基于人工智能的配电网风险态势预测方法研究

曹令军

（国网吉林省电力有限公司检修公司，吉林 长春 130041）

随着时代的发展，接入配电网的分布式电源（Distributed Generation, DG）越来越多。像风电，光伏这种新能源发电方式，因其节能环保等特点迅速增多[1]。截至2020 年底，我国水电总装机容量达到3.8 亿千瓦，风电累计装机2.81 亿千瓦，光伏发电累计装机达到2.08 亿千瓦。但是DG 具有随机性和间歇性，影响配电网安全稳定运行，所以对配电网进行风险预测是必须且必要的。我们需要找到配电网的薄弱环节，对风险和事故的发生有提前的预判，才能及时做出应对，将发生风险事故降的可能性到最低[2]。但是，仅靠配电网自身是无法实现这些需求的。因此，面对当前复杂的电网系统，我们需要一个配电网风险预测系统帮助我们预防停电事故的发生[3]。

1 国内外研究现状

电网态势感知还属于一项新兴技术，国内外均已开展对电网态势感知的研究。其主要研究方向有配电网实时运行状态辨识、配电网发展趋势预测、态势可视化以及广域控制与风险调度四种[4]。

近几年，国内在电网态势感知领域还有很多不同的研究。比如：文献[5]，在四川电网系统灾害预警的数据基础上，借助WebGIS 技术，设计了电网灾害预警分析系统。文献[6]，使用蒙特卡洛法研究了分布式电源并网对电网的影响。文献[7]，提出了多源端系统数据信息集成思路和方法，提出了配电网态势感知的基本框架。

而在国外，美国早在多年以前就开展了配电网中态势感知技术的研究。比如：使用能量管理系统进行意外事故分析；通过相量测量单元分析控制跨区域阻尼振荡；通过收集信息，建模分析，实时评估配电网状态，实现广域控制系统自愈网络。并且美国早已开始在纽约进行了配电网态势感知实践，加装了大量传感器和相量测量单元，提高了电网状态的可见性，可以清楚的察觉潜在威胁，提高输电线路利用率，提升系统可靠性。

2 基于人工智能的配电网态势感知风险预测

2.1 配电网态势感知框架

随着时代的进步，数据采集与监视控制系统(SCADA)也越来越完善，使我们能采集获取海量配电网运行数据，这给配电网态势感知提供了数据支撑[8]。在获取了这些海量数据后，我们还需要从中筛选出有用的，关键信息，剔除那些没有用的垃圾信息。然后使用要素提取的多种方法预测结果，最后以预测结果为依据，制作解决方案反馈给配电网。

主动配电网处在一个充满随机性的复杂运行环境中，要想对主动配电网及时准确的做出预测就需要我们先构建一个将态势察觉，态势理解，态势预测集于一体的态势感知模型[9]。我们按这三个阶段分层，得出图1。

图1 配电网态势感知框架

第一层是态势察觉，主动配电网中的态势察觉阶段需要提高可观性量测的优化配置、PMU 优化配置、高级量测体系构建等技术。利用这些技术使量测部署方便，配置灵活，以便于获取数据，提供给后两阶段的态势理解和态势预测；第二层的态势理解要对态势察觉提供的数据进行分析，先使用主动配电系统的大数据与云计算等关键技术，从大量数据中提取其中的特征信息，然后用主动配电网三相潮流计算和主动配电网三相状态估计等技术对其进行分析，最后用主动配电系统脆弱性分析、主动配电系统供电能力分析和主动配电系统灵活性分析等技术对配电网的各项特征进行评估；第三层态势预测先使用随机性柔性负荷预测、间歇式DG 出力预测等技术进行预测，再在安全评估指标体系的基础上对预警等级分级。

2.2 电网风险来源

电网的风险来源有以下几种：

2.2.1 恶劣天气。因恶劣天气所致的雷电、覆冰、污秽、温度和湿度等，都会给电网运行带来风险。例如：当一些重要的电力设备因冷冻灾害而覆冰时，会影响配电网的供电质量和输电能力，使配电网的稳定性遭到破坏；雷电击穿绝缘子导致闪络，损坏配电网二次设备；温度会影响电力设备的性能和寿命，造成绝缘老化，影响配电网安全稳定运行等等。

2.2.2 电气设备自身缺陷。这其中包括短路、过负荷、系统铁磁谐振过电压和绝缘老化损坏等因素。这些因素会使配电网产生谐振过电压，谐振过电压的出现又会使经过变压器的电流迅速增加，又因电流过大使变压器损坏甚至爆炸。而变压器二次绕组发生短路故障时，会使线圈变形，绝缘松动，严重时甚至会使变压器烧毁。

