CN109816276A - 一种配电网可靠性指标评价方法、装置和设备 - Google Patents
一种配电网可靠性指标评价方法、装置和设备 Download PDFInfo
- Publication number
- CN109816276A CN109816276A CN201910174890.0A CN201910174890A CN109816276A CN 109816276 A CN109816276 A CN 109816276A CN 201910174890 A CN201910174890 A CN 201910174890A CN 109816276 A CN109816276 A CN 109816276A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- reliability index
- power distribution
- matrix
- characteristic parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请实施公开了一种配电网可靠性指标评价方法、装置和设备,通过构建由特征参数和可靠性指标构成的样本库矩阵,对样本库矩阵进行归一化处理、聚类分析和利用正规方程求解归一化可靠性指标,最后对归一化可靠性指标进行反归一化得到配电网可靠性指标,不需要依赖配电网的目标网架拓扑信息,解决了现有的配电网供电可靠性指标计算依赖于配电网***拓扑结构的技术问题。
Description
技术领域
本申请涉及配电网可靠性技术领域,尤其涉及一种配电网可靠性指标评价方法、装置和设备。
背景技术
随着电力能源的普及,对电力***可靠性的要求也不断提高。供电可靠性主要体现在整个供电***为用户提供持续供电的能力,是考核供电***电能质量的重要指标,是衡量供电企业管理水平的重要标准。
供电企业在配电网***建设改造方面的投入力量巨大,除用于满足供电容量需求之外,还有大量资金用于提高配电网的供电可靠性水平,而供电可靠性指标是评价供电可靠性水平的重要参数。目前的供电可靠性指标计算需要依赖配电网的目标网络架构信息,具体为将配电网转化成带权重的邻接矩阵,根据带权重的邻接矩阵计算配电网的拓扑结构相似度指标,根据配电网的拓扑结构相似度指标,与预设数据库中标准化接线配电网的拓扑结构相似度指标进行比较,从数据库中筛选出拓扑结构与配电网最相似的标准化接线配电网的可靠性指标和拓扑结构相似度指标,对最相似的标准化接线配电网的可靠性指标进行修正,得到配电网的可靠性指标并输出。在目前配电网日益扩大的情况下,配电网***拓扑结构也日趋复杂,这种依赖于配电网***拓扑结构的供电可靠性指标计算方式,并不适于长期推广。
发明内容
本申请实施例提供了一种配电网可靠性指标评价方法、装置和设备,用于解决现有的配电网供电可靠性指标计算依赖于配电网***拓扑结构的技术问题。
有鉴于此,本申请第一方面提供了一种电网供电优化方法,包括:
101、以目标配电网的各区域特征参数作为行向量组,各区域可靠性指标作为列向量组,构建样本库矩阵;
102、对所述样本库矩阵进行归一化处理后,在得到的配电网归一化特征参数矩阵中选择预置数量个样本点作为聚类中心,多次聚类后得到若干个最优聚类中心;
103、计算所述配电网归一化特征参数矩阵中的各归一化特征参数到各所述最优聚类中心的欧氏距离,确定所述目标配电网的所属分类;
104、根据所述所属分类的所属类归一化特征参数和所属类归一化可靠性指标,通过正规方程的函数表达式计算所述正规方程的相关参数θ;
105、根据所述相关参数θ和所述配电网归一化特征参数矩阵,计算所述目标配电网的归一化可靠性指标,对所述归一化可靠性指标进行反归一化得到所述目标配电网的配电网可靠性指标。
优选地,步骤101之前,还包括:
100、获取目标配电网的不同区域、不同年份的特征参数和对应的可靠性指标。
优选地,所述归一化处理的方法为离差标准化处理方法。
优选地,步骤101之后步骤102之前,还包括:
1012、根据所述特征参数和所述可靠性指标的相关性,对所述样本库矩阵进行归一化处理。
