简介面向电力系统研究人员与工程师的分布式电源接入配电网可靠性评估资料包围绕光伏、风电等分布式电源并网后的电压稳定性、保护配置调整、网络拓扑变化与频率控制等核心问题展开涵盖从数据收集、可靠性建模、故障模式分析到供电可靠率、用户平均停电时间等指标计算与优化验证的完整评估流程。压缩包共17个文件以15个MATLAB脚本为主体涉及潮流计算、可靠性评估等关键函数与算例配套1个txt参考文献链接和1个docx说明文档便于理论对照与代码实操。资源包大小158KB目前已有154人学习适合具备电网基础知识、希望深入掌握含分布式电源配电网可靠性评估方法的研究生及工程技术人员。通过研读脚本与说明可清晰理解分布式电源接入对可靠性的影响机理并基于算例数据进行仿真测试与指标测算快速搭建自己的评估流程为课题研究或工程分析提供可直接修改的代码框架与算法思路。1. 一份配电网可靠性评估工程包到底在解决谁的焦虑手头同时拿着两份报告的人最清楚一份说分布式电源接入后供电可靠性提升了另一份说故障率反而变高了两边都声称自己是按规程算的。含分布式电源接入的配电网可靠性评估.zip 这类交付物就是为这个「对不上号」而生的——它不是一个简单算 SAIDI 的脚本而是一套把 DG 出力的随机性、孤岛运行策略、保护配合行为全部装进可靠性指标SAIFI / SAIDI / ENS / ASAI的评估框架。你要在馈线上新装一台光伏、一组储能或一个小水电画可研、报可靠性预算、划定孤岛范围都会用到这套东西。它主要服务配电网规划、可靠性管理、微网和源网荷储方案设计这三类人目的是让你在 DG 接入方案还没开工之前先把「接入后到底会变成什么样」算明白。2. 分布式电源把可靠性模型改成了什么样三个绕不开的变化2.1 网络模型从单源辐射变成多源弱联络故障隔离范围要重画传统配电网可靠性评估的经典做法是故障模式后果分析法FMEA枚举每个元件故障按「故障点上游停电、下游停电、通过联络开关转供」三类后果统计负荷点指标。这套模型成立的前提是电源只在变电站母线这一侧潮流单向故障点下游的负荷要么等修复要么等联络开关倒闸。DG 接入后馈线上出现了第二个甚至第三个电源点。故障隔离区内的负荷理论上可以由 DG 继续供电但「理论上」三个字需要被拆开隔离区的边界由分段开关位置决定DG 是否在隔离区内以及并网开关是否跳开由保护和重合闸时序决定。所以评估的第一步不是套公式而是把网络按开关设备切成分区每个分区标注负荷、DG、可转供路径。我一般会先做一张这样的分区表再谈指标计算分区编号包含母线/开关负荷峰值(kW)DG容量(kW)可转供路径是否允许孤岛Z1变电站出线至分段开关K12000无否Z2K1至分段开关K21500相邻馈线F2否Z3K2至线路末端300400光伏储能无是这张表的价值在于把「拓扑结构」和「运行策略」分离。同一个网络如果 DG 接在 Z3 而故障发生在 Z2Z3 能不能撑住取决于孤岛策略如果 DG 接在 Z1 而故障发生在 Z2Z1 的 DG 反而可能通过故障点倒送电造成保护误动甚至扩大停电范围。评估模型里如果没有这张分区表后面算出来的指标大概率是黑匣子产物——好看但不可信。这里有一个工程上常被忽略的点DG 接入后故障点上游的分区未必安全。传统模型假设故障点上游由变电站电源继续供电故障段被开关隔离后即可恢复但 DG 若接在上游分区且不具备防孤岛保护故障期间 DG 会持续向故障点注入短路电流导致开关跳闸逻辑混乱。可靠性评估里必须把「DG 是否脱网」「保护是否误动」作为事件计入否则结果会系统性偏乐观。这也是后面第 5 章要展开的翻车现场之一。2.2 DG 出力不是定值而是随机过程时序抽样取代期望值很多初做含 DG 可靠性评估的人第一个直觉是把 DG 容量按装机容量折算一个等效容量比如光伏按 0.2 的容量因子算平均出力然后套用传统 FMEA。这种做法在可研初筛里能看个大概但正式评估绝不能这么干原因在于孤岛是一个「阈值型」事件。光伏的出力特征是白天高、夜间为零。如果馈线故障发生在凌晨两点孤岛内光伏出力为零任何孤岛策略都撑不住如果故障发生在中午十二点光伏可能恰好带满负荷。用平均出力折算会把这两种场景揉成一个「半出力」状态而孤岛成立的条件是「电源容量×功率因数≥负荷×备用系数」这是是与否的判断不是一半一半的折中。工程上常用的处理方式有三种按实施成本从低到高排列第一种直接用并网点历史有功功率曲线小时级或 15 分钟级把实测时序塞进蒙特卡洛仿真。这是最贴近真实的做法前提是用户已经有一年以上并网运行数据第二种用统计分布拟合再抽样光伏用 Beta 分布拟合光照强度再乘以装机容量和光电转换效率风电用威布尔分布拟合风速再走风机功率曲线第三种拿典型日曲线乘季节权重。三种方式的核心思想一致DG 出力的时序特征必须保留不能只保留均值。储能和柴发也要单独建模。储能要关心 SOC 的时序递推关系SOC(t1) SOC(t) η_c × P_c×Δt / E - P_d×Δt / (η_d×E)其中 η_c 和 η_d 是充放电效率P_c 和 P_d 是充放电功率E 是储能额定容量。故障发生时储能 SOC 若低于某个门槛即使容量够也撑不了太久柴发则要额外考虑启动时间通常 5 到 15 分钟这个时间在停电户时统计里不能忽略。我见过不止一个评估报告用光伏年发电量除以 8760 得到一个「平均功率」然后断言孤岛可以覆盖多少负荷——这在负荷高峰且无光照的时段会直接翻车。正确做法是至少做 8760 小时的时序仿真让每一小时都有对应的 DG 出力、负荷需求和元件状态。2.3 孤岛策略决定了评估上限一次评估前必须定死的三件事DG 接入后可靠性指标改善幅度很大程度上不是由设备决定的而是由运行策略决定的。同一个网络允许孤岛和不允许孤岛SAIFI 和 SAIDI 的差距可以超过一倍。所以在评估开始之前必须先把孤岛策略写成白纸黑字的决策表而不是在程序里临时猜一个。必须定死的第一件事孤岛范围。故障发生后哪些分区允许进入孤岛运行一般以故障隔离区为边界由分段开关和联络开关围出的区域作为候选孤岛。范围定得越大需要的 DG 容量越充足但控制复杂度也越高。工程上普遍保守只让靠近 DG 且负荷较轻的分区进入孤岛。第二件事孤岛成立判据。最常见的是有功平衡判据——孤岛内 DG 可发容量 ≥ 孤岛内负荷功率 × 备用系数备用系数取 1.05 到 1.2。但只校验有功远远不够。光伏逆变器和储能变流器能否在孤岛内建立电压和频率参考取决于控制模式。如果孤岛内全是 PQ 控制的逆变器没有一台能定电压定频率的电源孤岛即使建立了也会在几个周波内崩溃。因此评估模型里至少要有一台具备 V/f 控制能力的电源储能或柴发并把电压频率约束折算成孤岛成功率参数。第三件事与重合闸的配合时序。