于 濤，刁守斌，祝永剛，安 鵬，程凱強(qiáng)

（1.濟(jì)南市規(guī)劃設(shè)計(jì)研究院，山東 濟(jì)南 250101；2.國(guó)網(wǎng)山東商河縣供電公司，山東 濟(jì)南 251600；3.國(guó)網(wǎng)山東濟(jì)南市歷城區(qū)供電公司，山東 濟(jì)南 250100；4.國(guó)網(wǎng)山東省電力公司，山東 濟(jì)南 250001；5.山東大學(xué)電氣工程學(xué)院，山東 濟(jì)南 250061）

0 引言

隨著分布式電源和多元負(fù)荷的接入，配電網(wǎng)的運(yùn)行與控制趨于復(fù)雜多樣，配電系統(tǒng)在運(yùn)行過程中面臨的風(fēng)險(xiǎn)逐漸增加。但當(dāng)前配電信息系統(tǒng)功能尚不完善，系統(tǒng)中大量原始數(shù)據(jù)對(duì)運(yùn)維調(diào)度并沒有很好地發(fā)揮作用［1］，若要宏觀把握配電網(wǎng)運(yùn)行態(tài)勢(shì)，配電網(wǎng)的態(tài)勢(shì)感知環(huán)節(jié)必不可少。

配電網(wǎng)態(tài)勢(shì)感知技術(shù)是配電網(wǎng)經(jīng)濟(jì)、可靠、安全運(yùn)行的基礎(chǔ)，完成對(duì)配電網(wǎng)運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)、分析、評(píng)估以及未來狀態(tài)的預(yù)測(cè)是智能配電網(wǎng)態(tài)勢(shì)感知的重要內(nèi)容。態(tài)勢(shì)感知技術(shù)可分為態(tài)勢(shì)覺察、態(tài)勢(shì)理解和態(tài)勢(shì)預(yù)測(cè)3 個(gè)階段，態(tài)勢(shì)覺察本質(zhì)上是監(jiān)測(cè)和獲得環(huán)境中的重要數(shù)據(jù)和關(guān)鍵要素；態(tài)勢(shì)理解是整合采集到的數(shù)據(jù)和信息，分析數(shù)據(jù)中的對(duì)象及其行為和對(duì)象間的相互關(guān)系；態(tài)勢(shì)預(yù)測(cè)是在覺察和理解的基礎(chǔ)上進(jìn)一步處理獲得的數(shù)據(jù)信息，預(yù)測(cè)判斷未來的變化趨勢(shì)［2］。文獻(xiàn)［3］從宏觀技術(shù)層面分析和闡述了智能配電網(wǎng)態(tài)勢(shì)感知的內(nèi)涵、架構(gòu)和關(guān)鍵技術(shù)等，為國(guó)內(nèi)配電網(wǎng)態(tài)勢(shì)感知的研究指明了方向。文獻(xiàn)［4-8］分別側(cè)重于配電網(wǎng)的安全、狀態(tài)估計(jì)、災(zāi)害防御、歷史數(shù)據(jù)挖掘、可視化等不同方面，結(jié)合態(tài)勢(shì)感知進(jìn)行了研究，完成了配網(wǎng)態(tài)勢(shì)感知應(yīng)用的初步嘗試，但尚不夠成熟。已有研究分別針對(duì)態(tài)勢(shì)感知的某項(xiàng)技術(shù)進(jìn)行了分析，尚未從系統(tǒng)層面考慮態(tài)勢(shì)感知的應(yīng)用，且各個(gè)技術(shù)獨(dú)立分散，未結(jié)合構(gòu)成統(tǒng)一的整體，不能發(fā)揮出態(tài)勢(shì)感知的實(shí)效性與優(yōu)越性［9］。因此，對(duì)智能配電網(wǎng)態(tài)勢(shì)感知關(guān)鍵技術(shù)的研究仍需繼續(xù)深入。

