基于態勢感知的智能配電網運行狀態評估

于 濤，刁守斌，祝永剛，安 鵬，程凱強

（1.濟南市規劃設計研究院，山東 濟南 250101；2.國網山東商河縣供電公司，山東 濟南 251600；3.國網山東濟南市歷城區供電公司，山東 濟南 250100；4.國網山東省電力公司，山東 濟南 250001；5.山東大學電氣工程學院，山東 濟南 250061）

0 引言

隨著分布式電源和多元負荷的接入，配電網的運行與控制趨于復雜多樣，配電系統在運行過程中面臨的風險逐漸增加。但當前配電信息系統功能尚不完善，系統中大量原始數據對運維調度并沒有很好地發揮作用［1］，若要宏觀把握配電網運行態勢，配電網的態勢感知環節必不可少。

配電網態勢感知技術是配電網經濟、可靠、安全運行的基礎，完成對配電網運行狀態的實時監測、分析、評估以及未來狀態的預測是智能配電網態勢感知的重要內容。態勢感知技術可分為態勢覺察、態勢理解和態勢預測3 個階段，態勢覺察本質上是監測和獲得環境中的重要數據和關鍵要素；態勢理解是整合采集到的數據和信息，分析數據中的對象及其行為和對象間的相互關系；態勢預測是在覺察和理解的基礎上進一步處理獲得的數據信息，預測判斷未來的變化趨勢［2］。文獻［3］從宏觀技術層面分析和闡述了智能配電網態勢感知的內涵、架構和關鍵技術等，為國內配電網態勢感知的研究指明了方向。文獻［4-8］分別側重于配電網的安全、狀態估計、災害防御、歷史數據挖掘、可視化等不同方面，結合態勢感知進行了研究，完成了配網態勢感知應用的初步嘗試，但尚不夠成熟。已有研究分別針對態勢感知的某項技術進行了分析，尚未從系統層面考慮態勢感知的應用，且各個技術獨立分散，未結合構成統一的整體，不能發揮出態勢感知的實效性與優越性［9］。因此，對智能配電網態勢感知關鍵技術的研究仍需繼續深入。

為更好實現配電網信息采集、態勢理解與運行軌跡刻畫，提出基于混合量測系統的態勢要素采集方案，基于配電網運行狀態實時評估態勢理解和采用負荷超短期預測的態勢預測方法，建立基于態勢感知的配電網運行狀態評估指標體系。

1 面向狀態估計的態勢要素采集

在電力系統中，SCADA 系統應用廣泛且相對成熟，量測系統包括遠程終端單元（Remote Terminal Unit，RTU）、饋線終端單元（Feeder Terminal Unit，FTU）和配電自動化終端（Distribution Terminal Unit，DTU）。對于配電網狀態估計來說，RTU 的關注重點是其采樣周期、配置位置和量測精度。RTU 一般安裝在變電站，采樣周期為3～60 s，量測量包括節點電壓幅值、支路電流幅值、支路功率、節點注入功率。FTU的量測精度與RTU 相同。高級量測系統（Advanced Metering Infrastructure，AMI）主要包括智能電表、通信網絡、量測數據管理系統等，一般安裝在負荷節點，采樣周期為15 min～1 d，其量測信息包括節點電壓幅值和節點注入功率［9］。智能電表可根據預設的時間間隔測量和存儲各類電量值。

與SCADA 系統相比，PMU 量測具有諸多優點，如相量量測、采樣間隔短（5～30 ms）、數據同步性好、量測精度高（相角精度可達0.01°）等，但PMU 設備價格較貴，在饋線分支和節點眾多的配電網不可能實現全面覆蓋。因此，PMU 測量數據只能使系統部分可觀，并不能完成配電網的狀態估計。若綜合利用配電網已存在的量測手段，如RTU 的量測數據或高級量測系統AMI 的量測數據，在未實現PMU 綜合配置或少量配置PMU 的配電系統中，利用多元量測數據可有效實現狀態估計。因此，基于本地配電網的實際測量，包括PMU、RTU、FTU、DTU 和AMI 等量測數據，建立多類型混合量測數據采集方案如圖1 所示。

