【《配电网可靠性预测理论基础综述》5900字】

配电网可靠性预测理论基础综述目录TOC\o"1-3"\h\u1184配电网可靠性预测理论基础综述 1193331.1机器学习相关理论 196901.1.1机器学习的定义 1239991.1.2机器学习的分类 296231.1.3机器学习的实现步骤 3294191.2配电网可靠性理论 55171.3配电网可靠性影响因素 5323561.4配电网可靠性指标 780541.4.1负荷点可靠性指标 7331.4.2系统可靠性指标 8采用机器学习算法处理配电网可靠性预测中的因果问题时，分析其中的因果关系是非常必要的，“因”代表配电网可靠性影响因素，“果”代表配电网可靠性指标，有“因”才有“果”。因此，为保证研究的全面性，本章从机器学习相关理论、配电网可靠性理论、配电网可靠性影响因素和配电网可靠性指标这四个方面进行研究。1.1机器学习相关理论1.1.1机器学习的定义TomMitchell在《机器学习》这本书中对“学习”进行了定义，即对于某些类型的任务T和性能度量P，如果一个计算机程序在任务T上的性能用P来度量，并伴随经验E而获得性能改善，则称该计算机程序从经验E中学习[34]。在机器学习中，T代表要实现的任务，任务的类型主要分为回归、分类等。性能度量P通常根据任务T决定，例如分类问题的分类准确率，回归问题的预测误差等。经验E则表示学习过程的学习方式，学习方式主要分为有监督的学习、无监督的学习等。机器学习的主要目的是使计算机程序能够模拟并实现人类的学习行为，让计算机从数据或经验中不断地提高自身的学习能力[35]。在本质上，机器学习就是对于给定的一些样本数据，经过算法的设计，让计算机可以自主的进行数据分析并挖掘出数据中存在的潜在规律，根据挖掘的规律实现对未知数据的预测。机器学习基本模型如图2-1所示。图2-1机器学习基本模型Fig.2-1Basicmodelofmachinelearning1.1.2机器学习的分类机器学习按照学习方式可分为监督学习、无监督学习和半监督学习。监督学习是最常见的一种类别。监督学习[36]的目的是在标签化的训练数据中找到一个合适的输入与输出之间的函数，即利用已知特性的样本，建立模型并调整参数，使其达到预期性能，然后利用训练好的模型，对测试数据进行分类和回归。与监督学习不同，无监督学习[37]是通过对无标签的数据进行学习，从而推断出数据内在性质的过程。无监督学习主要包括聚类和降维两大类。半监督学习[38-40]是监督学习和无监督学习相结合的一种学习方式，其输入包含了带标签的数据和不带标签的数据。其基本思想是利用数据分布上的模型假设建立学习器对未标签样例进行标签，其训练通过有标签数据不断标记没有标签的数据来增加训练数据。半监督学习主要包括半监督分类、半监督回归、半监督聚类和半监督降维四种。本文建立的配电网可靠性预测模型，属于监督学习中的回归问题。回归是研究变量间相互依赖的定量关系的方法，其本质上是一个带参数的函数表达式[41]。回归模型按输入变量的个数可分为一元回归和多元回归，按输入变量和输出变量之间的关系可分为线性回归和非线性回归。本文的配电网可靠性预测属于多元非线性回归，配电网可靠性预测实现过程主要是采用有标签的训练集建立模型确定输入变量与输出变量之间的关系式，并对未知变量进行预测，这里的输入变量为配电网可靠性影响因素，输出变量为配电网可靠性指标。设输入变量为x，输出变量为y，输入与输出之间的关系为F，对这个关系的参数进行求解，求解参数可以是有序向量或者高阶矩阵，即：（2-1）式中，表示输入变量x经过关系F后得出的预测结果，表示求解参数。在训练的过程中，通过一个非负实值函数来衡量模型的预测值和真实值的不一致程度，该函数称为损失函数。损失函数越小，模型的鲁棒性越好。