智能配電網(wǎng)故障后自愈能力評(píng)估研究

張雪霏 李智威 姜英涵 唐學(xué)軍 董力通 孫利平 周秋鵬

摘要：自愈能力作為智能電網(wǎng)的主要特征具有重要的研究意義，但迄今為止尚未有全面的智能配電網(wǎng)自愈能力衡量標(biāo)準(zhǔn)?，F(xiàn)有的智能配電網(wǎng)自愈評(píng)估主要存在量化指標(biāo)不全面、忽視自愈過程中的不確定性等問題，導(dǎo)致評(píng)估不準(zhǔn)確，估值高于實(shí)際結(jié)果。為了解決上述問題，提出自愈可信度、自愈率、自愈速度和自愈效益4個(gè)量化指標(biāo)，涵蓋了配電網(wǎng)故障后負(fù)荷恢復(fù)的速度、可持續(xù)時(shí)間和經(jīng)濟(jì)效益等因素。在上述指標(biāo)的基礎(chǔ)上，利用信息熵的方法提出了一個(gè)綜合評(píng)價(jià)指標(biāo)——自修復(fù)性能；引入不確定性理論來定量描述自愈的不確定性，以解決在自愈評(píng)估過程中的不確定性和樣本不足的問題。最后，利用構(gòu)建的含7個(gè)區(qū)段的配電系統(tǒng)結(jié)構(gòu)進(jìn)行仿真分析，驗(yàn)證了所提評(píng)價(jià)指標(biāo)和評(píng)估方法的有效性和準(zhǔn)確性。

關(guān)鍵詞：自愈；不確定性；量化指標(biāo)；評(píng)估；智能配電網(wǎng)

中圖分類號(hào)：TP181? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1000-582X（2023）11-119-10

Self-healing capability evaluation of smart distribution network after fault

ZHANG Xuefei1， LI Zhiwei1， JIANG Yinghan2， TANG Xuejun1， DONG Litong2，

SUN Liping1， ZHOU Qiupeng1

（1. State Grid Hubei Economic Research Institute， Wuhan 430000， P. R. China; 2. State Grid State Power Economic Research Institute， Beijing 100000， P. R. China）

Abstract： The self-healing characteristic is a key aspect of smart grids and holds important research significance. However， a comprehensive measurement standard for assessing the self-healing ability of smart distribution networks has not yet been established. Existing evaluations of self-healing in smart distribution networks suffer from various issues， such as incomplete quantitative indicators and neglecting uncertainties in the process of self-healing. These problems leads to inaccurate evaluation and higher-than-actual results. To address these challenges， four quantitative indexes， namely， self-healing credibility， self-healing rate， self-healing speed and self-healing benefit are proposed. These indicators encompass factors such as the speed of load recovery， duration of sustainability， and economic benefits following faults in the distribution network. Being built upon these indicators， a comprehensive evaluation metric called “self-repair performance” is proposed using the method of information entropy. Uncertainty theory is introduced to quantitatively describe the uncertainty of self-healing so as to solve the problems of uncertainty and insufficient samples in the evaluation process. A simulation analysis is conducted on a constructed power distribution system with 7 sections to validate the effectiveness and accuracy of the proposed evaluation indexes and method.

Keywords： self-healing; uncertainty; assessment index; assessment; smart distribution grid

