CN110533291B - 一种基于风险评估的中压配电网薄弱环节辨识方法 - Google Patents

Abstract

本发明属于配电风险评估评价与配电风险辨识技术领域，具体涉及一种基于风险评估的中压配电网薄弱环节辨识方法。相比传统风险评估方法，本发明创新性地提出了结合模糊模型与传统概率分布模型的新建模方法。针对配网中压线路重过载、台区配变重过载等问题提出了***峰值负荷的混合模糊概率模型，并在此传统蒙特卡洛模拟法的基础上提出了风险指标模糊隶属函数的构建方法和风险指标去模糊化，通过风险指标的去模糊化后的具体量值来衡量配网***风险程度，从而实现对配网薄弱环节的辨识。本发明所提方法能帮助供电公司分析城市配网***风险程度，辨识配网***薄弱环节，从而为配网生成决策提供有价值的理论依据。

Description

一种基于风险评估的中压配电网薄弱环节辨识方法

技术领域

本发明属于配电风险评估评价与配电风险辨识技术领域，具体涉及一种基于风险评估的中压配电网薄弱环节辨识方法。

背景技术

在整个电力***中，配电网作为直接与电力客户相连的环节，直接影响电力客户的电力供应，因此电力***运行状态评价与风险评估成为了供电企业和电力客户关注的焦点。以往常用的电力***风险评估方法是基于统计分析理论概率的电力***风险概率评估，其最基本的特征是对电力***中随机因素的建模，包括***元件的故障停电的随机性和负荷的不确定变化。实际上，电力***存在两种不确定性:随机性和模糊性。概率模型可以用于随机性，但不能用于模糊性。在传统的风险评估方法中，故障数据(如故障频率、修复时间和故障概率)通常由一个值建模。从理论上讲，相比平均值，故障数据的概率分布能更好地衡量。然而，由于统计记录有限，单独建模并不容易。此外，这种模糊性可能存在于无法用概率分布表示的原始故障数据中，没有足够的统计记录，但可能电网公司对故障参数的范围有很好的判断。对于所有的情况，都需要一个模糊模型。

发明内容

为了解决上述问题，本发明提供了一种基于风险评估的中压配电网薄弱环节辨识方法，具体技术方案如下：

一种基于风险评估的中压配电网薄弱环节辨识方法，包括以下步骤：

S1：根据历史统计数据建立配网元件故障参数的模糊模型；所述配网元件故障参数的模糊模型包括维修时间的模糊模型、故障率的模糊模型、不可用度的模糊模型；

S2：结合传统模糊模型和概率分布模型构建配网***负荷模糊概率混合模型；所述配网***负荷模糊概率混合模型包括***峰值负荷的模糊模型和基于负荷持续曲线的组合概率模型；S3：采用蒙特卡洛模拟法对给定的隶属度对应的风险指标值进行评估，建立风险指标的隶属函数，根据所述配网***负荷模糊概率混合模型及蒙特卡洛模拟所得的所有负荷水平计算总风险指标；

S4：将风险指标隶属函数去模糊化得到风险指标具体值。

优选地，所述步骤S1包括以下步骤：

S11：建立维修时间的模糊模型：

故障持续时间的样本平均值可通过如下公式得到：

其中，

是故障持续时间的平均值，也是故障持续时间的点估计值；r_i是第i次故障的故障持续时间；n是停电数据中的故障次数；利用t-分布可估计出期望故障持续时间的置信区间：

假设μ代表实际期望故障持续时间，s代表故障持续时间的样本标准差，对于给定显著水平α，可以确定随机变量

在区间[-t_α/2(n-1),t_α/2(n-1)]内的概率为1-α，其中t_α/2(n-1)为一个有着n-1自由度的t-分布密度函数从t_α/2(n-1)到∞的积分值，其值为α/2，因此可以得到：

