一种电力推进系统仿真可信度评估模型综合优化方法
【技术领域】
[0001] 本发明属于电力推进系统和仿真评估模型领域，尤其涉及一种电力推进系统仿真 可信度评估模型综合优化方法。
【背景技术】
[0002] 近年来，仿真技术作为最先进的科学技术，以其经济性好、安全性高和操作性强等 优点，被广泛应用于各个研究领域，同时也带来了巨大的经济效益。仿真技术也被称之为除 了理论研究与实物分析之外的又一种解剖现实世界的新方法，成为正确认识客观世界的又 一技术手段。因此，采用仿真技术对实际系统进行研究，不但可以有效降低科研成本、缩短 研发周期，还能够加快改善实际系统性能的步伐。
[0003] 尽管仿真技术的应用有较多优越性，但也存在一定的风险。仿真技术是以相似理 论为基础，对真实事物或虚拟事物进行构造和试验分析的。因此所建立的仿真系统也不可 能完全模拟真实事物本身。仿真系统是否具有真实可信度、所得的仿真输出结果能否可用， 与系统开发全研发周期中依据仿真输出结果所展开的一系列实施步骤密切相关。因此，对 实际系统的仿真进行可信度评估是必要而迫切的。
[0004] 目前，仿真可信度的模型构建问题主要体现在两个方面，一是实际系统没有潜在 故障问题，仿真模型结果却发现有潜在故障问题，运行部门不得不降低运行极限，造成经济 上的巨大损失；二是实际系统有潜在故障问题，仿真模型没有将其正确的描述出来，无法制 定相应的控制措施，给电力系统安全运行带来隐患。研究表明原有的仿真模型数据仅对事 故仿真是不够的，需要根据仿真结果的可信性研究结果对原有模型进行修改和调整，才能 与实际记录的故障情况接近。所以说对于仿真可信度模型的优化就显得极其重要，它在一 定程度上体现了所构建的仿真模型是否更能够反映实际系统的各种状态。
[0005] 通过对电力推进系统的仿真进行可信度评估模型优化研究，不仅可以更有效地提 高仿真模型的精确度和稳定性，从整体上构造出更高可靠性的仿真模型；还能够利用该高 可信度的仿真模型对实际系统各种工作状态进行模拟和测试，极大的减少了成本花销和投 入的人力、物力，同时也克服了许多实际系统运行的安全隐患，具有非常重要的理论意义和 工程价值。
【发明内容】
[0006] 本发明的目的是提供一种具有高稳定性和精度的，一种电力推进系统仿真可信度 评估模型综合优化方法。
[0007] -种电力推进系统仿真可信度评估模型综合优化方法，包括以下步骤，
[0008] 步骤一：根据电力推进系统本身的特点，按照系统级到单元级的顺序，将复杂系统 分解为若干个子系统；
[0009] 步骤二：根据仿真系统的用户需求和影响系统仿真可信度的因素，将系统仿真的 建立过程为评价准则，自顶向下逐层对仿真系统各准则下的子系统进行分解，直至最小单 元；
[0010] 步骤三：通过对各子系统中单元级模型之间的关联方式和关联程度进行分析，对 电力推进系统进行拓扑建模；
[0011] 步骤四：对电力推进系统进行潮流计算，采集电力推进系统各支路电压、相角、有 功功率和无功功率；
[0012] 步骤五：针对所构建电力推进系统各方面的不同属性，采用相应的智能算法进行 优化，得到优化后的数据网络结构模型，即可信度评估优化模型；
[0013] 步骤六：对相同工况下的实际系统进行数据采集，使用得到的可信度评估优化模 型对实际采集的数据进行测试分析，得到测试的准确度，即为仿真系统相对于实际系统的 可信度；
[0014] 步骤七：给定该系统的可信度指标η，如果步骤六得到的可信度小于可信度指标 η，则对仿真系统的结构和参数进行调整，重新对电力推进系统进行拓扑建模，重复步骤 三~步骤七；如果步骤六得到的可信度大于或等于可信度指标η，则可信度评估结束。
[0015] 本发明一种电力推进系统仿真可信度评估模型综合优化方法，还可以包括：
[0016] 针对所构建电力推进系统各方面的不同属性，采用相应的智能算法进行优化的具 体步骤为：（1)针对所构建电力推进系统的指标权重属性，运用遗传神经网络算法对可信 度评估模型进行修正优化；
[0017] (2)针对所构建电力推进系统的计算速率和计算精度属性，运用粒子群算法对可 信度评估模型进行优化；
[0018] (3)针对所构建电力推进系统的节点和链路属性，运用Floyd-Warshal算法对网 络拓扑可信度评估模型进行网络流分析并调整该模型中的节点和链路，对网络拓扑可信度 评估模型的结构进行简化。
[0019] 有益效果：
[0020] 本发明可以更有效地提高仿真模型的精确度和稳定性，从整体上构造出更高可靠 性的仿真模型；还能够利用该高可信度的仿真模型对实际系统各种工作状态进行模拟和测 试，极大的减少了成本花销和投入的人力、物力，同时也克服了许多实际系统运行的安全隐 患。
