一种基于云模型的园区电压暂降严重程度评估方法

技术领域

本发明涉及电力工程技术领域，具体为一种基于云模型的园区电压暂降严重程度评估方法。

背景技术

随着园区负荷容量和新能源占比越来越高，发生电压暂降的频次也随之正增长，这对电机、Led灯驱动器等敏感设备或元器件带来经济性和可靠性方面的负面影响越来越多。然而，动辄数十万的电压暂降治理设施费用对园区运营商而言太高昂了，需事前对电压暂降严重程度进行评估，将确切的严整程度评价指标予以园区运营商，以供其订制是否进行电压暂降治理的决策。

以敏感设备实际电压曲线与耐受电压参考曲线之间的距离作为评价指标是常见严重程度评估的思路，如适用于半导体制程设备的SEMI F47曲线，以及适用于计算机电能质量的ITIC曲线。设备侧电压暂降严重程度评估方法研究(电力自动化设备，2019，39(01):：175-182，卢文清，常乾坤，贾东强等)一文中公开了利用权值函数法修正了传统严重性和综合性评价指标在单调性和连续性方面的问题，但耐受曲线的模糊性问题仍未解决。此外，这些指标侧重单一敏感设备，忽略了园区整体电压层级的严重层度评估，缺乏系统性，不适合作为园区电压暂降严重程度的评价指标。

系统性风险评估关键在于将模糊性和随机性集成在一起，而云模型就是在统计数学和模糊数学的基础上实现定性语言值和定量数值之间自然转换的方法。基于前兆信息的可重构梯次电池储能系统安全风险评估(太阳能学报，2022，43(04)：36-45，吴岩，田培根，肖曦等)建立了改进云模型-组合赋权-TOPSIS算法模型，为电池储能系统提供预警服务。这些文献对云模型赋权方法依赖于主观赋权法，未对权重向量进行组合，使得风险评估往往偏向于过于依赖经验判断。

园区可靠的电压价值是个性化分散至设备的，传统围绕敏感设备的电压暂降可靠性评价指标在经济损失、暂降概率等模糊性上略显不足，特别是在园区分布式能源出力波动的场景下，这导致了很难系统性地评估电压暂降危害程度。

发明内容

针对上述情况，为弥补上述现有缺陷，本发明提供了一种基于云模型的园区电压暂降严重程度评估方法，该方法提出了考虑源荷扰动的电压暂降严重程度评价指标体系，其兼顾了电压暂降带来的负面影响、园区自愈能力和电压暂降风险。在此基础上，融合主观评价层次分析和客观评价熵值法来淡化单一评价指标赋权的缺陷，其作为所提基于云模型的电压暂降严重程度评估方法的输入，可得兼顾模糊性和随机性的极低、较低、中等、较高或极高严重程度的评价云图，园区运营商可据此实施电压暂降治理方式。

本发明提供如下的技术方案：本发明提出的一种基于云模型的园区电压暂降严重程度评估方法，具体包括下述步骤：

步骤1：考虑源荷扰动的电压暂降严重程度评价指标体系

在园区运营商角度，既需要考虑电压暂降对内部工商业用户的负面影响，也要考虑园区发生电压暂降后网络的自我恢复情况，还需兼顾一定风险性，为此，提出考虑源荷扰动的园区电压暂降严重程度评价指标体系：

1.1用户负面影响程度指标

用户的负面影响程度体现了园区运营主体对所辖工商业用户或部门的义务，其应尽量确保在新能源并网和大量动力负荷同时存在情况下的电能质量，以一段时间的敏感设备电压运行域越限次数、越限时间和敏感设备影响度来反映；

1)电压运行域越限次数

敏感设备会有一个电压运行域，表示敏感设备最适宜在该电压范围内运行，当因发生电压暂降致使园区设备电压不在该范围内时，对之进行统计，该指标用于反映园区整体电压暂降次数：

式中：N

2)电压运行域越限时间

式中：d

3)敏感设备影响度

式中：S为园区的电压暂降平均影响程度；S

1.2自愈能力指标

园区自愈能力用来反映当敏感设备遇到电压暂降后能否安全可靠继续运行，体现了对园区内部源荷干扰的鲁棒性，包括在电压暂降前提下的敏感设备故障率、电压暂降能量损失和敏感设备备用情况；

