0.   引言

近年来，由极端天气引发的电力系统大规模故障频繁发生，造成巨大的经济损失。如何提高电网在极端天气下的负荷供电保障能力成为当前研究的热点。目前极端天气灾害主要有台风、冰灾等，以台风灾害对我国沿海地区电网造成的影响为例^[1]，2016年台风“莫兰蒂”登陆福建厦门，使得中低压配电网遭受毁灭性破坏，331.23万用户停电^[2]；2018年的超强台风“山竹”登陆了广东沿海，共造成了200余条线路停运，近600万用户停电^[3]。因此，研究重点区域电网在极端天气下的负荷供电保障能力具有重要的意义。

在提高电网在极端灾害下的负荷供电保障能力的研究中，引入弹性的概念，评估电网在极端天气下减少故障损失并保障和恢复负荷供电的能力^[4]。提高配电网在极端天气下的事故抵御能力是提升配电网弹性的重要手段^[5]。文献[6]基于台风灾害下电网故障模型进行弹性和可靠性评估，文献[7]构建了在极端冰雪天气下弹性恢复力评估指标。

随着电网的发展，配电系统中引入分布式电源(distributed generator，DG)、储能电站(energy storage system，ESS)、电动汽车(electric vehicle，EV)等分布式能源(distributed energy resource，DER)，为电网在极端天气下保障重要负荷供电提供了支撑^[8]。随着电动汽车—电网互动技术(vehicle to grid，V2G)的发展，EV可作为应急储备电源参与到电网灾时负荷保障中，储能EV充放电站(energy storage EV charging and discharging station，ESEVCDS)为EV集中储能充放电设施，能在电网发生故障的情况下，作为应急电源为重要负荷提供保障^[9]。文献[10]建立协调元件加固和植被管理的三阶段优化模型，但未考虑其他重要的供电保障措施，如储能、DG等。文献[11]对EV在主动配电网故障后接受电网调度，参与负荷供电保障，但未考虑EV在灾害下的调度难度。文献[12]建立计及储能配置和线路加固的两阶段鲁棒优化模型，保证灾害中重要负荷的不间断供电，但并没有考虑EV在负荷保障中的作用。

针对以上问题，本文提出基于态势感知的重点区域电网负荷供电保障策略，考虑DG、EV和储能等在极端天气下为重要负荷提供保障。态势感知技术主要包括态势觉察、态势理解、态势预测等3个阶段^[13-14]，在态势感知的基础上，进一步通过态势利导，实现系统状态朝有利的方向进行调度和控制^[15-16]。态势觉察阶段对环境状态和电网运行状态等信息进行收集；态势理解阶段利用态势觉察收集的信息对电网进行灾害模拟，获得极端天气下电网运行状态分析数据，实现对电网的深层感知；态势预测阶段根据深层感知信息，利用分布式电源出力预测、ESEVCDS充放电预测和负荷预测等技术，进行电网安全风险分析与预警；在态势利导阶段提出优化调度的综合经济指标与切负荷损失经济指标，考虑负荷保障成本与失负荷成本，在综合成本最小的情况下采取相应的负荷保障措施。本文对修改的IEEE 33节点系统算例进行仿真，仿真结果验证了本文所提的极端天气下基于态势感知的重点区域电网负荷供电保障策略的有效性。

1.   极端天气下基于态势感知的重点区域电网负荷供电保障策略

1.1   态势觉察

态势觉察是依靠电网的系统分析和控制需求合理配置信息检测技术，获取电网状态数据。觉察所得信息为态势理解和态势预测做准备^[17]。

极端天气事件下重点区域电网的负荷供电保障策略的研究中，针对不同的致灾因子如覆冰、台风和高温等其负荷供电保障策略有所不同，如在极端冰雪天气下考虑覆冰强度建立含DG的配电网多故障融冰、抢修、融冰三阶段优化模型^[18]；在台风灾害下建立双层网络重构模型^[19]。本文以台风灾害为例，通过态势感知技术调度重点区域电网内DERs在灾害下作为负荷供电保障措施，提高负荷供电保障能力。如图 1所示，在态势觉察阶段所需的主要信息包括以下几类：1）台风预测数据；2）电网电气信息；3）分布式电源、储能和电动汽车的荷电状态(state of charge，SOC)信息等。

