基于信息熵的大型电力系统元件脆弱性评估(6)

表１中，本文方法和文献［１３］方法计算的指标由低到高代表节点脆弱性依次增强，重复潮流法计算的功率裕度由低到高代表脆弱性依次降低。由表１可以看出，本文方法与重复潮流法的计算结果基本一致，节点２４５，２４９和２４６在本文方法和重复潮流法中均排在前３位，说明这３个节点的脆弱性较大，对功率扰动的耐受力较差，容易因负荷波动而引起系统越限。文献［１３］方法计算的结果与本文方法及重复潮流法的计算结果相差稍大，其中节点４９以远高于其他节点的脆弱性指标值排在第１位，而本文方法计算的该节点脆弱性指标值为ｏ．０２９６，重复潮流法计算的该节点功率裕度为３１．８１Ｍｗ，均属于脆弱性最小的节点之一。其原因在于，文献［１３］在采用信息熵构建脆弱性指标时仅考虑潮流均衡度，忽略了电力系统中重载线路对系统安全性威胁更大这一实际特点，且未考虑不同裕度的支路对转移潮流的承受能力不同，导致其指标未能全面反映功率分布特征与元件脆弱性之间的关系。此外文献［１３］中，当潮流分布熵很小时，以其为分母的脆弱性指标值会被过分放大，表现在节点４９的脆弱性指标值远高于其他节点，产生较大误差。从计算速度来讲，虽然文献［１３］方法与重复潮流法相比计算速度明显提高，但仍需对每个节点计算一次潮流，而本文方法只需计算一次基准潮流，速度更快，且系统规模越大，计算速度优势将越明显。５．３风电场节点脆弱性评估结果

本文以ＩＥＥＥ３００节点系统中１２个１１０ｋＶ电压等级的ＰＱ节点为例进行分析。在２．１节建立的风电场模型基础上，以风电场额定出力（４０ＭＷ）为基准运行状态，模拟风电场出力骤减的随机波动，并与重复潮流法计算结果对比。当风电场功率因数分别取１和Ｏ．９５时，计算结果分别见表２。

从表２可以看出，本文方法与重复潮流法排序结果基本吻合，说明本文方法能够对风电场节点脆弱性进行较准确的评估，且与重复潮流法相比计算时间大大缩短（功率因数分别取１和０．９５时，本文方法的计算时间分别为４．０３７

１

Ｓ和４．０７３

２

Ｓ，重复

潮流法的计算时间分别为１１５．４７９

２

Ｓ和

１１３．９２３０

ｓ），满足在线应用要求，对电力系统脆弱

风电场节点的识别以及并网风电场的误差控制和管理具有参考价值。

通过两种功率因数下计算结果的对比可以看出，功率因数的变化使得有些节点的脆弱性增大，有些节点的脆弱性降低，导致排序有所变化，集中体现在脆弱性较大的节点４４，５３，１７９和５７，表明风电场控制方式会对节点脆弱性产生影响。本文方法能够

６６

万方数据

学术研究

在风电场不同的功率因数或控制方法下，对节点脆弱性进行快速有效的评估，只需在风电场建模和灵敏度分析中将风电场的功率因数或控制策略考虑进来即可。

表２风电节点脆弱性评估结果

Ｔａｂｌｅ２

Ａｓｓｅｓｓｍｅｎｔｆｏｒｗｉｎｄｐｏｗｅｒｎｏｄｅｖｕｌｎｅｒａｂｉｌｉｔｙ

ｌ２Ｏ４４６４３２４４Ｏ３６２３１５３３４４２５３Ｏ９１２５３ｌ７９２３０３７９２３１４９６５７２１５１５７２５３６●

３Ｏ

ｌＯ２１６２４【ｌ０２６３０９●

９Ｏ

７２１５２２７２９●

９Ｏ

１２７５７３１３Ｏ７７３１Ｏ８１１３７８２７

１Ｏ３９２７

１４８５２４１５｝

７３Ｏ７８６２３４６２４８５３９Ｏ７４３９２４１５２７０１２６Ｏ７４１｝

７３３２６２７Ｏ１３２４Ｏ

３７

０２５３

３７

３２４０

以ＩＥＥＥ３００节点系统中１０条支路组成的待评

的权重为０．８０７３，节点脆弱度权重为０．１９２７（将其按照０．７和０．３的比例分配给脆弱性较大和脆弱性较小的节点）。评估结果如表３所示。

表３支路脆弱性评估结果

Ｔａｂｌｅ３

Ａｓｓｅｓｓｍｅｎｔｆｏｒｂｒａｎｃｈｖｕｌｎｅｒａｂｉｌｉｔｙ

孵支路编号篙嚣喜裟罗裟？鬻脚Ｆｔ

８

）０Ｏ３３４０．４７３３１５７１０＜５１００．４９７８Ｏ４８２ＯＯ４８０．９４２８１９１９９Ｏ９０．５０４００９Ｏ３８９０．２０１５Ｏ７８９９４Ｏ．５９２９１４５２Ｏ８０６０＿８６６２１９１７９１１０．４３３９Ｏ３Ｏ１ｌ３

Ｏ９

０．５３２７Ｏ９Ｏ

４Ⅺｏ屯弘弘屯屯ｏ４８０．３３０６

Ｏ

∞凹加弱∞弘∞加舵５

０

表３说明支路脆弱性与其开断后等效虚拟注入功率大小及其两端节点脆弱度相关，其中：支路９００３—９０３４的虚拟注入功率及末端节点脆弱度都较大，导致该支路脆弱性最大，在ＩＥＥＥ３００节点系统中，节点９０３４通过唯一支路９００３—９０３４与系统相连，当支路９００３—９０３４开断后，节点９０３４所带负荷将全部损失，导致潮流计算无法收敛；支路１０５—１１０

５．４支路脆弱性评估结果

估支路集为例，采用本文支路脆弱性综合评估方法进行计算。其中，由熵权法