1)敏感设备故障率

用于反映当发生电压暂降时，敏感设备故障情况，故障类型包括停机、元件损坏和不能正常运行：

式中：N

2)电压暂降能量损失

用于反映发生电压暂降对敏感设备的冲击程度；

式中：W为园区的电压暂降平均能量；W

3)敏感设备备用情况

此指标为相关专家对敏感设备有无备用设备的情况进线评分，为主观性指标；

1.3综合风险指标

考虑到源荷扰动对敏感设备造成的潜在电压暂降风险，为反映该情况，园区综合风险指标被提出以体现低压状态、电压稳定性和期望经济损失等方面风险；

1)低压状态运行概率

低压状态的定义为实际电压低于额定电压95％，此时若发生电压波动，很有可能演化为电压暂降时间，这个重点体现了新能源波动性和园区峰荷时段动力负荷对其的影响：

式中：P为低压状态运行概率；T

2)电压稳定性

当新能源或其它动力负荷电压波动时，房间电压亦随之剧烈波动，为此，可用敏感设备的方差来反映电压暂降的可能性：

式中：α为园区敏感设备的电压方差；α

3)电压暂降期望经济损失

用于反映电压暂降对园区设备和正常生产运营的经济影响：

式中：γ

步骤2：评价指标权重的确定

指标赋权关键是克服主、客观加权的局限，本方案中主观加权采用五标度的层次分析法，而客观加权采用熵值法，通过最优化模型来确定最终的组合权重，从而平衡了园区电压暂降严重程度指标权重的经验性和科学性；

2.1五标度层次分析法

考虑到三标度法的划分粒度较粗，采用五标度法确定主观权重，其步骤如下：

1)建立比较矩阵P

在构造目标层、准则层和指标层后，邀请专家以所提安全指标体系为基础，按五标度法确定同级指标的重要性；

2)建立判定矩阵A

判断矩阵A中元素a

式中：r

3)建立最优传递矩阵C

最优传递矩阵C中元素c

4)一致矩阵A

作

5)层次单排序

求解A

6)层次总排序

将指标层相对准则层的权重设置为u

2.2熵值法

五度法确定主观权重后，可用熵值法进行客观权重确定，以熵值法确定电压暂降可靠性评价指标的客观权重，其步骤如下：

1)计算风险指标比重

当可观权重的决策矩阵Q形成后，电压暂降的可靠性指标值比重按如下方式计算：

式中：q

2)求解熵值

3)计算指标权重

2.3权重最优化模型

五标度法确定的主观权重与熵值法确定的客观权重分别确立后，依据权重最优化模型理论，其组合加权模型为：

式中：W

在专家评估得出比较矩阵P和决策矩阵Q后，对式(17)求解可得μ

步骤3：依据云模型对电压暂降严重程度进行评估

以云模型来克服严重程度评估中的模糊性和不确定性，具有三个定量化特征：期望Ex、熵En和超熵Hc，三者分别代表了园区电压暂降严重程度的评价值、评价结果可靠性和评价结果稳定性；

采用常见的正态云发生器，包括正向和逆向云发生器两部分：

1)逆向云发生器

逆向云发生器用于将电压暂降严重程度的评估值转化为风险评估的云数字特征，其期望Ex、熵En和超熵Hc可表示如下：

2)正向云发生器

正向云生成器旨在生成严重程度评价指标的评价云滴，其先依据

采用上述结构本发明取得的有益效果如下：本发明提出的一种基于云模型的园区电压暂降严重程度评估方法，基于实际园区运行数据，在园区运营商的角度，提出了考虑源荷扰动的电压暂降严重程度评价指标体系，有效兼顾了电压暂降的负面影响、园区自愈能力和电压暂降风险；进一步，采用了以主观评价层次分析和客观评价熵值法的组合赋权方式淡化单一赋权的缺陷，在此赋权方法基础上，构建了以云理论为基础的园区电压暂降严重程度评估云模型；生成的园区电压暂降可靠性评价云图的各个风险等级层次分明，验证了所提的组合权重法的有效性，其可避免专家打分法的经验主义与抽样模拟的客观评价的负面影响，有效提升了可靠性评估云模型科学性和可靠性。具体技术效果和优点如下：

1)对新能源接入和动力负荷容量逐年增长背景下的园区电压暂降严重程度进行了扫描，构建的指标体系能较为全面地反映电压暂降严重程度；

2)通过五标度层次分析法和熵值法可较准确的确定最终组合权重风险指标权重兼具经验性和科学性；

3)构建了电压暂降严重程度评估云模型，该模型可综合评价指标体系的主客观意见，能较为敏锐的发现电压暂降的严重程度。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实际园区的电压分布情况示意图；

图2为本发明电压暂降可靠性评估流程图；

图3为本发明云模型示意图；

图4为本发明二级可靠性指标云图；

图5为本发明园区电压暂降可靠性指标云图。

具体实施方式

下面将结合本发明实施例的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提出的一种基于云模型的园区电压暂降严重程度评估方法，具体包括下述步骤：