图  1  台风灾害下电网的态势觉察信息图

Figure  1.  Information map of situation awareness of power grid under typhoon disaster

下载: 全尺寸图片 幻灯片

下面分别给出态势觉察所需的主要信息获取方式：

1）台风气象预测信息是指气象机构实时预测台风未来可能的路径和在路径中的相关信息，也就是台风的到达时间、台风的中心气压、最大风速和风圈半径等信息。通常采用Batts模型^[3]，模拟台风影响范围内各点的实时风速与风向。

2）由于电网的电气信息和分布式电源、储能以及电动汽车信息具有随时间变化的不确定性，因此在态势觉察阶段根据需求合理地配置量测，以获取需要的信息数据。在态势觉察中的量测包含可观性量测的优化配置、相量测量单元(phasor measurement unit, PMU)优化配置、高级量测体系构建等技术^[15]。

1.2   态势理解

态势理解是指对态势觉察获取的信息，通过态势评估技术进行分析和判断，实现对电网的深度感知。在台风天气下，态势理解阶段主要是对重点区域电网根据觉察获得的信息进行台风灾害模拟，实现对电网当前状态的评估，包括设备故障概率以及风险评估^[20]，灾害模拟结果将作为态势预测阶段的数据来源。

本文通过调度重点区域电网内DERs参与负荷供电保障，根据台风灾害模拟对电网的风险态势进行理解和评估。在态势理解阶段建立以负荷保障成本最小以及最大程度保障负荷供电为目标的双层优化模型，具体模型如下：

在最大程度保障负荷供应的情况下，以调度开始时间t_p到灾害结束时间t_e内重点区域电网成本最小为上层目标函数：

式中：C_{loss, t}表示预测切负荷成本；C_{DER, t}为DGs、储能充电站和电动汽车出力成本；t₀为灾害发生时刻，$t_{0} \in\left[t_{{\rm{p}}}, t_{{\rm{e}}}\right]$。

同时以最大程度保障重点区域电网内负荷供应为下层目标函数：

式中：N表示电网中的节点数；k_i表示第i个节点类型(若为负荷，则k_i为相应的负荷权重；若为电源节点，则k_i=0)；P_i表示第i个节点的负荷功率。

切负荷成本的计算式为^[21]

式中：G₀为负荷节点内用户集合；c_j表示节点内用户j的切负荷成本；P_{i, j}(t)表示节点i内用户j的切负荷量。

调度时间t_p与灾害对电网产生影响的预测精度和电网中应急设备响应时间相关联，具体计算式为

式中：$\beta$为调度时间与预测精度和方案实施时间的关联系数；D为灾害对电网产生影响的预测精度；T_ip为电网应急设备响应时间。

重点区域电网中DERs出力成本的计算式为

式中：G_DG和G_ES分别为分布式电源集合和储能电动汽车充电站集合；$c_l^{{\text{DG}}}$、$c_s^{{\text{ESS}}}$和$c_s^{{\text{EV}}}$分别为分布式电源l、储能EV充放电站s和站内电动汽车参与的负荷保障产生的成本；$P_l^{{\text{DG}}}(t)$、$P_s^{{\text{ESS}}}(t)$和$P_s^{{\text{EV}}}(t)$分别为分布式电源l、储能EV充放电站s和站内电动汽车在t时刻的输出功率；n_s(t)为充电站s在t时刻电动汽车的数量。

约束条件如下：

对于负荷节点中的负荷削减量，其约束条件为

式中${P_{i, {\text{max}}}}$为节点i处切负荷的最大允许切负荷量。

重点区域电网内功率平衡约束为

式中：$\sum\limits_{i=1}^{N} P_{i}^{\mathrm{L}}$为重点区域电网内总有功负荷；$P_{k}^{\mathrm{g}}$为重点区域电网内发电机机组k的输出有功功率；G_g为所有发电机机组的集合。