為更好實(shí)現(xiàn)配電網(wǎng)信息采集、態(tài)勢(shì)理解與運(yùn)行軌跡刻畫，提出基于混合量測(cè)系統(tǒng)的態(tài)勢(shì)要素采集方案，基于配電網(wǎng)運(yùn)行狀態(tài)實(shí)時(shí)評(píng)估態(tài)勢(shì)理解和采用負(fù)荷超短期預(yù)測(cè)的態(tài)勢(shì)預(yù)測(cè)方法，建立基于態(tài)勢(shì)感知的配電網(wǎng)運(yùn)行狀態(tài)評(píng)估指標(biāo)體系。

1 面向狀態(tài)估計(jì)的態(tài)勢(shì)要素采集

在電力系統(tǒng)中，SCADA 系統(tǒng)應(yīng)用廣泛且相對(duì)成熟，量測(cè)系統(tǒng)包括遠(yuǎn)程終端單元（Remote Terminal Unit，RTU）、饋線終端單元（Feeder Terminal Unit，F(xiàn)TU）和配電自動(dòng)化終端（Distribution Terminal Unit，DTU）。對(duì)于配電網(wǎng)狀態(tài)估計(jì)來說，RTU 的關(guān)注重點(diǎn)是其采樣周期、配置位置和量測(cè)精度。RTU 一般安裝在變電站，采樣周期為3～60 s，量測(cè)量包括節(jié)點(diǎn)電壓幅值、支路電流幅值、支路功率、節(jié)點(diǎn)注入功率。FTU的量測(cè)精度與RTU 相同。高級(jí)量測(cè)系統(tǒng)（Advanced Metering Infrastructure，AMI）主要包括智能電表、通信網(wǎng)絡(luò)、量測(cè)數(shù)據(jù)管理系統(tǒng)等，一般安裝在負(fù)荷節(jié)點(diǎn)，采樣周期為15 min～1 d，其量測(cè)信息包括節(jié)點(diǎn)電壓幅值和節(jié)點(diǎn)注入功率［9］。智能電表可根據(jù)預(yù)設(shè)的時(shí)間間隔測(cè)量和存儲(chǔ)各類電量值。

與SCADA 系統(tǒng)相比，PMU 量測(cè)具有諸多優(yōu)點(diǎn)，如相量量測(cè)、采樣間隔短（5～30 ms）、數(shù)據(jù)同步性好、量測(cè)精度高（相角精度可達(dá)0.01°）等，但PMU 設(shè)備價(jià)格較貴，在饋線分支和節(jié)點(diǎn)眾多的配電網(wǎng)不可能實(shí)現(xiàn)全面覆蓋。因此，PMU 測(cè)量數(shù)據(jù)只能使系統(tǒng)部分可觀，并不能完成配電網(wǎng)的狀態(tài)估計(jì)。若綜合利用配電網(wǎng)已存在的量測(cè)手段，如RTU 的量測(cè)數(shù)據(jù)或高級(jí)量測(cè)系統(tǒng)AMI 的量測(cè)數(shù)據(jù)，在未實(shí)現(xiàn)PMU 綜合配置或少量配置PMU 的配電系統(tǒng)中，利用多元量測(cè)數(shù)據(jù)可有效實(shí)現(xiàn)狀態(tài)估計(jì)。因此，基于本地配電網(wǎng)的實(shí)際測(cè)量，包括PMU、RTU、FTU、DTU 和AMI 等量測(cè)數(shù)據(jù)，建立多類型混合量測(cè)數(shù)據(jù)采集方案如圖1 所示。

圖1 多元量測(cè)采集方案

2 基于配電網(wǎng)運(yùn)行狀態(tài)評(píng)估的態(tài)勢(shì)理解

根據(jù)多元量測(cè)數(shù)據(jù)采集方案，可在發(fā)揮PMU 采集周期短的特點(diǎn)的同時(shí)，利用已有的配電網(wǎng)信息管理系統(tǒng)中的各類數(shù)據(jù)，提高狀態(tài)估計(jì)的速度和精度。而基于PMU 的狀態(tài)估計(jì)僅能得到電壓幅值、相角等基本狀態(tài)量，無法直觀反映配電網(wǎng)的運(yùn)行情況，還需要進(jìn)一步處理基礎(chǔ)數(shù)據(jù)，依據(jù)相關(guān)指標(biāo)評(píng)估配網(wǎng)的運(yùn)行狀態(tài)，實(shí)現(xiàn)實(shí)時(shí)、精確度高的態(tài)勢(shì)理解。具體流程如圖2 所示。

