PAGE2電壓暫降風(fēng)險(xiǎn)評(píng)估體系分析綜述目錄TOC\o"1-3"\h\u16451電壓暫降風(fēng)險(xiǎn)評(píng)估體系分析綜述 1268661.1風(fēng)險(xiǎn)評(píng)估理論基礎(chǔ) 1228451.2電壓暫降風(fēng)險(xiǎn)概率模型 2272731.3電壓暫降嚴(yán)重性量化分析 6277901.4電壓暫降風(fēng)險(xiǎn)評(píng)估指標(biāo)體系 14對(duì)于暫降事件嚴(yán)重程度進(jìn)行量化分析是目前主流的電壓暫降評(píng)估研究方向。然而實(shí)際上想要對(duì)于某個(gè)區(qū)域的電壓暫降水平進(jìn)行全面切實(shí)的分析，需要考慮很多其他的因素，比如暫降事件發(fā)生的概率以及電壓暫降對(duì)敏感用戶造成的實(shí)際影響等等。針對(duì)這些問(wèn)題，本章節(jié)將風(fēng)險(xiǎn)評(píng)估理論應(yīng)用于電壓暫降評(píng)估，將評(píng)估指標(biāo)研究拆分為概率預(yù)測(cè)和嚴(yán)重程度分析兩方面進(jìn)行分析，并在電壓暫降概率預(yù)測(cè)和敏感用戶電壓暫降經(jīng)濟(jì)損失預(yù)估兩個(gè)研究點(diǎn)上各自提出一套數(shù)理模型，最終結(jié)合電壓暫降物理特征分析搭建電壓暫降風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。1.1風(fēng)險(xiǎn)評(píng)估理論基礎(chǔ)起初“風(fēng)險(xiǎn)”這一概念比較寬泛。美國(guó)學(xué)者弗蘭克·奈特于1895年在其所著的《經(jīng)濟(jì)中的風(fēng)險(xiǎn)》一書中最早提出風(fēng)險(xiǎn)的概念，他將風(fēng)險(xiǎn)定義為“損害或損失發(fā)生的可能性”，并將其定義為“損害或損失發(fā)生的可能性”。并認(rèn)為“風(fēng)險(xiǎn)”包含于“不確定性”之中。后來(lái)風(fēng)險(xiǎn)的內(nèi)涵得到了進(jìn)一步完善，時(shí)間因素被納入考慮，認(rèn)為風(fēng)險(xiǎn)是一種屬于未來(lái)?yè)p失的不確定性，當(dāng)前已經(jīng)發(fā)生的事情毫無(wú)風(fēng)險(xiǎn)可言。風(fēng)險(xiǎn)評(píng)估是在可靠性或嚴(yán)重程度評(píng)估的基礎(chǔ)上引入概率評(píng)估思想的評(píng)估方法，如今較為公認(rèn)的風(fēng)險(xiǎn)評(píng)估基本流程如圖1.1.1所示。風(fēng)險(xiǎn)評(píng)估主要分為三個(gè)步驟：風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)評(píng)級(jí)及風(fēng)險(xiǎn)控制。風(fēng)險(xiǎn)分析將風(fēng)險(xiǎn)的水平拆分為產(chǎn)生風(fēng)險(xiǎn)的概率和風(fēng)險(xiǎn)產(chǎn)生的后果與損失兩個(gè)要素去分析，然后在風(fēng)險(xiǎn)評(píng)級(jí)階段通過(guò)數(shù)理模型對(duì)這兩個(gè)要素進(jìn)行量化，在最后的風(fēng)險(xiǎn)控制環(huán)節(jié)依據(jù)前一環(huán)節(jié)的評(píng)估結(jié)果提出相應(yīng)措施來(lái)降低風(fēng)險(xiǎn)水平。這三個(gè)環(huán)節(jié)也對(duì)應(yīng)著本文第二、三、四章節(jié)的研究?jī)?nèi)容。圖1.1.1風(fēng)險(xiǎn)評(píng)估基本流程Fig.1.1.1.Basicprocessofriskassessment目前風(fēng)險(xiǎn)評(píng)估理論已經(jīng)在電力系統(tǒng)穩(wěn)態(tài)安全分析以及新能源并網(wǎng)穩(wěn)定性分析中得到了應(yīng)用，由此可見(jiàn)風(fēng)險(xiǎn)評(píng)估理論具有解決電能質(zhì)量評(píng)估問(wèn)題的潛力。在電力系統(tǒng)評(píng)估中，事件風(fēng)險(xiǎn)可以定義為“電力系統(tǒng)在某種工況下面臨電能質(zhì)量問(wèn)題的可能性與事件嚴(yán)重性的綜合度量”。電力系統(tǒng)風(fēng)險(xiǎn)的數(shù)學(xué)表達(dá)式為 (1.1.1)式中：R表示風(fēng)險(xiǎn)程度，Ei表示電力系統(tǒng)發(fā)生事故后的第i個(gè)評(píng)價(jià)維度，P(Ei)為這個(gè)評(píng)價(jià)維度會(huì)產(chǎn)生風(fēng)險(xiǎn)的概率，S(Ei)為事故產(chǎn)生這個(gè)評(píng)價(jià)維度給出的嚴(yán)重程度量化結(jié)果。