新型电力系统背景下电压暂降风险评估技术挑战与展望

2023-02-17张逸吴逸帆陈晶腾

电力建设 2023年2期

张逸, 吴逸帆, 陈晶腾

(1. 福州大学电气工程与自动化学院, 福州市 350108； 2. 国网福建省电力有限公司莆田供电公司, 福建省莆田市 351100)

0 引言

电压暂降是电力系统运行过程中不可避免的短时扰动现象，体现为某点工频电压方均根值突然降低至0.1 ～0.9 pu，并在短暂持续10 ms～1 min[1]后恢复正常。随着工业自动化与智能化水平的提高，大量敏感设备的投入使用，电压暂降已成为最为严重的一类电能质量问题[2]，其主要由电网短路故障引起，波及范围广，可使设备运行中断[3]，进而影响甚至破坏整个工艺流程的连续性工作，造成巨大经济损失[4]。

电压暂降风险评估是电压暂降领域的重要研究方向，是综合考虑可能性与严重性给出暂降风险度量的方法[5]，其中可能性指事故发生的概率水平，严重性则描述发生故障带来的后果。由于电压暂降无法完全避免，科学实施暂降风险评估，对于供电方而言，有利于其规划改造电网结构、优化制定运行方式，减小暂降发生概率与影响范围；对于用电方而言，有利于其编排调整生产计划，安装配置治理设备，降低暂降所致经济损失。因此，电压暂降风险评估对于电压暂降的分析与防治具有重要的理论价值与现实意义[6]。

本文首先从电压暂降风险量化指标入手，将其分为可能性指标、严重性指标、综合性指标三类进行梳理归纳；随后，分析总结基于仿真模拟、状态估计与数据驱动的三类风险评估方法以及各自的优缺点与适用场景；最后，指出新型电力系统背景下电压暂降风险评估研究面临系统故障特性更加复杂、能源形式更加多样、缺乏在线仿真技术、缺乏工程化应用等四类挑战，并针对以上挑战分别从完善故障分析理论、研究综合能源系统风险评估模型和指标体系、研究暂降风险评估融合方法、研究在线仿真技术和研发实用化互动分析平台五方面对未来研究方向进行展望。

1 电压暂降风险评估方法研究现状

1.1 风险评估总体思路

电压暂降风险是电网发生概率(可能性)与用户影响后果(严重性)的综合度量，如图1所示，其中发生概率主要考虑电网侧的故障相关因素，影响后果主要考虑用户侧的暂降耐受能力。

图1 电压暂降风险主要影响因素Fig.1 Main influencing factors of voltage sag risk

电压暂降风险评估首先需要根据不同需求场景确定合理的量化指标来表征电压暂降风险水平；之后，采用不同方法开展电压暂降风险评估，目前主要的风险评估方法可分为基于仿真模拟、基于状态估计与基于数据驱动三类，三者各有优劣，采用何种方法需要视是否能获取暂降监测数据和电网结构参数等具体情况而定。

1.2 风险量化指标

根据前文电压暂降风险评估的定义，可将电压暂降风险量化指标分为可能性指标、严重性指标与综合性指标三类，其相互关系如图2所示。

图2 电压暂降风险量化指标相互关系Fig.2 Relationship between quantitative indices of voltage sag risk

电压暂降风险的可能性指标主要反映电网侧不同位置、不同程度电压暂降的发生概率。在数学上，概率是一个统计学概念，在大量重复实验条件下，可由某事件的频次统计结果所算得的频率进行近似表示。目前，在暂降风险评估中也常通过统计手段得到相关指标，如暂降频次[7]、系统电压平均有效值变化率指标(system average root mean square variation frequency index，SARFI)[7]、IEC61000-2-8表格[8]等，在此基础上再基于统计结果算得频率，并获得频次的分布特性，以反映不同类型电压暂降发生的可能性。还有研究学者基于长期暂降监测数据的统计分析，构建概率分布模型，推测暂降发生可能[9]。通过不同幅值、不同持续时间的暂降事件分布情况可从统计学角度获悉各类型暂降发生的可能性。但为从以上指标中获得准确的概率分布特性，需要进行长期的监测，实施成本较高，因此有文献考虑利用母线电压时变区间特性[10]、线路保护特性[11]预估得到暂降发生频次。

