一种计及气象因素的配电系统可靠性评估方法

技术领域

本发明属于配电网可靠性评估领域，尤其涉及一种计及气象因素的配电系统可靠性评估方法。

背景技术

随着近年来极端灾害天气的愈发频繁，配电网遭受台风、暴雨、冰灾等自然灾害冲击的频率越来越高，由此导致的停电事故也越来越多。目前缺乏计及气象因素的配电系统可靠性评估方法，量化气象变化，包括极端灾害天气对于配电线路故障率的影响，并且随着电动汽车的普及，配电系统的情况也越来越复杂，对其进行可靠性评估也越发困难，无法实现电网可靠性指标的准确计算。

利用聚类算法对气象数据进行聚类，从而量化气象因素对配电线路故障率的影响，同时依据真实气象数据区分常规故障和极端灾害故障，并通过序贯与非序贯蒙特卡洛模拟相结合的方法，进行配电系统可靠性评估，能够有效计及气象因素对配电系统可靠性的影响，在实际工程背景下具有重要意义。

发明内容

发明目的：本发明的目的在于提供一种计及气象因素的配电系统可靠性评估方法，从而更准确地计算配电系统的可靠性指标。

技术方案：本发明的一种计及气象因素的配电系统可靠性评估方法，包括以下步骤

步骤1、获取某一地区在历史时间段中每个小时的平均温度、最大风速和降水量三组数据，通过聚类算法对三组数据进行聚类，获取聚类后每一类场景中该地区配电网络架空线路的真实故障率，形成每一类场景对应一个故障率的类别库；

步骤2、根据需要评估可靠性的配电网络所在地每个小时的平均温度、最大风速和降水量，判断每个小时的气象数据属于类别库中的对应类别，从而选取对应类别的故障率作为配电网络架空线路的故障率；

步骤3、基于步骤2中配电网络架空线路的故障率，对配电网络进行序贯蒙特卡洛模拟，根据模拟的故障发生时配电网络所在地的气象数据判断故障为常规故障或极端灾害导致的故障；

步骤4、若步骤3中的故障为常规故障，则在到达蒙特卡洛模拟年限后停止仿真，计算配电网络的可靠性指标；若步骤3中的故障为极端灾害故障，则对其再进行非序贯蒙特卡洛模拟，在对所有极端灾害故障完成模拟后停止仿真，计算配电网络的可靠性指标。

进一步地，步骤1中，所述聚类算法为密度峰值聚类算法DPC。

进一步地，步骤1中所述的类别库中的每一类包括类别编号、类别气象特征(平均温度、最大风速和降水量)，以及类别所占时段内当地架空线路的真实故障率。

进一步地，步骤2中所述的判断气象数据类别的方法具体为：计算每个小时内的气象数据与类别库中每一类的气象数据之间的欧式距离，与哪一类的欧式距离最近，就选取哪一类的故障率作为该小时内网络中所有线路的故障率。

进一步地，步骤3中所述的判断极端灾害天气的标准具体为：当该小时内的最大风速超过17.2m/s或当该小时内的降水量达到50mm时，认为该小时内的天气为极端灾害天气，且若由此引发配电线路故障，则该故障为极端灾害故障，否则为非极端灾害天气和常规故障。

进一步地，步骤4中所述的可靠性指标包括：

(1)用户平均停电频率CAIFI(Customer Average Interruption FrequencyIndex)

用户平均停电频率CAIFI是每个用户平均每年的停电次数，单位为次/年，其计算公式为：

式中，n

(2)用户平均停电持续时间CAIDI(Customer Average Interruption DurationIndex)

用户平均停电持续时间CAIDI是每个用户平均每年的停电持续时间，单位为h/年，其计算公式为：

式中，T

(3)用户缺供电量期望AENS(Average Energy Not Supplied)

用户缺供电量期望AENS是每个用户平均每年的缺供电量，单位为kWh/年，其计算公式为：

式中，W

(4)平均供电可用率ASAI(Average Service Availability Index)

