蔡新雷，董鍇，孟子杰，祝錦舟，李夢璐，余洋

(1. 廣東電網(wǎng)有限責任公司電力調(diào)度控制中心，廣東 廣州 510600；2. 華北電力大學 電力工程系，河北 保定 071003)

面對日益嚴峻的環(huán)境問題和實現(xiàn)未來二氧化碳排放的既定目標，大力推進可再生能源發(fā)展、促進各類可調(diào)節(jié)資源利用和消費方式轉(zhuǎn)型成為推動可持續(xù)發(fā)展的重要手段[1]。近年來，隨著源荷兩側(cè)海量可調(diào)節(jié)資源的大規(guī)模接入，傳統(tǒng)電網(wǎng)結(jié)構(gòu)與運行方式已發(fā)生巨大變化。分布式電源及靈活性負荷資源的間歇性與波動性易導致電網(wǎng)頻率、電壓與支路潮流越限，甚至產(chǎn)生電網(wǎng)解列等后果，給電網(wǎng)的安全穩(wěn)定運行帶來了巨大風險挑戰(zhàn)[2]；因此，考慮源荷可調(diào)節(jié)資源大規(guī)模參與的電力系統(tǒng)風險評估，是目前亟待解決的關(guān)鍵問題。這需要分析源荷可調(diào)節(jié)資源影響電網(wǎng)運行的風險因素，然后構(gòu)建風險評估指標體系，并設(shè)計評估方法。

許多研究者對造成電力系統(tǒng)風險的多種影響因素已進行了一些探討，如氣象條件、設(shè)備狀態(tài)、新能源接入特征等：文獻[3-5]指出極端冰雪、暴風、持續(xù)高溫天氣、臺風等極端氣象事件易影響電網(wǎng)安全穩(wěn)定運行；文獻[6]則將設(shè)備因素納入電網(wǎng)運行的風險評估指標中；文獻[7-8]進一步指出，新能源接入特征(如電站選址、容量及其配置等因素)會對電力系統(tǒng)穩(wěn)定性產(chǎn)生較多影響?？梢?，當前研究基于天氣、源側(cè)新能源接入對電網(wǎng)風險已開展了相關(guān)工作，但是并未考慮氣象因素對源側(cè)及荷側(cè)資源的影響；同時，由于新能源場站與電網(wǎng)間存在互動，新能源接入不僅會影響電網(wǎng)，也會影響新能源場站本身，而目前研究對此考慮不足；此外，隨著海量負荷資源接入電網(wǎng)，電網(wǎng)呈現(xiàn)出了新的運行特性[7]，僅考慮源側(cè)及網(wǎng)側(cè)風險的影響因素，無法滿足源荷兩側(cè)海量可調(diào)節(jié)資源參與下的電網(wǎng)風險評估要求：因此，需進一步研究考慮源網(wǎng)荷三側(cè)風險的影響因素。

在確定電力系統(tǒng)風險的各類影響因素后，需進一步構(gòu)建電網(wǎng)風險評估指標體系。文獻[9]根據(jù)電壓等級對電網(wǎng)解列型風險進行定級，但未涉及風險嚴重程度的具體量化方式；在計及新能源的接入后，一些研究進一步結(jié)合穩(wěn)態(tài)頻率越限[10]、電壓越限[11]、支路潮流越限[12]等指標評估電網(wǎng)風險，但對于系統(tǒng)運行時備用預留不足風險考慮不足；文獻[13-14]對于接入新能源的系統(tǒng)效益進行了評價，而對于可調(diào)節(jié)資源的參與能否滿足電網(wǎng)效益提升要求，以及由此帶來的風險，還有待評估。可見，當前研究主要聚焦于可調(diào)節(jié)資源參與下網(wǎng)側(cè)的風險，而對于源側(cè)及荷側(cè)的風險缺乏系統(tǒng)性評估；因此，構(gòu)建考慮源荷兩側(cè)可調(diào)節(jié)資源特性的風險評估指標體系具有重要意義。

基于構(gòu)建的風險指標體系，開展風險指標的量化計算(尤其是權(quán)重)的綜合評定是一項重要工作。文獻[15]采用層次分析法(analytic hierarchy process，AHP)構(gòu)建高維事故鏈模型進行評定，但根據(jù)專家經(jīng)驗確定AHP權(quán)重，主觀性偏強；文獻[16]利用AHP確定第1層指標權(quán)重，利用客觀權(quán)重賦權(quán)法——CRITIC(criteria importance though intercrieria correlation)法確定第2層指標權(quán)重，兼顧了評價的主觀性及客觀性，但CRITIC法根據(jù)兩兩指標之間的沖突性確定客觀權(quán)重系數(shù)，當指標數(shù)目較多時計算難度較大；文獻[17]基于AHP和反熵權(quán)法計算主客觀權(quán)重并求取出最優(yōu)組合權(quán)重，但考慮加權(quán)屬性值一致，計算準確度較低?？梢?，考慮源荷不確定性的電力系統(tǒng)風險評估指標體系權(quán)重計算方法還有待進一步完善。

