新能源电力系统的快速可靠性评估方法、设备及存储介质与流程

1.本技术涉及电力系统安全技术领域，尤其涉及一种新能源电力系统的快速可靠性评估方法、设备及存储介质。


背景技术：

2.高比例新能源的并网使得电力系统运行风险凸显，电力设备的偶发故障、供给侧的随机性波动性以及需求侧的不确定性，容易诱发电力系统的电力电量供需失配可靠性风险。因此，对电力系统可靠性水平的实时感知非常重要。
3.目前，已有的可靠性评估方法主要是针对传统电力系统中长期规划阶段的可靠性评估，无法满足电力系统可靠性实时评估的时间要求。而由于可靠性评估所需的系统状态数量多以及系统状态分析模型的计算复杂度高，导致实时评估将面临计算复杂度高、计算时间长的问题。


技术实现要素：

4.本技术提供了一种新能源电力系统的快速可靠性评估方法、设备及存储介质，以解决当前可靠性评估方法无法满足实时评估需求的技术问题。
5.为了解决上述技术问题，第一方面，本技术提供了一种新能源电力系统的快速可靠性评估方法，包括：
6.获取电力系统的实时系统参数和关键输电线路状态指标；
7.利用枚举法，基于系统参数，枚举电力系统在每个关键输电线路状态指标下的系统运行状态，系统运行状态包括发电机组状态和负荷状态；
8.利用基于多参数线性规划mplp的直流最优潮流模型，计算电力系统在每个系统运行状态下的削负荷量和的系统状态概率；
9.根据削负荷量和系统状态概率，评估电力系统的可靠性。
10.作为优选，利用基于多参数线性规划mplp的直流最优潮流模型，计算电力系统在每个系统运行状态下的削负荷量和的系统状态概率，包括：
11.对于每个系统运行状态，基于电力系统在系统运行状态下的发电机状态向量和负荷向量，构建mplp的参数向量；
12.利用直流最优潮流模型，根据参数向量，计算电力系统在系统运行状态下的削负荷量和的系统状态概率。
13.作为优选，直流最优潮流模型的矩阵形式为：
14.[0015][0016]
其中，dd为电力系统中节点d的削负荷量，p为节点d的净注入有功功率，为第一预设向量的转置向量，为第二预设向量的转置向量，θ为参数向量，g为代换分布因子矩阵，i为单位矩阵，f
max
为电力系统中输电线路上的有功潮流上限值，f
min
为电力系统中输电线路上的有功潮流下限值，m为发电机有功出力矩阵，sg为发电机状态向量，d为负荷向量，c为发电机与节点之间连接矩阵，p
gmax
为发电机额定功率，diag表示矩阵对角化算子。
[0017]
作为优选，若参数向量在mplp的已知临界区域，利用映射关系计算参数向量对应的最优解，最优解包含削负荷量和的系统状态概率。
[0018]
作为优选，获取电力系统的实时系统参数和关键输电线路状态指标之前，还包括：
[0019]
获取电力系统的历史出力数据和历史负荷数据；
[0020]
根据历史出力数据和历史负荷数据，确定电力系统的多个运行场景的发生概率；
[0021]
枚举每个运行场景的输电线路状态；
[0022]
基于多个运行场景的发生概率，计算每种输电线路状态的综合重要度；
[0023]
根据综合重要度的排序结果，确定目标重要度对应的目标输电线路状态，目标输电线路状态作为关键输电线路状态指标。
[0024]
作为优选，根据历史出力数据和历史负荷数据，确定电力系统的多个运行场景的发生概率，包括：
[0025]
对历史出力数据和历史负荷数据进行聚类，得到多个运行场景的聚类结果；
[0026]
对于每个运行场景，利用预设概率计算公式，根据聚类结果，计算运行场景的发生概率，预设概率计算公式为：
[0027]
p
l
＝n
l
/n；
[0028]
其中，p
l
为第l个运行场景的发生概率，n
l
为第l个运行场景聚类到的历史出力数据和历史负荷数据，n为所有参与聚类的历史出力数据和历史负荷数据。
[0029]
作为优选，基于多个运行场景的发生概率，计算每种输电线路状态的综合重要度，包括：
[0030]
对于每种输电线路状态，利用预设重要度计算公式，计算输电线路状态的综合重要度，预设重要度计算公式为：
[0031][0032]
r为输电线路状态的发生概率，p
l
为第l个运行场景的发生概率，i
l
为第l个运行场
