基于CVaR分析的新能源配电网电压风险评估模型

基于CVaR分析的新能源配电网电压风险评估模型

吴帆;邬智江;吴杰康;唐惠玲;陈灵敏

【摘要】针对风光等分布式新能源大规模接入给配电网带来反向潮流而造成的电压波动大、局部区域电压偏高的问题,在传统配电网运行风险评估理论的基础上,结合分布式电源、电动汽车和负荷概率模型,采用严重度函数描述了电压偏高、偏低的风险,构建节点电压偏高、偏低的严重性函数.将传统风险评估理论的事故风险评估替换为基于条件风险价值(CVaR)模型,提出了考虑电动汽车和负荷不确定性的事故冲击和损失计算方法,建立了电压波动的CVaR风险指标,提出了分布式电源发电功率、电动汽车充放电功率的特殊函数的估计方法.以IEEE33系统为计算实例,计算了正常运行和预期故障线路2种情况下的电压波动的CVaR风险值,验证了该方法的可行性和适用性.

【期刊名称】《江苏电机工程》

【年(卷),期】2019(038)004

【总页数】7页(P131-137)

【关键词】新能源配电网;电压风险评估;CVaR分析;分布式电源;电动汽车;储能【作者】吴帆;邬智江;吴杰康;唐惠玲;陈灵敏

【作者单位】广西博阳电力勘察设计有限公司,广西南宁530028;广东工业大学自动化学院,广东广州510006;广东省计量科学研究院,广东广州510405;广东工业大学自动化学院,广东广州510006;广东工业大学自动化学院,广东广州510006;广东工业大学自动化学院,广东广州510006

【正文语种】中文

【中图分类】TM744

0 引言

对于分布式发电系统和电动汽车来说，以更快的速度进入配电系统是一个重要的趋势。这一趋势将给分布式电源和电动汽车充电的协调带来很大困难，可能导致配电系统频繁过载和更高的功率损耗。因此，研究一种能有效协调分布式电源和电动汽车充电的技术是非常必要的。

近年来，分布式电源系统和电动汽车在不同的节点注入及其优化协调问题引起了人们的广泛关注。比如，一些专家和学者对电动汽车最佳渗透[1]和充电对配电网的影响[2]进行了深入研究；一些学者研究了智能计量和需求侧管理在配电系统中的应用，以实现充电协调[3]，这可能改变充电对配电系统的影响；一些学者研究了一种通过协调电动汽车充电来降低配电系统功率损失的方法[4—5]；一些学者提出了一些基于最小化充电成本的电动汽车充电控制方案[6]。然而，这些研究几乎未考虑电动汽车充电需求的峰值负荷和不确定性影响。一般情况下，电动汽车充电的不确定性很大，对配电网功率损耗和节点电压的影响也很大。电动汽车充电的不确定性取决于电池特性、荷电状态、行驶距离、到达时间、出发时间、充电器额定值等因素。同时，分布式电源输出功率往往也是不确定的，对配电系统的功率损耗和节点电压也有很大的影响。

配电网失电所带来的风险是由不确定因素引起的潜在损失来描述的。这些不确定因素包括潮流变化和潮流转移等，在许多情况下可能导致功率损失的增加，严重时功率损耗会显著增加。为了评估分布式电源发电和电动汽车充电造成的潜在后果，一般采用基于风险值(value of risk，VaR)的风险度量方法来描述这些后果或损失。

风险值评估是一种通用风险测量技术[7]。基于VaR的方法不仅在金融领域得到了广泛的应用，而且在电力市场、发电成本等领域也得到了广泛的应用。近年来，基于条件风险价值(contditional value of risk,CVaR)的风险评估方法也在电力系统

获得了应用，比如考虑到风力发电机的随机性，采用基于CVaR的方法[7—14]计算了与配电系统相连的风力发电机电网的最佳极限容量；采用基于CVaR风险的

方法研究具有不确定性和需求响应的风电光伏储能系统动态优化调度[9]、鲁棒协

调储备调度、随机机组组合[11—12]等。

考虑到电压波动引起的运行风险，将传统风险评估理论中的事故风险评估模型，结合分布式电源、电动汽车和负荷的概率模型，改用CVaR模型，并考虑到其不确

定性，提出了事故影响和损失的计算方法。

1 新能源配电网的风险严重性

1.1 风险的可能性

传统上，电力系统的安全风险由2个因素决定：事故发生的可能性和事故的严重性。与传统的确定性安全评价相比，风险评价不仅考虑事故的后果，而且考虑事故发生的概率，是确定性评价的延伸，能全面反映事故的危害性。风险计算的一般公式为[12—15]：

Rrisk(Xt,f)=Rrisk(Xt,f)=

(1)

式中：Xt,f为系统在t时刻的运行方式f；Xt,j为系统在t时刻第j种可能的运行工况；P(Xt,jXt,f)为系统在t时刻运行工况Xt,j发生的概率；Ei为第i个故障工况；

P(Ei)为第i个故障工况发生的概率；Ser(Ei,Xt,j)为系统在运行工况Xt,j和故障Ei下损失的严重程度。

一方面，风险产生的可能性来自电网故障的可能性。对于电网故障的模拟，可以根据统计历史数据得到历年的所有故障情况，并用故障集E={E1,E2,…,En}进行保存。

通过计算所有故障和单个故障的数量，可以近似地得到特定电网中某一故障事件发生的概率。当历史数据不足时，可以用蒙特卡罗方法模拟线路、变压器、发电机等电力系统元件的故障率，系统部件的故障率应根据系统的实际情况确定，然后，根据传统方法计算电网故障概率。最后，对仿真中出现的所有故障进行了统计，生成了电网故障集E={E1,E2,…,En}。

另一方面，风险因素主要来自运行条件的变化。传统配电网运行条件的变化主要表现在线路运行方式(双线或单线)、开断状态等方面。在实践中，上述操作条件变化不大，并在一段时间内保持不变。在有分布式电源和电动汽车的配电网中，运行条件的变化主要是分布式电源输出、电动汽车充电功率和负荷波动的变化，可以用蒙特卡罗方法模拟。

1.2 电压波动风险的严重程度

在风险理论中，严重性函数通常用来描述电力系统故障后的破坏程度。不同类型的故障会产生不同的风险，并由不同的严重性功能来描述。文中采用不同的严重度函数分别描述了电压超限风险、线路过载风险、失电风险和负荷损失风险4种风险类型的危害。

电压风险指数的严重程度用Ser,V(Vi)表示，Vi为节点i电压的实际值。超出允许范围的电压可分为两类，一类是电压高于允许值，另一类是低于允许值。文中使用图1、图2所示的2个严重性函数来表示电压偏离额定值的严重性。在图1和图2中，严重度函数的横坐标表示实际电压与额定电压幅度之比，纵坐标表示电压风险的严重性。在低电压风险严重度功能中，当实际电压幅度低于额定电压时，风险开始发生，当最小电压允许值为0.95时，风险严重度达到1。低电压的危险程度与电压幅度近似呈线性关系。高压风险在高于额定电压1时开始，在最大允许电压为1.05时严重性达到1。电压危险度函数的数学表达式如下：

(2)

(3)

式中： Ser,HV(Vi)，Ser,LV(Vi)分别为节点i电压Vi偏高、偏低的严重性函数；KHV，AHV，BHV为高电压严重性函数的系数；KLV，ALV，BLV为低电压严重性函数的系数，均为常数，且AHV>0，ALV>0。

图1 低电压风险严重度函数Fig.1 Severity function for low voltage risk

图2 高电压风险严重度函数Fig.2 Severity function for high voltage risk

2 基于CVaR风险度量的配电系统电压风险指标

2.1 CVaR风险值计算方法

VaR是目前应用非常广泛的一种风险管理方法，其利用损失分布的α分位数对风险对象进行评估，可用于估计某一决策或电网配置在未来特定时间段内的最大可能损失值。VaR原理简单，应用方便，容易实现，但忽略了厚尾事件，使风险评估偏于理想。CVaR对损失分布中超过VaR值的部分进行评估，充分考虑事件超出某一限值后所遭受的损失，能够有效地评估该事件的潜在风险，同时CVaR是一致性风险，因此广泛应用于各种风险评估中。

设X为投资组合策略，ρ(X)为该投资组合的风险度量值，f(x,y)为由决策变量x和随机变量y决定的损失函数，其中随机变量y有概率密度函数p(x)，则f(x,y)不超过给定损失限额β的概率为：

