多因素驅(qū)動下電力系統(tǒng)風(fēng)險傳遞模型構(gòu)建

　　摘 要： 為了提高電力系統(tǒng)風(fēng)險評估能力，提出基于多因素驅(qū)動的電力系統(tǒng)風(fēng)險傳遞模型。構(gòu)建電力系統(tǒng)風(fēng)險的多層次參數(shù)約束模型，采用多因素特征重建的方法進行電力系統(tǒng)風(fēng)險信息采樣，構(gòu)建電力系統(tǒng)風(fēng)險評估的統(tǒng)計變量分析模型。以電壓因素、電能質(zhì)量因素和功率因素進行多因素驅(qū)動，以電力系統(tǒng)的輸出穩(wěn)定性、環(huán)境相關(guān)性的因素為約束指標，進行電力系統(tǒng)風(fēng)險評估的統(tǒng)計決策模型分析，提取電力系統(tǒng)風(fēng)險因素的模糊相關(guān)性統(tǒng)計特征量。采用自適應(yīng)尋優(yōu)算法進行多因素下的電力系統(tǒng)風(fēng)險預(yù)測評估，根據(jù)風(fēng)險的聚類分布性能，進行電力系統(tǒng)風(fēng)險傳遞模型優(yōu)化設(shè)計。仿真結(jié)果表明，采用該方法進行電力系統(tǒng)風(fēng)險評估的準確性較高，風(fēng)險傳遞達到最低，提高了電力系統(tǒng)風(fēng)險的管控能力。

　　關(guān)鍵詞： 電力系統(tǒng); 風(fēng)險傳遞; 多因素驅(qū)動; 模型優(yōu)化; 風(fēng)險評估; 仿真分析

　　0 引 言

　　隨著電力系統(tǒng)規(guī)模越來越大，需要進行電力系統(tǒng)風(fēng)險評估，相關(guān)的電力系統(tǒng)風(fēng)險傳遞模型設(shè)計方法研究受到極大關(guān)注[1]。因此，本文提出基于多因素驅(qū)動的電力系統(tǒng)風(fēng)險傳遞模型，首先構(gòu)建電力系統(tǒng)風(fēng)險因素的特征關(guān)聯(lián)分布模型。結(jié)合統(tǒng)計分析和大數(shù)據(jù)分析方法，進行多因素驅(qū)動下電力系統(tǒng)風(fēng)險傳遞模型構(gòu)建，并結(jié)合仿真實驗分析進行模型仿真分析，得出有效性結(jié)論。

　　1 電力系統(tǒng)風(fēng)險的多層次參數(shù)約束模型

　　1.1 電力系統(tǒng)風(fēng)險相關(guān)因素分析

　　結(jié)合統(tǒng)計分析方法進行電力系統(tǒng)風(fēng)險因素評價決策。以電壓因素、電能質(zhì)量因素和功率因素為一級風(fēng)險因素指標[2];以功率暫態(tài)不平衡特征、功率穩(wěn)態(tài)不平衡特征和諧波耦合風(fēng)險因素為功率風(fēng)險因素的二級指標評估體系[3]。得到電力系統(tǒng)風(fēng)險傳遞的多因素模型如圖1所示。

　　根據(jù)圖1，進行電力系統(tǒng)風(fēng)險評估的概率分布函數(shù)為[P(ni)={pk|prkj=1，k=1，2，…，m}]，以上游電源電壓、兩極線路參數(shù)作為驅(qū)動因子，進行風(fēng)險評估的模糊度特征篩選[4]，關(guān)聯(lián)特征分布集合為：

　　根據(jù)電力系統(tǒng)直流電壓的零頻特性[5]，采用模糊關(guān)聯(lián)規(guī)則調(diào)度方法，進行電力系統(tǒng)風(fēng)險因素的量化回歸分析，回歸分析模型為：

　　式中：p為電力系統(tǒng)風(fēng)險評估篩選控制的節(jié)點個數(shù);[n(t)]為干擾項。構(gòu)建電力系統(tǒng)風(fēng)險評估統(tǒng)計大數(shù)據(jù)識別的模糊隸屬函數(shù)為：