景的重要度指标，重要度指标为考虑了有功潮流和故障状态概率的重要度指标，ns为运行场景数量。
[0033]
第二方面，本技术还提供一种新能源电力系统的快速可靠性评估装置，包括：
[0034]
获取模块，用于获取电力系统的实时系统参数和关键输电线路状态指标；
[0035]
枚举模块，用于利用枚举法，基于系统参数，枚举电力系统在每个关键输电线路状态指标下的系统运行状态，系统运行状态包括发电机组状态和负荷状态；
[0036]
计算模块，用于利用基于多参数线性规划mplp的直流最优潮流模型，计算电力系统在每个系统运行状态下的削负荷量和的系统状态概率；
[0037]
评估模块，用于根据削负荷量和系统状态概率，评估电力系统的可靠性。
[0038]
第三方面，本技术还提供一种计算机设备，包括处理器和存储器，存储器用于存储计算机程序，计算机程序被处理器执行时实现如第一方面的新能源电力系统的快速可靠性评估方法。
[0039]
第四方面，本技术还提供一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时实现如第一方面的新能源电力系统的快速可靠性评估方法。
[0040]
与现有技术相比，本技术至少具备以下有益效果：
[0041]
通过获取电力系统的实时系统参数和关键输电线路状态指标，并利用枚举法，基于系统参数，枚举电力系统在每个关键输电线路状态指标下的系统运行状态，系统运行状态包括发电机组状态和负荷状态，以关键输电线路状态指标，筛选系统运行状态，缩减系统运行状态的分析数量，从而避免对海量系统状态进行分析，提高分析效率；再利用基于多参数线性规划mplp的直流最优潮流模型，计算电力系统在每个系统运行状态下的削负荷量和的系统状态概率，以利用mplp在一定条件下可以通过线性计算得到最优潮流届，实现指数复杂度问题的优化，降低系统运行状态分析的计算复杂度，有效提高系统运行状态分析的效率；根据削负荷量和系统状态概率，评估电力系统的可靠性，解决了可靠性评估效率与精度之间的矛盾，在保证评估精度的基础上，大大提升可靠性评估效率。
附图说明
[0042]
图1为本技术实施例示出的新能源电力系统的快速可靠性评估方法的流程示意图；
[0043]
图2为本技术实施例示出的以二维参数向量θ＝(θ
x
,θy))为例的临界区域示意图；
[0044]
图3为本技术实施例示出的新能源电力系统的快速可靠性评估装置的结构示意图；
[0045]
图4为本技术实施例示出的计算机设备的结构示意图。
具体实施方式
[0046]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0047]
请参照图1，图1为本技术实施例提供的一种新能源电力系统的快速可靠性评估方
法的流程示意图。本技术实施例的新能源电力系统的快速可靠性评估方法可应用于计算机设备，该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示，本实施例的新能源电力系统的快速可靠性评估方法包括步骤s101至步骤s103，详述如下：
[0048]
步骤s101，获取电力系统的实时系统参数和关键输电线路状态指标。
[0049]
在本步骤中，实时系统参数包括但不限于电力系统网架参数、发电机组参数、输电线路参数、节点负荷参数和元件可靠性参数。关键输电线路状态指标为影响电力系统可靠性的输电电力状态，其可以基于历史出力数据和历史负荷数据分析得到。
[0050]
在一些实施例中，所述步骤s101之前，还包括：
[0051]
获取所述电力系统的历史出力数据和历史负荷数据；
[0052]
根据所述历史出力数据和所述历史负荷数据，确定所述电力系统的多个运行场景的发生概率；
[0053]
枚举每个所述运行场景的输电线路状态；
[0054]
基于多个所述运行场景的发生概率，计算每种所述输电线路状态的综合重要度；
[0055]
根据所述综合重要度的排序结果，确定目标重要度对应的目标输电线路状态，所述目标输电线路状态作为所述关键输电线路状态指标。
[0056]