本章節(jié)將以搭建風(fēng)險(xiǎn)評(píng)估指標(biāo)體系為目標(biāo)，將風(fēng)險(xiǎn)評(píng)估指標(biāo)拆分為電壓暫降發(fā)生概率與暫降事件嚴(yán)重性兩個(gè)要素進(jìn)行描繪，對(duì)于每個(gè)要素的分析都會(huì)從電網(wǎng)側(cè)與用戶側(cè)兩個(gè)維度進(jìn)行分析建模。1.2電壓暫降風(fēng)險(xiǎn)概率模型當(dāng)前，針對(duì)暫降事件概率的研究很多都是建立在不確定區(qū)域的概念基礎(chǔ)上，通過(guò)描繪不確定區(qū)域內(nèi)暫降幅值和持續(xù)時(shí)間的概率分布情況從而對(duì)敏感用戶生產(chǎn)環(huán)節(jié)的事故概率進(jìn)行預(yù)測(cè)。而對(duì)于用戶整體受影響概率的預(yù)測(cè)基本還處于空白狀態(tài)。為此，本文提出一種從過(guò)往數(shù)據(jù)提取有效信息擬合經(jīng)驗(yàn)分布函數(shù)進(jìn)而預(yù)估受影響的設(shè)想，通過(guò)對(duì)目標(biāo)用戶節(jié)點(diǎn)實(shí)際數(shù)據(jù)進(jìn)行分析并運(yùn)用統(tǒng)計(jì)學(xué)模型預(yù)測(cè)用戶節(jié)點(diǎn)未來(lái)暫降事件概率，該方法既可以體現(xiàn)過(guò)往數(shù)據(jù)在影響概率計(jì)算中的統(tǒng)計(jì)學(xué)作用，又可以將問(wèn)題進(jìn)行轉(zhuǎn)化然后結(jié)合過(guò)往研究進(jìn)行計(jì)算。1.1.1經(jīng)驗(yàn)分布函數(shù)模型將單次電壓暫降事件的電壓幅值和持續(xù)時(shí)間都看作是獨(dú)立變量，則可以將電壓暫降事件的概率拆分為兩個(gè)相互獨(dú)立的變量進(jìn)行分析。利用經(jīng)驗(yàn)概率分布函數(shù)和二乘曲線擬合的思想，可以獲得各自的概率分布情況。首先介紹經(jīng)驗(yàn)分布函數(shù)的概念，設(shè)ξ是表示總體的一個(gè)隨機(jī)變量，F(xiàn)(x)是其分布函數(shù)，現(xiàn)在對(duì)ξ進(jìn)行n次重復(fù)獨(dú)立觀測(cè)，以vn(x)表示在這n次重復(fù)獨(dú)立觀測(cè)中出現(xiàn)的次數(shù)(即n個(gè)觀測(cè)值中小于x的個(gè)數(shù))。那么則稱函數(shù)為變量x的經(jīng)驗(yàn)分布函數(shù)。 (1.1.1)由格利汶科定理可知[50]：當(dāng)樣本容量n足夠大時(shí)，對(duì)一切實(shí)數(shù)x，總體ξ的經(jīng)驗(yàn)分布函數(shù)Fn(x)與它的理論分布函數(shù)F(x)之間相差最大的值也會(huì)足夠小，也就意味著我們根據(jù)足量實(shí)際數(shù)據(jù)得出的電壓暫降幅值和持續(xù)時(shí)間概率分布與實(shí)際數(shù)據(jù)分布差距很小，從而保證了概率預(yù)測(cè)模型的準(zhǔn)確性。對(duì)給定數(shù)據(jù)x1，x2，…，xn，按照大小重新進(jìn)行排序并根據(jù)公式(1.1.1)計(jì)算出經(jīng)驗(yàn)分布函數(shù)，轉(zhuǎn)化為x（1）<x（2）<…<x（n），設(shè)x（k）頻數(shù)為vk，可以得到概率分布函數(shù)為 (1.1.2)在擁有一定量的暫降事件數(shù)據(jù)的基礎(chǔ)上，將暫降事件的幅值與持續(xù)時(shí)間分別作為變量繪進(jìn)行經(jīng)驗(yàn)函數(shù)的繪制，但因?yàn)橛^測(cè)的數(shù)據(jù)從統(tǒng)計(jì)學(xué)意義上是離散的點(diǎn)，為了使未觀測(cè)到的特征值處也有概率，需要采用最小二乘法進(jìn)行擬合計(jì)算，從而得到暫降幅值和持續(xù)時(shí)間的經(jīng)驗(yàn)分布函數(shù)： (1.1.3) (1.1.4)首先從電網(wǎng)側(cè)的角度考慮，當(dāng)電壓波動(dòng)水平滿足國(guó)標(biāo)GB/T30137對(duì)電壓暫降事件的定義，那么這次電能質(zhì)量事件就會(huì)在一定的網(wǎng)架范圍內(nèi)展現(xiàn)其物理特征并產(chǎn)生符合電壓暫降事件定義的影響，因此定義電網(wǎng)側(cè)風(fēng)險(xiǎn)概率PD，在本模型中表達(dá)式為： (1.1.5)式中：UN表示額定電壓，TN表示額定工頻周期。再分析用戶側(cè)的情況，當(dāng)某次暫降事件使敏感用戶的某個(gè)或多個(gè)生產(chǎn)環(huán)節(jié)停止工作從而導(dǎo)致高額的經(jīng)濟(jì)損失，這種情形可以定義為此次電壓暫降事件對(duì)該用戶節(jié)點(diǎn)造成了影響。