平均供电可用率ASAI是正常供电时间占总仿真时间的比例，它从供电时间的角度表征了电网供电的可靠性，其计算公式为：

式中，T

进一步地，步骤4中所述的采用序贯蒙特卡洛模拟常规故障的可靠性评估方法具体为：

给定蒙特卡洛模拟年限及仿真尺度，在每个仿真时刻生成随机数，对网络中各元件的正常运行时间TTF(Time to Failure)进行抽样，即由随机数计算各元件的TTF，并选取TTF最小的元件作为当个仿真时刻的故障元件，并通过其故障修复时间TTR(Time toRepair)确定下次仿真时刻从而再次进行仿真，最终生成配电网络在模拟年限中所有故障元件的集合。

由于元件的正常运行时间TTF和故障修复时间TTR均服从指数分布，其计算公式为：

式中，TTF为元件故障前正常运行的时间，h；TTR为元件的故障修复时间，h；λ为元件故障概率；μ为元件修复概率；u为(0,1)之间服从均匀分布的随机数。

进一步地，步骤4中所述的采用非序贯蒙特卡洛模拟极端灾害故障的可靠性评估方法具体为：

假设系统由n个元件组成，对于每个场景s(每个时刻t)，所有元件的状态可以用矩阵X

X

式中，x

对于第i个元件，生成(0,1)之间服从均匀分布的随机数u

式中，p

不断重复上述过程，即可生成每个场景的故障元件集合。

进一步地，步骤4中所述的序贯与非序贯蒙特卡洛模拟方法相结合进行可靠性评估的流程具体为：

在所有仿真时刻进行序贯蒙特卡洛模拟，生成单点故障。在仿真达到设置的序贯蒙特卡洛模拟年限后，对仿真中模拟生成的所有故障按步骤3进行判断，判断其为常规故障还是极端灾害故障。对于其中的极端灾害故障，再进行非序贯蒙特卡洛模拟，生成多点故障。最终，基于模拟结果中的所有故障，计算步骤4中所述的可靠性指标。

有益效果：与现有技术相比，本发明具有如下显著优点：

(1)对温度、风速、降水等气象数据进行聚类，从而有效地量化气象因素对配电线路故障率的影响，进而准确地计算配电系统的可靠性指标；

(2)将序贯与非序贯蒙特卡洛模拟方法结合起来，既能模拟极端灾害天气下的多元件故障情况，又能计算时间型可靠性指标，从而有效地对配电系统的可靠性进行评估。

(3)利用聚类算法对气象数据进行聚类，从而量化气象因素对配电线路故障率的影响，同时依据真实气象数据区分常规故障和极端灾害故障，并通过序贯与非序贯蒙特卡洛模拟相结合的方法，进行配电系统可靠性评估，能够有效计及气象因素对配电系统可靠性的影响，在实际工程背景下具有重要意义。

附图说明

图1是本发明计及气象因素的配电系统可靠性评估方法的流程示意图。

图2是本发明计及气象因素的配电系统可靠性评估方法中，序贯与非序贯蒙特卡洛模拟方法相结合从而评估配电网可靠性的流程示意图。

图3是本发明实施例中的华东某城市电网中IEEE-RBTS BUS6 F4配电系统拓扑图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

结合图1，本发明公开了一种计及气象因素的配电系统可靠性评估方法，包括以下步骤：

步骤1、获取当地一定时间内每个小时的平均温度、最大风速和降水量，使用密度峰值聚类(DPC)算法对这三组数据进行聚类，并通过获取每一类场景中当地架空线路的真实故障率，形成每一类场景对应一个故障率的类别库；

步骤2、根据需要评估可靠性的网络所在地每个小时的平均温度、最大风速和降水量，判断每个小时的气象数据属于类别库中的哪一类别，从而选取对应类别的故障率作为网络线路的故障率；