(4)

式中：ψ(x,α)为投资损失的概率；α为置信水平；β为投资损失的限额。

(5)

式中：ρ(X)为风险值；kCVaR(α)为超过kVaR(α)的平均值的风险值；kVaR(α)为在置信水平α制约下使得损失值不超过一定量的风险值。

(6)

对于一般的分布函数，VaR与CVaR的计算往往非常困难，文献[16]提出了一种计算风险值的方法，该方法首先构造特殊函数Fα(x,β)[16]：

(7)

然后，最小化函数Fα(x,β)的函数值：

kVaR(α,β)=βα(f(x,y))=argmin(β)(Fα(x,β))

(8)

kCVaR(α,X)=min(Fα(x,β))

(9)

式中：argmin(β)(Fα(x,β))为取Fα(x,β)最小值时β的值。

在计算中，使Fα(x,β)的函数值最小即可计算得到事件的CVaR风险值，而Fα(x,β)取得最小值时相应的β即为事件的VaR风险值。

2.2 电压波动CVaR风险分析

在传统电力系统风险评估中，通常采用事故概率与事故后果严重程度的乘积。风险发生概率包括两个方面，即事故发生概率和运行条件的变化。对于运行条件变化引起的风险，文中称之为故障后果，其表达式如下：

(10)

式(10)表明，在计算故障后果(运行条件变化引起的风险值)时，有必要将各种运行条件的概率及其对应的严重性值相乘。然而，在有分布式电源和电动汽车的配电网

中，由于分布式电源输出功率的不确定性、电动汽车充电的不确定性和负荷的不确定性，使得配电网的运行状况存在着多种情况，几乎不可能枚举，非常复杂，很难用常规方法计算。

通过对CVaR模型[16—18]与传统配电系统风险理论的比较可以看出，当CVaR 置信度为零时，计算故障后果是一个特例。因此，将式(7)表示的结果转化为CVaR模型，并用CVaR模型的常用方法求解，可以很容易地计算出配电网中某些故障对分布式电源和电动汽车的影响。

设PDG={PDG1,PDG2,…,PDGk}(k为分布式电源的数量)为分布式发电的功率输出集和电网中的决策变量，服从某种概率密度分布函数。由于分布式发电的功率输出主要受能源的影响，且不确定，因此每个分布式发电的功率输出被视为与能源相关的随机变量，如风力发电机的风速和光伏电池的太阳强度。因此，分布式电源输出功率的随机因子集为：yDG={yDG1,yDG2,…,yDGk}。

设PEV={PEV1,PEV2,…,PEVm}(m为电动汽车的数量)为电动汽车充电站的充电功率集，服从某种概率密度分布函数。因此，电动汽车的充电功率是一个随机因素，用yEV=PEV表示。在配电网中，电力负荷随时刻变化，其服从某种概率密度分布函数，是一个随机因素，用yLG={yLG1,yLG2,…,yLGn}表示，其中n是系统中负荷节点的个数。具有分布式电源和电动汽车的大型配电网的随机因素可以表示为y={yDG,yEV,yLD}。

2.3 电压波动CVaR风险指数

随机因素y干扰下节点电压风险为：

(11)

式中：Cer,Vi为节点i电压风险；P(Vi)，Ser,V(Vi)分别为在一定运行条件下电压值Vi的概率和严重性。

为了求解式(11)的电压风险，首先对CVaR模型进行了修正。根据CVaR模型，损耗函数可以用电压的严重性函数表示，电压偏低或偏高的严重性函数fVi(P,y)可表示为：

fVi(P,y)=max{Ser,HV(Vi),Ser,LV(Vi)}

(12)

式中：P为分布式电源发电功率或电动汽车充放电功率。

Vi应满足如下潮流等约束条件：

PDGi-PLDi-PEVi

(13)

aDGiPDGi-PLDi-aEViPEVi

(14)

式中：Gij和Bij分别为配电网节点i和j之间的电导和导纳；θij为节点i和j之间电压的相角差，θij=θi-θj；Ω(i)为与节点i相连的一组节点。

aDGi=tan(cos-1(λDGi))

(15)

aEVi=tan(cos-1(λEVi))

(16)

式中：λDGi，λEVi分别为分布式电源和电动汽车功率因素；aDGi，aEVi分别为与分布式电源和电动汽车功率因素相关的系数。

根据式(9)的损失函数，可以构建针对分布式电源发电功率的特殊函数

Fα,Vi(PDG,β)：

(17)

式中：pDG(y)为分布式电源发电功率的概率密度函数；RDG为分布式电源发电功

率的集合。

可以构建针对电动汽车充放电功率的特殊函数Fα,Vi(PEV,β)：

(18)

式中：pEV(y)为电动汽车充放电功率的概率密度函数；REV为电动汽车充放电功率的集合。

针对分布式电源发电功率的特殊函数的估计值为：

(19)

式中：N是配电网节点数。

针对电动汽车充放电功率的特殊函数的估计值为：

(20)

电压风险可通过以下式子计算：

(22)

式中：为节点i电压的CVaR风险值。

根据式(1)，基于CVaR的配电网运行电压风险指数为：

(23)

式中：Rrisk,Vi为节点i的电压风险。

可以得出整个配电系统电压CVaR风险指数：

(24)

式中：ωi是每个节点电压风险的权重值。

3 实例计算与分析

以图3所示的IEEE 33系统为研究实例，计算了具有分布式电源和电动汽车的配电系统电压波动、线路过载、功率损耗和负载损耗的风险指标。节点18接风力发电机，光伏电池和生物质能分别接节点33，容量分别为1 MW，0.2 MW和0.3 MW，电动汽车接节点5、10和25，电动汽车总数为2 000辆。各风力发电机的风速概率密度和输出功率概率模型分别如图4和图5所示。光伏发电单组(1 MW)光伏电池光强和输出功率的概率密度如图6和图7所示。电动汽车的日行驶里程、充电时间概率模型和充电概率分布如图8、图9和图10所示。日负荷功率曲线如图11所示。

图3 IEEE 33 配电系统Fig.3 IEEE 33 distribution system

图4 风速的概率分布Fig.4 Probability distribution of wind speed

图5 风电机组输出功率的概率分布Fig.5 Probability distribution of power output of a wind-driven generator

图6 日照强度的概率分布Fig.6 Probability distribution of light intensity

图7 光伏发电系统输出功率的概率分布Fig.7 Probability distribution of power output of single PV

图8 电动汽车每日行驶里程的概率分布Fig.8 Probability distribution of daily travel mileage for EV

图9 电动汽车充电时间的概率分布Fig.9 Probability distribution of charging time for EV

图10 电动汽车充电功率的概率分布Fig.10 Probability distribution of charging power for EV

图11 日负荷曲线Fig.11 Load power curve in a day

风机参数如下：切入速度vci=3 m/s，额定速度ve=12m/s，切出速度

vout=25m/s。风速威布尔参数为：尺度参数C=2.110 9；形状参数K=11.680 6。光照强度的beta分布参数为：α=2.470 9，β=2.4；光伏电池的参数如下：太阳

能方阵面积16 000 m2，光电转换效率η0=14。电动汽车日行驶里程参数设置为电池充电特性参数设置为E0=1.053Un，K=0.008 13Un/Q，A=0.084 75 Un，

B=60.017 4/Q，R=0.01Un/Q，ic=1.5C，Un为电池标称电压取为384 V，

Q=80 A·h。负荷波动参数设置：均值为该负荷点的负荷大小，方差为负荷点负荷大小的0.05，线路故障率为0.000 5次/(km·a-1)，变压器故障率为0.015次/a。采用蒙特卡罗模拟系统故障，模拟次数为50万次。

在正常运行条件下，不确定性的存在仍会带来风险。表1为12:00～13:00和

21:00～22:00期间IEEE 33系统正常运行时电压波动引起的CVaR风险值，其中

配电系统故障概率为99.57%。在表1中，12:00～13:00期间的负载功率不高，

电动汽车充电功率小，分布式电源输出功率大。因此，IEEE33配电系统电压波动

引起的CVaR风险值较低，CVaR风险值为0.295 7。21:00～22:00期间，负荷功率接近峰值，光伏电池无电，仅利用生物质能源发电。此时，多辆电动汽车的充电提高了负荷功率水平，导致配电网电压较小。节点31、32、33电压波动引起的CVaR风险较高，CVaR风险值为0.437 8。

