1.本发明涉及配电网技术领域，具体的，涉及一种弹性配电网运行风险的滚动评估方法。
背景技术：2.弹性电网主要针对小概率高风险的极端事件而言，这类事件的行为模式往往难以预测，配电网为了预防此类事件，必须对灾害的发生频率、地点、影响进行精细化的建模。
3.传统建模方法基于静态概率分布抽样或采用若干场历史灾害作为分析场景，以及基于灾害强度的某项单一度量来建立元件的故障概率曲线，不足以描述灾害的动态发展过程，也不能对自然灾害的潜在危险进行刻画，更无法通过多维度灾害强度关键参数动态刻画元件的脆弱性。
4.当前的恢复力评估与计算中，主要只考虑时间维度的区别，对恢复力研究阶段进行了划分，模拟中也未考虑灾后恢复策略，所以指标维度相对单一，不够全面，不能完全体现系统恢复力评估在电力系统规划、调度以及监测等层面的不同应用功能，也不能体现影响电力系统恢复力的内部因素和外部因素，为制定配电网恢复力提升措施造成了一定阻碍。
5.至于目前的动态风险评估方法，仅仅从电力系统短期可靠性的角度进行在线风险评估，未考量极端事件对配电网的影响，也没能综合灾中负荷转供和灾后供电恢复过程；预警指标计算方法也仅从电网层面考虑，指标较为单一，准确性也有所欠缺；数据融合方法也仅处理静态数据，不能实现实时数据分析与处理。
技术实现要素：6.本发明的目的是在提出一种弹性配电网运行风险的滚动评估方法，通过对台风事件进行精细化建模，研究其对配电网的影响，为全景信息可视化、事故推演与恢复决策、电网规划运行建立理论基础；同时，研究弹性配电网在线监测、风险评估及精细预警关键，对配电网元件及运行环境信息进行汇总分析，综合实况和预报数据，实时反映和更新系统面临的风险，为配电网的风险预防提供理论依据。
7.为实现上述技术目的，本发明提供的一种技术方案是，一种弹性配电网运行风险的滚动评估方法，包括以下步骤：步骤s1：根据台风极端事件发生频率、持续时间以及对配电网的破坏程度，建立表征台风极端灾害强度和持续时间的概率分布模型；步骤s2：根据配电网系统中各元件的故障机理，建立台风灾害强度与配电网元件故障概率的关系模型；步骤s3：根据台风灾害下配电网元件的故障模式、故障的独立性与相关性，建立其对配电网的影响模型，并将其应用于灾害模拟；步骤s4：通过元件的脆弱性曲线生成配电网故障场景进而动态评估配电网功能水
平。
8.作为优选，步骤s1包括如下步骤：步骤s11：提取表征致灾因子强度的关键参数，建立其对应的概率分布模型；步骤s12：基于气象或地理模型将所提取的关键参数转化为动态的灾变场景；步骤s13：构建灾害模拟发生器，基于多维关键参数的概率分布生成动态的模拟灾害场景。
9.作为优选，所述关键参数包括台风年发生率λ、距研究点最小距离d
min
、台风中心压差δp、台风移动速度v
t
以及台风移动方向a
t
；其中：台风年发生率λ对应的概率分布函数为：其中，λ＞0是泊松分布中待估计的参数；距研究点最小距离d
min
概率分布函数为：其中，θ1＜θ2是均匀分布中待估计的参数；台风中心压差δp概率分布函数为：其中，μ和σ2是对数正态分布中待估计的参数；台风移动速度v
t
概率分布函数为：其中，μ和σ2是对数正态分布中待估计的参数；台风移动方向a
t
概率分布函数为：其中，μ1和为第一个正态分布待估计的参数，μ2和为第二个正态分布待估计的参数，ρ为待估计的两正态分布的混合度参数。
10.作为优选，步骤s12包括如下步骤：建立描述台风致灾因子性质的台风风场与填充模型，采用batts台风模型应用于台风风场模拟。
11.作为优选，步骤s13中构建台风模拟发生器包括如下步骤：step 1：生成研究点附近的海岸线方程；step 2：生成以研究点为圆心、以给定距离为半径的模拟圆；
