考虑多类型极端灾害的综合能源系统韧性评估技术-天津大学_26页_14mb

综合能源系统韧性评估技术总结

核心内容

本文主要研究了多类型极端灾害对综合能源系统（电/气/热）的影响，提出了一种基于多类型灾害场景概率建模、改进的电气负荷削减算法以及基于影响增量库的韧性评估方法，旨在提升系统在极端灾害下的韧性水平。

主要观点

• 极端灾害对能源系统的影响：极端灾害（如台风、地震等）可能造成不同能源系统之间的故障传播，导致重大经济损失和安全威胁。
• 多能网络耦合特性：综合能源系统在实现多能互补的同时，其耦合特性也可能加剧故障的扩散效应，因此需评估系统在灾害下的韧性。
• 韧性指标计算：韧性评估包含两个关键部分：灾害下元件故障的概率和系统负荷削减量。
• 多类型灾害场景建模：分别构建了台风和地震的概率模型，台风场景基于组合权举法生成，地震场景基于三级潜在震源区划分方案。
• 改进算法：提出了一种两阶段优化模型用于气网负荷削减计算，通过分段线性化和非线性修正，提高了计算效率和精度。
• 影响增量方法：基于影响增量的状态枚举（IISE）方法能够有效解决高阶故障状态组合爆炸问题，提升评估效率。
• 韧性评估流程：构建了包含灾害场景数据库和影响增量库的韧性评估流程，支持快速、准确的韧性指标计算。
• 韧性提升策略：通过全局灵敏度分析，指导不同元件强化方案的实施，以提升系统整体韧性。

关键信息

一、多类型极端灾害场景概率建模

• 台风场景建模：

  • 基础参数包括登陆点、行进方向、初始中心气压差、行进速度。
  • 登陆点沿海岸线均匀分布，行进方向服从双正态分布，气压差和速度服从对数正态分布。
  • 模型生成潜在台风场景集，并计算每个场景下元件发生故障的概率。

• 地震场景建模：

  • 三级潜在震源区划分方案：背景源、构造源。
  • 地震基础参数为震级和震中点，通过枚举震级档和震中点生成潜在地震场景集。
  • 应用烈度椭圆衰减关系计算架空线路、变压器和燃气管道的失效概率。

二、故障场景下电气负荷削减改进算法

• 两阶段优化模型：

  • 第一阶段：采用混合整数线性规划模型，忽略压缩机耗气量。
  • 第二阶段：以第一阶段结果为初值，修正非线性连续模型，提高计算效率。
  • 目标函数：最小化气负荷削减量。
  • 约束条件：包括流量-气压Weymouth方程、压缩机耗气量方程、压缩机状态约束等。

• 拉格朗日灵敏度方法：

  • 将多能流优化问题转化为函数计算，减少优化次数。
  • 提出基于状态相似性的直流潮流快速计算方法，提升计算效率。

三、基于复用影响增量库的韧性评估方法

• 影响增量方法：

  • 将高阶状态影响拆分折算至低阶状态，仅枚举低阶状态即可获得较高精度。
  • 公式如下：
    $$
    E\left[ Q_{shed} \right] = \sum_{j=1}^{N} \sum_{s \in \Omega_j} \left(\prod_{i \in s} p_i\right) \Delta I_s
    $$
  • 误差远低于传统状态枚举法（SE），计算时间显著减少。

• 复用影响增量库：

  • 影响增量作为中间值，具有可复用性，显著提升韧性评估速度。

四、韧性评估流程

• 构建多类型灾害场景数据库（DSD）和复用影响增量库（RIID）。
• 调取元件失效概率组 $F$ 和影响增量 $\Delta I$，结合场景权重 $\mathcal{W}$ 计算韧性指标。
• 通过全局灵敏度分析，评估不同参数变化对韧性指标的影响，指导元件强化策略。

五、算例分析

• 灾害场景：以台湾临海地震区为例，生成10000个台风场景和13806个地震场景。

• 韧性指标计算方法对比：

  • MCS法：计算时间长，误差较大（如MCS (Cov = 0.01) 误差为1.24%，计算时间为8059.866秒）。
  • SE法：误差较高（如SE (N-3) 误差为10.87%）。
  • IISE法：误差显著降低（如IISE (N-3) 误差为0.92%），计算时间显著减少（如IISE (N-3) 计算时间为619.695秒）。

• 韧性提升方案：

  • 方案1：冗余强化元件19,23。
  • 方案2：冗余强化元件47,49。
  • 方案3：冗余强化元件44,46,47。
  • 全局灵敏度方法（方法1和方法2）与局部灵敏度方法（方法3）结果差异显著，说明总影响并非简单相加。

相关文献

• [1] Liu Zeyu, Li Hang, Hou Kai*, et al. Risk assessment and alleviation of regional integrated energy system considering cross-system failures [J], Applied energy, 2023, 350: 121714.
• [2] Wang Han, Hou Kai*, Zhao Junbo, et, al. Planning-Oriented resilience assessment and enhancement of integrated electricity-gas system considering multi-type natural disasters [J]. Applied Energy, 2022, 315: 118824.
• [3] Liu Xiaonan, Hou Kai*, Jia Hongjie, et, al. A Planning-Oriented Resilience Assessment Framework for Transmission Systems under Typhoon Disasters [J]. IEEE Transactions on Smart Grid, 2020, 11(6): 5431-5441.
• [4] Liu Xiaonan, Hou Kai*, Jia Hongjie, et al. A resilience assessment approach for power system from perspectives of system and component levels [J]. International Journal of Electrical Power and Energy Systems, 2020, 118: 105837.
• [5] Zhao Ningyuan, Yu Xiaodan, Hou Kai*, et al. Full-time scale resilience enhancement framework for power transmission system under ice disasters [J]. International Journal of Electrical Power and Energy Systems, 2021, 126: 106609.
• [6] Lei Yunkai, Hou Kai*, et al. A New Reliability Assessment Approach for Integrated Energy Systems: Using Hierarchical Decoupling Optimization Framework and Impact-increment Based State Enumeration Method, Applied energy, 2018, 210: 1237-1250.
• [7] Liu Zeyu, Hou Kai*, et al. A Lagrange multiplier based state enumeration reliability assessment for power systems with multiple types of loads and renewable generations [J], IEEE Transactions on Power Systems, 2021.
• [8] Liu Zeyu, Tang Putting, Hou Kai*, et al. A Lagrange-multiplier-based reliability assessment power systems considering topology and injection uncertainties[J]. IEEE Transactions on Power Systems, 2023.
• [9] 王晗, 侯恺*, 等. 计及地震灾害不确定性的电气互联系统韧性评估与提升方法[J]. 中国电机工程学报, 2022, 42(03):853-864.
• [10] 王晗, 侯恺*, 等. 基于全局灵敏度分析的电气互联系统韧性提升方法[J]. 电力系统自动化, 2023.