胡 博，谢开贵，邵常政，潘聪聪，林铖嵘，赵宇生

（输配电装备及系统安全与新技术国家重点实验室（重庆大学），重庆市 400044）

为应对环境和气候问题，大力发展风能、太阳能等新能源成为世界各国制定能源政策、推进能源清洁转型的普遍选择。2021 年3 月，国家中央财经领导小组第九次会议明确提出将“碳达峰·碳中和”纳入生态文明建设总体布局，构建以新能源为主体的新型电力系统［1］。

新型电力系统范式下，供给侧将由风电/光伏等具有显著不确定性的新能源发电主导［2-4］；
需求侧中可响应负荷的比例将显著增加，受用户响应行为等因素的影响，需求侧不确定性显著增强［5-7］。因此，在新型电力系统中，将出现“源荷双侧不确定性愈发显著”的情景，系统供需平衡由“确定性的供给侧调控资源应对不确定性负荷”转变为“不确定性的供给侧资源与不确定性的需求侧资源动态匹配”，这将使得系统运行和风险控制面临严峻挑战。例如，2020年8 月14 日和15 日，新能源并网带来的波动性等问题使得供需矛盾突出，美国加州电力系统独立运营商连续两天宣布进入三级紧急状态，一度中断超过40 万家企业和家庭的供电［8］。

在这种背景下，亟须提出新型电力系统风险评估方法，为系统规划和运行提供量化决策依据，保障系统安全可靠运行［9］。针对传统电力系统风险评估的研究已经相对成熟。这些方法主要基于元件停运模型、负荷模型和潮流计算模型，分析系统不同故障状态下的失负荷后果，进而表征系统按照可接受的质量标准和所需数量不间断地向用户供应电力和电能量的能力。需要强调的是，相较于传统电力系统，新型电力系统形态发生重大变化，风险产生机理和风险特征也相应改变，传统电力系统风险分析方法难以适用。具体表现为：

1）传统风险评估主要针对元件故障等随机不确定性；
新型电力系统风险因素更加多源化，涉及隶属认知不确定性和决策依赖不确定性范畴的风险因素。

2）传统风险评估指标体系主要关注切负荷风险，相对单一；
新型电力系统风险表现形式更加多样化，需要同时考虑供需失衡的上行风险和下行风险以及碳排放等相关风险。

3）传统风险评估方法主要进行随机不确定性建模，评估系统充裕性；
新型电力系统因含有多源风险因素，其风险评估模型更加复杂，需要考虑安全性、灵活性和弹性等系统属性对风险的综合影响。

4）传统薄弱环节辨识主要基于元件可靠性参数；
新型电力系统中薄弱环节成因更加复杂，需要考虑对多异质物理对象进行责任分摊。

基于“系统形态→系统风险特征→系统风险评估理论体系”的逻辑链条，本文论述了一套面向新型电力系统的风险评估体系。首先，分析了电力系统风险的定义；
接着，归纳并阐述了新型电力系统的风险特征；
然后，梳理出风险评估的三级指标体系；
进一步，总结了新型电力系统风险评估方法；
最后，探讨了考虑新型电力系统风险特征的薄弱环节辨识方法。在应对高比例新能源方面，本文论述的风险评估体系可以体现新型电力系统风险多样化的表现形式，能够准确刻画系统风险并衡量多种风险因素的风险责任贡献度，与传统方法相比具有显著的优势。

电力系统风险的根源在于设备状态、电源出力以及电力负荷等的概率特性［10］。这些概率特性导致系统存在多种可能的运行状态，从而导致系统出现切负荷、大规模弃风/弃光/弃水等。电力系统风险是对所有潜在事件的可能性和事件后果的综合量度，一般将这种量度以风险指标R刻画［11-12］，如式（1）所示。

式中：w表示系统当前的运行方式；
i表示系统状态；
S为 系 统 状 态 集 合；
pi为 状 态i出 现 的 概 率；
si，w表 示在当前运行方式下状态i对应的严重程度。当计算电力系统中失负荷风险时，si，w指系统在状态i下的失负荷量，风险指标R为期望缺供电量（expected energy not supplied，EENS）。