馈线故障跳闸后变电站侧重合闸通常会在 0.5 到 2 秒内动作。DG 并网保护为防止非计划孤岛往往在检测到孤岛后 0.2 到 2 秒内脱网。如果 DG 脱网时间小于重合闸时间孤岛根本建立不起来。这部分时序要作为仿真参数写入模型。运行策略决策表可以这样定策略项取值说明是否允许孤岛是仅Z3/ 否允许孤岛的分区列表最小备用系数1.1电源容量/负荷功率下限允许孤岛持续时长2h超过则切负荷或停机DG脱网时间0.5s与重合闸0.8s配合联络转供优先级优先生效有转供路径时不进孤岛把这三件事定完评估模型的输入就齐了。接下来可以进入代码层面。3. 把评估流程落成代码两个随机过程加一个规则引擎3.1 两状态马尔可夫抽样元件故障与修复的时序怎么生成含 DG 配电网可靠性评估的主流实现是序贯蒙特卡洛核心思路是把每个元件的运行状态按小时步长推演一整年得到元件状态时序序列再把负荷曲线和 DG 出力时序叠加上去统计每次故障造成的停电影响。元件状态最常用两状态模型正常运行和故障停运故障率 λ 和修复率 μ 决定状态转移概率。用 Python 写一个最简抽样函数作为起点import numpy as np import pandas as pd def sample_zone_states(n_hours, elements, seed42): 抽样每个分区在仿真周期内的故障状态时序。 参数: n_hours: 仿真时长小时如 8760 表示一年 elements: 列表每个元素为 (分区名, 年故障率, 修复率) 年故障率单位: 次/年如 0.2 修复率单位: 1/小时等于 1/MTTR(h)如 1/4 seed: 随机种子固定后结果可复现 返回: DataFrame每列是一个分区的状态序列0正常1故障 rng np.random.default_rng(seed) states pd.DataFrame(indexrange(n_hours)) for name, lam, mu in elements: arr np.zeros(n_hours, dtypeint) state 0 for t in range(n_hours): if state 0: # 小时步长下的故障转移概率lam 从次/年折算到次/小时 p_fail 1 - np.exp(-lam / 8760) if rng.random() p_fail: state 1 else: p_repair 1 - np.exp(-mu) if rng.random() p_repair: state 0 arr[t] state states[name] arr return states # 示例三个分区的年故障率分别为 0.2、0.15、0.3MTTR 分别为 4h、6h、3h elements [ (Z1, 0.2, 1/4), (Z2, 0.15, 1/6), (Z3, 0.3, 1/3), ] state_seq sample_zone_states(8760, elements, seed7) print(state_seq.mean()) # 每列均值应接近 故障率*MTTR/8760这段代码的逻辑是按小时推进每个元件每个小时只有两个可能——从正常转移到故障或从故障转移到修复。转移概率用指数分布公式 1 - exp(-λ·Δt) 计算小时步长下近似准确。修复率 μ 是 MTTR 的倒数比如 MTTR4 小时μ0.25p_repair1-exp(-0.25)≈0.22表示该小时内修复完成的概率。注意这里把每个分区看成一个可靠性元件。实际工程中一个分区可能包含线路、变压器、开关多个设备可以将分区故障率近似为区内各设备故障率之和修复时间按设备容量加权。如果追求更精细可以每个设备单独建模状态序列更长但故障后果分析逻辑是一样的。还有一个实操细节随机种子必须固定。做方案对比时所有候选方案用同一组种子才能保证随机差异不干扰结果否则 DG 方案 A 和方案 B 的差距可能只是抽样噪声。这个细节后面第 5 章还会展开。3.2 故障后果分析隔离、转供、孤岛判定的规则怎么写有了状态序列下一步是把「哪个分区在哪个时段故障」提取出来逐个做后果分析。对每个故障事件每个分区的停电恢复时间取决于三件事该分区是否包含故障点、能否通过联络开关转供、能否由 DG 孤岛供电。下面这段代码用分区编号的先后关系表达馈线上下游故障后果按三类规则处理def fault_analysis(fault_zone, zone_info, switch_h, repair_h, allow_islandTrue, transfer_zonesNone): 对单个故障事件做后果分析。 参数: fault_zone: 故障分区编号字符串如 Z2 zone_info: 字典每个分区包含 load_kw负荷、dg_kwDG容量 switch_h: 开关倒闸时间小时用于恢复非故障段 repair_h: 故障修复时间小时用于故障段 allow_island: 是否允许孤岛运行 transfer_zones: 允许联络转供的分区集合 返回: 字典每个分区的停电小时数 # 保持分区按上游到下游排序的假设用于判断相对位置 zone_list list(zone_info.keys()) idx zone_list.index(fault_zone) result {} for z in zone_list: if z fault_zone: # 含故障点的分区必须停电到修复完成 result[z] repair_h elif zone_list.index(z) idx: # 故障点上游首级开关跳闸后经重合或倒闸恢复 result[z] switch_h else: # 故障点下游优先联络转供其次孤岛 if transfer_zones and z in transfer_zones: result[z] switch_h elif allow_island and zone_info[z][dg_kw] zone_info[z][load_kw] * 1.1: result[z] switch_h else: result[z] repair_h return result # 分区信息Z3 装 400kW 光伏储能Z2 可通过联络线转供 zone_info { Z1: {load_kw: 200, dg_kw: 0}, Z2: {load_kw: 150, dg_kw: 0}, Z3: {load_kw: 300, dg_kw: 400}, } transfer_zones {Z2} # 例Z2 故障修复 5 小时倒闸 0.5 小时 impact fault_analysis(Z2, zone_info, switch_h0.5, repair_h5.0, transfer_zonestransfer_zones) print(impact) # 预期: Z1 停 0.5h, Z2 停 5h, Z3 通过孤岛只停 0.5h这段规则引擎足够表达可靠性评估的核心逻辑故障段修复时长最长上游段和可转供/可孤岛段只承担一个倒闸时间剩下的下游段只能跟着故障一起停。