一種基于arima模型的配電網(wǎng)運行可靠性的預測方法
【技術領域】
[0001] 本發(fā)明涉及配電網(wǎng)運行可靠性評估領域，具體涉及一種基于ARIMA模型的配電網(wǎng) 運行可靠性的預測方法。
【背景技術】
[0002] 配電網(wǎng)處于電力系統(tǒng)末端與用戶直接相連起分配電能作用，大規(guī)模和長時間的停 電不僅造成巨大的損失而且威脅到社會秩序，配電網(wǎng)的可靠性直接影響用戶是否獲得合格 的電能，所以電力公司不斷提高供電質(zhì)量和不間斷的電力供應能力，使得電網(wǎng)能夠在合理 的投資范圍內(nèi)減少停電的可能。
[0003] 配電網(wǎng)的結構復雜龐大設備繁多，由架空線路、電纜連接大量的電源點、負荷、變 壓器、開關以及各類一次及二次設備等元件組成，網(wǎng)絡結構由于故障、負荷轉移或是運行調(diào) 整經(jīng)常發(fā)生變化，導致配電網(wǎng)一些設備停運模型復雜、系統(tǒng)動態(tài)特性較強和失效后果多變， 給實時運行中的配電網(wǎng)可靠性評估帶來了一定的難度?，F(xiàn)有對配電網(wǎng)進行可靠性評估的 方法主要可以分兩種：基于傳統(tǒng)解析法的配電網(wǎng)可靠性評估和基于蒙特卡洛抽樣的可靠性 評估。基于傳統(tǒng)解析法的配電網(wǎng)可靠性評估用數(shù)學模型來描述元件與系統(tǒng)間的可靠性關 系，通過輸入元件和系統(tǒng)的全過程壽命求得最終的可靠性指標，主要包括故障模式后果分 析法、最小路算法、網(wǎng)絡等值法、饋線分區(qū)算法等，解析法具有嚴格的數(shù)學邏輯但隨著系統(tǒng) 模型的擴大時間復雜度呈指數(shù)型增加。基于蒙特卡洛等模擬算法的配電網(wǎng)可靠性評估以概 率統(tǒng)計理論為數(shù)學基礎，使用計算機抽樣方法對系統(tǒng)可靠性進行評估，由于抽樣算法基于 大數(shù)定理，所以在系統(tǒng)元件較少或者故障頻率較少的情況下樣本方差過大導致最終結果不 準確。運行可靠性評估不同于規(guī)劃和設計可靠性評估，隨著量測設備的大量覆蓋，配電網(wǎng)運 行中具有詳實的統(tǒng)計資料和實時的運行維修策略，除了可以提供元件的平均失效率和修復 率，還能提供修復時間，轉供方案、實時/歷史遙信遙測量，歷史停電數(shù)據(jù)等。其次在實際生 產(chǎn)環(huán)節(jié)中，系統(tǒng)的狀態(tài)改變存在記憶性即事件發(fā)生的時間不滿足指數(shù)分布，設備元件發(fā)生 停運事件并非相互獨立而是具有一定的相關性。再次可靠性指標本質(zhì)上是一個取決于網(wǎng)絡 拓撲、運行方式、系統(tǒng)負荷和元件隨機停運及隨機修復等諸多相關因素的隨機變量，作為反 饋的信息量還是存在不確定性。
[0004] 綜上所述，如何利用好歷史或?qū)崟r數(shù)據(jù)實現(xiàn)配電網(wǎng)可靠性的精確預測評估成為當 前亟待解決的問題。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明提供的一種基于ARIMA模型的配電網(wǎng)運行可靠性的預測方法， 該方法有效且準確的指導未來配電網(wǎng)的規(guī)劃、設計、運行和維修，提高了配電網(wǎng)運行可靠性 預測評估的準確性，實現(xiàn)了配電網(wǎng)安全穩(wěn)定運行降低停電頻率、縮小停電范圍。
[0006] 本發(fā)明的目的是通過以下技術方案實現(xiàn)的：
[0007] -種基于ARIM模型的配電網(wǎng)運行可靠性的預測方法，所述方法包括如下步驟：
[0008] 步驟1.提取并預處理所述配電網(wǎng)系統(tǒng)的歷史數(shù)據(jù)中的用戶的月停電次數(shù)，得到 一個時間段內(nèi)的月平均停電次數(shù)序列；