圖1 多元量測采集方案

2 基于配電網運行狀態評估的態勢理解

根據多元量測數據采集方案，可在發揮PMU 采集周期短的特點的同時，利用已有的配電網信息管理系統中的各類數據，提高狀態估計的速度和精度。而基于PMU 的狀態估計僅能得到電壓幅值、相角等基本狀態量，無法直觀反映配電網的運行情況，還需要進一步處理基礎數據，依據相關指標評估配網的運行狀態，實現實時、精確度高的態勢理解。具體流程如圖2 所示。

圖2 基于運行狀態評估的配網態勢理解流程

2.1 基于多源量測的狀態估計

第1 節中提到的PMU 量測、SCADA 量測和AMI 量測3 類量測不能直接應用于線性狀態估計，需要等效變換為線性狀態估計器可接收的輸入量測，等效變換采用直角坐標化變換。由于各量測量更新周期不同，不同時刻的狀態估計器獲得的實際量測輸入也不相同。采用動態估計法，并將部分預測值作為偽量測，可理解為某一時刻的狀態估計器既需要過往狀態估計提供部分輸入，也輸出了對未來時刻狀態的預測。狀態估計的具體流程如下：

1）讀取區域配電網參數及拓撲結構，讀取PMU、FTU、RTU、AMI 量測配置；

2）根據配電網參數和量測配置建立混合量測狀態估計模型；

3）判斷是否是RTU／FTU 采樣時刻，若是，結合上一時刻動態狀態估計的預測對RTU、FTU、AMI、PMU 量測進行量測等效變換，組成混合量測，并轉向步驟5）；否則轉向步驟4）；

4）在非RTU／FTU 采樣時刻，根據量測函數將上一時刻動態狀態估計的預測值變換為量測預測值，并與PMU 實時量測更新組成混合量測，實現狀態預報與量測預報的遞歸轉換，轉向步驟5）；

5）基于混合量測與上一時刻的動態狀態估計值進行動態狀態估計，輸出動態狀態估計結果后，轉向步驟3）。

2.2 配網運行狀態評估指標體系

根據配網運行中的實際運行數據，結合態勢感知實時性特點，考慮“N-1”準則及負荷波動情況，從安全性、供電可靠性和經濟性方面建立配電網運行狀態的評價指標體系。以往的研究主要從規劃的角度，在較長的時間尺度內評估配網的安全可靠性，且考慮“N-1”準則時只從靜態角度入手，不能實時進行在線評估。從靜態與動態兩個角度評估系統的運行狀態，即從靜態角度評估配電網安全運行情況和供電能力；從動態角度評估配電網在發生線路故障后所面臨的風險及供電能力。不僅如此，基于負荷預測和潮流計算結果，通過態勢預測，進一步從靜態和動態兩個方面掌握未來時刻配網運行時的安全狀況和故障后所面臨的風險，指標體系如圖3 所示。

圖3 配網運行狀態指標體系

2.3 基于風險理論的配網安全性評估

以往的安全性評估多從電壓越限和電流重載或過載等方面評估，雖然這些傳統的安全性指標能夠匹配態勢感知快速性的特點，但數據處理僅僅停留在統計階段，反映的安全情況較為簡單，沒有充分挖掘數據中蘊含的安全信息［10］。以配電網運行安全性作為出發點，在考慮配電網結構靈活這一特性的基礎上，選取了失負荷風險指標、過負荷風險指標和電壓越限風險指標，挖掘數據中存在的風險信息，從不同方面對配電網的安全風險進行評估，為調度人員提供更為清晰的配電網安全情況。指標具體計算過程已有文獻研究，文中僅做簡單介紹。

1）失負荷風險。失負荷風險可通過事故后負荷損失率進行量化。失負荷風險表達見式（1）。

式中：RFL（C／Xt）為不確定事故下引起的失負荷風險值；C 為不確定事故造成的后果；Xt為故障前的運行狀態；E 為不確定的事故；P（E／Xt）為在Xt下發生E 的可能性；SFL（C／E）為在E 下產生C 后果的嚴重程度。