由于不同的行業(yè)領(lǐng)域的敏感設(shè)備對(duì)于電壓暫降的耐受水平不盡相同，因此同一電壓暫降事件對(duì)不同的用戶是否實(shí)際造成影響需要結(jié)合用戶實(shí)際的電壓暫降耐受能力進(jìn)行分析，一些高新產(chǎn)業(yè)停產(chǎn)條件見(jiàn)表1.1.1。表1.1.1高新產(chǎn)業(yè)停產(chǎn)條件Table1.1.1Shutdownconditionsofhigh-techindustry行業(yè)停產(chǎn)條件計(jì)算機(jī)電壓低于額定電壓的80%生物工程電壓低于額定電壓的81%航空航天電壓低于額定電壓90%，持續(xù)時(shí)間超過(guò)40ms~60ms計(jì)算機(jī)制造電壓低于額定電壓的80%電子信息電壓低于額定電壓70%，持續(xù)時(shí)間超過(guò)120ms電信業(yè)電壓低于額定電壓70%，持續(xù)時(shí)間超過(guò)20ms海洋工程電壓低于額定電壓60%，持續(xù)時(shí)間超過(guò)240ms精密制造電壓低于額定電壓45%，持續(xù)時(shí)間超過(guò)40ms因此對(duì)于每個(gè)特定用戶他的受影響概率都是需要獨(dú)立計(jì)算的，設(shè)對(duì)于某用戶節(jié)點(diǎn)在電壓暫降幅值小于U0，持續(xù)時(shí)間長(zhǎng)于T0時(shí)，實(shí)際生產(chǎn)作業(yè)便會(huì)受到暫降事件影響并將受影響概率記為用戶側(cè)風(fēng)險(xiǎn)概率PY，計(jì)算公式為： (1.1.6)式中：U0表示用戶節(jié)點(diǎn)會(huì)受到暫降事件影響的電壓幅值閾值，T0表示用戶節(jié)點(diǎn)會(huì)受到暫降事件影響的暫降持續(xù)時(shí)間閾值。暫降事件影響概率計(jì)算的流程圖如圖1.1.1所示。圖1.1.1暫降事件影響概率計(jì)算流程Fig.1.1.1.Calculationflowofprobabilityofimpactoftemporarydowntimeevent1.1.2算例分析作為本文第一個(gè)算例分析，在此對(duì)后面所有算例分析中的數(shù)據(jù)來(lái)源進(jìn)行統(tǒng)一說(shuō)明：本文通過(guò)電能質(zhì)量監(jiān)測(cè)系統(tǒng)獲取到某省重點(diǎn)工業(yè)園區(qū)多個(gè)敏感用戶節(jié)點(diǎn)2019年一整年時(shí)間跨度的暫降事件數(shù)據(jù)用于驗(yàn)證本文評(píng)估方法。圖1.1.2為系統(tǒng)統(tǒng)計(jì)節(jié)點(diǎn)暫降事件功能截圖。圖1.1.2電能質(zhì)量監(jiān)測(cè)系統(tǒng)計(jì)暫降事件功能截圖Fig.1.1.1.Screenshotofthepowerqualitymonitoringsystemtocountvoltagesag根據(jù)安裝在敏感用戶側(cè)的暫降監(jiān)測(cè)終端中獲取的暫降事件數(shù)據(jù)進(jìn)行暫降事件電壓幅值以及持續(xù)時(shí)間經(jīng)驗(yàn)分布函數(shù)的擬合，各用戶節(jié)點(diǎn)的電壓幅值與持續(xù)時(shí)間的概率分布曲線見(jiàn)圖1.1.2與圖1.1.3，從圖中可以看出，在同一條專用線路上的節(jié)點(diǎn)的電壓幅值及持續(xù)事件經(jīng)驗(yàn)分布曲線是幾乎吻合的，但位于不同專線上的節(jié)點(diǎn)之間曲線差異還是比較明顯的。圖1.1.3各專線電壓幅值概率分布曲線Fig.1.1.3.Voltageamplitudeprobabilitydistributioncurveofeachspecialline圖1.1.4各專線持續(xù)時(shí)間概率分布曲線Fig.1.1.4.Theprobabilitydistributioncurveofthedurationofeachspecialline完成用戶節(jié)點(diǎn)的電壓暫降幅值和持續(xù)事件概率分布曲線的描繪后，結(jié)合每個(gè)用戶生產(chǎn)環(huán)節(jié)對(duì)于電壓暫降事件的耐受能力實(shí)際情況，結(jié)合公式(1.1.5)與(1.1.6)計(jì)算每個(gè)節(jié)點(diǎn)的電網(wǎng)側(cè)風(fēng)險(xiǎn)概率及用戶側(cè)風(fēng)險(xiǎn)概率，計(jì)算結(jié)果見(jiàn)表1.1.2。