一种大规模分布式光伏并网对配网安全评价及预警方法

摘要

本发明公开了一种大规模分布式光伏并网对配网安全评价及预警方法，通过研究分布式光伏发电系统并网后检修安全、电能质量等多个角度对配电网的影响，提出反应分布式光伏对配电网影响的电网损耗、电能质量、可靠性、环境影响等的量化指标，采用基于DS证据理论和关联分析法相结合的方法系统地评估分布式光伏并网运行的可靠性与安全性，利用对分布式光伏并网公共连接点的实时监测分析，实现各分布式光伏安全等级评价及安全预警，从而为分布式光伏并网发电的运行控制和考核评价提供重要依据，提升国网公司对分布式光伏发电的安全运行管理能力，有利于分布式光伏发电大规模并网的实施。

说明书

技术领域

本发明涉及一种大规模分布式光伏并网对配网安全评价及预警方法，属于光伏发电技术 领域。

背景技术

目前国内尚没有针对分布式光伏接入配电网安全评估及预警的有效防范手段，但近年来， 新能源发电产业不断兴起，基于分布式光伏发电其特殊的发电方式及补贴政策，亦催生出很 多新型的接入方式，对电网企业的运行维护和安全检修工作提出了更高的要求。与传统能源 的发电特性不同，分布式新能源的接入、运行、维护暂未有统一的标准，目前只依赖于“事 后弥补”的措施难以真正做到可持续发展。

然而，分布式光伏接入电网形式不同、技术要求差异大，在接入设计手段、并网安全体 系、安全检修技术等方面尚未成熟，增加了电网在安全、稳定、可靠运行方面的风险。国内 对分布式光伏大规模接入问题方面的研究刚刚起步，分布式光伏发电并网对配网安全评价技 术体系有待构建，故障分析、安全评估工具存在缺失；我国分布式光伏过去多以小容量试点 独立运行为主，缺乏配电网并网安全运行管理经验；分布式光伏发电接入电网的相关规范不 够完善，对规划和安全运行的指导作用有限。

大规模分布式光伏发电系统接入配电网的评估是典型多属性综合决策问题，光伏电站引 起配电网的电能质量问题是其对配电网影响的主要方面之一。对电能质量进行综合评估得出 的量化描述结果，可以作为用户选择供电服务的依据，有利于最终实现电能按质定价。其次， 为了更好的进行分布式光伏并网安全性评价，针对电能质量，以往主要采用以下四种技术方 案：

1)将层次分析法和模糊方法相结合，先通过AHP得到主观权值，再对主观权值进行修 正形成综合权重，最后利用模糊综合评判对并网点的电能质量各数据指标进行评估；

2)将基于遗传算法的投影寻踪理论用于电能质量评估，利用投影寻踪理论将多指标问 题转化为单一投影方向，根据最佳投影值及其对应等级的关系构建用于电能质量综合评估的 遗传投影寻踪插值模型；

3)将物元分析理论用于电能质量的评估中，同时构建电能质量综合评估的物元分析模 型；

4)基于改进的灰色关联投影原理，通过层次分析和熵权法组合赋权确定权重，采用改 进分辨系数的灰色关联投影法进行综合评估，从而改善电能质量评价的客观性。

然而，实际运行中光伏并网发电站不仅对配电网电能质量产生影响，还将在运行调度和 节能减排中发挥作用，因此，如何建立一套完整的分布式新能源对配电网安全运行的评估体 系，目前国内外仍未见相关研究成果。此外，目前对于分布式光伏运行的新特点，还没有实 现快速准确的安全预警方法。

发明内容

为了解决目前分布式光伏发电大规模接入配电网后引起的电网安全运行问题，本发明基 于多个角度研究分布式光伏电站对配电网影响及效益，提供一种大规模区域分布式光伏并网 对配网安全评价及预警方法，从而为分布式光伏并网发电的运行控制和考核评价提供重要依 据，提升国网公司对分布式光伏发电的安全运行管理能力。

