考虑极端天气事件的电力系统韧性提升方法和系统

本发明涉及电力系统韧性提升，具体涉及一种考虑极端天气事件的电力系统韧性提升方法和系统。

背景技术：

1、台风、暴雪、冰雹等极端天气事件会对电力系统安全稳定运行带来严峻挑战。由于这些事件高影响低概率(high impact low probability,hilp)的固有性质，不仅会导致电网故障，还会给经济和社会带来巨大损失。所以，确定hilp事件对电力系统带来的影响是一项非常重要和紧急的任务。传统的可靠性方法只评估低影响高概率事件下电力系统为所有连接负载供电的性能，不考虑事件的起源，也不将事件导致电力系统的脆弱性归因于hilp事件。电力系统韧性评估方法则侧重在hilp事件下电力系统吸收、抵抗和恢复能力的评估，这对减轻极端天气灾害等事件对电力系统造成的破坏性影响有重要意义。

2、极端天气事件发生之前，通过加固电力基础设施，并提前采取以韧性为导向的预防计划，可以增强电力系统对天气灾害的抵御能力。在极端天气事件发生期间，则需要考虑气象要素与电力系统故障率之间的关系。由于大多数天气灾害的过程和状态是动态的，在天气灾害的轨迹区域，对电力系统影响的强度随时间和地理变化。因此，应将天气事件视为一个动态过程对多状态的电力系统进行韧性仿真模拟分析。在极端天气事件发生后，响应恢复措施可以帮助电力系统尽快恢复到正常状态。同时，为了避免极端天气导致的潜在级联故障，应在极端天气发生期间更加关注有针对性的电力系统韧性提升方法。

3、考虑极端天气事件的电力系统韧性提升是指通过识别极端天气事件引起的输电线路过载以及触发的级联故障程序，引入时间维度过程约束来描述极端天气事件与电力系统故障之间的相关性，进而做出最优决策(包括发电调度和减载)，以提高电力系统对极端天气事件以及其所导致的级联故障的抵御能力，并提升极端天气事件下电力系统的韧性。

4、现有关于电力系统应对极端天气事件的技术方案中，更多的集中在极端天气事件直接导致的停电上，而很少涉及天气灾害引发的级联故障，忽略了其中的动态过程以及极端天气事件对电力系统故障点所产生的连锁反应等问题。同时，在评估hilp事件对系统韧性影响时，更多的涉及单一强度范围内系统应对hilp事件的能力，并不能全面反映系统的整体韧性。

5、此外，极端天气事件影响下的电力系统韧性评估很少从风险评估度量角度出发建模，未将最坏故障情景的风险厌恶情绪纳入韧性评估的目标函数中，未考虑决策者面对最坏情况的风险承担水平，缺少体现电力系统韧性的全方位综合分析，达不到使电力系统韧性最优的目的。

技术实现思路

1、针对现有技术的不足，本发明提供了一种考虑极端天气事件的电力系统韧性提升方法和系统，解决了极端天气事件发生时电力系统抵御能力差韧性不佳的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、一种考虑极端天气事件的电力系统韧性提升方法，所述方法包括步骤如下：

