一种考虑电能质量及其不确定性约束的智能配电网自愈恢复优化方法

摘要

本发明提出一种考虑电能质量及其不确定性约束的智能配电网自愈恢复优化方法。对于每个孤岛，建立由以高重要等级负荷优化恢复、总恢复量最大为目标的切负荷优化模型，和以开关动作次数最少、网损最小为目标的网络重构优化模型构成的双层优化模型，以最优切负荷方案作为网络重构优化的输入。特别地，在网络重构优化模型中，引入点估计法对负序、谐波进行不确定性分析，进而依据不确定性分析得到的负序、谐波可能变化范围，建立包含频率约束、负序、谐波及其不确定性约束的电能质量综合约束集，以改善恢复方案的电能质量，避免恢复失败。通过建立电能质量综合约束集，本发明可实现更安全可靠的供电恢复的目标。

说明书

技术领域

本发明涉及一种考虑电能质量及其不确定性约束的智能配电网自愈恢复优化方法。

背景技术

对于配电网故障后供电恢复的研究，一直是配电网研究的热点问题之一。传统配电网在发生故障后，先通过断开故障点分段开关隔离故障，而后对非故障电网进行网络重构以实现供电恢复。随着分布式电源(DG)的接入，为电网在故障后以孤岛形式保证部分负荷的正常运行提供了可能。传统上对孤岛的处理原则是：一旦系统发生故障，立即断开所有分布式电源，以防止对于系统中设备可能的损坏，消除潜在的安全隐患，并没有充分利用DG在孤岛运行模式下的带负荷能力。随着DG接入容量的不断提高以及智能配电网的发展，研究在故障后不断开分布式电源，利用DG孤岛效应维持重要负荷供电和恢复非故障区域供电，对提高电力系统抗灾防御能力具有重要意义。

作为智能配电网的重要特性之一，含分布式发电装置(DG)的自愈恢复一般被处理为优化问题来分析。但现有方法均仅考虑孤岛功率平衡约束，没有计及电能质量因素的影响。由于孤岛容量较小,其负序、谐波问题相较于非孤岛运行时更为严重,负序分量较大可能会导致分布式电源负序保护动作、使得DG退出运行，谐波含量较高对诸如并联电容器等各类设备的安全运行构成威胁、可能导致设备损坏或者退出运行,造成系统有功或者无功不平衡，进一步导致恢复失败，难以保证供电恢复的可靠性。因此，考虑到实际电网中的由谐波以及负序注入的不确定性导致传播的不确定性，为减小分析误差、避免因为电能质量问题导致恢复失败，在配电网自愈恢复研究中应充分考虑电能质量因素及其不确定性的影响。

针对以上不足，考虑到实际电网中谐波和负序的不确定性，本发明创造性地提出一种考虑电能质量及其不确定性约束的自愈恢复策略。对于每个供电恢复孤岛，建立由以高重要等级负荷优化恢复、总恢复量最大为目标的切负荷优化模型，和以开关动作次数最少、网损最小为目标的网络重构优化模型构成的双层优化模型，以最优切负荷方案作为网络重构优化的输入。特别地，在网络重构优化模型中，引入点估计法对相关负序、谐波分量进行不确定性分析，建立包含频率约束、负序、谐波及其不确定性约束的电能质量综合约束集，以改善恢复方案的电能质量，避免恢复失败。分别采用微分进化算法和混合粒子群算法求解上述双层优化模型以得到各个孤岛的最优恢复方案。

发明内容

一种考虑电能质量及其不确定性约束的智能配电网自愈恢复优化方法,其特征在于，包括以下步骤：

步骤1：以各个负荷的切除状态为优化变量，具体为0-1型，建立每个孤岛的智能切负荷优化模型，采用微分进化算法确定最优切负荷方案；

步骤2：根据步骤1的结果，进一步地，以各个开关的动作(0-1型)与否以及各个无功补偿电容器的无功补偿量(离散型)为优化变量，建立综合考虑系统频率偏移、注入各个DG的负序电流以及各节点的总谐波电压畸变率，并计及负序、谐波的不确定性的每个孤岛的网络重构优化模型，采用混合粒子群算法求解，来确定需要操作的开关和电容器组的无功补偿量，得到最优网络重构方案；