表1.1.2各監(jiān)測(cè)節(jié)點(diǎn)電網(wǎng)側(cè)以及用戶側(cè)風(fēng)險(xiǎn)概率Tab.1.1.1.Riskprobabilityofpowergridsideandusersideofeachmonitoringnode節(jié)點(diǎn)PDPY11.88×10-47.89×10-621.88×10-41.66×10-437.99×10-41.22×10-547.99×10-41.14×10-556.85×10-54.86×10-666.85×10-54.31×10-5根據(jù)表中信息可以看出，不同專線的的電網(wǎng)側(cè)概率差距很大，處于同一供電專線上的用戶節(jié)點(diǎn)，電網(wǎng)側(cè)概率相同但用戶側(cè)概率差異很大，由此可以表明，只要電壓降落達(dá)到一定幅值與持續(xù)事件，它的物理特征就可以被觀察到，而電壓暫降事件對(duì)用戶節(jié)點(diǎn)是否產(chǎn)生實(shí)際影響和用戶生產(chǎn)環(huán)節(jié)的電壓暫降耐受能力還有緊密聯(lián)系。1.3電壓暫降嚴(yán)重性量化分析1.3.1電網(wǎng)側(cè)嚴(yán)重性分析傳統(tǒng)方法對(duì)電壓暫降特征的描述通常采用暫降幅值及持續(xù)時(shí)間，這會(huì)導(dǎo)致評(píng)估暫降事件信息缺失及片面化，從而導(dǎo)致評(píng)估結(jié)果失準(zhǔn)。因此，對(duì)于暫降的刻畫首先需要引入更多維度的特征指標(biāo)從而可以更加全面客觀地去評(píng)估暫降水平[51]。IEEE基于現(xiàn)有電壓暫降指標(biāo)的研究成果，提出了一套廣為學(xué)術(shù)界認(rèn)可的電壓暫降指標(biāo)體系標(biāo)準(zhǔn)IEEEStd1564-2014。這套標(biāo)準(zhǔn)不僅歸納整理了諸多理論成熟且運(yùn)用廣泛的暫降指標(biāo)，還首次提出將整個(gè)電壓暫降指標(biāo)的研究劃分為三個(gè)層次：?jiǎn)我皇录⒐?jié)點(diǎn)和系統(tǒng)，使得暫降指標(biāo)領(lǐng)域的研究更為規(guī)范化、結(jié)構(gòu)化。本論文著重研究用戶節(jié)點(diǎn)的電壓暫降風(fēng)險(xiǎn)水平評(píng)估，所以電網(wǎng)側(cè)指標(biāo)選擇采用標(biāo)準(zhǔn)中的節(jié)點(diǎn)層指標(biāo)，具體指標(biāo)如下：（1）期望暫降幅值定義期望暫降幅值（ExpectedSagMagnitude，ESM）為節(jié)點(diǎn)n次暫降事件的平均暫降幅值，記為RESM： (1.3.1)式中：n表示監(jiān)測(cè)時(shí)間范圍內(nèi)該節(jié)點(diǎn)發(fā)生的暫降事件總數(shù)，Ui表示該節(jié)點(diǎn)第i個(gè)暫降事件的幅值。期望暫降幅值指標(biāo)是對(duì)電壓暫降事件最為直觀的表達(dá)，其指標(biāo)值越小，說(shuō)明暫降越嚴(yán)重，暫降對(duì)其的影響也越大。（2）暫降頻次指標(biāo)系統(tǒng)平均均方根值頻次指標(biāo)（SystemAverageRMSFrequencyIndex，SARFI）是一種度量系統(tǒng)短時(shí)中斷、電壓暫升、電壓暫降等事件數(shù)目或比例的電能質(zhì)量指標(biāo)，一般可分為SARFI-X和SARFI-Curve。對(duì)于SARFI-X，一般作為單節(jié)點(diǎn)指標(biāo)（單節(jié)點(diǎn)系統(tǒng)），X表示確定的電壓暫降閾值；對(duì)于SARFI-Curve，一般作為系統(tǒng)指標(biāo)，Curve表示針對(duì)某類敏感用戶特定的容限曲線。SARFI-X表示監(jiān)測(cè)時(shí)間范圍內(nèi)節(jié)點(diǎn)發(fā)生暫降幅值低于參考電壓x%的暫降頻次；SARFI-Curve表示節(jié)點(diǎn)發(fā)生落在敏感設(shè)備耐受曲線下方的暫降頻次。SARFI-X計(jì)及的是電壓暫降、暫升以及短時(shí)中斷事件低于確定閾值X的事件數(shù)目或比例，只用于評(píng)估較短持續(xù)時(shí)間事件的電壓有效值波動(dòng)，囊括了計(jì)算持續(xù)時(shí)間低于IEEE1159標(biāo)準(zhǔn)中定義的短時(shí)中斷最小持續(xù)時(shí)間即1分鐘的事件。目前的研究針對(duì)SARFI-X的運(yùn)算提出了兩種方法：一種是基于統(tǒng)計(jì)事件影響用戶數(shù)量的SARFIX-C，一種是基于統(tǒng)計(jì)事件產(chǎn)生次數(shù)的SARFIX-T。SARFI-Curve計(jì)及的是電壓暫降低于設(shè)備容限曲線的數(shù)目或比例，一般使用ITIC曲線以及SEMIF47曲線作為參考曲線，同時(shí)這些參考曲線的使用限制于IEEE1159標(biāo)準(zhǔn)中所規(guī)定的事件持續(xù)時(shí)間低于1分鐘。