智能配電網(wǎng)具有經(jīng)濟(jì)、可靠、效率高、交互好、自愈等優(yōu)點(diǎn)，因而得到了廣泛的研究和發(fā)展[1-6]。隨著智能電網(wǎng)的發(fā)展和地區(qū)電力市場(chǎng)配電電壓水平的提高，人們對(duì)配電系統(tǒng)的期望正在大幅上升。然而，由于配電網(wǎng)的薄弱結(jié)構(gòu)和明顯特征，例如長(zhǎng)饋線、徑向拓?fù)浜徒M件的多樣性，它們更容易受到配電網(wǎng)故障、攻擊等事件的影響。因此，隨著智能配電網(wǎng)工作環(huán)境變得越來越復(fù)雜，電網(wǎng)需要具備有效的恢復(fù)策略，以便在發(fā)生嚴(yán)重事件時(shí)能夠快速恢復(fù)其負(fù)載。自愈技術(shù)就像配電網(wǎng)的免疫系統(tǒng)，它對(duì)保證配電網(wǎng)的安全穩(wěn)定運(yùn)行具有重要作用。對(duì)智能配電網(wǎng)的自愈進(jìn)行全面和客觀的評(píng)估是為了提高對(duì)智能配電網(wǎng)的建設(shè)，從而準(zhǔn)確地分析電網(wǎng)自愈中存在的問題，并為電網(wǎng)自愈能力的提高提供指導(dǎo)。國內(nèi)外學(xué)者已經(jīng)從不同的角度評(píng)估了智能電網(wǎng)，并建立了智能電網(wǎng)評(píng)估索引系統(tǒng)。文獻(xiàn)[7]中指出現(xiàn)有技術(shù)只有在恢復(fù)最大負(fù)載的故障隔離階段的表現(xiàn)令人滿意，而且它們?cè)谔幚砼c典型故障性質(zhì)不同的重大事件時(shí)面臨嚴(yán)重困難。因此，在高影響事件之后，不能通過采用傳統(tǒng)的恢復(fù)方法來實(shí)現(xiàn)系統(tǒng)的期望功能，以適應(yīng)新的能源需求，并使低能耗客戶能夠更好地利用電網(wǎng)。文獻(xiàn)[8-9]中提出了一個(gè)在線智能電網(wǎng)框架來評(píng)估運(yùn)營(yíng)可靠性對(duì)基礎(chǔ)結(jié)構(gòu)的影響，這個(gè)框架是理解和分析大規(guī)模復(fù)雜的網(wǎng)絡(luò)物理系統(tǒng)的一個(gè)重要步驟。文獻(xiàn)[10-11]中提出的電網(wǎng)評(píng)估系統(tǒng)，以及“兩類”網(wǎng)格指標(biāo)系統(tǒng)，在科學(xué)上反映了資源的影響和環(huán)境發(fā)展的優(yōu)化程度。文獻(xiàn)[12]中提出了電網(wǎng)發(fā)展的優(yōu)化程度、電網(wǎng)發(fā)展指標(biāo)系統(tǒng)衡量經(jīng)濟(jì)發(fā)展、電網(wǎng)發(fā)展速度、建設(shè)規(guī)模、發(fā)展質(zhì)量和效率[13]等評(píng)價(jià)體系。對(duì)于電網(wǎng)的自愈問題，國內(nèi)外學(xué)者也進(jìn)行了專門的研究。文獻(xiàn)[14]中提出了一種智能電網(wǎng)的自愈方法，該方法使用組合潮流控制器并能在電網(wǎng)故障下獲得連續(xù)的潮流。在該方法的控制算法中，應(yīng)用反向電流網(wǎng)絡(luò)代替迭代算法，應(yīng)用節(jié)點(diǎn)分析法代替優(yōu)化方法，并且重新安排潮流。文獻(xiàn)[15]中提出了一種基于熵權(quán)的多層次模糊評(píng)價(jià)方法來評(píng)價(jià)智能電網(wǎng)的自愈過程，該方法既考慮了評(píng)價(jià)指標(biāo)在專家主觀評(píng)價(jià)中的重要性，又考慮了評(píng)價(jià)指標(biāo)所包含的各種客觀信息。文獻(xiàn)[16]中提出了配電網(wǎng)各區(qū)段故障后的自愈恢復(fù)率、自愈恢復(fù)速度、自愈控制操作復(fù)雜度和自愈可持續(xù)時(shí)間的評(píng)價(jià)方法，但是沒有考慮到自愈過程的經(jīng)濟(jì)效果和電網(wǎng)組件的不確定性。上述文獻(xiàn)中對(duì)智能配電網(wǎng)的自愈評(píng)價(jià)指標(biāo)進(jìn)行了全面的分析和研究，但沒有考慮到以下2個(gè)主要問題：1）在自愈過程中缺乏對(duì)電網(wǎng)組件的不確定性的考慮，導(dǎo)致評(píng)價(jià)指標(biāo)不具備有效性和準(zhǔn)確性；2）電網(wǎng)自愈缺乏更加實(shí)際趨于經(jīng)濟(jì)化的指標(biāo)。

筆者提出了包括自愈可靠性、自愈率、自愈速度和自愈效益在內(nèi)的量化評(píng)價(jià)指標(biāo)，并對(duì)其進(jìn)行了定量評(píng)價(jià)。當(dāng)出現(xiàn)自修復(fù)過程的不確定性時(shí)，需要大量的樣本數(shù)據(jù)來評(píng)估自修復(fù)能力。然而，由于電網(wǎng)測(cè)量設(shè)備限制，很難獲得足夠的樣本數(shù)據(jù)或全面的自我修復(fù)。因此，使用不確定性理論[17]來解決數(shù)據(jù)樣本數(shù)據(jù)缺少等問題。