【附图说明】
[0021] 图1是中压电力推进系统仿真可信度综合评估指标体系框图；
[0022] 图2是电力推进系统仿真可信度评估模型优化流程图；
[0023] 图3使用智能算法对电力推进系统评估模型进行优化框图；
[0024] 图4是遗传神经网络算法优化评估模型指标权重流程图；
[0025] 图5是粒子群算法优化评估模型计算速率和计算精度流程图。
【具体实施方式】
[0026] 下面将结合附图对本发明做进一步详细说明。
[0027] 本发明包括如下的步骤：
[0028] (1)根据电力推进系统本身的特点，按照系统级到单元级的顺序，将复杂系统分解 为若干个子系统；
[0029] (2)针对仿真系统的用户需求和影响系统仿真可信度的因素，并通过咨询电力推 进领域的相关专家，依据系统仿真的建立过程为评价准则，自顶向下、逐层对仿真系统各准 则下的子系统进行分解，直至最小单元；
[0030] (3)通过对各子系统中单元级模型之间的关联方式和关联程度进行分析，对电力 推进系统进行拓扑建模；
[0031] (4)通过对电力推进系统进行潮流计算，同时对电力推进系统各支路电压、相角、 有功功率、无功功率等参数数据进行采集；
[0032] (5)针对所构建电力推进系统各方面的不同属性，采用相应的智能算法进行优 化；
[0033] (6)得到仿真系统优化后的数据网络结构模型，即可信度评估优化模型；
[0034] (7)对相同工况下的实际系统进行数据采集，使用仿真可信度评估优化模型对实 际采集的数据进行测试分析，得到测试的准确度，即为在仿真系统相对于实际系统的可信 度；
[0035] (8)通过咨询权威专家意见，给定该系统的可信度指标为η。如果可信度小于 η，则对仿真系统的结构和参数进行调整，重新对电力推进系统进行拓扑建模，重复步骤 (3)~（8);如果可信度大于或等于η，则可信度评估结束。
[0036] 针对评估模型各个方面的不同属性，采用相应的智能算法进行优化的步骤包括：
[0037] (1)针对所构建电力推进系统的指标权重属性，运用遗传神经网络算法对可信度 评估模型进行修正优化；
[0038] (2)针对所构建电力推进系统的计算速率和计算精度属性，运用粒子群算法对可 信度评估模型进行优化；
[0039] (3)针对所构建电力推进系统的节点和链路属性，运用Floyd-Warshal算法对网 络拓扑可信度评估模型进行网络流分析并调整该模型中的节点和链路，对网络拓扑可信度 评估模型的结构进行简化。
[0040] 结合图1、图2和图3,以中压电力推进系统仿真可信度综合评估指标体系为例，仿 真系统的可信度评估模型综合优化过程分为以下几个方面：
[0041] 采用W&A(校核、验证与确认）技术作为仿真系统可信度评估原则，确保整个仿真 系统可信度综合评估过程都是以VV&A技术为基础完成。根据电力推进系统本身的特点，按 照系统级到单元级的顺序，将复杂系统分解为若干个子系统后再进行分析。针对仿真系统 的用户需求和影响系统仿真可信度的因素，并通过咨询电力推进领域的相关专家，依据电 力推进系统仿真的建立过程为评价准则，自顶向下、逐层对仿真系统各准则下的子系统进 行分解，直至最小单元。通过对各子系统中单元级模型之间的关联方式和关联程度进行分 析，对电力推进系统进行拓扑建模。通过对电力推进系统进行潮流计算并对各支路电压、相 角、有功功率、无功功率等参数采集大量的数据；针对所构建电力推进系统各方面的不同属 性，采用相应的智能算法进行优化：使用遗传神经网络算法来对可信度层次分析评估模型 的指标权重进行修正优化；使用粒子群算法来对可信度评估模型的计算速率和计算精度进 行优化；使用Floyd-Warshal算法对网络拓扑评估模型进行网络流分析并调整评估模型中 的节点和链路，对网络拓扑评估模型的结构进行简化；得到仿真系统优化后的数据网络结 构模型，即可信度评估优化模型。对相同工况下的实际系统进行数据采集，使用仿真可信度 评估优化模型对实际采集的数据进行测试分析，得到测试的准确度，即为该仿真系统相对 于实际系统的可信度。通过咨询权威专家意见，给定该系统的可信度指标为η，如果可信度 小于η，则对仿真系统的结构和参数进行调整，重新进行拓扑建模，并重复以上步骤；如果 可信度大于η，则可信度评估模型优化过程结束。最终得到整个仿真系统综合优化后的可 信度评估结果。
[0042] 在针对所构建电力推进系统各方面的不同属性，采用相应的智能算法进行优化过 程中所用到的智能算法为遗传神经网络算法、粒子群算法和Floyd-Warshall算法，三种智 能算法的