表1 IEEE33系统正常运行时电压波动引起的CVaR风险值Table 1 CVaR risk value due to voltage fluctuation in IEEE33 system under normal operation

节点CVaR风险值12:00～13:0021:00～22:00节点CVaR风险值12:00～

13:0021:00～22:0010.398 30.398 3180.579 40.604 520.360 00.347 3190.351 60.337 230.183 80.108 8200.294 40.268 940.106 00.048 2210.283 10.255 550.069 80.113 3220.272 90.243 360.152 30.363 0230.120 10.038 770.177 10.397 3240.030 40.116 180.214 10.446 2250.066 20.199 190.262 00.488

6260.165 90.392 4100.309 90.521 9270.187 30.431 0110.316 40.522 1280.301 30.604 8120.328 40.520 1290.382 30.728 1130.386 70.518 1300.412 00.777 9140.413 90.529 9310.418 40.817 2150.440 00.538 1320.413 10.821 3160.473 30.550 5330.393 40.810 5170.552 60.589

1All0.297 50.437 8

根据模拟数据，节点5和6、节点6和7、节点8和9之间线段的失效概率最高。在节点8和9之间线段故障后分为2个独立系统，如图12所示。由主电源供电部分运行良好，由风电供电部分运行良好。由于风电机组输出功率的不确定性，会损失一定的负载功率，因此这部分电压波动的风险很大。

图12 节点8和9之间线段故障退出时IEEE 33系统Fig.12 A outage occurred

in line 8—9 of IEEE 33 distribution system

在计算电压风险值时，电压波动百分率允许值是5%，最小电压允许值为0.95或

者最大电压允许值为1.05时，CVaR风险值为1。

当电压为0.95或1.05时，CVaR风险值为1；电压为1时CVaR风险值为0；当电压在0.95至1之间或1至1.05之间变化时，CVaR风险值在0至1之间变化。如果预知运行中或发生故障时电压风险值接近或达到1时应该调整电网运行方式

或采取必要的电压控制措施。可以根据实际运行场景和条件，设定在电压风险值接近0.8时调整电网运行方式或采取必要的电压控制措施。

4 结语

(1) 在新能源环境下，分布式电源发电和电动汽车充电的不确定性，造成电压波动，也给配电网带来了风险。

(2) 针对分布式电源发电和电动汽车充电的随机性和不确定性而使电网处于不同的运行条件和状态，通过将这种随机性和不确定性的计算公式转化为CVaR模型，

然后构造特殊函数及其估计值式，按一定置信度求解电压波动的CVaR风险值，

计算简单而且适用性好。

(3) 分布式电源发电往往导致反向潮流时，使配电网局部电压升高，形成较大的电压CVaR风险值较大。电动汽车充电加大了电压CVaR风险，增加了电压CVaR

风险值，在高峰负荷时电动汽车充电更加大电压CVaR风险。

参考文献：

【相关文献】

[1] HAJIMIRAGHA A H，CANIZARES C A，FOWLER M W，et al. A robust optimization approach for planning the transition to plug-in hybrid electric vehicles[J]. IEEE Transactions on Power Systems，2011，26(4)：2264-2274.

[2] GOMEZ J C，MORCOS M M. Impact of EV battery chargers on the power quality of distribution systems[J]. IEEE Transactions on Power Delivery，2003，18(3)：975-981. [3] HAJIMIRAGHA A，CANIZARES C A，FOWLER M W，et al. Optimal transition to plug-in hybrid electric vehicles in Ontario, Canada, considering the electricity-grid limitations[J]. IEEE Transactions on Industrial Electronics，2010，57(2)：690-701.

[4] DEILAMI S，MASOUM A S，MOSES P，et al. Realtime coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage profile[J]. IEEE Transactions on Smart Grid，2011，2(3)：456-467.

[5] SORTOMME E，HINDI M M，MACPHERSON S D J，et al. Coordinated charging of plug-in hybrid electric vehicles to minimize distribution system losses[J]. IEEE Transactions on Smart Grid，2011，2(1)：198-205.

[6] QIAN K，ZHOU C，ALLAN M，et al. Modeling of load demand due to EV battery charging in distribution systems[J]. IEEE Transactions on Power Systems，2011，26(2)：802-810.

[7] WU JIEKANG，WU ZHIJIANG， WU FAn，et al. CVaR risk-based optimization framework for renewable energy management in distribution systems with DGs and EVs[J]. Energy，2018，143：323-336.

[8] TAN Z F，WANG G，JU L W，et al. Application of CVaR risk aversion approach in the dynamical scheduling optimization model for virtual power plant connected with wind-photovoltaic-energy storage system with uncertainties and demand response[J]. Energy，2017，124：198-213.

[9] WANG Z，BIAN Q Y，XIN H H，et al. A distributionally robust co-ordinated reserve scheduling model considering CVaR-based wind power reserve requirements[J]. IEEE Transactions on Sustainable Energy，2016，7(2)：625 - 636.

[10] MIGUEL A，JAVIER C. Stochastic unit commitment in isolated systems with renewable penetration under CVaR assessment[J]. IEEE Transactions on Smart Grid，2016，7(3)：1356-1367.

[11] MOHAMMAD A M A A，SHOKRI Z S. Risk-averse multi-product selective newsvendor problem with different market entry scenarios under CVaR criterion[J]. Computers & Industrial Engineering，2017，103(1)：250-261.

[12] MADALINA D，ANTOINE L，KHALED S. Approximation of CVaR minimization for hedging under exponential-Lévy models[J]. Journal of Computational and Applied Mathematics，2017，326(1)：171-182.

[13] ZHANG T T，LIU Z F. Fireworks algorithm for mean-VaR/CVaR models[J]. Physica A: Statistical Mechanics and its Applications，2017，483(1)：1-8.

[14] BALBS A，BALBS B，BALBS R. VaR as the CVaR sensitivity: applications in risk optimization[J]. Journal of Compu-tational and Applied Mathematics，2017，309(1)：175-185.

[15] LEE C，ROBERT E H，RYAN B L． Integrated risk management and the role of the risk manager[J]. Risk Management and Insurance Review，1999，2(3)：43-61.

[16] 谢佳利． VaR与CVaR样本分位数估计精度的研究[D]．桂林：广西师范大学，2009．

XIE Jiali. Research on quantile estimation accuracy of VaR and CVaR samples[D]. Guilin：Guangxi Normal University，2009.

[17] ROCKFELLER T，URVASEV S. Conditional value-at-risk for general loss

distribution[J]． Journal of Banking & Finance，2002，26(7)：1443-1471.

[18] CHEN J L，LI S H. Application of CVaR risk measurement model in investment portfolio[J]. Operational Research and Management，2004，13(1)：95-99.

考虑分布式电源对配电网电压影响的风险评估研究

考虑分布式电源对配电网电压影响的风险评估研究 考虑分布式电源对配电网电压影响的风险评估研究 摘要：随着能源转型和可再生能源的快速发展，分布式电源逐渐成为配电网的重要组成部分。然而，大规模的分布式电源接入可能会对配电网的电压稳定性产生负面影响。因此，本研究通过对分布式电源接入和配电网电压关系的风险评估，旨在提供一种可行的方法来评估和管理分布式电源对配电网电压的影响。 1.引言 随着环境保护和能源可持续发展的要求，分布式电源的接入量越来越大，如太阳能光伏发电、风力发电和生物质发电等。虽然分布式电源具有许多优点，例如节约传输损耗和减少对传统能源的依赖，但随之而来的电压波动和电压质量问题给配电网的稳定运行带来了新的挑战。 2.风险评估方法 在这项研究中，采用风险评估的方法，包括以下几个步骤：（1）数据收集和分析：收集配电网拓扑结构、负荷数据和分布式电源数据，并进行统计和分析。 （2）电压稳定性分析：使用潮流计算方法，分析分布式电源接入后的电压稳定性情况。 （3）风险评估模型建立：基于电压稳定性分析结果，建立风险评估模型，考虑电压波动和电压变化范围等因素。 （4）风险评估与管理：对配电网中潜在的风险进行评估和管理，提出相应的解决措施。 3.风险评估结果 基于风险评估模型的分析，我们发现分布式电源接入对配电网