step 3：根据均匀概率分布抽样生成台风路径距研究点的最小距离d
min
；step 4：根据混合正态概率分布抽样生成台风移动的方位角a
t
；step 5：根据最小距离和台风移动方向确定台风的移动路径，台风的行进路径是过地球球心的一个球面大圆；step 6：根据台风移动路径和模拟圆的交点确定台风的海上生成点和离境点；step 7：根据台风移动路径和海岸线方程的交点确定台风的登陆点；step 8：根据对数正态概率分布抽样生成台风中心的移动速度v
t
；step 9：以小时为时间分辨率，根据台风中心的移动速度和移动路径确定逐小时台风中心的经纬位置，形成台风的动态移动路径；step 10：根据对数正态概率分布抽样生成台风的海上中心压差δp；step 11：根据batts台风填充模型确定逐小时的台风中心压差，同时检测台风是否登陆，登陆后按衰减公式校正陆上中心气压差；step 12：根据batts台风风场模型确定逐小时的台风最大平均风速，进而确定台风等级。
12.作为优选，步骤s2中，以配电网元件故障修复时间r表征所述关系模型：其中，m表示极端事件的灾变强度，m
crit
表示由灾害性质确定的临界灾变强度；r0表示系统正常运行时元件的平均修复时间；k表示修复时间增加的速率系数，由历史运行数据统计分析得到。
13.作为优选，步骤s4中，配电网故障场景的生成方法包括如下步骤：s41、获取灾害路径、强度及时序变化；s42、对灾害路径上的电网进行网格化处理，每个网格对应一种台风强度；s43、根据网格距灾害中心的距离计算出各网格内每个时段的灾害强度；s44、结合网格内元件的脆弱性曲线，求出各元件的故障概率；s45、采用模拟法对每个元件在灾害发生时段内是否故障进行模拟，得到可能的故障场景，并对场景进行选择和削减。
14.作为优选，动态评估配电网功能水平包括如下步骤：对配电网进行在灾中供电恢复模拟，其中灾害抢修时间t均服从相同参数的指数分布，即其中，μ为指数分布的参数，且修复时间的期望值e(t)＝μ；当配电网的受损线路数大于可调配的抢修队伍的数目时，采用保证单步最优的贪婪算法对抢修顺序进行安排；获取最新的气象预报数据和电网实况数据，确定影响配电网恢复力的终极指标，所述终极指标包括：系统最大失负荷率指标、系统全面复电时间指标以及系统全面复电时间指标；
在每一轮次的滚动评估中，选取三项终极指标中最大的方差系数作为利用monte carlo模拟算法的收敛评判依据；利用设备层次的信息，推算负荷层次和系统层次的恢复力水平；利用气象预报数据前向预测，利用电网实况数据后向校正，采用最新获取的信息实现滚动更新的弹性配电网风险评估。
15.本发明的有益效果：1、极端灾害建模：提出适用于多种极端自然灾害的通用建模框架，对台风天气进行了精细化建模，通过构建灾害模拟发生器，基于多维概率分布生成动态的模拟灾害场景，以刻画自然灾害的潜在风险和动态特性；2、元件故障模式建模：研究台风天气下弹性配电网元件的故障模式，建立相依故障、关联故障的概率分析模型，基于模型—数据混合驱动的方式，通过多维度灾害强度关键参数刻画元件的脆弱性，为配电网弹性评估提供基础前提与支撑；3、弹性配电网在线风险评估：利用气象预报数据前向预测，利用电网实况数据后向校正，综合考虑灾中负荷转供和灾后供电恢复过程，基于最新获取的信息实现滚动更新的弹性配电网风险评估。
附图说明
16.图1为本发明的一种弹性配电网运行风险的滚动评估方法的流程图。
17.图2为本发明的台风致灾因子建模框架图。
18.图3为本发明的batts台风模型风场示意图。
19.图4为本发明的极端事件及影响建模示意图。