优选地,步骤102具体包括:
1021、在归一化处理后的所述样本库矩阵中随机选取三个样本点作为聚类中心,并设置代价函数初始值;
1022、计算所述样本矩阵中全部样本点分别到各聚类中心的欧氏距离,根据距离最小值判断得到所述全部样本点所述的聚类中心;
1023、计算各所述聚类中心内样本点的平均值,更新各聚类中心的结果值;
1024、结合所述全部样本点到更新后的各所述聚类中心的欧氏距离,计算新的代价函数值;
1025、计算所述新的代价函数值和所述代价函数初始值的差值,若所述差值大于0,则返回步骤1022,令所述新的代价函数值代替所述代价函数初始值,若所述差值等于0,终止迭代,确定所述差值等于0时的代价函数值和各所述聚类中心。
优选地,所述特征参数包括:10kV线路绝缘化率、10kV线路电缆化率、10千伏线路联络率、10kV线路可转供电率、馈线自动化覆盖率、10kV线路重载比例、线路平均分段数和配变重载比例。
优选地,所述可靠性指标为供电可靠率。
本申请第二方面还提供了一种配电网可靠性指标评价装置,包括:
矩阵模块,用于以目标配电网的各区域特征参数作为行向量组,各区域可靠性指标作为列向量组,构建样本库矩阵;
聚类模块,用于对所述样本库矩阵进行归一化处理后,在得到的配电网归一化特征参数矩阵中选择预置数量个样本点作为聚类中心,多次聚类后得到若干个最优聚类中心;
分类模块,用于计算所述配电网归一化特征参数矩阵中的各归一化特征参数到各所述最优聚类中心的欧氏距离,确定所述目标配电网的所属分类;
计算模块,用于根据所述所属分类的所属类归一化特征参数和所属类归一化可靠性指标,通过正规方程的函数表达式计算所述正规方程的相关参数θ;
反归一化模块,用于根据所述相关参数θ和所述配电网归一化特征参数矩阵,计算所述目标配电网的归一化可靠性指标,对所述归一化可靠性指标进行反归一化得到所述目标配电网的配电网可靠性指标。
优选地,还包括:
获取模块,用于获取目标配电网的不同区域、不同年份的特征参数和对应的可靠性指标;
所述聚类模块具体包括:
初始子模块,用于在归一化处理后的所述样本库矩阵中随机选取三个样本点作为聚类中心,并设置代价函数初始值;
判断子模块,用于计算所述样本矩阵中全部样本点分别到各聚类中心的欧氏距离,根据距离最小值判断得到所述全部样本点所述的聚类中心;
更新子模块,用于计算各所述聚类中心内样本点的平均值,更新各聚类中心的结果值;
计算子模块,用于结合所述全部样本点到更新后的各所述聚类中心的欧氏距离,计算新的代价函数值;
迭代子模块,用于计算所述新的代价函数值和所述代价函数初始值的差值,若所述差值大于0,则触发所述判断子模块,令所述新的代价函数值代替所述代价函数初始值,若所述差值等于0,终止迭代,确定所述差值等于0时的代价函数值和各所述聚类中心。
本申请第三方面还提供了一种配电网可靠性指标评价设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所述的配电网可靠性指标评价。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了一种配电网可靠性指标评价方法,包括:101、以目标配电网的各区域特征参数作为行向量组,各区域可靠性指标作为列向量组,构建样本库矩阵;对样本库矩阵进行归一化处理后,在得到的配电网归一化特征参数矩阵中选择预置数量个样本点作为聚类中心,多次聚类后得到若干个最优聚类中心;计算配电网归一化特征参数矩阵中的各归一化特征参数到各最优聚类中心的欧氏距离,确定目标配电网的所属分类;根据所属分类的所属类归一化特征参数和所属类归一化可靠性指标,通过正规方程的函数表达式计算正规方程的相关参数θ;根据相关参数θ和配电网归一化特征参数矩阵,计算目标配电网的归一化可靠性指标,对归一化可靠性指标进行反归一化得到目标配电网的配电网可靠性指标。本申请提供的方法,通过构建由特征参数和可靠性指标构成的样本库矩阵,对样本库矩阵进行归一化处理、聚类分析和利用正规方程求解归一化可靠性指标,最后对归一化可靠性指标进行反归一化得到配电网可靠性指标,不需要依赖配电网的目标网架拓扑信息,解决了现有的配电网供电可靠性指标计算依赖于配电网***拓扑结构的技术问题。