从式（1）可以看出，对电力系统进行风险评估需要从状态概率pi和状态严重程度si，w计算两方面入手，才能得到对应的系统风险指标。与传统电力系统相比，新型电力系统源荷双侧的不确定性显著增强，导致风险评估中计算pi需要考虑的不确定性因素增多，计算复杂度变高。此外，新型电力系统中，si，w也可以是系统的弃风、弃光、弃水量或碳排放量，风险表现形式更加多样；
如何提出相关指标准确刻画不同风险，并计算对应的si，w有待解决。为解决上述难题，本文分析归纳了新型电力系统的风险特征，为后续章节中风险指标体系、风险评估和跟踪方法奠定了基础。

2.1 风险来源更加多样

传统电力系统考虑的风险因素，包括电气元件故障、通信系统故障、恶劣天气和自然灾害等［13］。这类风险因素呈现明显的随机性，可以用随机不确定性建模方法表征。新型电力系统中，除元件故障等随机不确定性因素外，由于数据、知识匮乏导致的新能源发电和需求响应的建模不准确也将显著影响系统运行风险，这一类风险因素隶属认知不确定性［14-15］；
此外，新型电力系统更加关注系统时变的行为［16］，部分供需双侧不确定特性和设备可靠性参数不确定性等受规划、运行策略的影响显著，表现出决策依赖不确定性。

表1 按照不确定性的类别，将新型电力系统的风险来源划分为随机不确定性、认知不确定性、决策依赖不确定性三大类，并对每类风险来源和成因进行了解释。从表1 中可以看出，相较于传统电力系统，新型电力系统风险来源在3 种不确定性类型上均有所体现。因此，在对新型电力系统风险评估时，需要统一分析归属于3 种不确定性类型的风险来源。

表1 新型电力系统风险来源Table 1 Risk sources of new power system

2.2 风险表现形式更加复杂

元件的随机故障、新能源机组出力和负荷的随机波动可能会导致系统无法满足负荷需求，引发系统供需失配的下行风险，出现切负荷［26］。

新型电力系统中，发电侧的风光水资源受自然禀赋影响较大，当无法及时利用或存储时就会出现弃风/弃光/弃水的情形，引发系统供需失配的上行风险。此外，在“双碳”目标下，作为电力系统清洁性代表的碳排放情况也应视为系统风险表现。需要指出的是，电力系统的弃风/弃光/弃水风险用于评估系统在给定运行状态下的新能源消纳能力，而碳排放风险则同时刻画了电源结构等，其内涵更加丰富，为量化系统低碳水平和分析系统运行情况提供了参考。因此，新型电力系统的风险宏观表现可归纳为切负荷、弃风/弃光/弃水、碳排放（过高）3 个方面。

2.3 风险调控资源兼具可调节性与不确定性

在传统电力系统中，以火电、水电等常规机组为代表的同步机组是系统主要的风险调控资源，其运行情况和工作状态通常是确定的。而在新型电力系统中，大量常规机组被风光等具有不确定性的新能源替代，导致系统的风险调控资源显著减少，给系统稳定运行带来挑战。

为解决上述难题，国内外研究指出，可将风光等新能源作为系统应对风险的一种资源［27-28］，进而有效改善系统调控资源不足的困境。另一方面，需求响应技术［29-30］获得快速发展，但受用户响应意愿和行为等影响，需求响应资源也呈现出一定的不确定性［15］。因此，在新型电力系统中，风险调控的主要资源（新能源发电、需求响应等）将兼具可调节性与不确定性，该特点显著区别于传统电力系统。

本章梳理出新型电力系统风险的三级指标体系，以刻画多元风险来源和表现形式，如图1 所示。

图1 新型电力系统风险评估指标体系Fig.1 Risk assessment index hierarchy in new power system

一级风险指标刻画系统风险宏观表现，说明风险表现“是什么”，包含切负荷、弃风/弃光/弃水、碳排放3 个方面；
二级风险指标立足于系统属性，阐述系统风险产生原因，说明风险“为什么”产生，包含系统充裕性不足、安全性不足、灵活性不足、弹性不足、清洁性不足5 个方面；
三级风险指标从二级指标对应的系统属性入手，给出调控系统风险的思路，说明风险控制“怎么做”。

3.1 新型电力系统风险一级指标

切负荷类风险代表供需失配的下行风险，代表元件故障、新能源波动等导致的“供不应求”的风险，主要包括期望缺供电量EENS、期望缺电概率（loss of load probability，LOLP）、期望缺电频率（loss of load frequency，LOLF）［31］，分别用REENS、RLOLP、RLOLF表示，即