这里 DG 孤岛的判据是有功容量乘 1.1 的备用系数实际上还应校验储能 SOC、逆变器控制模式、频率电压约束工程版可以在fault_analysis里增加一个island_feasible()子函数把 SOC 时序和频率约束都塞进去。实际工程中馈线拓扑不一定是严格的上下游单链可能有多分支、双电源、环网。处理方式是先把网络拓扑搜索写成邻接关系用图搜索替代这里的序号比较再对每个隔离区做功率平衡校验。核心思想不变故障后果取决于隔离区划分、转供路径和孤岛判据这三者必须来自实际的开关配置和运行规程不能拍脑袋。3.3 指标聚合SAIFI / SAIDI / ASAI / ENS 一次算清故障后果分析完成之后把整个仿真周期内的所有事件汇总。可靠性指标的口径按 IEEE 1366 的走SAIFI 是系统平均停电频率SAIDI 是系统平均停电持续时间ASAI 是供电可用率ENS 是缺供电量。def compute_reliability_kpis(incident_records, zone_info): incident_records: 列表每个元素是 fault_analysis 的返回值 按分区客户数加权聚合系统指标。 total_customers 0 total_customer_interruptions 0.0 total_customer_hours 0.0 total_ens_kwh 0.0 for z, info in zone_info.items(): cust info.get(customers, 1) total_customers cust for impact in incident_records: for z, dur in impact.items(): if dur 0: continue cust zone_info[z].get(customers, 1) load zone_info[z][load_kw] total_customer_interruptions cust total_customer_hours cust * dur total_ens_kwh load * dur saifi total_customer_interruptions / total_customers saidi total_customer_hours / total_customers asai 1 - saidi / 8760 return { SAIFI(次/户): round(saifi, 3), SAIDI(h/户): round(saidi, 3), ASAI: round(asai, 6), ENS(kWh): round(total_ens_kwh, 0), } # 模拟 100 次故障事件的记录演示用 zone_info[Z1][customers] 50 zone_info[Z2][customers] 30 zone_info[Z3][customers] 40 demo_records [fault_analysis(Z2, zone_info, 0.5, 5.0, transfer_zones{Z2})] print(compute_reliability_kpis(demo_records, zone_info))SAIFI 的分母是总客户数分子是客户停电次数总和SAIDI 的分母一样分子是客户停电小时数总和。ASAI 用 1 减去「平均停电小时数 / 年总小时数」代表全年供电可用率。ENS 直接由负荷功率乘以停电时长累加得到注意这里的负荷应该用故障发生时该分区的实际负荷而不是峰值负荷简化示例里用峰值替代了工程上要叠加负荷曲线。到这步一个最小可用的含 DG 配电网可靠性评估闭环已经跑通。但要让结果能用于可研和评审参数怎么取、怎么校准比代码本身更决定成败。4. 参数从哪来、怎么校准一张表把可靠性评估钉在地上4.1 基础参数表元件可靠性参数的工程取值区间配电网可靠性评估最容易被质疑的地方就是参数来源。很多报告直接引用教科书或论文里的典型值但不同地区、不同运维水平、不同设备年代的故障率差异非常大。下面是工程上常用的典型区间具体取值必须以本地台账统计为准元件故障率典型区间修复/操作时间备注架空裸导线0.1~0.6 次/(km·年)4~8 h多雷雨、树障区取高值电缆线路0.02~0.1 次/(km·年)6~12 h故障定位难修复时间长配电变压器0.005~0.02 次/(台·年)6~24 h烧毁更换时间很长断路器0.002~0.01 次/(台·年)4~8 h含拒动概率需另计分段开关手动操作时间 0.5~1 h—自动化改造后可降到分钟级联络转供倒闸0.5~2 h—含调度下令和现场操作注意线路故障率的单位是「每公里每年」乘以线路长度才是分区故障率。比如一条 3 公里的架空线年故障率按 0.2 次/(km·年)该分区年故障率就是 0.6 次/年。修复时间也要区分架空线常见的瞬时性故障重合闸成功率在 60% 到 90% 之间这部分不应该计入 SAIFI 的停电次数但如果重合闸不成功则按永久故障计。评估模型里建议加一个「重合闸成功率」参数默认 0.8这是很多新手容易漏掉的大项。4.2 负荷与 DG 参数时序曲线怎么进模型负荷模型不能用单一峰值。可靠性指标中的 SAIDI 和 ENS 对停电时段的负荷水平高度敏感同样的 2 小时停电发生在夏季晚高峰和春季凌晨ENS 可能差 5 倍。工程上常用三种载入方式一是直接使用馈线出口的 96 点日负荷曲线扩展成 8760 点二是用典型日曲线按季节和日类型切换三是没有实测数据时用配变容量乘同时率估算再叠加载止率。DG 参数部分最省事的输入是并网点实测功率曲线。如果没有实测数据光伏可以按当地水平面总辐射量转换成出力转换关系近似为P_pv(t) η_pv × S_pv × G(t)/1000 × (1 - α(T(t) - 25))其中 η_pv 为系统效率含逆变器和损耗通常 0.8 到 0.85S_pv 为光伏板总面积或装机容量折算面积G(t) 为光照强度(W/m²)α 为温度系数约 0.004/°C。