綜上，本研究在考慮氣象條件對電網(wǎng)運行風險影響的基礎(chǔ)上，計及源荷兩側(cè)資源的不確定性及其對電網(wǎng)的主動支撐能力、爬坡現(xiàn)象等的影響，構(gòu)建考慮源荷不確定性的電網(wǎng)風險指標體系，并設(shè)計分析評估指標參數(shù)的量化計算方法。首先，該指標體系不僅包含電網(wǎng)基礎(chǔ)的結(jié)構(gòu)及運行風險，還包含效益風險及海量可調(diào)節(jié)資源參與電網(wǎng)運行的各類新型風險指標。其次，計算各風險的嚴重程度及發(fā)生概率，并考慮各風險指標占比，對系統(tǒng)風險進行綜合計算與整體評估。該評估方法主要根據(jù)實際運行數(shù)據(jù)的風險嚴重程度、歷史數(shù)據(jù)的風險概率、改進AHP這3個部分進行計算，借用歷史數(shù)據(jù)估計風險概率，并利用實際運行數(shù)據(jù)評估系統(tǒng)實時運行風險，不僅兼顧主客觀性，在指標數(shù)目較多時也仍然具有較高的計算準確度。最后，依據(jù)改進的IEEE 14節(jié)點系統(tǒng)進行仿真分析，以驗證所提體系和方法的有效性。

1 構(gòu)建兼顧源網(wǎng)荷風險的指標體系

為建立源荷可調(diào)節(jié)資源參與的、兼顧源網(wǎng)荷三側(cè)風險的指標體系，首先分析系統(tǒng)風險的影響因素，并據(jù)此提出風險評估指標體系。

1.1 風險影響因素

源荷可調(diào)節(jié)資源參與下的電力系統(tǒng)運行風險受多方面因素影響，分析如下：

第一，極端天氣對于源網(wǎng)荷三側(cè)均有不良影響。具體而言：對于源側(cè)，臺風、日全食、暴雨、雷電等極端氣象問題對新能源發(fā)電影響極大，易導致新能源波動率過高，易引發(fā)棄風棄光；對于網(wǎng)側(cè)，易造成設(shè)備誤動作，嚴重時導致設(shè)備故障；對于荷側(cè)，極易影響靈活性負荷資源功率預測準確性，進而嚴重影響用戶舒適度，且極易造成棄負荷現(xiàn)象出現(xiàn)。

第二，源側(cè)資源不確定性、主動支撐能力不足及爬坡現(xiàn)象的影響。分析可知：源側(cè)可調(diào)節(jié)資源具有分布不均、種類繁多、特性差異明顯的特性，其不確定性影響電網(wǎng)運行參數(shù)及運行效率，易造成電壓電流越限、支路潮流越限等問題，嚴重情況可造成電網(wǎng)解列，在環(huán)境效益及網(wǎng)損效益方面也具有不確定性風險；其主動支撐能力不足對于電網(wǎng)調(diào)峰、調(diào)頻等無法起到良好的支撐效果，由此影響電能質(zhì)量；爬坡現(xiàn)象引發(fā)短時間內(nèi)功率大幅波動，造成系統(tǒng)功率不平衡，易導致棄風棄光事件發(fā)生。

第三，荷側(cè)資源不確定性、主動支撐能力不足及爬坡現(xiàn)象的影響。分析可知：靈活性負荷資源大多受用戶需求及舒適度等影響，因此其并網(wǎng)具有極大的不確定性，影響電網(wǎng)穩(wěn)定運行，易造成電網(wǎng)頻率電壓越限，同時影響電網(wǎng)輸電效率，引發(fā)網(wǎng)損效益風險；其主動支撐能力不足易使負荷資源滲透率過大，反而影響用戶舒適度；爬坡現(xiàn)象同樣導致系統(tǒng)功率短期大幅波動，極易造成棄負荷事件發(fā)生。

1.2 風險指標體系

根據(jù)上述影響因素所造成的風險后果可知，源荷兩側(cè)可調(diào)節(jié)資源參與下的電力系統(tǒng)存在更多的不確定性風險。常規(guī)的風險評估指標體系大多僅包含針對電網(wǎng)側(cè)風險的評估指標(如穩(wěn)態(tài)頻率、電壓、功率越限等[11])，對于考慮新能源參與的電力系統(tǒng)，僅關(guān)注源側(cè)資源波動導致的棄風棄光及棄負荷現(xiàn)象[8]。需求側(cè)可響應負荷的比例顯著增加，需求側(cè)不確定性顯著增強，這將使得系統(tǒng)對于荷側(cè)的風險控制面臨嚴峻挑戰(zhàn)，并且隨著“雙碳”目標的提出，碳排放相關(guān)的環(huán)境效益風險也應受到重視；因此，常規(guī)的風險評估體系無法滿足源網(wǎng)荷三側(cè)風險評估要求。為評估源荷可調(diào)節(jié)資源參與電網(wǎng)運行的風險，本研究整合常規(guī)風險指標，并在此基礎(chǔ)上增加網(wǎng)側(cè)效益風險指標及源荷兩側(cè)風險特性指標，構(gòu)建如圖1所示的風險指標體系。