节点电压和线路电流约束：

式中：U_min和U_max分别为节点电压的下限和上限；I_max为线路电流的上限。

发电站和分布式电源的出力约束：

式中：$P_{k, \min }^{\text{g}}$、$P_{k, \max }^{\text{g}}$、$P_{l, \min }^{{\text{DG}}}$、$P_{l, \max }^{{\text{DG}}}$分别为发电站和分布式电源有功出力的下限和上限。

储能装置和电动汽车的出力约束：

式中：$P_{s, \min }^{{\text{ESS}}}$和$P_{s, \max }^{{\text{ESS}}}$分别为储能电站储能装置有功出力的下限和上限；$P_{s, {\text{max}}}^{{\text{EV}}}$为电动汽车的有功出力上限。

储能装置和电动汽车的荷电状态SOC约束：

式中：$S_{{\text{min}}}^{{\text{ESS}}}$、$S_{{\text{max}}}^{{\text{ESS}}}$、$S_{{\text{min}}}^{{\text{EV}}}$、$S_{{\text{max}}}^{{\text{EV}}}$分别为储能装置和电动汽车的荷电状态下限和上限。

储能充电站内电动汽车数量约束

式中${n_{s, {\text{max}}}}$为储能充电站可容纳的电动汽车数量上限。

1.3   态势预测

态势预测阶段是在态势觉察和理解阶段后，根据理解阶段台风灾害下重点区域电网的灾害模拟结果，对电网当前态势信息进行总结，并对未来的发展态势进行预测，态势预测的结果是态势利导阶段采取优化调度措施的基础。

结合气象部门相关信息进行台风路径及风速预测，分析重点区域电网中受台风影响区域，对电网失负荷的风险进行评估^[22]。对于台风灾害事件下含DERs的重点区域电网，考虑电动汽车和储能荷电状态的随机性和分布式电源出力的不确定性，并对负荷进行分层分级^[16]。在态势预测阶段，通过进行计及不确定性的DG出力预测和计及随机性的ESEVCDS充放电预测，进行电网台风风险评估，为电网调度提供决策辅助。

1.3.1   DG的出力预测

DG分为间歇性电源和非间歇性电源。非间歇性电源的出力稳定，可近似为固定值。而间歇性分布式电源通常为风力和光伏发电机组等，其出力特性主要取决于风速和光照等因素。

风力发电的输出功率$P_{t}^{\mathrm{WT}}$主要由切入风速、切出风速和额定风速决定，其与风速之间的关系由分段函数来表示^[23]。

光伏发电的输出功率主要由光伏阵列面积、光照强度和光电转换效率等因素决定^[24]，表示为

式中：$P_t^{{\text{PV}}}$为光伏发电功率；V_t为t时刻光照强度；S为光伏阵列面积；$\eta$为光电转换效率。

由于台风天气往往伴随着暴雨，从而使得风力和光伏电站的出力不确定性很大。

1.3.2   ESEVCDS充放电预测

ESSEVCDS的充放电功率可以通过适当的控制，达到稳定的输出，但是在发生台风事件时ESEVCDS的储能水平和站内EV的数量及电池SOC是随机的，进而导致其在灾害发生时出力具有一定的随机性，影响系统为故障区域负荷供电的稳定性。站内ESS的额定容量为$E_{\max }(s)$，在$t \in [{t_{\text{p}}}, {t_{\text{0}}}]$时段，ESS的荷电状态为$S_{s, t}^{{\text{ESS}}}$；此时站内的EV数量为n_s(t)，荷电状态为$S_{s, t}^{\mathrm{EV}}$；此时ESS的有功出力$P_{s}^{\mathrm{ESS}}(t)$和站内电动汽车的总体有功出力$P_{x}^{\mathrm{EV}}(t)$会随机变化，所以ESEVCDS储存总能量也会随机变化。