本研究的主要貢獻(xiàn)包括：1）給出了自愈的綜合評(píng)估指標(biāo)，包括可靠性、范圍、速度和自愈能力，并給出了它們的計(jì)算方法；2）考慮了自愈評(píng)價(jià)指標(biāo)的不確定性，從而提高評(píng)估結(jié)果的準(zhǔn)確性。

1 智能配電網(wǎng)自愈可信度

電網(wǎng)系統(tǒng)發(fā)生故障后，在負(fù)載恢復(fù)過程中，需要多個(gè)開關(guān)元件協(xié)同工作。顯然，若開關(guān)能正常工作，負(fù)載能夠成功恢復(fù)將是可靠的。因此，開關(guān)元件的可靠性決定了負(fù)載的自愈可信度。然而，開關(guān)元件的可靠性是不確定的，它受到開關(guān)的使用和流經(jīng)的電流的影響。因此，需要計(jì)算電網(wǎng)組件的可靠性，然后根據(jù)一系列相關(guān)組件的可靠性得到負(fù)載的自愈可信度。

1.1 自愈結(jié)果的表示

系統(tǒng)的狀態(tài)不是自愈的就是非自愈的[18]。因此，文中選擇用布爾值來表示系統(tǒng)的狀態(tài)。為了方便起見，組件的狀態(tài)由系統(tǒng)定義為

同樣，使用布爾系統(tǒng)定義自愈結(jié)果：

假設(shè)負(fù)載自愈的成功與開關(guān)元件x_1，x_2，x_3，…，x_n有關(guān)，n表示開關(guān)的數(shù)量，這些開關(guān)的結(jié)構(gòu)關(guān)系用布爾函數(shù)表示。當(dāng)且僅當(dāng)f（x_1，x_2，…，x_n ）=1時(shí)，X_pi=1；當(dāng)且僅當(dāng)f（x_1，x_2，…，x_n ）=0時(shí)，X_pi=0。

1.2 自愈可信度

故障發(fā)生后，開關(guān)的正常運(yùn)行是恢復(fù)的關(guān)鍵。定義元件的不定性指標(biāo)來表示元件正常的不確定性度量，即x_i=1的不確定性度量是a_i，x_i=0的不確定性度量是1-a_i。負(fù)載的自愈與一系列開關(guān)元件的正常運(yùn)行密不可分，定義負(fù)載的自愈可信度值R_MBE=M_be=M{f（x_1，x_2，…，x_n ）=1}為指示自愈故障的不確定性測(cè)量值[19]。R_MBE公式計(jì)算條件如下：

根據(jù)式（4），如果開關(guān)元件的關(guān)系是串聯(lián)的，f（x_1，x_2，…，x_n ）=x_1∧x_2∧…∧x_n，R_MBE=M{x_1∧x_2∧…┤? ∧x_n ├ =1}=a_1∧a_2∧…∧a_n，其中∧表示邏輯AND。如果開關(guān)元件的關(guān)系是并聯(lián)，f（x_1，x_2，…，x_n ）=x_1?x_2?…?x_n，其中?表示邏輯OR；如果開關(guān)元件之間的關(guān)系是至少有一個(gè)開關(guān)正常工作，則愈合成功，修復(fù)成功，f（x_1，x_2，…，x_n ）=1-max[x_1，x_2，…，x_n ]，有R_MBE=1-max[a_1，a_2，…，a_n ]。

1.3 部件可靠性的不確定性

根據(jù)文獻(xiàn)[20]，電網(wǎng)組件對(duì)外界環(huán)境的抵御能力不一樣導(dǎo)致組件的可靠性是不確定的，其值在一個(gè)范圍內(nèi)不斷波動(dòng)。文獻(xiàn)[21]中利用模糊度隸屬函數(shù)來定義組件的可靠性和組件的使用時(shí)間在區(qū)間范圍的波動(dòng)情況。

2 自愈評(píng)價(jià)體系

目前，在電網(wǎng)自愈的評(píng)估中，經(jīng)常用自愈評(píng)分R_SHR來描述電網(wǎng)的功率恢復(fù)。傳統(tǒng)的自愈評(píng)分標(biāo)準(zhǔn)[16]計(jì)算如下：