式中：Ti为处于状态i的时间；
Ci为状态i对应的负荷削减量，通常由基于最优潮流（optimal power flow，OPF）的最优切负荷模型确定；
Fi为系统处于状态i的频率。

弃风/弃光类风险代表供需失配的上行风险，代表新能源或水电出力充足但潮流阻塞等导致的“供大于求”的风险。弃水指标可参考文献［32］，弃风/弃光指标主要包括系统在给定时间区间内弃风电量（wind energy curtailment，WEC）、弃光电量（solar energy curtailment，SEC）或者弃风率（wind energy curtailment rate，WECR）、弃 光 率（solar energy curtailment rate，SECR）等［33］，分 别 用RWEC、RSEC、RWECR、RSECR表示，即

式中：PW，i为状态i对应的弃风电力；
PS，i为状态i对应的弃光电力；
RSE为给定时间区间内光伏额定发电总量；
RWE为给定时间区间内风力最大发电总量。

碳排放类风险代表系统发电的清洁程度，代表电源结构不合理、新能源发电利用率低导致的碳排放超标风险。定义系统在给定时间区间内的期望碳排放量（carbon emission，CE）指标，记为RCE，满足：

式中：RCE，i为状态i对应的碳排放量，具体分析计算过程见文献［34-37］。

3.2 新型电力系统风险二级指标

3.2.1 充裕性指标

充裕性表征系统设施在系统约束条件下充分满足用户负荷需求的能力，可以用网架强健度（system robustness，SR）和 电 源 强 健 度（power robustness，PR）刻画，分别用RSR、RPR表示，满足

式中：SSR为系统在电源无故障、网架出现k阶故障下能保持供需平衡的状态集合；
SPR为系统在网架无故障、电源出现l阶故障下保持供需平衡的状态集合。网架强健度和电源强健度越好，系统失负荷风险越低。

3.2.2 安全性指标

安全性表征系统对动态和暂态扰动的响应能力［31］，可以从物理侧和信息侧进行考量。

物理侧系统安全性可以用有功静态安全域、交直流并联输电系统实用动态安全域［38］、惯量安全域［39］等进行刻画。这里以惯量安全域进行说明。惯量过低是新型电力系统高比例电力电子化后所带来的新风险，可以借由惯量安全域进行可视化表征，即在功率注入空间内，所有满足潮流约束、运行安全约束和频率稳定约束条件的运行点对应系统惯量值所构成的集合。该指标计算如下［39］：

式中：ΩISR为惯量安全域；
F(P，Q，U，θ)为潮流约束，其中，P为有功功率，Q为无功功率，U为电压，θ为相角；
G(P，Q，U，θ)∈[Gmin，Gmax]为运行安全约束；
f∈[fmin，fmax]为频率稳定约束；
I∈[Imin，Imax]为惯量安全约束；
下标max 和min 分别表示对应变量的上限和下限。

信息侧系统安全性可以用时延域（delay margin，DM）、信息攻击成功率、信息攻击切负荷量等进行刻画。时延域是指在信息-物理空间内所有满足运行安全约束和频率稳定约束条件的运行点对应的信息时延所构成的集合，表征系统对信息时延的容忍能力［40-41］。对于多区域互联系统的集中式负荷频率控制而言，小扰动下的时延域ΩDM计算如下：

式中：ẋ(t)=Ax(t)+Ad x(t-d(t))+FΔPL为多区域互联系统线性化的状态空间表达式；
x（t）为系统状态变量；
d(t)为信息时延；
t为时间；
A、Ad、F为系统参数；
ΔPL为负荷波动量；
V（x（t），d（t））为与系统状态变量和信息时延相关的Lyapunov 函数，具体计算过程可以参考文献［40，42］。

信息攻击成功率PCA和信息攻击切负荷期望REENS，CA表征信息攻击引发的风险：

式中：pCA，j为信息攻击j的成功概率；
CCA，j为信息攻击j导致的切负荷电力；
Tj为系统处于状态j的时间。

3.2.3 灵活性指标

灵活性表征电力系统应对负荷波动的动态调节能力。当电力系统灵活性资源响应速度不能实时匹配负荷变化率时，系统会产生负荷削减或弃风/弃光的风险。灵活性指标主要包括上调灵活性不足概率（probability of up flexibility not supplied，PUFNS）、上调灵活性不足期望（expected up flexibility not supplied，EUFNS）、下 调 灵 活 性 不 足 概 率（probability of down flexibility not supplied，PDFNS）、下调灵活性不足期望（expected down flexibility not supplied，EDFNS），分 别 用RPUFNS、REUFNS、RPDFNS、REDFNS表示，满足［43］：