　　式中：[R(n)s]表示電力系統(tǒng)風(fēng)險因素中的電壓波動和閃變信息融合特征量;[dγn]為電壓偏差的維數(shù);[R(k+1)s]為電力系統(tǒng)風(fēng)險傳遞的迭代層數(shù)。采用多因素特征重建的方法進行電力系統(tǒng)風(fēng)險信息采樣[6]，得到電力系統(tǒng)風(fēng)險評估的模糊分解式為：

　　式中：[kμ(t)]表示t時刻電力系統(tǒng)風(fēng)險傳達的維數(shù);[ΔTm(t)]表示t時刻電力系統(tǒng)風(fēng)險傳遞的波動增益;[w]為自適應(yīng)權(quán)重;[Θ]為[kμ(t)]的統(tǒng)計特征分布量化集。由此構(gòu)建電力系統(tǒng)風(fēng)險傳遞的統(tǒng)計變量分析模型，進行風(fēng)險傳遞和決策評價分析[7]。

　　1.2 電力系統(tǒng)風(fēng)險參數(shù)計算

　　建立電力系統(tǒng)風(fēng)險特征分析模型[8]，得到電力系統(tǒng)風(fēng)險評估的有限數(shù)據(jù)集：

　　式中，電力系統(tǒng)風(fēng)險評估樣本集中含有[n]個樣本，樣本[xi][(i=1，2，…，n)]，結(jié)合電能質(zhì)量評估、指標限值分析的方法，得到電力系統(tǒng)風(fēng)險因素評估的量化特征關(guān)系為：

　　分析交直流變化下電力系統(tǒng)的輸出差異性，采用差異性融合的方法[9]進行風(fēng)險因素傳遞的參數(shù)分析，以電力系統(tǒng)的輸出穩(wěn)定性、環(huán)境相關(guān)性的因素為約束指標[10]，進行電力系統(tǒng)風(fēng)險評估的統(tǒng)計決策模型分析，得到參數(shù)計算公式為：

　　根據(jù)參數(shù)計算結(jié)果，進行電力系統(tǒng)風(fēng)險特征提取和融合調(diào)度，提高風(fēng)險傳遞和評估能力[11]。

　　2 電力系統(tǒng)風(fēng)險傳遞模型優(yōu)化

　　2.1 多因素驅(qū)動模型

　　在上述基礎(chǔ)上，采用多因素特征重建的方法進行電力系統(tǒng)風(fēng)險信息采樣，分析不同工況下電力系統(tǒng)的存在風(fēng)險[12]，分析風(fēng)險預(yù)測的偏差百分數(shù)，得到電力系統(tǒng)風(fēng)險傳遞的多因素驅(qū)動模型為：

　　式中：電力系統(tǒng)風(fēng)險驅(qū)動的預(yù)測載荷為[Mh];[w1]，[w2]，[w3]分別表示電壓因素、電能質(zhì)量因素和功率因素等不同風(fēng)險因素驅(qū)動的加權(quán)系數(shù)[13]。

　　2.2 風(fēng)險傳遞和評估

　　根據(jù)風(fēng)險的聚類分布性能，進行電力系統(tǒng)風(fēng)險傳遞模型優(yōu)化設(shè)計[14]，得到電力系統(tǒng)風(fēng)險傳遞的自適應(yīng)尋優(yōu)更新規(guī)則如下：

　　其中：

　　式中：[λ]為電力系統(tǒng)風(fēng)險聚類因子;[Fμ]為電力系統(tǒng)風(fēng)險傳遞的統(tǒng)計特征分量[15]。根據(jù)以上算法設(shè)計，實現(xiàn)電力系統(tǒng)風(fēng)險評估和傳遞設(shè)計，實現(xiàn)流程如圖2所示。

　　3 仿真實驗分析

　　仿真實驗中，對電力系統(tǒng)風(fēng)險因素的數(shù)據(jù)采樣長度為1 024，電力系統(tǒng)直流數(shù)據(jù)中心為240～336 V，配電電壓等級為±10，±20，±35，風(fēng)險傳遞的偏差限值為-15～5，風(fēng)險決策的模糊度系數(shù)為0.34，測試樣本集規(guī)模為1 000。描述性統(tǒng)計分析結(jié)果見表1。

　　根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進行電力系統(tǒng)風(fēng)險傳遞分析得知，本文方法進行電力系統(tǒng)風(fēng)險評估的置信度水平較高。測試風(fēng)險傳遞概率如圖3所示。分析圖3得知，本文模型能有效控制電力系統(tǒng)風(fēng)險。

　　4 結(jié) 語

　　以電壓因素、電能質(zhì)量因素和功率因素為一級風(fēng)險因素指標，進行電力系統(tǒng)的風(fēng)險評估因素分析，提取電力系統(tǒng)風(fēng)險因素的模糊相關(guān)性統(tǒng)計特征量，采用自適應(yīng)尋優(yōu)算法進行多因素下的電力系統(tǒng)風(fēng)險預(yù)測評估。采用本文方法進行電力系統(tǒng)風(fēng)險評估的置信度水平較高，對電力系統(tǒng)風(fēng)險控制能力較好，降低了風(fēng)險傳遞概率。

　　參考文獻

　　[1] 甘艷，張昌，王建，等.相鄰帶電體對500 kV變電站母線避雷器泄露電流的影響研究[J].武漢大學(xué)學(xué)報，2019，52(6)：536?543.

　　[2] 陳謙，張文濤，陳博，等.考慮電網(wǎng)絡(luò)影響的水火電力系統(tǒng)短期優(yōu)化調(diào)度[J].水電能源科學(xué)，2018(1)：190?194.

　　[3] 武樺，趙佳佳，馮建軍，等.基于模糊綜合評價的水輪發(fā)電機組局部放電狀態(tài)評估[J].西安理工大學(xué)學(xué)報，2017，33(2)：187?192.

　　[4] 王群，董文略，楊莉.基于Wasserstein距離和改進K?medoids聚類的風(fēng)電/光伏經(jīng)典場景集生成算法[J].中國電機工程學(xué)報，2015，35(11)：2654?2661.

　　[5] 葉晨，崔雙喜，王維慶.含風(fēng)電的電力系統(tǒng)概率潮流計算[J].電網(wǎng)與清潔能源，2018(2)：172?177.

　　[6] 毛銳，袁康龍，鐘杰峰，等.基于概率潮流法的含分布式光伏的配電網(wǎng)電壓狀態(tài)評估[J].電力系統(tǒng)保護與控制，2019，47(2)：129?136.

　　[7] 胡榮娜，郭愛煌.車聯(lián)網(wǎng)中基于功率控制的傳輸可靠性算法[J].計算機應(yīng)用，2015，35(6)：1523?1526.

　　[8] 黃文卿，張興春，張幽彤.一種交流逆變器死區(qū)效應(yīng)半周期補償方法[J].電機與控制學(xué)報，2014，18(5)：24?29.

　　[9] 丁青青，魯偉，徐長波，等.三相并聯(lián)混合有源電力濾波器的無源控制策略[J].電機與控制學(xué)報，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] 謝從珍，白劍鋒，王紅斌，等.基于多維關(guān)聯(lián)信息融合的架空輸電線路雷害風(fēng)險評估方法[J].中國電機工程學(xué)報，2018，38(21)：6233?6244.

　　[13] 賈亦敏，史麗萍，嚴鑫.改進人工魚群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J].河南理工大學(xué)學(xué)報(自然科學(xué)版)，2019，38(2)：103?109.

　　[14] 鄧祥力，姚媛媛，涂勇.基于等效勵磁電感波形相似度的變壓器繞組輕微故障檢測方法研究[J].高壓電器，2018，54(12)：165?173.

　　[15] 李敏.智能變電站220 kV線路保護檢修安全措施方案研究[J].電工電氣，2018(10)：39?42.

　　推薦閱讀：電力建設(shè)期刊發(fā)表論文級別