附图说明
图1为本申请提供的一种配电网可靠性指标评价方法的第一实施例流程示意图;
图2为本申请提供的一种配电网可靠性指标评价方法的第二实施例流程示意图;
图3为本申请提供的一种配电网可靠性指标评价装置的实施例结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请提供的一种配电网可靠性指标评价方法的第一个实施例,包括:
步骤101、以目标配电网的各区域特征参数作为行向量组,各区域可靠性指标作为列向量组,构建样本库矩阵。
需要说明的是,本申请实施例中,首先需要构建样本库矩阵,样本库矩阵由行向量组和列向量组构成,行向量组为目标配电网的各区域的特征参数,列向量组为目标配电网的各区域的特征参数对应的可靠性指标。
步骤102、对样本库矩阵进行归一化处理后,在得到的配电网归一化特征参数矩阵中选择预置数量个样本点作为聚类中心,多次聚类后得到若干个最优聚类中心。
需要说明的是,为了降低数据处理的复杂度和提高处理效率,本申请实施例中对样本库矩阵进行归一化处理。目标配电网覆盖的区域可以很广,因此可以分为多个不同的区域,不同区域的供电可靠性有着或多或少的相似性,因此,本申请实施例中,对配电网归一化特征参数矩阵进行聚类分析,从归一化处理后得到的配电网归一化特征参数矩阵中选择预置数量个样本点作为聚类中心,进行多次聚类之后得到若干个最优聚类中心。
步骤103、计算配电网归一化特征参数矩阵中的各归一化特征参数到各最优聚类中心的欧氏距离,确定目标配电网的所属分类。
需要说明的是,在进行多次聚类之后得到若干个最优聚类中心,那么配电网归一化特征参数矩阵中的归一化特征参数可分为与最优聚类中心数量相同的若干类别,计算各归一化特征参数到个最优聚类中心的欧氏距离,根据计算得到的距离值确定配电网各区域的分类结果,例如第1、2、3、4个区域属于第1个最优聚类中心所属的类,第5、6、7、8个区域属于第2个最优聚类中心所属的类,第9、10个区域属于第3个最优聚类中心所属的类等。
步骤104、根据所属分类的所属类归一化特征参数和所属类归一化可靠性指标,通过正规方程的函数表达式计算正规方程的相关参数θ。
需要说明的是,正规方程是采用最小二乘法求解代数方程组未知参数的方法,确定好目标配电网的分类情况之后,每个所属类都有各自对应的所属类归一化特征参数和所属类归一化可靠性指标,结合正规方程得到函数表达式的相关参数θ:
AK=[1 Ak];
其中,Ak为目标配电网的所属类的归一化特征参数;AK为计算相关参数θ的过程变量,Bk为目标配电网的所属类的归一化可靠性指标。
归一化可靠性指标b和归一化特征参数a的函数表达式为:
b=[1 a]θ。
步骤105、根据相关参数θ和配电网归一化特征参数矩阵,计算目标配电网的归一化可靠性指标,对归一化可靠性指标进行反归一化得到目标配电网的配电网可靠性指标。
需要说明的是,将目标配电网的归一化特征参数ak代入函数表达式得目标配电网的归一化可靠性指标bk,采用反归一化进而得到目标配电网的可靠性指标yk:
bk=[1 ak]θ;
yk=ymin+bk(ymax-ymin);
其中,ymin为各区域可靠性指标的最小值,ymax为各区域可靠性指标的最大值。
本申请实施例中提供了一种配电网可靠性指标评价方法,包括:101、以目标配电网的各区域特征参数作为行向量组,各区域可靠性指标作为列向量组,构建样本库矩阵;对样本库矩阵进行归一化处理后,在得到的配电网归一化特征参数矩阵中选择预置数量个样本点作为聚类中心,多次聚类后得到若干个最优聚类中心;计算配电网归一化特征参数矩阵中的各归一化特征参数到各最优聚类中心的欧氏距离,确定目标配电网的所属分类;根据所属分类的所属类归一化特征参数和所属类归一化可靠性指标,通过正规方程的函数表达式计算正规方程的相关参数θ;根据相关参数θ和配电网归一化特征参数矩阵,计算目标配电网的归一化可靠性指标,对归一化可靠性指标进行反归一化得到目标配电网的配电网可靠性指标。本申请提供的方法,通过构建由特征参数和可靠性指标构成的样本库矩阵,对样本库矩阵进行归一化处理、聚类分析和利用正规方程求解归一化可靠性指标,最后对归一化可靠性指标进行反归一化得到配电网可靠性指标,不需要依赖配电网的目标网架拓扑信息,解决了现有的配电网供电可靠性指标计算依赖于配电网***拓扑结构的技术问题。
