一种基于云模型的园区电压暂降严重程度评估方法

本发明涉及电力工程，具体为一种基于云模型的园区电压暂降严重程度评估方法。

背景技术：

1、随着园区负荷容量和新能源占比越来越高，发生电压暂降的频次也随之正增长，这对电机、led灯驱动器等敏感设备或元器件带来经济性和可靠性方面的负面影响越来越多。然而，动辄数十万的电压暂降治理设施费用对园区运营商而言太高昂了，需事前对电压暂降严重程度进行评估，将确切的严整程度评价指标予以园区运营商，以供其订制是否进行电压暂降治理的决策。

2、以敏感设备实际电压曲线与耐受电压参考曲线之间的距离作为评价指标是常见严重程度评估的思路，如适用于半导体制程设备的semi f47曲线，以及适用于计算机电能质量的itic曲线。设备侧电压暂降严重程度评估方法研究(电力自动化设备，2019，39(01):：175-182，卢文清，常乾坤，贾东强等)一文中公开了利用权值函数法修正了传统严重性和综合性评价指标在单调性和连续性方面的问题，但耐受曲线的模糊性问题仍未解决。此外，这些指标侧重单一敏感设备，忽略了园区整体电压层级的严重层度评估，缺乏系统性，不适合作为园区电压暂降严重程度的评价指标。

3、系统性风险评估关键在于将模糊性和随机性集成在一起，而云模型就是在统计数学和模糊数学的基础上实现定性语言值和定量数值之间自然转换的方法。基于前兆信息的可重构梯次电池储能系统安全风险评估(太阳能学报，2022，43(04)：36-45，吴岩，田培根，肖曦等)建立了改进云模型-组合赋权-topsis算法模型，为电池储能系统提供预警服务。这些文献对云模型赋权方法依赖于主观赋权法，未对权重向量进行组合，使得风险评估往往偏向于过于依赖经验判断。

4、园区可靠的电压价值是个性化分散至设备的，传统围绕敏感设备的电压暂降可靠性评价指标在经济损失、暂降概率等模糊性上略显不足，特别是在园区分布式能源出力波动的场景下，这导致了很难系统性地评估电压暂降危害程度。

技术实现思路

1、针对上述情况，为弥补上述现有缺陷，本发明提供了一种基于云模型的园区电压暂降严重程度评估方法，该方法提出了考虑源荷扰动的电压暂降严重程度评价指标体系，其兼顾了电压暂降带来的负面影响、园区自愈能力和电压暂降风险。在此基础上，融合主观评价层次分析和客观评价熵值法来淡化单一评价指标赋权的缺陷，其作为所提基于云模型的电压暂降严重程度评估方法的输入，可得兼顾模糊性和随机性的极低、较低、中等、较高或极高严重程度的评价云图，园区运营商可据此实施电压暂降治理方式。

2、本发明提供如下的技术方案：本发明提出的一种基于云模型的园区电压暂降严重程度评估方法，具体包括下述步骤：

3、步骤1：考虑源荷扰动的电压暂降严重程度评价指标体系

4、在园区运营商角度，既需要考虑电压暂降对内部工商业用户的负面影响，也要考虑园区发生电压暂降后网络的自我恢复情况，还需兼顾一定风险性，为此，提出考虑源荷扰动的园区电压暂降严重程度评价指标体系：

5、1.1用户负面影响程度指标

6、用户的负面影响程度体现了园区运营主体对所辖工商业用户或部门的义务，其应尽量确保在新能源并网和大量动力负荷同时存在情况下的电能质量，以一段时间的敏感设备电压运行域越限次数、越限时间和敏感设备影响度来反映；

7、1)电压运行域越限次数

8、敏感设备会有一个电压运行域，表示敏感设备最适宜在该电压范围内运行，当因发生电压暂降致使园区设备电压不在该范围内时，对之进行统计，该指标用于反映园区整体电压暂降次数：

9、

10、式中：na为一段时间内园区电压运行域越限次数；为设备i在第t次电压暂降是否越限，越限为1，反之为0；t1为一段时间内电压暂降的越限次数集合；δuit为设备i在第t次电压暂降幅值；为设备i最大允许电压暂降幅值；

11、2)电压运行域越限时间

12、

13、式中：dt为一段时间内园区电压运行域越限时间；为设备i在第t次已被判定为电压运行域越限前提下的时间；

14、3)敏感设备影响度

15、

16、式中：s为园区的电压暂降平均影响程度；si为设备i的电压暂降平均影响程度；di为设备i的电压暂降持续时间；δu(di)为设备i在参考曲线上具有相同暂降持续时间的幅值；

17、1.2自愈能力指标

18、园区自愈能力用来反映当敏感设备遇到电压暂降后能否安全可靠继续运行，体现了对园区内部源荷干扰的鲁棒性，包括在电压暂降前提下的敏感设备故障率、电压暂降能量损失和敏感设备备用情况；

19、1)敏感设备故障率

20、用于反映当发生电压暂降时，敏感设备故障情况，故障类型包括停机、元件损坏和不能正常运行：

21、

22、式中：nf和na1分别表示园区所有设备在发生电压暂降时的故障次数和电压暂降次数；

23、2)电压暂降能量损失

24、用于反映发生电压暂降对敏感设备的冲击程度；

25、

26、式中：w为园区的电压暂降平均能量；wi为设备i的电压暂降平均能量；和分别为设备i在第j次电压暂降时的a，b和c相电压有效值；δdij为设备i在第j次电压暂降时的持续时间；

27、3)敏感设备备用情况

28、此指标为相关专家对敏感设备有无备用设备的情况进线评分，为主观性指标；

29、1.3综合风险指标

30、考虑到源荷扰动对敏感设备造成的潜在电压暂降风险，为反映该情况，园区综合风险指标被提出以体现低压状态、电压稳定性和期望经济损失等方面风险；

31、1)低压状态运行概率

32、低压状态的定义为实际电压低于额定电压95％，此时若发生电压波动，很有可能演化为电压暂降时间，这个重点体现了新能源波动性和园区峰荷时段动力负荷对其的影响：

33、

34、式中：p为低压状态运行概率；tsum为计算该指标的时间跨度；tilow为设备i在一段时间内的低压状态运行时间；

35、2)电压稳定性

36、当新能源或其它动力负荷电压波动时，房间电压亦随之剧烈波动，为此，可用敏感设备的方差来反映电压暂降的可能性：

37、

38、式中：α为园区敏感设备的电压方差；αi为设备i在一段时间内的电压方差；

39、3)电压暂降期望经济损失

40、用于反映电压暂降对园区设备和正常生产运营的经济影响：

41、

42、式中：γi为设备i全年发生的综合电压暂降次数，可由历史数据获得；pi和ri为设备i的单位容量损失费用和容量；c为运维费用；

43、步骤2：评价指标权重的确定

44、指标赋权关键是克服主、客观加权的局限，本方案中主观加权采用五标度的层次分析法，而客观加权采用熵值法，通过最优化模型来确定最终的组合权重，从而平衡了园区电压暂降严重程度指标权重的经验性和科学性；

45、2.1五标度层次分析法

46、考虑到三标度法的划分粒度较粗，采用五标度法确定主观权重，其步骤如下：

47、1)建立比较矩阵p

48、在构造目标层、准则层和指标层后，邀请专家以所提安全指标体系为基础，按五标度法确定同级指标的重要性；

49、2)建立判定矩阵a

50、判断矩阵a中元素anm的计算方法如下：

51、

52、

53、式中：rn为重要性排列指数；pnm为比较矩阵p中的元素；

54、3)建立最优传递矩阵c

55、最优传递矩阵c中元素cnm的计算方法如下：

56、

57、4)一致矩阵a*

58、作可得一致矩阵

59、5)层次单排序

60、求解a*的特征向量矩阵p＝(p1,...,pn)，对矩阵p中的行元素求和，可得：

61、

62、6)层次总排序

63、将指标层相对准则层的权重设置为unm，以及将准则层相对目标层的权重设置为vn，因此，指标层相对目标层的综合排序权重为：

64、

65、2.2熵值法

66、五度法确定主观权重后，可用熵值法进行客观权重确定，以熵值法确定电压暂降可靠性评价指标的客观权重，其步骤如下：

67、1)计算风险指标比重

68、当可观权重的决策矩阵q形成后，电压暂降的可靠性指标值比重按如下方式计算：

69、

70、式中：qnm为决策矩阵q中的元素；

71、2)求解熵值

72、

73、3)计算指标权重

74、

75、2.3权重最优化模型

76、五标度法确定的主观权重与熵值法确定的客观权重分别确立后，依据权重最优化模型理论，其组合加权模型为：

77、

78、式中：w1和w2分别为主、客观权重向量；μ1和μ2分别为主、客观权重系数；

79、在专家评估得出比较矩阵p和决策矩阵q后，对式(17)求解可得μ1和μ2，则最终的组合权重为w＝μ1w1+μ2w2；

80、步骤3：依据云模型对电压暂降严重程度进行评估

81、以云模型来克服严重程度评估中的模糊性和不确定性，具有三个定量化特征：期望ex、熵en和超熵hc，三者分别代表了园区电压暂降严重程度的评价值、评价结果可靠性和评价结果稳定性；

82、采用常见的正态云发生器，包括正向和逆向云发生器两部分：

83、1)逆向云发生器

84、逆向云发生器用于将电压暂降严重程度的评估值转化为风险评估的云数字特征，其期望ex、熵en和超熵hc可表示如下：

85、

86、

87、2)正向云发生器

88、正向云生成器旨在生成严重程度评价指标的评价云滴，其先依据生成随机熵进而依据生成随机均值x，最后生成云滴e(x,u(x))；其中，

89、采用上述结构本发明取得的有益效果如下：本发明提出的一种基于云模型的园区电压暂降严重程度评估方法，基于实际园区运行数据，在园区运营商的角度，提出了考虑源荷扰动的电压暂降严重程度评价指标体系，有效兼顾了电压暂降的负面影响、园区自愈能力和电压暂降风险；进一步，采用了以主观评价层次分析和客观评价熵值法的组合赋权方式淡化单一赋权的缺陷，在此赋权方法基础上，构建了以云理论为基础的园区电压暂降严重程度评估云模型；生成的园区电压暂降可靠性评价云图的各个风险等级层次分明，验证了所提的组合权重法的有效性，其可避免专家打分法的经验主义与抽样模拟的客观评价的负面影响，有效提升了可靠性评估云模型科学性和可靠性。具体技术效果和优点如下：

90、1)对新能源接入和动力负荷容量逐年增长背景下的园区电压暂降严重程度进行了扫描，构建的指标体系能较为全面地反映电压暂降严重程度；

91、2)通过五标度层次分析法和熵值法可较准确的确定最终组合权重风险指标权重兼具经验性和科学性；

92、3)构建了电压暂降严重程度评估云模型，该模型可综合评价指标体系的主客观意见，能较为敏锐的发现电压暂降的严重程度。