微電網脆弱性預評估方法

周 磊，吳 輝，嵇文路，陳文君，陳美璇，劉皓明

（1.國電南瑞科技股份有限公司，南京 211000；2.國網江蘇省電力公司 南京供電公司，南京 210019；3.河海大學 能源與電氣學院，南京 210098）

自愈是微電網的主要特點之一，良好的自愈性能離不開科學準確的脆弱性量化評估。根據負荷預測以及微電源出力預測，考慮檢修計劃以及運行計劃的改變，以及微電網拓撲結構變化引起的繼電保護再整定等，對微電網未來時刻的脆弱性進行預評估，有利于微電網的優化運行調度和預防控制。同時，操作人員可以根據預評估結果找出系統薄弱環節，對微電網提前進行運行策略和網架結構調整，使系統更安全可靠地運行，為實現微電網自愈提供技術理論支撐［1］。

目前脆弱性評估方法主要適用于復雜的大電網，而引起微電網脆弱的因素與大電網脆弱源存在諸多差異，有系統內部設備自身的問題，也有外界擾動引發的問題。綜合考慮，這些影響因素主要包括如分布式風電和光伏等微電源功率的不確定性、負荷的隨機性、微電網網絡結構的隨機性、微電網中保護和設備故障的不確定性、自然災害的因素以及一些偶然的人為因素等［2］。

電力系統安全評估方法基本適用于微電網脆弱性評估，已有的安全評估方法主要包括確定性方法和概率性方法。確定性方法是假定系統可能發生的故障，在每個故障情況下分析系統是否出現運行條件的越限，如N-1靜態安全分析等［3］。微電網中含有大量出力不確定的微電源，如分布式風電和光伏等，因此，在微電網中更適合采用概率性方法進行脆弱性評估。概率性方法綜合分析不確定性事件發生的概率以及該事件發生后造成的后果等，計及微電網中的各種不確定性因素。基于風險理論的評估方法［4—5］和基于蒙特卡羅模擬的評估方法［6］都屬于概率性方法。

本文提出基于風險理論的微電網脆弱性預評估方法。首先將微電網視為存在潛在風險的脆弱系統，對其脆弱性進行定義，其次根據微電網脆弱因素發生的概率及造成的后果嚴重度，提出脆弱性預評估指標集，包括發電容量充裕度和供電脆弱性兩大類指標，然后結合微電網中各單元特性，建立微電網預評估三相時序概率模型，進行概率潮流計算，最后結合算例實現微電網脆弱性整體評估。

1 微電網脆弱性定義

本文將微電網脆弱性定義為由于微電網內部元件對于系統內外擾動的敏感性以及缺乏應對能力而使微電網的結構和功能容易發生改變的一種內部固有屬性，在系統外部擾動與內部相互作用下驅動系統內部特征而使系統的脆弱性發生變化，最終通過系統應對擾動的脆弱性以及應對能力來體現。

風險即為不確定性對目標的影響，根據微電網特性，風險理論作為將風險發生可能性和造成風險后果的嚴重度相結合的理論，能夠較為完整的反映系統脆弱源的綜合影響。一般將風險值定義為事件發生的可能性與相應后果的乘積

式中：u為各種風險；P(u)為風險發生的概率；S(u)為風險后果的嚴重度；R為各個風險可能造成的綜合損失，通常系統越堅強風險損失越小。

2 微電網脆弱性預評估指標體系

本文建立的預評估指標體系包含發電容量充裕度（generation capacity adequacy）和系統供電脆弱性（power supply vulnerability）2個部分。

2.1 發電容量充裕度

發電容量充裕度［7］是指微電網在計及系統運行計劃、元件支路不過載、母線電壓和系統頻率維持在允許范圍的前提下，滿足用戶需求和電量的能力。同時，在用電高峰、某一機組檢修或因故障停運等情況下也能滿足電能需求。

發電容量充裕度分析需要充分考慮一些時變因素，如微電源出力、負荷水平、機組檢修，運行計劃和故障等。由于在微電網中存在著大量的光伏和風電這些發電設備，其出力是不確定和不可控的，具有時變性，因此在微電網未來運行態預評估中需要根據負荷和電源功率預測來獲得某指定時刻的發電容量充裕度。

傳統電力系統容量充裕度指標主要有失負荷概率（loss of load probability，LOLP）、失負荷頻率（loss of load frequency，LOLF）和電量不足期望（expected energy not served，EENS）等［8］。這些指標多為針對一段時間內的系統運行狀態，而本文的脆弱性是預測未來某一時刻微電網的安全可靠性，因而傳統指標不適用于本文。為此，本文定義微電網未來某時刻t發電容量充裕度的概念為