也可以等效表示为：

由公式(3)可知，实际期望故障持续时间的取值区间可由样本故障持续时间的上下界确定；

S12：建立故障率模糊模型：

平均故障率可通过如下公式计算：

其中，

为平均故障率，也是故障率的点估计值；λ_i是第i个负荷点的故障持续时间；m是负荷点个数；

利用x²分布估计期望故障率的置信区间，x²分布满足如下关系：

x²(2F)＝2λT；(5)

其中，λ为期望故障率，T为周期，F为周期T内故障总数；根据方程(5)可以得到对于给定的显著水平α，可以确定故障率λ落在以下随机置信区间内的概率为1-α，即有：

公式(6)用来估计故障率的上下界；

S13：建立不可用度的模糊模型：

***元件的不可用度可用以下频率和修复时间计算：

其中，f为元件故障频率，单位：次/年；r为故障维修时间，单位为小时/次；假设故障频率的区间为[a,b]，故障修复时间的区间为[c,d]，则不可用度U的取值区间可由下式计算得到：

优选地，建立基于负荷持续曲线的组合概率模型的步骤如下：

(1)采用历史负荷数据，构建负荷持续曲线；设有N个负荷点，所创建的负荷持续曲线被划分为n个负荷水平，根据负荷与峰值负荷的百分比确定负荷水平，并计算每个负荷水平的概率，各负荷水平间的负荷点为：

其中，N_i是负荷水平第i级和下一级之间的负荷点的数量；

负荷曲线的离散概率分布可用下式表示：

p(L_i)＝p_i,i＝1,2,…,n；(10)

其中，L_i表示元件的第i个负荷水平；

(2)用聚类方法计算各元件负荷水平L_i及样本标准差，步骤如下：

1)选择计算初始聚类平均值C_i，其中C_i表示第i个聚类，i＝1,2,……,n；

2)计算负荷点聚类中各负荷点到聚类平均值C_i间的距离，计算公式如下：

D_ki＝|C_i-L_k|；(11)

其中，L_k为第k个负荷点，k＝1,2,……,N；C_i为第i个聚类平均值；D_ki为第k个负荷点到第i个聚类平均值间的距离；

3)将负荷点按距离进行重新分配，分配到最近的聚类，计算新的聚类如下：

其中，N’i为新聚类中第i个聚类中的负荷点数量；C’i为迭代后产生的新聚类中第i个聚类平均值；

4)重复步骤2)和3)，迭代直到所有聚类均不再发生变化；

5)计算负荷水平，计算公式如下：

其中，L_peak为负荷持续曲线中的负荷峰值，即负荷最大值；

6)计算各负荷水平的样本标准差，计算公式如下：

7)负荷持续时间曲线采用组合概率模型来建模，即对负荷持续时间曲线的多个阶段建立离散概率分布模型，每个阶段采用均值及其样本标准差正态分布进行建模。

优选地，所述步骤S3包括以下步骤：

S31：按照步骤S1构建配网***所有元件的维修时间的模糊隶属函数、故障率的模糊隶属函数，并计算不可用度的模糊隶属函数；

S32：针对***元件不可用度模糊模型中隶属度相同的情况，计算各元件不可用度隶属函数μ_j(U)的两个反函数值，确定不可用度该隶属度对应的上下界：

S33：对于***峰值负荷模糊模型中给定的隶属度，计算峰值负荷下隶属度函数μ(L)的两个反函数值，确定***峰值负荷该隶属度对应的上下界；

S34：针对负荷持续时间曲线的组合概率模型，计算各负荷水平对应的具体数值，单位MW，计算公式如下：

L′_i＝L_i·μ^-1(μ(L))；(16)

其中，L’_i为第i个负荷水平对应的具体负荷数值，单位为MW；μ(L)为峰值负荷的模糊隶属函数；

S35：采用蒙特卡洛模拟法对步骤S35所得各负荷水平进行概率风险评估，则第l次采样时***负载的采样值为：

L_il＝X_lσ_i+L′_i；(17)