为达到上述目的，本发明采用的技术方案如下：

一种大规模分布式光伏并网对配网安全评价及预警方法，包括以下步骤：

(1)确定分布式光伏接入配电网安全评估指标，采集分布式光伏发电数据，并根据各 安全评估指标计算公式对指标数据进行规一化处理；

(2)利用基于证据理论的群体赋权方法，通过相似度指数确定和证据合并，确定各安 全评估指标的单项常权；

(3)对所述步骤(2)确定的各安全评估指标的单项常权进行筛选变权，即当指标两极 变化时均不影响配电网的正常运行时采用激励型变权综合，当指标对配电网运行有很大影响 时，需对其进行惩罚型变权综合；

(4)通过建立标准状态矩阵、待评估样本向量，计算得出关联系数，从而得出各安全 评估指标的关联度矩阵；

(5)结合所述步骤(3)的结果和所述步骤(4)的关联度矩阵，利用灰色关联分析法 对各安全评估指标进行综合评估，并输出结果；

(6)针对所述步骤(2)中的安全评估指标赋权结果，按照时间段对所述步骤(1)中 指标归一化处理后的数据进行划分，每个时间段对应一个样本数据集；

(7)对每个时间段内的样本数据集进行抽样，构建样本集合并进行聚类分析得到若干 簇，然后计算所述聚类分析后簇中各个数据项的属性值辨识度、属性辨识度、属性值重要性 和属性重要性；

(8)分别根据所述步骤(7)计算的每个数据项的属性值辨识度、属性辨识度、属性值 重要性和属性重要性对数据进行排序，选取若干数据作为降维后保留的数据；

(9)对降维后的全体样本数据进行聚类，将聚类得到的簇作为样本的标签，对样本进 行标注；

(10)计算所述步骤(9)中已标注的样本的每个数据的设定检测指标，然后构建每个 数据的每一个检测指标在各个时间段的常态区域；

(11)针对所述步骤(3)中计算出的指标的单项常权，如果该项指标单相权值超出相 应的常态区域，则对其进行监控并计算该项指标的下一时刻的指标单项常权，如果继续超出 相应的常态区域，则对该数据的该项监控指标进行预警。

前述的步骤(1)的分布式光伏接入配电网安全评估指标包括发电指标、供电指标、节 能减排指标、电压质量指标、谐波畸变指标和功率变化指标。

前述的电压质量指标包括：

电压偏差指标X₂₁₁，计算公式为：

$X_{211}=max(\frac{{\mathrm{\Delta U}}_u}{{\mathrm{\Delta U}}_{max}},\frac{{\mathrm{\Delta U}}_d}{{\mathrm{\Delta U}}_{\min }})\times 100\%---\left(1\right)$

其中，ΔU_u和ΔU_d为评估时间段内的电压偏差的上、下最大偏差，ΔU_max和ΔU_min为 电压上、下偏差的限值；

电压波动指标X₂₁₂，计算公式为：

$X_{212}=\frac{max(d_a,d_b,d_c)}{d_{max}}\times 100\%---\left(3\right)$

其中，d_max为电压波动限值，d_a,d_b,d_c分别为a、b、c三相电压波动实测值；

三相不平衡度指标X₂₁₃，计算公式为：

$X_{213}=\frac{ϵ}{{ϵ}_{max}}\times 100\%---\left(5\right)$

其中，ε_max和ε分别为三相电压不平衡度限值和实测值；

电压暂升指标X₂₁₅与暂降指标X₂₁₆，计算公式为：

$X_{215}=\frac{{\mathrm{\Delta U}}_r}{{\mathrm{\Delta U}}_{rmax}}\times 100\%,X_{216}=\frac{{\mathrm{\Delta U}}_s}{{\mathrm{\Delta U}}_{smax}}\times 100\%---\left(6\right)$

其中，ΔU_rmax、ΔU_smax分别为电压暂升和电压暂降的限值，ΔU_r、ΔU_s分别为电压 暂升和电压暂降的实测值；

频率偏差指标X₂₅，计算公式为：

$X_{25}=max(\frac{{\mathrm{\Delta f}}_u}{{\mathrm{\Delta f}}_{\max }},\frac{{\mathrm{\Delta f}}_d}{{\mathrm{\Delta f}}_{\min }})*100\%---\left(8\right)$

