一种配电网供电安全性综合评价方法与流程

本发明涉及安全配电技术领域，具体涉及一种配电网供电安全性综合评价方法。

背景技术：

配电网作为连接输电网和用户的重要环节，其运行状态的好坏直接影响着用户用电的可靠性和电能质量，与输电网相比，配电网的结构更加复杂，包含的设备数目更加庞大，自动化水平也相对较低，由此导致了配电网运行数据采集的困难，并且加大了配网运行状态评估的难度。

配电系统供电安全性分析作为评估配网运行状态的重要手段，其功能的实用性及分析结果的准确性至关重要。配电系统的安全性是指当互连系统运行中发生故障时，保证对负荷持续供电的能力。相对于输电网，配电网安全分析的研究还不成熟，目前的配电网供电安全分析还没有提出较为实用和有效的评价指标。

目前配电网供电安全性分析大多参照输电网的安全性评价体系，但由于配电网通常具有闭环设计、开环运行的特点，决定了配电网安全分析的评价指标不能照搬输电网的准则。配电网供电安全性分析方法有熵权法、模糊评价法等，利用熵权法对配电网电能质量进行评估，该方法从数据本身的离散程度来确定权重，但并没有考虑数据本身的实际含义，不太符合实际；模糊评价法采用隶属程度描述指标的模糊性，较好地解决了数据的不确定性，但在复杂系统中，相对隶属度权系数误差较大，使得评估结果不准确。

综上所述，现有配电网安全评价体系存在的缺陷总结为：

(1)评价体系的建立没有结合配电网当前发展水平，没有考虑基础数据的可获取性、准确性，导致评价结果难以反映电网的实际运行情况；

(2)评价体系单一，不能全面反映整个配电网的运行水平；

(3)评价指标、评价权重制定具有主观性和随机性。

技术实现要素：

基于现有技术的不足，本发明的目的在于在提供一种配电网供电安全性综合评价方法，用于解决以往权重确定方法的主观性和随机性，保证权值的有效性和实用性，进而提高配电网供电安全性评价的可靠性和准确性。

为实现上述目的，本发明的技术方案为：

一种配电网供电安全性综合评价方法，其特征在于，所述方法包括步骤：

s1：基于层次分析法建立配电网供电安全评价体系，建立的配电网供电安全评价体系包括若干个评价层，各评价层包括若干个配电网供电安全项目指标；

s2：利用人工神经网络法确定s1中建立的各评价层中的各配电网供电安全项目指标在配电网供电安全评价体系中的权重；

s3：根据s2中得出的各配电网供电安全项目指标在配电网供电安全评价体系中的权重，计算出配电网供电安全体系得分。

进一步的，s1中所述配电网供电安全评价体系的评价层包括主目标层、准则层和指标层。

进一步的，s2中利用人工神经网络法确定s1中建立的各评价层中的各配电网供电安全项目指标在配电网供电安全评价体系中的权重的方法包括：

s21：建立评价指标体系的神经网络结构，按照配电网供电安全性评价体系中的层数及项目指标建立对应的神经网络层及节点数；

s22：初始化网络，通过建立评价指标隶属度函数的方法对样本数据进行初始化，并确定学习步骤n和学习精度e；

s23：通过输入不同时间段配电网历史运行数据的方法对神经网络进行训练，得出各配电网供电安全项目指标在配电网供电安全评价体系中的权重。

进一步的，s21中神经网络层包括输入层、隐含层和输出层，其中，输入层的节点数r对应为指标层的配电网供电安全项目指标数，输出层的节点数n对应为所述主目标层的个数，隐含层的节点数m根据m2≥r获得。

进一步的，s23中对神经网络的训练流程包括：

j)输入一组学习样本。对每组学习样本，包含输入向量xi和期望输出ok，样本数据取不同时间段配电网历史运行数据；

k)用输入向量xi连接输入层到隐含层之间的权值wij和阈值θj，计算隐含层各神经单元激活值，通过sigmoid函数，计算隐含层各单元输出zj；

l)用隐含层各单元输出zj，连接权值隐含层到输出层之间的权值vjk和阈值计算输出层各神经单元激活值，通过sigmoid函数，计算输出层各单元输出yk；

m)用期望输出ok和输出层实际输出yk，计算各单元矫正误差，得出输出层权值调整量δvjk和阈值调整量

n)计算隐含层矫正误差，得出隐含层权值调整量δwij和隐含层阈值调整量δθj；

o)计算隐含层与输出层之间的新权值vjk(n+1)和新阈值

p)计算输入层和隐含层之间的新权值wij(n+1)和新阈值θk(n+1)；

q)当训练完p个样本组后，若判断全局误差e小于所设定的精度要求或迭代次数大于设定迭代次数转步骤i，否则迭代次数t＝t+1，转步骤a；

r)记录全局误差e1，设定隐含层数为m-1、m+1，通过步骤a到h，分别计算全局误差e2、e3，比较全局误差。直到中间量m对应的全局误差最小，即e1<e2，且e1<e3，则m为最优隐含层节点个数。

本发明的有益效果为：

基于bp神经网络算法确定评价系统各指标的权值，具有更强的网络容错能力，通过对配电网各单相评价指标分析，保证基础数据可观测性，建立配电网供电安全评价体系，评价结果能够全面准确反映配电网的供电安全运行状况；