为了便于理解,请参阅图2本申请实施例中提供的一种配电网可靠性指标评价方法的第二个实施例,包括:
步骤201、获取目标配电网的不同区域、不同年份的特征参数和对应的可靠性指标。
进一步地,特征参数包括:10kV线路绝缘化率、10kV线路电缆化率、10千伏线路联络率、10kV线路可转供电率、馈线自动化覆盖率、10kV线路重载比例、线路平均分段数和配变重载比例。
进一步地,可靠性指标为供电可靠率。
需要说明的是,本申请实施例中,首先收集目标配电网的不同区域和不同区域在不同年份的各特征参数和对应的可靠性指标,特征参数包括:10kV线路绝缘化率、10kV线路电缆化率、10千伏线路联络率、10kV线路可转供电率、馈线自动化覆盖率、10kV线路重载比例、线路平均分段数和配变重载比例。本申请实施例中选择的可靠性指标为供电可靠率,可以理解的是,在本申请实施例的基础上,本领域人员可以相应的使用平均停电频率、平均停电持续时间、平均供电可用率、供电可靠率等代替供电可靠率进行计算。
步骤202、以目标配电网的各区域特征参数作为行向量组,各区域可靠性指标作为列向量组,构建样本库矩阵。
需要说明的是,本申请实施例中由目标配电网的各区域的特征参数作为样本库矩阵X的行向量,目标配电网的各区域的特征参数对应的可靠性指标作为样本库矩阵X的列向量,样本库矩阵X的表达式为:
其中,x为特征参数值,y为可靠性指标,m为不同年份的各区域配电网样本数;n为配电网的特征参数数量。。
步骤203、根据特征参数和可靠性指标的相关性,对样本库矩阵进行归一化处理。
进一步地,归一化处理的方法为离差标准化处理方法。
需要说明的是,为了降低数据处理的复杂度和提高处理效率,本申请实施例中对样本库矩阵进行归一化处理。本申请实施例中根据特征参数和可靠性的相关性,对样本库矩阵X采用离差标准化进行归一化处理,得到配电网归一化特征参数矩阵A和配电网归一化可靠性指标向量B,具体过程为:
配电网归一化特征参数矩阵A的元素的计算方式为:
配电网归一化可靠性指标向量B的元素的计算方式为:
其中,xmax,j、xmin,j分别为样本库矩阵的第j列特征参数的最大值和最小值;xij为样本库矩阵的第i行第j列个特征参数;ymin、ymax分别为样本库矩阵的可靠性指标的最小值和最大值;aij为第i行第j列个归一化特征参数值,bi为第i个归一化可靠性指标。
因此,可得到:
步骤204、在归一化处理后的所述样本库矩阵中随机选取三个样本点作为聚类中心,并设置代价函数初始值。
步骤205、计算样本矩阵中全部样本点分别到各聚类中心的欧氏距离,根据距离最小值判断得到全部样本点所述的聚类中心。
步骤206、计算各聚类中心内样本点的平均值,更新各聚类中心的结果值。
步骤207、结合全部样本点到更新后的各聚类中心的欧氏距离,计算新的代价函数值。
步骤208、计算新的代价函数值和代价函数初始值的差值,若差值大于0,则返回步骤205,令新的代价函数值代替所述代价函数初始值,若差值等于0,终止迭代,确定差值等于0时的代价函数值和各聚类中心。
步骤209、计算配电网归一化特征参数矩阵中的各归一化特征参数到各最优聚类中心的欧氏距离,确定目标配电网的所属分类。
需要说明的是,本申请实施例中,步骤209与上一实施例中的步骤103一致,在此不再进行详细赘述。
步骤210、根据所属分类的所属类归一化特征参数和所属类归一化可靠性指标,通过正规方程的函数表达式计算正规方程的相关参数θ。
需要说明的是,本申请实施例中,步骤210与上一实施例中的步骤104一致,在此不再进行详细赘述。
步骤211、根据相关参数θ和配电网归一化特征参数矩阵,计算目标配电网的归一化可靠性指标,对归一化可靠性指标进行反归一化得到目标配电网的配电网可靠性指标。
需要说明的是,本申请实施例中,步骤211与上一实施例中的步骤105一致,在此不再进行详细赘述。
为了更具体的对本申请的实施例进行详细的说明,以下对配电网可靠性指标评价方法的具体实施例进行介绍。