当电网正常工作的时候，储能电站进行正常电动汽车充电工作。当预测到即将发生灾害事件导致电网故障时，在t_p时刻，调度ESEVCDS中ESS和EV进行充电，同时对附近的电动汽车进行调度，通过激励措施鼓励其进入充电站充电，此时SOC满足约束条件：

式中：S^ESS和S^EV分别为站内储能装置和EV的SOC状态；$P_{{\text{ch}}}^{^{{\text{ESS}}}}$和$P_{{\text{ec}}}^{^{{\text{EV}}}}$分别为储能装置和单台EV的充电功率。

此时ESEVCDS的输出功率可以表示为

式中$P_{s, e}^{{\text{EV}}}$为单台EV的输出功率。

然后在灾害发生的t₀时刻，ESEVCDS作为应急电源与部分重要负荷形成主动孤岛，隔离故障以维持部分负荷的正常供应^[25]。

1.3.3   重点区域电网台风风险预测

根据台风灾害模拟的数据进行风险评估，对系统的运行状态和灾害状态进行分析^[20]，为负荷保障措施的实施提供决策变量。一般将事故风险定义为事故发生概率与事故造成后果的严重程度的乘积^[22]，表达式为

式中：R为风险评估值；p为风险事件发生概率；Q表示事件造成后果的严重程度。

台风灾害下，输电线路故障、机组退出运行导致电网的结构不断变化^[20]。因此需要对电网进行风险评估，具体流程如图 2所示。首先根据台风的短期预报信息进行台风灾害模拟，计算各输电线路在台风下的故障概率，进而获得相应的线路故障后电网拓扑，生成故障集合M。然后评估预想故障集中各故障状态m的风险，若某一故障下电网不能安全稳定地保障重要负荷供电，则计算该故障下电网产生的损失，进而得到该故障的风险；否则该故障的风险为零。最终得出电网台风风险评估结果。

图  2  电网台风风险评估流程图

Figure  2.  Grid typhoon risk assessment flow chart

下载: 全尺寸图片 幻灯片

1.4   态势利导

态势利导在态势感知的基础上，根据态势预测，分析电网的台风风险值，并对电网内DERs进行合理的优化调度^[15]，实现电网朝向有利的方向进行灵活调度和控制。

对含多种分布式能源的系统进行协同调配，在态势利导中根据态势预测得出的储能电站预测成本、分布式电源预测成本和切负荷预测成本，在调度时段$\left[t_{{\rm{p}}}, t_{0}\right]$通过经济鼓励措施，调度储能充电站中储能设备和电动汽车进行充电，提高储能电站的供电保障能力并提出优化调度的综合经济指标H，计算式为

式中：H_s为调度时间内储能设备和电动汽车的充电经济指标；H_d为分布式电源发电的经济指标；$\alpha H_{\mathrm{e}}$为对电动汽车参与到负荷保障的经济补偿指标；$\alpha$为经济补偿系数，$\alpha=1$时表示电动汽车参与到抗灾负荷保障中，$\alpha=0$时则未参与。

对电网切负荷预测结果，设置切负荷损失经济指标E，其计算式为

2.   基于态势感知的电网负荷供电保障策略流程

在极端天气下基于态势感知的重点区域电网负荷供电保障策略中，通过态势觉察、态势理解和态势预测为重点区域电网应对极端天气的负荷保障提供相应的决策信息，通过态势利导对负荷供电保障措施进行优化，使其符合电网朝向有利的方向进行灵活调度和控制的要求。重点区域电网的态势感知流程如图 3所示。

图  3  基于态势感知的台风天气下负荷保障策略流程图

Figure  3.  Flow chart of load protection strategy under typhoon weather based on situation awareness

下载: 全尺寸图片 幻灯片

（1）态势觉察阶段：通过PMU、可观性量测、高级量测等技术，获取电网电气信息，以及分布式电源、储能和电动汽车信息等。根据气象部门提供的台风预测信息，利用Batts台风模型计算台风影响范围内各点的实时风速与风向。