其中，Δf_u和Δf_d为评估时间段内的频率上、下最大偏差，Δf_max和Δf_min为频率上、下偏 差的限值。

前述的谐波畸变指标包括电压总谐波畸变率指标X₂₂₁和电流总谐波畸变率指标X₂₂₂，

电压总谐波畸变率THD_u和电流总谐波畸变率THD_i为：

THD_u＝max(THD_ua,THD_ub,THD_uc)(9)

THD_i＝max(THD_ia,THD_ib,THD_ic)

其中，THD_ua,THD_ub,THD_uc分别为a,b,c三相电压谐波畸变率，THD_ia,THD_ib,THD_ic分别为a,b,c三相电流谐波畸变率，总谐波畸变率是选取各相谐波畸变率中最大的一个，则， 电压谐波畸变率指标X₂₂₁和电流谐波畸变率指标X₂₂₂为：

$X_{221}=\frac{{\mathrm{THD}}_u}{{\mathrm{THD}}_{umax}}\times 100\%,X_{222}=\frac{{\mathrm{THD}}_i}{{\mathrm{THD}}_{imax}}\times 100\%---\left(10\right)$

其中，THD_umax和THD_imax分别为电压总谐波畸变率和电流总谐波畸变率的最大上限 值。

前述的发电指标包括有功功率指标，无功功率指标，发电效率指标，功率因数指标，有 功发电量指标和无功发电量指标，所述功率变化指标包括有功功率变化率指标和有功功率波 动率指标，计算如下：

有功功率指标X₁₁₁和无功功率指标X₁₁₂利用光伏并网发电站的实测有功和无功功率， 与发电站的额定容量的比值作为归一化的指标值；

有功发电量指标X₁₁₅，无功发电量指标X₁₁₆和有功功率变化率指标X₂₃₁，有功功率波 动率指标X₂₃₂以光伏发电站历史量测数据中评估时间段内的发电量最大值为基准进行归一 化计算；

功率因数指标X₁₁₄为：

$X_{114}=\left(\begin{array}{cc}\frac{PF-{\mathrm{PF}}_{\min }}{1-{\mathrm{PF}}_{\min }}*100\%,& PF>{\mathrm{PF}}_{\min }\\ 0,& PF\le {\mathrm{PF}}_{\min }\end{array}\right)---\left(12\right)$

其中，PF为评估时间段的平均功率因数，PF_min为平均功率因数限值；

发电效率指标X₁₁₃为：

$X_{113}=\frac{{\int }_0^T{P}_{out}\left(t\right)dt}{{\int }_0^T{P}_{in}\left(t\right)dt}*100\%---\left(13\right)$

其中，T表示评估周期，P_in表示逆变器的输入功率，P_out表示逆变器的输出功率。

前述的供电指标包括：

本地负荷补偿度指标X₁₂₁，计算公式为：

$\left(\begin{array}{c}{X}_{121}=\frac{E_{DG}}{E_{load}}\times 100\%,E_{DG}<E_{load}\\ X_{121}=1,E_{DG}>E_{load}\end{array}\right)---\left(14\right)$

其中，E_DG、E_load分别为分布式电源和负荷的日平均耗电量；

本地负荷匹配度指标X₁₂₂，计算公式为：

$\left(\begin{array}{c}{X}_{122}=1-2\frac{\left|P_{5DG}-P_{5load}\right|}{P_{5load}},\frac{\left|P_{5DG}-P_{5load}\right|}{P_{5load}}\le 0.5\\ X_{122}=0,\frac{\left|P_{5DG}-P_{5load}\right|}{P_{5load}}>0.5\end{array}\right)---\left(15\right)$

其中，P_5DG为分布式电源5分钟平均有功功率，P_5load为负荷5分钟平均有功功率需求。

前述的节能减排指标包括：

网损下降率指标X₁₃₁

$X_{131}=\frac{\left|I_1^{\prime }-I_1\right|}{\left|I_1\right|}*100\%---\left(16\right)$

其中，I₁，I′₁为分布式光伏接入前后的馈线电流；

等效化石燃料减耗量指标X₁₃₂

X₁₃₂＝Ff(17)

