基于K折验证的配电网故障转供可靠性评估研究

2022-04-21郭登科米文涛庄飞虎徐毅端范瑞妮

电气传动 2022年8期

郭登科，米文涛，庄飞虎，徐毅端，范瑞妮

（1.国网昌吉供电公司变电检修中心，新疆昌吉 831100；2.宝鸡市韦思特电气有限公司，陕西宝鸡 721006）

目前，配网可友好地接纳大量分布式电源、储能、电动汽车等新型电能设备[1-3]，在满足现阶段电力需求的条件下，如何利用高度融合的信息物理技术，面对低碳能源利用和绿色电力发展的双重压力，提取运行指标的特征参数[4-5]，并采用合理的方法进行配网的可靠性评估，完成对其运行环境的态势感知，成为了当下业界关注的重点问题之一[6]。

文献[7]考虑用电可靠性的提升需求，通过细化对应的指标体系，并在此基础上采用了基于综合改进熵权法和层次分析法的变权重估值模型，在适合有多种特性运能设备接入并伴随可能的孤岛运行时，分析智能配网可靠性的各项指标；文献[8]根据多个分布式电源的不同安装地点和网架结构特征，按照实际电网的主体结构和供电范围进行划分，同时考虑一次侧上、下游支路以及二次侧上、下子系统的实际状态，建立了分区域的配网可靠性计算方法；配网的可靠性还依赖于远动设备与调度系统之间的协调，文献[9-11]重点阐述了在保证运行数据的获取、传递与处理过程与系统运行之间有效联系的方法，便于提高实际工程中的风险管控能力。

基于配网过往的状态进行的评价，主要可反映在该系统运行方式变化不大的前提下，对保障持续供电能力的一种可靠性评估。但目前通过对测量数据的实时计算，继而得到可靠性评估指标的方法有一定的局限性[12-13]。若考虑配网设备所处环境的复杂因素时，所出现的大概率事件更会增加实时计算的复杂性，具体原因在于调用模型的不确定性，即模型中需要调节的参数维度变化大[14-15]，可以考虑采用深度学习的思路和方法，建立一个更加泛化的评估模型，作为实现可靠性实时评估的补充。

配网发生故障后，部分元件不可避免地退出运行，就目前的实际工程结果统计来看，在较短的时间内拟定完全避免负荷损失的转供方案仍然受诸多因素的影响。本文针对这一过程，根据配电网多种供电方式，按照停电前后的能量平衡方程建立了负荷转供效果评估指标。以损失功率最小为前提，考虑在运设备的运行状态、自身特性和外部环境等多因素，构建了基于多种因素的配电网故障转供评估模型的等式和不等式约束条件，采用基于K折验证（K-fold verification）数据处理方法，对历史数据进行充分的预前训练，完成配网转供关键约束参数的拟合，便于与后续可能出现的故障信息相比对，可最大限度地减少转供计划的准备时间。调度人员可根据比对结果拟定稳妥的转供措施，并完成转供路径的选取。

1 基于多种因素的配网故障转供评估模型

1.1 配网故障转供效果评估指标构建

基于负荷类型和密度所确定的配网供电方式主要有4种，不同的供电方式在一定程度上决定了该方式下的可靠性，具体的供电方式如表1所示。

表1 配电网不同供电方式网络接线表Tab.1 Distribution network of different power supply mode

在表1所示的4种供电方式中，能够满足N个设备切除任一个的可靠性要求的不足50%。所以当配网中某一环节发生故障，若不及时加以干预，则最严重的情况当属负荷全失。为避免极端事件的发生，调度部门应及时采取负荷转供措施，最大限度地保证更多的用户能够正常用电。

负荷转供须经历多种复杂的操作，根本目的是能量再平衡状态的快速建立。在停电事件发生之前，考虑网络损耗的一般情况，配电系统的平衡状态如下式所示：

式中：PS为输电网供给的功率；为n条配电线路的损耗功率之和；为m个变电站的损耗功率之和；Pload为配电网内k个负荷所需的功率；Pli，Plimax分别为各条线路传输的有功功率和最大允许功率；PTj，PTjmax分别为各个变压器分配的运行功率和最大允许功率；Ui为各个节点的运行电压。