20.图5为本发明的弹性配电网在线风险评估流程图。
21.图6为本发明的配网二维地理图像的网格化处理图。
22.图7为本发明的配网二维地理图像的场景生成示意图。
具体实施方式
23.为使本发明的目的、技术方案以及优点更加清楚明白，下面结合附图和实施例对本发明作进一步详细说明，应当理解的是，此处所描述的具体实施方式仅是本发明的一种最佳实施例，仅用以解释本发明，并不限定本发明的保护范围，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.实施例：如图1所示，一种弹性配电网运行风险的滚动评估方法，包括以下步骤：步骤s1：根据台风极端事件发生频率、持续时间以及对配电网的破坏程度，建立表征台风极端灾害强度和持续时间的概率分布模型；极端灾害通常包括了极端自然灾害和极端人为攻击两大类。极端自然灾害包括了风暴、雷暴、洪涝、山火、冰灾、地震、海啸、地磁暴等恶劣天气或地质变迁；极端人为攻击包括了网络攻击、高空核爆电磁脉冲、恐怖袭击等攻击方式。
25.步骤s1中，三个部分之间的逻辑关系如图2所示，包括如下步骤：步骤s11：提取表征致灾因子强度的关键参数，建立其对应的概率分布模型；步骤s12：基于气象或地理模型将所提取的关键参数转化为动态的灾变场景；建立
描述台风致灾因子性质的台风风场与填充模型，如图3所示，采用batts台风模型应用于台风风场模拟；步骤s13：构建灾害模拟发生器，基于多维关键参数的概率分布生成动态的模拟灾害场景。
26.其中，致灾因子分析是对灾变程度强弱和发生可能性大小两个方面因素的综合度量，致灾因子的危害风险性可以描述为致灾因子灾变程度和相应发生概率的二元组，即 h＝《m,p》式中，h(hazard)为致灾因子的危害风险性；m(magnitude)指致灾因子灾变程度强弱；p (probability)指相应强度致灾因子的发生概率。
27.关键参数包括台风年发生率λ、距研究点最小距离d
min
、台风中心压差δp、台风移动速度v
t
以及台风移动方向a
t
；台风致灾因子建模的核心内容是建立致灾因子强度与概率之间的关系；具体的看，采用模拟圆法进行分析。模拟圆半径的选取与研究区域的地形地貌、气象环境等有关，本发明选取模拟圆半径为250km。下面，在模拟圆法的框架下，建立能够描述台风致灾因子的关键参数。
28.台风年发生率λ：一年中通过模拟圆内部的台风数目定义为台风年发生率λ；对于台风灾害，台风发生概率模型通常使用平稳泊松分布表示，其分布律为其中，λ＞0是泊松分布中待估计的参数。
29.距研究点最小距离d
min
：研究点距离台风移动路径的最短有向距离定义为台风距模拟点的最小距离d
min
；由于模拟圆半径设定为250km，因此台风距离研究点的最小距离取值范围是-250km～250km。认为台风距离研究的最小距离服从均匀分布，其概率密度函数为：其中，θ1＜θ2是均匀分布中待估计的参数。
30.台风中心压差δp：台风外围未扰动环境的气压与台风中心气压的差值定义为台风中心压差δp。外围气压对于西北太平洋热带气旋而言一般取1010.0hpa，我国也采用1010.0hpa。台风中心气压差一般位于 0～135hpa范围内，一般采用对数正态分布进行描述，其概率密度函数为其中，μ和σ2是对数正态分布中待估计的参数。
31.台风移动速度v
t
：台风风眼的移动速度定义为台风移动速度v
t
，其值通过台风最佳路径数据集中的前后两帧数据点进行计算。前后两帧数据台风中心的球面距离除以两帧数据的时间间隔可
以得到台风移动速度。台风的移动速度一般在2km/h～65km/h范围内，采用对数正态分布进行描述，其概率密度函数为其中，μ和σ2是对数正态分布中待估计的参数。