其中，F为电源在燃烧过程中所消耗的燃料量；f为该电源所用燃料的二氧化碳排放因 子。

前述的步骤(4)得出各安全评估指标的关联度矩阵，具体方法如下：

首先，建立标准状态矩阵和待评估样本向量，设评估的状态类型分成m级，每级状态 包含n项指标，则标准状态矩阵Y_std为：

$Y_{std}=\left(\begin{array}{c}{Y}_1\\ Y_2\\ ...\\ Y_m\end{array}\right)\left(\begin{array}{cccc}{y}_{11}& y_{12}& \mathrm{...}& y_{1n}\\ y_{21}& y_{22}& \mathrm{...}& y_{2n}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ y_{m1}& y_{m2}& \mathrm{...}& y_{nn}\end{array}\right)---\left(18\right)$

其中，Y_i，i＝1,2,……,m表示第i级标准状态，y_ij，i＝1,2,……,m,j＝1,2,……,n表示第i 级标准状态的第j项指标；

待评估样本向量X_s为：

X_s＝[x_s1x_s2x_s3……x_sn](19)

其中，x_sj,j＝1,2,……,n表示第j个分量；

其次，计算差值矩阵和待评估样本与各级标准状态的关联系数，待评估样本向量X_s与 各级标准状态Y_i的关联系数ε_ij为：

${ϵ}_{ij}=\frac{\underset{1\le j\le n}{\underset{1\le i\le m}{\max }}\left|x_{sj}-y_{ij}\right|+\underset{1\le j\le n}{\underset{1\le i\le m}{\min }}\left|x_{sj}-y_{ij}\right|}{\left|x_{sj}-y_{ij}\right|+\rho \underset{1\le j\le n}{\underset{1\le i\le m}{\max }}\left|x_{sj}-y_{ij}\right|}---\left(20\right)$

其中，ρ为分辨系数；

再由关联系数矩阵结合指标权重向量，即得到待评估样本向量与各级标准状态的关联度 r_i：

$r_i={\Sigma }_{j=1}^n{\omega }_j{ϵ}_{ij},i=1,2,...m---\left(21\right)$

其中，ω_j为第j个指标相对于目标层的权重系数。

与现有技术相比，本发明的显著优点是：

1)分布式光伏并网接入配电网安全评价指标体系更全面，不仅涵盖传统的PCC点电能 质量信息，还包括分布式光伏电站实时运行电气参数等内容；

2)采用基于DS证据理论的不完全信息群体赋权方法，满足客观事物的复杂性、不确 定因素的影响等要求，减少人为主观因素的影响，更准确的反映出分布式光伏对配电网的影 响，判定可信度高；

3)本发明采用惩罚型和激励型均衡方法，分别对分布式光伏对配电网影响的关键指标 和非关键指标进行变权综合，在有效反映各指标的主要特征及重要性的同时，最大程度减少 了主观因素对评估结果的不良影响，便于在众多指标中准确、客观的分辨数据样本的优劣；

4)根据分布式光伏系统各指标综合数值计算、历史数据时间序列划分，采用基于指标 属性重要性与辨识度的预警方法，进行分布式光伏对配电网安全影响的状态预估，为判断未 来分布式光伏的安全趋势提供参考数据。

附图说明

图1为分布式光伏接入配电网安全评估指标体系；

图2为分布式光伏并网对配网安全评价及预警流程图。

具体实施方式

现结合附图和具体实施方式对本发明作进一步详细说明。

针对目前分布式光伏发电大规模接入配电网后引起的电网安全运行问题，本发明通过研 究分布式光伏发电系统并网后检修安全、电能质量等多个角度对配电网的影响及效益，提供 一种基于不完全信息群体赋权采用证据理论层次分析法确定指标常权，并通过惩罚型和激励 型函数分别对指标进行变权综合，在此基础上利用关联分析法和大数据分析法得到综合安全 评估与预警结果，从而为分布式光伏并网发电的运行控制和考核评价提供重要依据，提高国 网公司分布式光伏发电的运检安全能力，有利于分布式光伏发电大规模良性发展。本发明根 据分布式光伏接入配电网综合指标体系，最大程度减少主观因素对评估及预警结果的不良影 响，判定准确性高。