圖2 基于運(yùn)行狀態(tài)評(píng)估的配網(wǎng)態(tài)勢(shì)理解流程

2.1 基于多源量測(cè)的狀態(tài)估計(jì)

第1 節(jié)中提到的PMU 量測(cè)、SCADA 量測(cè)和AMI 量測(cè)3 類量測(cè)不能直接應(yīng)用于線性狀態(tài)估計(jì)，需要等效變換為線性狀態(tài)估計(jì)器可接收的輸入量測(cè)，等效變換采用直角坐標(biāo)化變換。由于各量測(cè)量更新周期不同，不同時(shí)刻的狀態(tài)估計(jì)器獲得的實(shí)際量測(cè)輸入也不相同。采用動(dòng)態(tài)估計(jì)法，并將部分預(yù)測(cè)值作為偽量測(cè)，可理解為某一時(shí)刻的狀態(tài)估計(jì)器既需要過往狀態(tài)估計(jì)提供部分輸入，也輸出了對(duì)未來時(shí)刻狀態(tài)的預(yù)測(cè)。狀態(tài)估計(jì)的具體流程如下：

1）讀取區(qū)域配電網(wǎng)參數(shù)及拓?fù)浣Y(jié)構(gòu)，讀取PMU、FTU、RTU、AMI 量測(cè)配置；

2）根據(jù)配電網(wǎng)參數(shù)和量測(cè)配置建立混合量測(cè)狀態(tài)估計(jì)模型；

3）判斷是否是RTU／FTU 采樣時(shí)刻，若是，結(jié)合上一時(shí)刻動(dòng)態(tài)狀態(tài)估計(jì)的預(yù)測(cè)對(duì)RTU、FTU、AMI、PMU 量測(cè)進(jìn)行量測(cè)等效變換，組成混合量測(cè)，并轉(zhuǎn)向步驟5）；否則轉(zhuǎn)向步驟4）；

4）在非RTU／FTU 采樣時(shí)刻，根據(jù)量測(cè)函數(shù)將上一時(shí)刻動(dòng)態(tài)狀態(tài)估計(jì)的預(yù)測(cè)值變換為量測(cè)預(yù)測(cè)值，并與PMU 實(shí)時(shí)量測(cè)更新組成混合量測(cè)，實(shí)現(xiàn)狀態(tài)預(yù)報(bào)與量測(cè)預(yù)報(bào)的遞歸轉(zhuǎn)換，轉(zhuǎn)向步驟5）；

5）基于混合量測(cè)與上一時(shí)刻的動(dòng)態(tài)狀態(tài)估計(jì)值進(jìn)行動(dòng)態(tài)狀態(tài)估計(jì)，輸出動(dòng)態(tài)狀態(tài)估計(jì)結(jié)果后，轉(zhuǎn)向步驟3）。

2.2 配網(wǎng)運(yùn)行狀態(tài)評(píng)估指標(biāo)體系

根據(jù)配網(wǎng)運(yùn)行中的實(shí)際運(yùn)行數(shù)據(jù)，結(jié)合態(tài)勢(shì)感知實(shí)時(shí)性特點(diǎn)，考慮“N-1”準(zhǔn)則及負(fù)荷波動(dòng)情況，從安全性、供電可靠性和經(jīng)濟(jì)性方面建立配電網(wǎng)運(yùn)行狀態(tài)的評(píng)價(jià)指標(biāo)體系。以往的研究主要從規(guī)劃的角度，在較長(zhǎng)的時(shí)間尺度內(nèi)評(píng)估配網(wǎng)的安全可靠性，且考慮“N-1”準(zhǔn)則時(shí)只從靜態(tài)角度入手，不能實(shí)時(shí)進(jìn)行在線評(píng)估。從靜態(tài)與動(dòng)態(tài)兩個(gè)角度評(píng)估系統(tǒng)的運(yùn)行狀態(tài)，即從靜態(tài)角度評(píng)估配電網(wǎng)安全運(yùn)行情況和供電能力；從動(dòng)態(tài)角度評(píng)估配電網(wǎng)在發(fā)生線路故障后所面臨的風(fēng)險(xiǎn)及供電能力。不僅如此，基于負(fù)荷預(yù)測(cè)和潮流計(jì)算結(jié)果，通過態(tài)勢(shì)預(yù)測(cè)，進(jìn)一步從靜態(tài)和動(dòng)態(tài)兩個(gè)方面掌握未來時(shí)刻配網(wǎng)運(yùn)行時(shí)的安全狀況和故障后所面臨的風(fēng)險(xiǎn)，指標(biāo)體系如圖3 所示。

