[发明专利]一种配电网可靠性分析方法

说明书

本发明公开了一种配电网可靠性分析方法，包括以下步骤：数据采集步骤、数据清洗步骤、构建数据库步骤、负荷预测步骤、物理指标计算步骤、综合物理指标计算步骤、数据模型指标计算步骤、加权平均步骤。其技术效果是：通过引入长短期记忆法神经网络对负荷有功无功进行预测，以实现短期可靠性评价效果，以较短时间内的数据逼近传统基于大量历史数据的统计预测,利用预测负荷以及网架线路参数进行物理指标计算，快速得到描述用户节点设备健康、配网拓扑、用户节点电压降落相关的指标，利用大数据随机矩阵的建模能力，利用圆环率定理计算配电网所有用户节点数据的平均谱半径变化曲线，得到数据模型指标，描述系统整体运行态势与负荷波动对系统运行的影响。

技术领域

本发明涉及电网管理领域的一种配电网可靠性分析方法。

背景技术

随着社会经济的进步，配电网越来越复杂，更多类型设备的接入使得配电网的可靠性问题对用户日常供电的影响进一步增加。国家能源局于2015年发布了“配电网建设改造行动计划(2015-2020年)”，确立了到2020年中心城市供电可靠率达到99.99％，城镇地区达到99.88％的行动目标。

配电网可靠性受到网络自身拓扑、用户侧负载规律、设备运行状态等多种因素的影响。目前针对配电网的可靠性评价指标的研究，主要有解析法、蒙特卡洛法、N-1安全性准则、分层目标规划评价等方法。其仍主要基于物理模型驱动的方法，利用物理机理构建数学模型，求解后映射回实际系统以实现状态感知与分析。然而此类方法并不能很好地切合规模日益增长的配电网分析需求，主要的原因是一方面新能源、柔性负荷的接入令物理模型求解速度大幅度降低，另一方面如天气、经济、社会事件等多源因素为配电网带来了多重不确定性与随机性，这是物理模型难以解决的问题。

近年来大数据技术受到了广泛重视，基于大数据随机矩阵理论的电网分析方法已在配电网中得到初步应用。随着配电网的规模不断扩大，测量体系的不断完善，从配电网海量异构的量测数据中挖掘潜在信息，分析配电网运行状态，是一个可行的方向。基于数据模型，从宏观角度分析电力系统运行状态、关联的影响因素等内容，取得了良好的效果。但是数据模型需要大量的数据作支撑，是一种宏观普适分析方法，存在信息淹没、敏感度较低等不足。无法对细节、以及电网特有的项目进行感知，例如高变压器负载率等对网络运行状态影响不大但长期增加设备损耗的一类指标。

评价配电网可靠性时，传统的物理模型分析方法已不能很好的切合日益庞大的配电网分析需求，而以随机矩阵为代表的高维统计模型分析方法以大量数据作支撑，是一种宏观普适分析方法，它无法对细节、以及电网特有的项目进行感知。

发明内容

本发明的目的是为了克服现有技术的不足，提供一种配电网可靠性评价方法，旨在充分利用物理模型和数据模型指标的优点，解决传统物理模型计算速度、过分简化后的精度问题，以及数据模型细节缺失的问题，可避免随着配电网规模增加造成计算速度、精度显著下降的问题。

实现上述目的的一种技术方案是：一种配电网可靠性分析方法，其特征在于：包括以下步骤：

数据采集步骤：获取系统台账数据，以及各个台区和各个台区下所有用户节点的原始电气测量数据，至少包括：电压、电流及有功功率和无功功率；

数据清洗步骤：对数据采集步骤中所得到的数据进行修补；

构建数据库步骤：根据数据清洗步骤中得到的数据建立标准化数据库；

负荷预测步骤：根据构建数据库步骤建立的标准化数据库，利用长短期记忆法神经网络，对各个用户节点的负荷进行预测；

物理指标计算步骤:根据负荷预测步骤得到的时间负荷预测曲线，以及网架线路参数计算评价配电网可靠性的物理指标；

综合物理指标计算步骤:使用主成分分析法对物理指标计算步骤得到的物理指标，进行降维处理，得到综合物理指标；