[发明专利]一种基于极限学习机的电力系统元件可靠性参数计算方法

说明书

一种基于极限学习机的电力系统元件可靠性参数计算方法，包括如下步骤：步骤1，基于非序贯蒙特卡罗法，构建电力系统可靠性指标与元件可靠性参数的解析表达式；步骤2，基于步骤1中的解析表达式构建可靠性逆问题非线性方程组，并使用解析式获得训练数据集；其中可靠性逆问题是指，由已知的可靠性指标求取未知的元件可靠性参数的过程；步骤3，使用极限学习机对步骤2产生的数据集进行训练，获得网络模型，用于刻画元件可靠性参数和电力系统可靠性指标之间的非线性关系；步骤4，使用步骤3获得的网络模型，计算电力系统元件可靠性参数。与现有技术相比，可靠性逆问题的概念在本专利中首次提出，所述方法能够对可靠性逆问题进行精确求解。

技术领域

本发明涉及到可靠性逆问题的求解方法，尤其涉及一种基于极限学习机算法的可靠性逆问题求解方法。

背景技术

真实准确的元件可靠性参数是可靠性评估的基础，准确的可靠性评估结果对电力系统的规划具有重要参考意义。错误的元件可靠性参数可能会导致难以兼顾系统的经济性和安全性。元件可靠性参数通常由同类型元件的故障历史统计数据经过点估计得来，若历史统计数据有误，则估计出的元件可靠性参数可能有误。由于设备停运数据的不足或缺失、人工记录易受主观影响等原因，元件故障统计常会出现错误数据，在此基础上求取的元件可靠性参数会出现错误，进而在电力系统规划时无法实现精准投资，导致系统投资过度或者安全可靠性不足。因此，对元件可靠性参数进行求取或校正显得尤为重要。

利用可靠性指标信息可以求取或校核未知的可靠性参数。可靠性评估通常指利用已知的可靠性参数获得系统或节点的可靠性指标。由于与可靠性评估的数据流方向相反，我们把由已知的可靠性指标求取未知的元件可靠性参数的过程，称之为可靠性评估逆问题。可靠性逆问题的概念在本专利中首次提出，当前关于可靠性逆问题的相关研究较少。已有的相近的研究工作主要包括可靠性参数校正和可靠性参数优化。

实质上，可靠性逆问题的数学模型是非线性方程组，求取准确的可靠性参数就是对应于可靠性逆问题的非线性方程组的求解。一般地，非线性方程组的求解可用牛顿迭代法、区间算法等，或者转化为非线性优化问题使用数学规划方法或智能优化算法求解。区间算法的计算规则复杂，区间乘法扩大区间范围，区间二分法缩小区间范围，在这一过程中，往往会造成数值上的振荡，限制了它的工程应用；采用深度学习神经网络方法来进行可靠性评估也是可行的方法，但是网络模型的逼近和推广能力与学习样本的典型性密切相关，导致结果具有随机性和精度较差的缺点。高斯-赛德尔迭代(Gauss–Seidel method)是求取线性方程组的近似解的方法，然而可靠性逆问题的非线性方程组的非线性程度高，无法进行精确的线性化。非线性方程组的初始解的确定仍缺乏通用的方法。

为了简化可靠性逆问题的求解过程，往往需要先推导系统指标与可变可靠性参数的解析表达式，然而，对于结果复杂、网络节点复杂的大电网来说，枚举法和时序蒙特卡罗法计算复杂度高，工作量大，难以满足实际需求。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于极限学习机的电力系统元件可靠性参数计算方法，用于对可靠性逆问题进行精确求解。

本发明采用如下的技术方案。一种基于极限学习机的电力系统元件可靠性参数计算方法，包括如下步骤：

步骤1，基于非序贯蒙特卡罗法，构建可靠性指标与元件可靠性参数的解析表达式；

步骤2，基于步骤1中的解析表达式构建可靠性逆问题非线性方程组，并使用解析式获得训练数据集；其中可靠性逆问题是指，由已知的可靠性指标求取未知的元件可靠性参数的过程；

步骤3，使用极限学习机对步骤2产生的数据集进行训练，获得网络模型，用于刻画元件可靠性参数和电力系统可靠性指标之间的非线性关系；

步骤4，使用步骤3获得的网络模型，计算电力系统元件可靠性参数。