电压暂降评估指标——电网薄弱环节指标

摘要：电压暂降问题给电力用户带来巨大经济损失，需要供电企业和用户双方共同努力加以解决。采用合适的评估指标，有利于为双方解决问题提供依据。电网薄弱环节识别指标是从供电企业的角度提出。利用蒙特卡洛模拟方法，获得网架改造后电压暂降幅值的期望值。仿真结果与实际统计的差别，表示故障地点对电压暂降幅值的影响;故障发生次数则表示电网故障对电压暂降发生频次的影响。综合二者形成电网薄弱环节识别指标，可综合体现出电网故障对电压用户电压暂降事件的影响，从而表征电网中的薄弱环节。通过指标计算，为供电企业电网改造地点提供更加明确的指导。

随着经济的不断发展和高新技术企业用户的不断增多，在保证供电安全性和可靠性的同时，高新技术企业用户对供电质量提出了越来越高的要求[1]。除了传统的谐波、电压偏差、频率偏差、电压波动和闪变等电能质量问题之外，用户对暂态电压质量问题也有不同程度的要求。目前，在国外电压暂降问题是遭到用户投诉最多的电压质量问题[2]。电压暂降可能造成生产线上电机停机、变频器失压保护误动作、可编程逻辑控制器失灵、接触器脱扣、计算机存储数据丢失，给用户带来巨大的经济损失[3]。

电压暂降是指供电电压有效值在短时间突然下降的事件，其持续的时间一般为半个周波到30个周波[4]。供电中断是电压暂降的一个特殊情况，是指供电电压的有效值低至0左右。暂降幅值、持续时间和相位跳变是电压暂降的三大指标。对于电压暂降的指标，国际上尚无统一的标准定义，其中有代表性的包括国际电工委员会(IEC)标准和电气与电子工程师协会(IEEE)标准。IEC定义电压暂降为下降到额定值的90%～1%，电压下降到低于额定值的1%为供电中断，持续时间小于3min为短时中断[5];IEEE定义电压暂降为下降到额定值的90%～10%，电压下降到小于10%额定值为供电中断，持续时间<1min，为短时中断[6]。

目前针对电压暂降提出了多种评估指标，其中最常用是电压暂降的统计指标为系统平均电压暂降频次指标[7]。该指标以可靠性计算方法原理出发，可得出不同电压暂降程度下的发生概率。SARFI指标是一个基于统计的指标，能够在宏观上给出电压暂降问题的严重程度。在电压暂降的分析方法中还包括有故障点法和临界距离法[8]等。故障点法能有效对故障发生地点、发生频次及对用户的影响进行评估[9]。而临界距离法利用电压分割原理，得出影响特定用户的故障区域[10]。这些方法能在理论上评估电网故障对用户电压暂降影响，但是很难在实际具体指导电压暂降问题的解决方法。

电压暂降是一个与供电企业和电力用户双方都有关联的问题，双方都可通过一些手段缓解电压暂降带来的危害。如供电企业通过改善网架结构，减少故障发生次数;电力用户则可以通过调整负荷的分配，将敏感负荷调整至电压暂降不严重的线路上供电。本文分别针对供电企业提出了电网薄弱环节识别指标和针对用户提出了设备故障停运概率指标，以指导双方解决电压暂降问题。