其中，网络重构优化模型是以开关动作次数最小前提下网损最小为目标建立的目标函数：

>

上式中：c_i、c_iini分别为第i个分段开关的优化状态和初始状态；o_j、o_jini分别为第j个联络开关的优化状态和初始状态，m为系统中分段开关的数量，n为联络开关的数量。P_los(c_i,o_j,Q_ck)为系统网损标幺值，其中，Q_ck为第k个无功补偿装置的无功补偿量。基于下述约束条件：

约束条件一：

S_Gi≤S_Gimax

V_jmin≤V_j≤V_jmax

S_i≤S_imax

上式中：S_Gi、S_Gimax是第i个分布式电源的实际视在功率及其最大容许视在功率值；V_jmin、V_jmax分别为节点i允许的电压上下界；S_i和S_imax是第i条支路流过的传输功率及其最大容许值。

约束条件二：在网络重构优化模型的约束条件中综合考虑系统频率偏移、注入各个DG的负序电流以及各节点的总谐波电压畸变率，并计及负序、谐波的不确定性、要求其分布范围的上限不超标，建立了包含频率约束、负序、谐波及其不确定性约束的电能质量综合约束集：

$>\left(\begin{array}{c}\Delta f\le \Delta f_{max}\\ \{Cu-{\mathrm{me}}_i,Cu-u{1}_i\}\le {\mathrm{Cu}}_{max}\\ \{THD-{\mathrm{me}}_i,THD-{\mathrm{ul}}_i\}\le {\mathrm{THD}}_{max}\end{array}\right)$>

其中

Cu-me_i＝Ineg-me_i/Ing_i,Cu-ul_i＝Ineg-ul_i/Ing_i

上式中，Δf、Cu-me_i、THD-me_i为确定性指标，Cu-ul_i、THD-ul_i为不确定性指标，具体说明如下：

1)Δf为系统频率相对50Hz基准值的偏移量，Δf_max为最大允许频偏，参考国标，定为0.5Hz；

2)Ineg-me_i、Ineg-ul_i分别为注入第i台DG的负序电流的均值和分布范围的上限，Ing_i为其额定电流，Cu-me_i、Cu-ul_i分别为第i台DG负序电流指标的均值和分布范围的上限，Cu_max为最大允许负序电流系数；

3)THD-me_i、THD-ul_i分别为节点i的电压总畸变率的均值和分布范围的上限，THD_max为电压最大允许总畸变率。

步骤3：根据步骤1的结果、步骤2的结果得到最优恢复方案，并进行计算校核，如果各约束条件均满足，则输出最优供电恢复方案，否则转步骤1重新搜索。

在上述的一种考虑电能质量及其不确定性约束的智能配电网自愈恢复优化方法，所述步骤1，获得各个负荷的切除状态的具体方法是：

步骤1：基于配电自动化系统实时分析智能配电网运行状态；

步骤2：如果判别出系统发生故障，则首先进行基于快速连通性检验的供电孤岛划分，得到孤岛的数量，并确定各个孤岛内的具体构成；

步骤3：以各分布式电源的额定功率为基准，按照其频率特性计算频率为49.5Hz时分布式电源的功率，作为其最大功率；

步骤4：计算49.5Hz情况下的初始网损P_los0及系统功率缺额ΔP_G；其中，获取功率缺额ΔP_G的具体方法为：

步骤4.1：首先根据分布式电源的有功功率—频率特性：

P_Gfi＝P_Gi[1+K_Pfi*(f_N-f)/f_N]