[0009] 步驟2.判斷所述月平均停電次數(shù)序列是否為平穩(wěn)序列；
[0010] 若是，則進入步驟4;
[0011] 若否，則進入步驟3 ;
[0012] 步驟3.修正所述月平均停電次數(shù)序列；返回步驟2 ;
[0013] 步驟4.根據(jù)所述月平均停電次數(shù)序列；得到ARIMA的自回歸項數(shù)及移動平均項數(shù) 的值；
[0014] 步驟5.建立并修正ARIMA模型；
[0015] 步驟6.根據(jù)ARIM模型預測最近一年的所述配電網(wǎng)系統(tǒng)月停電次數(shù)；獲得所述配 電網(wǎng)全年的運行可靠性指標。
[0016] 優(yōu)選的，所述步驟1，包括：
[0017] 1-1.提取所述配電網(wǎng)的歷史數(shù)據(jù)中的用戶的月停電次數(shù)序列Y;
[0018] 1-2.預處理所述月停電次數(shù)序列Y，得到一個時間段內(nèi)的月平均停電次數(shù)序列 Yt:
[0019] Yt=傘Jti+<i)2Yt2+. ? ? + <i>pYtp+et_ 0a「0 2et2_. ? ? - 0qetq (I)
[0020] 式中，\為0至t時刻的月平均停電次數(shù)序列值，p為該模型的自回歸項數(shù)，q為 該模型的移動平均項數(shù)，e為每次序列變化的白噪聲；巾與0為不同的未知待求參數(shù)；t是 計算窗口中所含的月數(shù)。
[0021] 優(yōu)選的，所述步驟2,包括：
[0022] 根據(jù)公式（2)和公式（3)判斷所述月平均停電次數(shù)序列是否為平穩(wěn)序列：
[0024] Ttitk^T〇,k (3)
[0025] 式中，An為常數(shù)、表示月停電次數(shù)的均值；丫tit產(chǎn)Y表示序列Ytk、Yt和序列 Y。、Yk的協(xié)方差是近似的；k是存在一個參數(shù)k使得任意時刻公式（3)都成立；K表示一個常 數(shù)；t是計算窗口中所含的月數(shù)。
[0026] 若公式（2)和公式（3)均成立，則進入步驟4 ;
[0027] 若公式⑵或公式⑶中的任一不成立，則進入步驟3 ;
[0028] 優(yōu)選的，所述步驟3中修正所述月平均停電次數(shù)序列的方法為修改所述月平均停 電次數(shù)序列的時間頻率、或?qū)λ鲈缕骄ｋ姶螖?shù)序列進行對數(shù)差分。
[0029] 優(yōu)選的，所述步驟4,包括：
[0030] 4-1.建立所述月平均停電次數(shù)序列的自相關函數(shù)及偏自相關函數(shù)；
[0031] 4-2.求解所述月平均停電次數(shù)序列的自相關函數(shù)及偏自相關函數(shù)；得到ARIMA模 型的自回歸項數(shù)及移動平均項數(shù)的值集；
[0032] 4-3.建立最小信息準則AIC函數(shù)：
[0033] AIC=nlog〇 2+2 (p+q) (4)
[0034] 式中，n為月平均停電的樣本數(shù)，〇是殘差平方和，p為該模型的自回歸項數(shù)，q為 該模型的移動平均項數(shù)；
[0035] 4-4.篩選出得出使得AIC的值最小的Pni和q"作為所述自回歸項數(shù)p及移動平均 項數(shù)q的最終取值；Pni是所述自回歸項數(shù)P的所述值集中的某一個值；Qni是所述移動平均 項數(shù)q的所述值集中的某一個值。
[0036] 優(yōu)選的，所述步驟5，包括：
[0037] 5-1.根據(jù)最小二乘法對所述自回歸項數(shù)及移動平均項數(shù)的值進行回歸分析，得到 所述ARIMA模型的初型；
[0038] 5-2.檢測所述初型的殘差序列；
[0039] 若所述殘差序列為白噪聲，則所述初型即為所述ARIMA模型的最終型；所述ARIMA 豐旲型建立完成；