1用户输配电系统

本文的研究对象为某一高新技术企业，地处市郊的高新工业园内。由2个110kV变电站中的5条10kV线路供电，用户线路都为YJV-300的电缆，电网结构示意如图1所示。图中，G1和G2为电网内的两个电厂，B501和B502是500kV母线，B221～B226是220kV母线，B1101～B1116是110kV母线，B11～B17是10kV母线。L21～L24是220kV线路，L101～L118是110kV线路，大多数为架空线路，F1～F9是10kV馈线，其中F1～F5给用户供电的5条10kV线路，其余的10kV线路均略去，系统总共包含2台发电机、31个母线和31条线路。用户所在的工业园区为新建工业园区，电网结构比较薄弱，输电线路和配电线路多以架空线路为主，且工业园区处于雷击高发地区，所以用户发生电压暂降的事件次数很多，2004-2006年上半年间共发生158起，其中2005年共发生电压暂降和供电中断事故77起，2006年上半年发生电压暂降和供电中断事故56起。统计所有的158次电压暂降事件，得到电压暂降幅值的平均值为7736V(0.7368p.u.)。根据供电企业的顺序事件记录SOE(seriesofevents)，相关的输配电系统发生次数统计如表1所示。该供电区域内，故障发生次数较多，供电企业需要对网架进行改造，减少电网故障发生次数，以解决用户的电压暂降问题。因此必须有一个能够明显表征电网薄弱环节的指标，以指导供电企业对网架进行建设和改造。

2随机模拟模型

由于电力系统的故障和地点均有很强的随机性，因此Monte-Carlo模拟法和电磁暂态仿真方法常用于电压暂降问题的概率评估和模拟计算[11～13]。在随机模拟过程中，需要建立故障类型、故障地点、故障持续时间以及故障接地阻抗等随机模型。

电压暂降问题的评估受仿真模拟结果的影响很大，而仿真的模拟结果又取决于模型的选取。本研究中故障类型选用了文献[7]的概率模型，而故障发生地点则采用平均概率模型。认为用户电压暂降的持续时间与电网的故障持续时间相同，因此不考虑故障持续时间的概率模型。不同故障类型的概率如表2所示。

3电网薄弱环节识别指标

故障地点与用户的电气距离影响电压暂降的幅值，故障发生的次数则影响电压暂降发生的次数。作为供电企业对网架进行改造时，应综合考虑这两方面的因素。

故障对电压暂降幅值的影响可表示为

式中：Ff为故障发生频度;FTi为节点i发生故障的次数;FTtotal为统计期内总的故障发生次数。

故障发生地点和故障发生次数在概率统计上可被认为是两个相互独立的事件，因此定义电网薄弱环节识别指标ULI(unsubstantiallocationindex)为

ULIi=ΔVFf(6)

由定义可知，ULIi可综合考虑节点i发生故障对用户电压暂降的影响，包括电压暂降的幅值和电压暂降的发生次数，因此可以表现电网中该节点的薄弱程度。当本指标数值越大，说明越需要优先考虑对其进行改造，以减小该地点的故障发生次数，从而减少对用户电压暂降的影响。

根据ULI确定电网改造优先顺序的流程如图2所示。

4计算结果分析

针对图1给出的用户输配电系统，根据SOE记录，对所有158次事件进行计算，获得各节点故障发生频度如表3所示。

根据用户的输配电系统发生故障次数的统计结果，L114发生故障的次数最多，因此发生故障的概率也最高，但是由于距离用户的电气距离较远，其发生故障对电压暂降的幅值影响较小。其次发生故障次数的地点还包括B1109、B223、B226、F7、F9等地点，其中F7和F9距离用户的电气距离最近，因此其发生故障将导致用户电压暂降的幅值较大。

为了解决用户电压暂降问题，需对电网进行改造，将架空线路改造为电缆，降低其故障发生概率。针对供电部门优先改造故障发生次数多的地点还是优先改造对用户影响大的地点的讨论，本文利用蒙特卡洛模拟方法，对用户的输配电系统进行仿真计算，利用式(7)得到用户输配电系统的电压薄弱环节识别指标(ULI)如表4所示。ULI指标结合了电网各元件发生故障的次数以及故障后对用户电压暂降的影响程度，因此可以表征电网中各元件需要改造的急切程度。表4中的ULI指标的计算结果表示，F7、F9两地点的ULI最大，分别为6.45575和5.92410，比其他地点的指标值均高出许多，因此供电企业应该优先对F7和F9两条10kV线路进行改造，将架空线改为电缆的方式，降低故障发生次数。其次是需要对220kV变电站B223和B226母线进行防护，避免对用户电压暂降的影响。