上式中：P_Gi、K_Pfi分别为第i台DG在额定频率f_N时的额定输出功率及其频率-有功功率调节系数；P_Gfi为i台DG在频率f时的实际输出功率。根据国标GB/T15945-2008规定，本发明在分析时将孤岛额定频率以及允许频率下限分别定为50Hz和49.5Hz。

步骤4.2：计算有功率缺额ΔP_G：

$>{\mathrm{\Delta P}}_G=\underset{p=1}{\overset{m}{\Sigma }}{P}_{Lp}-\underset{i=1}{\overset{n}{\Sigma }}{P}_{Gfi}+P_{los0}$>

上式中：i＝1,2,...,n，n是孤岛内分布式电源的个数；P_los0是未出现故障之前系统的初始网损；P_Gfi为第i台DG在频率为f时的实际输出功率。为了最大化供电恢复量，在计算功率缺额时以49.5Hz为参考频率进行P_Gfi分析。

在上述的一种考虑电能质量及其不确定性约束的智能配电网自愈恢复优化方法，所述的步骤1中，进行智能切负荷优化基于针对每个孤岛建立的一个智能切负荷优化模型，该模型基于目标函数和约束条件：

目标函数：$>min\left(F_{Ln}\right)=\underset{p=1}{\overset{m}{\Sigma }}{x}_p{P}_{Lp}{K}_p$>

上式子中，m代表负荷个数；P_Lp代表第p个负荷的有功功率；x_p代表该负荷的切除状态，1为被切除，0为未被切除；K_p代表该负荷的权重系数，具体地，本发明中将重要负荷(L₂级别负荷)、次重要负荷(L₁级别负荷)和一般负荷(L₀级别负荷)的权重系数分别设置为100、10、1。

约束条件：对于切负荷优化模型，要求所切除的总负荷切除量大于或等于有功功率缺额，即：

$>\underset{p=1}{\overset{m}{\Sigma }}{x}_p{P}_{Lp}\ge {\mathrm{\Delta P}}_G$>

上式中，ΔP_G为根据步骤4.2计算出的有功功率缺额；m代表负荷个数，P_Lp代表第p个负荷的有功功率；x_p代表该负荷的切除状态，1为被切除，0为未被切除。

同时，为了避免由于无功不足引起系统电压水平过低，还需要建立如下无功平衡约束：

>

上式中：m代表负荷个数，x_p代表该负荷的切除状态，1为被切除，0为未被切除，Q_Lp为第p个负荷的无功功率；n为分布式电源个数，Q_Gi为第i台DG相应的无功功率；Q_cmax为系统的各无功补偿电容的最大无功补偿总容量。

进行优化：采用启发式的微分进化算法进行求解，基于以下条件进行切负荷优化：

条件一、根据切负荷量以及不同重要等级负荷容量预估切负荷情况；

条件二、具体地，如果仅需要切除L₀等级负荷，保留所有L₁、L₂级别负荷，则将所有L₁、L₂级别负荷恢复，仅优化L₀等级负荷的切除状态；如果需要切除全部L₀等级负荷，保留所有L₂级别负荷，则可将所有L₀等级负荷切除、所有L₂级别负荷恢复，仅优化L₁等级负荷的切除状态；如果需要切除全部L₀、L₁等级负荷，则可仅优化L₂等级负荷的切除状态。

在上述的一种考虑电能质量及其不确定性约束的智能配电网自愈恢复优化方法，所述的步骤1中，基于点估计法进行的负序、谐波不确定性分析，以得负序、谐波指标分布范围的上限。具体地，以谐波不确定性分析为例进行步骤说明如下说明：

步骤1：根据各个谐波源的注入电流实际测量数据序列计算得到各个变量(谐波源注入量)的均值μ_k和方差σ_k；并利用两点估计法计算得到各个变量的估计值x_k,i以及对应的权重系数p_k,i；