本发明中分布式光伏发电接入配电网安全评估及预警采用关联分析法与大数据分析法 相结合，该方法根据分布式光伏电站PCC点实时量测数据和同期历史数据进行评价标准体 系建模，避免了对分布式光伏接入配电网系统并网模型的具体建模。

如图1所示，本发明首先建立分布式光伏接入配电网安全评估指标体系，指标体系信息 主要包括分布式光伏电站发电指标、供电指标、节能减排指标、电压质量指标、谐波畸变指 标和功率变化指标。在此基础上，结合区域历史气象资料和同期用电数据，建立安全评估与 预警数据库，将该数据库的样本按照采集时间维度进行归类存储，其中评估指标数据来自于 实时中间库，预警样本数据来自于各时间段的历史库，以便于其形成有效的时间序列。实时 中间库和历史库同时涵盖上述安全指标体系数据项。

具体的，安全评估指标体系中各指标的计算方法如下：

对于电压质量指标包括以下几项：

(1)电压偏差指标X₂₁₁

将采集的被测电压信号有效值，与额定值做比较，求出电压偏差ΔU。根据某段时间内 的电压偏差结果，可以计算电压偏差指标X₂₁₁为：

$X_{211}=max(\frac{{\mathrm{\Delta U}}_u}{{\mathrm{\Delta U}}_{max}},\frac{{\mathrm{\Delta U}}_d}{{\mathrm{\Delta U}}_{\min }})\times 100\%---\left(1\right)$

式中，ΔU_u和ΔU_d为评估时间段内的电压偏差的上、下最大偏差，ΔU_max和ΔU_min为 电压上、下偏差的限值。

(2)电压波动指标X₂₁₂

电压波动是电压有效值一系列的变动或连续的改变。电压波动d计算公式为：

$d=\frac{|U_{rms}\left(k\right)-U_{rms}(k-1)|}{U_N}---\left(2\right)$

其中，|U_rms(k)-U_rms(k-1)|是电压有效值曲线上相临两个电压之差，U_N是系统标称 电压。定义电压波动指标X₂₁₂为：

$X_{212}=\frac{max(d_a,d_b,d_c)}{d_{max}}\times 100\%---\left(3\right)$

式中，d_max为电压波动限值，d_a,d_b,d_c分别为a、b、c三相电压波动实测值。

(3)三相不平衡度指标X₂₁₃

为减轻监测设备计算负担，可采用下式计算三相电压不平衡度ε：

$ϵ=\sqrt{\frac{1-\sqrt{3-6L}}{1+\sqrt{3-6L}}}\times 100\%---\left(4\right)$

式中，U_a,U_b,U_c分别为三相电压，定义三 相电压不平衡度指标X₂₁₃为

$X_{213}=\frac{ϵ}{{ϵ}_{max}}\times 100\%---\left(5\right)$

式中，ε_max和ε分别为三相电压不平衡度限值和实测值。

(4)电压暂升指标X₂₁₅与暂降指标X₂₁₆

电压有效值超出门槛值(额定值的110％)，回滞区间为门槛值-2％(额定值的108％)， 持续时间1分钟以下即为电压暂升ΔU_r。当电压有效值低于门槛值(额定值的90％)，回滞 区间为门槛值+2％(额定值的92％)，持续时间1分钟以下即为电压暂降ΔU_s。根据电压暂 升和电压暂降幅度，可以分别计算电压暂升指标X₂₁₅和电压暂降指标X₂₁₆为：

$X_{215}=\frac{{\mathrm{\Delta U}}_r}{{\mathrm{\Delta U}}_{rmax}}\times 100\%,X_{216}=\frac{{\mathrm{\Delta U}}_s}{{\mathrm{\Delta U}}_{smax}}\times 100\%---\left(6\right)$

式中，ΔU_rmax、ΔU_smax和ΔU_r、ΔU_s分别为电压暂升和电压暂降的限值和实测值。

(5)频率偏差指标X₂₅

在正常运行条件下，系统频率实际值和标称值之差称为频率偏差：

Δf＝f-f_N(7)