从以上分析可以看出尽管110kV线路L114发生故障的次数最多(9次)，但是针对解决用户的电压暂降问题，其改造的重要性仅排在第五，因此不能仅仅凭借统计故障发生的次数确定改造的优先顺序。而应该根据ULI指标的大小对改造项目进行排序，达到投资的优化。

5结论

针对供电企业通过网架改造以解决电压暂降的问题，提出了电网薄弱环节识别指标。通过蒙特卡洛随机模拟方法，综合考虑故障地点和故障发生概率对用户电压暂降事件的影响，计算电网薄弱环节识别指标，通过指标大小的比较，可使供电企业掌握对用户电压暂降影响环节的排序，逐步实施电网改造。

参考文献：

[1]朱桂萍，王树民(ZhuGuiping，WangShumin).电能质量控制技术综述(Asurveyonpowerqualitycontroltechnology)[J].电力系统自动化(AutomationofElectricPowerSystems)，2002，26(19)：28-31，40.

[2]严干贵，姜齐荣，黄民聪(YanGangui，JiangQirong，HuangMincong).未来的用户电力技术(Custompowertechnologiesinthefuture)[J].电力系统自动化(AutomationofElectricPowerSystems)，2002，26(1)：62-69.

[3]BrumsickleWE，DivanDM，LuckjiffGA，etal.Powerqualityandreliability：CasestudiesfromoperationsofanationwidePQ&Rmonitoringsystem[J].IEEEIndustryApplicationsMagazine，2005，11(1)：48-53.

[4]IEC61000-4-11Testingandmeasurementtechniquesvoltagedips，shortinterruptionandvoltagevariationsimmunitytest[S].

[5]IEC61000-4-30Testingandmeasurementtechniquespowerqualitymeasurementmethods[S].

[6]IEEEStd1159-1995IEEErecommendedpracticeformonitoringelectricpowerquality[S].

[7]MartinezJA，Martin-ArnedoJ.Voltagesagstudiesindistributionnetworks-PartII：voltagesagassessment[J].IEEETransonPowerDelivery，2006，21(3)：1679-1688.

[8]周林，吴红春，孟婧，等(ZhouLin，WuHongchun，MengJing，etal).电压暂降分析方法研究(Studyofthevoltagesaganalysismethods)[J].高电压技术(HighVoltageEngineering)，2008，34(5)：1010-1016.

[9]RadhakrishnaC，EshwardasM，ChebiyamG.Impactofvoltagesagsinpracticalpowersystemnetworks[C]∥IEEEPESTransmissionandDistributionConference.Atlanta，USA：2001.

[10]BollenMHJ.Methodofcriticaldistancesforstochasticassessmentofvoltagesags[J].IEEProceedings：Generation，TransmissionandDistribution，1998，145(1)：70-76.

[11]易杨，张尧，钟庆(YiYang，ZhangYao，ZhongQing).基于蒙特卡罗方法的大型电力用户电压暂降评估(AssessmentofvoltagesagsinlargepowerconsumerbasedonMonte-Carlomethod)[J].电网技术(PowerSystemTechnology)，2008，32(6)：57-60，75.

[12]钟庆，易杨，武志刚，等(ZhongQing，YiYang，WuZhigang，etal).电力用户电压暂降问题分析与仿真(Analysisandsimulationsofthevoltagesagsinpowercustomer)[J].电力系统及其自动化学报(ProceedingsoftheCSU-EPSA)，2008，20(6)：102-106，115.

[13]GuptaCP，MilanovicJV.Probabilisticassessmentofequipmenttripsduetovoltagesags[J].IEEETransonPowerDelivery，2006，21(2)：711-718.

更多好文：21ic智能电网