步骤2：将其中的某一个变量输入其估计值，其他的变量均输入其均值确定系统谐波注入向量；并基于解耦谐波潮流算法计算得到各个节点的各次谐波电压以及各个支路的各次谐波电流，即计算函数f(μ₁,μ₂,...,x_k,i...,μ_n)；

步骤3：对于各个谐波源均重复步骤2；

步骤4：根据以下公式计算各个节点的各次谐波电压以及各个支路的各次谐波电流等输出量的各阶矩，并计算均值μ、标准差σ等统计特征量：

$>E\left(Z^j\right)\approx \underset{k=1}{\overset{n}{\Sigma }}\underset{i=1}{\overset{m}{\Sigma }}\left\{p_{k,i}{\left[f({\mu }_1,{\mu }_2,\mathrm{...},x_{k,i}\mathrm{...},{\mu }_n)\right]}^j\right\}$>

$>\sigma \left(Z\right)=\sqrt{E\left(Z^2\right)-{\left(E\right(Z\left)\right)}^2}$>

步骤5：根据概率论的基本原理，一般认为概率小于5％的事件为小概率事件且观察值落在[μ-2σ,μ+2σ]内的概率概率为95.45％，因此以[μ-2σ,μ+2σ]确定各输出量的分布范围。

本发明具有以下优点：1)通过建立电能质量综合约束集，使所得最优恢复方案的电能质量较优，避免因电能质量问题造成恢复失败，保证供电恢复的可靠性。2)采用两点法进行谐波、负序不确定性分析，更符合电网运行实际。通过建立计及负序、谐波及其不确定性的电能质量综合约束集，本发明可实现更安全可靠恢复的目标。

附图说明

图1是本发明实施例中具体拓扑结构示意图。

具体实施方式

下面通过实施例，并结合数据分析，对本发明的技术方案作进一步具体的说明。

实施例：

一、首先介绍本发明的具体步骤：

该方法包括以下步骤:

步骤1：基于配电自动化系统实时分析智能配电网运行状态；

步骤2：如果判别出系统发生故障，则首先进行基于快速连通性检验的供电孤岛划分，得到孤岛的数量，并确定各个孤岛内的具体构成；

步骤3：以各分布式电源的额定功率为基准，按照其频率特性计算频率为49.5Hz时分布式电源的功率，作为其最大功率，；

步骤4：计算49.5Hz情况下的初始网损P_los0及系统功率缺额ΔP_G；

步骤5：以各个负荷的切除状态为优化变量，具体为0-1型，建立每个孤岛的智能切负荷优化模型，采用微分进化算法确定最优切负荷方案；

步骤6：根据步骤5的结果以各个开关的动作(0-1型)与否以及各个无功补偿电容器组投入量(离散型)为优化变量，建立综合考虑系统频率偏移、注入各个DG的负序电流以及各节点的总谐波电压畸变率，并计及负序、谐波的不确定性的每个孤岛的网络重构优化模型，采用混合粒子群算法求解，来确定需要操作的开关和电容器组的补偿量；

步骤7：根据步骤5的结果、步骤6的结果得到最优恢复方案，并进行计算校核，如果各约束条件均满足，则输出最优供电恢复方案，否则转步骤5重新搜索。

在上述的智能配电网自愈恢复策略，所述的步骤3、步骤4中，进行功率缺额ΔP_G计算的具体方法为：

1)首先根据分布式电源的有功功率—频率特性：

P_Gfi＝P_Gi[1+K_Pfi*(f_N-f)/f_N](1)

上式中：P_Gi、K_Pi分别为第i台DG在额定频率f_N时的额定输出功率及其频率-有功功率调节系数；P_Gfi为i台DG在频率f时的实际输出功率。根据国标GB/T15945-2008规定，本发明在分析时将孤岛额定频率以及允许频率下限分别定为50Hz和49.5Hz。