假设损失函数为E，当E获得最小值时，求解参数，则：（2-2）式中，表示与y之间的距离，即预测值与真实值之间的偏差。通过最小化来实现输入数据与输出数据之间的拟合，从而得到参数，根据参数建立机器学习模型。1.1.3机器学习的实现步骤目前，机器学习已经形成了一套比较完善的研究过程，但针对数据和场景的特征，需要根据实际情况采用不同的研究方案[42]。从“数据获取”到达“机器学习”的最终目的，主要包括收集数据、数据预处理、数据集划分、模型选择、参数设置、模型训练、模型测试、模型评估和模型优化等步骤。机器学习的实现步骤如图2-2所示。图2-2机器学习的步骤Fig.2-2Thestepsofmachinelearning（1）数据的收集机器学习是一门以数据为基础的学科，数据的质量将会直接影响机器学习的优劣程度，所以首先要保证数据的质量。（2）预处理数据数据是机器学习的基础，数据准备是数据科学的核心。劣质数据将会直接影响实验结果，因此，把数据投入机器学习模型前，需要对数据进行预处理操作。通过对数据的预处理，可以深入了解原始数据存在的问题并提高数据的质量，使得机器学习模型在数据集上获得最优的效果。（3）模型选择模型的选择直接影响机器学习的效果。根据具体的实现任务，例如分类、回归等，可选择适合该任务下的机器学习算法。同时，数据集的大小对模型的选择也有很大的影响，有的机器学习模型适合小样本数据，例如支持向量机；有的则适合大样本，例如神经网络。对于一个给定的问题，通常会有一些候选模型可以适用。选择模型时需要考虑模型预测的准确率、训练时间和泛化性能等因素，其中最重要的就是预测的准确率。（4）参数设置在设置模型参数之前，需要了解每个参数的作用。参数就好像是模型的阀门一样，控制着模型的好坏。参数的设置是建立在算法原理的基础上。往往许多模型中的参数都是通过大量的建模实践摸索出来的。根据前人的经验总结参数设置的方法，有助于尽快建立优秀的模型。（5）模型训练训练模型是机器学习建模过程中最关键的一步，通过采用训练集对模型进行不断地训练，以达到期望的预测效果。（6）模型测试在模型训练结束后，需要利用测试数据对模型的性能进行预测，预测模型的泛化性能，即对未知数据的预测能力。通过模型测试可以直观地看出模型的实际预测能力，即模型训练的好坏程度。（7）模型优化模型的优化主要是针对模型的参数进行优化，比如神经网络的隐藏层数目和每个层中的节点数、支持向量机的惩罚参数和核参数等，这些参数的取值直接决定了模型的预测性能。参数优化之前需要定义每个参数的搜索空间，从中寻找出最优的参数组合，使得模型的输出与真实数据之间到达最正确的拟合。常见的参数优化方法有网格搜索法、贝叶斯优化法、遗传算法等。（8）模型评估针对不同的问题有不同的模型评估标准，比如分类问题中的精准率、回归问题中的均方误差等。根据评估标准，对模型的性能进行评估，确定最适用于待解决问题的机器学习模型。1.2配电网可靠性理论可靠性是指设备、系统、部件能够在规定的时间内和具体的条件下可以顺利实现预期功能的能力。那么，配电网可靠性就是指在规定的时间内配电网对用户供电的能力。配电网可靠性的重要标准是电网持续供电的能力，即电力系统为用户有效提供电能的服务能力，反映了供电系统的安全稳定性。1.3配电网可靠性影响因素配电网可靠性很大程度上受到内部因素和外部因素的影响。内部影响因素主要包括配电网的网络结构水平和配电网内部设备故障（线路故障、变压器故障、隔离开关故障等）等，外部影响因素主要包括天气、人为破坏、企业管理水平等。这些影响因素在某种程度上决定了配电网的停电频率、停电范围以及停电时间的大小。在我国的偏远地区，包括西藏、新疆在内的一些欠发展地区，配电设备由于长期不能维修和替换，导致其处于接近老化、不健康的状况[43]。