基于地震灾害场景的主动配电网多维韧性评估方法

为了分析主动配电网承受破坏性扰动事件以及快速恢复重要负荷的韧性支撑能力,融合相量测量单元（PMU）高精度动态感知能力提出了一种新的以地震灾害场景为背景的主动配电网多维韧性评估方法。阐述了配电网韧性的基本概念及特征,并将地震作为极端事件代表,构建了反映配电线路故障率与地震动峰值加速度加权均值的模型,继而采用非序贯蒙特卡罗抽样和K-means++聚类算法筛选出代表性的地震场景;基于系统配置的PMU的强感知力建立反映韧性电网应变力、防御力、恢复力和协同力的评估指标,形成韧性多维特征空间,进而利用事件集点簇中心与最优韧性点的加权欧氏距离评估系统多维综合韧性;分析增强电力线路强度、提高联合系统中分布式电源可供容量这2种措施对系统韧性提升的影响,挖掘韧性电网对抗震防灾的学习力。最后,通过改进的PG&E69系统验证所提方法的有效性和准确性。     

基于μPMU的智能配电网预想故障集组合筛选方法

智能配电网预想故障集筛选是系统安全态势评估的重要基础。为了全面精准感知智能配电网的安全风险，引入具有实时性、同步性、准确性和量测数据全面性的微型同步相量测量单元（μPMU），提出一种基于其高密集采样数据的融合类内与类间距离的加权K-means聚类方法（KICIC）和云理论的预想故障集组合筛选排序方法。首先遍历智能配电网各节点发生各故障类型的场景构建故障数据集；然后采用KICIC算法进行故障数据集聚类分析，进而基于云模型的云数字特征客观量化评估故障类严重度不确定性的危害并输出预想故障集；最后算例结果表明：融合KICIC聚类和云模型的预想故障集组合筛选排序方法从数据挖掘层面实现高风险预想故障集的可靠筛选。