圖1 風險評估指標體系Fig.1 Risk assessment index system

該指標體系包括網(wǎng)側(cè)、源側(cè)、荷側(cè)風險。其中，電網(wǎng)風險指標考慮結(jié)構(gòu)、運行、效益風險三方面，而源側(cè)風險指標考慮分布式電源高滲透率、出力波動、棄風棄光嚴重度，荷側(cè)風險指標考慮荷側(cè)資源功率預測合格率、調(diào)度能力失效嚴重度、棄負荷嚴重度。

2 風險評估指標參數(shù)量化計算

在構(gòu)建出風險評估指標體系后，為定量描述各風險指標，本研究設(shè)計了風險嚴重程度及風險發(fā)生概率的量化計算方法。

2.1 風險嚴重程度計算

為精確評估某個時間斷面下的風險嚴重程度，本研究將文獻[10]的研究思路加以推廣，依托系統(tǒng)數(shù)據(jù)偏移期望或超越閾值的程度計算，構(gòu)建以下源網(wǎng)荷三側(cè)風險指標的嚴重度函數(shù)。

2.1.1 電網(wǎng)風險指標

a)電網(wǎng)解列指標SNS。對于電網(wǎng)結(jié)構(gòu)風險——電網(wǎng)解列，分別考慮支路開斷率及發(fā)電機開斷后系統(tǒng)有功功率的變化，確定電網(wǎng)解列風險的嚴重度。

SNS=lD/L+ΔPG/PN.

(1)

式中：lD為系統(tǒng)解列的支路數(shù)；L為系統(tǒng)的總支路數(shù)；ΔPG為失去的發(fā)電機有功功率；PN為系統(tǒng)所需的發(fā)電功率。

b)頻率越限指標SFRE、電壓越限指標SV、支路潮流越限指標SLPF。根據(jù)文獻[10-12]得到這3個指標，計算式分別為：

(2)

(3)

(4)

式(2)—(4)中：|Δf∞|為系統(tǒng)頻率偏差；Δf∞，max為系統(tǒng)正常運行時所能允許的最大頻率偏差；D為系統(tǒng)節(jié)點總數(shù)；Ud為節(jié)點d處的電壓標幺值；Ud，max、Ud，min分別為節(jié)點d處電壓標幺值的上限、下限，用下標max、min分別表示參數(shù)的最大、最小值，下同；Pl為線路l的實際有功功率標幺值。

c)備用預留不足指標SRE。對于電網(wǎng)運行風險中備用預留不足指標，根據(jù)系統(tǒng)額定備用預留容量與實際旋轉(zhuǎn)備用及儲能備用總和的差值占系統(tǒng)額定備用預留容量的比例，來衡量其嚴重度。其量化計算式為

SRE=[RN-(RX+RC)]/RN.

(5)

式中：RX為系統(tǒng)實際旋轉(zhuǎn)備用容量；RC為系統(tǒng)實際儲能備用容量；RN為系統(tǒng)額定備用預留容量。

d)環(huán)境效益風險指標SEV。煤炭燃燒過程中會產(chǎn)生二氧化碳、二氧化硫、氮氧化物等污染性氣體，新能源的接入有利于減少煤耗量，但對于環(huán)境效益的提升效果有限；因此，用提升效果實際值與理想值的差距，來衡量環(huán)境效益風險的嚴重度。

(6)

式中：αCO2為煤耗量折合二氧化碳系數(shù)；βSO2為煤耗量折合二氧化硫系數(shù)；γNOx為煤耗量折合氮氧化物系數(shù)；Ccoal為實際煤耗量；Ccoal，E為期望煤耗量。上述參數(shù)取值參考文獻[14]。

e)網(wǎng)損效益風險指標SLL。在電網(wǎng)經(jīng)濟運行中，網(wǎng)損影響效果很大，其嚴重程度主要由線損率來衡量，用線路線損率實際值與理想值的最大差值來描述網(wǎng)損效益風險的嚴重度。

(7)

式中：ΔPl為線路l的實際損耗；ΔPl，E為線路l的期望損耗；rl為線路l的實際網(wǎng)損率；rl，E為線路l的期望網(wǎng)損率。

2.1.2 源側(cè)風險指標

對于分布式電源的高滲透率、出力波動、棄風棄光嚴重度指標，本研究中量化表達如下。

a)分布式電源高滲透率嚴重度指標SST。用分布式電源的輸出功率相對于電網(wǎng)最大供電能力的比率來衡量分布式電源高滲透率的嚴重程度。

SST=PDG(t)/Pmax(t).