同时恶劣的外部环境和气候也会对配电装置造成很大的影响，随时会导致配电设备发生故障。这些状况都对配电网的可靠性产生了很大的影响，从而使得配电网的供电可靠性有所下降。本章列举了影响配电网可靠性的部分影响因素：平均供电半径。平均供电半径指的是从电源点到负荷点的平均距离。配电网的供电距离与停电频率呈正相关。同一时间段，供电距离越远，则断电次数越多。负荷率。负荷率指的是统计期限内的平均负荷与最大负荷的比值。配电网的负荷率直接关联到系统的运行可靠性，当负荷率较高时，一旦发生故障，其影响范围将非常广泛。负荷率较低时，则表明配电网的线路利用率低，不能满足配电系统的经济需求。绝缘化率。绝缘化率指的是绝缘线路长度之和与线路总长度的比值。采用绝缘线路可以减少线路出现漏电的情况，线路绝缘化率越高，则配电网线路越可靠。线路的断路器数。通过增加线路上的断路器数，可以提高配电网的灵活性，降低停电对电网的影响。但从经济上讲，如果大规模地使用断路器，将会极大地增加配电网建设的投资成本。因此，在保证经济性和高可靠性的前提下，需要选择平衡两者的最优配置方案。用户双电源率。当配电设备发生故障或需要检修时，可以对单电源用户增加备用电源以减少停电对用户的影响，从而有效提高配电网的供电可靠性。不停电作业率。不停电作业指的是在保证用户不断电的情况下，进行电力施工、检修等作业。不停电作业可以提高电网的运行水平和供电可靠性，节约成本，提高工作效率。配电自动化有效覆盖率。配电自动化可以快速实现故障的定位和隔离，在最大限度上减少停电次数和停电时间。容载比。容载比指的是在某一供电区内变电设备总容量与最高负荷的比值。当容载比较大时，会增加电网的运行成本；当容载比较小时，会降低电网的适应能力。因此容载比不宜取值过大或过小。电缆化率。电缆化率指的是在配电系统中电缆线总长度与线路总长度的比值。配电线路电缆化可以有效防止外部因素的破坏，减少停电事故的发生。满足N-1线路条数占比。其定义是在最大负荷运行模式下，在变电站出线开关停运后，该线路全部负荷可通过不超过两次操作就能转移到其它线路供电，此类线路所占的比例，即满足N-1线路条数占比=（满足N-1的线路条数/线路总数）100%。其中，满足N-1线路条数占比越高，配电网供电可靠性越高。重载线路条数比例。其定义为线路全年最大负荷典型日负载率持续1小时超过70%的线路条数与线路总条数的比值。对重载线路进行改造，可以有效提高配电网供电可靠性。线路最大负载率平均值。线路最大负载率平均值按照区域内各线路最大负载率的算术平均值来计算。其中，线路最大负载率等于线路最大负荷与线路最大载容量的比值。环网化率。按照结构比例，“环网比例”+“双射比例”+“单射比例”+“其它结构比例”=100%。环网化率指的是配网环网关系的线路总回数与配网线路总回数的比值，提高环网化率，可以在一定程度上提高配电网的供电可靠性。除了以上提及的影响因素以外，电网公司的经营能力也是影响配电网可靠性一个重要方面。包括信息沟通的及时性、真实性以及对配电网规划改善的执行力和工作效率等。1.4配电网可靠性指标配电网可靠性指标是衡量配电网向用户持续供电能力的标准，是评价配电网管理水平、拟定规划方案和确定投资策略的重要依据[44]。我国定义的配电网可靠性指标有很多，以下按照负荷点可靠性指标和系统可靠性指标对其进行分类。1.4.1负荷点可靠性指标电力必须经过配电设备的输送才能从供电端到达负荷点，若这些配电设备发生故障或者需要检修，将会严重影响配电网的可靠性。负荷点可靠性指标主要有平均故障率、平均停电持续时间和年平均停电时间。串联电气元件的负荷点可靠性指标计算公式如下：（1）平均故障率平均故障率是指在一定的时间内，由于电气元件故障而导致负荷点i停电的频率，一般用表示，单位为次/年，计算公式如（2-3）所示。