reliability assessment

因此，只需在傳統可靠性評估結果的基礎上，修正上游主饋線故障時DG對孤島內負荷可靠性指標的影響，即可進行含DG的配電網可靠性評估。

4 算例分析

4.1 算例數據

本文在改進IEEE RBTS BUS6主饋線F4上對提出的模型和方法進行驗證。該系統包括30條線路、23負荷點、23個配電變壓器及熔斷器、4臺斷路器和9臺分段開關，負荷參數及元件可靠性參數參見文獻[20]。為評估DG接入對配電網可靠性的影響，在分支線53、59處加入DG。當上游主饋線發生故障時，通過操作斷路器，即可形成孤島1和孤島2繼續給孤島內負荷供電，如圖2所示。設隔離開關和聯絡開關的切換時間為1 h，LHS采樣規模為1 000，其他參數設置如下。

(1)WTG。Weibull分布的形狀參數為3.97，尺度參數10.7；切入風速3 m/s，額定風速14 m/s，切除風速25 m/s。

(2)PVG。Beta的形狀參數α=2.0，β=0.8，最大光照強度為600 W/m2。

(3)負荷。平均功率Paver參見文獻[20]，服從期望為Paver，方差為0.2Paver的正態分布，并且每個負荷為一個隨機變量。

(4)負荷重要程度系數。工商業為1.2；農業為1.1；居民用戶為1.0。

圖2 IEEE RBTS BUS 6系統接線圖Fig.2 Configuration of IEEE RBTS BUS 6

4.2 DG額定容量的影響

在孤島1處接入2臺WTG，孤島2處接入2臺PVG。光照強度間、光照強度與風速、光照強度與負荷的相關系數分別為0.7、-0.3、0.6；風速間、風速與負荷的相關系數分別為0.8、-0.6；負荷相關系數為0.8。設PVG與WTG的額定容量相同，系統可靠性指標隨DG額定容量變化情況如表1所示，孤島1和孤島2內負荷的故障率和年平均故障時間變化情況如圖3所示。

表1 系統可靠性指標隨DG額定容量的變化情況
Table 1 System reliability index variation with different DG rated capacities

圖3 負荷故障率和負荷年平均故障時間隨DG額定容量的變化情況Fig.3 Load outage rate and load annual outage duration with different DG rated capacities

由表1以及圖3可知：

(1)隨著DG額定功率的增加，孤島形成的概率增高，孤島內負荷的故障率和故障時間減小，從而導致系統年平均停電次數、年停電時間和系統缺供電量減小，系統可靠性提高。

(2)由于每個負荷支路均裝有熔斷器，與傳統可靠性評估相比，DG能有效改善孤島上游主饋線線路故障對孤島內負荷的影響，使得導致負荷停電時間的因素中，線路故障比例減小，而變壓器故障比例增加。文獻[20]中饋線與變壓器故障修復時間分別為5 h和200 h，因此隨DG額定功率越大，用戶年平均故障時間反而增加。

(3)隨著DG額定功率的增加，其對系統可靠性的改善程度越來越小。因此，應當合理配置孤島內DG額定容量以使電力系統的綜合效益達到最佳。

4.3 相關系數的影響

為比較相同類型DG、不同類型DG、DG與負荷的相關系數對配電系統可靠性指標的影響，本文對以下5種場景的可靠性指標變化進行了分析。設負荷間的相關系數為0.8，每個孤島分別接入2臺額定功率為1.2 MW的DG，孤島1總負荷為1.059 6 MW，孤島2總負荷為1.020 2 MW，DG額定容量充足。

場景1：孤島均接入WTG，不考慮風速與負荷的相關性，風速相關系數分別為0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8。

場景2：孤島均接入WTG，風速相關系數為0.8，風速與負荷相關系數分別為-0.1、-0.2、-0.3、-0.4、-0.5、-0.6、-0.7、-0.8。

場景3：孤島均接入WTG與PVG各1臺，風速相關系數為0.8，光照強度相關系數為0.8，光照強度與負荷相關系數為0.6，風速與負荷相關系數為-0.6，風速與光照強度相關系數為分別為-0.1、-0.2、-0.3、-0.4、-0.5、-0.6、-0.7、-0.8。

場景4：孤島均接入PVG，不考慮光照強度與負荷的相關性，光照強度相關系數分別為0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8。

場景5：孤島均接入PVG，光照強度相關系數為0.8，光照強度與負荷相關系數分別為0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8。

配電系統可靠性指標中期望缺供電量(energy not supplied，ENS)綜合了停電頻率、停電時間和停電損失電量的影響，可全面反映相關系數變化對系統可靠性的影響。當相關系數變化時， 5種場景下孤島1成功運行的概率如表2所示，ENS指標如圖4所示。需要說明的是，表2和圖4中的相關系數對場景2和場景3即為負相關系數。

表2 孤島1成功運行的概率
Table 2 Probability of island 1 successful operation %

圖4 不同相關系數時的系統缺供電量Fig.4 Expected energy not served of system under different correlation coefficients

由表2及圖4可知：

(1)隨場景1風速正相關性的增強，ENS逐漸增大。這是因為孤島內DG容量充足，當風速相關性增加時，WTG出力一致的可能性增加，導致出力同時偏小的概率增大，孤島運行概率減小，孤島內負荷的故障率和年平均故障時間增加，系統的可靠性降低。

(2)隨場景2風速與負荷間負相關性強度的增強，ENS逐漸增大。分析其原因如下：當風速與負荷的負相關性增強后，WTG出力較小而負荷較重的可能性將增加，出現能滿足較小待轉供負荷而不能滿足較大待轉供負荷的情況，導致可靠性降低。

(3)隨場景3風速與關照強度負相關性強度的增強，ENS逐漸減小。這是因為孤島內DG容量充足，隨負相關性強度的增強，WTG與PVG的出力同時偏大或同時偏小的概率減小，孤島運行概率增大，系統可靠性提高。

(4)隨場景4光照強度正相關性的增強，ENS逐漸增大。其原因與(1)相一致。

(5)隨場景5光照強度與負荷正相關性的增強，ENS逐漸減小。分析其原因如下：當光照強度與負荷的正相關性增強后，PVG出力與負荷功率變化一致，PVG出力較小而負荷較重的可能性將減小，系統可靠性提高。

5 結 論

(1)DG接入有利于改善配電系統的可靠性，但是隨著DG額定容量的增加，其對系統可靠性的改善程度逐漸減小。因此，應當合理配置孤島內DG額定容量以及數量。

(2)基于秩相關系數、拉丁超立方抽樣技術、Cholesky分解的樣本抽樣方法能有效處理風速、光照強度、負荷之間的非線性相關性，以進行含DG的配電系統可靠性評估。

(3)DG容量充足時，系統可靠性指標隨同類型DG正相關系數的增加而增加，隨PVG與WTG負相關程度的增加而減小，隨WTG與負荷負相關程度的增加而增大，隨PVG與負荷正相關程度的增加而減小。在進行含DG的配電網可靠性評估時必須考慮光強、風速與負荷的相關性，否則將導致評估結果存在誤差。

[1]王昌照, 汪隆君, 王鋼, 等.分布式電源出力與負荷相關性對配電網可靠性的影響分析[J].電力自動化設備,2015, 35(6): 99-105.

WANG Changzhao, WANG Longjun, WANG Gang,et al.Impact of distributed generation output and load correlation on distribution network reliability[J].Electric Power Automation Equipment,2015, 35(6): 99-105.

[2]徐玉琴, 吳穎超.考慮風力發電影響的配電網可靠性評估[J].電網技術,2011, 35(4): 154-158.

XU Yuqin, WU Yingchao.Reliabilityevaluation for distribution system connected with wind-turbine generators [J].Power System Technology,2011, 35(4): 154-158.

[3]田洪迅, 袁蓉, 趙淵.含分布式電源的配網可靠性概率計算[J].電網技術,2013, 37(6): 1562-1569.

TIAN Hongxun, YUAN Rong, ZHAO Yuan.Computation ofprobability distribution for reliability indices of distribution system containing distributed generation[J].Power System Technology,2013, 37(6): 1562-1569.

[4]SHU Z, JIRUTITIJAROEN P.Latin hypercube sampling techniques for power systems reliability analysis with renewable energy sources[J].IEEE Transactions on Power Systems, 2011, 26(4):2066-2073.

[5]王韶, 譚文, 黃晗.計及微電網中可再生能源間歇性影響的配電網可靠性評估[J].電力自動化設備,2015, 35(4): 31-37.

WANG Shao, TAN Wen, HUANG Han.Distribution system reliability evaluation considering influence of intermittent renewable energy sources for microgrid[J].Electric Power Automation Equipment,2015, 35(4): 31-37.

[6]陳璨, 吳文傳, 張伯明, 等.基于多場景技術的有源配電網可靠性評估[J].中國電機工程學報,2012, 32(34): 67-73.

CHEN Can, WU Wenchuan, ZHANG Boming,et al.Anactive distribution system reliability evaluation method based on multiple scenarios technique[J].Proceedings of the CSEE,2012, 32(34): 67-73.

[7]BIE Z, ZHANG P, LI G,et al.Reliability evaluation of active distribution systems including microgrids[J].IEEE Transactions on Power Systems, 2012, 27(4):2342-2350.

[8]蘆晶晶, 趙淵, 趙勇帥, 等.含分布式電源配電網可靠性評估的點估計法[J].電網技術,2013, 37(8): 2250-2257.

LU Jingjing, ZHAO Yuan, ZHAO Yongshuai,et al.Apoint estimation method for reliability evaluation of distribution network with distributed generation[J].Power System Technology,2013, 37(8): 2250-2257.

[9]梁惠施, 程林, 劉思革.基于蒙特卡羅模擬的含微網配電網可靠性評估[J].電網技術,2011, 35(10): 76-81.

LIANG Huishi, CHENG Lin,LIU Sige.Monte Carlo simulation based reliability evaluation of distribution system containing microgrids [J].Power System Technology,2011, 35(10): 76-81.

[10]葛少云, 王浩鳴.基于系統狀態轉移抽樣的含分布式電源配電網可靠性評估[J].電力系統自動化,2013, 37(2): 28-35.

GE Shaoyun, WANG Haoming.Reliability evaluation of distribution networks including distributed generations based on system state transition dampling[J].Automation of Electric Power Systems,2013, 37(2): 28-35.

[11]葛少云, 王浩鳴, 王源山, 等.含分布式風光蓄的配電系統可靠性評估[J].電力系統自動化,2012, 36(5): 16-23.

GE Shaoyun, WANG Haoming, WANG Yuanshan,et al.Reliability evaluation of distribution networks including distributed wind tubines, photovotaic arrays and batteries[J].Automation of Electric Power Systems,2012, 36(5): 16-23.

[12]CHEN C, WU W, ZHANG B,et al.An analytical adequacy evaluation method for distribution networks considering protection strategies and distributed generators[J].IEEE Transactions on Power Delivery, 2015, 30(3):1392-1400.

[13]羅奕, 汪隆君, 王鋼.計及分布式電源出力相關性的微電網發電系統可靠性評估[J].電力系統自動化,2014, 38(12): 34-38.

LUO Yi, WANG Longjun, WANG Gang.Reliability assessment of microgrid generation system considering output correlation of distributed generators[J].Automation of Electric Power Systems,2014, 38(12): 34-38.

[14]韓海騰, 高山, 吳晨, 等.基于Nataf變換的電網不確定性多點估計法[J].電力系統自動化,2015, 39(7): 28-34.

