[发明专利]一种电力系统Well-being的评估方法及装置

说明书

本发明公开了一种电力系统Well‑being的评估方法及装置，所述方法包括：迭代计算出针对风险指标P_R的元件失效的最优分布参数v_R；迭代计算出针对临界指标P_M的元件失效的最优分布参数v_M；设置权重α，计算综合最优分布参数v＝α×v_M+(1‑α)×v_R；基于所述综合最优分布参数v抽取元件状态，计算出电力系统的Well‑being指标，完成电力系统的Well‑being评估。本发明通过采用综合最优分布参数进行元件状态抽样，保证了多指标均能满足收敛要求，进一步提高了电力系统Well‑being评估的计算效率。

技术领域

本发明属于电力系统分析技术领域，具体涉及一种电力系统Well-being的评估方法及装置。

背景技术

加拿大著名学者Billinton于1994年提出了Well-being模型，该模型在电力系统概率评估的基础上，通过引入N-1准则将电力系统运行状态划分为健康、临界和风险三种状态。Well-being模型的建立，架起了确定性方法和概率性方法的桥梁，对电力系统的规划和运营具有重要意义。同概率评估方法相比，Well-being评估同样需要计算风险概率(probability of risk，P_R)和期望缺供电量(expected energy not supplied，EENS)，还需要通过N-1准则计算临界概率(probability of margin，P_M)。蒙特卡洛模拟(montecarlo simulation，MCS)在电力系统Well-being评估中得到了较多应用，然而MCS存在计算精度与计算速度的矛盾，因此有必要研究基于改进MCS的电力系统Well-being评估方法。

方差减小技术能够有效的提高稀有事件的抽样概率，从而克服MCS收敛速度过慢的问题。在方差减小技术中，交叉熵算法(cross entropy method，CEM)能够根据目标指标的收敛特性计算合适的抽样概率密度函数，使目标指标出现的概率大幅增加，因此在电力系统可靠性评估中得到大量应用。然而，在将CEM应用到系统Well-being评估时，发现可能存在临界指标P_M和风险指标P_R收敛速度差异较大的现象，风险指标P_R的收敛并不能保证临界指标P_M也达到收敛要求。由此可见，有必要进一步研究适用于电力系统Well-being评估的改进交叉熵方法。

发明内容

针对上述问题，本发明提出一种电力系统Well-being的评估方法及装置，通过采用综合最优分布参数进行元件状态抽样，保证了多指标均能满足收敛要求，进一步提高了电力系统Well-being评估的计算效率。

为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

第一方面，本发明提供了一种电力系统Well-being的评估方法，包括：

迭代计算出针对风险指标P_R的元件失效的最优分布参数v_R；

迭代计算出针对临界指标P_M的元件失效的最优分布参数v_M；

设置权重α，计算综合最优分布参数v＝α×v_M+(1-α)×v_R；

基于所述综合最优分布参数v抽取元件状态，计算出电力系统的Well-being指标，完成电力系统的Well-being评估。

可选地，所述最优分布参数v_R的计算方法包括以下步骤：