其中，X_l为利用近似逆变换所得的一个标准正态分布随机数；σ_i为由公式(14)所得的第i个负荷水平的样本标准差；L_il为第l次采样时***负载的采样值；

S36：根据步骤S36分析所得各负荷水平的风险指标及对应概率，结合步骤S35隶属概率分布模型所得的所有负荷水平，计算配网***总风险指标，计算公式如下：

S37：对峰值负荷和不可用度隶属函数重复步骤S33-S37，得到风险指标的隶属函数。

优选地，所述步骤S4中对风险指标隶属函数采用采用重心法去模糊化，具体如下：

其中，RI_average为风险指标均值；RI_m为风险指标隶属函数中的第m个域点值；μ(RI_m)为该域点的隶属度；G为所考虑在内的域点集。

本发明的有益效果为：相比传统风险评估方法，本发明创新性地提出了结合模糊模型与传统概率分布模型的新建模方法。针对配网中压线路重过载、台区配变重过载等问题提出了***峰值负荷的混合模糊概率模型，并在此传统蒙特卡洛模拟法的基础上提出了风险指标模糊隶属函数的构建方法和风险指标去模糊化，通过风险指标的去模糊化后的具体量值来衡量配网***风险程度，从而实现对配网薄弱环节的辨识。本发明所提方法能帮助供电公司分析城市配网***风险程度，辨识配网***薄弱环节，从而为配网生成决策提供有价值的理论依据。

附图说明

图1为故障率模糊隶属函数示意图；

图2为不可用度模糊隶属函数示意图；

图3为峰值负荷的模糊隶属函数示意图。

具体实施方式

为了更好的理解本发明，下面结合附图和具体实施例对本发明作进一步说明：

一种基于风险评估的中压配电网薄弱环节辨识方法，包括以下步骤：

S1：根据历史统计数据建立配网元件故障参数的模糊模型；所述配网元件故障参数的模糊模型包括维修时间的模糊模型、故障率的模糊模型、不可用度的模糊模型；具体步骤包括：

S11：建立维修时间的模糊模型：

故障持续时间的样本平均值可通过如下公式得到：

其中，

是故障持续时间的平均值，也是故障持续时间的点估计值；r_i是第i次故障的故障持续时间；n是停电数据中的故障次数；利用t-分布可估计出期望故障持续时间的置信区间：

假设μ代表实际期望故障持续时间，s代表故障持续时间的样本标准差，对于给定显著水平α，可以确定随机变量

在区间[-t_α/2(n-1),t_α/2(n-1)]内的概率为1-α，其中t_α/2(n-1)为一个有着n-1自由度的t-分布密度函数从t_α/2(n-1)到∞的积分值，其值为α/2，因此可以得到：

也可以等效表示为：

由公式(3)可知，实际期望故障持续时间的取值区间可由样本故障持续时间的上下界确定；根据故障持续时间的点估计值和估计区间，可以创建一个故障持续时间的三角形隶属函数。

S12：建立故障率模糊模型：

平均故障率可通过如下公式计算：

其中，

为平均故障率，也是故障率的点估计值；λ_i是第i个负荷点的故障持续时间；m是负荷点个数；

利用x²分布估计期望故障率的置信区间，x²分布满足如下关系：

x²(2F)＝2λT；(5)

其中，λ为期望故障率，T为周期，F为周期T内故障总数；根据方程(5)可以得到对于给定的显著水平α，可以确定故障率λ落在以下随机置信区间内的概率为1-α，即有：

公式(6)用来估计故障率的上下界；利用故障率的点估计值和估计的区间范围可以建立如图1所示的故障率的三角形隶属函数，故障率的隶属度函数是非对称的，一般情况下，由公式(6)得出的点估计值与其上限值之间的距离远大于点估计值与其下限值之间的距离，另外上下界限也可以根据气象环境、运行状态等对故障率的影响进行调整。此外，在电力***实际工程计算时，故障频率和故障率在数值上非常接近，可以相互替代，因此可通过故障率的模糊隶属函数得到故障频率的模糊隶属函数，同时可用故障率代替故障频率参与***元件不可用度计算当中。

