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)負荷建模、潮流計算、故障診斷等環(huán)節(jié)中的不確定信息產生的原因，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上，建立了一個考慮不確定信息的配電網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荷建模、潮流計算、故障診斷等各個環(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、隨機性及粗糙性等不確定因素作為一個整體進行考慮，使得上一個

2、環(huán)節(jié)的計算結果能夠直接應用于下一個環(huán)節(jié)的分析，從而有效的避免了各個環(huán)節(jié)對于不確定信息處理的不一致問題。 本文主要內容包括： 首次將云理論與電力系統(tǒng)有效結合來解決配電系統(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)結構。結合配電網負荷數(shù)據(jù)的實際特點，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)補充兩個單元，保證了生成的負荷數(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荷數(shù)據(jù)所具有的模糊性和隨機性。并在此基礎上進行了基于T-S模糊模型的負荷辨識，將辨識結果與當前通用的幾類模型進行了對比研究，結果顯示了所提出方法的有效性和實用性。 針對配電系統(tǒng)中存在的大量不確定因素，提出了一類改進的配電網潮流支路前推回代法，充分考慮了負荷的不確定性對潮流計算的影響，使算法能夠應用于復雜的實際配電系統(tǒng)，計算結果能更準確的反映負荷不確定性對于各個節(jié)點電壓和功率的影響。對算法收斂

4、性進行了分析和證明，給出了算法的收斂判據(jù)并證明了當滿足收斂條件時必存在唯一平衡收斂點，同時給出了收斂誤差方程。在美國PG＆E的69節(jié)點配電系統(tǒng)上的仿真結果表明，與確定性支路電流法和基于蒙特卡洛隨機抽樣的支路前推回代法相比，本文提出的方法計算結果能更準確的反映出更多的系統(tǒng)信息。 提出了一種基于斷點重要度的配電網連續(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)和支持權值，應用屬性離散指標作為離散化的評價標

5、準，證明該指標可以作為離散化完備的充分條件。并且在時間復雜度和空間復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上有效降低了時間復雜度和空間復雜度。首次在配電系統(tǒng)故障診斷中將連續(xù)和離散信號統(tǒng)一的應用粗糙集進行約簡，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，也為配電系統(tǒng)的臨界穩(wěn)態(tài)運行情況的判定提供了一個可能的解決辦法。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主要參數(shù)對算法結果的影響基礎上，重點討論了適應值函數(shù)中目標函數(shù)、懲罰函數(shù)以及懲罰因子的構造方法，并對于算法的關鍵參數(shù)及進化過程進行了修正。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)的屬性約簡結果，同時大大提高了算法的效率和實用性。將算法應用于美國PG&E的69節(jié)點配電系統(tǒng)進行仿真，對于324個屬性，319條記錄的復雜數(shù)據(jù)進行了有效的約簡，結果表明算法對于實際的復雜配電系統(tǒng)能夠進行故障診斷。

7、 考慮到配電系統(tǒng)故障期間，不確定信息的爆炸增長導致運行人員的決策困難，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，在此基礎上，構建了定性與定量之間的轉換模式。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，并將結論采用模糊推理的形式給出，大大提高了算法的參考價值及計算精度。針對可能出現(xiàn)的矛盾和重復規(guī)則，為專家?guī)熘械母鳁l規(guī)則建立了規(guī)則可信度和設備可信度和最終的綜合分析可信度，加強了診斷結果的準確性和