电压暂降风险的严重性指标主要反映用户遭受不同程度电压暂降影响的后果。常见的严重性指标有IEEE P1564给出的电压暂降事件的能量指标EVS[12]和严重性指标Se[12]，两者均从幅值与持续时间反映了暂降事件的后果严重性。而当电压耐受曲线(voltage tolerance curve，VTC)存在不确定区域时，可采用幅值严重性指标(magnitude severity index，MSI)、持续时间严重性指标(duration severity index，DSI)和综合严重性指标(magnitude duration severity index，MDSI)[7]来表征暂降严重程度。此外，文献[13]考虑了设备VTC的不确定性构建设备停机概率模型评估暂降严重性。文献[14]定义电压暂降不兼容度与影响度指标来反映暂降影响的深度和广度。文献[15]基于Larsen推理利用暂降特征推算负荷损失率，明确工业过程受暂降影响损失。在上述指标中，EVS通过暂降幅值与持续时间就可算得，适用范围广，但仅考虑暂降自身严重性，忽略了设备耐受能力。而Se、MSI、DSI、MDSI等指标需要事先定义VTC才可计算，而VTC的获取较为困难，导致上述指标在实际工作中难以应用，若用SEMI-F47(semiconductor equipment and materials international F47)、美国信息技术工业协会(information technology industry council，ITIC)等典型曲线进行替代，准确性将受到影响，因此有研究者利用电压持续曲线[16]、波形多维特征刻画[17]等方法改良指标，提升评估效果。

在衡量电压暂降对用户影响的严重性时，除了VTC之外，过程免疫时间(process immunity time，PIT)也受到广泛关注。PIT从物理层面量化了电压暂降的影响后果，定义为敏感过程在经受给定幅值的电压暂降后，其过程参数超过允许限制值的时间[18]，其中过程参数是指设备在过程中负责管控的各项物理指标，包括温度、压力等，如图3所示，图中Pnom、Plimit分别为额定运行、正常运行的临界过程参数；ta、ta+Δt和tb为过程经受暂降、偏离额定和临界的时间。目前国内外学者已针对PIT开展了一定的研究，并取得了一定成果。文献[19]首次将PIT应用于暂降经济损失，提出经济损失分级评估模型，量化暂降影响后果。文献[20]考虑设备的连接和备用关系，由单一设备PIT推算全工艺流程及其子环节的PIT，用于评估暂降影响严重性。文献[21]将重合闸清除的非永久性故障与PIT相关联，结合暂降财务损失，量化暂降影响后果。

图3 过程免疫时间曲线Fig.3 Time curve of process immunity

电压暂降风险的综合性指标是对电压暂降发生可能性与影响严重性的综合量化指标。文献[5]详细定义了电压暂降风险概念，在量化暂降风险时综合考虑了设备受暂降影响的故障概率与影响后果。还有文献采用层次分析法[22]、熵权法[23]等将前文所述的可能性指标与严重性指标相结合，提出可综合考虑电网侧与用户侧的指标，并实现了指标降维。但目前多数研究提出的综合性指标其本质是对可能性指标与严重性指标的加权求和，导致所得综合性指标的物理意义并不明确。

相比电力系统其他问题，电压暂降与用户侧关联更加紧密，相同暂降对不同用户的影响差异巨大，因此，客观体现电网侧发生可能性、全面反映用户侧影响严重性的暂降风险综合指标将是研究重点，未来可能还需要制定适用于不同行业、不同场景下的电压暂降风险量化指标体系及评判区分标准。