SARFI指標(biāo)作為一種頻次指標(biāo)，使用范圍廣泛、取值靈活多樣，對(duì)事件進(jìn)行科學(xué)嚴(yán)謹(jǐn)?shù)牧炕诜治鲇?jì)算；但另一方面，SARFI指標(biāo)對(duì)于事件性質(zhì)的刻畫較為單一，無(wú)法描述事件其他方面定性的特征。（3）能量指標(biāo)相關(guān)研究使用了三種節(jié)點(diǎn)指標(biāo)來(lái)刻畫節(jié)點(diǎn)暫降的能量特征：每個(gè)節(jié)點(diǎn)的事件數(shù)量、每個(gè)節(jié)點(diǎn)的總損耗能量、每個(gè)事件的平均損耗能量。節(jié)點(diǎn)總損耗能量指標(biāo)是在給定的持續(xù)時(shí)間之內(nèi)，相應(yīng)節(jié)點(diǎn)所有滿足要求的事件電壓暫降能量之和，一般按照每月或者每年來(lái)計(jì)算，而相應(yīng)的節(jié)點(diǎn)平均損耗能量指標(biāo)即為節(jié)點(diǎn)總損耗能量指標(biāo)的平均值。平均暫降能量損失指標(biāo)（AverageSagEnergyIndex，ASEI）表示單個(gè)節(jié)點(diǎn)在監(jiān)測(cè)時(shí)間范圍內(nèi)所有暫降事件造成的能量損失的平均值，記為RASEI： (1.3.2)式中：EVS_i=(1-Ui2)Ti為該節(jié)點(diǎn)第i個(gè)暫降事件的能量損失，Ui為第i個(gè)暫降事件的幅值，Ti為第i個(gè)暫降事件的持續(xù)時(shí)間。平均暫降能量損失指標(biāo)值越大，說(shuō)明暫降事件造成的能量損失越大，暫降事件對(duì)該節(jié)點(diǎn)的影響越為嚴(yán)重。（4）傳播效率電網(wǎng)節(jié)點(diǎn)的規(guī)模程度和聚集程度均反映了電網(wǎng)節(jié)點(diǎn)的拓?fù)鋵傩?，但難以表征物理屬性，即電壓暫降傳播受電氣距離和電源等因素的影響。針對(duì)電壓暫降傳播的衰減特性，提出節(jié)點(diǎn)的傳播效率指標(biāo)Rdif： (1.3.3)式中：lij為節(jié)點(diǎn)i與相鄰節(jié)點(diǎn)的最短電氣距離。節(jié)點(diǎn)傳播效率可以表征電壓暫降從該節(jié)點(diǎn)傳播到網(wǎng)絡(luò)中其他節(jié)點(diǎn)的平均難易程度：傳播效率值越高，表明該節(jié)點(diǎn)距離其他節(jié)點(diǎn)的距離越近。從空間自相關(guān)的角度來(lái)看，2個(gè)對(duì)象之間的距離越遠(yuǎn)，則對(duì)彼此的依賴程度越弱，即該節(jié)點(diǎn)受到其他節(jié)點(diǎn)傳播的電壓暫降影響的可能性越小。1.3.2用戶側(cè)嚴(yán)重性分析電壓暫降在用戶側(cè)嚴(yán)重性主要分為兩層：第一層是電壓暫降水平超過(guò)了用戶生產(chǎn)環(huán)節(jié)的耐受能力就會(huì)導(dǎo)致設(shè)備進(jìn)入異常工作狀態(tài)，甚至損害設(shè)備壽命。這一層影響可以通過(guò)平均嚴(yán)重程度指標(biāo)ASSI（AverageSagSeverityIndex）來(lái)衡量。平均暫降嚴(yán)重程度指標(biāo)反映節(jié)點(diǎn)暫降水平與敏感設(shè)備的兼容程度，記為RASSI： (1.3.4)式中：Se_i=(1-Ui)/(UCurve(Ti))為節(jié)點(diǎn)第i個(gè)暫降事件的嚴(yán)重程度指標(biāo)，UCurve(Ti)為參考曲線上持續(xù)時(shí)間Ti對(duì)應(yīng)的電壓限值，Se_i>1說(shuō)明該次暫降事件落于參考曲線下方，影響敏感設(shè)備的正常工作，且其值越大，說(shuō)明暫降越嚴(yán)重。第二層是電壓暫降事件會(huì)對(duì)用戶造成高額的經(jīng)濟(jì)損失。高新技術(shù)行業(yè)用戶的生產(chǎn)環(huán)節(jié)由于包含大量具有精細(xì)電磁機(jī)械結(jié)構(gòu)的電力電子設(shè)備，使得其對(duì)電壓暫降事件產(chǎn)生的擾動(dòng)具有很高的敏感度。在電壓暫降事件發(fā)生時(shí)，敏感設(shè)備與元器件可能會(huì)發(fā)生故障，從而影響到運(yùn)行過(guò)程與產(chǎn)品質(zhì)量，進(jìn)而對(duì)用戶造成相應(yīng)的經(jīng)濟(jì)損失。相對(duì)于第一層嚴(yán)重性可以借用現(xiàn)有指標(biāo)進(jìn)行衡量，對(duì)于電壓暫降經(jīng)濟(jì)損失的預(yù)估還沒(méi)有通用的方法，并且還存在著難點(diǎn)。