[发明专利]一种基于概率论的微电网脆弱性评估方法及装置

权利要求书

1.一种基于概率论的微电网脆弱性评估方法，其特征在于，所述方法包括：

确定未来时间段的微电网预测数据，根据微电网预测数据分析微电网电压分布；

将所述电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态；

当微电网处于预测故障状态时，通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布；

根据所述概率分布定义微电网各项风险指标，利用所述风险指标评价系统的综合脆弱性。

2.根据权利要求1所述的方法，其特征在于，所述确定未来时间段的微电网预测数据包括：

基于预测对象的数值气象预报，在微电网原始数据中分别选取M₁个负荷相似日和M₂个光伏出力相似日，采用负荷求导法根据当前时刻M₁个负荷相似日的负荷变换率与M₂个光伏出力相似日的光伏出力变化率的平均值，计算下一时刻光伏出力与负荷的预测值，并基于BP神经网络预测风机出力；其中，

所述微电网原始数据，包括微电源、负荷、变压器三相功率和线路三相阻抗；

所述预测对象，包括微电网负荷、光伏出力和风机出力。

3.根据权利要求2所述的方法，其特征在于，通过下式确定当前时刻M₁个负荷相似日的负荷变换率平均值ΔP_l(i)：

通过下式确定当前时刻M₂个光伏出力相似日的光伏出力变化率平均值ΔP_p(i)：

式中，P′_l，k(i)和P′_p，k(i)分别为负荷与光伏出力在第k个相似日i时刻的变化率，P_p(i)和P_l(i)分别为i时刻光伏出力与负荷的预测值，i表示当前时刻。

4.根据权利要求2所述的方法，其特征在于，通过下式确定下一时刻光伏出力与负荷的预测值：

P_l(i+1)＝P_l(i)+ΔP_l(i)

P_p(i+1)＝P_p(i)+ΔP_p(i)

式中，P_p(i+1)和P_l(i+1)分别表示i+1时刻光伏出力与负荷的预测值。

5.根据权利要求2所述的方法，其特征在于，所述采用BP神经网络预测风机出力包括：将实测气象信息及其对应的风机输出功率作为测试样本，输入预先构建的BP神经网络出力预测模型中，输出风机出力预测值；其中，

所述气象信息包括风速和风向。

6.根据权利要求1所述的方法，其特征在于，所述将电压分布与微电网各节点电压的预设阈值进行比较，判断微电网状态包括：若实测电压分布值大于微电网各节点电压的预设阈值，所述微电网处于预测故障状态，否则为正常运行状态；其中，

所述预测故障状态，包括光伏停运、支路断开，以及光伏停运微型燃气轮机运行中的一种或多种。

7.根据权利要求1所述的方法，其特征在于，所述通过对预先定义的概率潮流模型求解获得微电网潮流解的概率分布包括：

采用基于不动点迭代的分相潮流计算方法，通过蒙特卡罗计算微电网概率潮流，生成服从正态分布的均值和标准差参数的随机变量，获得潮流解的概率分布。

8.根据权利要求7所述的方法，其特征在于，通过下式确定服从正态分布的均值和标准差参数的随机变量：

式中，和分别为微电网的负荷、光伏与风机出力的均值，σ表示风速和风力变化的标准差。