式中：RU，t为系统在时刻t可用的上调容量；
Pnet，t+1为时 刻t+1 的 净 负 荷 量；
Pnet，t为 时 刻t的 净 负 荷 量；
ΔRU，t为系统在时刻t上调容量的变化量；
RD，t为系统在时刻t可用的下调容量；
ΔRD，t为系统在时刻t下调容量的变化量；
p{·}表示事件发生概率。

3.2.4 弹性指标

弹性表征电力系统针对小概率-高损失极端事件的预防、抵御以及快速恢复负荷的能力［44］。

弹性指标主要包括恢复力（resilience，RES）、恢复 率（rate of restoration，RoR）和 吸 收 率（rate of absorption，RoA）［45-46］，分别用RRES、RRoR、RRoA表示，满足：

式 中：Fs，i，t为 系 统 在 极 端 场 景i下 的 性 能；
Fs，0，t为 系统在正常运行状态下的性能；
t1为极端事件发生的时刻；
t2为系统性能完全恢复的时刻；
s(S)为电力系统运行状态数；
PRoR为给定时段TRoR内电力系统恢复的供电量；
LRoA为给定时段TRoA内电力系统削减负荷量；
RRoR为单位时间内系统切负荷量；
RRoA为单位时间内系统恢复供电量。

3.2.5 清洁性指标

清洁性表征电力系统碳排放的程度，主要包括新能源装机容量比（new energy installed capacity ratio，NEICR）和给定时间区间内的碳中和率（carbon neutrality rate，CNR），分别用RNEICR、RCNR表示，即

式中：CNE为新能源装机容量；
CT为总装机容量；
CN为系统碳捕集量；
CE为系统碳排放量，具体分析计算过程见文献［34-35，47］。若新能源占比RNEICR越高，或者碳中和率RCNR越高，则系统对环境的碳排放量相应会低一些，反之亦然。

3.3 新型电力系统风险三级指标

3.3.1 充裕性调节指标

调控系统充裕性不足风险可以从源荷双侧的变化关系入手。新型电力系统以新能源为主体，需要用不确定的电源去匹配不确定的负荷，电源与负荷波动之间的数值关系就显得十分重要。在给定的时间区间内，当负荷需求增长时，若新能源出力相应增长，则系统调度控制的压力小、切负荷风险小；
在负荷需求减小时，若新能源出力增长，则系统调度控制的压力大、弃风/弃光风险高，如图2 所示。

图2 电力系统源荷同动性Fig.2 Power system synchronization between source and load

为此，定义系统在给定时间区间内的表征电源与负荷之间相关关系的源荷同动性指标ρT为：

式中：P为系统给定时间区间内的电源出力；
L为系统给定时间区间内的负荷；
Cov(P，L)为变量P与L之间的协方差；
σP、σL分别为变量P和变量L的标准差。显然，在给定时间区间内，若系统负荷与电源之间的同动性越接近于1，则电源出力跟踪负荷需求的能力越好，系统切负荷风险越小。

在给定时间区间内，当系统负荷变化不大但新能源机组出力波动大时，系统需频繁进行调控。受制于机组爬坡、机组启停约束等影响，系统有可能不得不进行切负荷或者弃风/弃光，如图3 所示。

图3 电力系统风光互补性Fig.3 Complementarity between wind and solar energy in power system

为了表征风光之间的出力波动关系，给出风光互补性指标ρH为：

式中：Pi、Pj为给定时间区间内不同类型电源出力序列。显然，系统风光互补性越接近于1，则新能源出力波动越大，系统调控电源跟踪负荷的压力也越大，更容易产生弃风/弃光或者失负荷风险。

3.3.2 安全性调节指标

调控安全性不足风险可以从电力系统物理侧和信息侧入手。

物理侧安全性的调控包括上述各类安全域的调控，这里以惯量安全域为例进行说明。为调节系统运行状态与惯量安全域边界的关系，可以通过改变机组组合方式［39］、优化阻尼参数［48］、控制区间振荡模式［49］等方式降低系统惯量不足风险，具体可以用惯量安全域面周比、惯量储备系数（intertia reserve coefficient，IRC）、惯 量 安 全 裕 度（intertia security margin，ISM）3 个指标来刻画，分别用RAP、RIRC、RISM表示，即