的电压稳定性确实产生了影响。具体而言，当分布式电源接入量较大时，配电网中的电压波动较大，电压超出合理范围的概率也会增加。这需要配电网的运行管理人员采取相应的措施来应对这些风险。 同时，我们还发现电压稳定性与分布式电源接入容量和接入位置密切相关。接入容量的过大或过小都会增加配电网的电压波动风险，而分布式电源接入位置的选择也会对电压的稳定性产生影响。 4.风险管理对策 针对分布式电源对配电网电压影响的风险，我们提出以下几个对策： （1）合理规划分布式电源接入容量，避免过大或过小的接入容量。 （2）优化分布式电源接入位置，选择那些对配电网电压影响较小的位置。 （3）加强配电网监测与控制，提高对电压波动的实时监测能力。 （4）改进配电网调度策略，根据实际情况对分布式电源进行灵活控制。 5.结论 本研究通过对分布式电源对配电网电压影响的风险评估，揭示了分布式电源接入对配电网电压稳定性的负面影响，并提出了相应的管理对策。这对于配电网的稳定运行和可靠性提供了重要的参考和指导。然而，需要进一步研究和实践来完善和验证这些风险评估模型和管理对策。同时，我们也需要密切关注技术创新和政策支持，以促进分布式电源与配电网的有机融合，实现可持续能源的高效利用

光伏发电并网运行风险评估

光伏发电并网运行风险评估 摘要：随着我国城市发展的迅速，对于能源的续期也日益增长，尤其是电力能源能使呈现供不应求的状态。但是不同地区受所在地区条件的限制，很多水力火力发电难以开展工作，因此风力光伏发电成为一大电力能源供应方式。随着风力和光伏发电的发电容量增长，很多电力网络中国新能源占比持续提升，因此对于电力网络的发展也是一种趋势。而光伏发电具有环保稳定的特点，是当前一种较为前沿的技术方式，但是由于受到环境的影响，依旧存在很多不确定因素影响到光伏发电系统的稳定性。因此对于光伏发电系统中的不确定因素进行分析，从而确定其风险整定值，通过对应的方式将其整定值实现数字化，从而为光伏电网的稳定运行提供助力。 关键词：光伏电网；风险因素；并网运行；因素评估 1 前言 随着分布式电源的逐步推广，当前的很多局域式电网已经难以适应当前的电源环境，因此随之而生的就是大电网布置，但是分布式电源和大电网之间也存在着融合问题，因此往往采用微电网来应对当前挑战。微电网顾名思义就是微电网供电系统，主要是应用多个分布式电源、储能装置和相关负荷及监控等装置组合的一种协调式发电系统[1]。对于该项发电系统，具有自我控制，并能够实现有效的自我管理和自我保护的特点。 光伏发电系统作为当前新型电力系统的重要组分，在保障区域用电的效能上发挥中重要的作用。为更好的实现光伏发电并网运行系统的稳定运行，本文对该系统的相关风险因素进行评估，从源头上做好系统的预警机制，并采用智能技术实现风险评估并进行处理，从而使系统能够对当前的运行状态做出有效决策[2]。 2 光伏电网并网运行风险研究现状

光伏电网并网运行过程中，存在一些影响其稳定性的风险因素，因此需要采 用科学有效的技术手段对其中的风险进行分析，从而找到影响较为重要的额因素，并结合相关评估数据得到较为由价值的决策，并以此实现决策实现和光伏电网架 构的调整，从而助推微电网能够实现智能化运行。在当前的光伏电网并网运行风 险评估中，很多学者应取得有效的成果和突破。在上述研究中，对于光伏电网并 网运行主要是从风发电和光伏发电等分布式电源开展其电力功率的不确定性展开 分析，同时针对负荷随机性和网络结构的复杂性也展开研究，在一定条件下还需 要开展对微电网保护和设备故障的不确定性、自然灾害等人为因素展开分析[3]。 在上述风险评估中，当前较为有效的解决措施主要包括：确定性方法-假定法， 主要在一定条件下，假定系统可能出现的故障，在每一个故障下找到当前系统可 能存在的运行越限，例如存在N-1静态安全分析等，同时还需要开展对光伏发电 并网运行系统的经济型和可靠性分析，针对其网络风险指数等，从而衡量电网结 构的合理程度，并以此数据作为基础来建立电网规划模型。除上述研究外，还需 要对投资成本，运行成本等成本进行综合考虑，根据分布式电源的情况，建立分 布式电源选址模型和概率分析配电网风险评估模型，从而量化风险大小。 3 光伏发电并网运行的风险 3.1 风险定义及特性。不管在任何情况下，风险一直存在，并会造成一定的 损失，且造成损失的概率也会随着生产力变化而变化。因此对于风险的分析和研 究存在不同的方式和方法。在ISO31000国际标准下，风险可以定义为不确定性 对目标点的影响程度，且事件发生的概率和产生的后果可以用来衡量风险的大小。在光伏发电并网运行系统中，系统电力负荷的不确定性和设备随机故障等不确定 性因素会导致系统故障，从而使得系统的稳定运行的预测则难以实现。因此在光 伏发电并网系统中，风险具有如下特点： （1）客观性，风险时客观存在，不受主观意志改变而改变。 （2）普遍性。风险存在生产和生活的方方面面。 （3）偶然性。不同风险，其发生的条件诱因不同，因此预估也不同。 （4）必然性。风险值都是由一定阈值，超过阈值发生概率则是100%。

条件风险值(CVaR)模型的理论研究

条件风险值（CVaR）模型的理论研究 条件风险值（CVaR）模型的理论研究 随着金融市场的不断发展和创新，风险管理成为金融机构和投资者的重要任务之一。在风险管理中，条件风险值（CVaR）模型逐渐引起了研究者的广泛关注。CVaR是对投资组合风险 的一种度量，它以VaR（Value at Risk）为基础，通过计算VaR之后的尾部分布的平均期望损失来衡量风险。CVaR不仅能更准确地描述投资组合的风险，还能反映出投资者对风险的偏好程度，因此具有重要的理论和实践价值。 CVaR模型的理论基础是VaR模型。VaR是对在给定的置信水平下，投资组合在未来一段时间内可能遭受的最大损失的估计。然而，VaR模型只考虑了一段时间内投资组合的最大损失，没有对损失的分布进行更全面的分析。这就导致了VaR模型的一个缺点，即对于极端风险事件的预测能力较弱。因此，CVaR 模型在VaR的基础上，通过计算尾部分布的平均期望损失，能更全面地评估投资组合的风险。 理论研究表明，CVaR模型在风险管理中有着广泛的应用。首先，CVaR模型能更好地反映投资者对风险的偏好程度。与VaR模型相比，CVaR模型更注重投资者对于极端风险事件的损失的估计，因此能更好地反映投资者对风险的承受能力。其次，CVaR模型在风险分散和资产配置方面具有独特的优势。通过 计算投资组合不同资产的CVaR值，投资者可以根据风险价值 来进行合理的资产配置，实现风险分散和投资组合的优化。此外，CVaR模型还可以与其他风险管理模型结合使用，提高风 险管理效果。 CVaR模型的理论研究还包括对模型的稳定性和有效性进

行探讨。稳定性是指模型对数据波动的敏感程度，有效性是指模型对风险的准确度和可靠性。研究者通过实证分析和数学推导，验证了CVaR模型在不同情况下的稳定性和有效性。研究结果表明，CVaR模型不仅在假设成立的情况下具有较好的稳定性和有效性，而且在各种不确定性条件下也具有一定的鲁棒性。 总之，条件风险值（CVaR）模型作为一种风险管理工具，在理论研究中获得了越来越多的关注。CVaR模型以VaR模型为基础，通过计算尾部分布的平均期望损失，能更全面地评估投资组合的风险。CVaR模型不仅能更准确地描述投资组合的风险，还能反映出投资者对风险的偏好程度，具有重要的理论和实践价值。未来的研究可以进一步探讨CVaR模型在不同金融市场和风险事件中的应用，并进一步提高模型的稳定性和有效性，为风险管理提供更好的工具和方法 综上所述，条件风险值（CVaR）模型作为一种风险管理工具，在理论研究中得到广泛关注。该模型通过计算投资组合不同资产的CVaR值，能够实现风险分散和优化投资组合，同时与其他风险管理模型结合使用，提高风险管理效果。CVaR模型的稳定性和有效性经过实证分析和数学推导得到验证，在不同情况下具有较好的稳定性和有效性。未来的研究可以进一步探讨CVaR模型在不同金融市场和风险事件中的应用，并提高模型的稳定性和有效性，以为风险管理提供更好的工具和方法