步骤1：考虑源荷扰动的电压暂降严重程度评价指标体系

通常，配电网的电压量测单元仅下延到园区关口电表，当地县市电力公司再依据此电表进行电能质量监测，意味着园区的电压暂降严重程度评估也只能停滞于园区进线层级。当然，这在电网为单一且无穷大电源时是完全可行的，但随着园区分布式电源接入越来越多，沿海的一些园区新能源发电量占比甚至到了50％以上，而传统严重程度评价指标几乎未考虑新能源接入的影响。与此同时，以空调为代表的动力负荷容量逐年提升，在园区空调开启高峰期，其会使电压整体水平较低。毫无疑问，源荷双扰动是对敏感负荷进行严重程度评估时不得不考虑的因素。

附图1为上海某园区光伏逆变器出线侧、园区总进线、园区动力线和某房间电表在连续3日的电压。需说明的是，该园区光伏装机容量已达平均负荷30％，属于较高比例新能源园区，数据上传采用突变传输模式，突变阈值为10％，时刻点间隔为1min，房间为单相电表。由图可看出，由于光伏出力的间歇性，以及园区中午时段为用电高峰，导致午间的整体电压特别低，在房间电表的电压一直在波动。与此同时，作为电源，新能源并网接口的电压并非完全稳定，动力线由于午间负荷大也一直在剧烈波动。此时，若仅对园区进线处进行严重程度评估，显然不能真实反映园区敏感负荷的电压暂降情况。因此，有必要在智慧园区中将新能源和动力负荷的扰动作为电压暂降严重程度评价指标体系的订制参考。

在园区运营商角度，既需要考虑电压暂降对内部工商业用户的负面影响，也要考虑园区发生电压暂降后网络的自我恢复情况，还需兼顾一定风险性。为此，提出考虑源荷扰动的园区电压暂降严重程度评价指标体系，如附表1所示。

表1严重程度评估指标体系

1.1用户负面影响程度指标

用户的负面影响程度体现了园区运营主体对所辖工商业用户或部门的义务，其应尽量确保在新能源并网和大量动力负荷同时存在情况下的电能质量，以一段时间的敏感设备电压运行域越限次数、越限时间和敏感设备影响度来反映；

1)电压运行域越限次数

通常，敏感设备会有一个电压运行域，表示敏感设备最适宜在该电压范围内运行，当因发生电压暂降致使园区设备电压不在该范围内时，对之进行统计，该指标用于反映园区整体电压暂降次数：

式中：N

2)电压运行域越限时间

式中：d

3)敏感设备影响度

式中：S为园区的电压暂降平均影响程度；S

1.2自愈能力指标

园区自愈能力用来反映当敏感设备遇到电压暂降后能否安全可靠继续运行，体现了对园区内部源荷干扰的鲁棒性，包括在电压暂降前提下的敏感设备故障率、电压暂降能量损失和敏感设备备用情况；

1)敏感设备故障率

用于反映当发生电压暂降时，敏感设备故障情况，故障类型包括停机、元件损坏和不能正常运行：

式中：N

2)电压暂降能量损失

用于反映发生电压暂降对敏感设备的冲击程度；

式中：W为园区的电压暂降平均能量；W

3)敏感设备备用情况

此指标为相关专家对敏感设备有无备用设备的情况进线评分，为主观性指标；

1.2综合风险指标

考虑到源荷扰动对敏感设备造成的潜在电压暂降风险，为反映该情况，园区综合风险指标被提出以体现低压状态、电压稳定性和期望经济损失等方面风险；

1)低压状态运行概率

低压状态的定义为实际电压低于额定电压95％，此时若发生电压波动，很有可能演化为电压暂降时间，这个重点体现了新能源波动性和园区峰荷时段动力负荷对其的影响：

式中：P为低压状态运行概率；T

2)电压稳定性

由附图1可知，当新能源或其它动力负荷电压波动时，房间电压亦随之剧烈波动，为此，可用敏感设备的方差来反映电压暂降的可能性：

式中：α为园区敏感设备的电压方差；α

3)电压暂降期望经济损失

用于反映电压暂降对园区设备和正常生产运营的经济影响：

式中：γ

步骤2：评价指标权重的确定

指标赋权关键是克服主、客观加权的局限，本方案中主观加权采用五标度的层次分析法，而客观加权采用熵值法，通过最优化模型来确定最终的组合权重，从而平衡了园区电压暂降严重程度指标权重的经验性和科学性；