S13：建立不可用度的模糊模型：

***元件的不可用度可用以下频率和修复时间计算：

其中，f为元件故障频率，单位：次/年；r为故障维修时间，单位为小时/次；不可用度的模糊隶属函数可通过故障频率f和故障修复时间r模糊隶属函数进行模糊运算得到。假设故障频率的区间为[a,b]，故障修复时间的区间为[c,d]，则不可用度U的取值区间可由下式计算得到：

通过两个三角形隶属函数的乘法运算，不可用度的隶属函数不再是一个严格的三角形，而是会向左偏移，形成如图2所示的隶属函数。

S2：结合传统模糊模型和概率分布模型构建配网***负荷模糊概率混合模型；所述配网***负荷模糊概率混合模型包括***峰值负荷的模糊模型和基于负荷持续曲线的组合概率模型；具体包括以下步骤：

S21：建立***峰值负荷的模糊模型：

对于基于风险辨识的配电网薄弱环节辨识来说，所关注的重点在于配网***的峰值负荷，因此要解决配网***负荷水平波动的模糊性，只需给出峰值负荷的区间的上下限，可参考步骤S1所提模糊模型构建方法构建峰值负荷的模糊模型，因此可得如图3所示的峰值负荷的非对称三角形隶属函数，其中隶属度为1.0时对应***最大可能峰值的极大值，以及隶属度为0时对应***最大可能峰值的极小值。

S22：建立基于负荷持续曲线的组合概率模型，步骤如下：

(1)采用历史负荷数据，构建负荷持续曲线；设有N个负荷点，中压配电网线路负荷数据每5min采集一个点，中压配电网低压台区配变每15min一个点；所创建的负荷持续曲线被划分为n个负荷水平，根据负荷与峰值负荷的百分比确定负荷水平，并计算每个负荷水平的概率，各负荷水平间的负荷点为：

其中，N_i是负荷水平第i级和下一级之间的负荷点的数量；

负荷曲线的离散概率分布可用下式表示：

p(L_i)＝p_i,i＝1,2,…,n；(10)

其中，L_i表示元件的第i个负荷水平；

(2)用聚类方法计算各元件负荷水平L_i及样本标准差，步骤如下：

1)选择计算初始聚类平均值C_i，其中C_i表示第i个聚类，i＝1,2,……,n；

2)计算负荷点聚类中各负荷点到聚类平均值C_i间的距离，计算公式如下：

D_ki＝|C_i-L_k|；(11)

其中，L_k为第k个负荷点，k＝1,2,……,N；C_i为第i个聚类平均值；D_ki为第k个负荷点到第i个聚类平均值间的距离；

3)将负荷点按距离进行重新分配，分配到最近的聚类，计算新的聚类如下：

其中，N’i为新聚类中第i个聚类中的负荷点数量；C’i为迭代后产生的新聚类中第i个聚类平均值；

4)重复步骤2)和3)，迭代直到所有聚类均不再发生变化；

5)计算负荷水平，计算公式如下：

其中，L_peak为负荷持续曲线中的负荷峰值，即负荷最大值；

6)计算各负荷水平的样本标准差，计算公式如下：

7)负荷持续时间曲线采用组合概率模型来建模，即对负荷持续时间曲线的多个阶段建立离散概率分布模型，每个阶段采用均值及其样本标准差正态分布进行建模。

S3：采用蒙特卡洛模拟法对给定的隶属度对应的风险指标值进行评估，建立风险指标的隶属函数，根据所述配网***负荷模糊概率混合模型及蒙特卡洛模拟所得的所有负荷水平计算总风险指标；具体步骤如下：

S31：按照步骤S1构建配网***所有元件的维修时间的模糊隶属函数、故障率的模糊隶属函数，并计算不可用度的模糊隶属函数；

S32：针对***元件不可用度模糊模型中隶属度相同的情况，计算各元件不可用度隶属函数μ_j(U)的两个反函数值，确定不可用度该隶属度对应的上下界：

S33：对于***峰值负荷模糊模型中给定的隶属度，计算峰值负荷下隶属度函数μ(L)的两个反函数值，确定***峰值负荷该隶属度对应的上下界；

S34：针对负荷持续时间曲线的组合概率模型，计算各负荷水平对应的具体数值，单位MW，计算公式如下：

L′_i＝L_i·μ^-1(μ(L))；(16)