式中，Δf为偏差频率，f为实际频率，f_N为系统标称频率。则评估时间段内频率偏差 指标X₂₅为：

$X_{25}=max(\frac{{\mathrm{\Delta f}}_u}{{\mathrm{\Delta f}}_{\max }},\frac{{\mathrm{\Delta f}}_d}{{\mathrm{\Delta f}}_{\min }})*100\%---\left(8\right)$

式中，Δf_u和Δf_d为评估时间段内的频率上、下最大偏差，Δf_max和Δf_min为频率上、下偏 差的限值。

对于谐波畸变指标包括：

(1)电压总谐波畸变率指标X₂₂₁和电流总谐波畸变率指标X₂₂₂

电压总谐波畸变率THD_u和电流总谐波畸变率THD_i为：

THD_u＝max(THD_ua,THD_ub,THD_uc)(9)

THD_i＝max(THD_ia,THD_ib,THD_ic)

其中，THD_ua,THD_ub,THD_uc分别为a,b,c三相电压谐波畸变率，THD_ia,THD_ib,THD_ic分别为a,b,c三相电流谐波畸变率，总谐波畸变率是选取各相谐波畸变率中最大的一个，可 定义电压谐波畸变率指标X₂₂₁和电流谐波畸变率指标X₂₂₂为：

$X_{221}=\frac{{\mathrm{THD}}_u}{{\mathrm{THD}}_{umax}}\times 100\%,X_{222}=\frac{{\mathrm{THD}}_i}{{\mathrm{THD}}_{imax}}\times 100\%---\left(10\right)$

其中，THD_umax和THD_imax分别为：电压总谐波畸变率和电流总谐波畸变率的最大上 限值。

对于发电指标和功率变化指标，其中，发电指标包括有功功率指标，无功功率指标，发 电效率指标，功率因数指标，有功发电量指标和无功发电量指标，功率变化指标包括有功功 率变化率指标和有功功率波动率指标，具体计算如下：

(1)有功功率指标X₁₁₁、无功功率指标X₁₁₂

发电指标中有功功率指标X₁₁₁和无功功率指标X₁₁₂利用光伏并网发电站的实测有功和 无功功率，与发电站的额定容量的比值作为归一化的指标值。

(2)有功发电量指标X₁₁₅，无功发电量指标X₁₁₆和有功功率变化率指标X₂₃₁，有功功 率波动率指标X₂₃₂

以光伏发电站历史量测数据中评估时间段内的发电量最大值为基准进行归一化计算。

(3)功率因数指标X₁₁₄

评估时间段的平均功率因数PF为：

$PF=\frac{E_{REAL}}{\sqrt{E_{REAL}^2+E_{REACTIVE}^2}}---\left(11\right)$

式中，E_REAL为有功电量，E_REACTIVE表示无功电量。由于光伏发电站的功率因数越接 近单位功率因数越优，且不能小于限值PF_min，为此定义功率因数指标X₁₁₄为：

$X_{114}=\left(\begin{array}{cc}\frac{PF-{\mathrm{PF}}_{\min }}{1-{\mathrm{PF}}_{\min }}*100\%,& PF>{\mathrm{PF}}_{\min }\\ 0,& PF\le {\mathrm{PF}}_{\min }\end{array}\right)---\left(12\right)$

(4)发电效率指标

测量逆变器交流侧输出功率时可以采用“两表法”，只需测3个电压通道和3个电流通 道。用其中两个电压、电流通道测量逆变器的输出电压、电流(U_ab,U_cb,i_a,i_c)；另外的一 个电压、电流通道测量逆变器的输入电压、电流(U_d,i_d)：

P_in＝u_d*i_d,P_out＝u_ab*i_a+u_cb*i_c

其中，P_in表示逆变器的输入功率，P_out表示逆变器的输出功率，

则逆变器的发电效率指标X₁₁₃为：

$X_{113}=\frac{{\int }_0^T{P}_{out}\left(t\right)dt}{{\int }_0^T{P}_{in}\left(t\right)dt}*100\%---\left(13\right)$

