一种基于交叉熵重要抽样的配电网可靠性评估方法

本发明属于配电网系统的可靠性快速评估，尤其涉及一种基于交叉熵重要抽样的配电网可靠性评估方法。

背景技术：

1、随着社会经济的不断发展，能源需求增长与能源短缺之间的矛盾日益突出。然而，在电力系统运行过程中，往往受极端天气等突发事件的影响，导致元件可靠性迅速下降，进而引发大规模故障。

2、极端天气导致的元件故障是诱发电力系统供能中断的主要因素，而中长期可靠性评估主要基于统计平均值描述元件可靠性，难以刻画上述突发因素对元件可靠性的影响，对于系统运行与风险防控的指导价值有限。

3、运行可靠性评估则关注系统运行过程中的可靠性水平，能够感知并量化内外部环境变化对元件可靠性的影响，实时评估系统运行可靠性水平并指导风险预控策略的开展。然而，电力系统元件种类繁多，耦合关系复杂，可靠性评估过程中涉及多能流优化问题，计算复杂度大幅增加。且在运行过程中元件可靠性参数的时变特性以及多类型负荷所带来的不确定性进一步增加了计算负担，如何有效加速电力系统运行可靠性评估，设计满足时效要求的电力系统运行可靠性评估方法已成为亟待解决的问题。

4、当前研究提出的可靠性评估改进算法难以处理电力系统运行可靠性评估中的多维不确定性因素，而数据驱动方法由于所需样本维数高，训练集获取成本高昂，模型泛化能力难以保证。同时，元件时变可靠性模型多简单采用指数分布，对电力系统中多类型元件故障率的时变特性考虑不足。

5、因此，如何考虑元件时变可靠性模型，对配电系统进行快速可靠性评估，获得准确的可靠性评估结果，是目前本领域技术人员亟待解决的技术问题。

技术实现思路

1、有鉴于此，本发明的目的是针对实际配电系统中可靠性评估的问题，提出一种基于交叉熵重要抽样的配电网可靠性评估方法，用于提高可靠性评估的速度，并为电力系统的可靠安全运行或规划提供更为可靠的依据。

2、为了实现上述目的，本发明提供如下技术方案：

3、一种基于交叉熵重要抽样的配电网可靠性评估方法评估方法包括以下步骤：

4、s1：考虑运行条件对输电线路不可用率的影响；

5、s2：考虑老化效应对输电线路不可用率的影响；

6、s3：合并运行条件和老化效应，建立输电线路不可用率模型；

7、s4：建立配电网可靠性指标解析模型；

8、s5：对步骤s4建立的配电网可靠性指标解析模型的系数进行求解；

9、s6：考虑新能源出力与负荷不确定性的影响，利用bp神经网络训练得到配电网可靠性指标解析模型系数，计算配电网可靠性指标。

10、进一步的，步骤s1中考虑运行条件对输电线路不可用率的影响具体为：

11、

12、式中forline表示输电线路的不可用率，i0与itrip分别为额定电流值与保护动作整定值；foren指由外界天气环境所引起的线路故障概率，参数a与参数b由历史数据确定，可用下式进行计算：

13、

14、

15、

16、式中，为输电线路重载最大故障概率，结合运行数据和经验设定；为输电线路基础不可用率，其中λ和μ分别表示输电线路故障率与修复率，由历史停运统计数据获得。

17、进一步的，步骤s2中考虑老化效应对输电线路不可用率的影响具体为：

18、设线路的服役时间为t0，则其在第i个时段的不可用率可以表示为下式：

19、

20、式中f(t)为威布尔分布函数。

21、进一步的，步骤s3中合并运行条件和老化效应，建立输电线路不可用率模型具体为：

22、

23、进一步的，步骤s4中，建立配电网可靠性指标解析模型包括以下步骤：

24、s4.1：各负荷点可靠性指标可以表示为：

25、

26、

27、式中，ui为负荷点i的年平均停电时间，λi为负荷点i的年平均停运率；事件表示负荷点i发生了失负荷，t为8760h，ttotal是总模拟时长，ti(s)是导致负荷点i发生失负荷的系统事件持续时间；ii(s)是一个0-1指示变量，如果系统事件s的前一个事件中负荷点i不失负荷则ii(s)＝1，反之ii(s)＝0；