其中，L’_i为第i个负荷水平对应的具体负荷数值，单位为MW；μ(L)为峰值负荷的模糊隶属函数；L_i为相对于峰值负荷的第i个负荷水平；

S35：采用蒙特卡洛模拟法对步骤S35所得各负荷水平进行概率风险评估，其中在采用蒙特卡洛进行分析采样***负载状态时，考虑负荷水平的随机性，因此对负荷曲线的多个阶段建立离散概率分布，每个阶段采用均值及其样本标准差正态分布进行建模。则第l次采样时***负载的采样值为：

L_il＝X_lσ_i+L′_i；(17)

其中，X_l为利用近似逆变换所得的一个标准正态分布随机数；σ_i为由公式(14)所得的第i个负荷水平的样本标准差；L_il为第l次采样时***负载的采样值；

S36：根据步骤S36分析所得各负荷水平的风险指标及对应概率，结合步骤S35隶属概率分布模型所得的所有负荷水平，计算配网***总风险指标，计算公式如下：

S37：对峰值负荷和不可用度隶属函数重复步骤S33-S37，得到风险指标的隶属函数。

S4：将风险指标隶属函数去模糊化得到风险指标具体值，对风险指标隶属函数采用采用重心法去模糊化，所采用的重心法与概率论中的加权平均值概念非常相似，通过计算模糊隶属度函数的加权平均值来寻找平衡点，具体如下：

其中，RI_average为风险指标均值；RI_m为风险指标隶属函数中的第m个域点值；μ(RI_m)为该域点的隶属度；G为所考虑在内的域点集。

本发明所提方法采用某地区配网作为实例进行分析，该配网***有104个节点、167条支线。首先根据历史统计数据(故障率、故障修复时间统计数据)采取步骤S1所提方法建立了该配网所有***元件(线路、变压器)的频率和维修时间的模糊隶属函数。然后，采取步骤S2所提方法构建如图3所示的峰值负荷的模糊模型，根据配网***的负荷预测所提供的峰值负荷及其上下取值区间范围可得到模糊模型的最大隶属度即1.0所对应的峰值负荷L_peak及隶属度为0时所对应的上下界限L₁和L₃，两点确定一线，根据L₁及L_peak可确定模糊模型三角形隶属函数的左侧边，即形如y＝kx+b的线性函数，同理根据及可确定模糊模型三角形隶属函数的右侧边。并根据历史统计数据采用聚类方法建立了基于负荷持续时间曲线的组合概率模型。模型构建完成后，为了方便对比分析验证本发明的效果，本发明研究分析以下三个场景：

场景1：只考虑了***元件故障参数的模糊模型，而负荷曲线采用复合概率分布模型表示，不考虑峰值负荷的模糊模型。

场景2：只考虑负载的模糊和概率混合模型，而所有***元件的故障参数仍然使用传统方法(故障频率和修复时间的固定平均值)建模。

场景3：考虑本发明所提包括负荷和***元件故障参数的模糊和概率模型。

本发明风险评估指标选取常用风险指标预期缺电量(EENS)和切负荷概率(PLC)两项风险指标进行风险评价。

采用本发明后所得结果如下表1和表2所示，其中表1和表2分别为五个隶属度置信等级对应的EENS和PLC指标的取值。

表1风险指标EENS分析结果(MWh/年)

表2风险指标PLC分析结果(百分比)

同时考虑随机性(概率模型)和模糊性(模糊模型)的EENS和PLC指标的均值如表3所示。表3中还包括了仅使用传统概率方法而不使用任何模糊模型得到的均值，对应于隶属函数的置信度为1.0的点，用于与本发明所提方法所得结果进行比较。

表3风险指数平均值

风险指标	场景1	场景2	场景2	非模糊化处理
					EENS(MWh/年)	825.18	861.55	895.30	823.34
PLC(百分比)	0.277％	0.315％	0.308％	0.282％