基于差异化经济发展的新型城镇配电网评估方法研究

基于差异化经济发展的新型城镇配电网评估方法研究 林长锥;王旭阳;张林垚;林波 【期刊名称】《低压电器》 【年(卷),期】2018(000)017 【摘要】为更好建设差异化经济形态下的新型城镇配电网,提出了适应新型城镇化配电网发展的规划指导原则.基础工作之一是对新型城镇配电网开展评估.研究了一种基于差异化经济发展的新型城镇配电网评估方法:先给出新型城镇化配电网供电区域划分方法;然后评估新型城镇发展水平和配电网发展水平,判断两者的匹配性;再根据评估结果提出新型城镇化配电网规划建设指导意见;最后以某新型城镇配电网为例,论证评估方法的可行性. 【总页数】7页(P24-29,37) 【作者】林长锥;王旭阳;张林垚;林波 【作者单位】国网福建省电力有限公司经济技术研究院,福建福州350012;国网北京经济技术研究院,北京100000;国网福建省电力有限公司经济技术研究院,福建福州350012;国网福建省电力有限公司建设分公司,福建福州350003 【正文语种】中文 【中图分类】TM72 【相关文献】 1.基于分层分区的配电网差异化节能规划方法研究 [J], 涂春鸣;董泰青;姜飞;刘子维

2.基于分层分区的配电网差异化节能规划方法研究 [J], 步科伟; 3.基于差异化经济发展的新型城镇配电网评估方法研究 [J], 林长锥; 王旭阳; 张林壵; 林波 4.基于CVaR的含分布式电源配电网电压偏移风险评估方法研究 [J], 张炀; 邓景松; 孙迪飞; 晏寒婷; 黄春艳 5.基于有限元仿真的配电网主设备极端条件下寿命评估方法研究 [J], 张旭;翟登辉;张彦龙;杨炜晨;苗世洪 因版权原因，仅展示原文概要，查看原文内容请购买

规模化电动汽车参与V2G对配电网电压质量影响评估方法的研究

规模化电动汽车参与V2G对配电网电压质量影响评估方 法的研究 规模化电动汽车参与V2G对配电网电压质量影响评估方法的研究 摘要：随着全球对清洁能源和可持续发展的需求不断增长，电动汽车成为了重要的替代传统燃油汽车的趋势。同时，电动汽车也具备双向充放电特点，即车辆到电网（Vehicle-to-Grid, V2G）技术。本文旨在研究规模化电动汽车参与V2G对 配电网电压质量的影响，并提出一种评估方法。 1. 引言 电动汽车的规模化应用将使得大量车辆能够参与V2G，通过双 向充放电技术实现电能的平衡和优化利用。然而，这种大规模参与V2G的方式也会对配电网的电压质量造成一定的影响，因此需要进行评估和研究。 2. 影响因素分析 电动汽车参与V2G对配电网电压质量的影响主要受以下因素的影响：电动汽车规模、充电桩容量、车辆充电和放电需求、电动汽车充电和放电策略等。 3. 评估方法提出 为了评估电动汽车参与V2G对配电网电压质量的影响，本文提出了一种基于仿真模型的评估方法。首先，建立配电网模型，包括电动汽车和充电桩模型。其次，确定评估指标，如配电网节点电压波动、电压偏差和电压不平衡等。然后，通过仿真程序模拟电动汽车的充放电行为以及电动汽车与电网之间的相互影响。最后，根据仿真结果评估电动汽车参与V2G对配电网电压质量的影响。

4. 基于仿真的实验与分析 使用提出的评估方法，进行了多组仿真实验，并对实验结果进行了分析。实验结果表明，电动汽车参与V2G过程中的充放电行为对配电网电压质量有一定的影响。随着电动汽车规模的增加和充电桩容量的提高，配电网节点电压波动和电压偏差呈现出增加的趋势，电压不平衡度有所提高。因此，在电动汽车参与V2G过程中，需要合理规划电动汽车的充放电策略，以减小对配电网电压质量的影响。 5. 结论 本研究基于仿真模型提出了一种评估方法，用于评估规模化电动汽车参与V2G对配电网电压质量的影响。实验结果表明，电动汽车的充放电行为对配电网的电压质量有一定的影响。在电动汽车规模的增加和充电桩容量的提高的情况下，配电网节点电压波动和电压偏差呈现出增加的趋势，电压不平衡度有所提高。因此，需要合理规划电动汽车的充放电策略，以减小对配电网电压质量的影响。 6. 展望 本研究仅从电动汽车参与V2G对配电网电压质量的影响进行了评估，未考虑其他因素的影响，如电力系统的容量和稳定性等。未来的研究可以进一步深入探讨这些影响因素，并提出更加全面和精确的评估方法。此外，还可以结合实际数据进行验证，以提高评估方法的准确性和可靠性。 关键词：规模化电动汽车、V2G、配电网、电压质量、评 估方 综上所述，电动汽车参与V2G过程中的充放电行为对配电网的电压质量有一定的影响。随着电动汽车规模的增加和充电

风险投资模型与决策评估系统设计与实现

风险投资模型与决策评估系统设计与实现 随着经济的快速发展和金融市场的复杂性增加，风险投资成为了一种重要的投 资方式。风险投资的本质是为了获得高回报，但同时也伴随着高风险。为了有效地评估和管理这些风险，一个可靠的风险投资模型和决策评估系统是必不可少的。 1. 风险投资模型设计 在设计风险投资模型时，需要考虑以下几个因素： 1.1 风险度量方法 风险度量是风险投资模型的核心，它用于衡量投资的风险水平。常见的风险度 量方法有VaR（Value at Risk）、CVaR（Conditional Value at Risk）和标准差等。 选择合适的风险度量方法可以帮助投资者更好地评估风险，并制定相应的投资策略。 1.2 风险因素的识别和分析 风险投资涉及到许多不确定因素，如市场风险、流动性风险、信用风险等。在 设计风险投资模型时，需要对这些风险因素进行详细的识别和分析，以了解它们对投资回报的影响。通过建立适当的数学模型和统计模型，可以更好地对风险因素进行量化和分析。 1.3 风险投资策略的制定 基于风险度量和风险因素的识别分析，投资者可以制定相应的风险投资策略。 不同的风险投资策略适用于不同的市场环境和投资对象。例如，对于高风险高回报的企业，可以采取更加激进的投资策略，而对于低风险稳定回报的企业，则可以选择保守的投资策略。 2. 决策评估系统设计与实施 在风险投资决策过程中，决策评估系统起着重要的作用。一个好的决策评估系 统可以帮助投资者更好地了解投资项目的风险和回报，提供决策支持和风险管理建议。 2.1 数据整合和处理 决策评估系统需要整合和处理大量的数据，包括市场数据、企业财务数据、行 业数据等。在数据整合和处理过程中，需要确保数据的准确性和完整性，同时还需要采用合适的数据分析和挖掘方法，以发现潜在的关联和规律。 2.2 风险评估和优化

规模化电动汽车充放电对配电网电压质量影响评估方法的研究

规模化电动汽车充放电对配电网电压质量影响评估方法 的研究 随着电动汽车的普及，规模化电动汽车充放电对配电网电压质量的影响日益受到关注。为了评估这种影响的方法，需要综合考虑电动汽车充放电对电网电压稳定性、电压波动、谐波含量等多个方面的影响。本文将探讨一种评估方法，以帮助电力系统的规划和运营部门更好地了解电动汽车充放电对电网电压质量的影响。 首先，我们需要建立一个现实的电动汽车充放电模型。该模型需要考虑电动汽车的充电行为、放电行为以及与配电网之间的相互作用。通过对现有电动汽车的充电数据进行分析和建模，我们可以获得电动汽车充放电对电网负荷、功率因素等方面的影响。 其次，我们需要考虑电动汽车充放电对电网电压稳定性的影响。充电时，电动汽车需要从电网获取电能，这会在配电网中引起一定的电压损失。如果电动汽车的充电需求过于集中，可能会导致电网电压波动较大，甚至引发电压不稳定的情况。因此，我们需要评估电动汽车充电需求的时空分布，以及如何合理调整充电策略，以降低电网电压波动。 另外，电动汽车的充放电行为会引入一定的电压谐波。在电动汽车充电时，电动汽车的充电设备会引入额外的谐波源，从而影响电网的谐波含量。为了评估这种影响，我们需要对电动汽车充电设备的谐波特性进行测试和分析，并与电网谐波限值进行对比。 在评估电动汽车充放电对配电网电压质量影响的过程中，还需要考虑电动汽车充电需求的变化。电动汽车充电需求通常