(8)

式中：PDG(t)為t時刻分布式電源的輸出功率標幺值；Pmax(t)為t時刻電網(wǎng)的最大供電能力標幺值。

b)分布式電源出力波動嚴重度指標SCL?？紤]t時刻分布式電源的輸出功率相對于前一時刻輸出功率的波動程度的最大值，來衡量t時刻分布式電源出力波動的嚴重程度。其量化計算式為

(9)

c)棄風棄光嚴重度指標SW-L。以評估時刻前一段時間內(nèi)新能源棄風棄光部分的能量占總發(fā)電能量的比例，來衡量評估時刻棄風棄光嚴重度。

(10)

式中：ΔPW-L(t)為t時刻棄風棄光功率；PW-L(t)為t時刻風光實際發(fā)電功率；t1為評估開始時刻；t2為評估結(jié)束時刻。

2.1.3 荷側(cè)風險指標

對于負荷功率預測合格率、調(diào)度能力失效嚴重度、棄負荷嚴重度指標，本研究中量化表達如下。

a)靈活性負荷資源功率預測合格率指標SDRP。靈活性負荷資源具有間歇性、波動性的特點，對靈活性負荷資源的功率預測存在一定誤差；因此，考慮預測平均絕對誤差、預測平均百分誤差與預測均方誤差3項誤差的相對影響程度，衡量靈活性負荷資源功率預測的合格率風險指標。

(11)

式中：ΔPMAE為預測平均絕對誤差；ΔPMAPE為預測平均百分誤差；ΔPMSE為預測均方誤差；δ1為預測平均絕對誤差占比；δ2為預測平均百分誤差占比；δ3為預測均方誤差占比；PL，k、PL，c，k分別為第k個靈活性負荷資源功率實際值、預測值的標幺值；K為靈活性負荷資源個數(shù)。

b)調(diào)度能力失效嚴重度指標SSX。靈活性負荷資源無法響應調(diào)度指令會導致調(diào)度能力失效，因而用某時刻無法響應調(diào)度指令的程度，來衡量調(diào)度能力失效的嚴重程度。其量化計算式為

SSX=(PL，c，k(t)-PL，k(t))/PL，c，k(t).

(12)

c)棄負荷嚴重度指標SDRL。以評估時刻前一段時間內(nèi)荷側(cè)資源被棄能量占系統(tǒng)負荷消耗總能量的比例，來衡量評估時刻棄負荷嚴重度。其量化計算式為

(13)

式中：ΔPDRL(t)為t時刻棄負荷本應消耗的功率；PDRL(t)為t時刻負荷消耗的總功率。

2.2 基于歷史數(shù)據(jù)的風險發(fā)生概率估計

由于風險發(fā)生的概率、次數(shù)隨機，系統(tǒng)中設(shè)備受各種因素影響在給定時間內(nèi)發(fā)生故障導致事故發(fā)生的次數(shù)服從Poisson分布，因此采用Poisson分布建立風險的發(fā)生概率數(shù)學模型[18]。

在Poisson分布中，事件X在時間區(qū)間(0，t]內(nèi)發(fā)生N次的概率

(14)

式中：AX(t)為在(0，t]內(nèi)事件X發(fā)生的次數(shù)；φ為事故率，指事故在單位時間內(nèi)發(fā)生的頻率?？芍涸?0，t]內(nèi)不發(fā)生風險的概率為

(15)

在(0，t]內(nèi)風險事故發(fā)生的概率為

Pa(AX(t)≠0)=1-e-φt，t≥0.

(16)

根據(jù)多時間段風險發(fā)生概率模型，可以計算獲知更精確的事故發(fā)生概率值。

在獲知事故發(fā)生概率的基礎(chǔ)上，本研究借鑒文獻[9]的研究思路，將風險影響因素統(tǒng)一在1個模型中，根據(jù)歷史故障情況得到風險影響因素與各風險狀態(tài)概率之間的關(guān)系。

(17)

式中：Pf為風險的狀態(tài)概率；Ω為風險影響因素集；Pa為存在風險的概率；Pb為風險指標處于安全范圍的概率。

當存在風險影響因素時發(fā)生風險的概率最大，因此式(17)的主要影響部分為前半部分，即風險的狀態(tài)概率可以表示為

(18)

根據(jù)歷史情況，由線性回歸分析確定風險影響因素與風險狀態(tài)概率之間的關(guān)系。隨著歷史數(shù)據(jù)記錄的增加，回歸參數(shù)的估計將更加準確，根據(jù)函數(shù)關(guān)系式計算得到的風險概率，更有利于風險預警分析。

3 基于改進AHP的系統(tǒng)整體風險評估

在獲得各風險嚴重程度及發(fā)生概率后，為評定考慮源荷可調(diào)節(jié)資源參與的系統(tǒng)整體風險，在本章提出了基于改進AHP的系統(tǒng)風險評估方法。

3.1 系統(tǒng)風險評估模型

系統(tǒng)整體風險的評估方法由3個重要部分構(gòu)成：各風險嚴重程度、發(fā)生概率及各指標權(quán)重。本文提出的風險評估模型如下：

E=EG+EP+EL.

