CN106709626A - 一种基于贝叶斯网络的电网发展动态综合评价方法 - Google Patents
一种基于贝叶斯网络的电网发展动态综合评价方法 Download PDFInfo
- Publication number
- CN106709626A CN106709626A CN201611025364.0A CN201611025364A CN106709626A CN 106709626 A CN106709626 A CN 106709626A CN 201611025364 A CN201611025364 A CN 201611025364A CN 106709626 A CN106709626 A CN 106709626A
- Authority
- CN
- China
- Prior art keywords
- index
- power
- network
- power network
- development
- 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.)
- Pending
Links
- 238000011161 development Methods 0.000 title claims abstract description 83
- 238000011156 evaluation Methods 0.000 title claims abstract description 62
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 17
- 230000005284 excitation Effects 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012797 qualification Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000005553 drilling Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract 2
- 230000008450 motivation Effects 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000018109 developmental process Effects 0.000 description 57
- 230000013016 learning Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000013439 planning Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 241000721047 Danaus plexippus Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于贝叶斯网络的动态电网发展综合评价方法。目前对于电网发展的评估方法仍需进一步深入研究。本发明包括如下步骤:选取电网发展评价指标,构建电网发展水平评估指标体系;对收集到的各指标历史数据进行预处理,分别进行指标归一化处理和指标无量纲化处理;构建贝叶斯电网评估网络模型;基于激励或惩罚的电力动态综合评价方法计算样本数据综合评价得分,得到电网综合评价值,作为贝叶斯电网评估网络模型训练样本;对构建的贝叶斯电网评估网络模型进行训练,得到训练后的贝叶斯电网评估网络模型;输入测试样本进行测试。本发明可计算得到客观、准确的电网发展评价结果,对电网发展进行合理评价。
Description
技术领域
本发明属于电网评价领域,尤其是一种基于贝叶斯网络的电网发展动态综合评价方法。
背景技术
电力是国民经济和社会发展的命脉。目前,我国电力系统建设和发展仍然面临着巨大的压力。电网发展评估能够有效地认识电网发展现状,衡量电网的供电能力、供电可靠性、经济性等,可为电网的未来发展提供理论支持和决策依据,进而保证电网发展科学合理。可见电网发展评估有着重要而深远的意义。