式中：AISR为惯量安全域的面积；
CISR为惯量安全域的周长；
RRT为面积等同AISR的矩形面周比；
IOP为系统实际运行惯量；
IMIL为惯量安全域上界；
ISIL为惯量安全域下界。相应的概念也可以进一步推广至有功静态安全域、无功静态安全域、时延域等安全域中。

信息侧安全性的调控包括时延域和信息攻击风险的调控。这里以调控信息攻击风险为例进行说明。注意到信息攻击往往是攻击方与系统防御方之间的多点攻防博弈，可以通过优化防御资源调控策略［50］、虚假数据检测［51-53］、卡尔曼滤波［54］等手段来降低信息攻击成功率或降低信息攻击切负荷期望，可以用防御资源总量（total defense resources，TDR）［50］、虚 假 数 据 识 别 率（false data recognition rate，FDRR）来刻画，分别用RTDR、RFDRR表示，即

式中：λθ为节点θ防御资源的换算系数；
μθ为节点θ最小防御资源需求值；
yθ为相对安全时节点θ的防御效果值；
NFDR为识别的虚假数据量；
NFD为总的虚假数据量；
n为节点数量。

3.3.3 灵活性调节指标

调控系统灵活性资源不足风险可以从降低各类元件故障率、提高资源响应速率、增加系统可调节容量入手。对于发电机组，可以设定合理的检修策略减小机组故障率［55］，启停不同类型的水、火电机组实现充足的爬坡备用［56］，或者留有充足的可调节容量［57］。对于需求响应资源等灵活性资源，可以建立合适的电力市场机制来降低需求响应资源的用户违约率［58］，设计高效的运行控制策略以提高需求响应资源的响应速率和储能元件的响应速率［59］，制定合理的规划方案来增加需求响应资源和储能等灵活性资源的可调节容量［60］。因此，给出用户违约率（user default probability，UDP）、响应速率（response rate，RR）、可调节容量（adjustable power capacity，APC）指标，分别用RUDP、RRR、RAPC表示，即

式中：NUD为用户违约次数；
NUP为用户履约次数；
PA为在给定时间区间TA内调节的电能；
Pf，max为灵活性资源最大值；
Pf，op为实际已用的灵活性资源。用户违约率RUDP表征的是需求响应资源不能被可靠调度的概率。

3.3.4 弹性调节指标

调控弹性不足风险可以从降低极端场景下元件故障率、提高极端场景下资源响应速率以及增加极端场景下可调节容量入手。具体而言，可以从事前预防、事中响应、事后恢复3 个方面入手调控弹性不足风险［61-63］。以台风灾害为例进行说明：事前，既可以通过预判台风的移动轨迹提前加固台风可能经过的输电线路等电力元件，达到降低元件故障率的效果，又可以通过增加储能提高可调度容量；
事中，根据电网实时状态制定控制运行策略，减少失负荷量；
事后，通过合理地实行网络重构、孤岛运行方案，尽可能恢复负荷。需要强调的是，极端场景下的元件故障率、资源响应速率以及可调节容量可能与正常运行条件下的不同，需要单独考虑，但它们与灵活性三级指标的定义和计算方法相似，这里不再赘述。

3.3.5 清洁性调节指标

调控清洁性不足风险可以从提高新能源运行占比、提高碳捕集效率等方面入手。在系统运行中，新能源出力占比越高，火电机组出力占比越低，系统清洁性越好。而二氧化碳捕集与封存技术是电力系统减少碳排放的关键技术［64］，协调了化石燃料利用与碳减排之间的矛盾。因此，定义新能源运行占比ηop与碳捕集效率ηCC指标如下：

式中：Pop为新能源在给定时间区间内的发电量；
PN，op为系统电源在给定时间内的总发电量；
CC为给定时间区间内的碳捕集量；
CE为给定时间区间内系统向外界环境的碳排放量。

