多因素驅動下電力系統風險傳遞模型構建

　　摘 要： 為了提高電力系統風險評估能力，提出基于多因素驅動的電力系統風險傳遞模型。構建電力系統風險的多層次參數約束模型，采用多因素特征重建的方法進行電力系統風險信息采樣，構建電力系統風險評估的統計變量分析模型。以電壓因素、電能質量因素和功率因素進行多因素驅動，以電力系統的輸出穩定性、環境相關性的因素為約束指標，進行電力系統風險評估的統計決策模型分析，提取電力系統風險因素的模糊相關性統計特征量。采用自適應尋優算法進行多因素下的電力系統風險預測評估，根據風險的聚類分布性能，進行電力系統風險傳遞模型優化設計。仿真結果表明，采用該方法進行電力系統風險評估的準確性較高，風險傳遞達到最低，提高了電力系統風險的管控能力。

　　關鍵詞： 電力系統; 風險傳遞; 多因素驅動; 模型優化; 風險評估; 仿真分析

　　0 引 言

　　隨著電力系統規模越來越大，需要進行電力系統風險評估，相關的電力系統風險傳遞模型設計方法研究受到極大關注[1]。因此，本文提出基于多因素驅動的電力系統風險傳遞模型，首先構建電力系統風險因素的特征關聯分布模型。結合統計分析和大數據分析方法，進行多因素驅動下電力系統風險傳遞模型構建，并結合仿真實驗分析進行模型仿真分析，得出有效性結論。

　　1 電力系統風險的多層次參數約束模型

　　1.1 電力系統風險相關因素分析

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

　　根據圖1，進行電力系統風險評估的概率分布函數為[P(ni)={pk|prkj=1，k=1，2，…，m}]，以上游電源電壓、兩極線路參數作為驅動因子，進行風險評估的模糊度特征篩選[4]，關聯特征分布集合為：

　　根據電力系統直流電壓的零頻特性[5]，采用模糊關聯規則調度方法，進行電力系統風險因素的量化回歸分析，回歸分析模型為：

　　式中：p為電力系統風險評估篩選控制的節點個數;[n(t)]為干擾項。構建電力系統風險評估統計大數據識別的模糊隸屬函數為：

　　式中：[R(n)s]表示電力系統風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;[R(k+1)s]為電力系統風險傳遞的迭代層數。采用多因素特征重建的方法進行電力系統風險信息采樣[6]，得到電力系統風險評估的模糊分解式為：

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

　　1.2 電力系統風險參數計算

　　建立電力系統風險特征分析模型[8]，得到電力系統風險評估的有限數據集：

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

　　分析交直流變化下電力系統的輸出差異性，采用差異性融合的方法[9]進行風險因素傳遞的參數分析，以電力系統的輸出穩定性、環境相關性的因素為約束指標[10]，進行電力系統風險評估的統計決策模型分析，得到參數計算公式為：

　　根據參數計算結果，進行電力系統風險特征提取和融合調度，提高風險傳遞和評估能力[11]。

　　2 電力系統風險傳遞模型優化

　　2.1 多因素驅動模型

　　在上述基礎上，采用多因素特征重建的方法進行電力系統風險信息采樣，分析不同工況下電力系統的存在風險[12]，分析風險預測的偏差百分數，得到電力系統風險傳遞的多因素驅動模型為：

　　式中：電力系統風險驅動的預測載荷為[Mh];[w1]，[w2]，[w3]分別表示電壓因素、電能質量因素和功率因素等不同風險因素驅動的加權系數[13]。

　　2.2 風險傳遞和評估

　　根據風險的聚類分布性能，進行電力系統風險傳遞模型優化設計[14]，得到電力系統風險傳遞的自適應尋優更新規則如下：

　　其中：

　　式中：[λ]為電力系統風險聚類因子;[Fμ]為電力系統風險傳遞的統計特征分量[15]。根據以上算法設計，實現電力系統風險評估和傳遞設計，實現流程如圖2所示。

　　3 仿真實驗分析

　　仿真實驗中，對電力系統風險因素的數據采樣長度為1 024，電力系統直流數據中心為240～336 V，配電電壓等級為±10，±20，±35，風險傳遞的偏差限值為-15～5，風險決策的模糊度系數為0.34，測試樣本集規模為1 000。描述性統計分析結果見表1。

　　根據上述仿真環境和參數設定，進行電力系統風險傳遞分析得知，本文方法進行電力系統風險評估的置信度水平較高。測試風險傳遞概率如圖3所示。分析圖3得知，本文模型能有效控制電力系統風險。

　　4 結 語

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

　　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].武漢大學學報，2019，52(6)：536?543.

　　[2] 陳謙，張文濤，陳博，等.考慮電網絡影響的水火電力系統短期優化調度[J].水電能源科學，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電機組局部放電狀態評估[J].西安理工大學學報，2017，33(2)：187?192.

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

　　[5] 葉晨，崔雙喜，王維慶.含風電的電力系統概率潮流計算[J].電網與清潔能源，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電壓狀態評估[J].電力系統保護與控制，2019，47(2)：129?136.

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

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

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

　　[13] 賈亦敏，史麗萍，嚴鑫.改進人工魚群算法優化小波神經網絡的變壓器故障診斷[J].河南理工大學學報(自然科學版)，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：電力建設期刊發表論文級別