2)计算有功率缺额ΔP_G：

$>{\mathrm{\Delta P}}_G=\underset{p=1}{\overset{m}{\Sigma }}{P}_{Lp}-\underset{i=1}{\overset{n}{\Sigma }}{P}_{Gfi}+P_{los0}---\left(2\right)$>

上式中：i＝1,2,...,n，n是孤岛内分布式电源的个数；P_los0是未出现故障之前系统的初始网损；P_Gfi为第i台DG在频率为f时的实际输出功率。为了最大化供电恢复量，在计算功率缺额时以49.5Hz为参考频率进行P_Gfi分析。

在上述的智能配电网自愈恢复策略，所述的步骤5中，进行智能切负荷优化的具体方法为：

1)目标函数

考虑到负荷重要程度不同，为实现高重要等级负荷优先恢复/最后切除、负荷切除总量最小/总恢复量最大的目标，本发明采用如下切负荷目标函数：

$>min\left(F_{Ln}\right)=\underset{p=1}{\overset{m}{\Sigma }}{x}_p{P}_{Lp}{K}_p---\left(3\right)$>

上式中：m代表负荷个数；P_Lp代表第p个负荷的有功功率；x_p代表该负荷的切除状态，1为被切除，0为未被切除；K_p代表该负荷的权重系数，具体地，本发明中将重要负荷(L₂级别负荷)、次重要负荷(L₁级别负荷)和一般负荷(L₀级别负荷)的权重系数分别设置为100、10、1，

2)约束条件

对于切负荷优化模型，要求所切除的总负荷切除量大于或等于有功功率缺额，即：

$>\underset{p=1}{\overset{m}{\Sigma }}{x}_p{P}_{Lp}\ge {\mathrm{\Delta P}}_G---\left(4\right)$>

同时，为了避免由于无功不足引起系统电压水平过低，还需要建立如下无功平衡约束：

>

上式中：Q_Lp为第p个负荷的无功功率；Q_Gi为第i台DG相应的无功功率；Q_cmax为系统的最大总无功补偿容量，按额定电压计算。

3)模型求解

本层模型采用启发式的微分进化算法进行求解，为进一步加快收敛速度，提升优化效率，按照以下原则进行切负荷优化：

a)根据切负荷量以及不同重要等级负荷容量预估切负荷情况；

b)如果仅需要切除L₀等级负荷，保留所有L₁、L₂级别负荷，则将所有L₁、L₂级别负荷恢复，仅优化L₀等级负荷的切除状态；其他情况，依此类推，不再赘述。

在上述的智能配电网自愈恢复策略，所述的步骤6中，进行网络重构优化的具体方法为：

1)目标函数

考虑到重构的快速性和经济性，以开关动作次数最小前提下网损最小为目标建立如下目标函数：

>

上式中：c_i、c_iini分别为第i个分段开关的优化状态和初始状态；o_j、o_jini分别为第j个联络开关的优化状态和初始状态，m为系统中分段开关的数量，n为联络开关的数量。P_los(c_i,o_j,Q_ck)为系统网损标幺值，其中，Q_ck为第k个无功补偿装置的无功补偿量。

2)常规约束

S_Gi≤S_Gimax

V_jmin≤V_j≤V_jmax(7)

S_i≤S_imax

上式中：S_Gi、S_Gimax是第i个分布式电源的实际视在功率及其最大容许视在功率值；V_jmin、V_jmax分别为节点i允许的电压上下界；S_i和S_imax是第i条支路流过的传输功率及其最大容许值。

3)模型求解

本层模型采用混合粒子群算法进行求解。

特别地，在上述的智能配电网自愈恢复策略，所述的步骤6中，综合考虑系统频率偏移、注入各个DG的负序电流以及各节点的总谐波电压畸变率，并计及负序、谐波的不确定性，还进一步建立了包含频率约束、负序、谐波及其不确定性约束的电能质量综合约束集：