2）過負荷風險。以流經線路的電流反映線路的過負荷風險嚴重度SOD（C／E），當線路電流標幺值小于0.7 時，認為沒有發生過負荷風險。線路的過負荷值由式（2）表示。

式中：i 為預想事故集中的元件集合；NOD為假想事故E 發生后選擇相應轉供方案所引起過負荷線路的總數。

3）電壓越限風險。電壓越限風險體現的是配網中發生故障后引起母線電壓越限的可能性及其嚴重程度［11］。設節點電壓為U，式（3）—式（5）依次給出了電壓越限值、電壓越限嚴重度及電壓越限風險指標的表達式。

式中：NLV為由假想事故發生后選擇相應轉供方案所引起電壓越限節點的總個數。

2.4 基于重復潮流的配電網供電能力實時評估

重復潮流計算的主要思路為：以當前時刻的運行方式作為出發點，選取合適的步長h，確定負荷增長模型Sd增大負荷，計算每次增長后的潮流，直到約束條件起作用為止。每次發生越限后，需要不斷調整步長h，并且給定精度要求作為調整結束的判斷條件。即將發生越限的臨界點所對應的負荷即為配電網此時的最大供電能力［12］。

最大供電能力的求解步驟是步長h 的選取，若h過大，計算結果收斂較快，但精度降低；若h 過小，計算結果精度較高，但收斂較慢。因此，采用變步長的方法，若發生越限，則步長減半；若沒有越限發生，則以原步長繼續。如此循環，直到步長滿足精度要求跳出循環［12］。詳細步驟如下：

1）確定初始步長h0>0 及收斂精度ε>0；

2）確定負荷增長模型Sd，令S=S0（S0為當前的實際負荷），h=h0，k0=1，k 表示負荷的增長倍數，k0表示初始負荷增長倍數；

3）若h>ε，則進行下一步；若h<ε，則結束循環，返回S 和k，S 即為配電網此時的最大供電能力，SS0即為供電裕度；

4）計算S′=S+hSd；

5）以S′為基準進行潮流計算，判斷是否有越限發生，沒有則轉下一步，否則轉到步驟7）；

6）令S=S′，轉步驟4）；

7）步長縮小為原來的一半，即h 縮小為h／2，轉步驟3）。

3 基于負荷超短期預測的態勢預測

負荷超短期預測是態勢預測的核心部分，基于負荷超短期預測和快速潮流，可獲得未來態的電氣量，進而評估未來時刻的運行狀態。從減少預測誤差入手，利用BP 神經網絡的非線性映射能力對最小二乘支持向量機（Least Square Support Vector Machine，LSSVM）預測的誤差進行預測，增加誤差校正環節對預測值進行校正，可提高預測精度。

3.1 基于最小二乘支持向量機的負荷超短期預測

基于支持向量機（Support Vector Machine，SVM）的短期負荷預測比傳統方法具有更高的預測精度，SVM 具有擬合精度高和全局最優等優點，且訓練所需樣本相對較少，求得的解具有稀疏性［13］。最小二乘支持向量機在訓練速度方面要優于SVM，更滿足態勢感知對于計算速度的要求，因此負荷超短期預測采用LSSVM。主要流程步驟如下。

給定訓練集S=｛（xi，yi），i=1，2…，l｝，其中xi為第i 個輸入向量，yi為相對應于xi的目標值，l 為樣本數目。回歸問題目標是確定最優回歸函數f（x），使得回歸函數f（x）具有式（6）所述形式，其中ω 為加權向量，b 為常值偏差［13］，x 為輸入變量矩陣。