[0040] 若所述殘差序列不為白噪聲，則返回5-1。
[0041] 優(yōu)選的，所述步驟6,包括：
[0042] 6-1.根據(jù)所述ARIMA模型，預測并提取最近一年的所述配電網(wǎng)系統(tǒng)月停電次數(shù)； 并建立歷史故障信息樣本集；
[0043] 6-2.根據(jù)歷史故障信息樣本集，建立拉普拉斯平滑的故障元件樣本集，并得到失 電負荷點的停電次數(shù)、停電時間和缺供電量；
[0044] 6-3.獲得所述配電網(wǎng)全年的運行可靠性指標。
[0045] 優(yōu)選的，所述6-1，包括：
[0046] a.基于所述配電網(wǎng)系統(tǒng)實時運行情況的TLOC準則及PLOC準則對所述配電網(wǎng)系統(tǒng) 進行分區(qū)并建立事故模式影響FMEA表；
[0047] b.求解所述ARIMA模型，得到預測的全年的所述配電網(wǎng)系統(tǒng)月停電次數(shù)；并建立 歷史故障信息樣本集。
[0048] 優(yōu)選的，所述6-2，包括：
[0049] c.根據(jù)所述歷史故障信息樣本集，建立拉普拉斯平滑的故障元件樣本集 Res1(e,w)：
[0050] 設元件樣本集為E，歷史故障集合為S，則故障元件樣本集合Res1 (e,w)按以下的 規(guī)則建立；
[0051] 對于某元件ei，若在歷史故障集合S中出現(xiàn)的次數(shù)為W1若沒有發(fā)生，則有以下公 式：
[0053] 上式中w'為所有eGS元件的次數(shù)，min(w'）表示其中e出現(xiàn)過次數(shù)的最小值，e 表示事故元件，w表示事故概率權重；
[0054] d.循環(huán)讀取所述故障元件樣本集中的每一次停電事件，同時在所述故障元件樣本 集中抽取對應的失效元件；
[0055] e.讀取所述事故模式影響FMEA表，并查找本次停電事件的所述失效元件在故障 時所影響的失電負荷點；
[0056] f.記錄所述失電負荷點的停電次數(shù)、停電時間和缺供電量；
[0057] g.判斷所述故障元件樣本集中的全部停電事件是否均循環(huán)完成；
[0058] 若是，則跳轉到6-3;
[0059] 若否，則返回到d。
[0060] 優(yōu)選的，所述6-3，包括：
[0061] h.統(tǒng)計各個所述失電負荷點的停電次數(shù)、停電時間和缺供電量；
[0062] i.計算出整個所述配電網(wǎng)系統(tǒng)的全年的運行可靠性指標整個所述配電網(wǎng)系統(tǒng)的 可靠性指標。
[0063] 從上述的技術方案可以看出，本發(fā)明提供了一種基于ARIMA模型的配電網(wǎng)運行可 靠性的預測方法，通過建立ARIMA模型預測用戶月停電次數(shù)，將非平穩(wěn)元件失效次數(shù)時間 序列轉化為平穩(wěn)時間序列，然后將因變量僅對它的滯后值以及隨機誤差項的現(xiàn)值和滯后值 進行回歸建立用戶月停電次數(shù)模型；根據(jù)預測結果抽樣停運點，同時考慮實時負荷運行狀 況基于TLOC準則和PLOC準則建立故障模式影響表；計算每次設備停運的系統(tǒng)恢復時間最 終獲得全年可靠性指標。本發(fā)明提出的預測方法，綜合考慮配電網(wǎng)實時運行狀態(tài)和調(diào)整策 略，深度挖掘歷史數(shù)據(jù)中的系統(tǒng)風險特性，有效且準確的指導未來配電網(wǎng)的規(guī)劃、設計、運 行和維修，提高了配電網(wǎng)運行可靠性預測評估的準確性，實現(xiàn)了配電網(wǎng)安全穩(wěn)定運行降低 停電頻率、縮小停電范圍，加強了系統(tǒng)中可靠性的薄弱環(huán)節(jié)，并提出有效的改進措施，能夠 精確挖掘系統(tǒng)內(nèi)在風險的統(tǒng)計特性和發(fā)展規(guī)律性。突出配電網(wǎng)可靠性的趨勢