1、从配电网规划辅助决策***中获取某年份区域1、区域2、…、区域58配电网的特征参数和供电可靠率(RS-3),特征参数包括10kV线路绝缘化率、10kV线路电缆化率、10千伏线路联络率、10kV线路可转供电率、馈线自动化覆盖率、10kV线路重载比例、线路平均分段数、配变重载比例,如表1所示。
表1:某年份58个区域配电网的特征参数和供电可靠率
根据表中数据,构建样本库矩阵X,通过归一化处理得到归一化矩阵A与归一化可靠性向量B。
2、采用多次聚类算法将归一化矩阵分为3类,结合代价函数值与多次算法结果,得到最优的各聚类中心:
μ1=[0.70 0.62 0.90 0.85 0.42 0.76 0.50 0.75];
μ2=[0.13 0.08 0.43 0.48 0.51 0.78 0.42 0.85];
μ3=[0.60 0.17 0.47 0.48 0.08 0.49 0.42 0.16]。
3、将目标配电网的特征参数进行归一化处理,计算其到各聚类中心的欧式距离,确定目标配电网的所属分类:
属于聚类中心μ1的样本为:区域1、2、3、4、7、8、9、12、13、14、18、19、20、26、27、48、49、53、57。
属于聚类中心μ2的样本为:区域5、6、10、11、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、50、51、52、54、55、56、58。
属于聚类中心μ3的样本为:区域15、16、17、21、22、23、24、25。
4、根据目标配电网所属分类的样本数据,利用正规方程得到函数表达式的参数:
θ=[0.46 -0.78 0.93 0.42 -0.19 0.03 0.01 0.23 0.07]T;
归一化可靠性指标与归一化特征参数的函数表达式:
b=[1 a]θ;
5、结合函数表达式与目标配电网的归一化特征参数,计算目标配电网的归一化可靠性指标,采用反归一化进而得到目标配电网的可靠性指标:
目标配电网的特征参数xk归一化得到ak:
xk=[86.72 84.20 99.84 99.84 25.88 0.32 2.64 6.93];
ak=[0.86 0.85 1.00 1.02 0.26 0.98 0.49 0.65];
将ak代入函数表达式得到归一化供电可靠率bk=0.9755,采用反归一化得到目标配电网的供电可靠率yk:
yk=99.43+0.9755*(99.9998-99.43)=99.9859。
为了便于理解,请参阅图3,本申请实施例提供了一种配电网可靠性指标评价装置,包括:
矩阵模块301,用于以目标配电网的各区域特征参数作为行向量组,各区域可靠性指标作为列向量组,构建样本库矩阵。
聚类模块302,用于对样本库矩阵进行归一化处理后,在得到的配电网归一化特征参数矩阵中选择预置数量个样本点作为聚类中心,多次聚类后得到若干个最优聚类中心。
分类模块303,用于计算配电网归一化特征参数矩阵中的各归一化特征参数到各最优聚类中心的欧氏距离,确定目标配电网的所属分类。
计算模块304,用于根据所属分类的所属类归一化特征参数和所属类归一化可靠性指标,通过正规方程的函数表达式计算正规方程的相关参数θ。
反归一化模块305,用于根据相关参数θ和配电网归一化特征参数矩阵,计算目标配电网的归一化可靠性指标,对归一化可靠性指标进行反归一化得到所述目标配电网的配电网可靠性指标。
进一步地,还包括:
还包括:
获取模块306,用于获取目标配电网的不同区域、不同年份的特征参数和对应的可靠性指标。
聚类模块302具体包括:
初始子模块3021,用于在归一化处理后的样本库矩阵中随机选取三个样本点作为聚类中心,并设置代价函数初始值;
判断子模块3022,用于计算样本矩阵中全部样本点分别到各聚类中心的欧氏距离,根据距离最小值判断得到全部样本点的聚类中心;
更新子模块3023,用于计算各聚类中心内样本点的平均值,更新各聚类中心的结果值;
计算子模块3024,用于结合全部样本点到更新后的各所述聚类中心的欧氏距离,计算新的代价函数值;
迭代子模块3025,用于计算新的代价函数值和代价函数初始值的差值,若差值大于0,则触发判断子模块3022,令新的代价函数值代替代价函数初始值,若差值等于0,终止迭代,确定差值等于0时的代价函数值和各聚类中心。