式中：PG(t)為微電網可用發電功率之和；PL(t)為總負荷。

當微電網處于孤島運行狀態時，PG()t為微電網中所有分布式發電功率和儲能放電功率之和；當微電網處于聯網運行狀態時，還應包括配電網所能提供的最大功率。

2.2 系統供電脆弱性

微電網運行狀態受多種內在或者外在因素影響，可能會引起過負荷、電壓越界、低功率因數、三相不平衡等不正常運行狀態，嚴重時甚至可能失去部分或全部負荷。因此微電網供電脆弱性考慮如下5類風險指標，用以量化度量未來某時刻微電網運行狀態。

2.2.1 失負荷風險

微電網中由于外力干擾、元件故障、繼電保護的誤動或拒動等風險源引起的脆弱后果都可以通過失負荷量的大小來衡量。失負荷風險反映的是系統承受擾動后發生失負荷風險的可能性和由此產生的風險后果。

（1）外力干擾

強外力干擾是造成微電網中微電源、母線、支路等設備發生嚴重故障的外界擾動因素。通常自然災害的可能性低于人為破壞，所以本文主要討論外界人為破壞。設微電網遭受人為破壞的概率服從參數為λr的泊松分布，則在t時刻，微電網遭受外界人為干擾的可能性為

（2）元件故障

微電網中含有各種分布式微電源、變壓器、母線和支路等元件，每個元件都有發生故障的可能，停電事故往往都是由元件故障和系統中的薄弱環節共同作用而造成的連鎖反應，所以需要考慮元件故障因素的風險評估。

系統元件的故障原因大致可分為早期故障、偶然故障及老化失效3種，它們的故障率特性如圖1所示。

圖1 不同使用時期元件故障率

早期故障一般會在投入運行前排除，故主要考慮偶然故障和老化失效［9］。偶然故障和老化失效服從不同參數的分布函數。

非外力干擾引起的偶然故障事件往往是相互獨立的，在t時刻，其發生偶然故障的概率是常數，故障概率是服從參數為λe的指數分布

對于老化故障，其故障概率服從參數為α和β的威布爾分布［9］

假設老化元件數占總元件數的比例為η( )

0＜η＜1，則單位時間內元件的混合故障概率為

（3）繼電保護拒動和誤動

當系統發生異常時，繼電保護可能會發生拒動的風險，因此繼電保護拒動為一個條件概率，其拒動概率為

式中：Pj(t)為繼電保護發生拒動的統計概率；為系統故障概率［2］。

（4）系統綜合失負荷概率

綜上，在t時刻系統失負荷的概率為

設失負荷嚴重度函數為SLL。相較于其他風險，發生失負荷的嚴重度等級最高，故一旦發生失負荷事件，直接定義其嚴重度為1，即SLL=1。

則未來某時刻t，系統總的失負荷風險指標可表示為

2.2.2 過負荷風險

在微電網中，過負荷是指流過發電機、變壓器或線路的電流超過額定電流或規定的允許值。過負荷風險反映的是系統在正常運行或承受擾動時，線路或者變壓器上功率發生過載的可能性與由此產生的后果。

定義過負荷風險嚴重度函數為SOL(I)，I為流過支路的電流期望值與額定電流的比值，IN表示支路過負荷的閾值。對于變壓器支路，由于每臺變壓器都很重要，且各自重要度不一樣，設嚴重度函數中每臺變壓器的權重系數為KT，一般支路權重系數則取為1。則過負荷風險嚴重度函數為

故未來某時刻t支路總過負荷風險ROL(t)為

式中：Nb為微電網中總支路數。

2.2.3 過電壓風險

假設節點電壓標幺值的限值為Umin、Umax和U′min、U′max。其中，U′min和U′max是系統中各節點電壓繼電保護裝置的整定值，Umin和Umax是運行規程要求的電壓運行上下限。當Ui?[ ]U′min，U′max時，繼電保護動作，故障切除，引起的失負荷已經在失負荷風險中計及；當時，電壓滿足要求，不存在過電壓風險；其余情況下，則存在過電壓風險，定義電壓偏移量［1］為