1.3.1.1預(yù)估單個(gè)敏感用戶經(jīng)濟(jì)損失的難點(diǎn)敏感用戶經(jīng)濟(jì)損失的評(píng)估需要獲取大量的系統(tǒng)監(jiān)測(cè)信息與電力用戶端信息，并對(duì)兩者之間的關(guān)聯(lián)關(guān)系進(jìn)行準(zhǔn)確建模。因此，對(duì)電能質(zhì)量敏感用戶經(jīng)濟(jì)損失的預(yù)估存在以下難點(diǎn)。（1）敏感用戶經(jīng)濟(jì)損失的樣本數(shù)據(jù)不足。大多數(shù)高端制造業(yè)或工業(yè)用戶往往只會(huì)對(duì)相應(yīng)的經(jīng)濟(jì)損失進(jìn)行大致的估計(jì)，甚至對(duì)其直接進(jìn)行忽視，這就導(dǎo)致了用戶準(zhǔn)確有效的損失樣本數(shù)據(jù)是難以獲取得到的。樣本信息的缺失導(dǎo)致構(gòu)建模型難以得到有效的數(shù)據(jù)支撐。（2）系統(tǒng)側(cè)電能質(zhì)量數(shù)據(jù)與經(jīng)濟(jì)損失之間關(guān)聯(lián)關(guān)系復(fù)雜且包含諸多其他變量因素的影響，例如電網(wǎng)側(cè)電力故障持續(xù)時(shí)間、頻次以及用戶側(cè)的生產(chǎn)環(huán)節(jié)類型、數(shù)量和結(jié)構(gòu)等，這些變量大多難以進(jìn)行定量描述，因而難以從機(jī)理分析的角度出發(fā)對(duì)關(guān)聯(lián)關(guān)系進(jìn)行準(zhǔn)確建模。1.3.1.2信息分配與擴(kuò)散理論信息分配與擴(kuò)散理論(informationdistributionanddiffusiontheory,IDDT)是基于有限的相關(guān)變量樣本信息，通過(guò)模糊隸屬度函數(shù)刻畫相關(guān)變量之間的關(guān)聯(lián)關(guān)系，進(jìn)而實(shí)現(xiàn)通過(guò)任意自變量對(duì)相應(yīng)因變量進(jìn)行估計(jì)的一種方法模型。該理論的優(yōu)點(diǎn)在于，能夠利用模糊隸屬度信息填補(bǔ)有限樣本數(shù)據(jù)之間的空缺，克服了傳統(tǒng)硬分類方法容易導(dǎo)致信息量不足的缺陷，從而提高了樣本信息利用率以實(shí)現(xiàn)更為準(zhǔn)確的評(píng)估。信息分配方法信息分配(informationdistribution)是一種模糊分類方法，它通過(guò)建立控制點(diǎn)空間，將樣本點(diǎn)數(shù)據(jù)以模糊隸屬度的形式分配到各控制點(diǎn)上，并得到樣本信息在控制點(diǎn)空間中的概率分布，步驟如下：（1）設(shè)有容量為n的樣本空間X，所求概率分布區(qū)間長(zhǎng)度為Δ，各區(qū)間中點(diǎn)為控制點(diǎn)u，根據(jù)樣本容量與極值，選取適當(dāng)區(qū)間長(zhǎng)度Δ與起始控制點(diǎn)U1，得到l維控制點(diǎn)空間Uc： (1.3.1)這里的維數(shù)l即為概率分布區(qū)間數(shù)，可在式(1.3.1)所示的漸進(jìn)優(yōu)化區(qū)間數(shù)方法所得傳統(tǒng)直方圖區(qū)間數(shù)l0的基礎(chǔ)之上，向兩端同時(shí)擴(kuò)增適當(dāng)數(shù)量的額外區(qū)間lextra，得到概率分布區(qū)間數(shù)l： (1.3.2)其中，i=1，2，…，n。（2）設(shè)控制點(diǎn)u只接收與其距離小于Δ的樣本點(diǎn)信息，且所得信息量q隨著與樣本點(diǎn)之間的距離增大而衰減，因而由下式所示的線性分配方法，將樣本點(diǎn)xi的信息分配到控制點(diǎn)uh上： (1.3.3)式中：h=1,

2,

···,

l。上式的本質(zhì)是在區(qū)間Δ的限定范圍內(nèi)，樣本點(diǎn)xi對(duì)控制點(diǎn)uh的模糊隸屬度，原理如圖所示。圖1.3.1信息分配原理示意圖Fig.1.3.1.SchematicDiagramofInformationDistributionPrinciple（3）計(jì)算控制點(diǎn)uh上所接收的信息量Qh： (1.3.4)（4）對(duì)控制點(diǎn)uh上所接收的信息總量Qh進(jìn)行歸一化，得到該點(diǎn)信息占全部信息總量的概率值Ph： (1.3.5)（5）對(duì)各控制點(diǎn)重復(fù)步驟（2）~（4），即可得到樣本X在控制點(diǎn)空間Uc中的概率分布P： (1.3.6)信息擴(kuò)散(information