在本实施例中，通过生成重要的系统状态来规避对海量系统状态的枚举，在减少系统状态数量的同时保证了可靠性评估精度。系统状态生成需要考虑发电机组出力状态、负荷需求状态和输电线路状态。本实施例基于k－means方法对发电机组和负荷需求进行聚类，得到系统典型运行场景，并分析输电线路对系统运行的重要程度，生成关键输电线路状态。示例性地，过程如下：
[0057]
1.获取发电机出力曲线和负荷曲线；
[0058]
2.通过组合单独聚类后的发电机出力和负荷，或直接对发电机出力和负荷一起聚类，对电力系统运行场景进行选择；
[0059]
3.为选到的每个运行场景枚举系统中的输电线路状态；
[0060]
4.计算每一个输电线路状态的重要度指标。这些指标是通过考虑所有选择的运行场景获得的；
[0061]
5.根据重要度指标大小由高到低对输电线路的重要度进行排序；
[0062]
6.在重要度排序结果中选择所需的输电线路状态，以确定关键输电线路状态；
[0063]
7.可以根据工程师自身经验选择影响较大的输电线路故障状态作为关键线路状态；
[0064]
8.组合步骤6和步骤7中获得的集合，以建立最终的关键输电线路状态。
[0065]
在一些实施例中，所述根据所述历史出力数据和所述历史负荷数据，确定所述电力系统的多个运行场景的发生概率，包括：
[0066]
对所述历史出力数据和所述历史负荷数据进行聚类，得到多个运行场景的聚类结果；
[0067]
对于每个所述运行场景，利用预设概率计算公式，根据所述聚类结果，计算所述运行场景的发生概率。
[0068]
在本实施例中，采用k－means算法对系统供需双侧的不确定性进行处理，综合考
虑了系统发电机组出力与负荷需求水平的关联度，生成系统典型运行场景并计算其发生概率，具体过程如下：
[0069]
1.输入发电机历史出力曲线与历史负荷曲线；
[0070]
2.确定初始聚类中心m
ij
，其中i(i＝1，2，
…
，n
l
)表示聚类后的集群，n
l
表示聚类集群的个数，j表示进行聚类的曲线，包括发电机出力曲线、负荷曲线或发电机出力－负荷曲线；
[0071]
3.计算每小时曲线上的点到每个聚类中心的欧氏距离的平均值，计算公式如下：
[0072][0073]
式中，d
ki
是从第k个点到第i个聚类中心的欧氏距离；g
kj
是曲线j中第k点的值。nc是曲线的数量。
[0074]
4.将曲线上每个点分配给最近的集群，以对它们进行重新分组形成新的集群，并计算新集群的聚类中心m
ij
，计算公式如下：
[0075][0076]
其中，ni是第i个集群包含点的个数，l
kj
是曲线j中第i个集群内第k点的值；
[0077]
5.重复步骤3和步骤4，直到在两次迭代之间，所有集群的聚类中心均保持不变，由此即可得到运行场景的聚类结果；
[0078]
6.聚类后得到所选运行场景的概率可以通过以下公式计算：
[0079]
p
l
＝n
l
/n；
[0080]
其中，p
l
为第l个运行场景的发生概率，n
l
为第l个运行场景聚类到的历史出力数据和历史负荷数据，n为所有参与聚类的历史出力数据和历史负荷数据。
[0081]
在一些实施例中，所述基于多个所述运行场景的发生概率，计算每种所述输电线路状态的综合重要度，包括：
[0082]
对于每种所述输电线路状态，利用预设重要度计算公式，计算所述输电线路状态的综合重要度，所述预设重要度计算公式为：
[0083][0084]
r为所述输电线路状态的发生概率，p
l
为第l个运行场景的发生概率，i
l
为第l个运行场景的重要度指标，所述重要度指标为考虑了有功潮流和故障状态概率的重要度指标，ns为运行场景数量。
[0085]
在本实施例中，通过输电线路重要度指标量化输电线路对电力系统潮流的影响，生成关键输电线路状态。若某一输电线路故障导致系统的潮流分布发生很大变化，则该输电线路的重要度指标比较大，该线路也就越加重要。本实施例涉及到的输电线路的重要度指标包括传统输电线路重要度指标和考虑故障的输电线路重要度指标，具体介绍如下：
[0086]
1)传统输电线路重要度指标：
[0087]
传统输电线路重要度指标itra量化的是正常运行状态下输电线路上流过的实际有功功率与传输容量的关系，如下式所示：
[0088]
[0089]