根据式（1）中后3个不等式方程，可以计算出对应设备的负载率DOL，u和各母线的电压偏移程度ΔUi。

当配电网部分区域发生故障时，如式（1）所示的平衡状态被破坏，假设通过转供已将负荷损失降至最小程度，在转供过程结束时所达到的能量平衡状态如下式所示：

式中：P′S为转供结束后输电网供给的功率；n′，m′分别为剩余在运的线路和变电站数量；k′为配电网内保留的负荷。

负荷转供实际上是一种应对故障停运的补救措施，其处理方式是否得当、效果是否理想以及能否保障整个过程的可靠性必须在实施措施之初就加以预判，具体可通过故障停运率λi和停电时间μi这两项指标客观评估，如下式：

式中：Tk，i为网络中任一设备停运的时间。

1.2 基于多种因素的配电网转供约束构建

为了使式（3）所对应的两项评估指标同时达到最小，则从能量和时间角度必须满足的条件为

式中：ΔPload|Tk,i为在第i个负荷在对应的第k个环节故障下所损失的功率。

为了最大限度地满足式（4），必然期望更多的转供功率通过配电网中除第k个以外的其它环节到达第i个负荷点处，即对应的路径将发生变化。以配电网中主要的环形网络为例进行说明，典型单环接线方式的最小单元如图1所示。

图1 单环接线方式的最小单元结构图Fig.1 The smallest unit structure diagram of single loop wiring

假设在t时刻该单环网络中的任一线路（lS1，l12，l23，lS3）或者节点（S，1，2，3）均正常运行，则对应潮流的方向最多有且仅有2个，具体有以下3种组合：

1）S→1以及S→3→2→1（功率分点为1）；

2）S→3以及S→1→2→3（功率分点为3）；

3）S→1→2以及S→3→2（功率分点为2）。

若当图1中的lS1在t+1时刻因发生故障而退出运行，若想完成负荷1′的完全转供，则故障前通过S→1′方向输送的潮流必须由t时刻的另一潮流路径S→3→2送至负荷1处，即

考虑现实中设备巡查、检修的客观需要，负荷转供后的相当一段时间内，路径S→3→2上各个环节的功率将同时增加PS→1，t，直至t+2 时刻lS1恢复正常并再次投运。所以，必须确保在t+1至t+2时刻内，避免配电网其它部分再次发生故障的可能性，使得整个“自愈”过程能够顺利进行下去[16]，关键在于客观量化各个元件的运行状态、自身属性和自然条件这三类因素对转供路径可靠性（故障率）的影响程度，具体如下：

1）长供电半径情况下的高负载率运行不仅增加了系统的整体损耗，还容易增大电压偏移程度，导致后续配电网运行的安全水平进一步降低；

2）设备的投运年限增长，其自身的健康状态、能量供给能力也会随之降低。不同设备的故障率和修复时间随着老化程度呈现出一定的增长；

3）设备在不良运行条件或者恶劣的气象及环境下更容易发生故障引发停电事故，影响系统的安全可靠运行和对用户的安全可靠供电。

上述3类因素与故障关联程度如表2所示。

表2 不同因素对潮流路径可靠性影响程度Tab.2 The influence of different factors on the reliability of supply path

表2中，“运行状态”栏内对应的负载率、供电半径和电压偏移这3个运行约束条件可以通过配电网结构和实际数据计算求得[17-18]；“自身特性”栏内的参数Y和H分别表示某一设备的服役年限以及健康状况；“外部环境”栏内的参数T和vw分别表示某一设备的外部环境的温度和风速。具体计算如下：

式中：Rimax为第i条线路的最大供电半径；εD，εR，εU分别为实际运行要求下的负载率、供电半径和电压偏移所对应的约束参数；ri为对应线路的供电半径。

配电网的设备众多，特性相异，但工程上广泛采用健康指数H表示各种设备的健康状态和故障率λ之间的对应关系[19]：

这种方法主要采用指数函数的形式，通过比例系数K和两个拟合曲率系数C1和C2描述设备的健康状态。在实际运行情况下，各种设备的健康状态不仅与其自身内部因素（服役年限、结构材料等）相关，还与其长期所处的环境因素（天气变化等）相关，当全面考虑各种内、外因素对设备健康状态的影响时，其含义即表示外部环境因素对设备健康状态影响的程度，具体与设备元件所处的环境温度T，风速vw（架空线路）和服役年限Y有关。