圖3 配網(wǎng)運(yùn)行狀態(tài)指標(biāo)體系

2.3 基于風(fēng)險(xiǎn)理論的配網(wǎng)安全性評(píng)估

以往的安全性評(píng)估多從電壓越限和電流重載或過載等方面評(píng)估，雖然這些傳統(tǒng)的安全性指標(biāo)能夠匹配態(tài)勢(shì)感知快速性的特點(diǎn)，但數(shù)據(jù)處理僅僅停留在統(tǒng)計(jì)階段，反映的安全情況較為簡(jiǎn)單，沒有充分挖掘數(shù)據(jù)中蘊(yùn)含的安全信息［10］。以配電網(wǎng)運(yùn)行安全性作為出發(fā)點(diǎn)，在考慮配電網(wǎng)結(jié)構(gòu)靈活這一特性的基礎(chǔ)上，選取了失負(fù)荷風(fēng)險(xiǎn)指標(biāo)、過負(fù)荷風(fēng)險(xiǎn)指標(biāo)和電壓越限風(fēng)險(xiǎn)指標(biāo)，挖掘數(shù)據(jù)中存在的風(fēng)險(xiǎn)信息，從不同方面對(duì)配電網(wǎng)的安全風(fēng)險(xiǎn)進(jìn)行評(píng)估，為調(diào)度人員提供更為清晰的配電網(wǎng)安全情況。指標(biāo)具體計(jì)算過程已有文獻(xiàn)研究，文中僅做簡(jiǎn)單介紹。

1）失負(fù)荷風(fēng)險(xiǎn)。失負(fù)荷風(fēng)險(xiǎn)可通過事故后負(fù)荷損失率進(jìn)行量化。失負(fù)荷風(fēng)險(xiǎn)表達(dá)見式（1）。

式中：RFL（C／Xt）為不確定事故下引起的失負(fù)荷風(fēng)險(xiǎn)值；C 為不確定事故造成的后果；Xt為故障前的運(yùn)行狀態(tài)；E 為不確定的事故；P（E／Xt）為在Xt下發(fā)生E 的可能性；SFL（C／E）為在E 下產(chǎn)生C 后果的嚴(yán)重程度。

2）過負(fù)荷風(fēng)險(xiǎn)。以流經(jīng)線路的電流反映線路的過負(fù)荷風(fēng)險(xiǎn)嚴(yán)重度SOD（C／E），當(dāng)線路電流標(biāo)幺值小于0.7 時(shí)，認(rèn)為沒有發(fā)生過負(fù)荷風(fēng)險(xiǎn)。線路的過負(fù)荷值由式（2）表示。

式中：i 為預(yù)想事故集中的元件集合；NOD為假想事故E 發(fā)生后選擇相應(yīng)轉(zhuǎn)供方案所引起過負(fù)荷線路的總數(shù)。

3）電壓越限風(fēng)險(xiǎn)。電壓越限風(fēng)險(xiǎn)體現(xiàn)的是配網(wǎng)中發(fā)生故障后引起母線電壓越限的可能性及其嚴(yán)重程度［11］。設(shè)節(jié)點(diǎn)電壓為U，式（3）—式（5）依次給出了電壓越限值、電壓越限嚴(yán)重度及電壓越限風(fēng)險(xiǎn)指標(biāo)的表達(dá)式。