其中，fi是线路i上的实际有功潮流，是线路i的有功容量上限，wi是线路i的加权因子反映了每条线路的相对重要性，可根据工程经验来确定；nl是系统中的输电线路数，m是重要度指标i
tra
的整数指数。
[0090]
2)考虑故障概率的输电线路重要度指标：
[0091]
考虑故障概率的输电线指标将输电线路的故障概率纳入分析，量化输电线路故障概率与承载有功功率对于潮流的影响。假定系统中有nl个输电线路。考虑故障概率的输电线指标可以表达为：
[0092][0093]
式中，pc是nd个输电线路出现故障的概率(nd＝1，2，
…
，n
l
)，计算公式如下：
[0094][0095]
式中，i为发生故障的输电线路编号，j为没有发生故障的线路编号，ui和uj为输电线路的强迫停运率。
[0096]
对给定的运行场景分别计算上述两个重要度指标。考虑到聚类后选择的所有运行场景，可通过以下公式计算系统状态的综合重要度指标r，如下式所示：
[0097][0098]
式中，i
l
是运行场景l的重要度指标(包括考虑有功潮流的输电线路重要度指标和考虑故障状态概率的输电线路重要度指标)，p
l
是运行场景l的概率，ns为聚类后选择的系统运行场景个数。可根据综合重要度指标r的值由大到小排序，以不同的优先级确定关键输电线路状态。
[0099]
步骤s102，利用枚举法，基于所述系统参数，枚举所述电力系统在每个关键输电线路状态指标下的系统运行状态，所述系统运行状态包括发电机组状态和负荷状态。
[0100]
在本步骤中，利用枚举法，对电力系统在关键输电线路状态下的系统运行状态进行枚举。
[0101]
步骤s103，利用基于多参数线性规划mplp的直流最优潮流模型，计算所述电力系统在每个所述系统运行状态下的削负荷量和的系统状态概率。
[0102]
在本步骤中，系统状态分析计算复杂度高的主要原因是需要进行最优潮流(optimal power flow，opf)计算，而最优潮流是一个具备指数复杂度的优化问题。为了降低系统状态分析的计算复杂度，基于最优潮流模型与mplp模型的相似性，本实施例将最优潮流模型改写为mplp模型，进而在一定情况下可以通过线性计算得到最优潮流的解。
[0103]
在一些实施例中，所述步骤s103，包括：
[0104]
对于每个系统运行状态，基于所述电力系统在所述系统运行状态下的发电机状态向量和负荷向量，构建mplp的参数向量；
[0105]
利用所述直流最优潮流模型，根据所述参数向量，计算所述电力系统在所述系统运行状态下的削负荷量和的系统状态概率。
[0106]
在本实施例中，mplp问题可以用下面的表达式来描述：
[0107]
min z＝cx；
[0108][0109]
其中，z为目标函数，x为决策变量，c是常数系数。约束条件中，a1和a2是常系数矩阵，θ为参数向量；b2和δb2为线性约束右半部分的不确定性，它们可以用e1θ和e2θ表示。
[0110]
当参数向量θ变化时，线性约束的右侧公式部分发生变化，最优值z
*
(θ)和最优解x
*
(θ)也会相应变化，当θ在一定范围内变化时，记作最优解x
*
(θ)的变化与θ的变化存在着明显的线性关系：其中a，b是与θ相关的线性参数。本实施例将该变化范围称为临界区域，临界区域内的线性关系称为映射关系，如图2是以二维参数向量θ＝(θ
x
,θy))为例的临界区域示意图。
[0111]
在mplp模型中，对于约束f(x)≤0，如果最优解x
*
满足f(x
*
)＝0，则称约束f(x)为“强约束”；否则，它就是一个“弱约束”。假设mplp问题既不是原始退化也不是对偶退化，则定义最优解具有相同强弱约束的所有参数的集合构成一个临界区域θ。
[0112]
对于每个参数θ及其对应的最优解x
*
(θ)，我们将约束分为两部分：包含强约束包含弱约束当且仅当参数θ1和θ2的和相等时，它们在同一临界区域θ。
[0113]
例如，对于给定参数θ0和对应的最优解x
*
(θ)，设为为强约束，为弱约束。则包含给定参数θ0的临界区域θ0的计算公式如下：
[0114][0115]
对于任意θ∈θ0，可以直接由下式的映射关系求出最优解：
[0116][0117]