基于以上三级风险指标体系，本文总结了风险评估-风险跟踪（薄弱环节辨识）耦合的新型电力系统运行风险分析框架体系，如图4 所示。图4（a）展示了新型电力系统风险评估与跟踪基本流程。首先，紧扣“风险来源多样化”这一特征完成多元不确定性因素建模和系统状态生成；
接着，围绕“风险调节资源兼具可调节性和不确定性”这一特征进行系统状态分析、风险指标计算与薄弱环节辨识。图4（a）中的虚线框表明了风险特征与风险评估与跟踪流程的对应关系。图4（b）展示了新型电力系统风险评估具体步骤，包含安全性分析、灵活性分析、充裕性分析、清洁性分析、弹性分析5 个环节，具体细节将在4.1 节至4.4 节中进行介绍。图4（b）中的虚线箭头表明了在每一分析环节需要计算的指标。图4（c）介绍了新型电力系统多级风险指标跟踪与分摊具体流程，其中的虚线框标明了多级风险指标体系，具体内容将在第5 章进行介绍。

图4 适用于新型电力系统的风险评估、薄弱环节辨识流程Fig.4 Risk evaluation and weak link identification process for new power systems

4.1 多源不确定性因素建模与系统状态生成

电力系统状态主要取决于发电、负荷以及其他元件（电能传输、转换及通信控制等相关元件）的状态。本节给出考虑随机、认知、决策依赖多元属性的不确定性因素的系统状态生成方法。

4.1.1 新能源出力、水电和负荷需求建模

新能源出力、水电和负荷的不确定性可以分为中长期和短期两个时间尺度进行分析。对于中长期分析而言，新能源出力、水电与负荷的不确定性可由多状态模型［65］或者时间序列模型刻画。多状态模型采用概率-状态的映射关系枚举出新能源发电与负荷的各种潜在状态；
时间序列模型则通过抽样产生新能源出力、水电以及负荷的状态，当抽样次数多到一定程度时便足以刻画其不确定性。对于短期分析而言，一般是采用预测值加预测误差的形式刻画新能源发电、水电与负荷的不确定性，即

新能源出力、水电和负荷需求的短期分析是新型电力系统风险评估的关键。已有研究普遍认为这两者短期分析中的预测误差呈现出完全的随机性。因此，可以采用高斯分布、柯西分布、贝塔分布等典型分布函数［67］建模。然而，由于模型不准确、数据不充分等原因，选取风电出力、水电或负荷水平预测误差ε(t)的概率分布模型或其参数时具有主观性，导致出现认知不确定性［68］。

4.1.2 元件状态

元件状态常分为正常和停运两种，两种状态的概率分布取决于其故障概率（force outage rate，FOR）。大量研究表明，元件的故障概率可能受天气因素影响［69-71］。特别是架空线路等暴露于外部环境的元件，在恶劣天气下的故障率可能会提高数倍。因此，可基于数理统计、机理分析等方法［70］，建立计及雷电、暴雪和强风等天气影响的元件故障概率模型。

元件故障率不仅受到外部环境的影响，还取决于其运行条件，以输电线路为例，过高的负载水平将提高其故障率［72-73］。同时，元件的运行条件取决于系统的运行决策，为应对新能源的不确定性与波动性，新型电力系统往往需要频繁决策，持续调整系统运行状态，进而导致元件的运行条件不断发生变化。在这种背景下，受运行条件驱动的元件故障率不再是一个常数，而是与决策变量相关的变量，进而导致元件状态具有决策依赖不确定性。例如，运行决策（如启停机等）将显著改变系统潮流进而改变元件的载荷状态，从而影响元件故障概率RF。因此，元件故障概率将是机组组合等运行决策的函数［74］，即

式中：u为机组启停机决策；
v为影响机组故障率的其他因素；
g表示机组启停机决策与其他因素对机组故障概率的映射关系。

在获得元件故障概率后，可以通过两状态模型刻画元件状态的概率分布情况，也可以基于抽样方法获取元件状态的大量抽样结果，进而为系统风险的分析奠定基础。若需考虑受限运行（等值停运）状态，可通过马尔可夫模型［75］、通用生成函数［76］等方法建立元件多状态模型。

4.1.3 计及多源不确定性的系统状态生成

系统状态本质上是新能源出力、水电和负荷需求、元件状态等的组合结果。如前文所述，新能源出力、负荷需求、元件状态等可能同时兼具随机不确定性、认知不确定性、决策依赖不确定性。在这种情况下，本文总结出兼容多源不确定性的系统状态生成方法，如图5 所示。首先，考虑认知不确定性，采用证据理论或双层蒙特卡洛模拟方法选取元件的可靠性参数［68］；
然后，考虑系统实际运行决策的影响，构建决策对模型参数的映射关系（式（38））；
最后，基于确定的模型，使用蒙特卡洛抽样等方法产生元件、新能源出力、水电和负荷需求等状态。