2.2.3 人为因素。人为因素主要有外力破坏和人为误操作。比如：挖掘机铲土时挖断电缆；鸟类所引起的变压器短路；配电网工作人员操作不规范，对变电站或配电厂内的电气设备进行错误的操作。这些因素都会使配电网产生一系列的故障，如断线故障、相间短路、接地故障和电力设备的损坏等。

2.2.4 负荷因素。主要是由负荷侧发生故障或者在用电高峰期接入负荷过多所引起，负荷侧发生故障如果不及时切除，会损坏供电的电力设备，造成更大范围的停电。而大量负荷接入电网，会造成线路过载或者功率越限，使继电保护动作时间变短，增加停电可能性。

2.2.5 分布式电源。由于分布式电源具有很强的间歇性和随机性，当分布式电源接入电网时，会在电网间产生双向潮流，给电网带来各种风险，如过电压运行风险、线路过载风险、失负荷风险等等。

2.3 风险预测流程

随着同步测量单元的大量部署，为配电网大数据分析提供了先决条件[10]。配电网风险预测就是针对电网中的各种不确定因素进行预测，根据预测结果分析评估未来电网运行状态，并利用风险指标进行分级，确定配电网的风险水平，对不正常的运行做出预警[11]。具体流程如图2 所示。

图2 风险预测流程图

首先对由同步向量测量单元、广域测量系统、电力监视系统测得的相关电力数据进行预处理，剔除缺失、冗余、无关的数据；然后利用历史数据挖掘技术对电力历史数据进行挖掘，确定场景概率模型；再选择系统状态并计算相应概率，进而评估所选状态的结果；然后对配电网风险指标进行计算，分析配电网运行风险，根据计算的风险指标来进行风险预测，达到在风险发生前进行有效的管控，进而保证配电网安全稳定运行。

3 配电网风险指标计算

配电网运行风险评估需要考虑每种故障发生的概率和相应的破坏能力、损失大小。本文考虑由于光照强度和风力大小的随机性、间歇性和不确定性所导致的电压越限、线路过载和失负荷等风险[12]。

配电网过电压运行风险为：

其中：CRI 为评估周期内的配电网综合运行风险；ω1，ω2，ω3，ω4分别是配网过电压运行风险，配网低电压运行风险，配网线路过载运行风险以及配网失负荷运行风险对应的权重系数，其中ω1+ω2+ω3+ω4=1。系数的选取可按照运行人员的实际要求择定或者采用层次分析法确定。

4 仿真验证

本文使用IEEE33 节点配电网模型为仿真的测试系统，IEEE33 节点配电网模型有33 个节点，32 条支路，四条馈线，设节点1 为参考节点，设有功功率为3625kW，设电压为12.66kV，设无功功率为2554kvar，设功率基准值为10000kVA，其模型见图3。

图3 IEEE33 节点系统图

IEEE33 节点系统部分参数如表1。

表1 IEEE33 节点系统部分参数

根据上述公式进行风险计算，运用Matlab 进行仿真，得到的结果如图4 所示。

图4 越限风险时间分布图

根据越限风险时间分布图我们可以看出，在16-24 时，风险最大，以电压越限风险为主，而低电压运行风险和配电网线路过载运行风险实际风险计算值很小，在图中显示不出来，所以配电网的风险主要还是由过电压风险和过电压引起的失负荷风险组成。

通过节点电压时空风险图我们可以看出在16-24 时，节点电压风险最高，集中在节点9-17 和25-33。节点9-17，全天都存在节点电压风险，在8-24 时最大。节点25-33，在16-24 时节点电压风险最高，其余时间比较稳定，不容易出现风险，见图5。

图5 节点电压时空风险图

5 结论

随着社会的不断进步，经济的快速增长，配电网也在不断发展，越来越多的分布式电源接入电网，使电网结构越来越复杂，配电网的不稳定性不断增加。而配电网是电网中最接近用户侧的一个环节，配电网是否能够安全稳定的运行直接关乎用户的安全与否，所以我们现在需要将配电网风险量化，将量化电网风险后得到的数据作为保护电网安全运行的依据[13]。因此本文以人工智能为基础，对配电网进行风险预测，搭建了配电网态势感知框架，介绍了风险预测流程；介绍了配电网的各类风险，比如过电压风险、低电压风险、线路过载风险和失负荷风险。提出配电网风险评估指标，给出了配电网综合运行风险的计算并以此为基础使用matlab 进行仿真，验证了含有分布式电源的配电网风险主要由过电压风险和由过电压引起的失负荷风险组成，对实际工作工程建设有指导意义。