考慮不確定信息的配電系統(tǒng)分析及故障診斷方法研究.pdf

1、本文首先論述了當(dāng)前配電系統(tǒng)及其支持系統(tǒng)，然后分析了在配電系統(tǒng)負(fù)荷建模、潮流計(jì)算、故障診斷等環(huán)節(jié)中的不確定信息產(chǎn)生的原因，表現(xiàn)形式及處理辦法。在考慮了配電系統(tǒng)分析及故障診斷中不確定信息影響的基礎(chǔ)上，建立了一個(gè)考慮不確定信息的配電網(wǎng)分析及故障診斷系統(tǒng)平臺。與以往的配電系統(tǒng)不確定分析方法不同的是本文在負(fù)荷建模、潮流計(jì)算、故障診斷等各個(gè)環(huán)節(jié)都建立了統(tǒng)一的不確定信息模型，并將信息的模糊性、隨機(jī)性及粗糙性等不確定因素作為一個(gè)整體進(jìn)行考慮，使得上一個(gè)

2、環(huán)節(jié)的計(jì)算結(jié)果能夠直接應(yīng)用于下一個(gè)環(huán)節(jié)的分析，從而有效的避免了各個(gè)環(huán)節(jié)對于不確定信息處理的不一致問題。 本文主要內(nèi)容包括： 首次將云理論與電力系統(tǒng)有效結(jié)合來解決配電系統(tǒng)原始數(shù)據(jù)不足的問題，提出了一種組合云發(fā)生器，將正向云發(fā)生器和逆向云發(fā)生器有效組合成一種閉環(huán)結(jié)構(gòu)。結(jié)合配電網(wǎng)負(fù)荷數(shù)據(jù)的實(shí)際特點(diǎn)，在組合云發(fā)生器中加入了約束方程組和系統(tǒng)工況數(shù)據(jù)補(bǔ)充兩個(gè)單元，保證了生成的負(fù)荷數(shù)據(jù)既能夠包含系統(tǒng)的大部分情況，又不會出現(xiàn)實(shí)際不會發(fā)生

3、的不可能數(shù)據(jù)，生成的云滴很好的反映了負(fù)荷數(shù)據(jù)所具有的模糊性和隨機(jī)性。并在此基礎(chǔ)上進(jìn)行了基于T-S模糊模型的負(fù)荷辨識，將辨識結(jié)果與當(dāng)前通用的幾類模型進(jìn)行了對比研究，結(jié)果顯示了所提出方法的有效性和實(shí)用性。 針對配電系統(tǒng)中存在的大量不確定因素，提出了一類改進(jìn)的配電網(wǎng)潮流支路前推回代法，充分考慮了負(fù)荷的不確定性對潮流計(jì)算的影響，使算法能夠應(yīng)用于復(fù)雜的實(shí)際配電系統(tǒng)，計(jì)算結(jié)果能更準(zhǔn)確的反映負(fù)荷不確定性對于各個(gè)節(jié)點(diǎn)電壓和功率的影響。對算法收斂

4、性進(jìn)行了分析和證明，給出了算法的收斂判據(jù)并證明了當(dāng)滿足收斂條件時(shí)必存在唯一平衡收斂點(diǎn)，同時(shí)給出了收斂誤差方程。在美國PG＆E的69節(jié)點(diǎn)配電系統(tǒng)上的仿真結(jié)果表明，與確定性支路電流法和基于蒙特卡洛隨機(jī)抽樣的支路前推回代法相比，本文提出的方法計(jì)算結(jié)果能更準(zhǔn)確的反映出更多的系統(tǒng)信息。 提出了一種基于斷點(diǎn)重要度的配電網(wǎng)連續(xù)屬性離散化方法，證明了該方法的有效性。綜合考慮了線路的選擇系數(shù)、靈敏系數(shù)和支持權(quán)值，應(yīng)用屬性離散指標(biāo)作為離散化的評價(jià)標(biāo)

5、準(zhǔn)，證明該指標(biāo)可以作為離散化完備的充分條件。并且在時(shí)間復(fù)雜度和空間復(fù)雜度方面分析了算法的有效性，與同類算法的比較可以發(fā)現(xiàn)算法在基本不損失分類信息的基礎(chǔ)上有效降低了時(shí)間復(fù)雜度和空間復(fù)雜度。首次在配電系統(tǒng)故障診斷中將連續(xù)和離散信號統(tǒng)一的應(yīng)用粗糙集進(jìn)行約簡，使電壓、電流等配電系統(tǒng)的重要模擬量可以參與到故障診斷系統(tǒng)中，提高了故障辨識的精度。同時(shí)，也為配電系統(tǒng)的臨界穩(wěn)態(tài)運(yùn)行情況的判定提供了一個(gè)可能的解決辦法。提出了一類基于遺傳算法的粗糙集離散化和

6、約簡算法。在分析了遺傳算法中各個(gè)主要參數(shù)對算法結(jié)果的影響基礎(chǔ)上，重點(diǎn)討論了適應(yīng)值函數(shù)中目標(biāo)函數(shù)、懲罰函數(shù)以及懲罰因子的構(gòu)造方法，并對于算法的關(guān)鍵參數(shù)及進(jìn)化過程進(jìn)行了修正。與傳統(tǒng)的粗糙集約簡算法相比，文中的方法能夠有效找到最優(yōu)的屬性約簡結(jié)果，同時(shí)大大提高了算法的效率和實(shí)用性。將算法應(yīng)用于美國PG&E的69節(jié)點(diǎn)配電系統(tǒng)進(jìn)行仿真，對于324個(gè)屬性，319條記錄的復(fù)雜數(shù)據(jù)進(jìn)行了有效的約簡，結(jié)果表明算法對于實(shí)際的復(fù)雜配電系統(tǒng)能夠進(jìn)行故障診斷。

7、 考慮到配電系統(tǒng)故障期間，不確定信息的爆炸增長導(dǎo)致運(yùn)行人員的決策困難，提出了一類解決不確定性的系統(tǒng)化方法。首先提出了涉及不確定信息的粗糙集模型，在此基礎(chǔ)上，構(gòu)建了定性與定量之間的轉(zhuǎn)換模式。充分考慮了屬性的不確定性，給出了基于該模型的約簡過程，并將結(jié)論采用模糊推理的形式給出，大大提高了算法的參考價(jià)值及計(jì)算精度。針對可能出現(xiàn)的矛盾和重復(fù)規(guī)則，為專家?guī)熘械母鳁l規(guī)則建立了規(guī)則可信度和設(shè)備可信度和最終的綜合分析可信度，加強(qiáng)了診斷結(jié)果的準(zhǔn)確性和