图5 计及多源不确定性因素的系统状态产生过程Fig.5 Generation procedure of system states considering multi-source uncertainties

4.2 新型电力系统风险指标计算方法

4.2.1 基于系统状态分析的一级风险指标计算

本文总结出新型电力系统一级风险指标计算流程，如图4（b）所示。基本步骤如下：

步骤1：产生系统状态；

步骤2：建立系统安全域模型；

步骤3：根据安全域判断该状态是否满足安全性，若不满足则进行安全性分析，否则进行步骤4；

步骤4：进行最优潮流分析；

步骤5：判断是否满足爬坡要求，若该状态不满足则进行灵活性分析，否则进行步骤6；

步骤6：判断是否满足容量要求，若该状态不满足则进行充裕性分析，否则进行步骤7；

步骤7：综合安全性、灵活性、充裕性分析结果进行清洁性分析；

步骤8：综合安全性、灵活性、充裕性分析和清洁性结果进行极端事件判断，若该状态概率极小但后果严重则进行弹性分析；

步骤9：累积一级风险指标，包括切负荷量、新能源和水电无法消纳量、碳排放量；

步骤10：判断是否已分析所有状态，若仍有状态未分析完则返回步骤1，否则进行下一步；

步骤11：输出风险指标。

综合各状态下由安全性、灵活性或充裕性分析得到的切负荷量，便可结合公式得到切负荷类一级指标。同理，综合各状态下的弃风/弃光/弃水量可以得到弃风/弃光类一级指标。由清洁性分析结果得到碳排放一级指标。

此外，上述计算流程一般只计及火电和水电［77］等常规机组出力和切负荷等决策。而新型电力系统中，规划和运行中的决策变量不局限于传统机组出力控制，还包括储能充放电［78］，甚至将具有不确定性的风险调控资源也纳入决策，如新能源出力控制［79-80］、需求响应［81］等，限于篇幅不在此展开。

4.2.2 二级风险指标计算

如4.2.1 节所讨论的，在系统状态分析的过程中，可分析每个系统状态的安全性、灵活性以及充裕性，得到对应的二级风险量化指标。通过安全性、灵活性或充裕性分析得到的碳捕集量和碳排放量，可计算碳中和率等清洁性二级风险指标。

4.2.3 三级风险指标计算

电力系统三级风险指标对应于系统属性，反映不同调控资源的性质，不依赖于系统状态分析过程。使用3.3 节指标计算公式即可得到。

4.3 新型电力系统风险评估的加速算法

新型电力系统风险评估面临不确定性因素众多、系统状态数量巨大、决策与风险耦合导致状态分析复杂等问题，这导致风险评估的计算复杂度极高。同时，新型电力系统供需波动显著，需要实时感知系统风险。因此，对于系统风险评估的计算效率提出了更高要求。针对新型电力系统风险评估的具体流程，可以从以下两个环节着手提高效率。

4.3.1 从状态产生环节提高计算效率

对应于不同的状态产生方法，提高计算效率的手段也有所不同。基于解析法的风险评估可以采用状态截断方法减少计算的系统状态数目［82］。基于模拟法的风险评估可以基于方差缩减的思想，减少抽样次数从而缩短计算时间，具体方法包括重要性抽样、分层抽样和控制变量等方法［83］。

4.3.2 从系统状态分析环节提高计算效率

为减轻系统状态分析的计算负担，可以从以下3 个方面入手：1）在进行优化求解之前，使用机器学习等人工智能方法［84-85］判断系统状态是否面临风险，只对有风险的状态进行优化求解，从而跳过大部分系统状态计算；
2）改进优化模型，比如去除优化模型中的冗余约束［86］，提高状态分析时优化求解的速度；
3）计算系统状态时避免进行优化求解，改用多参数线性规划［87］、基于拉格朗日乘子法的状态枚举法［88］等方法计算系统状态。

风险跟踪是指将风险指标分摊到导致风险产生的对象，量化各对象或者各对象的具体参数对系统风险的“贡献”，进而辨识出系统薄弱环节，为系统风险的预防控制提供量化决策依据［89-90］。