在最小二乘支持向量機中，回歸問題對應的優化問題如式（7）所示，e 為松弛變量，γ 為懲罰系數。

最小二乘支持向量機相應的拉格朗日函數及其最優值條件為式（8）—式（9），其中α 為拉格朗日系數：

選擇高斯徑向基RBF 核作為核函數，如式（10）所示，σ 為核函數參數。

將式（10）寫成矩陣形式并消去ω 和e 可得到最小二乘支持向量機回歸的模型為

3.2 基于BP 神經網絡的誤差校正

BP 神經網絡具有很好的自學習能力、泛化能力和容錯能力，且不需要建立精確的數學模型或者物理模型就能對樣本進行訓練，從而實現任何復雜的非線性映射功能［14］。采用BP 神經網絡對LSSVM 預測值的預測誤差進行預測，將預測日前3 日相同時刻的預測誤差作為輸入，來預測當日相同時刻的誤差。采集LSSVM 的預測誤差作為BP 神經網絡的樣本進行大量訓練，在此基礎上對t 時刻進行負荷預測，其基本流程如圖4 所示。

圖4 考慮誤差校正的負荷超短期預測流程

4 算例分析

采用IEEE 33 節點配電系統進行仿真分析，如圖5 所示。節點1 為該區域的配電變壓器，容量為10 MVA，系統的基準容量為100 MVA，當前系統的有功負荷為3.7 MW，無功負荷為2.3 Mvar。表1 給出了IEEE 33 節點系統的主要參數。評估周期取為1 h。

圖5 IEEE 33 節點配電網的拓撲結構

表1 支路屬性和參數

設線路故障時閉合聯絡開關有M 種情況，基于本文風險評估方法，計算每條線路發生故障后M 種聯絡開關閉合情況下的失負荷風險、過負荷風險和電壓越限風險。由于每個負荷點對應的總負荷相同，故M 種情況下的失負荷風險皆相同，評估結果僅展示一列，表2 為線路故障后的風險評估結果，表3 為最大供電能力評估結果，表4 為其余指標評估結果。

由表2 可知，相同的故障，采用不同的轉供方案所帶來的風險是有差別的。若線路3—4 發生故障，閉合8—21 聯絡開關的風險值為0.078，而閉合12—22 聯絡開關的過負荷風險值為0.353，表明閉合12—22 造成的過負荷現象較為嚴重；若線路6—26發生故障，閉合18—33 聯絡開關的低電壓風險是閉合25—29 聯絡開關所造成風險值的3 倍左右，表明閉合18—33 將造成較為嚴重的低電壓風險。綜上，根據所述指標，能夠在綜合考慮系統安全穩定運行約束的條件下，給配電網運行人員提供更優的轉供方案，提高配電網運行可靠性與配網轉供方案決策準確度。

表2 風險評估結果

由表3 可知，不同一條線路發生故障時，不同轉供方案對應的最大供電能力不同。線路9—10 發生故障，閉合9—15 聯絡開關，最大供電能力為1.283 2，而閉合12—22 聯絡開關，最大供電能力為1.573 2，發生故障應當優先閉合12—22 聯絡開關。由表4知，該配網系統當前時刻運行安全性較好，全部的線路和配電都沒有處于過載或重載情況，各節點電壓標幺值均接近于1，沒有出現低電壓風險。當前運行狀態的供電可靠性較好，距離最大供電能力還有0.53 MW+0.32 Mvar 的供電裕度。

表3 最大供電能力評估結果

表4 當前時刻其余指標評估結果

以上計算結果表明，構建的指標體系，能全面評估正常運行時和出現故障后配電網實時的安全性和可靠性，可給出當前運行情況與臨界情況的距離。同時，考慮（N-1+1）的風險性評估和最大供電能力評估為故障后聯絡開關的選擇提供了參考依據。所提出的態勢感知框架，也為實際工程中數據采集、分析評估、預測判斷等提供了參考。

5 結語

建立基于安全性、經濟性和可靠性的配電網綜合評價指標體系，并據此提出了智能配電網態勢感知分析計算方法，將分散獨立的各個技術有機結合成一個整體。通過IEEE 33 節點配電系統進行驗證，結果表明，所提配電網態勢感知方法，可充分利用配電系統的量測數據和預測數據中的有效信息，分析系統現有運行狀態，判別系統未來可能的狀態變化趨勢，進而綜合評估配電網運行狀況，全面準確掌控配電網運行態勢，為配電調度控制人員進行調度工作提供參考依據。