式中：NLV為由假想事故發(fā)生后選擇相應(yīng)轉(zhuǎn)供方案所引起電壓越限節(jié)點(diǎn)的總個(gè)數(shù)。

2.4 基于重復(fù)潮流的配電網(wǎng)供電能力實(shí)時(shí)評(píng)估

重復(fù)潮流計(jì)算的主要思路為：以當(dāng)前時(shí)刻的運(yùn)行方式作為出發(fā)點(diǎn)，選取合適的步長(zhǎng)h，確定負(fù)荷增長(zhǎng)模型Sd增大負(fù)荷，計(jì)算每次增長(zhǎng)后的潮流，直到約束條件起作用為止。每次發(fā)生越限后，需要不斷調(diào)整步長(zhǎng)h，并且給定精度要求作為調(diào)整結(jié)束的判斷條件。即將發(fā)生越限的臨界點(diǎn)所對(duì)應(yīng)的負(fù)荷即為配電網(wǎng)此時(shí)的最大供電能力［12］。

最大供電能力的求解步驟是步長(zhǎng)h 的選取，若h過大，計(jì)算結(jié)果收斂較快，但精度降低；若h 過小，計(jì)算結(jié)果精度較高，但收斂較慢。因此，采用變步長(zhǎng)的方法，若發(fā)生越限，則步長(zhǎng)減半；若沒有越限發(fā)生，則以原步長(zhǎng)繼續(xù)。如此循環(huán)，直到步長(zhǎng)滿足精度要求跳出循環(huán)［12］。詳細(xì)步驟如下：

1）確定初始步長(zhǎng)h0>0 及收斂精度ε>0；

2）確定負(fù)荷增長(zhǎng)模型Sd，令S=S0（S0為當(dāng)前的實(shí)際負(fù)荷），h=h0，k0=1，k 表示負(fù)荷的增長(zhǎng)倍數(shù)，k0表示初始負(fù)荷增長(zhǎng)倍數(shù)；

3）若h>ε，則進(jìn)行下一步；若h<ε，則結(jié)束循環(huán)，返回S 和k，S 即為配電網(wǎng)此時(shí)的最大供電能力，SS0即為供電裕度；

4）計(jì)算S′=S+hSd；

5）以S′為基準(zhǔn)進(jìn)行潮流計(jì)算，判斷是否有越限發(fā)生，沒有則轉(zhuǎn)下一步，否則轉(zhuǎn)到步驟7）；

6）令S=S′，轉(zhuǎn)步驟4）；

7）步長(zhǎng)縮小為原來的一半，即h 縮小為h／2，轉(zhuǎn)步驟3）。

3 基于負(fù)荷超短期預(yù)測(cè)的態(tài)勢(shì)預(yù)測(cè)

負(fù)荷超短期預(yù)測(cè)是態(tài)勢(shì)預(yù)測(cè)的核心部分，基于負(fù)荷超短期預(yù)測(cè)和快速潮流，可獲得未來態(tài)的電氣量，進(jìn)而評(píng)估未來時(shí)刻的運(yùn)行狀態(tài)。從減少預(yù)測(cè)誤差入手，利用BP 神經(jīng)網(wǎng)絡(luò)的非線性映射能力對(duì)最小二乘支持向量機(jī)（Least Square Support Vector Machine，LSSVM）預(yù)測(cè)的誤差進(jìn)行預(yù)測(cè)，增加誤差校正環(huán)節(jié)對(duì)預(yù)測(cè)值進(jìn)行校正，可提高預(yù)測(cè)精度。

3.1 基于最小二乘支持向量機(jī)的負(fù)荷超短期預(yù)測(cè)

基于支持向量機(jī)（Support Vector Machine，SVM）的短期負(fù)荷預(yù)測(cè)比傳統(tǒng)方法具有更高的預(yù)測(cè)精度，SVM 具有擬合精度高和全局最優(yōu)等優(yōu)點(diǎn)，且訓(xùn)練所需樣本相對(duì)較少，求得的解具有稀疏性［13］。最小二乘支持向量機(jī)在訓(xùn)練速度方面要優(yōu)于SVM，更滿足態(tài)勢(shì)感知對(duì)于計(jì)算速度的要求，因此負(fù)荷超短期預(yù)測(cè)采用LSSVM。主要流程步驟如下。