风电则用功率曲线查表风速低于切入风速或高于切出风速时出力为零。储能参数要带上 SOC 初始范围和控制模式。评估模型里适当默认 SOC 初始值为 20% 到 90% 区间故障发生前储能是在充电还是放电直接决定孤岛初期能不能顶上。更稳妥的做法是让储能按日前调度曲线运行评估时读取故障时刻的实际 SOC。4.3 参数敏感性哪些参数值得花力气校哪些差不多就行参数没法全部精确到本地实测先做一轮敏感性分析能找到「值得精修」的参数。常用方法对每个参数做 ±30% 扰动记录 SAIDI 和 ENS 的变化幅度。参数±30% 扰动对 SAIDI 影响评估结论线路故障率大必须用本地运维台账校准修复时间 MTTR大取 P50/P90别取平均重合闸成功率中偏大影响 SAIFI 明显DG 逆变器控制模式大决定孤岛能否建立负荷曲线精度中对 ENS 影响大开关倒闸时间小用典型值即可我一般会把敏感性分析做成表格放进评估报告附录评审专家看到这个就知道参数不是拍脑袋定的。DG 渗透率的影响方向也会在敏感性分析里显现渗透率从 0 升到 30% 时可靠性指标通常改善但继续升高可能因为保护配合复杂而出现拐点。如果你算出来的曲线是一条单调上升的大直线先回第 5 章找原因。提示故障率和修复时间优先用本地区供电所近三年的统计值哪怕样本少也比抄文献强。文献值通常是全国平均跟你所在的城市、雷暴日数、树障情况可能完全对不上。5. 避坑记录含 DG 可靠性评估最容易翻车的五个现场5.1 孤岛成功率虚高指标好看到不敢报现象评估报告里 DG 孤岛成功率 95%SAIDI 大幅下降但同一套方案做半实物仿真时孤岛根本建立不起来。原因孤岛判据只做了有功容量对比忽略了三件事——孤岛内没有 V/f 控制电源、DG 低电压穿越能力不足导致故障期间直接脱网、并网保护动作时间快于重合闸时序。解决孤岛判据增加三个硬条件。孤岛内至少有一台储能或柴发运行在 V/f 模式光伏逆变器必须具备低电压穿越能力并网技术规程里查得到DG 脱网时间必须大于重合闸时间。不满足任何一条孤岛成功率直接置零。这个坑我踩过不止一次最严重的一次是方案里全用 PQ 控制逆变器搭孤岛理论容量绰绰有余实际一拉负荷频率就掉。5.2 蒙特卡洛结果乱跳SAIDI 隔一个随机种子变一次脸现象同一个方案只改随机种子SAIDI 在 2.1 到 3.4 小时之间乱跳评审根本没法判断方案好坏。原因序贯蒙特卡洛的抽样方差大尤其是元件故障率低的场景一年到头可能只发生几次故障指标的随机性自然很高。仿真时长不够是主因。解决仿真时长至少 3000 年起步也就是把 8760 小时的状态序列重复抽样 3000 次方案对比时所有场景固定同一个随机种子组这叫公共随机数法能大幅降低方案间比较的噪声。更精细的做法是用对偶变量或分层抽样降方差但工程上固定随机种子加长仿真时长已经能解决大部分争议。如果 3000 年后 SAIDI 的置信区间宽度仍然超过 ±10%就要审视是不是故障率参数本身给太低。5.3 DG 接入后可靠性反而变差评估却不报警现象DG 渗透率提高后SAIFI 不降反升但评估报告只给了渗透率 10% 和 20% 两个点的数据正好绕开了恶化区间结论写着「接入后可靠性提升」。原因保护配合没有建模。DG 并网后反向短路电流可能导致变电站出线开关误跳或者重合闸时 DG 未脱网导致重合失败扩大停电范围。渗透率越高这类事件发生的概率越大。解决在评估模型中把「保护误动概率」和「重合闸失败概率」显式写成事件。常见做法是给每个DG分区配一个并网保护参数故障发生在 DG 下游时DG 注入故障电流导致上游保护误动的概率取 0.02~0.05重合闸前 DG 未脱网的概率取 0.1~0.2。这样算出来 DG 接入后指标会呈现先升后降的拐点才是真实工程中可能出现的曲线。5.4 拓扑台账一错全盘白算现象评估结果里某个分区停电次数明显异常仔细排查发现该分区在模型里同时连着两个电源故障隔离分析把「由 DG 反送电」和「由主网供电」搞混了。原因配网拓扑台账常年维护不及时分段开关、联络开关的实时状态和图纸不一致尤其是联络开关平时断开、故障时才合上的设备台账里最容易标错。解决评估前先跑拓扑校验脚本。检查项目至少三条每个分区是否连通、是否有且只有一个主供路径不允许环网、DG 并网开关状态是否与运行方式一致。我用过一个笨办法把台账生成的邻接矩阵打印出来人工核对一遍半小时能发现大多数错误。数据干净之前不要启动蒙特卡洛否则算出来的指标只是把脏数据包装成了五位小数的权威感。5.5 停电口径不统一报告数字对不上账现象同一套数据可靠性专责算出的 SAIDI 是 2.8 小时运检班组统计的是 1.9 小时两边都认为对方算错。原因口径差异主要有三个——是否含预安排停电、停电户数按实际停电用户还是按台区用户数、停电时长从开关跳闸算还是从客户报修算。IEEE 1366 明确 SAIFI/SAIDI 的统计对象是故障停电预安排停电应单独统计。解决评估报告里明确注明口径不含预安排停电、按台区用户数加权、停电时长按故障隔离完成时间算。和外部系统对账时先把口径对齐再比数字。这个小动作救了我不止一次评审会上大部分「数据打架」其实都是口径问题。6. 进阶从「算数」到「用数」靠评估结果反推 DG 布点和孤岛划分评估模型跑通之后它的价值不止是出一张指标表而是可以用来给规划方案做决策支持。最常见的一个用法是馈线 DG 布点寻优把同一馈线不同位置、不同容量的 DG 接入方案各跑一轮评估保持随机种子一致做一张「DG 接入位置-容量-SADI/ENS」的二维热力表就能看出指标改善最敏感的位置。一般来说长线路末端、可靠性最差的馈线段、负荷峰值最高的台区附近是 DG 接入改善效果最明显的位置而变电站出口附近本身可靠性已经较高DG 接在那里对系统指标的贡献有限反而增加保护配合风险。第二个进阶用法是把储能 SOC 写进孤岛策略。前面第 2 章的孤岛判据只是容量比较实际运行中储能 SOC 持续变化故障发生时 SOC 只有 15%孤岛维持不了 2 小时SOC 有 80%可以撑到下一个光伏出力高峰。把 SOC 时序纳入孤岛判据后可以计算出合理的储能最低 SOC 运行限值——这是很多园区微网方案里真正值钱的设计参数。最后一个建议是回归验证。拿到任何真实馈线数据后先去掉所有 DG用同一套评估脚本在标准测试网络上复算无 DG 的可靠性指标和已知基准对比。如果偏差超过 5%先检查自己的分区划分和参数设置再添 DG 场景只有无 DG 基准复算打平了DG 场景的结果才有说服力。这已经是我的固定习惯任何 DG 接入方案先跑基准算例再上新场景数据再漂亮也要先能复算出来。希望帮到你。本文还有配套的精品资源点击获取 分布式电源接入后的配电网可靠性评估实战指南
