[发明专利]一种高比例可再生能源接入下的电网脆弱性评估方法

说明书

本发明公开了一种高比例可再生能源接入下的电网脆弱性评估方法，借助多场景技术，采用模糊C均值聚类算法，对目标地区电网高比例可再生能源出力数据聚类，得到高比例可再生能源出力的多场景时序分布模型；在各典型场景下运用基于DEAHP的脆弱性指标体系对元件脆弱性进行评估，得到随可再生能源出力变化而变化的脆弱性时序评估指标，从而反应节点脆弱特性的波动程度和实时运行状况。引入加权熵的思想，利用时序加权向量将各时间断面的静态评估模型线性加权集结，以综合考虑所有典型时序场景下节点脆弱性的波动特性和均衡程度。实现典型场景概率性与脆弱性评估时序性的结合，静动态综合地评估网络中各节点的脆弱性，使得评估结果更加符合电网运行实际。

技术领域

本发明涉及电力系统领域，它特别涉及一种高比例可再生能源接入下的电网脆弱性评估方法及设备。

背景技术

风电和光伏是当前技术最成熟的可再生能源发电技术，但这两类电源都具有很强的波动性、随机性，并且不可存储、不易控制，在不同时间尺度、不同空间范围，呈现不同的波动特性。这些不利因素可能会导致可再生能源并网后对电能质量水平、输电充裕度和供电持续性都产生不利影响，大大增加了电网安全稳定运行的风险。同时，电网在接纳高比例可再生能源时，由于其间歇性和随机性的运行特点、不稳定的输出特性及不可控的源动力，使电网在结构和运行上不可避免地会出现某些难以预料的脆弱特性：一方面导致电网原有拓扑结构发生改变，出现承担重要传输与外送任务的高度数节点和重负荷线路，成为了网络易受威胁的新脆弱源；另一方面，高渗透率新能源功率外送势必加重电网消纳压力，为了维持全网功率平衡，网络潮流分布、电压状态相继发生改变，若此时系统元件较为脆弱，新能源并网的随机性和波动性将加剧这种脆弱。因此，对新能源接入地区电网进行脆弱性评估，最终识别其脆弱节点值得深入研究。

脆弱性评估是对系统及其组成要素的结构、功能进行分析，评估系统自身对不利扰动的抵抗能力和恢复到初始状态的能力以及外部扰动与内部失谐对系统可能造成的影响程度。脆弱性评估分析能全面反映出系统安全裕度与系统参数变化带来的变化趋势，可弥补传统电网安全评估技术的不足。近年来，电网脆弱性是与电力系统安全性、稳定性、充裕性等概念既有交叉研究，又各具鲜明特点的理论研究新视角，一直是学术界关注的热点，但目前尚未形成公认的定义和评估技术。

现有研究中，根据侧重点的不同，可将电网脆弱性评估技术分为两类：一类侧重于脆弱性产生原因分析，通常指扰动影响下电网传输能力不断弱化的特性；电力系统承受干扰或故障后维持正常运行的能力；另一类侧重于后果评估，通常指网络中有选择地移去某个节点或某条支路，导致网络性能因此而下降的程度；系统因人为干预、内部故障等因素而潜伏着大停电事故的危险状态等。可见，传统技术均是从某一个角度来评估脆弱性，如研究系统状态量变化对节点状态的影响(表明的是系统对于节点的影响)，抑或是研究节点发生单位负荷变化对系统拓扑结构完整性及系统性能的影响(表明的是节点对系统的影响)，均不够完整。

发明内容

针对现有电网脆弱性评估技术存在评估角度单一，以及高比例可再生能源接入给电网现有脆弱性评估指标带来的影响，本发明提出一种高比例可再生能源接入下的电网脆弱性评估方法及设备。本发明从元件影响力和抗干扰能力的双向角度建立带有不确定测度的脆弱性评估指标集，用以进行系统脆弱性评估；在此基础上，本发明还针对高比例可再生能源并网对电网原有的网络拓扑和潮流分布特性的改变，基于DEAHP(data envelopmentanalysis model with analytic hierarchy process restraint cone，DEAHP)和多场景技术的电网脆弱元件识别技术。

一种高比例可再生能源接入下的电网脆弱性评估方法，包括步骤：

S100借助多场景技术中的场景缩减技术，采用模糊C均值聚类算法，对目标地区电网高比例可再生能源出力数据聚类，得到高比例可再生能源出力的多场景时序分布模型；