給定訓(xùn)練集S=｛（xi，yi），i=1，2…，l｝，其中xi為第i 個(gè)輸入向量，yi為相對(duì)應(yīng)于xi的目標(biāo)值，l 為樣本數(shù)目?；貧w問題目標(biāo)是確定最優(yōu)回歸函數(shù)f（x），使得回歸函數(shù)f（x）具有式（6）所述形式，其中ω 為加權(quán)向量，b 為常值偏差［13］，x 為輸入變量矩陣。

在最小二乘支持向量機(jī)中，回歸問題對(duì)應(yīng)的優(yōu)化問題如式（7）所示，e 為松弛變量，γ 為懲罰系數(shù)。

最小二乘支持向量機(jī)相應(yīng)的拉格朗日函數(shù)及其最優(yōu)值條件為式（8）—式（9），其中α 為拉格朗日系數(shù)：

選擇高斯徑向基RBF 核作為核函數(shù)，如式（10）所示，σ 為核函數(shù)參數(shù)。

將式（10）寫成矩陣形式并消去ω 和e 可得到最小二乘支持向量機(jī)回歸的模型為

3.2 基于BP 神經(jīng)網(wǎng)絡(luò)的誤差校正

BP 神經(jīng)網(wǎng)絡(luò)具有很好的自學(xué)習(xí)能力、泛化能力和容錯(cuò)能力，且不需要建立精確的數(shù)學(xué)模型或者物理模型就能對(duì)樣本進(jìn)行訓(xùn)練，從而實(shí)現(xiàn)任何復(fù)雜的非線性映射功能［14］。采用BP 神經(jīng)網(wǎng)絡(luò)對(duì)LSSVM 預(yù)測(cè)值的預(yù)測(cè)誤差進(jìn)行預(yù)測(cè)，將預(yù)測(cè)日前3 日相同時(shí)刻的預(yù)測(cè)誤差作為輸入，來預(yù)測(cè)當(dāng)日相同時(shí)刻的誤差。采集LSSVM 的預(yù)測(cè)誤差作為BP 神經(jīng)網(wǎng)絡(luò)的樣本進(jìn)行大量訓(xùn)練，在此基礎(chǔ)上對(duì)t 時(shí)刻進(jìn)行負(fù)荷預(yù)測(cè)，其基本流程如圖4 所示。

圖4 考慮誤差校正的負(fù)荷超短期預(yù)測(cè)流程

4 算例分析

采用IEEE 33 節(jié)點(diǎn)配電系統(tǒng)進(jìn)行仿真分析，如圖5 所示。節(jié)點(diǎn)1 為該區(qū)域的配電變壓器，容量為10 MVA，系統(tǒng)的基準(zhǔn)容量為100 MVA，當(dāng)前系統(tǒng)的有功負(fù)荷為3.7 MW，無功負(fù)荷為2.3 Mvar。表1 給出了IEEE 33 節(jié)點(diǎn)系統(tǒng)的主要參數(shù)。評(píng)估周期取為1 h。

圖5 IEEE 33 節(jié)點(diǎn)配電網(wǎng)的拓?fù)浣Y(jié)構(gòu)

表1 支路屬性和參數(shù)

設(shè)線路故障時(shí)閉合聯(lián)絡(luò)開關(guān)有M 種情況，基于本文風(fēng)險(xiǎn)評(píng)估方法，計(jì)算每條線路發(fā)生故障后M 種聯(lián)絡(luò)開關(guān)閉合情況下的失負(fù)荷風(fēng)險(xiǎn)、過負(fù)荷風(fēng)險(xiǎn)和電壓越限風(fēng)險(xiǎn)。由于每個(gè)負(fù)荷點(diǎn)對(duì)應(yīng)的總負(fù)荷相同，故M 種情況下的失負(fù)荷風(fēng)險(xiǎn)皆相同，評(píng)估結(jié)果僅展示一列，表2 為線路故障后的風(fēng)險(xiǎn)評(píng)估結(jié)果，表3 為最大供電能力評(píng)估結(jié)果，表4 為其余指標(biāo)評(píng)估結(jié)果。

