一种基于模糊故障率预测的配电网可靠性评估方法与流程

本发明涉及配电网可靠性评估技术领域，尤其是涉及一种基于模糊故障率预测的配电网可靠性评估方法。

背景技术：

电力系统是国民经济的重要组成部分，配电网作为电力系统的环节，直接向用户配送电能，其供电的安全可靠关系着用户电能质量的好坏，甚至可能对国民经济造成影响，配电网的可靠性评估极为重要。

随着电力系统复杂程度的加深，如何保证复杂配电网下的供电可靠性成为了当下的研究热点。目前配电网可靠性评估的研究主要集中于技术方法的改进和研究内容的扩展上，但大部分可靠性评估中设备故障率均设为平均值。从理论上讲，未来某个时刻的设备元件故障率是一个区间，然而在这个区间内故障率值出现的可能性并不一定是平均的，而是根据元件所处的运行条件、环境因素及自身情况决定。因此，如何实现考虑元件不确定性影响下的配电网可靠性评估仍有待进一步研究。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于模糊故障率预测的配电网可靠性评估方法，该方法通过收集大量元件样本数据建立不同设备元件的故障率模糊可能性分布模型，具有数据全面性特点，可使配电网可靠性评估的结果更加准确可靠；通过对故障率进行预测，能够有效实现考虑元件模糊不确定性影响下的配电网可靠性评估，且通用型强。

本发明的目的可以通过以下技术方案来实现：

一种基于模糊故障率预测的配电网可靠性评估方法，包括如下步骤内容：

s1、获取配电网系统中不同设备元件的样本数据，对元件故障率进行模糊化处理，建立不同设备元件的故障率模糊可能性分布模型。

s2、基于模糊聚类分析法，根据不同的运行工况和环境条件，对配电网设备元件进行模糊分类。

s3、根据步骤s2的模糊分类标准，对元件的分类进行确定，并获取元件的故障率区间，结合可能性分布模型，预测该元件的故障率值。

s4、利用蒙特卡罗法模拟配电网系统的运行状态，获取负荷点和系统的可靠性指标，进而对配电网供电可靠性进行评估。

进一步地，步骤s1具体包括下列步骤：

1.1、获取元件样本数据，包括元件的基本参数故障率、运行条件、环境条件和表征元件特性的特定参数；所述运行条件包括电压、负载率、频率及服役年限，所述环境条件包括温度、湿度、海拔及天气情况，所述表征元件特性的特定参数包括变压器油温和断路器的实际电流。

1.2、对元件故障率进行模糊化，以元件样本数据中的最小故障率和最大故障率作为上下界，确定模糊论域，并选取单位长度，将模糊论域区间划分成m等分。

1.3、确定元件故障率模糊可能性分布，建立元件的故障率模糊可能性分布模型。具体内容为：

分别统计[λkλk+1]区间，故障率出现的频数f，定义故障率λt的可能性分布为：

μλ(t)＝pos{γ∈γλ(γ)＝λi}＝μi,i＝1,2,…m

μi＝f/m

根据m个采用点值，拟合获取元件故障率可能性分布函数。

进一步地，步骤s2具体包括下列步骤：

2.1、根据样本元件数据，建立数据矩阵。

2.2、对建立的原始数据矩阵进行数据标准化。

2.3、利用标准化后的数据矩阵建立元件模糊相似矩阵。

2.4、根据元件模糊相似矩阵获取模糊等价矩阵，具体地：

利用传递闭包法，将模糊相似矩阵rn×n进行平方内积，通过下述方式获取传递闭包t(r)n×n：

当时，传递闭包r^*为模糊等价矩阵。

2.5、根据已经求得的模糊等价矩阵，对配电网设备元件进行模糊分类。具体地：

假设样本元件论域为u＝{x1,x2,…,xn}，根据已经求得的模糊等价矩阵，假设r为模糊等价矩阵中任意元素，其满足如下特点：

r∈[01]

rs为判断阀值

式中，rij为r的值；

根据判断阀值rs的不同选择，其对应的聚类数不同：

当rs＝1，则该元件分为10类，包括：

(x1),(x4),(x8)(x6),(x10),(x9),(x7),(x3),(x5),(x2)

当rs＝0.9，则该元件分为9类，包括：

(x1),(x4),(x8)(x6),(x10,x9),(x7),(x3),(x5),(x2)

当rs＝0，则该元件分为1类，包括：

(x1,x2,x3,x4,x5,x6,x7,x8,x9,x10)。

进一步地，步骤s3具体包括下列步骤：

3.1、对某元件的模糊分类进行确定，利用模糊数学中的格贴近度来对某元件进行分类确定，通过判断格贴近度的大小，来确定模糊集的贴近程度，判据为：

式中，σ0为贴近度，a、b分别为两个模糊子集；

故若需要确定某元件的分类，只需满足：

式中，ε为精度要求，μλ(t)、分别为故障率λt、的可能性分布。

3.2、利用该类元件可能性分布模型，通过该类元件故障率区间值上的故障率可信度，获取故障率预测值。

进一步地，步骤s4具体包括下列步骤：

4.1、读入配电网络结构及元件参数，对配电网系统元件状态进行抽样。

4.2、根据抽样的元件状态判断是否存在故障元件，若存在故障元件，则执行步骤4.3～4.4，否则执行步骤4.5。

4.3、若判断故障发生在主馈线上，则对配电网络进行重构，确定受故障影响的负荷点，并统计负荷点工作时间和故障时间。

4.4、若判断故障只影响分支线上的负荷，则统计负荷点工作时间和故障时间。

4.5、判断抽样是否已经结束，若抽样已结束，则计算负荷点和系统的可靠性指标，进而对配电网供电可靠性进行评估，否则重复步骤4.2，直至满足抽样条件。

与现有技术相比，本发明具有以下有益效果：

一、本发明通过收集大量元件样本数据，包括其基本参数有故障率、运行条件以及环境条件，建立不同设备元件的故障率模糊可能性分布模型，具有数据全面性特点，可使配电网可靠性评估的结果更加准确可靠；