32.台风移动方向a
t
：台风移动路径的球面方位角定义为台风移动方向a
t
，其值通过台风最佳路径数据集中前后两帧数据点进行计算；台风移动方向呈现双峰态势，此处利用由两个正态分布组成的混合正态分布对台风移动方向的概率模型进行描述，其概率密度函数为其中，μ1和为第一个正态分布待估计的参数，μ2和为第二个正态分布待估计的参数，ρ为待估计的两正态分布的混合度参数。
33.步骤s13中，batts台风模型广泛应用于台风风场模拟，通过经验公式确定研究点的风速值。最大化梯度风速v
gx
在忽略摩擦后可以表示为：其中，f为地球自转科式力系数，f＝2ωsinψ；k为经验系数，一般取为6.72；r
max
为最大风速半径，单位为km；δp表示台风中心压差，单位为hpa。
34.通常台风平均最大风速一般出现在最大风速半径r
max
处，最大风速半径r
max
与台风中心压差δp之间的统计拟合关系式为r
max
＝1.119
×
103×
δp-0.805
台风在水平方向风场的分布因所在区域的不同而不同，台风风场内距台风中心的距离为r的最大风速值vr可以表示为台风在水平方向风场的分布因所在区域的不同而不同，台风风场内距台风中心的距离为r的最大风速值vr可以表示为其中，x是与台风沿径向强度衰减有关的参数，取值在0.5～0.7范围内。vr表示高度10m处，直线om与台风中心o相距为r时的10min平均风速，直线om表示与台风移动方向顺时针方向成115
°
角的直线；在与直线om夹角为α的直线op上，且到台风中心的距离为r的研究点处10m高度10min平均风速为v
r,a
＝v
r-0.5v
t
(1-cosα)台风从海岸登陆后，其中心压差会不断衰减，认为台风在近海岸附近及登陆后移
动方向不变，台风登陆后中心气压差按照下式进行衰减其中，t表示台风登陆后行进的时间，单位为h；δp(t)为台风登陆后t时刻的中心气压差；δp0为台风登陆前的海上中心气压差；为登陆时台风移动方向与海岸线所成的夹角，
35.步骤s13中构建台风模拟发生器包括如下步骤：step 1：生成研究点附近的海岸线方程；step 2：生成以研究点为圆心、以给定距离为半径的模拟圆；step 3：根据均匀概率分布抽样生成台风路径距研究点的最小距离d
min
；step 4：根据混合正态概率分布抽样生成台风移动的方位角a
t
；step 5：根据最小距离和台风移动方向确定台风的移动路径，台风的行进路径是过地球球心的一个球面大圆；step 6：根据台风移动路径和模拟圆的交点确定台风的海上生成点和离境点；step 7：根据台风移动路径和海岸线方程的交点确定台风的登陆点；step 8：根据对数正态概率分布抽样生成台风中心的移动速度v
t
；step 9：以小时为时间分辨率，根据台风中心的移动速度和移动路径确定逐小时台风中心的经纬位置，形成台风的动态移动路径；step 10：根据对数正态概率分布抽样生成台风的海上中心压差δp；step 11：根据batts台风填充模型确定逐小时的台风中心压差，同时检测台风是否登陆，登陆后按衰减公式校正陆上中心气压差；step 12：根据batts台风风场模型确定逐小时的台风最大平均风速，按照《热带气旋等级》国家标准确定最大风力等级，气旋等级划分标准如表1所示，进而确定台风等级。
36.表1.热带气旋等级划分表。热带气旋等级中心附近最大风力等级(级)中心附近最大平均风速(m/s)热带低压(td)6～710.8～17.1热带风暴(ts)8～917.2～24.4强热带风暴(sts)10～1124.5～32.6台风(ty)12～1332.7～41.4强台风(sty)14～1541.5～50.9超级台风(superty)16及以上≥51.0