在我国,已有较多学者在电网发展评估方面进行了研究。目前,已有学者从各个角度构建电网发展评估指标,如王智冬等人从供电能力、电网资源配置能力、安全稳定水平、电能质量、科技水平、投资额度和设备利用率7个方面构建了电网发展指标体系;梁双等人从基础性指标、技术指标和经济指标3个方面建立指标体系来反映城市电网的整体性能;惠君伟等人从电网安全性、容载比、短路电流、输变电设备水平和电网利用效率5个方面对陕西输电网的发展水平进行了分析;王琬等人从可靠性、安全性、经济性和协调性4个方面构建了我国大都市电网的综合评价体系等。可见,我国电网发展评估指标的构建已较为成熟和全面。
对电网整体发展的综合研究,国外学者的研究要早于我国,并取得了一些成果,日本、法国、美国、印度等国家的电网整体发展的研究较为深入。目前的一些文献介绍了日本实施电网改革后的近况,列举了电网的一些特征量,文献研究了日本电网从无到有的发展过程,试图总结出电网发展的一种“可重复模型”。国外关于电网发展的研究虽然不能系统的呈现电网发展水平的完整体系,但是对我国电网建设、电网规划和电网的健康发展等方面都具有很好的借鉴意义和学习价值。
以上国内外对电网发展评估的研究表明,在对电网进行相应评估的过程中都能够有效地提高电网的规划和发展工作,且目前对电网发展评估的指标体系构建已有较为全面深入的研究。但是对于电网发展的评估方法仍需进一步深入研究,尤其是利用自适应性自学习算法对电网发展水平进行评估仍需深入。
发明内容
为了能够全面、准确、有针对性地进行电网发展水平评估,本发明提供一种基于贝叶斯网络的电网发展动态综合评价方法。
本发明采用如下的技术方案:一种基于贝叶斯网络的动态电网发展综合评价方法,其包括如下步骤:
步骤1:选取电网发展评价指标,构建电网发展水平评估指标体系;所述的电网发展评价指标分八个层次:电网协调适应性指标、电网结构和供电能力指标、供电效率指标、安全可靠性指标、电能质量指标、装备水平指标、运营管理水平指标、运营效益指标,分别收集各指标历史数据;
步骤2:对收集到的各指标历史数据进行预处理,分别进行指标归一化处理和指标无量纲化处理;
步骤3:构建贝叶斯电网评估网络模型;
步骤4:基于激励或惩罚的电力动态综合评价方法计算样本数据综合评价得分,得到电网综合评价值,作为贝叶斯电网评估网络模型训练样本;
步骤5:利用步骤4得出的训练样本对步骤3中构建的贝叶斯电网评估网络模型进行训练,得到训练后的贝叶斯电网评估网络模型;
步骤6:输入测试样本对步骤5中得到的贝叶斯电网评估网络模型进行测试。
进一步地,所述的电网协调适应性指标包括对地区GDP贡献率、平均日负荷率和电能终端消费比例;
所述的电网结构和供电能力指标包括配变装接容量、高压配网供电半径、变电容载比和中压线路联络率;
所述的供电效率指标包括综合线损率、线路负载率和单位员工售电量;
所述的安全可靠性指标包括线路N-1通过率、可控负荷比率、供电可靠率RS3和用户平均停电时间;
所述的电能质量指标包括综合电压合格率和责任频率不合格时间;
所述的装备水平指标包括变电站综合自动化率、电缆化率和变压器运行年限分布;
所述的运营管理水平指标包括自动化终端在线率、停电计划变更率和故障抢修次数;
所述的运营效益指标包括单位资产供电负荷、单位电量总成本和投入产出比。
进一步地,所述的步骤3具体包括:首先是根据既有知识确定电网发展评价指标间相互关系,然后根据其相互关系确定贝叶斯电网评估网络模型的结构;最后是从历史数据中进行学习并获得贝叶斯电网评估网络模型参数。
进一步地,所述的步骤4具体包括:利用激励或惩罚的电力动态综合评价方法对所收集的各个电网发展评价指标的历史数据进行综合评价,得到各个被评估电网各年度的电网发展综合评价得分;将得到的电网发展综合评价得分与原始数据配对,形成样本数据对。
进一步地,所述的步骤5具体包括:利用步骤4中得到的样本数据对,用步骤3中所构建的贝叶斯电网发展评估网络模型进行训练;贝叶斯电网发展评估网络模型在该训练过程中,确定输入因子之间的关联性,即电网发展评价指标之间的相关性;贝叶斯电网发展评估网络模型在该训练过程中,确定模型参数,从而得到训练后的贝叶斯电网发展评估网络模型。
