【《国内外配电网可靠性的发展状况及预测研究现状国内外文献综述》5000字】

-PAGE128--PAGE127-国内外配电网可靠性的发展状况及预测研究现状国内外文献综述1.1国内外配电网可靠性的发展状况从上个世纪50年代起，国外就开始了配电网可靠性的研究工作，其中做的较好的有英国、美国、日本等国家。到了60年代，这些发达国家就将可靠性的研究成果应用到了实际配电网中，并且取得了一定的经济效益。英国对于配电网可靠性的研究的起步最早，于1882年就出版了世界上第一个电气设备安全条例，该条例明确指出了电气设备的安全使用准则，为未来电网方面的研究工作奠定了坚实的基础。到了20世纪60年代，英国的电力公司开始投入大量人力和财力研究配电网可靠性，并制定了电力系统可靠性标准，同时颁布了《国家标准施工和停电报表》、《全国社保缺陷报表》和《供电安全导则》[16]。通过对这些报表和准则进行不断的修改和完善，英国配电网可靠性管理部门已经拥有了一套较为完善的管理文件以及统计指标。美国于20世纪60年代开始配电网可靠性的研究工作，并于1968年成立了美国电力可靠性协会，该协会的主要职责是通过制定一系列的技术原则和指标以保证电网的安全稳定运行。后来，随着北美洲其他城市的加入，该协会更名为北美电力可靠性协会。NERC的主要职责是制定发、输电系统的可靠性标准，为提高北美电力系统供电可靠性提供技术支持。美国各州的公共事业委员会（PublicUtilitiesCommission，PUC）负责各自地区的配电网可靠性管理工作，由于各州的PUC处于相互独立的状态，且配电网可靠性管理工作的管理模式也不一样，因此为了进一步规范管理工作，IEEE公布了IEEEstd-493配电网可靠性标，为各州的PUC制定了明确的目标[17]。日本于70年代初才开始探讨配电网可靠性的计算方法以及提高可靠性的措施，相比英国、美国等国家起步较晚。在配电网建设和改造的过程中，日本电力公司更加看重于配电系统的转供电能力，转供能力作为供电能力研究的分支，是评价配电网可靠性的重要标准，对提升网络的供电能力具有重要意义，因此被列为日本最重要的可靠性指标之一。20世纪90年代，日本城市电网的供电可靠率指标达到了99.998%，用户平均停电时间不到10分钟，在全球范围内都处于领先水平。与国外发达国家对于配电网可靠性的研究时间相比，国内起步较晚，我国于上世纪80年代初才开始意识到配电系统可靠性的重要性，随即颁布了相关法令和准则，开始了配电网可靠性的研究工作。1985年，原水电部电力可靠性管理中心发布了《SD137-85配电系统供电可靠性统计方法》，昆明被列为首个试点城市[18]。经过若干年的实践和发展，我国能源部对原有的统计方法进行了总结，并于1991年颁布了《供电系统用户供电可靠性统计方法》，该方法对我国配电网可靠性统计方法以及评价指标进行了有效统一。1998年，原电力部发布了《供电系统用户供电可靠性评价规程》，又重新对我国现有的供电可靠性评价指标和统计方法进行了规定，经过长达数年的实践和总结，原国家经济贸易委员会从实战中汲取经验，对原有的《供电可靠性评价规程》进行了修改和完善，并于2012年完成了新版《供电系统用户供电可靠性评价规程》的颁发[19]。但是在二十世纪之前，我国的关注重点还是在于发、输电领域的电力系统供电可靠性研究工作上，对配电领域的研究涉及不多，根本原因在于发、输电领域作为电力系统的源头，其可靠性水平直接影响配电系统的可靠性，一旦出现故障或需要检修将会造成大面积的停电。近些年来，随着发、输电领域的研究工作越来越成熟，使得大量高校和研究人员开始意识到配电网可靠性的重要程度，因此开展了大量关于配电网可靠性统计、可靠性优化和可靠性评估等方面的研究工作，并取得了相当不错的科研成果，与此同时，配电网供电可靠性评估体系也在逐步趋向完善。据相关数据统计，2012年我国城市用户平均供电可靠率为99.949%，用户平均停电时间为4.53小时；2015年我国城市用户平均供电可靠率达到99.953%，用户平均停电时间减少到4.05小时，可以说，随着配电网可靠性研究工作的不断深入以及网架拓扑结构的改造升级，全国城市用户平均供电可靠率得到了显著提升，用户平均停电时间明显减少，但相比英国、美国和日本等发达国家，仍有不小的差距。1.2国内外配电网可靠性预测的研究现状随着当前研究工作的不断深入和技术水平的持续改善，科研工作人员越来越重视电力系统可靠性预测的准确性。配电网作为电力系统的重要组成部分，通过对其可靠性进行预测，可以为分析配电网可靠性发展趋势、确定配电网投资方向和改善配电网结构等提供参考依据[20]。国内外常用的配电网可靠性预测方法有时间序列法和因果分析法。