37.本实施例中，建立台风模拟发生器模型，以对致灾因子的危害风险性进行分析，得到灾变强度与相应发生概率的二元组集合{《m,p》}
i∈n
，用以描述各种灾变强度的台风及其发生的概率；台风模拟发生器可以根据台风年发生率的概率分布模型随机抽样得到一年内台风的发生频次，再根据其余四个关键参数的概率分布模型随机抽样得到相应灾变强度的台风过境场景。
38.台风模拟发生器模型可以依照概率生成相应灾变强度的台风场景，相当于得到了灾变强度与相应强度台风发生概率的二元组集合{《m,p》}
i∈n
，对台风致灾因子的危害风险性进行了刻画；台风模拟发生器首先利用台风关键参数的概率分布随机抽样生成台风的关键参数，其次通过台风风场与填充模型将关键参数转换为动态的台风灾变场景，达到以五
维联合概率分布随机抽样生成台风灾变场景的目的。
39.步骤s2：根据配电网系统中各元件的故障机理，建立台风灾害强度与配电网元件故障概率的关系模型；进一步的，根据配电网中的主要元件建立其故障模式，提炼相关的故障诱因；然后基于模型驱动或数据驱动的方法，建立考虑极端事件类型与不确定因素的元件故障模型。
40.进一步的，相对于故障率而言，由于元件的修复时间更容易量化，元件修复时间r一般可以表示为其中，m表示极端事件的灾变强度，例如风暴灾害的最大风速、暴雨灾害的降雨量等；m
crit
表示由灾害性质确定的临界灾变强度；r0表示系统正常运行时元件的平均修复时间；k表示修复时间增加的速率系数，由历史运行数据统计分析得到。
41.步骤s3：根据台风灾害下配电网元件的故障模式、故障的独立性与相关性，建立其对配电网的影响模型，并将其应用于灾害模拟；如图4所示。
42.进一步的，架空线路是配电网中主要的承载体，架空线路又由架空导线、杆塔、绝缘子等元件组成；具体的，选取配电网元件中的杆塔，建立其主要故障模式，明确对台风事件的敏感程度。
43.进一步的，对杆塔建模，电杆荷载是指使结构或者构建产生内力和变形的外力及其他因素。一般情况下，电杆主要受到三种外力：导线受到的风负荷w
x
为杆塔收到的风荷载ws为绝缘子受到的风荷载wz为式中，lh为电线水平档距，单位为m；w
x
为线路水平档距为lh的风荷载，单位为kn；μz为风压高度变化系数；α为电线风压不均匀系数；μ
sc
为电线形体系数；d为电线外径，单位为 m；为风向与线路之间的夹角；v为线路规定基准高hs处的设计风速，m/s；β为风振系数；μs为风荷载形体系数；a为杆塔结构构件迎风面的投影面积，单位为m2；n1为一相导线所用到的绝缘子串数；n2为每串绝缘子的片数；a
p
为每片绝缘子的受风面积。以上各参数可根据相关设计规范查得。
44.电杆杆身任意截面的x-x处的弯矩m
x
为为
式中，w
xz
为导线风荷载和绝缘子的风荷载合计，单位为kn；w
sv
杆身风荷载；为x-x截面至杆身风压合力作用点的高度，单位为m；h1为x-x截面至杆顶距离，单位为m；h2为x-x 截面至横担距离，单位为m；f为杆身投影面积，单位为m2；d0为电杆稍径，单位为m；d
x
为x-x直径，单位m；m
x
为扰度产生的附加弯矩系数。
45.混凝土电杆的抗弯强度m
p
通常符合正态分布，其概率密度函数fr可表示为：其中，μ
p
为混凝土电杆抗弯强度的均值；δ
p
为混凝土电杆抗弯强度的标准差；由以上公式，可求得电杆的强度变量及荷载效应。