步骤3、基于步骤2中的线路故障率，对网络进行序贯蒙特卡洛模拟，根据模拟的故障发生时网络所在地的气象数据判断故障为常规故障还是极端灾害导致的故障；

步骤4、若步骤3中的故障为常规故障，则在到达蒙特卡洛模拟年限后停止仿真，计算可靠性指标；若步骤3中的故障为极端灾害故障，则对其再进行非序贯蒙特卡洛模拟，在对所有极端灾害故障完成模拟后停止仿真，计算可靠性指标。序贯与非序贯蒙特卡洛模拟方法相结合从而评估配电网可靠性的流程如图2所示。

作为一种具体示例，步骤1中所述的类别库中的每一类包括类别编号、类别气象特征(平均温度、最大风速和降水量)，以及类别所占时段内当地架空线路的真实故障率。

作为一种具体示例，步骤2中所述的判断气象数据类别的方法具体为：计算每个小时内的气象数据与类别库中每一类的气象数据之间的欧式距离，与哪一类的欧式距离最近，就选取哪一类的故障率作为该小时内网络中所有线路的故障率。

作为一种具体示例，步骤3中所述的判断极端灾害天气的标准具体为：当该小时内的最大风速超过17.2m/s或当该小时内的降水量达到50mm时，认为该小时内的天气为极端灾害天气，且若由此引发配电线路故障，则该故障为极端灾害故障，否则为非极端灾害天气和常规故障。

作为一种具体示例，步骤4中所述的可靠性指标包括：

(1)用户平均停电频率CAIFI(Customer Average Interruption FrequencyIndex)

用户平均停电频率CAIFI是每个用户平均每年的停电次数，单位为次/年，其计算公式为：

式中，n

(2)用户平均停电持续时间CAIDI(Customer Average Interruption DurationIndex)

用户平均停电持续时间CAIDI是每个用户平均每年的停电持续时间，单位为h/年，其计算公式为：

式中，T

(3)用户缺供电量期望AENS(Average Energy Not Supplied)

用户缺供电量期望AENS是每个用户平均每年的缺供电量，单位为kWh/年，其计算公式为：

式中，W

(4)平均供电可用率ASAI(Average Service Availability Index)

平均供电可用率ASAI是正常供电时间占总仿真时间的比例，它从供电时间的角度表征了电网供电的可靠性，其计算公式为：

式中，T

作为一种具体示例，步骤4中所述的采用序贯蒙特卡洛模拟常规故障的可靠性评估方法具体为：

给定蒙特卡洛模拟年限及仿真尺度，在每个仿真时刻生成随机数，对网络中各元件的正常运行时间TTF(Time to Failure)进行抽样，即由随机数计算各元件的TTF，并选取TTF最小的元件作为当个仿真时刻的故障元件，并通过其故障修复时间TTR(Time toRepair)确定下次仿真时刻从而再次进行仿真，最终生成配电网络在模拟年限中所有故障元件的集合。

由于元件的正常运行时间TTF和故障修复时间TTR均服从指数分布，其计算公式为：

式中，TTF为元件故障前正常运行的时间，h；TTR为元件的故障修复时间，h；λ为元件故障概率；μ为元件修复概率；u为(0,1)之间服从均匀分布的随机数。

作为一种具体示例，步骤4中所述的采用非序贯蒙特卡洛模拟极端灾害故障的可靠性评估方法具体为：

假设系统由n个元件组成，对于每个场景s(每个时刻t)，所有元件的状态可以用矩阵X

X

式中，x

对于第i个元件，生成(0,1)之间服从均匀分布的随机数u

式中，p

不断重复上述过程，即可生成每个场景的故障元件集合。

作为一种具体示例，步骤4中所述的序贯与非序贯蒙特卡洛模拟方法相结合进行可靠性评估的流程具体为：

在所有仿真时刻进行序贯蒙特卡洛模拟，生成单点故障。在仿真达到设置的序贯蒙特卡洛模拟年限后，对仿真中模拟生成的所有故障按步骤3进行判断，判断其为常规故障还是极端灾害故障。对于其中的极端灾害故障，再进行非序贯蒙特卡洛模拟，生成多点故障。最终，基于模拟结果中的所有故障，计算步骤4中所述的可靠性指标。