式中：ω_1、ω_2和ω_3分別是負(fù)載1、負(fù)載2和負(fù)載3的權(quán)重系數(shù)；P_（I，t）、P_（II，t）、P_（III，t）表示在t時(shí)刻恢復(fù)了的各級(jí)負(fù)荷；L_（I，t）、L_（II，t）和L_（III，t）表示在t時(shí)刻每個(gè)級(jí)別要求的負(fù)載；T_c代表發(fā)生故障的持續(xù)時(shí)間。但是，這個(gè)指標(biāo)沒有考慮故障后開關(guān)元件的狀態(tài)，也沒有考慮此時(shí)元件是否能正常工作，最終是否能恢復(fù)電負(fù)荷，即自愈是否能實(shí)現(xiàn)。因此，結(jié)果比實(shí)際的自愈狀況要好。為了解決這個(gè)問題，將在下面介紹自我愈合技術(shù)。

根據(jù)第1節(jié)介紹的自愈可信度，考慮自愈可信度的自愈評(píng)分的計(jì)算方法為：

式中：M_I、M_II和M_III分別為第一類負(fù)荷、第二類負(fù)荷和第三類負(fù)荷；P_I、P_II和P_III分別為第一類、第二類負(fù)荷和第三類負(fù)荷的功率；N_（be，ki）表示ki的自愈可信度；R_SHR^'為考慮自愈可信度的自愈評(píng)分?；诓淮_定理論的配電網(wǎng)自愈評(píng)估方法，與恢復(fù)相關(guān)的各分量的可靠度為0～1，則負(fù)荷的自愈可信度可由式（3）計(jì)算，得到0≤N_（be，ki）≤1。因此，修正后的自愈率值會(huì)小于初始值，更符合電網(wǎng)的實(shí)際自愈率。

2.1 自愈恢復(fù)速度

智能電網(wǎng)技術(shù)可以定義為自愈系統(tǒng)，減少勞動(dòng)力，旨在為所有消費(fèi)者提供可持續(xù)、可靠和優(yōu)質(zhì)的能源，快速找到現(xiàn)有系統(tǒng)中問題的解決方案。為了減少用戶停電的時(shí)間，降低停電帶來的經(jīng)濟(jì)損失，智能電網(wǎng)技術(shù)要求以最快的速度恢復(fù)發(fā)生無故障區(qū)段的供電。在計(jì)算系統(tǒng)的自愈速度時(shí)，考慮到不同負(fù)載的恢復(fù)方式對(duì)自愈的影響程度不同，把負(fù)載分為正常負(fù)載和非正常負(fù)載。非正常負(fù)載的自愈速度通常被認(rèn)為是0，見式（7）。否則，普通的保護(hù)方法需要相對(duì)較長(zhǎng)的時(shí)間，導(dǎo)致非正常負(fù)載不能自愈。

R_（SHS，S）=0。 （7）

正常的負(fù)載采取保護(hù)措施后，會(huì)經(jīng)歷一段漫長(zhǎng)的自我愈合過程。此外，如果電路上有分布式電源，可以通過分布式電源實(shí)現(xiàn)孤島自愈。無論如何，它都可以提供2個(gè)進(jìn)程：故障定位和解決恢復(fù)。所以，正常負(fù)載的自愈速度R_（SHS，N）表示為故障區(qū)定位時(shí)間S_1和故障隔離及非故障區(qū)功率恢復(fù)時(shí)間S_2之和：

R_（SHS，N）=S_1+S_2。 （8）

顯然，自愈速度指數(shù)越小，自愈速度更快。根據(jù)不確定性理論，不確定數(shù)據(jù)ξ可以根據(jù)專家測(cè)試數(shù)據(jù)獲得。專家的實(shí)驗(yàn)數(shù)據(jù)表示為（t_1，π_1 ），（t_2，π_2 ），…，（t_n，π_n ），t_1，t_2，…，t_n是專家提供的一系列時(shí)間，π_1，π_2，…，π_n是表示專家提供的可信度的值。根據(jù)專家的測(cè)試數(shù)據(jù)，可以獲得不確定數(shù)據(jù)z（t）經(jīng)驗(yàn)不確定分布：

式（9）是不確定數(shù)據(jù)分布的結(jié)果。計(jì)算不確定分布期望值的公式為：

式中：?_1代表定位故障的時(shí)間；?_2代表處理故障和恢復(fù)供電的時(shí)間。

2.2 自愈的效益

為了解決電網(wǎng)自愈缺乏更加實(shí)際趨于經(jīng)濟(jì)化的指標(biāo)問題，計(jì)算了零件失效時(shí)的損失。居民區(qū)、商業(yè)區(qū)和工業(yè)區(qū)因自愈降低的損失分別用式（12）（13）和（14）計(jì)算。