46.进一步的，建立台风灾害下的配电网复杂故障模型，采用监督学习进行恢复力的评估建模，从数学的角度其可以描述为y＝f(x)+ε其中，y表示学习器的预测量，是样例的标签；x表示作为学习器输入的预测因子，是样例的特征向量；随机的附加噪声ε表示学习器的预测误差；对于架空线路的故障跳闸率模型，学习器的预测量y为架空线路的故障跳闸率λ，表示为单位时间内架空线路的跳闸次数。针对台风灾害，由于其过境时间为数小时至几天不等，宜选用小时为时间单位。通常研究区域的空间跨度相较于台风的风圈直径而言非常小，认为所有架空线路均处于同一地理环境区域，运行工况基本相近，且架空线路设计参数相同。
47.特征向量x的构建依赖于特征工程，其指的是为了获得更好的学习效果而利用原始数据得到学习器训练数据的过程。特征构建是特征工程中的重要环节，是指根据一定的经验从原始数据中人工地找出具有实际或物理意义的特征变量。
48.属性的结合和分割是特征构建常使用的方法。在构建特征时，可以尝试组合二个或更多不同的属性来构造新的特征，也可以尝试把一个属性进行分解或切分。
49.进一步的，基于气象预报数据，结合之前建立的极端自然灾害对配电网影响模型，考虑灾中设备故障的不确定性，生成配电网元件故障场景。
50.步骤s4：通过元件的脆弱性曲线生成配电网故障场景进而动态评估配电网功能水平，如图5所示。
51.其中，步骤s4中，配电网故障场景的生成方法包括如下步骤：s41、获取灾害路径、强度及时序变化；s42、对灾害路径上的电网进行网格化处理，如图6所示，每个网格对应一种台风强度；s43、根据网格距灾害中心的距离计算出各网格内每个时段的灾害强度；s44、结合网格内元件的脆弱性曲线，求出各元件的故障概率；s45、采用模拟法对每个元件在灾害发生时段内是否故障进行模拟，如图7所示，得
到可能的故障场景，并对场景进行选择和削减。
52.灾后抢修策略的优化决策，选取广度优先遍历方法。下面，以伪代码的形式给出灾中负荷转供模拟的方法。其中，用g＝(v,e)表示由包括联络馈线在内的配电线路所构成的图， v表示由配电网节点所组成的集合，e表示所有配电线路组成的集合，表示t时刻由故障退运线路组成的集合。t表示当前时刻，t
end
表示台风离境的时刻，δt为模拟的时间步长。
53.灾中负荷转供模拟算法伪代码。灾中负荷转供模拟算法伪代码。
54.灾后供电恢复模拟算法伪代码。
55.在灾中负荷转供模拟时，认为配电网中的线路具有充足的传输容量裕度，且不考虑各个节点电压上下限约束，只要配电网所有线路所构成的图是连通的，即认为配电网可以重构运行；当配网中存在不与变电站连通的孤立负荷节点时，认为该节点的负荷损失。
56.在灾中供电恢复模拟时，认为每一回配电线路的抢修时间t均服从相同参数的指数分布，即其中，μ为指数分布的参数，且修复时间的期望值e(t)＝μ。
57.当配电网的受损线路数大于可调配的抢修队伍的数目时，需要对抢修顺序进行安排。在灾后的优化调度中，采用保证单步最优的“贪婪”算法。当一个抢修队伍完成一条配电线路的修复而出现空闲时，调度会对当前还未安排修复的受损线路进行重要性排序，给该抢修队伍指派当前最重要的抢修线路。
58.进一步的，实现配电网在线风险评估，在每一轮次的滚动评估中，获取最新的气象预报数据和电网实况数据。基于最新数据，利用monte carlo模拟方法计算弹性配电网恢复力指标，对弹性配电网的风险水平进行评估。
59.稳健性和快速性是恢复力的两大本质特性，将配电网恢复力的终极指标细化为三项，分别反映稳健性、快速性以及两者的综合考量。
60.系统最大失负荷率指标定义为台风过境期间造成配电网损失负荷的最大值与台风入境前配电网负荷量的比值，用fr表示。系统最大失负荷率指标可以通过下式计算：系统最大失负荷率指标fr表征了配电网针对一场台风灾害的抵御与吸收能力。