diffusion)在信息分配的基礎(chǔ)之上加以拓展，通過(guò)二維正態(tài)分布的模糊隸屬度模型，將兩組樣本的全部信息擴(kuò)散到二維監(jiān)控點(diǎn)空間中的所有監(jiān)控點(diǎn)上，并通過(guò)歸一化得到反映兩組樣本間關(guān)聯(lián)關(guān)系的模糊關(guān)系矩陣，步驟如下：（1）設(shè)存在關(guān)聯(lián)關(guān)系的X與Y兩個(gè)容量均為n的樣本，建立關(guān)系樣本W(wǎng)為： (1.3.7)（2）基于樣本X與Y的容量與極值，選取適當(dāng)監(jiān)控點(diǎn)空間步長(zhǎng)Δx和Δy，以及起始點(diǎn)u1和v1，生成m維自變量樣本X的監(jiān)控點(diǎn)空間U，以及t維因變量樣本Y的監(jiān)控點(diǎn)空間V： (1.3.8)（3）類似分子濃度擴(kuò)散原理，信息擴(kuò)散規(guī)律符合正態(tài)分布模型。因此，這里采用二維正態(tài)分布的模糊隸屬度函數(shù)，將W中的樣本數(shù)據(jù)對(duì)xi和yi，按照信息量μijk的大小分配到監(jiān)控點(diǎn)對(duì)uj和vk上。計(jì)算監(jiān)控點(diǎn)對(duì)uj和vk上所接收的信息總量Qjk： (1.3.9)（4）對(duì)二維監(jiān)控點(diǎn)空間U×V中的所有監(jiān)控點(diǎn)對(duì)重復(fù)步驟（3）~（4），得到信息矩陣Q： (1.3.10)（5）采用列元最大值法進(jìn)行歸一化，最終得到樣本X和Y之間的模糊關(guān)系矩陣R。 (1.3.11) (1.3.12)針對(duì)不同的輸入自變量x，基于模糊關(guān)系矩陣R便可得到對(duì)應(yīng)的輸出因變量y。上述方法采用模糊隸屬度模型將有限的樣本信息進(jìn)行二維擴(kuò)散，通過(guò)擴(kuò)散后所得到的樣本數(shù)據(jù)對(duì)自變量與因變量之間的關(guān)聯(lián)關(guān)系進(jìn)行刻畫，以此建立因果變量之間的模糊關(guān)系矩陣，進(jìn)而克服了由于樣本信息的缺失以及關(guān)聯(lián)關(guān)系的復(fù)雜性所導(dǎo)致的無(wú)法對(duì)關(guān)聯(lián)關(guān)系進(jìn)行準(zhǔn)確建模的困難。1.3.1.3基于模糊關(guān)系矩陣的經(jīng)濟(jì)損失評(píng)估單個(gè)敏感用戶經(jīng)濟(jì)損失的模糊評(píng)估方法流程如圖1.3.2所示。為了填補(bǔ)有限樣本數(shù)據(jù)所帶來(lái)的信息缺失，獲取更為準(zhǔn)確的系統(tǒng)側(cè)指標(biāo)數(shù)據(jù)分布特性，采用信息分配方法對(duì)系統(tǒng)側(cè)既有樣本數(shù)據(jù)進(jìn)行一維模糊分配，得到系統(tǒng)側(cè)數(shù)據(jù)的概率分布P；在考慮信息缺失的前提下，為了克服對(duì)系統(tǒng)側(cè)數(shù)據(jù)和經(jīng)濟(jì)損失之間復(fù)雜關(guān)聯(lián)關(guān)系直接進(jìn)行建模的困難，采用信息擴(kuò)散方法對(duì)系統(tǒng)側(cè)數(shù)據(jù)-經(jīng)濟(jì)損失的既有樣本數(shù)據(jù)對(duì)進(jìn)行二維模糊化擴(kuò)散，得到二者之間的模糊關(guān)系矩陣R；最終，在給定任意系統(tǒng)側(cè)現(xiàn)有樣本數(shù)據(jù)的情況下，基于模糊關(guān)系矩陣R便可計(jì)算得到相應(yīng)電能質(zhì)量事件對(duì)敏感用戶造成的經(jīng)濟(jì)損失估計(jì)值。圖1.3.2敏感用戶經(jīng)濟(jì)損失模糊評(píng)估方法流程圖Fig.1.3.1.Flowchartoffuzzyevaluationmethodforeconomiclossofsensitiveusers1.3.1.4算例分析電壓暫降事件會(huì)導(dǎo)致敏感用戶的工作環(huán)節(jié)效率大大下降甚至停工，從電網(wǎng)監(jiān)測(cè)端來(lái)看這些節(jié)點(diǎn)在遭受暫降事件期間用電量會(huì)顯著下降，現(xiàn)有研究也表明對(duì)于同一節(jié)點(diǎn)，用電量變化量和暫降事件經(jīng)濟(jì)損失呈現(xiàn)較為明顯的正相關(guān)關(guān)聯(lián)，因此選擇使用用電量變化作為系統(tǒng)側(cè)數(shù)據(jù)樣本，本章節(jié)借助電能質(zhì)量監(jiān)測(cè)系統(tǒng)獲取某省份多條用戶專線2019年一整年發(fā)生暫降事件時(shí)的用電量跌落值，某專線的用電量跌落值歷史數(shù)據(jù)見(jiàn)表1.3.1。