5.1 三级薄弱环节辨识体系

基于所梳理的三级风险指标体系，本节讨论新型电力系统风险跟踪、薄弱环节辨识的理念以及具体流程。如图4（c）所示，风险跟踪以及薄弱环节辨识主要涉及一级指标向二级指标的分摊以及二级指标向三级指标的分摊。

首先，将基于系统状态分析得到的一级风险指标分摊至二级风险指标，实现系统风险表现“是什么”到风险产生原因“为什么”的分摊，即揭示系统风险产生是系统哪方面的属性不足引起的（充裕性不足、灵活性不足等）。然后，将二级风险指标分摊至三级风险指标，将风险产生原因进一步分摊至对象或对象的具体参数上（常规机组故障率、新能源发电风光互补性、需求响应违约率等），从而回答控制系统风险应该“怎么做”。

5.2 各级指标的跟踪与分摊方法

5.2.1 比例分摊法

比例分摊法以往应用于电力系统的可靠性跟踪［91］，该方法遵循两个基本准则：1）系统的不可靠性由故障元件承担，即正常运行元件不参与系统可靠性指标的分摊；
2）元件对系统可靠性指标的分摊按比例进行，即采用比例分摊原则。

若系统某一失效事件k导致的切负荷应由故障元件Y1和Y2承担责任；
设φ(k→1)和φ(k→2)分别表示元件Y1和Y2分摊的切负荷指标，有

式中：φ1和φ2分别代表失效事件k仅与元件Y1有关的部分和仅与元件Y2有关的部分；
CR1和CR2分别表示元件Y1和Y2的性能变量［92］。

5.2.2 人工智能类方法

虽然比例分摊法简单易用，但需要基于合适的分摊准则，否则分摊结果难以令人信服。人工智能类方法用于建立那些难于用解析规则描述的不同层级指标之间 函数关系［93-94］，为风险指标的分摊提供了新的思 。

建立风 逐级分摊函数关系包含两个步骤。首先，产生高维数据样本。对于每一个系统状态i，计算出其对应的一级指标和，二 级 指 标，三级指标。其中，M和N分别为二、三级指标的数量。接着，生成风险逐级分摊函数。基于电力系统风险分摊呈现出风险异质多元、因果关系清晰的特征，以因果推断为基础思想，选择因果网络学习、Meta 分析、回归分析等模型，将电力系统每一运行状态下的高维数据样本输入模型中，生成风险逐级分摊函数。例如，一级风险指标至二级风险指标的风险分摊函数应具备下述形式：

为准确评估未来新型电力系统风险，揭示风险评估中面临的挑战性问题并探索一套较为完整的研究框架对保障系统安全可靠运行具有重要意义。本文面向新型电力系统，论述了一套较为完整的风险评估理论体系：从新型电力系统的风险定义出发，分析了新型电力系统的3 个主要风险特征；
根据多种风险表现形式，梳理了风险评估三级指标体系；
总结出计及多元不确定性因素的新型电力系统风险评估框架，给出了多级风险指标计算方法。最后，探讨了新型电力系统三级薄弱环节辨识体系，介绍了两类薄弱环节辨识方法。进一步的研究工作可以考虑就具体的研究对象，分别从指标、评估和分摊的角度定制高效的风险评估方法。

猜你喜欢分摊不确定性元件法律的两种不确定性法律方法(2022年2期)2022-10-20房产测绘的共有建筑面积分摊方法和实践分析中国房地产业(2022年33期)2022-02-14英镑或继续面临不确定性风险中国外汇(2019年7期)2019-07-13具有不可测动态不确定性非线性系统的控制系统工程与电子技术(2016年4期)2016-08-24QFN元件的返工指南现代工业经济和信息化(2016年2期)2016-05-17在新兴产业看小元件如何发挥大作用电子工业专用设备(2015年4期)2015-05-26宝马i3高电压元件介绍(上)汽车维修与保养(2015年8期)2015-04-17共同配送下成本分摊影响因素的计算实验研究浙江理工大学学报(自然科学版)(2015年2期)2015-03-01基于潮流跟踪的网损分摊新方法电测与仪表(2014年3期)2014-04-04河北省城市碳排放责任分摊模型及实证研究电力需求侧管理(2014年5期)2014-03-20