本发明具有的有益效果在于:
(1)本发明是建立在对电网全面分析的基础上,基于激励(或惩罚)的电力动态综合评价方法得到贝叶斯电网评估网络模型的训练样本,对贝叶斯电网评估网络模型进行训练,确定评估指标权重,并计算得到客观、准确的评价结果,能合理对电网发展进行评价。
(2)本发明考虑了电网发展的电网协调适应性、电网结构和供电能力、供电效率、安全可靠性、电能质量、装备水平、运营管理水平、运营效益八个方面,旨在对电网发展进行更为全面的分析,从而保证电网发展的全面性,为电网进一步发展提供技术支撑和决策依据,促进电网的科学发展,提高电网管理水平。电网发展水平评估指标体系可应用于电网发展的总结评估、电网规划成果的评价、电网项目的决策与分析。电网发展水平评估指标体系建立了量化评估模型,推进了电网规划由以定性分析为主向定性与定量相结合的转变。电网发展水平评估指标体系的应用推进了规划工作由粗放型向精益化的转变,大大提高了电网的科学管理水平。
(3)本发明设计思路清晰明了,模型直观易于理解,计算过程可以通过软件实现,操作方便。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合说明书附图,详细说明本发明的实施方案。
一种基于贝叶斯网络的电网发展动态综合评价方法,如图1所示,包括:
S1.正确地选取电网发展评价指标,建立电网发展水平评估指标体系。将用于电网发展评估的各类因素尽可能的涵盖在研究范围内。
电网发展评价指标的选取与分类包括:
S1-1.根据电网公司系统历年各类诊断分析工作、国网公司系统评价评估标准及南方电网公司、天津大学等配电网评估研究成果,将电网发展评价指标分八个层次:电网协调适应性指标、电网结构和供电能力指标、供电效率指标、安全可靠性指标、电能质量指标、装备水平指标、运营管理水平指标、运营效益指标,分别收集各指标历史数据。
S1-2.参考经验与文献资料,电网发展评价指标分别包括:
电网协调适应性指标包括对地区GDP贡献率、平均日负荷率和电能终端消费比例;
电网结构和供电能力指标包括配变装接容量、高压配网供电半径、变电容载比和中压线路联络率;
供电效率指标包括综合线损率、线路负载率和单位员工售电量;
安全可靠性指标包括线路N-1通过率、可控负荷比率、供电可靠率RS3和用户平均停电时间;
电能质量指标包括综合电压合格率和责任频率不合格时间;
装备水平指标包括变电站综合自动化率、电缆化率和变压器运行年限分布;
运营管理水平指标包括自动化终端在线率、停电计划变更率、故障抢修次数;
运营效益指标包括单位资产供电负荷、单位电量总成本和投入产出比。
S2:对收集到的各指标历史数据进行预处理,分别进行指标归一化(即一致化)处理和指标无量纲化处理;
S3:构建贝叶斯电网评估网络模型;
S4:基于激励(或惩罚)的电力动态综合评价方法计算样本数据综合评价得分,得到电网综合评价值,作为贝叶斯电网评估网络模型训练样本;
S5:利用步骤4得出的训练样本对步骤3中构建的贝叶斯电网评估网络模型进行训练,得到训练后的贝叶斯电网评估网络模型;
S6:输入测试样本对步骤5中得到的贝叶斯电网评估网络模型进行测试。
S1中所述的各指标具体解释如下:
S1-2中电网评价指标解释如下:
(1)电网协调适应性
①对地区GDP贡献率(%):被评估电网产值占当地GDP的比例。
②平均日负荷率(%):平均每天的平均负荷与最大负荷之比的百分比。
③电能终端消费比例(%):该地区电能消费占所有能源消费的比例。
(2)电网结构和供电能力
①配变装接容量(kVA/条):用于中压配电网,反映每条中压线路线路的利用率,是平均每条中压线路的中压配变容量(kVA)。
②高压配网供电半径(公里):用于110(66)、35kV电压等级的高压配网。
③变电容载比(kVA/kW):高压配电网中的某一层级供电区域内变电设备总容量(kVA)与总负荷(kW)的比值。
④中压线路联络率(%):是10(20)kV线路满足互联结构的线路比例,为满足互联结构的线路条数与线路总条数之比。
(3)供电效率
①综合线损率(%):线损电量与供电量之比。
②线路负载率(%):线路平均负荷与线路最大负荷之比。