直流最优潮流模型是一个线性规划问题，如下式所示：
[0118]
min z＝c
tdd
；
[0119][0120]
该模型的目标函数是使系统削负荷量最小，决策变量是节点削负荷量dd，c是一个常向量，其元素表示每个节点的权重。约束条件包含功率平衡约束、输电线路容量约束和节点削负荷约束。其中，p表示节点净注入有功功率；f的元素表示每支路的有功功率；g为代换分布因子(gsdf)矩阵，反映了节点净注入有功功率和支路有功功率之间的关系；c为发电机－节点连接矩阵：如果发电机k连接到节点i，则c(k,i)＝1，否则，c(k,i)＝0；d的元素表
示每个节点的负荷需求。pg的元素是发电机的输出功率，是发电机的额定功率。f
min
和f
max
表示每条输电线路上的有功潮流上下限。
[0121]
基于上述基本原理，本方法可以将最优潮流模型进行重构，改写为mplp模型，具体步骤如下：
[0122]
1.分别从目标函数和约束条件入手对直流最优潮流模型进行重构。对于目标函数中，决策变量选择为dd和p。为了满足mplp问题既不是原始退化也不是对偶退化这一假设，向目标函数中添加向量c1和c2，定义这两个向量的第i个分量为c1(i)＝n+i，c2(i)＝i，其中n是一个远大于i的数。改进后的直流最优潮流模型可以视为是一个mplp问题。如下式所示：
[0123]
min z＝c
1tdd
+c
2t
p；
[0124][0125]
2.将直流最优潮流模型改写为mplp模型的矩阵形式。为了考虑发电机的故障和负荷的变化，选取发电机状态向量sg和负荷向量d来构造mplp问题的参数向量θ0。与上述标准mplp形式相比，将直流最优潮流模型表示为矩阵形式，表达式如下所示：
[0126][0127][0128]
其中，dd为电力系统中节点d的削负荷量，p为节点d的净注入有功功率，为第一预设向量的转置向量，为第二预设向量的转置向量，θ为所述参数向量，g为代换分布因子矩阵，i为单位矩阵，f
max
为电力系统中输电线路上的有功潮流上限值，f
min
为电力系统中输电线路上的有功潮流下限值，m为发电机有功出力矩阵，sg为发电机状态向量，d为负荷向量，c为发电机与节点之间连接矩阵，p
gmax
为发电机额定功率，diag表示矩阵对角化算子。
[0129]
在一些实施例中，若所述参数向量在mplp的已知临界区域，利用映射关系计算所述参数向量对应的最优解，所述最优解包含削负荷量和的系统状态概率。
[0130]
在本实施例中，在直流最优潮流模型的矩阵形式中，决策变量x由dd和p组成。在同一输电线路状态下，矩阵g是常系数矩阵，符合标准mplp问题的要求，当机组故障状态或者
负荷状态发生变化导致参数θ变化时，最优解x也可能会相应调整。根据mplp的临界区域，如果θ在一个已知的临界区域θ内，则最优解x
*
(θ)可以利用映射关系来计算，而不用求解直流最优潮流问题，可以节省大量的计算时间。
[0131]
可选地，为了快速生成mplp中的临界区域，采用动态搜索算法进行生成，具体如下：
[0132]
1.首先引入一个集合φ，该集合就是包含参数θ所有临界区域的超空间，开始时集合φ为空；
[0133]
2.输入一个初始采样的参数θ0，求解一个一般的直流最优潮流问题，计算出包含θ0的临界区域φ0，将φ0加入到集合φ中；
[0134]
3.对每一个采样的参数θi，遍历集合φ，判断该参数是否属于参数空间中的已知临界区域；
[0135]
4.假如参数θi属于已知临界区域φk，则利用映射关系可以直接计算出该参数对应的最优解x
*
(θi)；
[0136]
5.假如不属于任何已知临界区域，则求解一般的直流最优潮流，生成包含θi的新的临界区域φi，并将其增加到集合φ中。
[0137]
6.重复步骤3至步骤5，按照此逻辑，对所有参数θ进行搜索，不断扩展参数空间包含的临界区域。
[0138]
步骤s104，根据所述削负荷量和所述系统状态概率，评估所述电力系统的可靠性。
[0139]