（2-3）式中，表示第i个元件的故障率。（2）平均停电持续时间平均停电持续时间表示在负荷点每次发生故障之后，从故障停电到恢复供电所用时间的平均值，一般用表示，计算公式如式（2-4）所示。（2-4）式中，表示第i个元件的平均故障修复时间，单位为h/次；为第i个元件的平均检修持续时间，单位为h/次；表示第i个元件的检修停运率，单位为次/年。（3）年平均停电时间年平均停电时间表示负荷点在一年内的平均停电时间，主要包含了元件故障和检修的时间，一般用U表示，单位为h/年，计算公式如式（2-5）所示。（2-5）在并联系统中，以两个并联元件为例，平均故障率（）、平均停电持续时间（）和年平均停电时间（U）的计算公式如下。（2-6）（2-7）（2-8）1.4.2系统可靠性指标负荷点可靠性指标只能反映出局部负荷点供电可靠性的程度，而不能反映出整个系统的可靠性程度。通过对每个负荷点的可靠性指标进行综合计算可以得到系统可靠性指标[45]。常见的系统可靠性指标有系统平均停电频率（SystemAverageInterruptionFrequencyIndex，SAIFI）、系统平均停电持续时间（SystemAverageInterruptionDurationIndex，SAIDI）、用户平均停电频率（CustomerAverageInterruptionFrequencyIndex，CAIFI）、用户平均停电持续时间（CustomerAverageInterruptionDurationIndex，CAIDI）和平均供电可靠率（AverageServiceAvailabilityIndex，ASAI）等。结合具体案例对以上介绍的系统可靠性指标进行具体分析，假设某配电网系统的总用户数为55000户，网架结构是由六条母线引出六条主馈线，每条馈线对应的用户数见表2-1所示，该配电系统中某年的用户停电数据如表2-2所示。表2-1配电线路用户数[46]Table2-1Numberofusersondistributionlines[46]母线各个馈线供电用户数A5000B15000C10000D10000E7000F8000总计55000表2-2用户停电数据[46]Table2-2Userpowerfailuredata[46]用户停电情况用户停电次数停电持续时间/h1A50001.0D10000.22C50001.03B40000.54D20001.75总的用户停电次数17000停电影响的用户数16000如表2-2所示，停电影响的用户数为16000户，总的停电次数为17000次。（1）系统平均停电频率（SAIFI）系统平均停电频率（SAIFI）是指在单位时间内每个用户的平均停电次数。计算方法用该年内的停电用户总停电次数除以总用户数，表示为：（2-9）式中，表示负荷点i的故障率，表示负荷点i的用户数。根据表2-1和表2-2中数据可得：SAIFI=17000/55000=0.309次/（用户年）。（2）用户平均停电频率（CAIFI）用户平均停电频率（CAIFI）是指一年中每个用户的平均停电次数，计算方法用该年的用户停电次数除以停电影响的用户数，表示为：（2-10）式中，EFF表示停电的负荷点集合。根据表2-2中数据可得：CAIFI=17000/16000=1.063次/（停电用户年）。根据表2-2的数据可计算出系统的停运时间，如表2-3所示表2-3系统停运数据[46]Table2-3Systemoutagedata[46]停电情况停电次数持续时间/min停电时间/min1A500060300000D100012120002C50001206000003B4000301200004D2000105210000总计170004271242000（3）系统平均停电持续