28、s4.2：基于全概率公式与条件概率公式，对步骤s4.1中各负荷点可靠性指标公式进行变换：

29、假设关键元件只有工作与失效两种状态，且各元件之间的故障相互独立；对于m个关键元件，其组合状态数为m＝2m；设事件fj(j＝1,2,...,m)表示m个关键元件处于第j个组合状态的系统事件集合，显然事件f1-fm构成一个完备事件组，即其两两互斥且并集为全集；结合全概率公式与条件概率的定义，将上式变换如下所示：

30、

31、

32、上式表示关键元件处在组合状态fj时，事件发生的条件概率；在系统拓扑结构、电气参数和运行参数等不变的情况下，xij取决于系统非关键元件的可靠性水平，假设非关键元件在系统运行期间不发生变化，因此为常数，称为解析模型系数；

33、s4.3：推导出负荷点年平均停运率指标的解析表达式：

34、

35、

36、各负荷点可靠性指标解析表达为关键元件可靠性参数的显式函数，当关键元件可靠性参数发生变化时，将修正后的关键元件组合状态出现概率p(fj)代入模型中即可获得负荷点可靠性指标；

37、s4.4：计算配电网可靠性指标：

38、

39、

40、其中，saifi为系统平均停电次数；saidi为系统平均停电时间，caidi为平均停电持续时间。

41、进一步的，步骤s5中，配电网可靠性指标解析模型的系数求解包括以下步骤：

42、s5.1：令ttotal＝0，假设所有元件初始状态均为正常工作状态，采用序贯蒙特卡洛法生成系统状态；

43、s5.2：设当前系统状态为s，系统状态s对应的时间长度ts由所有元件中持续时间最短的状态决定，设该元件为元件l，令ttotal＝ttotal+ts；判断系统事件s下各负荷点是否发生失负荷，若负荷点i发生失负荷，则令ti(s)＝ts，并求取ii(s)，根据系统事件s中各关键元件的组合状态，将s匹配到集合fj(j＝1,2,...,m)中；若系统状态s属于集合fj，则令

44、s5.3：判断模拟时间ttotal是否小于所设模拟总时间tset；若是，则生成下一个系统状态，转回步骤s5.2；否则，按步骤s4.2所示公式计算得到解析模型系数，算法终止。

45、进一步的，步骤s6包括以下步骤：

46、s6.1：根据步骤s3建立的输电线路不可用率模型及关键元件选取方法，选取系统关键线路；

47、s6.2：以新能源出力与负荷水平作为输入特征量，基于网格搜索法生成输入数据样本，对于每个输入数据样本，建立解析模型，求取各负荷点可靠性指标对应的解析模型系数，作为输出数据实际值；

48、s6.3：针对每个负荷点，构建bp神经网络，将训练样本输入神经网络进行学习，获得系统运行参数与解析模型系数间的映射关系；

49、s6.4：将未来短期内系统负荷水平、新能源出力预测值代入训练好的神经网络模型中，得到对应的解析模型系数；求取关键元件不可用率，代入解析模型中，即可得到各负荷点的可靠性指标；

50、s6.5：算取系统可靠性指标。

51、与现有技术相比，本发明提供的基于交叉熵重要抽样的配电网可靠性评估方法评估方法至少具有以下有益效果：

52、本发明提出了一种基于交叉熵重要抽样的配电网可靠性评估方法，首先，基于全概率和条件概率推导了考虑元件可用率变化的可靠性指标解析计算模型，通过交叉熵重要抽样法快速求取解析模型系数。其次，将可靠性指标解析模型嵌入到传统可靠性参数优化问题中，实现可靠性参数优化模型的解析表达。所提解析模型在求解过程中只需要执行一次基于交叉熵重要抽样的可靠性评估计算，避免了因可靠性参数变化而需要多次进行可靠性评估的弊端，大幅提高了可靠性参数优化问题的求解效率。