61.系统全面复电时间指标定义为台风过境期间配电网从开始出现负荷损失起，至全部负荷恢复供电所需要的时间，在本节中用fd表示。系统全面复电时间指标可以通过下式计算：fd＝t
r-t0系统全面复电时间指标fd表征了配电网针对一场台风灾害的响应与快速恢复的能力。
62.系统损失电量指标定义为配电网在一场台风中损失电量的总和，在本节中用fe表示。系统损失电量指标可以通过下式计算：fe＝er系统损失电量指标fe综合考虑了恢复力的稳健性和快速性维度。
63.每一轮次滚动评估中，monte carlo模拟收敛判据是指标期望值的方差系数β小于预设值，选取三项指标中最大的方差系数作为算法收敛的评判依据，即其中，n表示模拟试验次数。在方差系数β小于预设值后，统计计算和即为配电网的风险水平。
64.因此，利用设备层次的信息，可推算负荷层次和系统层次的恢复力水平；利用气象预报数据前向预测，利用电网实况数据后向校正，采用最新可获取的信息可实现滚动更新的弹性配电网风险评估。
65.以上所述之具体实施方式为本发明一种弹性配电网运行风险的滚动评估方法的较佳实施方式，并非以此限定本发明的具体实施范围，本发明的范围包括并不限于本具体实施方式，凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。
技术特征：1.一种弹性配电网运行风险的滚动评估方法，其特征在于，包括以下步骤：步骤s1：根据台风极端事件发生频率、持续时间以及对配电网的破坏程度，建立表征台风极端灾害强度和持续时间的概率分布模型；步骤s2：根据配电网系统中各元件的故障机理，建立台风灾害强度与配电网元件故障概率的关系模型；步骤s3：根据台风灾害下配电网元件的故障模式、故障的独立性与相关性，建立其对配电网的影响模型，并将其应用于灾害模拟；步骤s4：通过元件的脆弱性曲线生成配电网故障场景进而动态评估配电网功能水平。2.根据权利要求1所述的一种弹性配电网运行风险的滚动评估方法，其特征在于，步骤s1包括如下步骤：步骤s11：提取表征致灾因子强度的关键参数，建立其对应的概率分布模型；步骤s12：基于气象或地理模型将所提取的关键参数转化为动态的灾变场景；步骤s13：构建灾害模拟发生器，基于多维关键参数的概率分布生成动态的模拟灾害场景。3.根据权利要求2所述的一种弹性配电网运行风险的滚动评估方法，其特征在于，所述关键参数包括台风年发生率λ、距研究点最小距离d
min
、台风中心压差δp、台风移动速度v
t
以及台风移动方向a
t
；其中：台风年发生率λ对应的概率分布函数为：其中，λ＞0是泊松分布中待估计的参数；距研究点最小距离d
min
概率分布函数为：其中，θ1＜θ2是均匀分布中待估计的参数；台风中心压差δp概率分布函数为：其中，μ和σ2是对数正态分布中待估计的参数；台风移动速度v
t
概率分布函数为：其中，μ和σ2是对数正态分布中待估计的参数；台风移动方向a
t
概率分布函数为：
其中，μ1和为第一个正态分布待估计的参数，μ2和为第二个正态分布待估计的参数，ρ为待估计的两正态分布的混合度参数。4.根据权利要求2所述的一种弹性配电网运行风险的滚动评估方法，其特征在于，步骤s12包括如下步骤：建立描述台风致灾因子性质的台风风场与填充模型，采用batts台风模型应用于台风风场模拟。5.根据权利要求2所述的一种弹性配电网运行风险的滚动评估方法，其特征在于，步骤s13中构建台风模拟发生器包括如下步骤：step 1：生成研究点附近的海岸线方程；step 2：生成以研究点为圆心、以给定距离为半径的模拟圆；step 3：根据均匀概率分布抽样生成台风路径距研究点的最小距离d
min
；step 4：根据混合正态概率分布抽样生成台风移动的方位角a