其中，T表示评估周期。

对于供电指标包括：

(1)本地负荷补偿度指标X₁₂₁

$\left(\begin{array}{c}{X}_{121}=\frac{E_{DG}}{E_{load}}\times 100\%,E_{DG}<E_{load}\\ X_{121}=1,E_{DG}>E_{load}\end{array}\right)---\left(14\right)$

其中，E_DG、E_load分别为分布式电源和负荷的日平均耗电量。

(2)本地负荷匹配度指标X₁₂₂

$\left(\begin{array}{c}{X}_{122}=1-2\frac{\left|P_{5DG}-P_{5load}\right|}{P_{5load}},\frac{\left|P_{5DG}-P_{5load}\right|}{P_{5load}}\le 0.5\\ X_{122}=0,\frac{\left|P_{5DG}-P_{5load}\right|}{P_{5load}}>0.5\end{array}\right)---\left(15\right)$

其中，P_5DG为分布式电源5分钟平均有功功率，P_5load为负荷5分钟平均有功功率需求。

对于节能减排指标包括网损下降率指标和等效化石燃料减耗量指标

(1)网损下降率指标X₁₃₁

$X_{131}=\frac{\left|I_1^{\prime }-I_1\right|}{\left|I_1\right|}*100\%---\left(16\right)$

其中，I₁，I′₁为分布式光伏接入前后的馈线电流。

(2)等效化石燃料减耗量指标X₁₃₂

以普通化石燃料类电源，主要为基于煤炭、石油、天然气等化石燃料的火力发电厂为比 较对象。在实现从化石能向电能转换的过程中，化石燃料中的碳基将通过在氧气中燃烧形成 气态二氧化碳，并直接排放到大气之中。光伏并网发电站等效化石燃料减耗量指标可表示为：

X₁₃₂＝Ff(17)

其中，F为电源在燃烧过程中所消耗的燃料量；f为该电源所用燃料的二氧化碳排放因 子，即为单位燃料充分燃烧所排放的二氧化碳量。

权重向量的确定是分布式光伏并网对配电网影响分析的重要环节，目前主要采用层次分 析法通过专家或决策者对各分项指标进行两两比较逐层形成判断矩阵，但由于专家知识结构、 判断水平、个人偏好及客观事物的复杂性、不确定等因素的存在，专家可能仅对部分分项指 标的重要程度评判。因此，本发明根据上述安全评估指标的计算值，首先通过DS证据理论 确定各指标的权重向量，可有效解决基于不完全评价信息的群体决策问题；在此基础上，通 过灰色关联分析法，从整体上和动态上定量分析对象间的关联程度和影响程度，以对系统动 态发展过程进行量化分析；最后，根据实际需要选择时间段，根据时间段划分样本，并对数 据进行降维处理，利用上一步的客观评价数据选择对样本的已知标签具有较大影响力的维度， 使用属性重要性和辨识度提取方法，提取关键影响指标数据进行安全趋势预警。

如图2所示，分布式光伏接入配电网安全评估及预警方法的步骤如下：

(1)确定分布式光伏接入配电网安全评估指标，采集分布式光伏发电数据如电气参数、 环境参数，并根据各安全评估指标计算公式对指标数据进行规一化处理。

(2)利用基于证据理论的群体赋权方法，通过相似度指数确定和证据合并，确定各安 全评估指标的单项常权。

(3)对上述确定的各安全评估指标的单项常权进行筛选变权，即当指标两极变化时均 不影响配电网的正常运行时采用激励型变权综合，当指标对配电网运行有较大影响时，需对 其进行惩罚型变权综合，从而保证灵敏的反应其严重偏离。

(4)通过建立标准状态矩阵、待评估样本向量，计算得出关联系数，从而得出各安全 评估指标的关联度矩阵；具体方法如下：首先建立标准状态矩阵和待评估样本向量，设评估 的状态类型分成m级，每级状态包含n项指标，则可建立响应的标准状态矩阵Y_std为：