（2）态势理解阶段：利用含分布式电源的配电网状态估计技术、配电系统的生存能力分析技术和配电网系统的供电能力分析技术等^[15]，从t₀时刻开始，以灾害时段$\left[t_{p}, t_{0}\right]$内重点区域电网在最大程度保障负荷供应的情况下采取措施的成本最小为目标，进行重点区域电网的台风灾害模拟。

（3）态势预测阶段：根据态势理解对电网台风灾害模拟的结果，进行电网的DG出力预测、ESEVCDS充放电预测和台风风险评估与预测。判断电网实际风险是否与预测风险相同，若相同则计算电网风险评估值与负荷损失率；若不同，则对电网风险进行修正后再计算相应值。判断电网的风险评估指标和负荷损失率是否小于最低风险指标$R_{0}$和最低负荷损失率$\omega _0^{{\text{loss}}}$的要求。若满足要求，则说明电网的风险较低，不需要采取负荷保障措施，并进入下一个时段的态势感知；若不满足要求，则采取相应的负荷保障措施并进入态势利导阶段，计算电网在灾害下产生的负荷损失经济成本和采取负荷保障措施的成本。

（4）态势利导阶段：根据态势理解和态势预测的结果，计算灾害下优化调度的综合经济指标H与切负荷损失指标E，当负荷保障措施的成本超过相应的切负荷成本时，进行切负荷操作，避免为保障非重要负荷而产生更大的成本。当负荷保障措施的成本小于相应的切负荷成本时，根据预测的DERs出力和风险评估数据在受灾害影响发生故障的区域，通过配电系统的优化调度技术、配电系统自愈技术和配电系统与用户互动技术^[15]，对DG、储能和电动汽车等进行调度并提供相应的经济补偿，实现在台风灾害下基于态势感知技术的重点区域电网负荷供电保障能力的提高，最终使电网朝向有利的方向进行灵活调度和控制。

3.   算例分析

3.1   算例参数

本文采用修改后的IEEE 33节点系统为算例，设置系统中包含3个分布式电源和4个储能电动汽车充电站参与负荷保障，具体分布如图 4所示。系统的额定电压为12.66 kV，总有功负荷为3 995 kW。

图  4  IEEE 33节点系统接线图

Figure  4.  IEEE 33 node system wiring diagram

下载: 全尺寸图片 幻灯片

假设3个DG的装机容量均为500 kW；同时储能电站的储能设备的最大额定功率和容量分别为200 kW和800 kW·h，初始荷电状态为0.5；站内电动汽车最大容纳100台，每台电动汽车的电池最大额定功率和容量分别为3.3 kW和28 kW·h，设置初始荷电状态均为0.3，荷电状态最高为0.9，充放电效率均为0.938 1。设置非重要负荷的权重系数为1，此时设定非重要负荷的单位切负荷成本为10元/(kW·h)；重要负荷权重系数为100，重要负荷的单位切负荷成本为1 000元/(kW·h)，假设重要负荷节点为17、21、24和31。其他系统参数如表 1所示。

表  1  系统参数

Table  1.  System parameters

序号	系统参数	数值
1	DG出力成本/元(kW·h)−1	5
2	EV鼓励成本/元(kW·h)−1	5
3	ESEVCDS运行成本/元	2
4	市场电价/元	0.8

下载: 导出CSV 

| 显示表格

设置调度时段$\left[t_{{\rm{p}}}, t_{0}\right]$为4 h，故在调度时间到开始受到攻击时间，这个时段作为储能EV充放电站内储能设备进行充电和EV向电站集合及充电的准备时间。假设到达台风攻击重点区域电网时刻，ESEVCDS内所有储能设备包括EV蓄电池的SOC均为0.8，站内EV数量达到80台。