t
；step 5：根据最小距离和台风移动方向确定台风的移动路径，台风的行进路径是过地球球心的一个球面大圆；step 6：根据台风移动路径和模拟圆的交点确定台风的海上生成点和离境点；step 7：根据台风移动路径和海岸线方程的交点确定台风的登陆点；step 8：根据对数正态概率分布抽样生成台风中心的移动速度v
t
；step 9：以小时为时间分辨率，根据台风中心的移动速度和移动路径确定逐小时台风中心的经纬位置，形成台风的动态移动路径；step 10：根据对数正态概率分布抽样生成台风的海上中心压差δp；step 11：根据batts台风填充模型确定逐小时的台风中心压差，同时检测台风是否登陆，登陆后按衰减公式校正陆上中心气压差；step 12：根据batts台风风场模型确定逐小时的台风最大平均风速，进而确定台风等级。6.根据权利要求1所述的一种弹性配电网运行风险的滚动评估方法，其特征在于，步骤s2中，以配电网元件故障修复时间r表征所述关系模型：其中，m表示极端事件的灾变强度，m
crit
表示由灾害性质确定的临界灾变强度；r0表示系统正常运行时元件的平均修复时间；k表示修复时间增加的速率系数，由历史运行数据统计分析得到。7.根据权利要求1所述的一种弹性配电网运行风险的滚动评估方法，其特征在于，步骤s4中，配电网故障场景的生成方法包括如下步骤：s41、获取灾害路径、强度及时序变化；s42、对灾害路径上的电网进行网格化处理，每个网格对应一种台风强度；s43、根据网格距灾害中心的距离计算出各网格内每个时段的灾害强度；
s44、结合网格内元件的脆弱性曲线，求出各元件的故障概率；s45、采用模拟法对每个元件在灾害发生时段内是否故障进行模拟，得到可能的故障场景，并对场景进行选择和削减。8.根据权利要求1或7所述的一种弹性配电网运行风险的滚动评估方法，其特征在于，动态评估配电网功能水平包括如下步骤：对配电网进行在灾中供电恢复模拟，其中灾害抢修时间t均服从相同参数的指数分布，即其中，μ为指数分布的参数，且修复时间的期望值e(t)＝μ；当配电网的受损线路数大于可调配的抢修队伍的数目时，采用保证单步最优的贪婪算法对抢修顺序进行安排；获取最新的气象预报数据和电网实况数据，确定影响配电网恢复力的终极指标，所述终极指标包括：系统最大失负荷率指标、系统全面复电时间指标以及系统全面复电时间指标；在每一轮次的滚动评估中，选取三项终极指标中最大的方差系数作为利用monte carlo模拟算法的收敛评判依据；利用设备层次的信息，推算负荷层次和系统层次的恢复力水平；利用气象预报数据前向预测，利用电网实况数据后向校正，采用最新获取的信息实现滚动更新的弹性配电网风险评估。
技术总结本发明公开了一种弹性配电网运行风险的滚动评估方法，包括以下步骤：步骤S1：根据台风极端事件发生频率、持续时间以及对配电网的破坏程度，建立表征台风极端灾害强度和持续时间的概率分布模型；步骤S2：根据配电网系统中各元件的故障机理，建立台风灾害强度与配电网元件故障概率的关系模型；步骤S3：根据台风灾害下配电网元件的故障模式、故障的独立性与相关性，建立其对配电网的影响模型，并将其应用于灾害模拟；步骤S4：通过元件的脆弱性曲线生成配电网故障场景进而动态评估配电网功能水平。该方案通过多维度灾害强度关键参数刻画元件的脆弱性，为配电网弹性评估提供基础前提与支撑。撑。撑。
技术研发人员：汤耀景 林雅 张彩友 赵寿生 曹小伟 龚列谦 董学平 黄朝董 吴旭光 郭子黎 马驹 王坤烨 李勇 周震宇 吴红轩 郑源
受保护的技术使用者：国网浙江省电力有限公司 国家电网有限公司
技术研发日：2022.02.23
技术公布日：2022/7/5