这样便可以将表2中的第2项和第3项关联起来，便于在不同的具体情况下可将两者作为一个整体同时考虑。对应的特性和环境约束为

式中：ελ为考虑设备内外部因素所对应故障率的约束参数。

综上所述，式（5）为配电网负荷转供的等式约束条件，式（6）和式（8）为对应的不等式约束条件。

对于上述各约束条件，其中的关键参数会随着配电网运行方式的变化而改变，还无法采用确定的函数形式实时准确地加以描述。

但是考虑故障的发生在现有的研究中多用一个随机性事件来描述，从实际工程的需求出发，必须快速地获取相关参数以便在较短的时间内确定负荷的转供路径。后文着重考虑通过对历史数据的挖掘，以便从中提取对负荷转供措施拟定有利的信息，并加以利用，完成整个过程中约束条件的准确计算。

2 基于K折验证的配电网转供约束参数拟合

2.1 基于K折验证的配电网历史数据处理方法

采用在线潮流计算结果虽然可以在满足式（4）的前提下准确地完成如式（3）两项指标的预评估，但是不适合实际之处如下：

1）在线潮流计算充斥着大量的“乘除”运算，需要一定的时延得到满足精度要求的计算结果；

2）式（6）和式（8）所表示的约束参数受多种复杂情况的影响，取值范围会发生变化。

从实际工程的角度考虑，转供路径的选取一定要在稳妥的前提下进行，若能够在较短时间内得到在实际条件允许情况下的合理措施，不排除选择偏于保守方案的可能。

对配电网的历史运行状态进行合理的运用，充分利用对过往数据变化规律的观察，给予系统和工作人员准确判断后续可靠性状态的依据，需要建立一个便于短期决策的泛化模型，在此模型中，考虑对各种时域数据进行动态的训练，实时验证和后续测试，在比对数据训练效果的同时完成模型的训练。

上述基于历史数据所建立的泛化模型，对于实现有效信息的提取需要考虑以下两点：

1）虽然各种程度故障状态的数据样本较小，但对于约束参数的选取更具有实际价值；

2）正常状态的数据基本已涵盖了可能出现的运行方式，对于转供路径的选取更具有参考价值。

处理上述两点的关键在于如何将数据进行合理的划分并完成处理。本文采用基于K折验证的数据训练方法，通过对历史数据的离线拟合解决上述问题，如图2所示。

图2 K折验证数据训练过程图Fig.2 K-fold verification algorithm data training process diagram

考虑如果划分区间过大，则运算结果往往精度偏低；反之，则计算量和计算时间超出可接受的范围，针对此问题，以历史运行数据集合为样本空间，进行下述过程的处理：

1）将配电网状态变化不大的所有不同时间段的运行方式按顺序归为同一类待迭代运算样本，总体样本空间可历经N次迭代计算；

2）根据正常运行数据和故障数据将每一次迭代运算样本划分为训练段和测试段；

3）按照各段持续的时间顺序，将训练段继续进行划分；

4）负荷转供后，运行方式随之而变，所以表征故障情况的所有测试段须在表征不同正常运行情况的其它训练段内参与迭代计算。

2.2 基于K折验证的配电网转供约束参数拟合

按照上述处理过程，可同时测试式（5）、式（6）和式（8）所表征的约束模型（变量、参数）按照不同运行状态（正常状态、故障情况）、外部环境（极端天气）对应地进行求取特征均值集合Ei的训练，具体特征均值集合E的各类元素如下：

关键参数拟合流程如图3所示。在图3所表现的具体流程中：在判断“是否出现停电事件”之前的步骤，即可按照如图2所示K折验证方法完成数据的处理；根据故障信息的判断，整体流程出现分化；若该时段无故障，则“当下运行数据”按照正常运行状态处理，通过“生成新数据”回馈至“历史数据库”中；若该时段发生故障，则根据式（5）、式（6）和式（8）进行转供效果的可靠性评估，同样“生成新数据”回馈至“历史数据库”中。

图3 关键参数拟合流程图Fig.3 Key parameter fitting flow chart

根据训练的结果，将以上各元素进行均值处理，即可得到各种故障前后变量、参数的合理取值。取值的结果是一种对历史数据进行充分的预前训练，以备与后续可能出现的故障信息相比对，值得注意的是，这种比对实际上是一类“加减”运算，可减少转供计划的准备时间。调度人员可根据比对结果拟定稳妥的转供措施，并对应选取转供路径。