(19)

EG=α1SNSPNS+(β1SFREPFRE+γ1SVPV+ε1SLPFPLPF+μ1SREPRE)+(φ1SEVPEV+η1SLLPLL).

(20)

EP=α2SSTPST+β2SCLPCL+γ2SW-LPW-L.

(21)

EL=α3SDRPPDRP+β3SSXPSX+γ3SDRLPDRL.

(22)

式中：E為系統(tǒng)整體風險分值，作為源荷可調(diào)節(jié)資源參與下電網(wǎng)運行系統(tǒng)風險評估結(jié)果；EG、EP與EL分別為網(wǎng)、源與荷側(cè)的風險評估結(jié)果；PNS為產(chǎn)生電網(wǎng)解列的概率；PFRE、PV與PLPF分別為產(chǎn)生頻率越限、電壓越限與支路潮流越限風險的概率；PRE為產(chǎn)生備用預留不足風險的概率；PEV、PLL分別為產(chǎn)生環(huán)境效益、網(wǎng)損效益風險的概率；PST為產(chǎn)生新能源滲透率過高風險的概率；PCL為產(chǎn)生分布式電源出力波動過大風險的概率；PW-L為產(chǎn)生棄風棄光風險的概率；PDRP為產(chǎn)生負荷預測合格率風險的概率；PSX為產(chǎn)生調(diào)度失效風險的概率；PDRL為產(chǎn)生棄負荷風險的概率；其余α1……γ3等參數(shù)均為權(quán)重。上述各風險的嚴重程度及發(fā)生概率的求解方法見第2章。

本研究所構(gòu)建的風險指標體系數(shù)目較多，為準確計算系統(tǒng)整體風險分值，需對各指標權(quán)重的確定提出更高的要求，同時需考慮各風險指標權(quán)重計算的主客觀性；因此，需設(shè)計能夠兼顧權(quán)重計算準確度及主客觀性的權(quán)重確定方法。

3.2 基于改進AHP的指標權(quán)重確定

指標間的權(quán)重值反映了不同指標在綜合計算中所占的百分比，可以刻畫各指標間的相對重要程度，直接影響綜合評價結(jié)果。AHP是一種基于專家經(jīng)驗的指標賦權(quán)方法，能夠定性、定量地計算各評價指標之間的權(quán)重系數(shù)。基于AHP的指標權(quán)重確定過程，主要包含以下4個步驟：

a)對指標進行兩兩比較和評估，按照1-9標度法確定指標的判斷矩陣A，

(23)

式中：n為指標個數(shù)；αij為第i個指標與第j個指標的重要性之比。

b)判斷矩陣的一致性檢驗。檢驗式為

kCR=kCI/kRI.

(24)

kCI=(λmax-n)/(n-1).

(25)

式(24)、(25)中：kCI為一致性指標；kRI為平均隨機一致性指標；kCR為一致性檢驗值；λmax為矩陣A的最大特征值；指標個數(shù)n與kRI的對應關(guān)系參考文獻[16]來取值，n一般情況下不超過10，超過10需設(shè)置二級指標。當kCR<0.1時，判斷矩陣A的一致性可以接受。

c)層次總排序及權(quán)重計算。在對矩陣A的一致性進行校驗之后，將判斷矩陣A的m個行向量進行幾何平均，令

(26)

d)歸一化處理，得到各指標的權(quán)重

(27)

AHP計算權(quán)重σj雖方便快捷，但其主觀性較強，而將指標歸一化后再重新賦權(quán)能夠增強權(quán)重賦值的客觀性，并提高模型的可靠度[19]。為兼顧權(quán)重確定的主客觀性，并能在指標數(shù)目較多時滿足賦權(quán)要求，使得風險嚴重程度的計算具有較高的計算精度，本研究對AHP進行如下改進。

將n個指標進行歸一化計算，即

(28)

式中：Ij為指標歸一化后的數(shù)值；xj為第j個指標量化數(shù)值。

將指標歸一化后的數(shù)值與式(27)中AHP法計算所得權(quán)重相乘，計算第j個具體指標在n個指標中所占的權(quán)重值，獲得指標綜合權(quán)重值Itj，

Itj=Ijσj.