简介面向电力系统研究人员与工程师的分布式电源接入配电网可靠性评估资料包围绕光伏、风电等分布式电源并网后的电压稳定性、保护配置调整、网络拓扑变化与频率控制等核心问题展开涵盖从数据收集、可靠性建模、故障模式分析到供电可靠率、用户平均停电时间等指标计算与优化验证的完整评估流程。压缩包共17个文件以15个MATLAB脚本为主体涉及潮流计算、可靠性评估等关键函数与算例配套1个txt参考文献链接和1个docx说明文档便于理论对照与代码实操。资源包大小158KB目前已有154人学习适合具备电网基础知识、希望深入掌握含分布式电源配电网可靠性评估方法的研究生及工程技术人员。通过研读脚本与说明可清晰理解分布式电源接入对可靠性的影响机理并基于算例数据进行仿真测试与指标测算快速搭建自己的评估流程为课题研究或工程分析提供可直接修改的代码框架与算法思路。1. 一份配电网可靠性评估工程包到底在解决谁的焦虑手头同时拿着两份报告的人最清楚一份说分布式电源接入后供电可靠性提升了另一份说故障率反而变高了两边都声称自己是按规程算的。含分布式电源接入的配电网可靠性评估.zip 这类交付物就是为这个「对不上号」而生的——它不是一个简单算 SAIDI 的脚本而是一套把 DG 出力的随机性、孤岛运行策略、保护配合行为全部装进可靠性指标SAIFI / SAIDI / ENS / ASAI的评估框架。你要在馈线上新装一台光伏、一组储能或一个小水电画可研、报可靠性预算、划定孤岛范围都会用到这套东西。它主要服务配电网规划、可靠性管理、微网和源网荷储方案设计这三类人目的是让你在 DG 接入方案还没开工之前先把「接入后到底会变成什么样」算明白。2. 分布式电源把可靠性模型改成了什么样三个绕不开的变化2.1 网络模型从单源辐射变成多源弱联络故障隔离范围要重画传统配电网可靠性评估的经典做法是故障模式后果分析法FMEA枚举每个元件故障按「故障点上游停电、下游停电、通过联络开关转供」三类后果统计负荷点指标。这套模型成立的前提是电源只在变电站母线这一侧潮流单向故障点下游的负荷要么等修复要么等联络开关倒闸。DG 接入后馈线上出现了第二个甚至第三个电源点。故障隔离区内的负荷理论上可以由 DG 继续供电但「理论上」三个字需要被拆开隔离区的边界由分段开关位置决定DG 是否在隔离区内以及并网开关是否跳开由保护和重合闸时序决定。所以评估的第一步不是套公式而是把网络按开关设备切成分区每个分区标注负荷、DG、可转供路径。我一般会先做一张这样的分区表再谈指标计算分区编号包含母线/开关负荷峰值(kW)DG容量(kW)可转供路径是否允许孤岛Z1变电站出线至分段开关K12000无否Z2K1至分段开关K21500相邻馈线F2否Z3K2至线路末端300400光伏储能无是这张表的价值在于把「拓扑结构」和「运行策略」分离。同一个网络如果 DG 接在 Z3 而故障发生在 Z2Z3 能不能撑住取决于孤岛策略如果 DG 接在 Z1 而故障发生在 Z2Z1 的 DG 反而可能通过故障点倒送电造成保护误动甚至扩大停电范围。评估模型里如果没有这张分区表后面算出来的指标大概率是黑匣子产物——好看但不可信。这里有一个工程上常被忽略的点DG 接入后故障点上游的分区未必安全。传统模型假设故障点上游由变电站电源继续供电故障段被开关隔离后即可恢复但 DG 若接在上游分区且不具备防孤岛保护故障期间 DG 会持续向故障点注入短路电流导致开关跳闸逻辑混乱。可靠性评估里必须把「DG 是否脱网」「保护是否误动」作为事件计入否则结果会系统性偏乐观。这也是后面第 5 章要展开的翻车现场之一。2.2 DG 出力不是定值而是随机过程时序抽样取代期望值很多初做含 DG 可靠性评估的人第一个直觉是把 DG 容量按装机容量折算一个等效容量比如光伏按 0.2 的容量因子算平均出力然后套用传统 FMEA。这种做法在可研初筛里能看个大概但正式评估绝不能这么干原因在于孤岛是一个「阈值型」事件。光伏的出力特征是白天高、夜间为零。如果馈线故障发生在凌晨两点孤岛内光伏出力为零任何孤岛策略都撑不住如果故障发生在中午十二点光伏可能恰好带满负荷。用平均出力折算会把这两种场景揉成一个「半出力」状态而孤岛成立的条件是「电源容量×功率因数≥负荷×备用系数」这是是与否的判断不是一半一半的折中。工程上常用的处理方式有三种按实施成本从低到高排列第一种直接用并网点历史有功功率曲线小时级或 15 分钟级把实测时序塞进蒙特卡洛仿真。这是最贴近真实的做法前提是用户已经有一年以上并网运行数据第二种用统计分布拟合再抽样光伏用 Beta 分布拟合光照强度再乘以装机容量和光电转换效率风电用威布尔分布拟合风速再走风机功率曲线第三种拿典型日曲线乘季节权重。三种方式的核心思想一致DG 出力的时序特征必须保留不能只保留均值。储能和柴发也要单独建模。储能要关心 SOC 的时序递推关系SOC(t1) SOC(t) η_c × P_c×Δt / E - P_d×Δt / (η_d×E)其中 η_c 和 η_d 是充放电效率P_c 和 P_d 是充放电功率E 是储能额定容量。故障发生时储能 SOC 若低于某个门槛即使容量够也撑不了太久柴发则要额外考虑启动时间通常 5 到 15 分钟这个时间在停电户时统计里不能忽略。我见过不止一个评估报告用光伏年发电量除以 8760 得到一个「平均功率」然后断言孤岛可以覆盖多少负荷——这在负荷高峰且无光照的时段会直接翻车。正确做法是至少做 8760 小时的时序仿真让每一小时都有对应的 DG 出力、负荷需求和元件状态。2.3 孤岛策略决定了评估上限一次评估前必须定死的三件事DG 接入后可靠性指标改善幅度很大程度上不是由设备决定的而是由运行策略决定的。同一个网络允许孤岛和不允许孤岛SAIFI 和 SAIDI 的差距可以超过一倍。所以在评估开始之前必须先把孤岛策略写成白纸黑字的决策表而不是在程序里临时猜一个。必须定死的第一件事孤岛范围。故障发生后哪些分区允许进入孤岛运行一般以故障隔离区为边界由分段开关和联络开关围出的区域作为候选孤岛。范围定得越大需要的 DG 容量越充足但控制复杂度也越高。工程上普遍保守只让靠近 DG 且负荷较轻的分区进入孤岛。第二件事孤岛成立判据。最常见的是有功平衡判据——孤岛内 DG 可发容量 ≥ 孤岛内负荷功率 × 备用系数备用系数取 1.05 到 1.2。但只校验有功远远不够。光伏逆变器和储能变流器能否在孤岛内建立电压和频率参考取决于控制模式。如果孤岛内全是 PQ 控制的逆变器没有一台能定电压定频率的电源孤岛即使建立了也会在几个周波内崩溃。因此评估模型里至少要有一台具备 V/f 控制能力的电源储能或柴发并把电压频率约束折算成孤岛成功率参数。