式中：Mr、Mc、Mi分別為居民區(qū)、商業(yè)區(qū)和工業(yè)區(qū)的負(fù)載數(shù)量；θ r、θ c、θg分別為居民區(qū)、商業(yè)區(qū)和工業(yè)區(qū)的等效電價(jià)；Prc、Pco、Pgi分別為居民區(qū)、商業(yè)區(qū)和工業(yè)區(qū)當(dāng)前負(fù)載功率。為了進(jìn)一步提高電網(wǎng)系統(tǒng)的穩(wěn)定性，考慮在自愈過程中負(fù)載和組件發(fā)生故障的次數(shù)，自愈效益的具體公式如下：

式中：R_A表示年利率；Y^*代表電網(wǎng)的預(yù)期壽命；Len為分段數(shù)量；?_l為該部門一年中的失敗次數(shù)。從式（15）可以看出，電網(wǎng)的自愈效益和地區(qū)的電費(fèi)呈正相關(guān)的關(guān)系。

2.3 綜合評(píng)價(jià)指標(biāo)

自愈可信度、自愈率、自愈速度和自愈效益在前面的章節(jié)中已經(jīng)定義，并從4個(gè)不同的角度測(cè)量了智能配電網(wǎng)的自愈性能。為了便于直觀地描述配電網(wǎng)的自愈性能，需要一個(gè)綜合的指標(biāo)。事件的信息熵是一個(gè)事件[22]中信息量的客觀度量。利用信息熵可以提高評(píng)價(jià)的客觀性，它可以解決無法計(jì)算每個(gè)單元評(píng)估的問題。因此，可以使用綜合方法來構(gòu)建這個(gè)綜合指標(biāo)，將信息熵定義為自修復(fù)綜合性能指數(shù)。信息熵的中心值越大，提供的信息量就越少，并且在綜合評(píng)估指數(shù)中，所有的值都越小。

1）為了消除指標(biāo)之間的不可公度性，將指標(biāo)規(guī)范化。

式中：z_ij為指標(biāo)yij的標(biāo)準(zhǔn)化指標(biāo)；m為指標(biāo)個(gè)數(shù)。

2）計(jì)算每個(gè)指標(biāo)的信息熵Ej

式中，當(dāng)z_ij=0，z_ij ln z_ij=0。

3） 計(jì)算每個(gè)指標(biāo)的權(quán)重系數(shù)α_j

4）計(jì)算自愈綜合績(jī)效指標(biāo)值R_SHP

R_SHP=α_1 M_be+α_2 R_SHR^'+α_3 R_SHS^'+α_4 R_BEN。 （19）

3 算例分析

為了證明所提出方法的有效性，構(gòu)建了如圖1所示的13節(jié)點(diǎn)7段的智能配電網(wǎng)測(cè)試案例[23]，并通過Matlab進(jìn)行了驗(yàn)證。

現(xiàn)實(shí)生活中的配電網(wǎng)系統(tǒng)節(jié)點(diǎn)的數(shù)目龐大，為了簡(jiǎn)化計(jì)算，可以將這些節(jié)點(diǎn)劃分為多個(gè)小區(qū)域，分別計(jì)算每個(gè)小區(qū)域的自愈性。假設(shè)本例中電網(wǎng)項(xiàng)目的生命周期為50 a，即年利率R_A為5%。居民電價(jià)、商業(yè)電價(jià)和工業(yè)電價(jià)分別為0.6 元/（kW?h）、0.9 元/（kW?h）和1.3 元/（kW?h）。在這個(gè)例子中有3個(gè)輸電線：支線2和支線3通過觸點(diǎn)開關(guān)9加倍加速，觸點(diǎn)開關(guān)9為敏感負(fù)載提供實(shí)時(shí)自修復(fù)條件；支線1是居民使用，支線2是商業(yè)使用，支線3是工業(yè)使用。居民、商業(yè)、工業(yè)每天的用電量如圖2所示。

P1、P5和P7是內(nèi)部斷路器。K1、K2、K3、K4是變壓器兩側(cè)的開關(guān)。P2、P3、P4、P6和P8是線路上的交換機(jī)。系統(tǒng)最大負(fù)荷為52 MW，其中節(jié)點(diǎn)1、2、4、5、7、9、10、11、12的負(fù)荷為三級(jí)負(fù)荷，3、6為二級(jí)負(fù)荷，8、13為一級(jí)負(fù)荷；節(jié)點(diǎn)13是敏感節(jié)點(diǎn)的負(fù)載。根據(jù)其他專家的判斷，第一、第二和第三類負(fù)載的權(quán)重系數(shù)分別為0.65、0.25和0.10，敏感負(fù)載和第三類負(fù)載的權(quán)重系數(shù)分別為0.75和0.25。光伏發(fā)電系統(tǒng)的容量為1 MW，負(fù)載的功率如圖3所示。開關(guān)使用時(shí)間和分段故障率如圖4所示。