由表2 可知，相同的故障，采用不同的轉(zhuǎn)供方案所帶來的風(fēng)險(xiǎn)是有差別的。若線路3—4 發(fā)生故障，閉合8—21 聯(lián)絡(luò)開關(guān)的風(fēng)險(xiǎn)值為0.078，而閉合12—22 聯(lián)絡(luò)開關(guān)的過負(fù)荷風(fēng)險(xiǎn)值為0.353，表明閉合12—22 造成的過負(fù)荷現(xiàn)象較為嚴(yán)重；若線路6—26發(fā)生故障，閉合18—33 聯(lián)絡(luò)開關(guān)的低電壓風(fēng)險(xiǎn)是閉合25—29 聯(lián)絡(luò)開關(guān)所造成風(fēng)險(xiǎn)值的3 倍左右，表明閉合18—33 將造成較為嚴(yán)重的低電壓風(fēng)險(xiǎn)。綜上，根據(jù)所述指標(biāo)，能夠在綜合考慮系統(tǒng)安全穩(wěn)定運(yùn)行約束的條件下，給配電網(wǎng)運(yùn)行人員提供更優(yōu)的轉(zhuǎn)供方案，提高配電網(wǎng)運(yùn)行可靠性與配網(wǎng)轉(zhuǎn)供方案決策準(zhǔn)確度。

表2 風(fēng)險(xiǎn)評(píng)估結(jié)果

由表3 可知，不同一條線路發(fā)生故障時(shí)，不同轉(zhuǎn)供方案對(duì)應(yīng)的最大供電能力不同。線路9—10 發(fā)生故障，閉合9—15 聯(lián)絡(luò)開關(guān)，最大供電能力為1.283 2，而閉合12—22 聯(lián)絡(luò)開關(guān)，最大供電能力為1.573 2，發(fā)生故障應(yīng)當(dāng)優(yōu)先閉合12—22 聯(lián)絡(luò)開關(guān)。由表4知，該配網(wǎng)系統(tǒng)當(dāng)前時(shí)刻運(yùn)行安全性較好，全部的線路和配電都沒有處于過載或重載情況，各節(jié)點(diǎn)電壓標(biāo)幺值均接近于1，沒有出現(xiàn)低電壓風(fēng)險(xiǎn)。當(dāng)前運(yùn)行狀態(tài)的供電可靠性較好，距離最大供電能力還有0.53 MW+0.32 Mvar 的供電裕度。

表3 最大供電能力評(píng)估結(jié)果

表4 當(dāng)前時(shí)刻其余指標(biāo)評(píng)估結(jié)果

以上計(jì)算結(jié)果表明，構(gòu)建的指標(biāo)體系，能全面評(píng)估正常運(yùn)行時(shí)和出現(xiàn)故障后配電網(wǎng)實(shí)時(shí)的安全性和可靠性，可給出當(dāng)前運(yùn)行情況與臨界情況的距離。同時(shí)，考慮（N-1+1）的風(fēng)險(xiǎn)性評(píng)估和最大供電能力評(píng)估為故障后聯(lián)絡(luò)開關(guān)的選擇提供了參考依據(jù)。所提出的態(tài)勢(shì)感知框架，也為實(shí)際工程中數(shù)據(jù)采集、分析評(píng)估、預(yù)測(cè)判斷等提供了參考。

5 結(jié)語

建立基于安全性、經(jīng)濟(jì)性和可靠性的配電網(wǎng)綜合評(píng)價(jià)指標(biāo)體系，并據(jù)此提出了智能配電網(wǎng)態(tài)勢(shì)感知分析計(jì)算方法，將分散獨(dú)立的各個(gè)技術(shù)有機(jī)結(jié)合成一個(gè)整體。通過IEEE 33 節(jié)點(diǎn)配電系統(tǒng)進(jìn)行驗(yàn)證，結(jié)果表明，所提配電網(wǎng)態(tài)勢(shì)感知方法，可充分利用配電系統(tǒng)的量測(cè)數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)中的有效信息，分析系統(tǒng)現(xiàn)有運(yùn)行狀態(tài)，判別系統(tǒng)未來可能的狀態(tài)變化趨勢(shì)，進(jìn)而綜合評(píng)估配電網(wǎng)運(yùn)行狀況，全面準(zhǔn)確掌控配電網(wǎng)運(yùn)行態(tài)勢(shì)，為配電調(diào)度控制人員進(jìn)行調(diào)度工作提供參考依據(jù)。