作为一种具体示例，所述的配电系统可靠性评估方法，采用MATLAB进行仿真模拟。

实施例1

本实施例选取IEEE-RBTS BUS6 F4配电系统，对本发明方法的具体实现方式进行示例演示。

结合图1，本发明公开了一种计及气象因素的配电系统可靠性评估方法，包括以下步骤：

步骤1、获取华东地区某城市最近几年内每个小时的平均温度、最大风速和降水量，使用密度峰值聚类(DPC)算法对这三组数据进行聚类，共得到18个类别，并通过获取每一类场景中当地架空线路的真实故障率，形成每一类场景对应一个故障率的类别库，如第1个类别为：编号1，平均温度26.40℃，最大风速7.20m/s，降水量0.5289mm，故障率0.0043次/年。

步骤2.1、获取需要评估可靠性的电网的所在地——华东地区另一城市——2021年内每个小时的平均温度、最大风速和降水量，如2021年1月1日0时至1时该城市的气象数据为：平均温度-5.7℃，最大风速10m/s，降水量0mm；

步骤2.2、判断每个小时的气象数据属于类别库中的哪一类，具体方法为：计算每个小时的气象数据与类别库中每一类的气象数据之间的欧式距离，与哪一类的欧式距离最近，就认为该小时的气象数据属于类别库中的哪一类，并选取这一类的故障率作为该小时内电网拓扑中所有线路的故障率，如2021年1月1日0时至1时电网拓扑所在地的气象数据，与类别库中第10类场景中的气象数据间的欧式距离最短，因此认为2021年1月1日0时至1时电网拓扑所在地的气象数据属于类别库中的第10类，因其对应的故障率为0.0045次/年，所以选取0.0045次/年作为电网拓扑中所有线路的故障率。

步骤3、基于步骤2.2中的线路故障率，对图3所示的电网拓扑进行序贯蒙特卡洛模拟，生成单点故障。仿真中，设置模拟年限为10000年，步长为1小时。根据模拟的故障发生时电网拓扑所在地的气象数据判断故障为常规故障还是极端灾害导致的故障，如仿真中第1个故障发生时对应的气象数据为：平均温度24.4℃，最大风速11m/s，降水量4mm，其最大风速未超过17.2m/s，且降水量未达到50mm，因此不属于极端灾害天气，因此该故障为常规故障。

步骤4.1、结合图2，若步骤3中的故障为常规故障，则在到达序贯蒙特卡洛模拟年限——10000年后停止仿真，如仿真中第1个故障为常规故障，序贯蒙特卡洛模拟结果为12号支路断开；

步骤4.2、结合图2，若步骤3中的故障为极端灾害故障，则对其再进行非序贯蒙特卡洛模拟，生成多点故障，在对所有极端灾害故障完成模拟后停止仿真，如仿真中第100个故障为极端灾害故障，经过非序贯蒙特卡洛模拟后，模拟结果为11号和24号支路断开。

步骤4.3、对于以上所述的配电系统可靠性评估方法，采用MATLAB进行仿真模拟，基于模拟结果中的所有故障，计算CAIFI、CAIDI、AENS、ASAI四个可靠性指标。所算得的图2中A、B、C、D、E各区域的四个可靠性指标结果如表1所示：

表1各区域可靠性指标结果

由表1可以看出，本发明公开的一种计及气象因素的可靠性评估方法，能够有效地量化气象因素对配电线路故障率的影响，同时通过将序贯与非序贯蒙特卡洛模拟方法结合起来，既能模拟极端灾害天气下的多元件故障情况，又能计算时间型可靠性指标，从而更加准确地计算配电系统的可靠性指标，有效地对配电系统的可靠性进行评估。