4、s1、基于区域电网风速剖面和停电数据，引入极端事件-级联故障双时间维度过程约束，构建极端天气事件-级联故障-电力系统中断三者间的概率模型；

5、s2、采用蒙特卡洛方法模拟风速和级联故障在内的电力系统中断过程并生成故障情景，利用k-means聚类算法约简优化极端天气事件影响下的电力系统中断情景；

6、s3、结合生成的故障场景，使用基于目标函数期望值的cvar指数对电力系统韧性进行评估；

7、s4、基于得到的电力系统韧性水平，结合风速-级联故障-电力系统中断概率模型对应的混合整数线性规划得到的最优解，选择提升韧性的最佳配置计划。

8、优选的，所述s1包括步骤如下：

9、s1.1、构建极端天气事件对电力系统产生影响的基础模型

10、

11、其中，λ[w(t)]表示风速为w(t)时电力系统的中断概率；

12、λn表示正常天气下电力系统的中断概率；

13、α表示比例因子；

14、w(t)表示t时刻的风速，能够从气象部门历史数据或者仿真模拟中得到；

15、wc表示临界风速；

16、s1.2、确定级联故障与电力系统中断间的概率关系

17、

18、其中，πoutagr表示线路过载导致电力系统中断的概率；

19、π0表示线路初始隐藏的中断概率；

20、pl表示单位线路流量；

21、k0表示线性函数的系数；

22、表示线路的最大功率流；

23、s1.3、构建极端天气事件-级联故障-电力系统中断三者间的概率模型。

24、优选的，所述s1.3包括步骤如下：

25、s1.3.1、识别输电线路在正常状态下和极端天气事件影响下的运行状态

26、

27、其中，表示输电线路在t时刻的运行状态，时表示输电线路在t时刻为正常运行，时表示输电线路在t时刻为中断状态；

28、表示输电线路l在t’时刻处的状态，和分别表示由极端天气和正常运行状态引起的输电线路中断状态；

29、表示线路l在t”时刻处的状态，和分别表示由级联故障和正常运行状态引起的输电线路中断状态；

30、s1.3.2、分析在极端天气事件影响下不同状态的输电线路发生中断的概率变化过程

31、随着极端天气的变化，电力系统状态以及输电线路中断概率是随时间变化的，所以电力系统由t时刻的状态转变为t’时刻的状态发生中断的概率可以表示为：

32、

33、其中，ωl,t+1表示t+1时刻可能会发生中断的线路集合，表示t时刻电力系统状态集合；

34、s1.3.3、确定极端天气事件与级联故障发生下的电力系统中断概率

35、

36、其中，和分别表示t时刻和t+1时刻输电线路的运行状态；

37、表示在t’+1时刻输电线路由极端天气引起的故障概率；

38、表示在t”+1时刻输电线路由级联故障引起的故障概率。

39、优选的，所述s2包括步骤如下：

40、s2.1、假设所有线路在飓风发生之前都已连接；

41、s2.2、线路中断的总概率由脆弱性曲线中线路故障概率及每个区域的台风发生因子确定；

42、s2.3、电力系统中的输电线路数量由随机数n表示，且n在(0,1)区间中均匀分布；

43、s2.4、基于s1得到每条输电线路的故障概率并与相应的随机数进行比较；故障概率小于相应随机数的线路会因台风而发生停电，而故障概率高于相应随机数的线路在面对台风时仍保持与电网的连接；通过将故障概率与其所有线路的相应随机数进行比较，可以生成一个场景，该场景由为所有输电线路估计的一组状态组成；

44、s2.5、当假设输电线路数量为n时，根据所有输电线路的状态，可以开发的场景数量为2n；所以通过蒙特卡洛模拟，可以随机生成有限数量场景；

45、s2.6、结合k-means聚类算法对蒙特卡洛模拟所生成的10000个电力系统故障场景进行约简，优化为50个故障场景进行分析以提高计算性能。

46、优选的，所述s3包括步骤如下：

47、s3.1、引入基于cvar的期望cens值作为评估指标对不同情景单一强度事件下的电力系统韧性进行快照韧性评估；

48、s3.2、基于快照韧性评估所得到的单一强度事件下的电力系统韧性，得到不同强度事件下电力系统的韧性图，将韧性图的平滑度作为全面的电力系统韧性评估方法。

49、优选的，所述s3.1包括步骤如下：

50、s3.1.1、基于多周期风险的scopf优化方法评估电力系统对台风的恢复能力，时间设定为24小时；根据相关原理，应使cvar下的cens值最小；

51、

52、v＝voll1·ls□1e,k,t+voll2·ls□2e,k,t

53、其中，α∈[0，1]表示决策者所承担的风险水平；

54、e表示故障场景；

55、k表示母线；

56、t表示时刻；

57、β为制定cvar的辅助变量，ψ∈(0，1)为置信水平，最坏预期的cens为(1-ω)×100％，lsh1e,k,t为在t时刻和情景e中，总线k中1级负载的减载，lsh2e,k,t为在t时刻和情景e中，总线k中2级负载的减载；

58、s3.1.2、除了通用的相关约束外，涉及cvar模型的还有以下约束条件；

59、

60、其中，ω(e)为连续非负变量；

61、β为辅助变量，其最优值等于cvar下的cens值；

62、s3.1.3、通过步骤s3.1.1和s3.1.2得到cvar下的cens值，而系统韧性与其成反比，所以得到系统韧性快照评估的指标。

63、优选的，所述s4包括步骤如下：

64、s4.1、为了构建电力系统韧性提升模型从而获得最佳结果，需要先确定线路的状态，这个过程称为最佳传输交换(ots)；本发明采用改进的ots模型来提升电力系统的韧性；由于ots模型使用较为广泛，具体求解过程不再赘述，只列出变量、目标函数以及约束供参考：

65、变量：考虑极端天气和级联故障的概率，具体可见s1；

66、目标函数：以电力系统线路中停电链和停电规模最小为目标，具体函数与s3.1.1一致；

67、约束条件：包括功率平衡约束、发电机的斜坡率约束、发电机的最小运行时间和停机时间限制、发电机输出的上限和下限、减小负载限制、电压相位角限制、线路上单位功率流量的绝对值、线路上的潮流约束、包括极端天气事件与级联故障的双时间维度过程约束等；

68、s4.2、上述模型为混合整数线性规划，可通过cplex求解器进行求解；根据以上对优化模型的约束条件实现ots优化问题，对于任何参数的选择，都可以在系统运行时间范围内获得几组最优解β，而最优解与不同的韧性级别相对应；决策者可以根据实施所提供的解决方案所产生的系统韧性性能，选择提高韧性的最佳配置计划。

69、一种考虑极端天气事件的电力系统韧性提升系统，所述提升系统包括：模型构建模块、约简优化模块、评估模块、配置模块；

70、所述模型构建模块用于基于区域电网风速剖面和停电数据，引入极端事件-级联故障双时间维度过程约束，构建极端天气事件-级联故障-电力系统中断三者间的概率模型；

71、所述约简优化模块用于采用蒙特卡洛方法模拟风速和级联故障在内的电力系统中断过程并生成故障情景，利用k-means聚类算法约简优化极端天气事件影响下的电力系统中断情景；

72、所述评估模块用于结合生成的故障场景，使用基于目标函数期望值的cvar指数对电力系统韧性进行评估；

73、所述配置模块用于基于得到的电力系统韧性水平，结合风速-级联故障-电力系统中断概率模型对应的混合整数线性规划得到的最优解，选择提升韧性的最佳配置计划。

74、本发明提供了一种考虑极端天气事件的电力系统韧性提升方法和系统。与现有技术相比，具备以下有益效果：

75、本发明中，在研究电力系统韧性时不仅考虑了极端天气事件引起的电力系统中断，还建立了极端天气与级联故障两者之间的关系；不仅用公式呈现了极端天气引发级联故障的过程和机制，还引入极端事件-级联故障双时间维度过程约束，符合当前hilp事件发生后电力系统中可能发生的级联故障这一实际；通过混合整数线性规划求解，将最优解与不同的韧性级别相对应，决策者可以根据实施所提供的解决方案所产生的系统韧性水平，选择提高韧性的最佳配置计划，从而有效缓解天气灾害期间线路过载并降低级联故障的概率，为提升电力系统的韧性的路径提供实际参考。