在本步骤中，通过考虑输电线路重要度指标来缩减系统状态数量、通过mplp方法来降低系统状态分析复杂度，从而提升可靠性评估效率。在可靠性评估过程中选取了系统失负荷概率(loss of load probability，lolp)和系统电量不足期望(expected energy not supplied，eens)刻画系统的可靠性水平。失负荷概率lolp表示平均每年缺电概率，其可以基于系统状态概率统计得到；电量不足期望eens表示平均每年缺多少度电，其可以基于削负荷量统计得到。
[0140]
作为示例而非限定，将本技术提出的方法应用于rbts、ieee－rts 79和ieee－rts 96可靠性测试系统进行测试，具体执行过程如下：
[0141]
第一步，设置相关参数。所有示例均在配置了3.10ghz intel core i5－10500c处理器和16gb ram的台式计算机上进行。将本技术所提算法与传统枚举法、非序贯蒙特卡洛法进行对比，相关参数设置如下。
[0142]
1)本技术所提方法：在状态生成环节，关键输电线路状态基于输电线路重要度指标生成，发电机组状态枚举到3阶，负荷状态为峰值负荷。在状态分析环节，将最优潮流模型改写为mplp模型。
[0143]
2)枚举法：在状态生成环节，枚举发电机组0～3阶故障状态和输电线路0～3阶故障状态，负荷情况为固定峰值负荷。在状态分析环节，采用直流最优潮流模型每个状态的削负荷量。
[0144]
3)非序贯蒙特卡洛法：在状态生成环节，通过非序贯蒙特卡洛抽样生成系统状态，负荷情况为固定峰值负荷。在状态分析环节，通过直流最优潮流模型计算每个系统状态下的削负荷量，采用lolp指标的方差系数β作为计算精度的评价标准，置信水平设置为α＝0.95，评估结果的收敛条件设置为β≤1％。
[0145]
第二步，rbts系统分析。rbts系统包含6个节点、9条输电线路和11台发电机，总装机容量为240mw，峰值负荷为185mw。
[0146]
基于枚举法、非序贯蒙特卡洛法和本技术所提方法的可靠性评估效率如下表所示：
[0147][0148]
在上表中，本技术所提方法与枚举法的可靠性评估结果相比，误差在1％以内，但本技术所提方法只需11.47s就能收敛，是枚举法所需时间的9％，是非序贯蒙特卡洛方法所需时间的0.2％。由此可见，本技术所提方法能显著提高可靠性评估效率。这可以从状态生成环节进行解释。由上表知，本技术提出的方法只考虑5336个系统状态，而枚举法需要考虑30160个系统状态、非序贯蒙特卡洛方法则需要1011999个系统状态。本技术基于关键线路状态生成方法将系统状态采样数减少了82.3％，可靠性评估效率提升了10.8倍，评估精度误差小于1％。而传统非序贯蒙特卡洛方法在rbts系统中因收敛效果差，导致实际采样数庞大，计算时间长，评估精度低。
[0149]
第三步，ieee－rts 79系统分析。ieee－rts 79系统包含24个节点、38条输电线路和32台发电机，总装机容量为3405mw，峰值负荷为2850mw。
[0150]
基于枚举法、非序贯蒙特卡洛法和本技术所提方法的可靠性评估效率如下表所示。
[0151][0152]
在上表中，本技术所提方法与枚举法的可靠性评估结果相比，系统失负荷概率的绝对误差为0.0001，相对误差为0.1％，系统电量不足期望的绝对误差为971mwh/a，相对误差为0.7％。本技术所提方法能够保证可靠性评估误差在1％以内。此外，本技术所提方法只需11.47s就能收敛，是枚举法所需时间的9％，是非序贯蒙特卡洛方法所需时间的0.2％。由此可见，本技术所提方法能显著提高可靠性评估效率。这主要是由于系统状态数量的减少以及系统状态分析复杂度的降低导致的。与枚举法相比，本技术所提方法所需分析的系统状态数减少了99.7％。与非序贯蒙特卡洛法相比，本技术所提方法所需分析的系统状态数虽然多了56448个，但所需可靠性评估时间只是其3.9％。这是因为本技术所提的基于mplp的系统状态分析方法可以避免海量最优潮流计算，因此在计算效率上有着大幅提升。
[0153]
第三步，ieee－rts 96系统分析。ieee－rts 96系统包含73个节点、120条输电线路和99台发电机，总装机容量为10215mw，峰值负荷为8550mw。
[0154]
基于枚举法、非序贯蒙特卡洛法和本技术所提方法的可靠性评估效率如下表所
示。