以往，研究人员在分析配电网的可靠性水平时，都是根据设备元件、内部影响因素指标等数据完成对系统可靠性的评估，这就需要元件在系统可靠性的变化发展过程中保持良好的稳定性，所以在元件故障率存在随机特性的情况下，传统的可靠性评估方法[21]已经不能满足需求。=1\*GB3①时间序列法时间序列预测法是一种根据现有的时间序列数据反映出来的发展过程和趋势进行推理，并预测未来发展趋势的方法[22]。配电网可靠性指标数据本身就具有动态特征，因此可建立适当的时间序列模型以预测未来配电网可靠性指标的发展趋势。文献[23]针对配电网的动态规律和可靠性指标特征，提出了基于ANN-dropout的时间序列预测方法，通过实例验证表明，经过dropout技术优化后的人工神经网络（ANN）具有更佳的预测性能。文献[24]通过分析供电可靠率的动态特性，提出一种基于数据变换的可靠性灰色预测模型，通过算例结果表明，可靠性指标经过数据变换后，解决了供电可靠率的预测值会高于1的现象，使得未来一段时间的预测值更接近于真实值，提高了预测精准度。文献[25]针对传统模型预测精度低的问题，提出一种基于优化KELM的配电网可靠性时间序列预测模型，采用混合优化算法对KELM的参数进行寻优以达到最佳的预测效果，实例仿真验证了该模型具有较高的准确性和稳定性。②因果分析法因果分析法是根据事物发展变化的因果关系来进行预测的方法[26]。在一些发展中国家，用电负荷的增长、设备状态以及网架结构的改变使得配电网的可靠性发生了明显的变化，但是电网公司的运行管理水平并没有得到明显的提升。对于这种配电网，未来投资后的网络结构还不能很好地确定，甚至有些规划方案、网架结构还需要调整，因此，必须分析出在各影响因素变化的情况下系统可靠性变化的程度，即寻找出各影响因素与可靠性指标之间的关系，从而实现对配电网可靠性的有效预测。宋云亭等人[27]根据传统可靠性预测方法的缺陷，提出一种基于BP神经网络的城市电网供电可靠性预测方法，首先将选取的城市电网供电可靠性影响因素特征指标数据作为预测模型的输入样本，城市电网供电可靠性指标数据作为模型的输出样本；然后对人工神经网络预测模型进行训练，即学习输入样本与输出样本之间的函数关系式；最后利用训练好的模型对未来某一年的可靠性指标进行预测，实验结果表明该方法具有良好的收敛性。汪颖翔等人[28]针对传统配电网可靠性评估方法不再适用于大规模配电系统，提出一种基于改进Elman神经网络的配电网可靠性预测模型，首先采用灰色关联分析法筛选出影响配电网可靠性的主要影响因素并将主要影响因素作为预测模型的输入，在一定程度上减少了模型训练的复杂度；然后在Elman神经网络的承接层中加入自反馈连接增益系数，精简了网络的规模；最后采用思维进化算法优化Elman神经网络的权值和阈值，减少了参数在初始化的过程中存在随机性的情况，从实验结果可以看出，该方法可以有效简化计算过程并同时提高预测精度。Liu等人[29]指出在面对日益复杂的配电网结构和不断增大的数据量，传统的可靠性评估方法已不再适用，因此提出一种基于GA-BP神经网络的配电网可靠性评估预测方法，采用遗传算法（GA）对BP神经网络的权值和阈值进行优化以达到最佳的预测效果，通过实验表明该方法是有效的。刘亚南等人[30]根据电网运行的实际特点，提出了基于相关向量机（RVM）的电网供电可靠性预测模型，同时采用主成分分析法（PCA）对样本集进行特征抽取以减少模型的输入维度，实验结果表明该方法可以有效提高预测模型的精度和泛化能力。宋娟等人[31]根据传统配电网可靠性预测方法计算量大且计算周期长的特点，提出了一种基于果蝇算法（FOA）优化支持向量机的城市配电网可靠性预测方法，实验结果表明，建立的预测模型的预测精度明显优于未经优化的SVM模型。许爱东等人[32]为提升配电网供电可靠性的预测精度，提出了基于主成分分析法（PCA）和粒子群算法（PSO）优化极限学习机（ELM）的配电网供电可靠性预测模型，从多个方面分析影响配电网供电可靠性的因素，利用PCA强大的数据特征提取能力实现数据的降维，同时采用PSO对ELM的输入权值和阈值进行优化，完成对配电网供电可靠性预测模型的训练，以某大型电网的实际数据为例进行仿真实验，验证了该模型的有效性。需要考虑的是，时间序列预测法只考虑用过去的时间序列对未来发展状况的预测，并没有考虑内部和外部因素的影响，当外部环境变化较大时，其预测结果与真实值之间往往会有较大偏差，并且时间序列预测法的优势主要体现在中短期时间序列预测中。而配电网可靠性统计数据大都以年为统计单位，时间间隔较长，且可靠性指标数据大都随着影响因素的变化而变化，因此本文考虑采用因果分析法实现配电网可靠性预测。