进一步地,特征参数包括:10kV线路绝缘化率、10kV线路电缆化率、10千伏线路联络率、10kV线路可转供电率、馈线自动化覆盖率、10kV线路重载比例、线路平均分段数和配变重载比例。
进一步地,可靠性指标为供电可靠率。
本申请实施例中提供了一种配电网可靠性指标评价设备,设备包括处理器以及存储器:
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行前述方法实施例中的配电网可靠性指标评价方法。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种配电网可靠性指标评价方法,其特征在于,包括以下步骤:
101、以目标配电网的各区域特征参数作为行向量组,各区域可靠性指标作为列向量组,构建样本库矩阵;
102、对所述样本库矩阵进行归一化处理后,在得到的配电网归一化特征参数矩阵中选择预置数量个样本点作为聚类中心,多次聚类后得到若干个最优聚类中心;
103、计算所述配电网归一化特征参数矩阵中的各归一化特征参数到各所述最优聚类中心的欧氏距离,确定所述目标配电网的所属分类;
104、根据所述所属分类的所属类归一化特征参数和所属类归一化可靠性指标,通过正规方程的函数表达式计算所述正规方程的相关参数θ;
105、根据所述相关参数θ和所述配电网归一化特征参数矩阵,计算所述目标配电网的归一化可靠性指标,对所述归一化可靠性指标进行反归一化得到所述目标配电网的配电网可靠性指标。
2.根据权利要求1所述的配电网可靠性指标评价方法,其特征在于,步骤101之前,还包括:
100、获取目标配电网的不同区域、不同年份的特征参数和对应的可靠性指标。
3.根据权利要求1所述的配电网可靠性指标评价方法,其特征在于,所述归一化处理的方法为离差标准化处理方法。
4.根据权利要求3所述的配电网可靠性指标评价方法,其特征在于,步骤101之后步骤102之前,还包括:
1012、根据所述特征参数和所述可靠性指标的相关性,对所述样本库矩阵进行归一化处理。
5.根据权利要求4所述的配电网可靠性指标评价方法,其特征在于,步骤102具体包括:
1021、在归一化处理后的所述样本库矩阵中随机选取三个样本点作为聚类中心,并设置代价函数初始值;
1022、计算所述样本矩阵中全部样本点分别到各聚类中心的欧氏距离,根据距离最小值判断得到所述全部样本点所述的聚类中心;
1023、计算各所述聚类中心内样本点的平均值,更新各聚类中心的结果值;
1024、结合所述全部样本点到更新后的各所述聚类中心的欧氏距离,计算新的代价函数值;
1025、计算所述新的代价函数值和所述代价函数初始值的差值,若所述差值大于0,则返回步骤1022,令所述新的代价函数值代替所述代价函数初始值,若所述差值等于0,终止迭代,确定所述差值等于0时的代价函数值和各所述聚类中心。
6.根据权利要求1所述的配电网可靠性指标评价方法,其特征在于,所述特征参数包括:10kV线路绝缘化率、10kV线路电缆化率、10千伏线路联络率、10kV线路可转供电率、馈线自动化覆盖率、10kV线路重载比例、线路平均分段数和配变重载比例。
7.根据权利要求1所述的配电网可靠性指标评价方法,其特征在于,所述可靠性指标为供电可靠率。
8.一种配电网可靠性指标评价装置,其特征在于,包括:
矩阵模块,用于以目标配电网的各区域特征参数作为行向量组,各区域可靠性指标作为列向量组,构建样本库矩阵;
聚类模块,用于对所述样本库矩阵进行归一化处理后,在得到的配电网归一化特征参数矩阵中选择预置数量个样本点作为聚类中心,多次聚类后得到若干个最优聚类中心;
分类模块,用于计算所述配电网归一化特征参数矩阵中的各归一化特征参数到各所述最优聚类中心的欧氏距离,确定所述目标配电网的所属分类;
计算模块,用于根据所述所属分类的所属类归一化特征参数和所属类归一化可靠性指标,通过正规方程的函数表达式计算所述正规方程的相关参数θ;
反归一化模块,用于根据所述相关参数θ和所述配电网归一化特征参数矩阵,计算所述目标配电网的归一化可靠性指标,对所述归一化可靠性指标进行反归一化得到所述目标配电网的配电网可靠性指标。
9.根据权利要求8所述的配电网可靠性指标评价装置,其特征在于,还包括:
获取模块,用于获取目标配电网的不同区域、不同年份的特征参数和对应的可靠性指标;
所述聚类模块具体包括:
初始子模块,用于在归一化处理后的所述样本库矩阵中随机选取三个样本点作为聚类中心,并设置代价函数初始值;
判断子模块,用于计算所述样本矩阵中全部样本点分别到各聚类中心的欧氏距离,根据距离最小值判断得到所述全部样本点所述的聚类中心;
更新子模块,用于计算各所述聚类中心内样本点的平均值,更新各聚类中心的结果值;
计算子模块,用于结合所述全部样本点到更新后的各所述聚类中心的欧氏距离,计算新的代价函数值;
迭代子模块,用于计算所述新的代价函数值和所述代价函数初始值的差值,若所述差值大于0,则触发所述判断子模块,令所述新的代价函数值代替所述代价函数初始值,若所述差值等于0,终止迭代,确定所述差值等于0时的代价函数值和各所述聚类中心。
10.一种配电网可靠性指标评价设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-6任一项所述的配电网可靠性指标评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910174890.0A CN109816276B (zh) | 2019-03-08 | 2019-03-08 | 一种配电网可靠性指标评价方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910174890.0A CN109816276B (zh) | 2019-03-08 | 2019-03-08 | 一种配电网可靠性指标评价方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816276A true CN109816276A (zh) | 2019-05-28 |
CN109816276B CN109816276B (zh) | 2023-05-19 |
Family
ID=66608391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910174890.0A Active CN109816276B (zh) | 2019-03-08 | 2019-03-08 | 一种配电网可靠性指标评价方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816276B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550744A (zh) * | 2015-12-06 | 2016-05-04 | 北京工业大学 | 一种基于迭代的神经网络聚类方法 |
CN106203867A (zh) * | 2016-07-19 | 2016-12-07 | 国家电网公司 | 基于配电网评价指标体系和聚类分析的电网区域划分方法 |
-
2019
- 2019-03-08 CN CN201910174890.0A patent/CN109816276B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550744A (zh) * | 2015-12-06 | 2016-05-04 | 北京工业大学 | 一种基于迭代的神经网络聚类方法 |
CN106203867A (zh) * | 2016-07-19 | 2016-12-07 | 国家电网公司 | 基于配电网评价指标体系和聚类分析的电网区域划分方法 |
Non-Patent Citations (4)
Title |
---|
双滟杰: ""电网可靠性蒙特卡罗仿真中最优重要抽样函数求解算法研究"" * |
孙义豪,王璟,郭勇,关朝杰,罗德俊,全少理,陶丹,刘沛,胡钋: ""一种基于配电网评价指标体系和聚类分析的电网区域分类方法"" * |
李浩: ""基于变异系数法的智能变电站通信***可靠性评估方法"", 《电工电气》 * |
邢晓敏,何铁新,郑雪瑞,冯帆,孙成: ""基于ANN-dropout的配电网可靠性预测方法"" * |