定義母線過電壓風險嚴重度函數為SV(ΔU)。若微電網中各節點的重要程度有所不同，可設置節點電壓越限的風險權重系數KV，則定義節點電壓越限的嚴重度函數為

則未來某時刻t微電網整體過電壓風險為

式中：PVi(t)為未來某時刻t節點i的過電壓統計概率；N為電網中總的節點數。

2.2.4 低功率因數風險

微電網中存在大量的電力電子器件，并且存在一些無功負荷，導致系統負荷功率因數較低，進一步影響微電網的網損及供電質量。負荷低功率因數脆弱性指標反映的功率因數下降發生的概率以及風險后果嚴重度。

設低負荷功率因數的嚴重度函數為Sλ(λ)，設置功率因數的閾值為λm，由于系統中每個負荷的重要度不一樣，可設置低功率因數風險權重系數為Kλ，則嚴重度函數可表示為

則未來某時刻t總低負荷功率因數風險指標為

式中：Pλi()t為未來某時刻t節點i發生低功率因數的統計概率。

2.2.5 三相不平衡風險

正常運行時，微電網的三相不平衡現象是由三相系統的阻抗參數或三相負荷不對稱引起的［10］。低壓微電網以三相四線制形式進行輸配電，如果系統發生如缺相、單相接地電阻接地等故障時則會出現三相嚴重不平衡。三相電壓不均衡度和電流不均衡度可定義為

設三相不平衡的嚴重度函數為Sε(ε)，每個三相支路的重要度不一樣，設風險后果的權重系數為Kε，則定義三相不平衡的嚴重度函數為

式中：ε由概率潮流計算的三相電壓或電流的期望值得到，這里可以取ε=εI；Kε為三相不平衡支路的權重系數。

則未來某時刻t總的三相不平衡風險指標為

式中：Pεi()t為未來某時刻t第i條支路發生三相不平衡的概率。

3 微電網脆弱性預評估流程

建立微電網脆弱性預評估指標體系后，對微電網進行脆弱性預評估，具體流程如圖2所示。

圖2 脆弱性評估流程

（1）輸入微電網原始數據，主要包括微電網連網或孤島運行狀態、三相模型參數，如微電源、負荷、變壓器三相功率、線路三相阻抗等，建立微電網三相潮流模型［11］。

（2）基于數值氣象預報和合適的預測方法對微電網未來某時刻的功率進行預測（例如未來5 min），包括微電網負荷以及光伏［12］、風電出力的預測［13］。

（3）進行概率潮流計算，本文采用基于不動點迭代的分相潮流計算方法，通過蒙特卡羅計算微電網三相概率潮流［14—16］。

（4）通過統計分析，獲得微電網潮流的概率分布特性，計算各風險指標發生的概率和嚴重度。

（5）計算系統綜合脆弱值，根據系統各節點、支路的重要程度，設置不同權值，計算出各類指標綜合值。

（6）判斷系統當前狀態是正常運行狀態、設備檢修或預想故障狀態；結合實際運行狀態，可進一步診斷脆弱值綜合評估結果所反映出的微電網真實狀態和薄弱環節。

4 算例分析

本文采用33節點算例，如圖3所示。節點1為與配電網連接的PCC節點，但此時聯絡開關斷開，微電網處于孤島運行模式。支路20—21缺相運行，支路21—22單相運行。算例中參數取值：系統參考電壓VB=12.66 kV ，Umin=0.95，Umax=1.05，U′min=0.85，U′max=1.15，λr=0.003，λe=0.002，α=0.106 4，β=2，η=0.32。

圖3 33節點微電網

為模擬微電網中微電源，在33節點算例中接入分布式電源，包括分布式光伏和風力發電，如表1所示。其中，節點6除接入光伏1之外，還配置額定容量為300 kW的微型燃氣輪機作為備用電源。

表1 微電源分布

（1）發電容量充裕度預評估

考慮正常運行、光伏風電分別停運5種情況下，中午某時刻的系統充裕度，計算結果如表2所示。

由表2可以看出，光伏停運對系統充裕度的影響較大。因此中午時刻，相同配置容量的分布式光伏和風力發電相比，光伏出力較大，停運時的發電損失較大。事實上，若假設此時2個分布式光伏全部停運，則微電網發電容量充裕度僅為0.063 2。考慮可控有功功率源的影響，若此時不計及微型燃氣輪機，則任何光伏停運將導致微電網發電容量充裕度為負。可控有功功率源的容量越大，輸出的功率越大，系統的發電容量充裕度越大，可大大減少分布式光伏或風電對微電網整體發電充裕度的影響。