1.3 基于仿真模拟的风险评估

基于仿真模拟的电压暂降风险评估通过系统故障分析得到电网公共连接点的暂降风险。现有基于仿真模拟的电压暂降风险评估大多是采用随机抽样的方式来模拟电力系统故障实现风险评估。文献[24]采用蒙特卡罗法对故障变量进行随机抽样，通过大规模随机故障计算定量分析电网内各节点发生电压暂降的风险。在蒙特卡罗法的基础上，还有文献通过故障概率模型优化[25]、新能源出力不确定性建模[26]、分布式电源建模[27]、仿真范围扩充[28]来改善随机抽样模型，使其概率分布特性更符合实际。

以上采用随机抽样模拟故障的风险评估方法反映了电力系统的随机性，原理简单，易于编制程序，适用于评估电网区域总体风险水平。但其精度与抽样数密切相关，在分析大型电网时，随机变量增多，为保证结果准确，抽样数也将显著增多，需要耗费大量的计算资源与时间。

1.4 基于状态估计的风险评估

基于状态估计的电压暂降风险评估以电力系统状态估计理论为基础，通过监测点的量测数据来估计非监测点的暂降水平。文献[29-30]首先提出电压暂降状态估计的概念，基于最小二乘原理求解得到未知点的暂降幅值。还有文献通过贝叶斯滤波[31]实现电压暂降状态估计评估暂降风险，但以上方法多适用于辐射状网络的简单故障。因此，有文献提出了适用于复杂配电网络的故障路径搜索算法[32]，提高了电压暂降状态估计的可实施性。文献[33]将状态估计方程运用至电压暂降状态评估中，并将状态估计方程与物理意义相结合转化为一个整数线性规划(integer linear programming，ILP)问题来估计暂降频次，此方法可适用于任意网络与任意故障类型，但故障点的增多将带来维数灾难问题。因此，大量学者对电压暂降状态估计方程的求解进行了探索，遗传算法(genetic algorithm，GA)[34]、奇异值分解法(singular value decomposition，SVD)[35]等的应用一定程度上提升了求解性能。文献[36]引入电压暂降模式概念，考虑故障模式与其引起的电压暂降模式之间的映射关系，基于模式匹配完成暂降水平评估，克服了现有方法数学模型复杂、寻优困难的问题。

基于状态估计的方法可推算非监测点暂降水平，有助于提升暂降风险的全网可观性，适用于监测水平不高的场合。同时，该方法还可用于不良暂降监测数据的检测与辨识[37]、暂降监测装置的布点优化[36]等场景。但在电网规模较大时，量测矩阵的存储与运算困难，同时电网的不确定性以及对约束条件考虑的不完善，也将影响状态估计的准确性。

1.5 基于数据驱动的风险评估

基于数据驱动的方法通过对电压暂降监测数据的挖掘分析实现，主要关注暂降风险与其影响因素的关联性。文献[38]以大型城市的大量监测数据为基础，对暂降波形、相序、幅值等特征量进行分析，较为全面地分析了暂降事件特性。还有文献采用灰靶理论[39]、关联规则[40]、神经网络[41]等人工智能方法从监测数据中挖掘深层次暂降信息，揭示了各影响因素与暂降事件的关联关系。文献[42-43]通过马尔科夫链将暂降事件的发生转化为时序预测问题，前者在预测时着重考虑天气与暂降事件间的关联，后者通过同源聚合降低了监测数据冗余度，同时采用模糊C均值聚类考虑了监测数据的分布特性。文献[44-45]均以监测数据为基础并引入PIT来评价用户或过程的电压暂降风险，其中文献[44]构建因素集来表征暂降风险影响因素并采用模糊逻辑语言描述暂降风险；文献[45] 结合用户中断概率与暂降经济损失，构建了具有适应能力的用户电压暂降损失风险评估模型。