與此同時(shí)，通過(guò)走訪實(shí)際生產(chǎn)單位的相關(guān)負(fù)責(zé)人員并通過(guò)發(fā)放問(wèn)卷等方式獲取了對(duì)應(yīng)的經(jīng)濟(jì)損失樣本歷史數(shù)據(jù)，見(jiàn)表1.3.2表1.3.1用電量跌落值歷史數(shù)據(jù)Table1.3.1Historicaldataonchangesinelectricityconsumption事件編號(hào)△W事件編號(hào)△W事件編號(hào)△W事件編號(hào)△W11.30391.965173.077251.46523.191103.167183.257263.25931.944111.948191.911273.10641.633123.729201.788281.91251.554133.984213.702291.01461.851141.514221.516301.82073.126151.916233.141313.17781.734163.104241.787321.981表1.3.2敏感用戶暫降經(jīng)濟(jì)損失歷史數(shù)據(jù)Table1.3.2Historicaldataofsensitiveusers’economiclossesduetovoltagesag事件編號(hào)經(jīng)濟(jì)損失/萬(wàn)元事件編號(hào)經(jīng)濟(jì)損失/萬(wàn)元事件編號(hào)經(jīng)濟(jì)損失/萬(wàn)元事件編號(hào)經(jīng)濟(jì)損失/萬(wàn)元16.23891.5591729.491257.50129.4941031.8371821.7422611.923320.677111.5671919.3752723.902421.5211234.6662038.971281.64259.0391334.2242141.3942939.802621.614149.909221.82301.706716.1181514.4212336.963117.213813.7721626.364243.02223211.232對(duì)系統(tǒng)側(cè)樣本數(shù)據(jù)中的缺失信息進(jìn)行填補(bǔ)，基于表1.3.1給出的敏感用戶用電量變化量歷史數(shù)據(jù)，采用信息分配方法對(duì)這些數(shù)據(jù)進(jìn)行一維模糊化分配。根據(jù)公式(1.4.2)將32個(gè)事件樣本劃分為7個(gè)區(qū)間，由于△W的數(shù)據(jù)位于[1.516,3.984]范圍內(nèi)，因此選擇起始點(diǎn)為1.5，步長(zhǎng)△=0.35，覆蓋區(qū)間范圍為[1.5,4.0]；在此基礎(chǔ)上在兩端向外各增加一個(gè)觀察點(diǎn)，最終得到九維的控制空間Uc，如表1.3.3所示。表1.3.3空間Uc控制點(diǎn)劃分情況Tab.1.3.3ThedivisionofcontrolpointsinUc控制點(diǎn)△W控制點(diǎn)△W11.32563.07521.67573.42531.02583.77541.37594.12551.725基于該控制點(diǎn)分布方案，由公式(1.3.3)~公式(1.3.6)計(jì)算系統(tǒng)側(cè)樣本數(shù)據(jù)的概率分布，同時(shí)使用傳統(tǒng)方法對(duì)數(shù)據(jù)進(jìn)行處理并繪制兩種方法的概率分布直方圖如圖1.3.3所示。從圖中可以看出，本文方法在各個(gè)區(qū)間都有一定信息概率而傳統(tǒng)方法在一些區(qū)間存在著信息確實(shí)地情況。由此可見(jiàn)，相對(duì)于傳統(tǒng)的直方圖法，本文的方法可以借助信息分配方法構(gòu)造模糊信息填補(bǔ)原生數(shù)據(jù)樣本中信息量不足的區(qū)間，從而平滑地描繪原本數(shù)據(jù)地實(shí)際分布特征。圖1.3.3兩種方法概率分布對(duì)比Fig.1.3.3.Comparisonofprobabilitydistributionsbetweenthetwomethods基于表1.3.1和表1.3.2給出的用電量跌落值-經(jīng)濟(jì)損失樣本數(shù)據(jù)組，采用信息擴(kuò)散方法建立二者之間的模糊關(guān)系矩陣，并通過(guò)現(xiàn)有的嚴(yán)重程度指標(biāo)樣本數(shù)據(jù)，評(píng)估得到相應(yīng)暫降事件所造成的經(jīng)濟(jì)損失?；谧钚碌碾妷簳航当O(jiān)測(cè)數(shù)據(jù)，推算得到該用戶節(jié)點(diǎn)近期5次暫降事件的用電量跌落值，分別為1.872、1.938、1.21、3.728和3.562。對(duì)這些數(shù)據(jù)進(jìn)行一維模糊化處理，再結(jié)合模糊關(guān)系矩陣R預(yù)估單次暫降事件的經(jīng)濟(jì)損失，與傳統(tǒng)的指數(shù)評(píng)估方法以及實(shí)際經(jīng)濟(jì)損失對(duì)比結(jié)果如圖1.3.4所示。由圖可見(jiàn)，本文本文方法預(yù)估的暫降事件經(jīng)濟(jì)損失與實(shí)際經(jīng)濟(jì)損失之間仍存在差距，平均誤差約為6.57%，這是因?yàn)閷?duì)于缺失信息本文方法可以大致描繪它的