表2 多種因素干擾下的發電容量充裕度

（2）系統供電脆弱性預評估

根據影響脆弱性預評估的因素，分3種情況對微電網進行脆弱性預評估。

情況1：正常運行；

情況2：光伏1停運；

情況3：光伏1停運，啟用微型燃氣輪機供電；

采用本文提出的風險指標計算方法分別評估3種情況下的系統供電脆弱值，如表3所示。

表3 系統供電脆弱性綜合評估值

由表3可以看出，光伏1停運時，系統的支路過負荷和電壓越限風險較正常運行時明顯增大，但系統的失負荷風險、低功率因數風險和三相不平衡風險受到的影響不大。光伏1停運時使用微型燃氣輪機繼續供電，基本能夠完全彌補光伏1停運對各項供電脆弱性指標的影響。這說明若微電網中配置了可控有功電源，可使系統整體脆弱性降低。

5 結論

本文提出了基于概率風險理論的微電網脆弱性預評估的方法。首先給出了微電網的脆弱性定義；其次建立了脆弱性預評估的指標集，包括發電容量充裕度和供電脆弱性2類指標，接著給出微電網脆弱性預評估流程，并通過算例驗證評估算法的有效性。通過本文所提的脆弱性預評估方法，能夠根據評估結果分析微電網的脆弱程度，找出微電網運行的薄弱環節，掌握微電網未來時刻的狀態變化，這對優化微電網結構、實現可控電源的控制、制定檢修計劃等均能提供有效的支撐。D

［1］ 劉皓明，黃春燕，陳懿.基于風險理論的微電網脆弱性評估［J］.電力系統及其自動化學報，2014，26（10）：1-7.

［2］ 劉皓明，袁小慧，張澤宇，等.低壓微電網運行脆弱性評估.電力需求側管理，2017，19（2）：14-19.

［3］ 彭寒梅，曹一家，黃小慶.對等控制孤島微電網的靜態安全風險評估［J］.中國電機工程學報，2016，36（18）：4837-4846.

［4］ Preece，R.Milanovic，J.V.Risk Based Small Disturbance SecurityAssessmentofPowerSystems ［J］.IEEE Transactions on Power Delivery，2015，30（2）:590-598.

［5］ Xingbin Yu，Chanan Singh.A practical approach for integrated powersystem vulnerability analysiswith protection failures［J］.IEEE Transactions on Power Systems，2004，19（4）:1 811-1 820.

［6］ Rei，A.M.，Schilling，M.T.，Reliability Assessment of the Brazilian Power System Using Enumeration and Monte Carlo［J］.IEEE Transactions on Power System，2008，23（3）:1 480-1 487.

［7］ Billinton，R.;Bagen.A sequential simulation method for the generating capacity adequacy evaluation of small stand-alone wind energy conversion systems［C］//IEEE CanadianConferenceElectricalandComputerEngineering，2002：72-77.

［8］ 栗文義，張保會，巴根.風/柴/儲能系統發電容量充裕度評估［J］.中國電機工程學報，2006，26（16）：62-67.

［9］ Li W.Incorporating aging failures in power system reliability evaluation［J］.IEEE Trans on Power System.2002，17（3）:918-923.

［10］ Tanabe，T.，Funabashi，T.，Nara，K.，et al.A loss minimum re-configuration algorithm of distribution systems under three-phase unbalanced condition［C］//Power and Energy Society General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century，2008:1-4.

［11］ Haoming Liu，Shun’an Cheng，Chunyan Huang，et al.Unbalanced Power Flow Calculation for Low-voltage Distribution Systems Including DGs［C］//IEEE PES Innovative Smart Grid Technologies，2012：1-5.

［12］ Lei Zhou，Hui Wu，Tao Xu，et al.Ultra-Short Term Hybrid Power Forecasting Model for Photovoltaic Power Station with Meteorological Monitoring Data ［C］//The 32nd Youth Academic AnnualConference ofChinese AssociationofAutomation，2017:452-456.

［13］ Li Jinxuan，Mao Jiandong.Ultra-short-term wind power prediction using BP neural network［C］//2014 IEEE 9th Conference on Industrial Electronics and Applications，2014：2 001-2 006.

［14］ 黃春燕，劉皓明，錢程晨.低壓微電網概率潮流計算［J］.電力需求側管理，2013，15（2）：11-15.

［15］ 岳付昌，王博，杜云虎，等.離網型海島綜合能源微電網架構設計與實現［J］.江蘇電機工程，2016，35（5）:44-47，52.

［16］ 王輝.計及孤島約束的微網經濟優化［J］.江蘇電機工程，2016，35（5）：57-62.