2.1五标度层次分析法

考虑到三标度法的划分粒度较粗，采用五标度法确定主观权重，其步骤如下：

1)建立比较矩阵P

在构造目标层、准则层和指标层后，邀请专家以所提安全指标体系为基础，按五标度法确定同级指标的重要性，五标度法的原理如附表2所示；

表2五标度法原理

2)建立判定矩阵A

判断矩阵A中元素a

式中：r

3)建立最优传递矩阵C

最优传递矩阵C中元素c

4)一致矩阵A

作

5)层次单排序

求解A

6)层次总排序

将指标层相对准则层的权重设置为u

2.2熵值法

五度法确定主观权重后，可用熵值法进行客观权重确定，以熵值法确定电压暂降可靠性评价指标的客观权重，其步骤如下：

1)计算风险指标比重

当可观权重的决策矩阵Q形成后，电压暂降的可靠性指标值比重按如下方式计算：

式中：q

2)求解熵值

3)计算指标权重

2.3权重最优化模型

五标度法确定的主观权重与熵值法确定的客观权重分别确立后，依据权重最优化模型理论，其组合加权模型为：

式中：W

在专家评估得出比较矩阵P和决策矩阵Q后，对式(17)求解可得μ

步骤3：依据云模型对电压暂降严重程度进行评估

云模型以概率论和模糊数学为基础，通过云发生器实现了定性概念与定性数值相互转化的模型，可基于其生成的云图来判断园区电压暂降严重程度等级；以云模型来克服严重程度评估中的模糊性和不确定性，具有三个定量化特征：期望Ex、熵En和超熵Hc，三者分别代表了园区电压暂降严重程度的评价值、评价结果可靠性和评价结果稳定性，如附图3所示；

采用常见的正态云发生器，包括正向和逆向云发生器两部分：

1)逆向云发生器

逆向云发生器用于将电压暂降严重程度的评估值转化为风险评估的云数字特征，其期望Ex、熵En和超熵Hc可表示如下：

/>

2)正向云发生器

正向云生成器旨在生成严重程度评价指标的评价云滴，其先依据

以下为其具体的效果和优点分析：

以上海某园区的实际数据为基础，取6个自然月的电压进行指标计算，敏感设备为8台。进而，依据所提的电压暂降严重程度评价指标体系中各三级指标的获取或估计方法，在每个自然月中每周的指标计算如附表4。基于附表4的评分数据，经逆向云发生器得到的三级指标评价云的数字特征，进而可得二级指标评价云图的数字特征，其相应的云图如附图4和附图5所示。

表4园区电压暂降可靠性评分

在附图4中，从左至右灰色的云图依次表示极低、较低、中等、较高和极高风险。可知，云滴较为密集，表明严重程度评价结果稳定，以及此园区电压暂降的严重程度一般，需采取一些防止电压暂降的措施。进一步，得出综合安全风险的云数字特征为(0.67,0.06,0.01)，其云图如附图5所示。可知，云滴仍较为密集，评价结果稳定，也印证了二级严重程度指标的正确性。综上所述，云图的各个严重程度等级层次分明，验证了所提的组合权重法的有效性，其可避免专家打分法的经验主义与抽样模拟的客观评价的负面影响，有效提升了严重程度评估云模型科学性和可靠性。

本方案的具体实施方法如下：

将电压暂降严重性等级划分为极低、较低、中等、较高与极高，以黄金分割比率对评价集进行分级。设中等等级的云图特征依次为期望E

表3云数字特征

据此，可得作为严重程度评估基准对照图的标准评价云。电压暂降严重程度评估流程如附图2所示。

首先，从智慧园区云服务中调取各个敏感负荷量测端和智能电表处的历史电压数据，再对这些历史数据进行时间戳对齐、异常数据滤除等预处理工作；

然后，计算所提电压暂降严重程度评价指标体系中各项客观指标，并要求相关专业对主观指标进行评分；接下来计算三级指标、二级指标和一级指标的云数字特征；

最后，依据云数字特征生成云评价云图。

上述一、二和三级指标的云数字特征计算方式如下：

1)三级指标评价云的数字特征

取三级严重程度指标中的最低分和最高分，以逆向云发生器计算二者的云数字特征，取其综合值E

式中：

2)二级指标评价云图

对三级评价云数字特征和组合权重进行加权运算，可得二级严重程度指标的云数字特征E

3)综合严重程度评级云图

进一步，将三级评价云数字特征和组合权重进行加权运算，可得电压暂降严重程度评价云的数字特征E

要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物料或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物料或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。