二、本发明提出了一种动态模糊聚类分析的方法，将具有相同或者是相似的元件进行模糊分类，再根据设备元件所受到的影响因素情况，通过相似比较(模糊识别)，确定该元件的分类进而获取故障率区间值，结合元件的故障率模糊可能性分布模型确定该元件的故障率，使得元件故障率预测结果更加科学准确；

三、本发明利用蒙特卡罗法进行配电网可靠性评估，能够有效模拟系统元件和运行状态变化的随机性；

四、本发明基于模糊故障率预测的配电网可靠性评估方法能够有效实现考虑元件模糊不确定性影响下的配电网可靠性评估，且通用型强，可应用于配电网的可靠性评估。

附图说明

图1为实施例中基于模糊故障率预测的配电网可靠性评估方法的流程示意图；

图2为实施例中某个元件t＝ta时刻的故障率的可能性分布图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例

如图1所示，本发明涉及一种基于模糊故障率预测的配电网可靠性评估方法，该方法包括如下步骤：

步骤一、收集元件样本数据，包括其故障率、运行条件和环境条件，对元件故障率进行模糊化处理，建立不同设备元件的故障率模糊可能性分布模型。具体步骤如下：

(11)元件样本数据收集

一个样本元件包括基本参数有故障率、运行条件(电压、负载率、频率及服役年限)以及环境条件(温度、湿度、海拔及天气情况)。同时考虑到配电网不同元件的特性不同，除基本参数外还需收集某些表征设备特性的特定参数。如变压器的油温，断路器的实际电流。本发明从配电网scada系统、元件故障统计数据以及气象记录获取样本数据。

(12)对元件故障率进行模糊化

以样本中的最小故障率λmin和最大故障率λmax作为上下界，确定模糊论域[λminλmax]。选取合适的单位长度，将模糊论域区间划分成m等分。

(13)确定元件故障率模糊可能性分布

分别统计[λkλk+1]区间，故障率出现的频数f，定义故障率λt的可能性分布为：

μλ(t)＝pos{γ∈γ|λ(γ)＝λi}＝μi,i＝1,2,…m

μi＝f/m

根据m个采用点值，拟合得到元件故障率可能性分布函数。如图2所示，表示在t＝ta时刻，某个元件故障率的可能性分布函数。

步骤二、基于模糊聚类分析的方法，根据不同的运行工况和环境条件，对配电网设备元件进行模糊分类。具体步骤如下：

(21)根据收集样本元件数据，建立数据矩阵。假设样本元件论域为u＝{x1,x2,…,xn}，每个元件又由其m个相关因素(样本所收集参数)表示其性状。于是可以得到原始数据矩阵dn×m。

(22)对建立的原始数据矩阵进行数据标准化d'n×m。这样能够便于将元件故障率、电压、频率等具有不同量纲的数据进行比较。同时根据模糊矩阵要求，将数据压缩在[01]区间上。

(23)利用标准化后的数据矩阵d'n×m，建立元件模糊相似矩阵rn×n。

(24)求模糊等价矩阵r^*

利用传递闭包法，将模糊相似矩阵rn×n进行平方内积，通过如下方式求传递闭包t(r)n×n：

当时，传递闭包

(25)动态聚类

根据已经求得的模糊等价矩阵r^*，假设r为矩阵任意元素，其满足如下特点：

r∈[01]

rs为判断阀值

式中，rij为r的值；根据判断阀值rs的不同选择，其对应的聚类数不同。

当rs＝1，分为10类，如下：

(x1),(x4),(x8)(x6),(x10),(x9),(x7),(x3),(x5),(x2)

当rs＝0.9，分为9类，如下：

(x1),(x4),(x8)(x6),(x10,x9),(x7),(x3),(x5),(x2)

当rs＝0，分为1类，如下：

(x1,x2,x3,x4,x5,x6,x7,x8,x9,x10)

步骤三、确定元件的分类并获取故障率区间，结合可能性分布模型预测该元件的故障率值。某元件的故障率预测值通过如下方式获得：

(31)确定某元件的模糊分类。利用模糊数学中的格贴近度来对某元件进行分类确定。通过判断格贴近度的大小，来确定模糊集的贴近程度，判据如下：

式中，σ0为贴近度，a、b分别为两个模糊子集；

故若需要确定某元件的分类，只需满足：

式中，ε为精度要求，μλ(t)、分别为故障率λt、的可能性分布。

(32)利用该类元件可能性分布模型，通过该类元件故障率区间值上的故障率可信度，得到故障率预测值λt。

步骤四、利用蒙特卡罗法模拟配电网系统的运行状态，得出负荷点和系统的可靠性指标。具体步骤包括：

(41)读入配电网络结构及元件参数，对系统元件状态进行抽样。

(42)判断是否存在故障元件，若存在故障元件进行步骤(43)～(44)，否则进行步骤(45)。

(43)若故障在主馈线上，故障后网络重构，确定受影响的负荷点，统计负荷点工作时间和故障时间。

(44)若故障只影响分支线上的负荷，统计负荷点工作时间和故障时间。

(45)判断抽样是否已经结束，若抽样已结束，计算负荷点和系统的可靠性指标，进而对配电网供电可靠性进行评估。否则重复步骤(42)直至满足抽样条件。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。