$>\left(\begin{array}{c}\Delta f\le {\mathrm{\Delta f}}_{max}\\ \{Cu-{\mathrm{me}}_i,Cu-u{1}_i\}\le {\mathrm{Cu}}_{max}\\ \{THD-{\mathrm{me}}_i,THD-{\mathrm{ul}}_i\}\le {\mathrm{THD}}_{max}\end{array}\right)---\left(8\right)$>

其中

Cu-me_i＝Ineg-me_i/Ing_i,Cu-ul_i＝Ineg-ul_i/Ing_i(9)

上式中，Δf、Cu-me_i、THD-me_i为确定性指标，Cu-ul_i、THD-ul_i为不确定性指标，以下分别说明：

a)Δf为系统频率相对50Hz基准值的偏移量，Δf_max为最大允许频偏，参考国标，定为0.5Hz；

b)Ineg-me_i、Ineg-ul_i分别为注入第i台DG的负序电流的均值和分布上限，Ing_i为其额定电流，Cu-me_i、Cu-ul_i分别为第i台DG负序电流指标的均值和分布上限，Cu_max为最大允许负序电流系数，定为10％；

c)THD-me_i、THD-ul_i分别为节点i的电压总畸变率的均值和分布上限，THD_max为电压最大允许总畸变率，参考国标，按10KV电网分别定为4％。

特别地，在上述的智能配电网自愈恢复策略，所述的步骤6中，需要进行负序、谐波的不确定性分析，本发明中基于点估计法进行的负序、谐波不确定性分析具体步骤，以谐波不确定性分析为例进行如下说明：

a)根据各个谐波源的注入电流实际测量数据序列计算得到各个变量(谐波源注入量)的均值μ_k和方差σ_k；并利用两点法计算得到各个变量的估计值x_k,i以及对应的权重系数p_k,i；

b)将其中的某一个变量输入其估计值，其他的变量均输入其均值确定系统谐波注入向量；并基于解耦谐波潮流算法计算得到各个节点的各次谐波电压以及各个支路的各次谐波电流，即计算函数f(μ₁,μ₂,...,x_k,i...,μ_n)；

c)对于各个谐波源均重复b)；

d)根据以下公式(10)计算各个节点的各次谐波电压以及各个支路的各次谐波电流等输出量的各阶矩，并计算均值μ、标准差σ等统计特征量：

$>\begin{array}{c}E\left(Z^j\right)\approx \underset{k=1}{\overset{n}{\Sigma }}\underset{i=1}{\overset{m}{\Sigma }}\left\{p_{k,i}{\left[f({\mu }_1,{\mu }_2,\mathrm{...},x_{k,i}\mathrm{...},{\mu }_n)\right]}^j\right\}\\ \sigma \left(Z\right)=\sqrt{E\left(Z^2\right)-{\left(E\right(Z\left)\right)}^2}\end{array}---\left(10\right)$>

e)从概率论的角度，一般认为概率小于5％的事件为小概率事件且观察值落在[μ-2σ,μ+2σ]内的概率概率为95.45％，因此以[μ-2σ,μ+2σ]确定各输出量的分布范围。

二、下面以某含分布式电源配电网的供电恢复为例说明本发明。

采用的算例其具体拓扑结构如图1所示。

该算例含94个节点，基准功率为100MW，基准电压为10kV，，5台DG(DG1～DG5)接入位置分别为5、14、79、86、67，DG的安装位置、额定功率、调频系数、备用容量详见表1，节点11以及59上有无功补偿电容器组，均设置从0到24共25级补偿，节点11上最大补偿容量为0.24Mvar，补偿间隔为0.01Mvar；节点59上最大补偿容量为0.6Mvar，补偿间隔为0.025Mvar。在节点51以及61上分别有一注入变化的谐波源和负序源。正常运行时候总共有60个负荷，负荷总有功为13.37929MW、负荷总无功为4.51912Mvar，各负荷的重要等级的具体情况详见表2。