HAN Haiteng, GAO Shan, WU Chen,et al.Uncertain power flow solved by multi estimate method based on Nataf transformation[J].Automation of Electric Power Systems,2015, 39(7): 28-34.

[15]李玉敦, 謝開貴, 胡博.基于Copula函數的多維時序風速相依模型及其在可靠性評估中的應用[J].電網技術,2013, 37(3): 840-846.

LI Yudun, XIE Kaigui, HU Bo.A Copulafunction-based dependent model for multivariate wind speed time series and its application in reliability assessment[J].Power System Technology,2013, 37(3): 840-846.

[16]王俊, 蔡興國, 季峰.基于Copula理論的相關隨機變量模擬方法[J].中國電機工程學報,2013, 33(22): 75-82.

WANG Jun, CAI Xingguo, JI Feng.Asimulation method of correlated random variables based on Copula[J].Proceedings of the CSEE,2013, 33(22): 75-82.

[17]秦志龍, 李文沅, 熊小伏.考慮風速相關性的發輸電系統可靠性評估[J].電力系統自動化,2013, 37(16): 47-52.

QIN Zhilong, LI Wenyuan, XIONG Xiaofu.Reliability assessment of composite generation and transmission system considering wind speed correlation[J].Automation of Electric Power Systems,2013, 37(16): 47-52.

[18]張巍峰, 車延博, 劉陽升.電力系統可靠性評估中的改進拉丁超立方抽樣方法[J].電力系統自動化,2015, 39(4): 52-57.

ZHANG Weifeng, CHE Yanbo, LIU Yangsheng.Improved Latin hypercube sampling method for reliability evaluation of power systems[J].Automation of Electric Power Systems,2015, 39(4): 52-57.

[19]ZHANG S, CHENG H, ZHANG L,et al.Probabilistic evaluation of available load supply capability for distribution system[J].IEEE Transactions on Power Systems, 2013, 28(3):3215-3225.

[20]BILLINTON R, JONNAVITHULA S.A test system for teaching overall power system reliability assessment[J].IEEE Transactions on Power Systems, 1996, 11(4):1670-1676.

胡夢月(1989)，博士研究生，主要研究方向為風功率預測及風電并網后電力系統優化調度。

(編輯 蔣毅恒)

Reliability Evaluation of Distribution Network with Distributed Generation Considering Correlations

HU Meiyu, HU Zhijian, HU Mengyue

(School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

To analyze the impact of correlation between wind speed, illumination intensity and load demand, this paper proposes a new reliability evaluation model for distribution system with distributed generation (DG) considering correlation.Firstly, we adopt the correlation coefficient matrix, Latin hypercube sampling and Cholesky decomposition to establish a sampling method, which can effectively deal with the correlations between the non-normal distribution random variables and the nonlinear relationship.Then we propose the method of correcting the traditional reliability index based on island stable operation probability, which effectively combines the traditional distribution reliability assessment with the distribution reliability assessment containing DG to improve the assessment efficiency.Finally, through the quantitative analysis on examples, we analyze the influences of correlation intensity between the same type DG, different types of DG, DG and load on island stable operation and distribution system reliability index, whose results verify the feasibility of the proposed model and method.

distribution system; distributed generation(DG); correlations; island operation;reliability assessment

高等學校博士學科點專項科研基金資助項目(20110141110032)

Project supported by Special Scientific and Research Funds for Doctoral Speciality of Institution of Higher Learning(20110141110032)

TM 72

A

1000-7229(2016)09-0108-07

10.3969/j.issn.1000-7229.2016.09.015

2016-05-09

胡美玉(1990)，女，碩士研究生，主要從事電力系統可靠性分析、含分布式發電的配電網優化運行方面的研究工作；

胡志堅(1969)，男，博士，教授，博士生導師，本文通信作者，研究方向為電力系統穩定分析與控制、新能源與分布式發電；