(29)

本研究采用嚴重度函數(shù)計算風險嚴重程度，因此各風險值具有相同數(shù)量級，對指標進行歸一化處理后，可以利用構(gòu)成比率考察全部指標中某個指標的分值是否合理，便于對各項指標進行協(xié)調(diào)。綜合權(quán)重值使指標權(quán)重賦值更客觀合理的同時，還反映出不同指標對評估結(jié)果的貢獻。

對于風險指標體系權(quán)重計算，本研究應用AHP，根據(jù)專家經(jīng)驗對第1層指標即電網(wǎng)風險、源側(cè)及荷側(cè)風險指標進行賦權(quán)，運用改進AHP計算第2層指標權(quán)重值﹝即式(20)—(22)中各指標權(quán)重﹞，進而獲取系統(tǒng)總體風險分值，具體計算流程詳見附錄A。將AHP進行上述改進，可良好適用于本研究所構(gòu)建的風險評估指標體系總體風險分值的計算。

3.3 系統(tǒng)風險等級確定

根據(jù)計算所得的系統(tǒng)風險分值劃分風險等級。國內(nèi)各項風險評估文件中，對風險等級的劃分通常為3級到6級不等，風險計算標準不同，風險分值與等級的映射關(guān)系存在差異。根據(jù)本研究的系統(tǒng)整體風險計算分值范圍并借鑒文獻[20]，將系統(tǒng)整體風險等級劃分為5級，風險分值越大，風險等級越高，二者對應關(guān)系見表1。

表1 風險分值與風險等級對應表Tab.1 Corresponding table of risk score and risk grade

4 仿真驗證與分析

考慮風光出力不確定性、電動汽車充電站充電功率的波動性，本研究依據(jù)風電光伏出力模型及電動汽車充、放電負荷波動模型，模擬某地區(qū)24 h風光出力及電動汽車充、放電負荷的波動。

4.1 仿真模型

4.1.1 風光出力模型

本研究采用雙參數(shù)Weibull分布模擬風速變化[21]，其概率密度函數(shù)為

f(v(t)，r(t)，c(t))=

(30)

式中：v(t)為t時刻風電葉輪的風速；r(t)、c(t)分別為t時刻風力機的形狀、尺度參數(shù)。

風電為恒功率因素控制，風電出力與風速之間的關(guān)系可近似用分段函數(shù)表示：

(31)

式中：PWTG為實際的風電出力；PWTG，r為風電的額定出力；vci、vr、vco分別為風電的切入、額定、切出風速。風電出力曲線如圖2所示。

圖2 風電出力曲線Fig.2 Wind power output curve

4.1.2 光伏出力模型

通常采用Beta分布描述1日內(nèi)光照強度變化。

(32)

式中：Ie(t)為t時刻太陽光的輻射強度；Ie，max為輻射強度最大值；αe(t)、βe(t)均為t時刻Beta分布的系數(shù)。

光伏出力與輻射強度的關(guān)系可以表示為

(33)

式中：PPV為實際的光伏出力；PPV，r為光伏板額定出力；Ie，stc為測試情況下的太陽光輻射強度；Ik為光伏電池板轉(zhuǎn)換效率飽和時的太陽光輻射強度。光伏出力曲線如圖3所示。

圖3 光伏出力曲線Fig.3 PV output curve

4.1.3 電動汽車負荷波動模型

電動汽車充電指從低電量狀態(tài)向高電量狀態(tài)轉(zhuǎn)移的動態(tài)變化過程，放電即為電量狀態(tài)反向變化過程[22]。一般采用荷電狀態(tài)(state of charge，SOC)來表示電池的剩余電量，將電動汽車SOC記為S，離散時間下的充電過程中其SOC變化可表示為

(34)

放電過程電動汽車的SOC變化可表示為

(35)

式(34)、(35)中：S(t+1)、S(t)分別為第t+1時刻、第t時刻的SOC；Pch(t)為t時刻的充電功率；ηch為充電效率；CP為電池的實際容量；Δt為離散時間間隔；Pdis(t)為t時刻的放電功率；ηdis為放電效率。

電動汽車充電負荷波動曲線如圖4所示。

圖4 電動汽車充電功率曲線Fig.4 Charging power curve of electric vehicle

4.2 算例分析

4.2.1 仿真系統(tǒng)及參數(shù)

為分析所研究指標體系的有效性，設(shè)計如圖5所示的改進IEEE 14節(jié)點系統(tǒng)，該系統(tǒng)包含風電、光伏、常規(guī)火電機組、電動汽車等，基準功率為100 MVA。其中在9號節(jié)點接入規(guī)模為50 MW的光伏電站，14號節(jié)點接入規(guī)模為20 MW的風電場，4、5號節(jié)點接入電動汽車充電站，其余節(jié)點接入常規(guī)火電機組或常規(guī)負荷。

圖5 改進的IEEE14節(jié)點系統(tǒng)示意圖Fig.5 Improved IEEE14 node system diagram

4.2.2 風險評估結(jié)果及分析

4.2.2.1 風險發(fā)生概率結(jié)果及分析

依據(jù)式(16)計算電網(wǎng)解列風險發(fā)生概率，通過歷史統(tǒng)計數(shù)據(jù)得到事故率φ=0.05，根據(jù)多時間段風險發(fā)生概率模型計算，最終獲知電網(wǎng)解列風險發(fā)生狀態(tài)概率為0.02。同理計算其余各風險指標發(fā)生概率，結(jié)果見表2、表3。

表2 網(wǎng)側(cè)各風險發(fā)生概率Tab.2 Probability of occurrence of various risks on the network side