以EENS的方差系数为收敛准则，置信区间取0.05，即5％。从计算的角度看，考虑峰值负荷的五个隶属函数等级(隶属度)，与峰值负荷正态分布的九区间模型计算量相比，计算精度相当。可用发现以下结果：1)输入数据创建具有不同隶属函数的模糊风险指数。在给定的实例中，负荷模糊性对风险指标模糊范围的影响要大于***各元件故障数据的模糊性，同时两者共同导致了风险指数的最大模糊范围；2)虽然峰值负荷的隶属函数是对称的，但风险指标的相应隶属函数是不对称的，风险指标的取值上界要大得多；3)考虑负荷模糊和***元件故障参数的模型性时，它们对风险指标的综合影响不是简单的线性叠加；4)去模糊化后各风险指标的均值均接近1.0的隶属度对应的点值，但指标的模糊范围相当大。三个场景的EENS指数的均值位于隶属度为1.0的点值的右侧，场景2和3的PLC指数的均值位于右侧，而场景1位于左侧。对于PLC指标，其隶属度为1.0时，均值与点值之间的接近程度不一定与指标的模糊范围成正比。场景3的PLC指标的模糊范围比场景2的大，但是在隶属度等级1.0时，场景3的PLC指标的均值比场景2更接近于点值。

本发明不局限于以上所述的具体实施方式，以上所述仅为本发明的较佳实施案例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于风险评估的中压配电网薄弱环节辨识方法，其特征在于：包括以下步骤：

S1：根据历史统计数据建立配网元件故障参数的模糊模型；所述配网元件故障参数的模糊模型包括维修时间的模糊模型、故障率的模糊模型、不可用度的模糊模型；包括以下步骤：

S11：建立维修时间的模糊模型：

故障持续时间的样本平均值可通过如下公式得到：

其中，

是故障持续时间的平均值，也是故障持续时间的点估计值；r_i是第i次故障的故障持续时间；n是停电数据中的故障次数；利用t-分布可估计出期望故障持续时间的置信区间：

假设μ代表实际期望故障持续时间，s代表故障持续时间的样本标准差，对于给定显著水平α，可以确定随机变量

在区间[-t_α/2(n-1),t_α/2(n-1)]内的概率为1-α，其中t_α/2(n-1)为一个有着n-1自由度的t-分布密度函数从t_α/2(n-1)到∞的积分值，其值为α/2，因此可以得到：

也可以等效表示为：

由公式(3)可知，实际期望故障持续时间的取值区间可由样本故障持续时间的上下界确定；

S12：建立故障率模糊模型：

平均故障率可通过如下公式计算：

其中，

为平均故障率，也是故障率的点估计值；λ_i是第i个负荷点的故障持续时间；m是负荷点个数；

利用x²分布估计期望故障率的置信区间，x²分布满足如下关系：

x²(2F)＝2λT； (5)

其中，λ为期望故障率，T为周期，F为周期T内故障总数；根据方程(5)可以得到对于给定的显著水平α，可以确定故障率λ落在以下随机置信区间内的概率为1-α，即有：

公式(6)用来估计故障率的上下界；

S13：建立不可用度的模糊模型：

***元件的不可用度可用以下频率和修复时间计算：

其中，f为元件故障频率，单位：次/年；r为故障维修时间，单位为小时/次；假设故障频率的区间为[a,b]，故障修复时间的区间为[c,d]，则不可用度U的取值区间可由下式计算得到：

S2：结合传统模糊模型和概率分布模型构建配网***负荷模糊概率混合模型；所述配网***负荷模糊概率混合模型包括***峰值负荷的模糊模型和基于负荷持续曲线的组合概率模型；建立基于负荷持续曲线的组合概率模型的步骤如下：

(1)采用历史负荷数据，构建负荷持续曲线；设有N个负荷点，所创建的负荷持续曲线被划分为n个负荷水平，根据负荷与峰值负荷的百分比确定负荷水平，并计算每个负荷水平的概率，各负荷水平间的负荷点为：