$Y_{std}=\left(\begin{array}{c}{Y}_1\\ Y_2\\ ...\\ Y_m\end{array}\right)\left(\begin{array}{cccc}{y}_{11}& y_{12}& \mathrm{...}& y_{1n}\\ y_{21}& y_{22}& \mathrm{...}& y_{2n}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ y_{m1}& y_{m2}& \mathrm{...}& y_{nn}\end{array}\right)---\left(18\right)$

其中，Y_i，i＝1,2,……,m表示第i级标准状态，y_ij，i＝1,2,……,m,j＝1,2,……,n表示第i 级标准状态的第j项指标；

待评估样本向量X_s为：

X_s＝[x_s1x_s2x_s3……x_sn](19)

其中，x_sj,j＝1,2,……,n表示第j个分量；

其次，计算差值矩阵和待评估样本与各级标准状态的关联系数，待评估样本向量X_s与

各级标准状态Y_i的关联系数ε_ij为：

${ϵ}_{ij}=\frac{\underset{1\le j\le n}{\underset{1\le i\le m}{\max }}\left|x_{sj}-y_{ij}\right|+\underset{1\le j\le n}{\underset{1\le i\le m}{\min }}\left|x_{sj}-y_{ij}\right|}{\left|x_{sj}-y_{ij}\right|+\rho \underset{1\le j\le n}{\underset{1\le i\le m}{\max }}\left|x_{sj}-y_{ij}\right|}---\left(20\right)$

式中，ρ为分辨系数，通过选取合适的分辨系数能够提高关联分析的抗干扰能力；

再由关联系数矩阵结合指标权重向量，即可得到待评估样本向量与各级标准状态的关联 度r_i：

$r_i={\Sigma }_{j=1}^n,{\omega }_j{ϵ}_{ij},i=1,2,...m---\left(21\right)$

式中，ω_j为第j个指标相对于目标层的权重系数。

(5)结合步骤(3)和步骤(4)的结果，利用灰色关联分析法对各安全评估指标进行 综合评估，并输出结果。

(6)针对步骤(2)中的安全评估指标赋权结果，按照时间段对步骤(1)中指标归一 化处理后的数据进行划分，每个时间段对应一个样本数据集。

(7)对每个时间段内的样本数据集进行抽样，构建样本集合并进行聚类分析得到若干 簇，然后计算所述聚类分析后簇中各个数据项的属性值辨识度、属性辨识度、属性值重要性 和属性重要性。

(8)分别根据步骤(7)计算的每个数据项的属性值辨识度、属性辨识度、属性值重要 性和属性重要性对数据进行排序，选取若干数据作为降维后保留的数据。

(9)对降维后的全体样本数据进行聚类，将聚类得到的簇作为样本的标签，对样本进 行标注。

(10)计算步骤(9)中已标注的样本的每个数据的设定检测指标，然后构建每个数据 的每一个检测指标在各个时间段的常态区域。

(11)针对步骤(3)中计算出的指标的单项常权，如果该项指标单相权值超出相应的 常态区域，则对其进行监控并计算该项指标的下一时刻的指标单项常权，如果继续超出相应 的常态区域，则对该数据在步骤(10)中设定的检测指标进行预警。

需要说明的是，本发明的安全评估及预警方法中采用基于DS证据理论赋权方法及灰色 关联分析法实现分布式光伏接入配电网安全评估功能，在此基础上计算各指标项的数值、权 值、综合评估，从而进行接入配电网是否安全的判断。其他方案可采用不同的智能算法如隶 属函数、层次分析法等来实现此功能，但不能绕过本发明所保护的内容“大规模区域分布式 光伏并网对配网安全评价方法”。

另外，本发明引入基于指标属性重要性和辨识度的安全预警方法，在已计算的指标数值 基础上，将其划分为不同的时间序列并进行属性重要性和辨识度的筛选、建立，采用数据点 及其发展趋势与常态区域的分析技术。其他方案可以利用基于条件概率和贝叶斯算法方法获 得特征值分布，进而得到安全发展趋势，但不能绕过本发明所保护的内容“基于指标属性重 要性和辨识度的安全预警方法”。

名词解释：

分布式光伏发电：位于用户附近，所发电能就地利用，以10千伏及以下电压等级接入 电网，且单个并网点总装机容量不超过6兆瓦的光伏发电方式。