4 仿真結(jié)果及討論

選擇時(shí)刻12點(diǎn)，分別在6段設(shè)置故障，然后對(duì)自愈過程進(jìn)行分析。P1～P9的可靠性利用隸屬函數(shù)計(jì)算得到。根據(jù)式（3），計(jì)算出各截面失效后各荷載的自愈可信度。結(jié)果顯示在第1段自愈和在第2段發(fā)生故障的自愈可信度為0.928，同理可得第2段、第4段和第6段的自愈可信度分別為0.918、0.970和0.971。同一段負(fù)載的自愈可信度是一樣的。第1段故障后，P1斷開，影響第2段和第3段供電。在第1段發(fā)生故障期間，P1不能關(guān)閉。但是，第3段將無法恢復(fù)電力，自愈可信度可信為0。如果第4段發(fā)生故障，可以通過打開P6和關(guān)閉P9來恢復(fù)第5段的電力。因?yàn)镻5、P6和P9的部分組件可靠性高，所以第5段的自愈可靠性高。最后計(jì)算系統(tǒng)的自愈可信度。根據(jù)式（6），計(jì)算考慮可信度的自愈評(píng)分，根據(jù)式（5）計(jì)算不考慮可信度的自愈評(píng)分，將故障時(shí)間設(shè)置為30 min，結(jié)果如圖5所示。

根據(jù)故障率，考慮可信度，得到系統(tǒng)的自愈率。根據(jù)文獻(xiàn)[23]提供的故障定位時(shí)間專家實(shí)驗(yàn)數(shù)據(jù)（13，0）（15，0.6）（18，1），故障隔離時(shí)間專家實(shí)驗(yàn)數(shù)據(jù)（40，0）（45，0.4）（48，1），負(fù)載傳遞時(shí)間專家實(shí)驗(yàn)數(shù)據(jù)（53，0）（60，0.4）（68，1）和孤島運(yùn)行時(shí)間專家實(shí)驗(yàn)數(shù)據(jù)（80，0）（90，0.5）（100，1），然后根據(jù)式（10）計(jì)算每個(gè)截面失效后考慮不確定性的自愈速度，結(jié)果如圖6所示。

根據(jù)圖6的自愈速度，得到考慮不確定性的系統(tǒng)自愈速度。根據(jù)式（11）計(jì)算系統(tǒng)的自愈效益系數(shù)，計(jì)算全天不同時(shí)間的自愈評(píng)價(jià)指標(biāo)，結(jié)果如圖7所示。

從圖7（a）中可以看出，智能配電網(wǎng)的自愈可信度比較穩(wěn)定，因?yàn)榕潆娋W(wǎng)的可靠性與器件可靠性有關(guān)。當(dāng)負(fù)載非常小，流經(jīng)器件的電流很小，此時(shí)自愈能力很高。從圖7（b）中可以看出，8點(diǎn)和14點(diǎn)的自我修復(fù)能力已經(jīng)達(dá)到了很高的水平，因?yàn)樽晕倚迯?fù)的可預(yù)測(cè)性在很長(zhǎng)一段時(shí)間內(nèi)都很高，而且有足夠的能力來幫助電廠提供足夠的修復(fù)能力。圖7（c）是24小時(shí)電網(wǎng)正常負(fù)荷的自愈速度，非正常負(fù)載的自愈速度為零。圖7（d）是電網(wǎng)負(fù)載的自愈效益。然而，自愈率越大，自愈效益不一定變高，因?yàn)樽杂б娴拇笮『陀秒娯?fù)荷存在關(guān)系。圖7（b）和圖7（d）表明，從凌晨到3點(diǎn)，自愈效益系數(shù)的變化不大，但從3點(diǎn)到6點(diǎn)的變化非常大。發(fā)生變化的主要原因是該時(shí)段的用電負(fù)荷突然變高。在19個(gè)月的負(fù)荷中，自愈速率越高，自愈效率越低；當(dāng)用電負(fù)荷相差較大的時(shí)候，自愈效率和自愈率之間的關(guān)系會(huì)隨著負(fù)荷差異發(fā)生變化。根據(jù)式（12）～（15）計(jì)算自愈效益，用式（19）計(jì)算電網(wǎng)一天的自愈綜合性能，同理計(jì)算得到居民區(qū)、商業(yè)區(qū)和工業(yè)區(qū)的自愈綜合性能，結(jié)果如圖8所示。