第三件事与重合闸的配合时序。馈线故障跳闸后变电站侧重合闸通常会在 0.5 到 2 秒内动作。DG 并网保护为防止非计划孤岛往往在检测到孤岛后 0.2 到 2 秒内脱网。如果 DG 脱网时间小于重合闸时间孤岛根本建立不起来。这部分时序要作为仿真参数写入模型。运行策略决策表可以这样定策略项取值说明是否允许孤岛是仅Z3/ 否允许孤岛的分区列表最小备用系数1.1电源容量/负荷功率下限允许孤岛持续时长2h超过则切负荷或停机DG脱网时间0.5s与重合闸0.8s配合联络转供优先级优先生效有转供路径时不进孤岛把这三件事定完评估模型的输入就齐了。接下来可以进入代码层面。3. 把评估流程落成代码两个随机过程加一个规则引擎3.1 两状态马尔可夫抽样元件故障与修复的时序怎么生成含 DG 配电网可靠性评估的主流实现是序贯蒙特卡洛核心思路是把每个元件的运行状态按小时步长推演一整年得到元件状态时序序列再把负荷曲线和 DG 出力时序叠加上去统计每次故障造成的停电影响。元件状态最常用两状态模型正常运行和故障停运故障率 λ 和修复率 μ 决定状态转移概率。用 Python 写一个最简抽样函数作为起点import numpy as np import pandas as pd def sample_zone_states(n_hours, elements, seed42): 抽样每个分区在仿真周期内的故障状态时序。 参数: n_hours: 仿真时长小时如 8760 表示一年 elements: 列表每个元素为 (分区名, 年故障率, 修复率) 年故障率单位: 次/年如 0.2 修复率单位: 1/小时等于 1/MTTR(h)如 1/4 seed: 随机种子固定后结果可复现 返回: DataFrame每列是一个分区的状态序列0正常1故障 rng np.random.default_rng(seed) states pd.DataFrame(indexrange(n_hours)) for name, lam, mu in elements: arr np.zeros(n_hours, dtypeint) state 0 for t in range(n_hours): if state 0: # 小时步长下的故障转移概率lam 从次/年折算到次/小时 p_fail 1 - np.exp(-lam / 8760) if rng.random() p_fail: state 1 else: p_repair 1 - np.exp(-mu) if rng.random() p_repair: state 0 arr[t] state states[name] arr return states # 示例三个分区的年故障率分别为 0.2、0.15、0.3MTTR 分别为 4h、6h、3h elements [ (Z1, 0.2, 1/4), (Z2, 0.15, 1/6), (Z3, 0.3, 1/3), ] state_seq sample_zone_states(8760, elements, seed7) print(state_seq.mean()) # 每列均值应接近 故障率*MTTR/8760这段代码的逻辑是按小时推进每个元件每个小时只有两个可能——从正常转移到故障或从故障转移到修复。转移概率用指数分布公式 1 - exp(-λ·Δt) 计算小时步长下近似准确。修复率 μ 是 MTTR 的倒数比如 MTTR4 小时μ0.25p_repair1-exp(-0.25)≈0.22表示该小时内修复完成的概率。注意这里把每个分区看成一个可靠性元件。实际工程中一个分区可能包含线路、变压器、开关多个设备可以将分区故障率近似为区内各设备故障率之和修复时间按设备容量加权。如果追求更精细可以每个设备单独建模状态序列更长但故障后果分析逻辑是一样的。还有一个实操细节随机种子必须固定。做方案对比时所有候选方案用同一组种子才能保证随机差异不干扰结果否则 DG 方案 A 和方案 B 的差距可能只是抽样噪声。这个细节后面第 5 章还会展开。3.2 故障后果分析隔离、转供、孤岛判定的规则怎么写有了状态序列下一步是把「哪个分区在哪个时段故障」提取出来逐个做后果分析。对每个故障事件每个分区的停电恢复时间取决于三件事该分区是否包含故障点、能否通过联络开关转供、能否由 DG 孤岛供电。下面这段代码用分区编号的先后关系表达馈线上下游故障后果按三类规则处理def fault_analysis(fault_zone, zone_info, switch_h, repair_h, allow_islandTrue, transfer_zonesNone): 对单个故障事件做后果分析。 参数: fault_zone: 故障分区编号字符串如 Z2 zone_info: 字典每个分区包含 load_kw负荷、dg_kwDG容量 switch_h: 开关倒闸时间小时用于恢复非故障段 repair_h: 故障修复时间小时用于故障段 allow_island: 是否允许孤岛运行 transfer_zones: 允许联络转供的分区集合 返回: 字典每个分区的停电小时数 # 保持分区按上游到下游排序的假设用于判断相对位置 zone_list list(zone_info.keys()) idx zone_list.index(fault_zone) result {} for z in zone_list: if z fault_zone: # 含故障点的分区必须停电到修复完成 result[z] repair_h elif zone_list.index(z) idx: # 故障点上游首级开关跳闸后经重合或倒闸恢复 result[z] switch_h else: # 故障点下游优先联络转供其次孤岛 if transfer_zones and z in transfer_zones: result[z] switch_h elif allow_island and zone_info[z][dg_kw] zone_info[z][load_kw] * 1.1: result[z] switch_h else: result[z] repair_h return result # 分区信息Z3 装 400kW 光伏储能Z2 可通过联络线转供 zone_info { Z1: {load_kw: 200, dg_kw: 0}, Z2: {load_kw: 150, dg_kw: 0}, Z3: {load_kw: 300, dg_kw: 400}, } transfer_zones {Z2} # 例Z2 故障修复 5 小时倒闸 0.5 小时 impact fault_analysis(Z2, zone_info, switch_h0.5, repair_h5.0, transfer_zonestransfer_zones) print(impact) # 预期: Z1 停 0.5h, Z2 停 5h, Z3 通过孤岛只停 0.5h这段规则引擎足够表达可靠性评估的核心逻辑故障段修复时长最长上游段和可转供/可孤岛段只承担一个倒闸时间剩下的下游段只能跟着故障一起停。