[0155][0156]
由上表可见，与枚举法相比，本技术所提方法将系统状态采样数减少了99.992％，评估精度误差小于1％。与非序贯蒙特卡洛法相比，本技术所提方法的可靠性评估效率提升了42.2倍。在ieee－rts 96系统中，本技术提出的方法实际采样数远大于非序贯蒙特卡洛法，但计算效率却有着更为显著的提升，这是因为随着系统增大，越来越多的系统状态可以利用mplp方法中的映射关系求解，避免了长时间的最优潮流计算，极大的提升了可靠性评估的效率。
[0157]
本技术从缩减系统状态数量入手，基于输电线路重要度指标生成关键系统状态。另一方面，为了降低系统状态分析的复杂度，本技术将最优潮流模型改写为多参数线性规划方法，在一定条件下可以通过线性运算来求取最优潮流的解。基于rbts、ieee－rts 79和ieee－rts 96三个标准测试系统的算例表明，与枚举法和非序贯蒙特卡洛法进行对比，本技术所提方法能够在可靠性评估误差1％内将可靠性评估效率提升10至40倍，且随着系统的增大，可靠性评估效率提升的效果越好。这充分验证了本技术所提方法的有效性和优越性。
[0158]
为了执行上述方法实施例对应的新能源电力系统的快速可靠性评估方法，以实现相应的功能和技术效果。参见图3，图3示出了本技术实施例提供的一种新能源电力系统的快速可靠性评估装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本技术实施例提供的新能源电力系统的快速可靠性评估装置，包括：
[0159]
获取模块301，用于获取电力系统的实时系统参数和关键输电线路状态指标；
[0160]
枚举模块302，用于利用枚举法，基于所述系统参数，枚举所述电力系统在每个关键输电线路状态指标下的系统运行状态，所述系统运行状态包括发电机组状态和负荷状态；
[0161]
计算模块303，用于利用基于多参数线性规划mplp的直流最优潮流模型，计算所述电力系统在每个所述系统运行状态下的削负荷量和的系统状态概率；
[0162]
评估模块304，用于根据所述削负荷量和所述系统状态概率，评估所述电力系统的可靠性。
[0163]
在一些实施例中，所述利用基于多参数线性规划mplp的直流最优潮流模型，计算所述电力系统在每个所述系统运行状态下的削负荷量和的系统状态概率，包括：
[0164]
对于每个系统运行状态，基于所述电力系统在所述系统运行状态下的发电机状态向量和负荷向量，构建mplp的参数向量；
[0165]
利用所述直流最优潮流模型，根据所述参数向量，计算所述电力系统在所述系统运行状态下的削负荷量和的系统状态概率。
[0166]
在一些实施例中，所述直流最优潮流模型的矩阵形式为：
[0167][0168][0169]
其中，dd为电力系统中节点d的削负荷量，p为节点d的净注入有功功率，为第一预设向量的转置向量，为第二预设向量的转置向量，θ为所述参数向量，g为代换分布因子矩阵，i为单位矩阵，f
max
为电力系统中输电线路上的有功潮流上限值，f
min
为电力系统中输电线路上的有功潮流下限值，m为发电机有功出力矩阵，sg为发电机状态向量，d为负荷向量，c为发电机与节点之间连接矩阵，p
gmax
为发电机额定功率，diag表示矩阵对角化算子。
[0170]
在一些实施例中，若所述参数向量在mplp的已知临界区域，利用映射关系计算所述参数向量对应的最优解，所述最优解包含削负荷量和的系统状态概率。
[0171]
在一些实施例中，所述获取电力系统的实时系统参数和关键输电线路状态指标之前，还包括：
[0172]
获取所述电力系统的历史出力数据和历史负荷数据；
[0173]
根据所述历史出力数据和所述历史负荷数据，确定所述电力系统的多个运行场景的发生概率；
[0174]
枚举每个所述运行场景的输电线路状态；
[0175]
基于多个所述运行场景的发生概率，计算每种所述输电线路状态的综合重要度；
[0176]
根据所述综合重要度的排序结果，确定目标重要度对应的目标输电线路状态，所述目标输电线路状态作为所述关键输电线路状态指标。
[0177]
在一些实施例中，所述根据所述历史出力数据和所述历史负荷数据，确定所述电力系统的多个运行场景的发生概率，包括：