机器学习作为人工智能的重要分支，在预测和分类等方面具有优异的表现，同时对因果分析方法的发展也具有重要的推动作用。机器学习方法不仅可以和因果分析法相结合形成因果机器学习法，还能以“数据驱动”系统全面考虑广泛的模型，通过提高预测效果，从而进行有效的反事实推断[33]。因此，本文采用机器学习方法来充分挖掘配电网可靠性数据内部隐藏的规律，即分析其中的因果关系，从而实现配电网可靠性的有效预测。然而选择一个合适的机器学习模型进行配电网可靠性预测是至关重要的，并且预测模型参数的优化也是不容忽视的，一个合适的优化算法也能在一定程度上进一步提升预测的精度。参考文献周家启,赵霞.电力系统风险评估方法和应用实例研究[J].中国电力,2006(08):77-81.周孝信,郑健超,沈国荣,等.从美加东北部电网大面积停电事故中吸取教训[J].电网技术,2003(09):1.唐葆生.伦敦南部地区大停电及其教训[J].电网技术,2003(11):1-5+12.印永华,郭剑波,赵建军,等.美加“8.14”大停电事故初步分析以及应吸取的教训[J].电网技术,2003(10):8-11+16.胡学浩.美加联合电网大面积停电事故的反思和启示[J].电网技术,2003(09):2-6.甘德强,胡江溢,韩祯祥.2003年国际若干停电事故思考[J].电力系统自动化,2004(03):1-4+9.郭永基.电力系统可靠性原理和应用:上册[M].北京:清华大学出版社,1985.AllanR,BillintonR.Probabilisticassessmentofpowersystems[J].ProceedingsoftheIEEE,2000,88(2):140-162.崔凯,房大中,钟德成.电力系统暂态稳定性概率评估方法研究[J].电网技术,2005(01):44-49.宋云亭,张东霞,吴俊玲,等.国内外城市配电网供电可靠性对比分析[J].电网技术,2008,32(23):13-18.瞿海妮,刘建清.国内外配电网供电可靠性指标比较分析[J].华东电力,2012,40(09):1566-1570.李琳.提高城市配电网供电可靠性技术的研究[D].北京:北京交通大学,2014.伍也凡,刘浩田,肖振锋,等.考虑源-网-荷不确定性的增量配电网规划研究综述[J].电力系统保护与控制,2021,49(08):177-187.苏韵掣,刘俊勇,刘友波,等.大规模中压配电网可靠性建设改造措施优选模型及求解方法[J].电网技术,2017,41(01):201-210.李霞林,郭力,黄迪,等.直流配电网运行控制关键技术研究综述[J].高电压技术,2019,45(10):3039-3049.栗安琪.大数据背景下配电网可靠性评估建模与应用研究[D].北京:华北电力大学,2020.黄超.配电网可靠性评估方法的研究[D].广州:华南理工大学,2019.BillintonR,BillintonJ.Distributionsystemreliabilityindices[J].IEEETransactionsonPowerDelivery,1989,4(1):561-568.AllanRN,BillintonR.Bibliographyontheapplicationofprobabilitymethodsinpowersystemreliabilityevaluation[J].IEEETransactionsonPowerSystems:APublicationofthePowerEngineeringSociety,1999,14(1):51-57.张桦.配电系统可靠性预测模型及其算法研究[D].重庆:重庆大学,2016.何禹清.配电网快速可靠性评估及重构方法研究[D].长沙:湖南大学,2011.金竹静,李金花,张春敏,等.基于时间序列法的滇池流域新宝象河污染风险预测[J].安全与环境学报,2018,18(04):1580-1585.邢晓敏,何铁新,郑雪瑞,等.基于ANN-dropout的配电网可靠性预测方法[J].南方电网技术,2019,13(02):66-73.占晨阳.配电网可靠性预测的模型优化研究[D].淮南:安徽理工大学,2020.LiN,WangX,ZhuZ,etal.Theresearchonthereliabilitypredictionmethodofdistributionsystem[C].20205thAsiaConferenceonPowerandElectricalEngineering(ACPEE).2020.程鸿群,汪程程.基于层次因果分析法的火电项目社会评