这里 DG 孤岛的判据是有功容量乘 1.1 的备用系数实际上还应校验储能 SOC、逆变器控制模式、频率电压约束工程版可以在fault_analysis里增加一个island_feasible()子函数把 SOC 时序和频率约束都塞进去。实际工程中馈线拓扑不一定是严格的上下游单链可能有多分支、双电源、环网。处理方式是先把网络拓扑搜索写成邻接关系用图搜索替代这里的序号比较再对每个隔离区做功率平衡校验。核心思想不变故障后果取决于隔离区划分、转供路径和孤岛判据这三者必须来自实际的开关配置和运行规程不能拍脑袋。3.3 指标聚合SAIFI / SAIDI / ASAI / ENS 一次算清故障后果分析完成之后把整个仿真周期内的所有事件汇总。可靠性指标的口径按 IEEE 1366 的走SAIFI 是系统平均停电频率SAIDI 是系统平均停电持续时间ASAI 是供电可用率ENS 是缺供电量。def compute_reliability_kpis(incident_records, zone_info): incident_records: 列表每个元素是 fault_analysis 的返回值 按分区客户数加权聚合系统指标。 total_customers 0 total_customer_interruptions 0.0 total_customer_hours 0.0 total_ens_kwh 0.0 for z, info in zone_info.items(): cust info.get(customers, 1) total_customers cust for impact in incident_records: for z, dur in impact.items(): if dur 0: continue cust zone_info[z].get(customers, 1) load zone_info[z][load_kw] total_customer_interruptions cust total_customer_hours cust * dur total_ens_kwh load * dur saifi total_customer_interruptions / total_customers saidi total_customer_hours / total_customers asai 1 - saidi / 8760 return { SAIFI(次/户): round(saifi, 3), SAIDI(h/户): round(saidi, 3), ASAI: round(asai, 6), ENS(kWh): round(total_ens_kwh, 0), } # 模拟 100 次故障事件的记录演示用 zone_info[Z1][customers] 50 zone_info[Z2][customers] 30 zone_info[Z3][customers] 40 demo_records [fault_analysis(Z2, zone_info, 0.5, 5.0, transfer_zones{Z2})] print(compute_reliability_kpis(demo_records, zone_info))SAIFI 的分母是总客户数分子是客户停电次数总和SAIDI 的分母一样分子是客户停电小时数总和。ASAI 用 1 减去「平均停电小时数 / 年总小时数」代表全年供电可用率。ENS 直接由负荷功率乘以停电时长累加得到注意这里的负荷应该用故障发生时该分区的实际负荷而不是峰值负荷简化示例里用峰值替代了工程上要叠加负荷曲线。到这步一个最小可用的含 DG 配电网可靠性评估闭环已经跑通。但要让结果能用于可研和评审参数怎么取、怎么校准比代码本身更决定成败。4. 参数从哪来、怎么校准一张表把可靠性评估钉在地上4.1 基础参数表元件可靠性参数的工程取值区间配电网可靠性评估最容易被质疑的地方就是参数来源。很多报告直接引用教科书或论文里的典型值但不同地区、不同运维水平、不同设备年代的故障率差异非常大。下面是工程上常用的典型区间具体取值必须以本地台账统计为准元件故障率典型区间修复/操作时间备注架空裸导线0.1~0.6 次/(km·年)4~8 h多雷雨、树障区取高值电缆线路0.02~0.1 次/(km·年)6~12 h故障定位难修复时间长配电变压器0.005~0.02 次/(台·年)6~24 h烧毁更换时间很长断路器0.002~0.01 次/(台·年)4~8 h含拒动概率需另计分段开关手动操作时间 0.5~1 h—自动化改造后可降到分钟级联络转供倒闸0.5~2 h—含调度下令和现场操作注意线路故障率的单位是「每公里每年」乘以线路长度才是分区故障率。比如一条 3 公里的架空线年故障率按 0.2 次/(km·年)该分区年故障率就是 0.6 次/年。修复时间也要区分架空线常见的瞬时性故障重合闸成功率在 60% 到 90% 之间这部分不应该计入 SAIFI 的停电次数但如果重合闸不成功则按永久故障计。评估模型里建议加一个「重合闸成功率」参数默认 0.8这是很多新手容易漏掉的大项。4.2 负荷与 DG 参数时序曲线怎么进模型负荷模型不能用单一峰值。可靠性指标中的 SAIDI 和 ENS 对停电时段的负荷水平高度敏感同样的 2 小时停电发生在夏季晚高峰和春季凌晨ENS 可能差 5 倍。工程上常用三种载入方式一是直接使用馈线出口的 96 点日负荷曲线扩展成 8760 点二是用典型日曲线按季节和日类型切换三是没有实测数据时用配变容量乘同时率估算再叠加载止率。DG 参数部分最省事的输入是并网点实测功率曲线。如果没有实测数据光伏可以按当地水平面总辐射量转换成出力转换关系近似为P_pv(t) η_pv × S_pv × G(t)/1000 × (1 - α(T(t) - 25))其中 η_pv 为系统效率含逆变器和损耗通常 0.8 到 0.85S_pv 为光伏板总面积或装机容量折算面积G(t) 为光照强度(W/m²)α 为温度系数约 0.004/°C。