会受到时间、地点、气候等因素的影响。因此，我们需要考虑这些因素，并建立合适的充电需求模型，以更准确地评估电动汽车充放电对电压质量的影响。 最后，我们需要进行实地测试和实时监测，以验证建立的评估方法的准确性和可行性。通过对现有配电网的实际运行情况进行测试和监测，我们可以进一步改进评估方法，并提出相应的优化策略，以确保电动汽车充放电对配电网电压质量的影响在可控范围内。 综上所述，规模化电动汽车充放电对配电网电压质量的影响评估需要综合考虑电动汽车充放电行为、电压稳定性、谐波含量等多个方面的影响因素。通过建立合适的充放电模型、考虑充电需求的时空分布和变化、实地测试和实时监测，我们可以更准确地评估电动汽车充放电对配电网电压质量的影响，并提出相应的优化策略，以保证电力系统的稳定运行和可持续发展 综合考虑电动汽车充放电行为、电压稳定性和谐波含量等多个方面的影响因素，我们可以通过建立合适的充放电模型、考虑充电需求的时空分布和变化、实地测试和实时监测来准确评估电动汽车充放电对配电网电压质量的影响。在评估过程中，我们需要与电网谐波限值进行对比，确保谐波含量在可控范围内。通过验证建立的评估方法的准确性和可行性，并提出相关的优化策略，我们可以保证电力系统的稳定运行和可持续发展，从而推动电动汽车的规模化应用

cvar研究及金融风险度量中的应用研究

cvar研究及金融风险度量中的应用研究 随着金融市场的不断发展，金融风险度量逐渐成为了热点研究领域。在风险度量中，cvar常常被作为重要的衡量指标被引入并且被广泛应用于各种金融产品的评估和定价中。本文将介绍cvar的基本概念及其国内外研究现状，并探讨cvar在金融风险度量中的应用研究。 一、cvar的基本概念 cvar，即条件风险价值，是一种金融风险度量指标，也是流行的风险度量方法之一。通俗地说，cvar反映了在特定置信水平下，可能出现的最坏损失情况，即在某个置信水平下最小值的条件期望。cvar还能够使人们更好地理解风险的本质，从而更好地控制风险。 cvar的计算方法比较简单，首先在一定的时间范围内收集和分析数据，利用数据计算出各个时间点的收益率，然后计算出所关注风险的预期损失。与其他金融风险度量指标相比，cvar具有较高的稳健性和有效性，并且在日常风险管理中也有很大的应用前景。 二、cvar的国内外研究现状 cvar最早是由Artzner等人提出的，在此之后，越来越多的学者开始关注cvar理论的研究和实践应用。在国外，cvar的研究成果已经取得了不俗的收获，其中不乏代表性的研究成果。在国内，cvar研究也取得了不少进展，但总体而言还是相对滞后，需要进一步的深入研究。 国外cvar的研究成果非常丰富，主要集中在cvar中的代价函数、收益率分布、参数估计和实证分析等方面。Rockafellar和Uryasev就提出了不同的代价函数来描述cvar，从而更好地排除偏度的影响。Dowd等人则探讨了不同风险管理模型中cvar的应用，结论显示在基准模型和风险模型中，cvar的使用效果都非常显著。同样，国际上许多著名的金融机构和公司都已经将cvar作为其重要的风险管理工具，如高盛、花旗银行等。 国内cvar研究也开始逐渐起步，学者们主要关注cvar的理论研究和实践应用。李文杰等人研究了中国股票市场的cvar特征，揭示了cvar在股票市场中的重要作用。黄伟铭等人则探讨了cvar在银行贷款风险管理中的应用，该研究从不同角度研究了cvar在贷款风险管理中的作用，并提出了cvar在制定贷款策略中的应用建议。 1. 风险定价和投资组合优化：通过cvar的计算，可以确定投资组合中所面临的最坏风险，并据此进行风险定价。利用cvar可以最小化收益率下降的概率，从而优化投资组合结构。

中压配电网规划评估分析系统设计

中压配电网规划评估分析系统设计 中压配电网规划评估分析系统是一个用于规划和评估中压配电网的工具。它可以帮助规划人员分析和评估现有的中压配电网的性能，并提供一 些建议和方案，以改进系统的可靠性、效率和可持续性。本文将对中压配 电网规划评估分析系统的设计进行详细介绍。 1.数据采集和处理：该系统需要收集和整理中压配电网的各类数据， 包括线路参数、负荷数据、短路电流、电压数据等。数据采集可以利用现 有的SCADA系统或电表进行，数据处理可以使用数据库进行存储和管理。 2.模型建立和验证：系统需要建立中压配电网的模型，包括线路模型、变压器模型、负荷模型等。模型可以使用模拟软件或仿真工具进行建立和 验证，以保证模型的准确性和可靠性。 3.评估指标和算法：系统需要设计相应的评估指标和算法，用于评估 中压配电网的性能。评估指标可以包括可靠性指标、功率质量指标、发电 效率指标等。算法可以包括潮流计算、短路计算、负荷预测等。 4.系统优化和改进方案：系统需要根据评估结果，提供一些优化和改 进方案，以提高中压配电网的性能。这些方案可以包括线路改造、变压器 升级、负荷优化等。系统可以通过模拟和优化算法，评估这些方案的效果 和经济性。 5.结果展示和报告生成：系统需要提供结果展示和报告生成的功能， 以便规划人员和决策者查看评估结果和优化方案。结果展示可以通过图表、表格等形式进行，报告生成可以自动生成相应的报告文档。

1.系统的可扩展性和灵活性：中压配电网的规模和复杂程度各不相同，系统应具备一定的可扩展性，可以根据需要增加或修改相应的模块和功能。此外，系统还应具备一定的灵活性，可以根据特定的需求进行定制和调整。 2.数据的可靠性和安全性：中压配电网的数据非常重要，系统应确保 数据的准确性、完整性和安全性。采用合适的数据采集和处理方法，并采 取相应的安全措施，以防止数据的泄露和损坏。 3.算法的准确性和计算效率：中压配电网的规划评估需要进行大量的 计算和分析，系统中的算法需要具备一定的准确性和计算效率。可以采用 并行计算、优化算法等方法，提高系统的计算速度和效率。 4.用户界面的友好性和易用性：系统的用户界面应设计得简洁、直观 和易于使用，方便规划人员和决策者进行操作和查看结果。可以采用图形 化界面和交互式操作，提升系统的用户体验。 综上所述，中压配电网规划评估分析系统的设计涉及到数据采集和处理、模型建立和验证、评估指标和算法、系统优化和改进方案、结果展示 和报告生成等多个方面。在设计过程中，需要考虑系统的可扩展性、数据 的可靠性和安全性、算法的准确性和计算效率、用户界面的友好性和易用 性等因素。通过设计一个高效、准确、易用的系统，可以提高中压配电网 规划和评估的效率和水平，为中压配电网的优化和改进提供决策支持。

财务管理中的风险评估模型

财务管理中的风险评估模型 在财务管理中，风险评估模型是非常重要的工具，可以帮助企业进行风险管理和决策。风险评估模型通常是基于概率和统计分析的方法，它能够帮助企业预测未来的风险和变动，并采取措施来减少损失。 本文将介绍财务管理中的风险评估模型，包括它们的定义、类型、应用和限制。 一、定义 风险评估模型是一种用于确定财务风险的工具，它能够帮助企业确定不同的风险，并制定相应的措施来降低风险或防范风险。风险评估模型通常基于概率和统计分析，从历史数据和趋势分析等方面来预测未来的风险和变动。 二、类型 在财务管理中，常见的风险评估模型有以下几种： 1、VaR模型：VaR（Value at Risk）模型是一种衡量风险的标准，用于确定企业的最大损失可能性。VaR模型通常基于历史数据和监管要求，通过计算特定期间内的潜在损失来衡量风险。