通过网络训练，对网络权值的调整，使得各项指标权值更加合理和有效；

通过综合评分，对配电自动化主站系统供电安全性评估，针对不同评估结果，能为配电网精益化运维提供数据支撑。

附图说明

图1为本发明具体实施例的方法流程图；

图2为本发明具体实施例的层次分析法构造图；

图3为本发明具体实施例的与图2对应的神经网络的具体参数构造图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。

本实施例基于层次分析法选取能够反映配电网供电安全性的指标，层次分析法(ahp)将复杂问题进行分解，通过对复杂问题进行分析，将总问题分解成很多子问题，再将子问题分解成更小的问题，从而建立起层次分明的指标体系来描述复杂的问题。本实施例分别从配网系统层和配电设备层建立较为合理的评估指标体系。系统层主要从配电网供电能力、电能质量、可靠性方面考虑。供电能力主要考虑系统n-1通过率、重载设备占比；电能质量主要考虑设备的三相不平衡率；供电可考虑主要考虑系统设备的故障率、用户供电电源状态等。设备层主要评估设备通信状况、设备遥信正确率、设备操作缺陷、设备故障率等。

配电网的供电安全性分析体系建立后，采用bp人工神经网络算法确定各个指标的权重。根据评价体系确定神经网络的各神经网单元数，选择真实配电网历史运行数据作为样本数据，进行网络训练，从而确定合理的权重指标。各评价指标权值确定后，再根据权值指标对配电网的供电安全性进行整体评价，不同的评价结果对应配电网不同的供电安全等级。

具体的，如图1所示，一种配电网供电安全性综合评价方法，所述方法包括步骤：

s1：基于层次分析法建立配电网供电安全评价体系，建立的配电网供电安全评价体系包括若干个评价层，各评价层包括若干个配电网供电安全项目指标；

s2：利用人工神经网络法确定s1中建立的各评价层中的各配电网供电安全项目指标在配电网供电安全评价体系中的权重；

s3：根据s2中得出的各配电网供电安全项目指标在配电网供电安全评价体系中的权重，计算出配电网供电安全体系得分。

步骤s1的实施方式具体为：配电网供电安全评价体系的建立基于配电自动化主站系统，结合现场运行状况及影响供电可靠性的关键问题，基于层次分析法构造如图2所示评价体系：

配电网供电安全评价体系作为主目标层，准则层包括配电网设备运行状态、供电安全性n-1校验、用户运行状况、配电设备运行缺陷、系统应用指标、三相不平衡等6个方面，指标层包含17个底层单项指标，所有的指标都具有可测性，即指标值可以直接测量得到或根据测量到的基础数据进行统计分析得到，保证评价结果的准确性和实用性。

步骤s2的具体实施方式包括基于bp神经网络实现，以下为bp神经网络具体的实现步骤：

1)建立评价指标体系的神经网络结构

首先确定各种神经网络单元数，根据建立的评价体系，确定神经网络的具体参数如图3所示，采用一个输入层，节点r＝17；一个隐含层节点数为m＝12，一个输出层，节点为n＝1。其中隐节点的选择根据m2≥r经验公式获取，再通过曲线变化趋势及误差精度确定，选取误差精度越小训练次数越少对应的隐节点数。

2)初始化网络

初始化神经网络的权值和阈值为[0,1]之间的随机数，本发明通过建立评价指标隶属度函数的方法对样本数据进行初始化，并确定学习步骤n和学习精度e；

3)神经网络训练流程，具体步骤如下：

a)输入一组学习样本。对每组学习样本，包含输入向量xi和期望输出ok，样本数据取不同时间段配电网历史运行数据；

b)用输入向量xi连接输入层到隐含层之间的权值wij和阈值θj，计算隐含层各神经单元激活值，通过sigmoid函数，计算隐含层各单元输出zj；

c)用隐含层各单元输出zj，连接权值隐含层到输出层之间的权值vjk和阈值计算输出层各神经单元激活值，通过sigmoid函数，计算输出层各单元输出yk；

d)用期望输出ok和输出层实际输出yk，计算各单元矫正误差，得出输出层权值调整量δvjk和阈值调整量

e)计算隐含层矫正误差，得出隐含层权值调整量δwij和隐含层阈值调整量δθj；

f)计算隐含层与输出层之间的新权值vjk(n+1)和新阈值

g)计算输入层和隐含层之间的新权值wij(n+1)和新阈值θk(n+1)；

h)当训练完p个样本组后，若判断全局误差e小于所设定的精度要求或迭代次数大于设定迭代次数转步骤i，否则迭代次数t＝t+1，转步骤a；

i)记录全局误差e1，设定隐含层数为m-1、m+1，通过步骤a到h，分别计算全局误差e2、e3，比较全局误差。直到中间量m对应的全局误差最小，即e1<e2，且e1<e3，则m为最优隐含层节点个数。

s3对供电安全性总体评价，

通过各评价指标权重，计算配电网总体供电安全体系得分。如评分总分为10分，将不同分值对应配电网供电安全性的不同安全等级如下表：

本实施例基于bp神经网络算法确定评价系统各指标的权值，具有更强的网络容错能力，通过对配电网各单相评价指标分析，保证基础数据可观测性，建立配电网供电安全评价体系，评价结果能够全面准确反映配电网的供电安全运行状况；

通过网络训练，对网络权值的调整，使得各项指标权值更加合理和有效；

通过综合评分，对配电自动化主站系统供电安全性评估，针对不同评估结果，能为配电网精益化运维提供数据支撑。

需要说明的是，以上所述只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。