[0178]
对所述历史出力数据和所述历史负荷数据进行聚类，得到多个运行场景的聚类结果；
[0179]
对于每个所述运行场景，利用预设概率计算公式，根据所述聚类结果，计算所述运行场景的发生概率，所述预设概率计算公式为：
[0180]
p
l
＝n
l
/n；
[0181]
其中，p
l
为第l个运行场景的发生概率，n
l
为第l个运行场景聚类到的历史出力数据和历史负荷数据，n为所有参与聚类的历史出力数据和历史负荷数据。
[0182]
在一些实施例中，所述基于多个所述运行场景的发生概率，计算每种所述输电线
路状态的综合重要度，包括：
[0183]
对于每种所述输电线路状态，利用预设重要度计算公式，计算所述输电线路状态的综合重要度，所述预设重要度计算公式为：
[0184][0185]
r为所述输电线路状态的发生概率，p
l
为第l个运行场景的发生概率，i
l
为第l个运行场景的重要度指标，所述重要度指标为考虑了有功潮流和故障状态概率的重要度指标，ns为运行场景数量。
[0186]
上述的新能源电力系统的快速可靠性评估装置可实施上述方法实施例的新能源电力系统的快速可靠性评估方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本技术实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
[0187]
图4为本技术一实施例提供的计算机设备的结构示意图。如图4所示，该实施例的计算机设备4包括：至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42，所述处理器40执行所述计算机程序42时实现上述任意方法实施例中的步骤。
[0188]
所述计算机设备4可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器40、存储器41。本领域技术人员可以理解，图4仅仅是计算机设备4的举例，并不构成对计算机设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0189]
所称处理器40可以是中央处理单元(central processing unit，cpu)，该处理器40还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0190]
所述存储器41在一些实施例中可以是所述计算机设备4的内部存储单元，例如计算机设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述计算机设备4的外部存储设备，例如所述计算机设备4上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
[0191]
另外，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
[0192]
本技术实施例提供了一种计算机程序产品，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现上述各个方法实施例中的步骤。
[0193]
在本技术所提供的几个实施例中，可以理解的是，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
[0194]
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read－only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0195]
以上所述的具体实施例，对本技术的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本技术的具体实施例而已，并不用于限定本技术的保护范围。特别指出，对于本领域技术人员来说，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。