表15台DG各项具体参数

表2负荷等级分布

针对该算例，大量测试均说明了本发明的有效性，以下以4个不同故障的场景进行说明：

1)系统与上级电网脱离，独立运行；

2)与上级电网脱离，且节点61-62间支路断开；

3)与上级电网脱离且DG1退出；

4)与上级电网脱离且DG1、DG2、DG3退出。

各场景最优自愈恢复方案

分别对于各个场景进行双层优化优化分析，由于场景2有2个孤岛，因此需要分别进行优化，各个场景的最优自愈恢复方案信息具体如表3。

表3各场景供电恢复方案

根据表3中的结果，可得如下结论：

1)实现了高重要等级优先恢复的目标。从切负荷一栏可以看到，针对4个不同场景，所得到的最优自愈恢复方案中高重要等级负荷均被完全恢复，被切除的均为重要程度较低的负荷。

2)实现了最大化总负荷恢复量目标。对于4个不同场景，其最优自愈恢复方案的切负荷总量与功率缺额的差值均很小。

3)对于各不同场景，所得的各个最优恢复方案均满足本发明策略所要求的电能质量综合约束，无频率、负序、谐波有关指标超标。

4)实现了开关动作次数最少的目标。具体地，场景1、场景2孤岛2以及场景3的最优恢复方案的开关动作次数为0；场景2孤岛1以及场景4的开关动作次数为2，对应地，在开关动作次数为0时无方案满足所有约束。

与不考虑负序、谐波影响的自愈策略对比分析

进一步地，针对场景4分别对本发明所得最优恢复方案(记为方案1)以及不考虑频率特性以及电能质量综合约束的自愈策略得到最优恢复方案(记为方案2)，在相同的谐波和负序注入条件下进行电能质量综合约束校验，具体如下表4所示。表4中，最大THD-ul和最小THD-ul分别表示所有94个节点的THD指标分布上限的最大值及最小值。

表4针对场景4方案1与方案2对比

对比分析表5可知本发明所得最优恢复方案的电能质量更优，可靠性更高。一方面，从负序指标来看，方案2中DG5的负序电流指标超标，超过了10％的负序保护动作阈值，可能在恢复期间由于负序保护动作造成该分布式电源退出运行，进而导致系统功率不平衡，导致供电恢复失败；另一方面，从THD-ul的角度分析，方案1中所有节点THD-ul均满足小于4％的约束而方案2中均超标，因此方案2在恢复期间可能由于谐波影响导致设备非正常工作或者退出运行，难以保证供电恢复的可靠性。

考虑负序、谐波不确定性的必要性分析

在上述方案2分析的基础上，进一步列出其Cu-me以及THD-me指标情况，并分别与Cu-ul以及THD-ul对比列于表5、表6。

表5方案2Cu-ul和Cu-me对比

表6方案2THD-ul和THD-me对比

通过表5、表6可以看到：如果仅仅按照均值进行分析而考虑不确定分析，则负序、谐波指标值可能过于保守，造成对于相关电能质量问题严重程度的认识存在偏差，造成实际上不符合电能质量要求的方案被通过，可能导致恢复失败，影响供电恢复的可靠性。具体表现在：

1)对于负序分量指标，如果仅以Cu-me为判断标准，方案2满足小于10％的要求；但实际上，DG4的负序电流指标Cu-ul已经超过了其负序保护的动作阈值，可能在恢复期间由于负序保护动作造成该分布式电源退出运行，进而导致系统功率不平衡，导致供电恢复失败，难以保证供电恢复的可靠性。

2)对于THD，如果仅以均值THD-me进行判断，则方案2中所有节点均满足小于4％的要求；但实际上，此时各个节点的THD-ul已全部超标，可能在恢复期间由于谐波影响导致设备非正常工作或者退出运行，影响供电恢复的可靠性。

因此，在对谐波和负序进行分析时采用不确定性分析方法分析其波动性以更贴近于电网运行实际是十分必要的。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。