Also Published As
Publication number | Publication date |
---|---|
CN109816276B (zh) | 2023-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ganguly et al. | A novel multi-objective PSO for electrical distribution system planning incorporating distributed generation | |
CN104794541B (zh) | 一种基于模拟退火和锥优化的配电网运行优化方法 | |
CN109980700A (zh) | 一种分布式电源多目标优化规划方法、装置和设备 | |
CN106934497A (zh) | 基于深度学习的智慧小区用电量实时预测方法及装置 | |
Thanh et al. | An effective representation scheme in multifactorial evolutionary algorithm for solving cluster shortest-path tree problem | |
CN109120009A (zh) | 计及分布式电源出力随机变化的主动配电网故障恢复方法 | |
Zhang et al. | Problem specific MOEA/D for barrier coverage with wireless sensors | |
CN108832615A (zh) | 一种基于改进二进制粒子群算法的配电网重构方法及*** | |
CN108647820A (zh) | 基于改进粒子群算法的分布式电源选址定容优化方法及*** | |
CN113687190B (zh) | 一种基于sabso算法的含分布式电源配电网故障定位方法 | |
CN118017509B (zh) | 基于数字孪生空间的大规模配电网并行优化方法 | |
CN115912254A (zh) | 一种配电网多目标重构策略自愈控制方法及装置 | |
CN103633668A (zh) | 一种配电网重构方法 | |
CN115204698A (zh) | 一种低压台区供电稳定性的实时分析方法 | |
Liu et al. | A multi-objective evolutionary algorithm based on membrane systems | |
CN113690930B (zh) | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 | |
Chandrasekaran et al. | Multi-objective unit commitment problem using Cuckoo search Lagrangian method | |
CN105896547B (zh) | 一种风电接入下的大电网分级电压控制方法 | |
CN108711860B (zh) | 一种基于并行计算的配电网变电站-线路联合规划方法 | |
CN108959652A (zh) | 基于密度峰值与社区归属度的重叠社区发现方法 | |
CN109685279A (zh) | 一种基于拓扑降解的复杂配电网pqm优化方法 | |
CN109816276A (zh) | 一种配电网可靠性指标评价方法、装置和设备 | |
Massucco et al. | An instantaneous growing stream clustering algorithm for probabilistic load modeling/profiling | |
CN107086565A (zh) | 一种基于聚合理论的预想事故自动选择方法 | |
CN109685338A (zh) | 一种基于博弈论的配电网可靠性指标权重集结方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |