基于風(fēng)險評判的電網(wǎng)規(guī)劃方法分析

鄭新習(xí)

（國網(wǎng)福建大田縣供電有限公司,福建 大田 366100）

基于風(fēng)險評判的電網(wǎng)規(guī)劃方法分析

鄭新習(xí)

（國網(wǎng)福建大田縣供電有限公司,福建 大田 366100）

電網(wǎng)規(guī)劃對電力系統(tǒng)的穩(wěn)定運行有重要作用。電網(wǎng)規(guī)劃中的需要做好風(fēng)險評判工作。文章點對電力市場中村的不確定因素進行了說明，介紹了相關(guān)電網(wǎng)規(guī)劃方法。

風(fēng)險評判；電網(wǎng)規(guī)劃；分析

0 引言

隨著社會的發(fā)展，人們對電能的需求量越來越大，電網(wǎng)的建設(shè)規(guī)模也越來越大，電網(wǎng)規(guī)劃的復(fù)雜度增加，也增加了規(guī)劃人員的規(guī)劃難度。電網(wǎng)規(guī)劃對提高電力企業(yè)的競爭力有著重要幫助，但在實際的規(guī)劃過程中，不確定因素非常多，規(guī)劃人員在進行規(guī)劃時要充分考慮各種因素，并采取措施來規(guī)避風(fēng)險，減少不利因素對電力系統(tǒng)產(chǎn)生的影響和對企業(yè)帶來的損失。

1 電力市場中存在的不確定因素

1.1 不確定因素的模擬方法

要保持系統(tǒng)的穩(wěn)定運行需要一定的條件支持，但在電力系統(tǒng)實際的運行當(dāng)中，難以避免會存在很多不確定的因素，會對電力系統(tǒng)的穩(wěn)定運行造成一定影響，這些影響電力系統(tǒng)正常運行的因素也直接制約著電力行業(yè)的發(fā)展。對電網(wǎng)的運行造成的影響的因素一般都具有不確定性，無法準(zhǔn)確預(yù)測和控制。例如，國家對電力體制進行的改革，市場上燃料價格的大范圍變化等，這些因素對電力系統(tǒng)的影響，主要表現(xiàn)為改變設(shè)備的運行參數(shù)，增加電網(wǎng)結(jié)構(gòu)的復(fù)雜度增加，進而使電網(wǎng)規(guī)劃的風(fēng)險預(yù)測的難度增加，難以保證預(yù)測結(jié)果的真實性，導(dǎo)致規(guī)劃出的電網(wǎng)質(zhì)量不高。由于電網(wǎng)所受到的影響因素很多，為提高規(guī)劃質(zhì)量，需要找出這些影響電網(wǎng)規(guī)劃的因素，并進行分析，通常所采用的分析方式為模擬法，又叫做隨機概率模擬法。這種方法的優(yōu)勢是高效、便捷，省略了對多種因素的概率分布進行詳細(xì)掌握這一步驟，可以直接把不確定因素都進行假設(shè)，即認(rèn)為所有的不確定因素都是有界的。

1.2 電力市場的風(fēng)險因素

電力市場風(fēng)險很多，容易導(dǎo)致電力運行出現(xiàn)問題的因素也被稱為風(fēng)險因素。風(fēng)險因素對電力運行的影響較大，一旦出現(xiàn)問題會導(dǎo)致電力企業(yè)遭受很大的損失，所以這就要求電網(wǎng)規(guī)劃人員在對電網(wǎng)進行規(guī)劃時要充分了解這些因素，并進行全面具體的分析，避免風(fēng)險的出現(xiàn)。對于無法確定的因素，要提前制定應(yīng)對風(fēng)險的方案，如果問題出現(xiàn)在到進行及時解決，盡量減少不確定因素為企業(yè)帶來的損失。對于風(fēng)險的預(yù)案要制定多套，以應(yīng)對多種類型的風(fēng)險。進行電網(wǎng)規(guī)劃是減小以及規(guī)避市場風(fēng)險的有效措施，但在具體進行電網(wǎng)規(guī)劃時要在電網(wǎng)承載負(fù)荷范圍之內(nèi)。

2 配電網(wǎng)規(guī)劃的數(shù)學(xué)模型

為提高規(guī)劃質(zhì)量，在進行電網(wǎng)規(guī)劃的之前一般都要進行風(fēng)險評判，通常進行風(fēng)險評判需要利用到多場景技術(shù)，并且采用蟻群算法。這種措施的優(yōu)點是可以對電網(wǎng)進行動態(tài)控制，保證電網(wǎng)規(guī)劃的合理性。

2.1 靜態(tài)電網(wǎng)規(guī)劃模型

靜態(tài)電網(wǎng)規(guī)劃模型目標(biāo)函數(shù)的建立：

在這一公式中，A表示的含義是年折算值， Ci代表的含義是第i條饋線的投資費用年折算值； Di的含義為第i條饋線的年電能的損失費用；E的含義是缺電成本；代 Ui表的節(jié)點電壓值； Ik代表支路電流。代表支路k導(dǎo)線的載流量。

2.2 多目標(biāo)輸電網(wǎng)規(guī)劃方法

隨著電力行業(yè)的的發(fā)展，電力企業(yè)的數(shù)量不斷增加，電力市場的競爭十分激烈，電網(wǎng)規(guī)劃時電力企業(yè)之間進行競爭的主要方式，電網(wǎng)規(guī)劃工作進行做的好，企業(yè)的盈利就會增加，就會在市場的競爭中取得優(yōu)勢。電網(wǎng)規(guī)劃需要兼顧多方面的利益，滿足投資者、用戶等各種人群的需求。目前的電網(wǎng)規(guī)劃中還存在很多問題，其中適應(yīng)性弱是主要問題，因此，為解決這一問題，可以采用的措施為采用多目標(biāo)的輸電網(wǎng)規(guī)劃模式，這一措施可以讓規(guī)劃方案具有較廣的適應(yīng)性，符合多種類型的電網(wǎng)需求。多目標(biāo)電網(wǎng)規(guī)劃中也存在問題，即目標(biāo)之間有沖突，這種情況下，規(guī)劃人員在進行規(guī)劃時要充分考慮各種因素，權(quán)衡多方面的利益，并以大眾利益為主，篩選出最合理的方案。電網(wǎng)規(guī)劃中需要注意三點內(nèi)容，第一，電網(wǎng)的規(guī)劃中數(shù)學(xué)模型的利用是必不可少的，其中最常用的是改進后的蟻群算法。第二是要使用先進的方法進行規(guī)劃，提高規(guī)劃效率和風(fēng)險評判的準(zhǔn)確性，例如，可以使用模擬網(wǎng)絡(luò)，分析不同方法的經(jīng)濟效益。第三，在進行電網(wǎng)規(guī)劃時要注意經(jīng)濟性，在保證電網(wǎng)正常運行的前提下，降低成本。由于規(guī)劃質(zhì)量提高，故障減少，系統(tǒng)的維護成本隨之降低。

2.3 蟻群算法

信息素發(fā)揮系數(shù)和信息素強度是群算法中的兩個重要參數(shù)，需要在使用蟻群算法時要充分了解這兩種參數(shù)，并進行有效控制。信息素發(fā)揮系數(shù)過大，會對影響信息素積累；而信息素過小，會出現(xiàn)局部最優(yōu)解問題。而信息素強度與信息素發(fā)揮系數(shù)的影響則正好相反。如今電力市場的發(fā)展非?？欤鞣N因素也在不斷變化，蟻群算法也需要隨著市場的發(fā)展進行改進與優(yōu)化，才能適應(yīng)發(fā)展。在對信息素發(fā)揮系數(shù)和信息素強度進行控制時，采用語言的形式進行定性描述，可以讓算法更加靈活。而在實際的計算中，可以對算法進行合理的調(diào)整，提高精準(zhǔn)性。

3 算例分析

（1）原始參數(shù)。原始參數(shù)的目的主要是對此區(qū)域內(nèi)未來的經(jīng)濟前景進行分析，所使用的分析方式為創(chuàng)建基本模型，同時對電網(wǎng)風(fēng)險進行負(fù)荷預(yù)測，以獲得最好的規(guī)劃。登記為三種負(fù)荷模式，偏保守的，偏樂觀的和適中的。在進行具體的規(guī)劃時，要按照不同的模式來創(chuàng)建不同的電網(wǎng)風(fēng)險規(guī)劃。（2）隨機模式。由于電網(wǎng)風(fēng)險中的不確定因素非常多，在不斷的發(fā)展中，不確定因素也會發(fā)生變化，在實際規(guī)劃中，模式與規(guī)劃方案會難免存在不符合的狀況，為此，可以采用隨機模式進行繪畫，并采用多目標(biāo)和和多種群測算方式，利用這種模式和方法可以得到不同的投資評價模型。

4 結(jié)束語

在當(dāng)前電力市場上存在的不利因素還有很多，電網(wǎng)規(guī)劃人員必須要重視電網(wǎng)規(guī)劃質(zhì)量，采用風(fēng)險評判法對規(guī)劃方案進行模擬，借助數(shù)學(xué)模型和蟻群算法對信息進行計算。電網(wǎng)規(guī)劃是一項長期工作，在電力市場變化迅速的形勢下，電力企業(yè)要想取得進一步發(fā)展就需要做好資源的優(yōu)化配置，保證供電的穩(wěn)定性，并采取有效措施提高電網(wǎng)建設(shè)質(zhì)量。

[1]徐定.基于風(fēng)險評判的電網(wǎng)規(guī)劃方法[J].城市建設(shè)理論研究：電子版,2015(15).

[2]蔡廣林,鄭秀波,張沛,雷云凱.基于風(fēng)險指標(biāo)的電網(wǎng)事故量化排序方法指導(dǎo)電網(wǎng)規(guī)劃[J].2015,27(12)：85-90.

[3]盧恩,魯曉軍.電力系統(tǒng)停電風(fēng)險評估指標(biāo)及方法[J].電力自動化設(shè)備,2015,35(03)：68-74.

10.16640/j.cnki.37-1222/t.2016.22.164