随着量测和通信技术的发展，可获得数据的种类与数量越来越多，使得基于数据挖掘分析的方法受到更广泛的关注。首先，该方法通过挖掘监测数据与暂降风险间的关联关系就可完成风险评估，无需复杂的电网计算；其次，当随机变量增多时，仿真模拟方法的抽样量将大幅增加，而该方法仅需整合变量数据，增加输入维度并适当改变模型结构即可；再次，该方法的模型多为训练得到，当工况变化时，模型的更新只需用新工况下的数据重新训练即可完成；最后，训练完成的模型通过输入数据就可快速得出结果，有利于提升暂降风险评估的实时性。综上，该方法普适性较强，适用于影响因素复杂，工况多变的场合。但该方法是通过训练得到的模型直接表征输入与输出间的映射关系，物理可解释性较差。同时，模型结构复杂、超参数合理选取困难、输入数据预处理繁琐，也限制了该方法的工程实用。

1.6 方法小结

电压暂降风险是电网发生暂降可能性与用户受暂降影响严重性的综合度量。目前，基于仿真模拟与基于状态估计的风险评估方法多从电网层面反映不同程度暂降发生的可能，是概率层面上暂降风险水平的体现，由于缺乏对用户、设备暂降耐受能力的考虑，用户是否受暂降影响的实际风险难以得知。而基于数据驱动的方法往往采用一个或几个同类监测点的数据进行暂降风险评估，易于考虑用户耐受特性，因此侧重于对用户受暂降影响后果的分析，但难以计及电网侧不同程度电压暂降的发生概率水平。对三类方法的数据来源、优缺点、适用场景、适用对象进行对比，如表1所示。

表1 不同电压暂降风险评估方法比较Table 1 Comparison of different voltage sag risk assessment methods

2 新型电力系统背景下的电压暂降风险评估挑战

随着电力系统不断演化与转型升级，新型电力系统呈现出“高比例可再生能源电力系统”、“高比例电力电子装备电力系统”、“多能互补的综合能源电力系统”等新的技术特征[46]，电压暂降风险评估也出现了以下需要深入研究分析的挑战。

2.1 系统故障特性更加复杂

新型电力系统中大量新能源、电力电子设备、储能系统等的接入使电力系统的故障特性发生了改变，也导致电压暂降风险评估中面临以下新的挑战。

1)电压耐受与支撑能力的变化影响了电压暂降波及范围与严重程度。一方面，以新能源机组为例，标准规定风电机组在并网点电压跌至0.2 pu时，应能不脱网连续运行0.625 s[47]，而光伏机组在并网点电压跌至0时，应能不脱网连续运行0.15 s[48]，即风电、光伏机组的低电压穿越能力与常规火电机组相比有较大差距。同时，其电压支撑能力与常规火电机组相比也较弱[49]，在电压暂降期间可能出现大规模脱网，甚至引发连锁故障。另一方面，配电网中分布式电源的接入使得配电网由单一无源网络转变为有源网络[50]，此时合理的分布式电源并网位置与安装容量将提升配电网的电压支撑能力[51]，从而减小电压暂降波及范围与影响后果。

2)传统系统故障分析方法可能导致风险过评估或欠评估。目前暂降风险的计算过程往往对电力电子设备、分布式可再生能源、储能系统等采用简化处理，忽略了其电气、机械、控制特性与传统电网的差异，导致电压暂降风险过评估或欠评估的发生，如电力电子装置在发生短路时，由于其具有较高的内电抗和快速可控的参考电流，且故障恢复时基本没有类似同步机组的次暂态过程，使其短路电流的幅值和持续时间均较小[52]，而基于仿真模拟的风险评估过程往往忽略了电力电子装置的故障分析或做近似处理，导致所得暂降深度与持续时间结果偏大，暂降风险出现过评估。

2.2 能源形式更加多样

新型电力系统将不再是孤立的电力生产与消费系统，而是作为综合能源系统(integrated energy system，IES)的重要组成部分[53]。IES内含有两种或以上的能源形式，主要由供能网络、能源交换环节、能源储存环节、终端综合能源供用单元和用户组成[54]。IES的出现也给电压暂降风险评估带来了以下新挑战。