风电则用功率曲线查表风速低于切入风速或高于切出风速时出力为零。储能参数要带上 SOC 初始范围和控制模式。评估模型里适当默认 SOC 初始值为 20% 到 90% 区间故障发生前储能是在充电还是放电直接决定孤岛初期能不能顶上。更稳妥的做法是让储能按日前调度曲线运行评估时读取故障时刻的实际 SOC。4.3 参数敏感性哪些参数值得花力气校哪些差不多就行参数没法全部精确到本地实测先做一轮敏感性分析能找到「值得精修」的参数。常用方法对每个参数做 ±30% 扰动记录 SAIDI 和 ENS 的变化幅度。参数±30% 扰动对 SAIDI 影响评估结论线路故障率大必须用本地运维台账校准修复时间 MTTR大取 P50/P90别取平均重合闸成功率中偏大影响 SAIFI 明显DG 逆变器控制模式大决定孤岛能否建立负荷曲线精度中对 ENS 影响大开关倒闸时间小用典型值即可我一般会把敏感性分析做成表格放进评估报告附录评审专家看到这个就知道参数不是拍脑袋定的。DG 渗透率的影响方向也会在敏感性分析里显现渗透率从 0 升到 30% 时可靠性指标通常改善但继续升高可能因为保护配合复杂而出现拐点。如果你算出来的曲线是一条单调上升的大直线先回第 5 章找原因。提示故障率和修复时间优先用本地区供电所近三年的统计值哪怕样本少也比抄文献强。文献值通常是全国平均跟你所在的城市、雷暴日数、树障情况可能完全对不上。5. 避坑记录含 DG 可靠性评估最容易翻车的五个现场5.1 孤岛成功率虚高指标好看到不敢报现象评估报告里 DG 孤岛成功率 95%SAIDI 大幅下降但同一套方案做半实物仿真时孤岛根本建立不起来。原因孤岛判据只做了有功容量对比忽略了三件事——孤岛内没有 V/f 控制电源、DG 低电压穿越能力不足导致故障期间直接脱网、并网保护动作时间快于重合闸时序。解决孤岛判据增加三个硬条件。孤岛内至少有一台储能或柴发运行在 V/f 模式光伏逆变器必须具备低电压穿越能力并网技术规程里查得到DG 脱网时间必须大于重合闸时间。不满足任何一条孤岛成功率直接置零。这个坑我踩过不止一次最严重的一次是方案里全用 PQ 控制逆变器搭孤岛理论容量绰绰有余实际一拉负荷频率就掉。5.2 蒙特卡洛结果乱跳SAIDI 隔一个随机种子变一次脸现象同一个方案只改随机种子SAIDI 在 2.1 到 3.4 小时之间乱跳评审根本没法判断方案好坏。原因序贯蒙特卡洛的抽样方差大尤其是元件故障率低的场景一年到头可能只发生几次故障指标的随机性自然很高。仿真时长不够是主因。解决仿真时长至少 3000 年起步也就是把 8760 小时的状态序列重复抽样 3000 次方案对比时所有场景固定同一个随机种子组这叫公共随机数法能大幅降低方案间比较的噪声。更精细的做法是用对偶变量或分层抽样降方差但工程上固定随机种子加长仿真时长已经能解决大部分争议。如果 3000 年后 SAIDI 的置信区间宽度仍然超过 ±10%就要审视是不是故障率参数本身给太低。5.3 DG 接入后可靠性反而变差评估却不报警现象DG 渗透率提高后SAIFI 不降反升但评估报告只给了渗透率 10% 和 20% 两个点的数据正好绕开了恶化区间结论写着「接入后可靠性提升」。原因保护配合没有建模。DG 并网后反向短路电流可能导致变电站出线开关误跳或者重合闸时 DG 未脱网导致重合失败扩大停电范围。渗透率越高这类事件发生的概率越大。解决在评估模型中把「保护误动概率」和「重合闸失败概率」显式写成事件。常见做法是给每个DG分区配一个并网保护参数故障发生在 DG 下游时DG 注入故障电流导致上游保护误动的概率取 0.02~0.05重合闸前 DG 未脱网的概率取 0.1~0.2。这样算出来 DG 接入后指标会呈现先升后降的拐点才是真实工程中可能出现的曲线。5.4 拓扑台账一错全盘白算现象评估结果里某个分区停电次数明显异常仔细排查发现该分区在模型里同时连着两个电源故障隔离分析把「由 DG 反送电」和「由主网供电」搞混了。原因配网拓扑台账常年维护不及时分段开关、联络开关的实时状态和图纸不一致尤其是联络开关平时断开、故障时才合上的设备台账里最容易标错。解决评估前先跑拓扑校验脚本。检查项目至少三条每个分区是否连通、是否有且只有一个主供路径不允许环网、DG 并网开关状态是否与运行方式一致。我用过一个笨办法把台账生成的邻接矩阵打印出来人工核对一遍半小时能发现大多数错误。数据干净之前不要启动蒙特卡洛否则算出来的指标只是把脏数据包装成了五位小数的权威感。5.5 停电口径不统一报告数字对不上账现象同一套数据可靠性专责算出的 SAIDI 是 2.8 小时运检班组统计的是 1.9 小时两边都认为对方算错。原因口径差异主要有三个——是否含预安排停电、停电户数按实际停电用户还是按台区用户数、停电时长从开关跳闸算还是从客户报修算。IEEE 1366 明确 SAIFI/SAIDI 的统计对象是故障停电预安排停电应单独统计。解决评估报告里明确注明口径不含预安排停电、按台区用户数加权、停电时长按故障隔离完成时间算。和外部系统对账时先把口径对齐再比数字。这个小动作救了我不止一次评审会上大部分「数据打架」其实都是口径问题。6. 进阶从「算数」到「用数」靠评估结果反推 DG 布点和孤岛划分评估模型跑通之后它的价值不止是出一张指标表而是可以用来给规划方案做决策支持。最常见的一个用法是馈线 DG 布点寻优把同一馈线不同位置、不同容量的 DG 接入方案各跑一轮评估保持随机种子一致做一张「DG 接入位置-容量-SADI/ENS」的二维热力表就能看出指标改善最敏感的位置。一般来说长线路末端、可靠性最差的馈线段、负荷峰值最高的台区附近是 DG 接入改善效果最明显的位置而变电站出口附近本身可靠性已经较高DG 接在那里对系统指标的贡献有限反而增加保护配合风险。第二个进阶用法是把储能 SOC 写进孤岛策略。前面第 2 章的孤岛判据只是容量比较实际运行中储能 SOC 持续变化故障发生时 SOC 只有 15%孤岛维持不了 2 小时SOC 有 80%可以撑到下一个光伏出力高峰。把 SOC 时序纳入孤岛判据后可以计算出合理的储能最低 SOC 运行限值——这是很多园区微网方案里真正值钱的设计参数。最后一个建议是回归验证。拿到任何真实馈线数据后先去掉所有 DG用同一套评估脚本在标准测试网络上复算无 DG 的可靠性指标和已知基准对比。如果偏差超过 5%先检查自己的分区划分和参数设置再添 DG 场景只有无 DG 基准复算打平了DG 场景的结果才有说服力。这已经是我的固定习惯任何 DG 接入方案先跑基准算例再上新场景数据再漂亮也要先能复算出来。希望帮到你。本文还有配套的精品资源点击获取