3.2   算例结果

为验证所提方法的有效性，对以下两种负荷供电保障方案进行仿真分析：

1）方案1：对电网内EV、储能和DG等资源进行调度，保障负荷供电。

2）方案2：在方案1的基础上，根据态势感知技术对电网的实时感知，考虑负荷供电保障措施成本与相应的负荷损失成本等因素，对负荷保障资源进行优化调度。

在仿真分析中，台风在时段20 h开始攻击重点区域电网，同时设置在线路发生故障4 h后恢复正常工作。假设通过态势预测得知算例中线路(2, 19)、线路(7, 8)、线路(8, 9)、线路(16, 17)、线路(23, 24)、线路(27, 28)与线路(28, 29)在台风灾害中分别发生故障。故障场景的系统接线如图 5所示，图中虚线部分为故障线路。分别应用方案1和方案2中提出的负荷供电保障措施进行仿真分析，计算故障场景下电网的优化调度综合经济指标H和切负荷损失经济指标E。

图  5  态势预测下故障场景的系统接线图

Figure  5.  System wiring diagram of failure scenarios under situation prediction

下载: 全尺寸图片 幻灯片

2种方案下重点区域电网采取负荷供电保障措施的成本如表 2所示。由表 2的结果可知，在采取负荷供电保障方案1和方案2的措施后台风灾害下均无重要负荷损失。方案2根据态势感知进行的实时负荷供电保障策略，最终的目标函数值相比于方案1减少了15 880元。因此，在满足重要负荷不间断供电的前提下，方案2所采用的供电策略，在台风灾害下具备更低的负荷供电保障措施成本。

表  2  两种方案的负荷保障成本

Table  2.  Load protection cost of the two schemes

方案	采取措施投资成本/元	重要负荷损失成本/元	非重要负荷损失成本/元	目标函数值/元
1	106 235	0	8 952	115 187
2	84 756	0	14 551	99 307

下载: 导出CSV 

| 显示表格

2个方案下的等效负荷曲线比较如图 6所示，由图 6可以看出从调度时间t_p到台风开始攻击重点区域电网，系统由于调度EV和储能装置进行储能造成系统负荷水平有所提高。在台风开始攻击电网到灾害结束的时段，方案1的负荷损失更小，而方案2由于实时调度和态势利导的原因，造成部分非重要负荷的切除，但相对于方案1整体的负荷供电保障成本更低。

图  6  不同方案下等效负荷曲线比较图

Figure  6.  Comparison chart of equivalent load curves under different schemes

下载: 全尺寸图片 幻灯片

在方案2中根据态势利导的定义，计算故障场景下优化调度综合经济指标H和切负荷损失经济指标E并对比2个指标值，决定切负荷操作；当采取负荷保障措施的投资成本大于负荷损失的经济成本时，可以在保证重要负荷供电的情况下进行切负荷操作。通过表 2中的数据，可以看出方案1部分负荷节点采取负荷保障措施的成本较相应的负荷损失成本更高，造成部分应急资源的浪费。方案2在保证重要负荷的不间断供电的前提下，以更低的负荷供电保障成本最大程度地保障负荷供电，满足态势利导对实现系统状态朝有利的方向进行调整和控制的要求。

4.   结论

1）本文所提的极端天气下基于态势感知的重点区域电网负荷供电保障策略，利用态势感知技术通过态势觉察、态势理解和态势预测等，能够对电网运行态势进行实时评估。

2）通过态势感知进行的分析，对电网中EV、储能等应急供电资源进行实时调度，并对态势利导提出的优化调度综合经济指标H和切负荷损失经济指标E进行计算，优化资源调度实现在最大程度保障重要负荷供电的基础上成本最小化。

3）提出的含DG、EV和储能装置优化调度的负荷供电保障策略，通过仿真结果表明本文所提策略可以充分利用电网资源在极端天气下实现负荷供电保障，提高电网对极端天气事件的抵御能力。

本文仅对DERs基于态势感知技术进行优化调度参与负荷供电保障进行了研究，未考虑DERs进行负荷供电保障的支撑时间以及电网故障后的恢复策略的研究，这也是下一阶段的研究方向。