2、CVaR模型：CVaR（Conditional Value at Risk）模型是一种 计算可能损失的风险度量方法。CVaR模型基于VaR模型，但它 会将所有可能的损失加权计算，以提供更全面的风险评估。 3、Monte Carlo模型：Monte Carlo模型是一种基于概率分布生 成的随机抽样方法，用于模拟不确定性。Monte Carlo模型可以在 风险管理中用于评估预计损失的概率，以及特定方案的预期风险。 4、盈亏平衡点模型：盈亏平衡点模型可以通过确定企业的成 本和利润，来确定企业所需的最低销售额和盈亏平衡点。 5、CAPM模型：CAPM（Capital Asset Pricing Model）模型是 一种用于衡量股票或证券的风险和预期回报的模型。CAPM模型 可以用于确定企业的资本成本和风险度量，以便在资本决策中作 出更明智的决策。 三、应用 风险评估模型可以广泛应用于各种企业决策，如投资、财务规划、保险策略和风险管理等方面。它可以帮助企业预测未来的风 险和变动，以便采取相应的措施来减少损失或防范风险。 例如，在投资决策中，风险评估模型可以用于确定特定股票或 证券的风险和预期回报，并帮助投资者做出明智的投资决策。另外，在制定保险策略和风险管理方案时，风险评估模型可以帮助 企业确定其最大的风险，并制定相应的保险和风险管理计划。

电力市场风险管理模型与应用分析

电力市场风险管理模型与应用分析 随着能源需求的不断增加和对能源市场的开放，电力市场风险 管理成为能源行业中关键的议题之一。电力市场风险管理模型和 应用的分析对于电力市场参与者的决策制定和风险控制至关重要。本文将介绍电力市场风险管理模型的基本原理和应用分析。 一、电力市场风险管理模型的基本原理 电力市场风险管理模型的基本原理是基于风险度量和风险分析的。风险度量是对电力市场风险大小的量化衡量，常用的风险度 量方法包括价值-at-风险（VaR）、条件风险（CVaR）、风险敏感系数等。风险分析是对电力市场风险因素的分析，包括市场价格 波动、需求波动、供应波动等。 基于以上原理，电力市场风险管理模型通常包括风险评估、风 险识别、风险度量、风险控制和风险监测等环节。首先，通过对 电力市场的潜在风险进行评估，确定各类风险因素的影响程度和 概率。然后，通过风险识别，将潜在风险因素进行分类和识别。 接着，使用合适的风险度量方法对电力市场风险进行量化衡量。 之后，采取风险控制策略，通过多元化投资、资产配置等方式， 来降低风险程度。最后，通过风险监测，对风险控制策略的实施 效果进行监控和评估。 二、电力市场风险管理模型的应用分析

1. 风险管理模型在电力市场参与者的决策制定中的应用 电力市场参与者包括发电企业、供应商、储能企业、负荷侧企 业等，他们在电力市场中面临着各种风险。风险管理模型的应用 可以帮助这些参与者制定决策时更加全面地考虑风险因素。例如，在发电企业的投资决策中，风险管理模型可以帮助估计投资项目 的风险度量，从而降低投资风险。在供应商的电力采购决策中， 风险管理模型可以评估市场价格波动对采购成本的影响，优化采 购策略。在储能企业的能量调度决策中，风险管理模型可以帮助 确定合理的能量调度策略，降低市场风险。 2. 风险管理模型在电力市场政策制定中的应用 电力市场政策制定涉及到供需平衡、价格调控等诸多方面。风 险管理模型的应用可以为政策制定者提供支持和参考。例如，通 过风险管理模型的分析，政策制定者可以预测市场需求波动对电 力供应的影响，合理制定电力供应政策。另外，通过风险管理模 型的应用，政策制定者可以评估市场价格波动对消费者的影响， 优化价格调控政策。 3. 风险管理模型在电力市场监管中的应用 电力市场的监管机构需要对电力市场的风险进行监测和分析， 以保证市场的稳定和有序运行。风险管理模型的应用可以为监管 机构提供风险监测和风险评估的工具和方法。例如，通过风险管

计及风电不确定性的电网日前调度CVaR模型

计及风电不确定性的电网日前调度CVaR模型 罗亦梅;张江林;夏晨杰;武守海;吴杨;刘啸宇 【摘要】为了研究风电出力不确定性对电网日前调度的影响,首先利用机会约束描述风电场的出力,然后将提出的电网日前调度函数和相关约束,融入到条件风险价值模型中,建立电网日前调度的条件风险价值模型,并通过基于单纯性和差分进化算法的混合对模型进行求解,分析不同置信度下风电场出力、电网日前调度的机组出力,以及在不同风险接受度下电网日前调度的条件风险值,比较所提出的混合算法的优越性.仿真案例证明所提出模型的正确性,表明风电场出力的置信度越低,系统所接受的风险度越高,所对应的条件风险值越大,这为电网的系统操作人员提供了决策支持.【期刊名称】《电力科学与工程》 【年(卷),期】2016(032)004 【总页数】7页(P1-7) 【关键词】风电;不确定性;置信度;日前调度;奈件风险价值 【作者】罗亦梅;张江林;夏晨杰;武守海;吴杨;刘啸宇 【作者单位】成都理工大学核技术与自动化工程学院,四川成都610059;成都信息工程大学控制工程学院,四川成都610225;国网四川省电力公司天府新区供电公司,四川成都610041;国网山东省电力公司莱芜供电公司,山东莱芜271100;西南科技大学,四川绵阳621000;国网山东省电力公司莱芜供电公司,山东莱芜271100【正文语种】中文 【中图分类】TM732

随着科技的不断发展和环境保护要求的不断提高，风电、光伏等作为绿色清洁可再生能源越来越受到人们的关注。大规模风电或光伏的并网发电作为常规燃煤机组的有效替代，不仅大大缓解了电力供应紧张的情形，还大力地促进了温室气体、粉尘、氮氧化物的减排[1-2]。但是，与常规的发电机组相比，风电、光伏等机组的出力 具有强烈的随机性，其大规模的并网给电网的调度和运行带来了新的挑战[3-5]。 国内外的学者对此进行了大量的研究，如文献[6]提出了基于可信度理论和风电备 用容量补偿成本来解决风电并网后的出力随机性问题，通过定义风电场的负效率功率，从而推导出了风电场极限渗透功率下的风电出力波动惩罚成本模型。文献[7] 将风电场的投资和维护成本、风机波动造成的备用容量增加成本折算为风电的发电成本，然后，将其融入到整体的目标函数中，通过仿真分析发现了风电机组的发电成本对系统的备用容量和常规机组出力具有较大的影响。此外，针对风电的波动性和风电预测误差随预测时间尺度缩短而减小的特点，文献[8]建立了多时间尺度下 的含风电的电力系统备用预留容量优化模型，并通过协调其他常规机组的运行和不断更新的风电预测出力，取得了满足系统可靠性要求的最优备用预留容量，提高了整个电网运行的经济性。但是，这类文献均没有考虑风电机组出力的不确定性对电网调度收益风险的影响，而在现有的收益风险问题研究中，条件风险价值(conditional value at risk, CVaR)作为成熟的风险测度方法，已经在电价市场中 得到了广泛的研究[9-11]。对此，本文提出了利用CVaR评估在考虑风电出力不确定性下的电网日前调度的收益风险，以优化各机组的出力，为电力调度人员提供一定的决策支持。 风速具有典型的不确定性特性，通常使用二参数的Weibull函数对其进行描述， 其概率密度函数为 式中：vw为风速；k和σ分别为Weibull分布的形状参数和尺度参数。 根据式(1)，则可以得到风速的Weibull累积分布函数，即

基于智能软开关的主动配电网电压模型预测控制优化方法

基于智能软开关的主动配电网电压模型 预测控制优化方法 摘要：在配电网中合理引入智能技术，可以建立完善的网络，实施智能性的 调控，为配电网系统的稳定运行提供重要的保证。随着社会经济的不断发展，短 时停电损失越来越大，电力用户对供电可靠性提出了更高的要求。近年来，分布 式电源发展迅速，其大量接入传统配电网会造成短路电流超标、电压波动过大、 线间功率分布不均等问题。配电网采用闭环运行方式可有效提高供电可靠性及分 布式电源接纳能力，但受环网两侧系统的电压、内阻抗以及馈线负荷分布等因素 的影响，可能会出现较大的循环功率，造成两侧出力不均，甚至引起逆功率运行。基于现代电力电子技术的智能软开关具有强大潮流控制能力，为同区甚至异区配 电线路闭环运行提供有效技术支撑。 关键词：智能软开关;主动配电网;电压模型;预测控制;优化方法 引言 配电网分布式电源出力与负荷功率具有强波动性与随机性，使得电压越限与 异常问题频发且愈发严重。基于智能软开关的主动配电网电压模型预测控制优化 方法，仅利用智能软开关两端节点电气信息，以长时间尺度优化结果为基础，建 立基于灵敏度的配电网电压与线损预测模型，以节点电压偏差与配电网损耗最小 为目标，通过滚动优化超前调控节点间的交换功率，并根据控制误差对预测模型 进行反馈校正，完成对配电网电压的快速、实时优化控制，有效解决了已有电压 调控方式依赖全局信息且难以应对节点功率快速波动的难题。 1含SOP的主动配电网拓扑与运行特点 1.1SOP结构与控制