從圖8可以看出，電網(wǎng)的自愈綜合性能在夜間較弱，需要改進(jìn)。此外，電網(wǎng)商業(yè)區(qū)的自愈綜合性能高于工業(yè)區(qū)，居民區(qū)的自愈綜合性能最低。

5 結(jié)束語

考慮了自愈過程的不確定性，建立了4個(gè)指標(biāo)，即自愈可信度、自愈率、自愈速度和自愈效益，運(yùn)用自愈綜合性能的綜合評(píng)價(jià)方法對(duì)智能自愈配電網(wǎng)絡(luò)進(jìn)行了綜合評(píng)價(jià)。實(shí)例表明，在智能配電網(wǎng)絡(luò)中，自愈評(píng)估系統(tǒng)可以科學(xué)有效地評(píng)估電網(wǎng)的性能，為智能配電網(wǎng)故障后的自愈能力評(píng)估提供有效參考，并為改善電網(wǎng)的自我愈合性能提供有針對(duì)性的指導(dǎo)。

參考文獻(xiàn)

［1］? 祁琪， 姜齊榮， 許彥平. 智能配電網(wǎng)柔性互聯(lián)研究現(xiàn)狀及發(fā)展趨勢(shì)[J]. 電網(wǎng)技術(shù)， 2020， 44（12）： 4664-4676.

Qi Q， Jiang Q R， Xu Y P. Research status and development prospect of flexible interconnection for smart distribution networks[J]. Power System Technology， 2020， 44（12）： 4664-4676. （in Chinese）

［2］? Le J， Wang C， Zhou W， et al. A novel PLC channel modeling method and channel characteristic analysis of a smart distribution grid[J]. Protection and Control of Modern Power Systems， 2017， 2（1）： 14.

［3］? Zhang B H， Hao Z G， Bo Z Q. New development in relay protection for smart grid[J]. Protection and Control of Modern Power Systems， 2016， 1（1）： 1-7.

［4］? 賈冠龍， 陳敏， 趙斌， 等. 柔性多狀態(tài)開關(guān)在智能配電網(wǎng)中的應(yīng)用[J]. 電工技術(shù)學(xué)報(bào)， 2019， 34（8）： 1760-1768.

Jia G L， Chen M， Zhao B， et al. Application of flexible multi-state switch in intelligent distribution network[J]. Transactions of China Electrotechnical Society， 2019， 34（8）： 1760-1768. （in Chinese）

［5］? 裴宇婷， 秦超， 余貽鑫. 基于LightGBM和DNN的智能配電網(wǎng)在線拓?fù)浔孀R(shí)[J]. 天津大學(xué)學(xué)報(bào)（自然科學(xué)與工程技術(shù)版）， 2020， 53（9）： 939-950.

Pei Y T， Qin C， Yu Y X. Online topology identification for smart distribution grids based on LightGBM and deep neural networks[J]. Journal of Tianjin University （Science and Technology）， 2020， 53（9）： 939-950. （in Chinese）

［6］? Mirshekali H， Dashti R， Keshavarz A， et al. A novel fault location methodology for smart distribution networks[J]. IEEE Transactions on Smart Grid， 2021， 12（2）： 1277-1288.

［7］? Corporation IBM. IBM end-to-end security for smart grids[R]. New York： IBM Corporation， 2009．

［8］? U.S. Department of Energy. Smart grid system report[R]. New York： U.S. Department of Energy， 2009.

［9］? Davis K R， Davis C M， Zonouz S A， et al. A cyber-physical modeling and assessment framework for power grid infrastructures[J]. IEEE Transactions on Smart Grid， 2015， 6（5）： 2464-2475.

［10］? 趙良. 適應(yīng)智能電網(wǎng)發(fā)展的電網(wǎng)規(guī)劃評(píng)價(jià)模型與方法[D]. 北京： 華北電力大學(xué)， 2016.

Zhao L. Research on power grid planning evaluation model and method suited to smart grid development[D]. Beijing： North China Electric Power University， 2016. （in Chinese）

［11］? De Quevedo P M， Contreras J， Mazza A， et al. Reliability assessment of microgrids with local and mobile generation， time-dependent profiles， and intraday reconfiguration[J]. IEEE Transactions on Industry Applications， 2018， 54（1）： 61-72.