1)需要对IES多能耦合场景的电压暂降影响进行分析。IES中的多个供能网络并不是孤立运行的，而是存在复杂的耦合关系。因此，IES在遭受电压暂降时，一个网络的扰动将通过能源耦合环节传播至其他网络，影响能源的交换、使用、储存，甚至可能引起连锁故障[55]。同时运行环境与能源发/输/配/用特性的不同也衍生出了多种类型的IES[56]。不同类型IES的能源形式、能量流、适用场景等也不尽相同，进一步加大了电压暂降影响后果分析的难度。

2)需要研究针对IES的电压暂降风险量化评估指标体系。在对IES进行电压暂降风险量化评估时，由于电压暂降将引起多供能网络共同扰动，仅考虑电力网络的暂降风险是远远不足的，其他供能网络的暂降风险也是不可忽视的。以电-气综合能源系统(electric-gas integrated energy system, EG-IES)为例(见图4)，电网电压暂降除了导致电网中的设备停运与负荷削减外，气网也将因压缩机受暂降扰动而导致气压下降，气负荷切除。因此，在量化IES暂降风险时，需要建立综合考虑各供能网络的电压暂降风险量化评估指标体系。

图4 电压暂降在电-气综合能源系统的影响Fig.4 Influence of voltage sag on EG-IES

2.3 缺乏面向电压暂降的在线仿真技术

电力系统故障仿真是研究电压暂降作用机理、影响水平、波及范围并进行准确风险评估的基础，其主要包括仿真模型搭建与仿真分析计算两方面[57]。目前应用电力系统故障仿真技术分析电压暂降风险面临以下挑战：

1)缺乏电压暂降敏感设备与治理设备的仿真模型。现有方法的仿真模型中均未考虑敏感设备与治理设备模型，评估过程难以准确、全面地体现用户侧设备耐受能力和治理支撑效果，易造成结果过评估或欠评估。同时，无法对用户侧暂降治理方案进行仿真分析，导致实施治理时缺乏依据。

2)需要研究电压暂降在线仿真技术。一方面，现有电压暂降仿真分析多为离线仿真，风险评估不具实时性。为实现暂降风险的及时告知，亟需引入在线仿真技术。另一方面，新型电力系统电网规模增大、新型元器件出现与故障类型增加将使仿真存储与计算资源需求呈数量级上升，给电压暂降在线仿真技术带来巨大挑战。

2.4 电压暂降风险评估的工程化应用

目前电压暂降风险评估工程化应用过程中还存在以下问题尚待解决：

1)电压暂降风险评估模型的复杂性与实用性难以权衡。若需全面考虑影响暂降风险的各种因素，一方面，将需要接入不同系统多源异构数据，增加了工程实施难度；另一方面，将增加模型复杂程度，导致模型在工程平台上难以集成。若为工程实施方便过于简化模型，将导致忽略关键影响因素而造成风险评估效果欠佳。因此，如何权衡模型复杂性与实用性之间的关系是工程化应用亟待解决的问题之一。

2)缺乏多源数据融合应用与暂降信息共享交互。一方面，目前多数电压暂降风险评估仅依靠电网暂降仿真与监测数据，但要从电网侧、用户侧及外部环境等各方面全面研判暂降风险，就需要深度融合和应用电力系统内外的暂降多源数据。另一方面，目前电压暂降防治工作中缺少供用电双方的交互机制，供电公司难以获取用户侧敏感设备和治理方案信息，用户也无法及时获知电网侧暂降发生可能性，导致供用电双方的暂降风险评估实用化推广均存在困难。

3 电压暂降风险评估研究展望

针对以上新型电力系统带来的挑战，电压暂降风险评估未来有以下几个可能的研究方向：

1)完善针对电压暂降的新型电力系统故障分析理论。未来在研究由故障引起的电压暂降的风险评估过程中，应在传统同步机组、恒功率、恒阻抗负荷为主的传统电网故障分析基础上，考虑电力电子设备、分布式新能源、储能系统的接入对系统稳态电压水平与故障电流特性的影响。一方面，需针对设备故障与交/直流故障混杂、电网形态结构改变的问题，研究复杂故障类型、模糊故障路径下的电压暂降风险；另一方面，针对分布式电源、电动汽车等单相大功率发/用电设备的大量使用带来的三相不对称问题[58]，未来可考虑利用各序分量间的耦合关系对序分量法进行改进或采用相分量法来计算故障下的暂降幅值，避免电压暂降风险的过评估或欠评估。

2)研究在综合能源系统多能耦合场景下的电压暂降影响分析模型与风险评价指标体系。以电-气-热互联系统为例，在发生电压暂降时，首先需结合电-气、电-热之间的耦合环节(如热泵、锅炉、压缩机)的暂降耐受能力判断耦合设备是否遭受扰动；其次，根据IES的相依特性[59]，研究电网暂降对其他供能网络的扰动影响以及其他供能网络受扰后可能再次影响电网的过程，并结合VTC与PIT曲线刻画IES中敏感设备的受扰概率，从电气特性与物理属性上综合分析暂降风险；最后在量化暂降风险时，除了考虑电网指标，还需要增加气网、热网等其他供能网络的相关指标，如气负荷损失、热负荷损失等，此外，对于电网、气网、热网安全性与稳定性的考虑也应一并纳入电压暂降风险量化指标体系中。

3)研究多方法融合的电压暂降风险评估方法。前文所述的三种风险评估方法各有优劣，可互为补充，通过三种方法的有效融合取得更好的评估效果。比如，通过融合仿真模拟与数据驱动方法，可从物理层面与信息层面全面评估暂降风险；又如，利用状态估计得到的丰富且高质量暂降数据改善数据驱动方法的评估效果。

4)研究基于数字孪生的电压暂降在线仿真技术。数字孪生技术[60]可实现物理世界与信息世界的实时交互融合，可为电压暂降的在线仿真提供解决方案。基于数字孪生的在线仿真技术可通过用户暂降耐受特性分析、暂降治理效果仿真，更加全面、准确、及时地获得暂降风险水平。通过孪生体多次模拟实验拟合暂降耐受曲线；基于运行数据构建暂降敏感设备与治理设备模型；探索人工智能、云计算等技术与数字孪生的集成应用，实现多物理、多尺度的电压暂降在线集群仿真。数字孪生在电压暂降风险评估中应用示意图如图5所示。

图5 数字孪生在电压暂降风险评估中应用示意图Fig.5 Application of digital twin in voltage sag risk assessment

5)研发多源数据融合的实用化电压暂降互动分析平台。针对当前电压暂降相关系统存在的“重监测、轻分析、少互动”的问题，需研发电压暂降互动分析平台，并基于多源数据融合实现风险评估等功能。首先，基于生产管理系统与调度系统的电网拓扑和设备参数进行暂降仿真分析；其次，结合电能质量监测系统的暂降事件记录、防灾减灾系统的气象信息等综合评估暂降发生概率；最后，利用营销业务应用系统以及用户外围交互输入的敏感设备信息等量化暂降影响后果。通过以上多源数据融合能全面、客观地给出综合可能性与严重性的暂降风险度量。

此外，电压暂降与供用电双方、治理厂商都紧密相关，亟需构建各方信息共享与互动机制。供电公司可通过平台告知成因、预警风险，辅助用户优化生产计划；用户可查询暂降风险等信息，并通过输入自身情况获得推荐的治理方案。在此基础上，引入治理厂商入驻，实现治理方案闭环，构建电压暂降协同防治生态。

新型电力系统中电压暂降风险评估面临的挑战、可能的技术手段与平台基础支撑的关系如图6所示。