表3 源荷兩側(cè)各風險發(fā)生概率Tab.3 Probability of occurrence of risks on both sides of source load

4.2.2.2 風險嚴重程度及系統(tǒng)整體風險分值計算及分析

a)考慮源側(cè)資源出力不確定性，以風電及光伏電站的出力波動作為源側(cè)資源不確定性進行分析，此波動受天氣影響較大。本研究根據(jù)24 h內(nèi)風電及光伏電站出力波動情況，選取00：00、07：00、12：00、16：00、20：00 5個時刻，對此5個時刻進行風險評估。計算各風險指標嚴重度，并根據(jù)式(19)—(22)計算系統(tǒng)整體風險分值E，結(jié)果見表4、表5。

表4 風光出力波動下網(wǎng)側(cè)風險分值Tab.4 Risk score of grid side under fluctuation of wind and solar output ×10-2

表5 風光出力波動下源荷兩側(cè)及系統(tǒng)風險分值Tab.5 Risk scores of both sides of source load and system under fluctuation of wind and solar output ×10-2

由圖2、3分析可知：夜間00：00光伏出力為0，同時風電場出力較小，此時所得風險分值為較小，屬于5級風險；07：00時光照強度仍較弱，光伏電站出力仍較小，但風電場出力波動略大，此時計算所得系統(tǒng)風險分值為0.428 3×10-2，屬于3級風險，分布式電源滲透率嚴重度指標、出力波動嚴重度指標及棄風棄光嚴重度指標分值均有所增大，說明系統(tǒng)受到風電場出力波動的影響，同時存在電網(wǎng)解列風險及電壓越限風險；12：00時，光照強度達到最大值，光伏電站出力較大，分布式電源滲透率嚴重度指標、出力波動嚴重度指標及棄風棄光嚴重度指標分值均達到較高風險分值，系統(tǒng)存在極大的電網(wǎng)解列及支路潮流越限風險，同時網(wǎng)損效益風險也偏高，此時計算得出的系統(tǒng)總體風險分值屬于2級風險；16：00時，光照強度偏弱，光伏電站出力波動較小，但風電場存在一定的出力波動情況，此時計算所得的系統(tǒng)風險分值為0.316 1×10-2，屬于3級風險，新能源滲透率、出力波動及棄風棄光指標嚴重度略高；20：00時，光伏出力波動為0，風電出力波動極小，此時系統(tǒng)較安全。

b)考慮荷側(cè)資源功率不確定性，選取電動汽車負荷波動情況為荷側(cè)資源分析對象，此波動主要受出行情況影響。本研究根據(jù)24 h電動汽車充、放電負荷的波動情況，選取00：00、08：00、15：00、18：00、20：00 5個時刻，對此5個時刻進行風險評估，計算各風險指標嚴重度，并根據(jù)式(19)—(22)計算系統(tǒng)整體風險分值E′，結(jié)果見表6、表7。

表6 電動汽車充電負荷波動下網(wǎng)側(cè)風險分值Tab.6 Risk score of grid side under fluctuation of electric vehicle charging load ×10-2

表7 電動汽車充電負荷波動下源荷兩側(cè)及系統(tǒng)風險分值Tab.7 Risk scores of both sides of source load and system under fluctuation of electric vehicle charging load ×10-2

由圖4分析可知：夜間00：00電動汽車負荷出行率較低，此時電動汽車負荷波動極小，計算所得風險值低，系統(tǒng)較安全；08：00及18：00時分別處于上下班高峰期，此時大量電動汽車處于運行狀態(tài)，對電動汽車的功率預測及調(diào)度具有較大的難度，靈活性負荷資源功率預測合格率指標、調(diào)度失效嚴重度指標分值極大，且系統(tǒng)具有較大的備用不足風險，兩時刻系統(tǒng)均存在較大風險；15：00時，電動汽車充電負荷量較高，充電功率較大，使得電網(wǎng)存在較大的電網(wǎng)解列、頻率越限、電壓越限及支路潮流越限風險，但大量電動汽車接入電網(wǎng)，便于電網(wǎng)對其功率進行預測及調(diào)度，數(shù)據(jù)顯示電網(wǎng)解列、頻率越限、電壓越限、支路潮流越限、網(wǎng)損效益及棄負荷嚴重度指標分值偏高，但功率預測合格率、調(diào)度能力失效嚴重度指標值偏低，此時系統(tǒng)屬于4級風險；相較于15：00時，20：00時電動汽車充電負荷量更高，電網(wǎng)對于電動汽車充電功率具有更高的預測準確性，且電動汽車具有更大的可調(diào)度潛力，此時系統(tǒng)風險分值略小。

4.2.2.3 實際電網(wǎng)算例分析與評估方案對比

本文采用文獻[23]中的實際電網(wǎng)算例模型，該系統(tǒng)包含37個節(jié)點和115條支路，風電、光伏發(fā)電系統(tǒng)及負荷，系統(tǒng)結(jié)構(gòu)如圖6所示。