其中，N_i是负荷水平第i级和下一级之间的负荷点的数量；

负荷曲线的离散概率分布可用下式表示：

p(L_i)＝p_i,i＝1,2,L,n； (10)

其中，L_i表示元件的第i个负荷水平；

(2)用聚类方法计算各元件负荷水平L_i及样本标准差，步骤如下：

1)选择计算初始聚类平均值C_i，其中C_i表示第i个聚类，i＝1,2,……,n；

2)计算负荷点聚类中各负荷点到聚类平均值C_i间的距离，计算公式如下：

D_ki＝|C_i-L_k|； (11)

其中，L_k为第k个负荷点，k＝1,2,……,N；C_i为第i个聚类平均值；D_ki为第k个负荷点到第i个聚类平均值间的距离；

3)将负荷点按距离进行重新分配，分配到最近的聚类，计算新的聚类如下：

其中，N’i为新聚类中第i个聚类中的负荷点数量；C’i为迭代后产生的新聚类中第i个聚类平均值；

4)重复步骤2)和3)，迭代直到所有聚类均不再发生变化；

5)计算负荷水平，计算公式如下：

其中，L_peak为负荷持续曲线中的负荷峰值，即负荷最大值；

6)计算各负荷水平的样本标准差，计算公式如下：

7)负荷持续时间曲线采用组合概率模型来建模，即对负荷持续时间曲线的多个阶段建立离散概率分布模型，每个阶段采用均值及其样本标准差正态分布进行建模；

S3：采用蒙特卡洛模拟法对给定的隶属度对应的风险指标值进行评估，建立风险指标的隶属函数，根据所述配网***负荷模糊概率混合模型及蒙特卡洛模拟所得的所有负荷水平计算总风险指标；包括以下步骤：

S31：按照步骤S1构建配网***所有元件的维修时间的模糊隶属函数、故障率的模糊隶属函数，并计算不可用度的模糊隶属函数；

S32：针对***元件不可用度模糊模型中隶属度相同的情况，计算各元件不可用度隶属函数μ_j(U)的两个反函数值，确定不可用度该隶属度对应的上下界：

S33：对于***峰值负荷模糊模型中给定的隶属度，计算峰值负荷下隶属度函数μ(L)的两个反函数值，确定***峰值负荷该隶属度对应的上下界；具体为：构建峰值负荷的非对称三角形隶属函数即为μ(L)、最大隶属度1.0所对应的峰值负荷L_peak及隶属度为0时所对应的上下界限L₁和L₃；

将隶属度为0时的最高界限L₃和最低界限L₁代入求取μ(L)的两个反函数值可得到对应的上下界；

S34：针对负荷持续时间曲线的组合概率模型，计算各负荷水平对应的具体数值，单位MW，计算公式如下：

L′_i＝L_i·μ^-1(μ(L))； (16)

其中，L’_i为第i个负荷水平对应的具体负荷数值，单位为MW；μ(L)为峰值负荷的模糊隶属函数；

S35：采用蒙特卡洛模拟法对步骤S35所得各负荷水平进行概率风险评估，则第l次采样时***负载的采样值为：

L_il＝X_lσ_i+L′_i； (17)

其中，X_l为利用近似逆变换所得的一个标准正态分布随机数；σ_i为由公式(14)所得的第i个负荷水平的样本标准差；L_il为第l次采样时***负载的采样值；

S36：根据步骤S36分析所得各负荷水平的风险指标及对应概率，结合步骤S35隶属概率分布模型所得的所有负荷水平，计算配网***总风险指标，计算公式如下：

S37：对峰值负荷和不可用度隶属函数重复步骤S33-S37，得到风险指标的隶属函数；

S4：将风险指标隶属函数去模糊化得到风险指标具体值；对风险指标隶属函数采用重心法去模糊化，具体如下：

其中，RI_average为风险指标均值；RI_m为风险指标隶属函数中的第m个域点值；μ(RI_m)为风险指标隶属函数中的第m个域点值RI_m的隶属度；G为所考虑在内的域点集。

Images