计及信息设备故障的分布式电压控制系统风险评估方法

1.本发明涉及信息物理系统技术领域，尤其涉及一种计及信息设备故障的分布式电压控制系统风险评估方法。


背景技术：

2.现代社会快速发展的高精尖产业对电能质量提出了更高的要求，随着大量分布式电源(distributed generation，dg)接入配电网，其不确定出力引起馈线潮流双向流动，导致节点电压越限风险增加。为抑制dg并网的负面影响，并提高电网对可控资源的接纳能力，配电网主动控制应运而生。通过对电网信息实时采集和处理，实现对dg等可控资源的优化控制，降低电网运行风险并提高运行经济性。然而主动控制在有效抑制电网的运行风险
1.的同时，由于其对信息系统深度依赖，也为配电网的运行带来了新的安全隐患
[2
‑
5]
。
[0003]
为此，开展信息设备故障下系统运行风险的研究将为配电网运行控制系统设计与风险控制提供有效支撑。
[0004]
目前，dg并网带来的首要问题是并网点电压越限，adn中通常通过电压控制使得各节点电压偏差维持在允许范围内。现有电压控制模式主要包括就地式、集中式和分布式三种
[6
‑
9]
。由于控制机理差异，使得三种模式对信息采集、传递和处理的需求各不相同，对信息设备的依赖程度也呈现较大差别。就地式控制是监测本地节点电压，仅以本地电压作为控制输入量实现调节，调压装置通过吸收或注入功率以达到抑制或抬升电压的目的。因各节点间不需要相互通信，对通信系统没有依赖，且能够快速响应电压波动，但由于信息交互缺失导致全局各节点和设备之间协调性较差，无法实现控制的全局最优
[10]
；集中式控制需要获取全局数据及设备状态信息，通过优化算法生成控制指令并通过信息系统下发至各终端设备。集中式控制能够实现全局协同控制，具有最佳控制效果，尤其是在规模较小或非单向潮流的配电系统中
[11]
。然而，集中式控制的前提是实现全面量测，这就要求配置完善的通信系统
[12,13]
。文献[14]建立了一种配电cps协调规划框架，考虑信息系统随机故障对物理系统调控能力的影响，以经济性和dg消纳为多目标，信息物理双侧故障下电压越限概率为约束，提出dg和通信系统的协调规划方法，实现了cps最佳经济性。文献[15]考虑多种信息失效因素，分析了不同信息失效对集中式控制电压波动影响，为后续研究打下了基础。针对信息随机失效引入的风险，文献[5]为降低通信故障下电网的状态波动，提出一种主动配电网dg应急运行策略优化方法，研究表明，通信故障下分布式能源采用限制出力上限的注入策略，可以有效降低系统运行风险。可见，针对集中控制系统信息设备随机失效的相关研究在规划、运行、风险控制已初具规模。
[0005]
由于未来配电网差异性越来越强，考虑经济和多主体特征，集中式控制难以满足所有应用场景
[16]
。分布式控制通过简单局部通信即可实现全局协调优化，克服了集中式控制和分散式控制的缺点
[17
‑
19]
。分布式控制中配置多个代理节点，这些节点间能够实现交互通信，每个代理节点根据自身采集到的状态信息与来自相邻代理节点的信息做出决策，通常采用一致性算法实现
[20,21]
。相比于集中控制，降低了对通信系统的依赖，提高了经济性
和鲁棒性，近年来得到愈发广泛的研究。文献[22]研究了基于一致性算法的电压分布式控制策略，根据被控对象不同，分别选取不同的一致性变量，结果表明分布式控制策略能够有效抑制电压越限，并降低经济成本。目前大多数研究集中于分布式控制的效果与方法，对控制过程中信息设备故障影响研究较少，相对于集中式控制，因两者控制机理不同，故信息失效后的影响也不同。因此，研究分布式控制模式下信息设备故障对电压风险的影响具有理论价值和实际意义。
[0006]
针对上述技术问题，本发明针对分布式控制下配电信息物理系统，综合考虑光伏出力和信息设备故障双重不确定性，提出一种分布式配电信息物理电压控制系统风险评估方法。
[0007]
参考文献：
[0008]
[1]王昊天.考虑越限风险的主动配电网优化调度研究[d].大连理工大学,2019.
[0009]
[2]张天宇,罗凤章,王成山,王萧宇,金子开,刘艳章.信息系统对微电网运行可靠性的影响分析[j].电力系统自动化,2016,40(23):28
‑
35.
[0010]
[3]刘文霞,林子鉴,马铁,王志强,宫琦.计及信息失效影响的主动配电系统可靠性建模与评估[j].电力系统自动化,2019,43(19):94
‑
102.
[0011]
[4]安宇,刘东,陈飞,徐玮韡.考虑信息攻击的配电网信息物理运行风险分析[j].电网技术,2019,43(07):2345
‑
2352.
[0012]
[5]刘文霞,马铁,杨梦瑶,黄钰辰.严重通信故障下主动配电系统分布式电源应急运行策略优化[j].中国电机工程学报,2020,40(03):754
‑
765.
[0013]
[6]张博,唐巍,蔡永翔,王照琪,李天锐,张涵.基于一致性算法的户用光伏逆变器和储能分布式控制策略[j].电力系统自动化,2020,44(02):86
‑
94.
[0014]
[7]x.su,m.a.s.masoum，p.j.wolfs."optimal pv inverter reactive power control and real power curtailment to improve performance of unbalanced four
‑
wire lv distribution networks,"in ieee transactions on sustainable energy,vol.5,no.3,pp.967
‑
977,july 2014,doi:10.1109/tste.2014.2313862.
[0015]
[8]k.turitsyn,p.sulc,s.backhaus,et al."options for control of reactive power by distributed photovoltaic generators,"in proceedings of the ieee,vol.99,no.6,pp.1063
‑
1073,june 2011,doi:10.1109/jproc.2011.2116750.
[0016]
[9]y.wang,k.t.tan,x.y.peng,et al."coordinated control of distributed energy
‑
storage systems for voltage regulation in distribution networks,"in ieee transactions on power delivery,vol.31,no.3,pp.1132
‑
1141,june 2016,doi:10.1109/tpwrd.2015.2462723.
[0017]
[10]f.olivier,p.aristidou,d.ernst,et al."active management of low
‑
voltage networks for mitigating overvoltages due to photovoltaic units,"in ieee transactions on smart grid,vol.7,no.2,pp.926
‑
936,march 2016,doi:10.1109/tsg.2015.2410171.
[0018]
[11]review of control strategies for voltage regulation of the smart distribution network with high penetration of renewable distributed generation
[0019]
[12]a.kulmala,s.repo an,p."coordinated voltage control in distribution networks including several distributed energy resources,"in ieee transactions on smart grid,vol.5,no.4,pp.2010
‑
2020,july 2014,doi:10.1109/tsg.2014.2297971.
[0020]
[13]e.dall'anese,s.v.dhople,g.b.giannakis."optimal dispatch of photovoltaic inverters in residential distribution systems,"2014ieee pes general meeting|conference&exposition,national harbor,md,usa,2014,pp.1
‑
1,doi:10.1109/pesgm.2014.6939035.
[0021]
[14]刘文霞,徐慧婷,陈晔,刘宗歧.计及多维不确定性影响的配电信息物理系统优化规划方法[j].中国电机工程学报,2017,37(24):7205
‑
7215+7434.
[0022]
[15]刘文霞,韩辉.多重控制信息失效下配电网电压波动性的评估[j].电力系统自动化,2020,44(09):69
‑
77.
[0023]
[16]张今,耿光超,江全元,杨勇,周自强.含柔性多状态开关的配电网分布式自适应控制[j].电网技术,2020,44(07):2649
‑
2656.
[0024]
[17]m.zeraati,m.e.hamedani golshan,j.m.guerrero."distributed control of battery energy storage systems for voltage regulation in distribution networks with high pv penetration,"in ieee transactions on smart grid,vol.9,no.4,pp.3582
‑
3593,july 2018,doi:10.1109/tsg.2016.2636217.
[0025]
[18]蔡永翔,唐巍,徐鸥洋,张璐.含高比例户用光伏的低压配电网电压控制研究综述[j].电网技术,2018,42(01):220
‑
229.
[0026]
[19]蒲天骄,刘威,陈乃仕,王晓辉,董雷.基于一致性算法的主动配电网分布式优化调度[j].中国电机工程学报,2017,37(06):1579
‑
1590.
[0027]
[20]王振刚,陈渊睿,曾君,陈剑龙,刘俊峰.面向完全分布式控制的微电网信息物理系统建模与可靠性评估[j].电网技术,2019,43(07):2413
‑
2421.
[0028]
[21]乐健,周谦,王曹,李星锐.基于分布式协同的配电网电压和功率优化控制方法研究[j].中国电机工程学报,2020,40(04):1249
‑
1257+1415.
[0029]
[22]张博,唐巍,蔡永翔,王越,陈璐.面向高比例户用光伏消纳的储能系统与通信网络协同规划[j].电网技术,2018,42(10):3161
‑
3169.


技术实现要素：

[0030]
本发明的目的是提出一种计及信息设备故障的分布式电压控制系统风险评估方法，其特征在于，包括以下步骤：
[0031]
步骤1：建立包括传感器、控制器、光纤、代理节点、逆变器及储能装置的分布式配电信息物理电压控制系统；
[0032]
步骤2：选择光伏逆变器无功q
i(k)
作为一致性变量，运用一致性算法更新本地节点的控制变量；
[0033]
步骤3：判断光伏并网节点集合θ
pv
中最先监测到的节点o的电压是否越限；若电压越上限，则传递无功吸收信号以抑制过电压；若越下限，则传递无功注入信号以支撑欠电压；
[0034]
步骤4：通过通信网络拓扑的邻接矩阵a和转移系数矩阵d生成可达矩阵p，建立考虑信息可达性的改进分布式一致性电压控制方程；
[0035]
步骤5：建立基于曲线聚类的光伏时序日出力场景模型和设备故障下的信息可达性模型，对分布式配电信息物理电压控制系统进行电压越限风险评估。
[0036]
所述步骤2中的一致性算法如下：
[0037][0038]
式中：d
ij
是代理节点j向节点i的转移系数，按照下式计算
[0039][0040]
式中：n
i
和n
j
代表节点i和节点j的邻接节点数。
[0041]
所述步骤3中节点o的光伏逆变器无功如下
[0042][0043]
式中，为节点o对节点j的电压
‑
无功灵敏度；为节点o的实际电压；v
max
和v
min
分别为节点电压上下限。
[0044]
所述步骤4中邻接矩阵a的元素a
ij
与转移系数矩阵d的元素d
ij
的关系如下：
[0045][0046]
式中，n
c
为代理节点集合；
[0047]
所述考虑信息可达性的改进分布式一致性电压控制方程为
[0048][0049]
式中c
i
为第i个控制器状态，正常为1，故障为0；p
ji
为可达矩阵的元素；q
j(k)
为控制器j输出量。
[0050]
改进分布式一致性电压控制的步骤如下：
[0051]
步骤d1：传感器采集本地电压并上传至代理节点；
[0052]
步骤d2：节点o作为调压节点检测到电压越限；
[0053]
步骤d3：整定节点o的控制量初始值并传递至其他代理节点；
[0054]
步骤d4：各代理节点基于改进一致性算法更新控制量整定值，传递至其他代理节点；
[0055]
步骤d5：判断各调压节点整定值是否一致；若是，代理节点将控制量下发至本地控制器完成调压；若否，转到步骤d4。
[0056]
所述步骤5中建立基于曲线聚类的光伏时序日出力场景模型具体包括：
[0057]
步骤51：根据某一地区n天的光伏出力历史数据，采样间隔为t，设第i天的光伏出力样本x
i
＝[x
i1
,x
i2
,
…
,x
iu
]，其中x
iu
为第i天的第u个时刻的出力，得到光伏出力样本集矩阵：
[0058][0059]
步骤52：选取k个光伏日出力样本作为初始聚类中心，并将n个光伏日出力样本划分到k个类c1,c2,
…
,ck中，每个类中对应的样本个数α1,α2,
…
,αk满足α1+α2+
…
+αk＝n；其中，为类cr的第i个样本，为类c
r
的聚类中心，和均为u维向量，类cr的样本离差平方和为
[0060][0061]
步骤53：计算各聚类中心到各光伏日出力样本的欧式距离，将所有样本划分至距其欧式距离最小的类中；其中，欧式距离的计算如下：
[0062][0063]
式中：其中x
it
、x
jt
表示第i个、第j个样本中的第t个数据；
[0064]
步骤54：计算各类中所有样本的算数平均值作为此次聚类后的新聚类中心并判断聚类中心更新前后是否不再改变，即平方误差准则函数e稳定在最小值范围内；若是，则转至步骤55；若否，则转至步骤53；其中，新聚类中心为
[0065][0066]
式中，为划分前类c
p
的聚类中心，x
(qu)
为光伏日出力样本x
q
的各时刻数据；
[0067]
平方误差准则函数e为
[0068][0069]
式中，c
r
为第r个类，为第r个类中的光伏日出力样本，为第r个类的聚类中心；
[0070]
步骤55：将聚类中心数k减1后再赋值给k；
[0071]
步骤56：计算统计量ξ2和增大幅度γ，并判断聚类中心数k是否为1或增大幅度γ是否大于10，若是，则取k减1前的值为理想聚类中心数；若否，则转至步骤53；其中统计量ξ2为
[0072][0073]
式中w
s
,w
z
,w
r
分别为合并后新类c
s
、合并前类c
z
和c
r
的类内离差平方和，a
z
和a
r
分别为z类和r类的样本个数；
[0074]
其中每次合并前后增大幅度表示为
[0075][0076]
所述步骤5中建立设备故障下的信息可达性模型具体包括：
[0077]
元件状态变化通过“运行
‑
停运
‑
运行”的循环来模拟，信息元件y的可用状态s(y)为：
[0078][0079]
对于各节点之间通信传输路径的信息传输中断，看作有向图中有向边的消失，等效到邻接矩阵中相应元素置0；对于传感器、控制器、代理节点设备故障和老化失效看作有向图中顶点消失，等同于与该节点相连的全部有向边消失，等效到邻接矩阵中相应元素置0；
[0080]
信息设备故障场景概率计算采用如下全概率模型表示：
[0081][0082]
其中，t表示第t个信息设备故障场景，p
it
为第i个信息设备处于第t个信息设备故障场景中对应状态的概率，p
t
为场景t的概率，ω为信息设备元件数。
[0083]
所述步骤5中电压越限风险评估的风险指标为
[0084][0085]
式中，risk代表配电网电压越限的综合风险；p
i
为信息故障场景i的概率；p
j
为运行场景j的概率；代表节点t在运行场景j，信息故障场景i下的电压越限程度；m、n、k分别为配电网节点个数、信息故障场景个数、运行场景个数；其中，
[0086][0087][0088][0089]
式中，p
l
为信息设备l的处于该可用状态的概率；θ
i
为信息设备状态i下所有设备的可用状态集合；n
j
为该光伏出力典型场景类中样本个数；为节点t的电压值。
[0090]
本发明的有益效果在于：
[0091]
1、本发明充分考虑了分布式电源出力和信息设备故障的双重不确定性对电压风险进行评估，对各种通信拓扑下考虑信息设备故障的场景具有普适性；
[0092]
2、基于信息可达性矩阵，反映信息设备故障影响的分布式控制算法在不同信息设备故障时，只需要修改邻接矩阵中的相应元素，便可直接得出该场景下的控制量，大大减少了变更故障信息设备时需要修改的工作量，提高了计算效率；
[0093]
3、本发明充分考虑了光伏出力的不确定性、季节特性和时序相关性，选取各类中的极端日出力作为运行场景，对电压风险评估具有更强的适用性；
[0094]
4、本发明可为主动配电网规划和运行、风险控制提供有效技术支撑。
附图说明
[0095]
图1为分布式电压控制系统构成示意图；
[0096]
图2为ieee33节点配电系统图；
[0097]
图3为计及信息设备故障的分布式电压控制系统风险评估方法的总流程图；
[0098]
图4为建立基于曲线聚类的光伏时序日出力场景模型的流程图；
[0099]
图5为改进分布式一致性电压控制的流程图；
[0100]
图6为电压风险评价指标求解流程图；
[0101]
图7为光伏出力历史数据样本曲线聚类结果图；
[0102]
图8为不同信息设备故障时电压越限情况的仿真结果图；
[0103]
图9为相同设备不同位置故障影响对比仿真结果图；
[0104]
图10为不同调压点配置下信息设备故障仿真结果图。
具体实施方式
[0105]
本发明提出一种计及信息设备故障的分布式电压控制系统风险评估方法，下面结合附图和具体实施例对本发明做进一步说明。
[0106]
1分布式电压控制系统模型
[0107]
1.1系统组成与运行方式
[0108]
分布式电压控制系统(distributed voltage control system,dvcs)，其系统构
成如图1所示。dvcs主要由传感器、控制器、光纤、代理节点、逆变器及储能装置等组成。其中，代理节点是指具有信息中继、任务处理能力设备组成的工作站。传感器采集到本地物理节点的电压状态，并上传至本地代理节点，本地代理节点接收本地和其他邻居代理节点通过光纤传来的电压信息，同时将本地电压信息传递给其他邻居代理节点。各代理节点根据本地电压信息是否越限，判断是否需要进行控制，并按照一定的算法进行决策计算，得到决策量并下发至本地控制器，控制器根据控制指令对光伏逆变器、储能等物理装置进行驱动，进而达到对物理域的调整。分布式系统的控制大多采用一致性算法，具有建模简单、收敛速度快、对信息系统配置要求低的优点。
[0109]
1.2传统分布式电压控制的一致性算法
[0110]
一致性算法是通过本地节点与相邻节点的信息交互，更新本地节点的控制变量，使节点的控制变量收敛于稳定的共同值。令节点i的控制变量为x
i(k)
，其中k为迭代次数。在分布式控制中，各节点的控制量根据其相邻节点的控制量进行调整，随着迭代次数的增加，节点的控制量趋于一致，当所有节点的控制量在收敛条件范围内达到一致时系统收敛。本发明选择光伏逆变器无功作为一致性变量q
i(k)
，一致性算法可用式(1)描述：
[0111][0112]
式中：d
ij
是代理节点j向i的转移系数，其值可按照下式计算。
[0113][0114]
式中：n
i
和n
j
代表节点i和节点j的邻接节点数，v
c
为节点集合。
[0115]
当不同控制节点一致性变量趋近一致，即|q
i(k)
‑
q
j(k)
|≤0.0001时，可认为一致性算法收敛。当通信拓扑为强连通图时，一致性算法可以实现收敛，且收敛结果是一个与通信拓扑无关的常数，本发明所用算例为强连通图。
[0116]
将光伏并网点集合记为θ
pv
,当这些节点电压越限时，将最先监测到电压越限的节点记为o，o∈θ
pv
。根据一致性算法，传感器将感知到节点电压越限，并将电压值传递至本地代理节点。若电压越上限，则传递无功吸收信号以抑制过电压；若越下限，则传递无功注入信号以支撑欠电压。
[0117]
由于控制信号是从节点o开始向其他节点传递，于是节点o的光伏逆变器无功的计算则至关重要。可按照式(3)计算：
[0118][0119]
式中，为节点o实际电压；v
max
和v
min
分别为节点电压上下限；为节点o对节
点j的电压
‑
无功灵敏度，即节点j单位无功功率变化引起节点o的电压变化。
[0120]
1.3考虑信息可达性的改进分布式控制算法模型
[0121]
传统分布式一致性算法控制量的计算是基于健全通信网络，然而设备的随机故障，可能出现部分节点之间的信息无法传递迭代、部分节点物理域状态无法采集、控制指令无法执行等问题，同时光纤的断裂也会导致该节点相邻节点个数发生变化。此时常规的一致性算法便不再适用于信息设备故障的场景。为此本发明考虑信息设备故障，建立基于信息可达矩阵的改进分布式一致性控制算法。
[0122]
1.3.1基于可达矩阵的信息可达性分析
[0123]
现有信息系统设备间通信大多采用全双工通信方式，信息系统拓扑图可看作一个广义有向图，各个设备间信息的可达性可通过有向图理论进行研究，网络中的信息设备可看作节点，光纤可看作边，各设备之间能否通信随即转化为有向图各节点是否可达的问题。
[0124]
(1)图论概述
[0125]
设有向图拓扑为d＝(v,ε)，其中顶点集v＝{v1,v2,
…
,v
n
}，边集e＝{e1,e2,
…
,e
n
}。每条边具有方向，即以顶点集某一元素a为始点，另一元素b为终点,称为a到b的一条有向边。用a
ij
表示顶点v
i
与顶点v
j
之间的连接关系，由式(4)计算。所得矩阵a＝a(d)称为有向图d的邻接矩阵。
[0126][0127]
(2)有向图可达矩阵计算方法
[0128]
设有向图d＝(v,ε)，顶点集v＝{v1,v2,
…
,v
n
}。定义矩阵p＝(p
ij
)
n
×
n
，称为有向图d的可达矩阵。其中，
[0129][0130]
对于n阶有向图的邻接矩阵a，由a可得到该图的可达矩阵，设其为p，其求取步骤如下：首先，求出b
n
＝a+a2+
…
+a
n
，然后，把矩阵b
n
中不为0的元素改为1，为0的元素不变，所得到的矩阵即为图d的可达矩阵p。
[0131]
1.3.2考虑信息可达性的改进一致性算法模型
[0132]
首先写出通信网络拓扑的邻接矩阵，并生成此时的可达矩阵。按照邻接矩阵元素a
ij
和转移系数矩阵元素d
ij
的定义，可得如下关系式：
[0133][0134]
式中，n
c
为代理节点集合。
[0135]
此时，当信息系统发生故障时，即可通过修改邻接矩阵对应的元素进行等效，具体修改方法见2.2.2，而后通过修改后的邻接矩阵便可直接导出分布式控制一致性算法中的转移系数矩阵。
[0136]
根据转移系数矩阵d和可达矩阵p，可得到考虑信息可达性的改进分布式一致性电压控制方程。根据3.1中所述一致性算法的原理，各控制器的输出量计算方法如下：
[0137][0138]
式中，c
i
为第i个控制器状态，正常为1，故障为0；p
ij
和d
ij
分别为信息系统拓扑的可达矩阵和转移系数矩阵中相应元素；q
j(k)
为控制器j输出量。算法收敛条件和起始节点输出量的计算方法如前文所述。具体控制流程见图5。
[0139]
2电压越限风险评估
[0140]
配电网接入大量光伏，一方面光伏出力的不确定性对配电网电压质量带来冲击，进而带来电压风险；另一方面由于分布式电压控制对信息系统的强依赖性，信息设备的不确定故障失效，又进一步加剧了电压越限的风险。因此要评估分布式电压控制系统的电压风险，必然要对光伏出力的不确定性和信息设备故障的不确定性进行分析建模。
[0141]
2.1基于曲线聚类的运行场景建模
[0142]
对光伏出力不确定性进行建模是对信息物理电压控制系统进行风险评估的前提。光伏出力不确定性越大，电压波动越剧烈，调压的必要性越大，进而对信息系统的依赖也就越强。且信息设备故障存在一定的持续停运时间，评估其带来的影响时，应充分考虑光伏出力的时序相关性。因此，本发明提出了基于曲线聚类算法的光伏时序日出力场景生成方法，对全年光伏日出力的历史数据进行聚类，生成若干条具有代表性的光伏日出力曲线作为典型运行场景，并计算该运行场景概率。
[0143]
2.1.1光伏出力场景生成
[0144]
对于某一地区n天的光伏出力历史数据，采样间隔为t，设第i天的光伏出力样本x
i
＝[x
i1
,x
i2
,
…
,x
iu
]，其中x
iu
为第i天的第u个时刻的出力数据，于是有光伏出力样本集矩阵：
[0145][0146]
选用欧式距离来衡量任意两个样本之间的差异性。欧式距离计算方法如下：
[0147][0148]
式中，x
it
表示第i个样本中的第t个数据。l
ij
越小说明样本x
i
和x
j
相似性越好，反之则越差。通过计算初始聚类中心到各光伏日出力样本的欧式距离，将所有样本划分至距其欧式距离最小的类中。
[0149]
计算各类中所有样本的算数平均值作为此次聚类后的新聚类中心
[0150][0151]
式中，为划分前类c
p
的聚类中心,x
(qu)
为光伏日出力样本x
q
的各时刻数据。计算新的聚类中心到各样本之间的欧式距离，然后重复上述步骤，直至聚类中心更新前后不再发生改变，即平方误差准则函数e稳定在最小值范围内，聚类结束，平方误差准则函数计算公式如式(7)所示。
[0152][0153]
其中，c
r
为第r个类，为第r个类中的光伏日出力样本，为第r个类的聚类中心。
[0154]
假设选取k个光伏日出力样本作为聚类中心，记为并将n个光伏日出力样本划分到k个类中，各类记为c1,c2,
…
,c
k
，每个类中样本个数记为a，有a1+a2+
…
+a
k
＝n，为类c
r
的第i个样本，为类c
r
的聚类中心，和均为u维向量，类c
r
的类内离差平方和：
[0155][0156]
定义统计量ξ2用以衡量两个类合并为新类后类内离差平方和的增量，进而判断被合并的两个类的差异性以及是否应被合并。
[0157][0158]
式中w
s
,w
z
,w
r
分别为合并后新类c
s
、合并前类c
z
和c
r
的类内离差平方和，a
z
和a
r
分别为z类和r类的样本个数。
[0159]
从初始聚类中心数k开始，不断进行类间合并，直到k等于1为止，统计k与ξ2之间的关系，并计算每次合并后ξ2的增大幅度γ，可按式(14)进行计算：
[0160][0161]
不同场景对聚类精度要求不同，可选择不同的γ值作为判断是否合并的标准，本发明中认为γ大于10时，此次合并的两类差异性显著，取合并前的k为理想聚类中心数。
[0162]
2.2信息设备故障建模
[0163]
现有典型分布式配电信息控制系统的信息系统组成主要包括代理节点、光纤，传感器、控制器等。信息设备故障不确定性是指上述设备在运行过程中，随着使用年限的增加、运行环境的恶化等因素，在一定概率下信息设备不确定故障，并在一定修复时间内持续停止运行。因此信息设备不确定故障对配电网调压的影响建模是评估信息物理电压控制系统的电压越限风险的关键。
[0164]
2.2.1信息设备故障影响分析
[0165]
不同信息设备在调压过程中的作用不同。传感器负责采集物理域的信息并上传至
代理节点；代理节点负责判断电压是否需要调节并计算控制量；控制器负责接收并执行代理节点的控制指令；采集信息和控制指令的传递则是通过光纤完成的。
[0166]
对于故障信息设备，因其修复时间内，该设备始终处于停运状态，此时段内该设备参与传输或处理的信息均为无效信息。传感器属于信息上行设备，若其故障，在修复前无法采集本地状态信息，该节点信息无法参与优化决策，此种情况不仅影响本节点的控制效果，由于决策数据缺失，致使调度策略失准，同时影响其他节点的控制效果；而控制器属于信息下行设备，若因故障导致无法下发控制指令，则该物理节点在故障修复前保持前序状态不变，此种情况仅影响本节点的控制效果。而代理节点属于枢纽设备，若其故障失效，不仅直接导致本地控制指令无法下发，同时也致使其他节点的代理节点决策信息缺失，使得调度策略失准。
[0167]
对于光纤故障，经此光纤传输的信息失效，其信息上行下行影响分析同上，不再赘述。2.2.2设备故障下的信息可达性建模
[0168]
信息设备可用状态：
[0169]
不考虑老化失效的情况，信息域中大部分故障停运是可修复的，其元件状态变化可通过“运行
‑
停运
‑
运行”的循环来模拟。因此，信息元件k的可用状态s(k)为：
[0170][0171]
其中，s(k)为第k个设备的可用状态。
[0172]
对于各节点之间通信传输路径，光纤因挤压断裂、老化失效等原因造成的信息传输中断，可看作有向图中有向边的消失，等效到邻接矩阵中相应元素置0；对于传感器、控制器、代理节点等节点设备故障、老化失效，可看作有向图中顶点消失，其影响等同于与该节点相连的全部有向边消失，等效到邻接矩阵中相应元素置0，再通过1.3.2中的改进一致性算法便可计算出相应信息设备故障下的控制量。
[0173]
2.2.3信息设备故障场景概率计算
[0174]
信息设备故障场景概率计算采用全概率模型表示，可用下式描述：
[0175][0176]
其中，t表示第t个信息设备故障场景，p
it
为第i个信息设备处于第t个信息设备故障场景中对应状态的概率，p
t
为场景t的概率，ω为信息设备元件数。
[0177]
2.3电压越限风险评估指标及算法
[0178]
配网电压越限风险指的是系统中发生电压越限事件的概率及其造成的后果的严重程度的综合度量，大量光伏接入后，使得配电网结构和运行方式发生改变，且因其不确定性，同时考虑到信息系统故障失效，使得电压控制无法正常进行，造成节点电压波动甚至越限风险增加。根据《电能质量国家标准》规定，配电网电压正、负偏差绝对值之和不应超过额定值的10％，本发明通过解析法来评估配电网电压越限风险，风险指标可用下式计算：
[0179][0180]
式中，risk代表配电网电压越限的综合风险；p
i
为信息故障场景i的概率；p
j
为运行
场景j的概率；代表节点t在运行场景j，信息故障场景i下的电压越限程度；m、n、k分别为配电网节点个数、信息故障场景个数、运行场景个数。
[0181]
上式各项可按式(18
‑
20)计算：
[0182][0183][0184][0185]
式中，p
l
为信息设备l的处于该可用状态的概率；θ
i
为信息设备状态i下所有设备的可用状态集合；n
j
为该光伏出力典型场景类中样本个数；v
t
为节点t的电压值。电压风险评价指标求解流程见图6。
[0186]
3算例分析
[0187]
3.1算例模型及参数设置
[0188]
本发明算例采取ieee33节点配电系统，在15、18、21、22、24、25、32、33处接有分布式光伏，其中将18、22、25、33节点设为调压节点，如图2所示。因配电网各光伏并网点相距不远，故可认为各光伏电站出力值近似相等，本发明采集某地区光伏出力历史数据，采样天数365天，采样间隔15min。每个光伏节点的信息设备包括传感器，控制器以及通信层相应的代理节点及光纤，各设备的故障率及故障修复时间见表1：
[0189]
表1信息设备故障参数
[0190][0191]
由于信息系统同时出现多个设备故障的概率很低，故本算例只考虑信息设备单重故障。
[0192]
3.2光伏曲线聚类结果分析
[0193]
按照图3计及信息设备故障的分布式电压控制系统风险评估方法的总流程图和图4建立基于曲线聚类的光伏时序日出力场景模型的流程图；通过本发明所述曲线聚类及运行场景选择方法，对光伏出力历史数据样本进行聚类，并选取各类中的聚类中心作为电压风险评估的运行场景，其结果如图7所示。
[0194]
3.3电压越限风险评估及对比分析
[0195]
根据本发明所提出的考虑信息可达性的改进一致性算法，在3.2中所列的运行场
景下，对不同信息设备故障时电压越限情况进行仿真，其结果如图8，根据3.1和3.2中运行场景和故障场景生成方法及3.3中的电压风险评估方法，可得到配电网电压综合风险为4.19％。
[0196]
可以看出，代理节点故障对电压控制效果影响最为严重，控制器故障次之，但因代理节点通常故障率较低，因此其带来的电压风险不高。分析可知代理节点作为信息的传递者和控制量的决策者，其故障不光导致信息无法传递，同时导致控制量无法整定。控制器故障仅对本地及附近节点的电压有影响且较大，是因为其控制指令无法执行导致本地节点失控。反观传感器故障和光纤断裂，虽然同样出现部分节点电压越限，但其严重程度很小。这是因为，无论传感器故障还是光纤断裂只影响部分观测值参与控制量的整定计算，但依然可以整定出相对理想的数值，因此虽有电压越限却并不严重。
[0197]
3.4相同设备不同位置故障影响对比分析
[0198]
为分析相同类型信息设备在不同位置故障时的影响差异，本节针对故障影响最为严重的代理节点，设置了其在不同位置上单独故障的场景进行对比分析，仿真结果如图9：
[0199]
代理节点22故障对电压控制效果影响非常大，分析可知：代理节点22作为代理节点中的枢纽节点，其故障将导致其两侧彻底失去联系，使得18节点的电压控制模式退化成就地控制，但却以分布式控制的初始值作为就地控制的控制量，未经过循环迭代，致使其大大超过就地控制所需功率，节点电压出现严重越限的情况。
[0200]
3.5不同调压点配置下电压风险对比
[0201]
为研究信息系统接入点变化对电压风险的影响，本节对信息系统进行重新配置，改变调压点位置，并进行信息设备故障仿真分析，并重新计算电压风险指标。
[0202]
将3.1所述算例模型中的调压节点变更为15、21、24、32，其他参数不变。重新进行信息设备故障仿真，其结果如图10。
[0203]
计算得到配电网电压综合风险为9.44％，相对于3.1中通信网规划方案，其电压风险大大增加，这是因为调压点的改变，将源荷严重不平衡的节点设为调压点，这样虽然具有较好的经济性和鲁棒性，但要求信息系统坚强可靠，一旦出现故障，光伏不受控制随机出力，使得节点电压大幅越限。因此在进行调压点选择时，应根据节点负荷历史水平并结合负荷及光伏出力预测，选择光伏出力与节点负荷匹配程度适中的节点作为调压点，一方面能够实现正常状态下有良好的经济性，另一方面保证在考虑信息设备故障时电压风险在可接受的范围内。
[0204]
综上所述，在信息系统完全在线时，集中式控制的电压控制效果优于分布式。但是，当考虑信息系统故障因素时，分布式控制优于集中式。结果表明，虽然基于完全可观且坚强信息系统的集中式控制具有最佳的控制效果，但对于通信水平相对较差的中低压配电网且考虑信息设备故障时，分布式电压控制显然是更好的选择。
[0205]
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。