［12］? 倪敬敏， 何光宇， 沈沉， 等. 美國智能電網(wǎng)評(píng)估綜述[J]. 電力系統(tǒng)自動(dòng)化， 2010， 34（8）： 9-13， 66.

Ni J M， He G Y， Shen C， et al. A review of assessment of smart grid in America[J]. Automation of Electric Power Systems， 2010， 34（8）： 9-13， 66. （in Chinese）

［13］? 李暉.電網(wǎng)發(fā)展評(píng)估方法與模型研究[EB/OL]. （2012-05-31） [2021-10-29]. https：//kns.cnki.net/KCMS/detail/detail.aspx？dbname=SNAD&filename=SNAD000001435737.

Li H. Research on evaluation method and model of power grid development [EB/OL]. （2012-05-31） [2021-10-29]. https：//kns.cnki.net/KCMS/detail/detail.aspx？dbname=SNAD&filename=SNAD000001435737. （in Chinese）

［14］? 李天友， 徐丙垠. 智能配電網(wǎng)自愈功能與評(píng)價(jià)指標(biāo)[J]. 電力系統(tǒng)保護(hù)與控制， 2010， 38（22）： 105-108.

Li T Y， Xu B Y. Self-healing and its benchmarking of smart distribution grid[J]. Power System Protection and Control， 2010， 38（22）： 105-108. （in Chinese）

［15］? Zhao H R， Li T Y， Fu L W， et al. The research on comprehensive benefits evaluation of smart grid self-healing[C]//2012 China International Conference on Electricity Distribution， September 10-14， 2012， Shanghai， China. IEEE， 2012： 1-12.

［16］? 李振坤， 趙向陽， 朱蘭， 等. 智能配電網(wǎng)故障后自愈能力評(píng)估[J]. 電網(wǎng)技術(shù)， 2018， 42（3）： 789-796.

Li Z K， Zhao X Y， Zhu L， et al. Evaluation of self-healing ability for smart distribution network after failure[J]. Power System Technology， 2018， 42（3）： 789-796. （in Chinese）

［17］? 應(yīng)益強(qiáng)， 付蓉， 黃校娟， 等. 基于不確定性優(yōu)化理論的電網(wǎng)三級(jí)電壓控制策略[J]. 電器與能效管理技術(shù)， 2019（8）： 60-66.

Ying Y Q， Fu R， Huang X J， et al. Three-level voltage control strategy for power grid based on uncertainty optimization theory[J]. Electrical & Energy Management Technology， 2019（8）： 60-66. （in Chinese）

［18］? Falahati B， Fu Y， Wu L. Reliability assessment of smart grid considering direct cyber-power interdependencies[J]. IEEE Transactions on Smart Grid， 2012， 3（3）： 1515-1524.

［19］? 陳艷波， 謝瀚陽， 王金麗， 等. 基于不確定測(cè)度的電力系統(tǒng)抗差狀態(tài)估計(jì)（一）理論基礎(chǔ)[J]. 電力系統(tǒng)自動(dòng)化， 2018， 42（1）： 8-15.

Chen Y， Xie H， Wang J， et al. Uncertain measure based robust state estimation of power system： Part one theoretical principle[J]. Automation of Electric Power Systems， 2018， 42（1）：8-15. （in Chinese）

［20］? Halil?evi? S S， Gubina F， Gubina A F. The uniform fuzzy index of power system security[J]. European Transactions on Electrical Power， 2010， 20（6）： 785-799.

［21］? 陳艷波， 劉洋， 張籍， 等. 基于改進(jìn)SEC模型的新一代智能變電站設(shè)計(jì)方案評(píng)價(jià)[J]. 2017， 41（4）： 1308-1314.

Chen Y B， Liu Y， Zhang J， et al. An evaluation method of design scheme for new generation smart substation based on improved SEC[J]. Power System Technology， 2017， 41（4）： 1308-1314. （in Chinese）

［22］? Wei L， Yuan Z X， Yan Y Y， et al. Evaluation of energy saving and emission reduction effect in thermal power plants based on entropy weight and PROMETHEE method[C]//2016 Chinese Control and Decision Conference （CCDC）， May 28-30， 2016， Yinchuan， China. IEEE， 2016： 143-146.

［23］? Logenthiran T， Srinivasan D， Shun T Z. Demand side management in smart grid using heuristic optimization[J]. IEEE Transactions on Smart Grid， 2012， 3（3）： 1244-1252.