极端天气下基于风险决策的新型电力供电弹性规划方法研究OA

极端天气是多维气象参数时空耦合作用形成的复杂现象。传统方法通常基于单因素或简化假设,难以准确表征多参数间的耦合关系,导致对极端天气下电力系统风险场景的识别不够全面、评估结果滞后。这一局限性使得现有规划方法难以基于动态风险进行协同优化,在极端天气的全过程中难以实现安全性与经济性兼顾的系统弹性提升。为此,文中提出一种基于风险决策的供电弹性规划方法。融合多源气象数据与电网历史故障信息,构建气象因素与电力系统状态关联矩阵,通过引入阈值偏移系数建立气象-电力映射边界,精准识别极端天气风险场景。采用基于Copula理论的逆变换法与蒙特卡洛抽样,构建多维气象因素联合分布的概率量化模型,准确捕捉气象参数间的尾部依赖特性,并综合设备服役年限、极端环境及运行状态构建时变故障概率模型,以此为输入构建深度主动学习模型,运用日失负荷量动态评估系统的供需失衡风险,依据风险等级启动弹性规划决策;以极端天气风险规避与弹性提升为导向,构建两阶段供电弹性规划模型,协同优化系统弹性不足率、成本及负荷供应比例等为目标。结果显示,在暴风雪场景下,经两阶段规划后,该方法将系统日失负荷量严格控制在150 MW警戒阈值以内(最高140 MW),储能与新能源装机占比分别提升至5.61%与38.90%,系统弹性不足率降至18%,负荷供应比例达95%,有效增强了系统应对极端天气的动态韧性与供电弹性。