圖6 實際電網(wǎng)系統(tǒng)結(jié)構(gòu)Fig.6 Actual power grid system structure

分別選取00：00、07：00、20：00時的系統(tǒng)工況，進行各風險指標嚴重度的計算，將本文所提的棄負荷嚴重度SDRL、支路潮流越限SLPF、電壓越限指標SV分別與文獻[23]中所選取的切負荷風險變化指標(load shedding risk change indicator，LSRCI)、線路越限風險變化指標(line overload risk change indicator，LORCI)、電壓越限風險變化指標(voltage violation risk change indicator，VVRCI)計算值進行對比，結(jié)果見表8。

表8 2個方案不同指標對比Tab.8 Comparison of different indicators between two schemes ×10-2

由表8可知，隨著不同時刻風電光伏及負荷的波動，兩方案呈現(xiàn)相同的變化趨勢。如00：00時，系統(tǒng)較穩(wěn)定，各指標計算值較??；而07：00時新能源側(cè)出力波動較大，導致系統(tǒng)存在電壓越限及線路傳輸有功功率較高的風險；20：00時負荷需求較高，波動較大，而源側(cè)出力較低，導致棄負荷風險值增加。由分值變化幅度可以看出，本文方案相較于文獻[23]呈現(xiàn)出更靈敏的變化，表明本文所提的風險嚴重度計算方法可以更加敏銳地反映風險的嚴重程度。

對比本文提出的改進AHP計算所得系統(tǒng)風險分值E1，AHP所得風險分值E2，以及改進自適應重要抽樣法的風險評估方法[23]所得風險分值E3，結(jié)果見表9。

表9 系統(tǒng)風險分值計算值對比Tab.9 Comparison of system risk calculation scores ×10-2

由表9可知：本文方案與文獻[23]所采用方案的計算值接近，平均偏差率僅為6.26%；而采用AHP確定權(quán)重方法的計算值偏高，平均偏差率較本文方案超過10倍。這證明本文所提方法對于大規(guī)模實際電網(wǎng)系統(tǒng)風險計算具有同樣的適用性，同時具有較高的準確性，且更加客觀合理。

5 結(jié)論

本研究針對源荷兩側(cè)可調(diào)節(jié)資源參與下的新型電力系統(tǒng)存在更多的不確定性風險，而常規(guī)的風險評估指標體系及風險評估方法無法滿足新型電力系統(tǒng)的風險評估要求的問題，提出考慮源網(wǎng)荷三側(cè)風險的評估指標體系，并從風險嚴重度、風險概率及風險指標權(quán)重三方面構(gòu)建系統(tǒng)風險評估模型，依據(jù)系統(tǒng)風險分值及等級對應關(guān)系獲取風險評估等級，具體如下：

a)構(gòu)建源荷可調(diào)節(jié)資源參與電網(wǎng)運行的風險評估指標體系，該指標體系在常規(guī)風險評估指標體系的基礎(chǔ)上，增加考慮電網(wǎng)效益風險指標及荷側(cè)風險指標，更適用于源荷可調(diào)節(jié)資源參與電網(wǎng)運行的系統(tǒng)。

b)提出改進AHP確定指標權(quán)重，算例結(jié)果表明，運用改進方法確定指標權(quán)重，計算所得綜合風險分值準確性更高，且更加客觀合理。

c)提出系統(tǒng)整體風險的綜合計算方法，以及風險分值與風險等級的對應方式，結(jié)果表明，此方法能夠?qū)﹄娏ο到y(tǒng)整體風險分值進行綜合計算，確定風險等級，達到對系統(tǒng)風險可觀測的目的。通過實際算例驗證本文風險評估方法具有較高的準確性，且對于不同規(guī)模系統(tǒng)具有良好的適用性。

附 錄 A

指標權(quán)重確定方法

首先基于AHP對指標進行賦權(quán)，采用專家打分法與查閱資料相結(jié)合的方法確定每層元素對上層元素的相對重要性的程度，得出判斷矩陣，并進行一致性檢驗，進而確定各指標權(quán)重。

通過兩兩比較得到同一層指標對上一層的影響程度，分別見表A.1—A.4。

表A.1 第1層指標相對重要程度Tab.A.1 Relative importance of first-level indicators

以第1層權(quán)重為例，從電網(wǎng)風險、源側(cè)風險和荷側(cè)風險3個層面，根據(jù)附表A.1得到判斷矩陣A，

結(jié)合第1層及其權(quán)重，最終得到各指標的AHP法權(quán)重σ計算結(jié)果，見表A.5。

表A.5 各指標AHP權(quán)重值Tab.A.5 AHP weight value of each indicator

將每個評估時刻的14個指標分值進行歸一化計算，并將歸一化后的數(shù)值與σ相乘獲取各指標最終的綜合權(quán)重值It，將各指標權(quán)重It分別代入系統(tǒng)整體風險評估模型式(20)—(22)中各指標權(quán)重參數(shù)值位置進行計算，最終獲取系統(tǒng)整體風險分值。