SOP是一种全控型电力电子装置，通常为背靠背电压源型换流器（VSC）结构，两个换流器均拥有四象限功率控制能力，能在毫秒级时间尺度下响应操作指令。 在接入配电网时，SOP控制模式一般设置为一侧采用定直流电压控制方式，同时 控制换流器的无功功率交换；另一侧采用定交流侧电压控制方式，同时控制换流 器的无功功率。在引入SOP后，两端的馈线之间柔性互联，传输的有功、无功功 率完全可控，配电网从传统的“闭环设计，开环运行”状态变为柔性闭环运行。SOP传输的功率指令可以通过配电网控制中心统一下达，也可通过就地控制方法 确认。 1.2运行特点 主动配电网通过接入SOP可以在不同馈线之间进行功率传输，实现在馈线之 间进行快速、动态和持续的有功无功潮流控制，起到平衡负荷潮流、优化系统电 压分布的作用。但随着各种新能源发电设备接入，由于新能源发电出力受气象影 响很大，具有强不确定性，对新能源出力的预测也有很大误差，只采用基于预测 数据的SOP长时间尺度的优化方法难以保证优化效果，需要本地化的实时控制方 法作为补充。 2无功电压控制 2.1基于知识图谱的无功电压控制模型数据及策略表征方法 传统的无功电压控制模型需要进行复杂求解计算，对硬件算力要求较高、策 略生成耗时较长，往往是对于相同模型相似数据的重复计算，造成资源使用率低 且历史控制策略没有得到有效归纳运用。知识图谱主要由实体、关系及属性组成，通过实体链接实现数据知识表征，从而完成超类脑思维场景任务。现基于历史及 仿真数据构建配电网无功电压控制策略知识图谱，从而构建无功控制知识思维智 能体以完成电压控制策略生成，以历史运行数据记录及所构建基于二阶锥最优潮 流的主动配电网无功优化模型结果为数据基础进行知识图谱构建，实体包括调压 设备状态、配电网系统数据、动作策略及策略结果，实体关系及数据模型。 2.2子图匹配及数据检索算法

基于我国配电网现状的供电可靠性评估模型与方法研究及应用

基于我国配电网现状的供电可靠性评估模型与方法研究及应用万凌云;王宏刚;王艳;张盈;杨群英;朱光友 【摘要】Based on the reliability management of the distribution networks and power supply in China,in order to solve the problems in the reliability evaluation,this paper introduces a systematic set of reliability evaluation model and relevant appraisal methods which can remarkably improve the accuracy and flexibility of the computation mod-el.In addition,it analyzes the factors influencing the results of the index calculation as well as presenting scientific and reasonable solutions.The theoretical calculation examples and trial application in projects in five regions in Chi-na have verified that the model and the appraisal methods are scientific,adaptable and operable,with great applied and promotional values in engineering.% 立足于我国配电网及供电可靠性管理实际，针对目前可靠性评估普遍存在的问题，成体系地提出了一套可靠性评估模型和方法，显著提高了计算模型的准确性和灵活性。同时全面分析了影响指标计算结果的各种因素，且提出了科学合理的处理方法。通过理论算例与全国5个地区的工程试点应用情况，验证了评估模型和方法的科 学性、适应性和可操作性，表明其具有很好的工程应用推广价值。 【期刊名称】《重庆电力高等专科学校学报》 【年(卷),期】2016(021)004 【总页数】6页(P39-44) 【关键词】中压配电网;配电网模型;设施停运模型;可靠性评估方法

配电网脆弱性分析与可靠性评估-第1篇

配电网脆弱性分析与可靠性评估 陈琛 摘要：随着我国电力系统技能与管理的發展，国家现代化电网以高压、容量超大、输电距离大和区域联网为主要特点，但是就目前情况而言，电网运行的安全性问题凸显，亟待解决，所以对电网运行的脆弱性进行评估和可靠性分析是非常必要的。下文就结合实际情况从科学的角度出发，对配电网的脆弱性进行分析和讨论，文章首先对电力系统的安全性进行浅析，其次阐述和探究了脆弱性相关问题，最后对其脆弱性分析方法进行了合理分类，并分别详细论述。在深入分析国内外研究现状的基础上，对脆弱性研究与可靠性分析的前景进行了展望，对于电力科学的发展提出了对应策略。 Key：配电网；脆弱性分析；可靠性评估 引言 随着我国各个行业的飞速发展，电力在人类生产和生活中所扮演的角色变得更加重要，无论是农村还是城市的输电线路，还是大型工程的配电网工程都是需要科学技术作为支撑的，电网经常会由于自身原因或外部干扰变得脆弱，所以

配电网的脆弱性和可靠性就是电力系统的基本命脉，而一个网络结构实体和计算机网络操作系统是电网组成的关键，其复杂性与规模庞大性决定了国家电力部门对此必须予以高度重视，近年来，国家电力市场的改革与规模的不断扩大更是推进了电网安全可靠性评估的工作进度。 1 配电网的脆弱性问题现状 首先，在配电网的脆弱性问题上，相关部门应该重视其后果和危害，而电力系统的脆弱性评估的主要目的就是找出电网存在的脆弱点和脆弱的环节，从而更好地进行预防措施的拟定和投入。 目前在国内的电力系统中，很多研究学者都把脆弱性分析作为大停电的主要特点去探究，用脆弱性所引起的相关反应来诠释连锁反应的失效根本点，状态脆弱性研究电网中各状态变量偏离正常状态及距离临界状态的程度；结构脆弱性则研究电网中某个单元在网络结构中的重要程度。根据级联故障模型的不同，将脆弱性评估方法分为拓扑分析法，潮流分析法和重要度分析法。 2 电力系统的脆弱性评估方法 2.1 拓扑分析法 随着科技的发展，我国国内的电力系统对于脆弱性的评估方法也在不断改进，实现了飞跃式的突破，在这三种研究分析方法中，拓扑分析法是最基本的一种，这种方法的主要依据就是复杂的网络模型，进而以网络摸模型作为铺垫，由其度量指标对元件进行分析和评估，进而根据审核数据，确定具体的脆弱性。

考虑一致性风险价值的电网薄弱环节综合评估指标

考虑一致性风险价值的电网薄弱环节综合评估指标 栾翔;于群;贺庆;曹娜;易俊 【摘要】电网的薄弱环节直接影响电力系统的安全稳定运行.为了找出电力系统的薄弱环节,首先给出了一致性风险价值指标,利用IEEE39节点系统验证了该指标的有效性,并将指标与当前常用的自组织临界性指标和效用风险熵指标进行比较.在此基础上,通过指标标准化建立了模糊评判矩阵,利用客观熵权法和改进的层次分析法确立了综合评估指标.最后利用综合评估指标对湖南电网的薄弱环节进行了评估分析.电网实例分析结果表明该综合评估指标能够清晰地对电网的薄弱环节进行定位,评估结果可以作为电网规划和制定事故预防措施的参考.%The weak links of power grid directly influence the safe operation of power system.In order to identify the weak links,the paper proposes the index of coherent value at risk (CVaR),whose reliability has been proved by the simulation results of IEEE 39-bus system.Furthermore,The CVaR is compared with the commonly used self-organized criticality and effect risk entropy.Based on the comparison results,the fuzzy evaluation matrix is established through the standardization index.Meanwhile,an integrated assessment index is obtained by use of the objective entropy method and improved analytical hierarchy process.Finally,the integrated assessment index is applied to analysis of the Hunan power grid's weak links.The results show that the integrated assessment index can clearly locate the weak links of power grid,and the assessment result can provide an instruction for planning power networks and a reference for formulating preventive measures.