③单位员工售电量(kWh/人):售电量与单位员工人数之比。
(4)安全可靠性
①线路N-1通过率(%):满足N-1原则的线路条数与线路总条数之比。
②可控负荷比率(%):可控负荷与最大负荷之比。
③供电可靠率RS3(%):不考虑因系统电源不足而需限电的停电事故的供电可靠程度。
④用户平均停电时间(小时/(户·年)):电力用户在固定统计期间(每年)的平均停电小时数。
(5)电能质量
①综合电压合格率:电压合格率通常包括A、B、C、D四类,A类电压合格率对应区域内供电变电站和变电厂的10KV母线电压合格率;B类电压合格率则对应35/66KV的专线供电和110KV及以上电压等级的用户端电压合格率;C类电压合格率则对应10KV线路末端用户的电压合格率;D类电压合格率为低压配电网的首末端和部分主要用户的电压合格率。根据实际区域配电网不同的电压等级,A、B类电压合格率主要针对高压配电网;C、D类电压合格率则主要面向中低配电网进行使用。针对给定母线监测点的电压合格率指标,公式为:
综合电压合格率为:
式中,VA、VB、VC、VD分别为A、B、C、D类电压合格率。
②责任频率不合格时间(s):电网频率偏差超过规定范围的时间。
(6)装备水平
①变电站综合自动化率(%):适用于110(60)、35kV高压配电网,是实现综合自动化的变电站数目与变电站总数目之比。
②电缆化率(%):电缆线路长度与线路总长度之比。
③变压器运行年限分布(%):适用于10~110kV的配电网,可按10年及以下、10~20年和20年以上三个区段分别统计变压器所占台数比例。
(7)运行管理水平
①自动化终端在线率(%):配网实时在线的终端总数与自动化终端投运总数之比。
②停电计划变更率(%):停电计划变更次数与停电计划总次数之比。
③故障抢修次数:统计期间内,配电网发生故障抢修的次数。
(8)运营效益
①单位资产供电负荷(kW/元):统计期末配网供电负荷与统计期末配网资产总额之比。
②单位电量总成本(元/kWh):平均每kWh电产生的总成本。
③投入产出比(%):配电网规划建设所投入资金的回报程度,是运行收益与初始投资之比。
S2中指标预处理的具体方法步骤如下:
(1)指标一致化处理。
1)对于极小型指标x,可令
x*=M-x (1)
其中,M为指标x的一个允许上界。
2)对于居中型指标x,可令
其中,M和m分别为指标x的允许下界和允许上界。
3)对于区间型指标x,可令
其中,[q1,q2]为指标x的最佳稳定区间,M和m分别为指标x的允许下界和允许上界。
(2)指标无量纲化处理
采用标准化法进行无量纲处理的公式如下:
显然的(样本)平均值和(样本)均方差分别为0和1,xij称为标准观测值,i=1,2,…,n,式中sj(j=1,2,…,m)分别为第j项指标观测值的(样本)平均值和(样本)均方差。
S3构建贝叶斯电网评估网络模型步骤如下:
网络结构图模型使用节点表示随机变量,边则表示随机变量之间的依赖。从节点A指向节点B的有向边表示变量B依赖于随机变量A的值。而网络结构模型分为有向图和无向图,无向图通常称为马尔科夫随机域,而有向图模型,通常称为贝叶斯网络。而所有的边从父节点指向子节点表示了对应随机变量的条件依赖。
一般说来,构造贝叶斯网络可分为以下三个步骤:首先要确定变量集及变量域;其次要确定所要建立的贝叶斯网络结构;最后要确定网络结构中所涉及变量的参数分布。其中,要想确立所要建立的贝叶斯网络变量集及变量域,就要对所收集的数据、信息进行分类整理,即贝叶斯分类。
本发明中贝叶斯电网评估网络模型的结构与参数通过如下方式确定:
(1)首先是根据既有知识确定网络结构,然后指定网络的参数分布;
(2)其次是根据既有知识确定网络结构后,从数据中进行学习并获得网络参数;
(3)最后是直接学习数据并获得贝叶斯电网评估网络模型的结构与参数。
本发明中采用当前较为流行的方法,通过数据学习获得贝叶斯电网评估网络模型。
S4基于激励(或惩罚)的电力动态综合评价方法计算样本数据综合评价得分,得到电网综合评价值,作为贝叶斯电网评估网络模型训样本的具体步骤如下:
设有n个被评价对象,m个评价指标,细节xij(tk)为第i(i=1,2,..n)个被评价对象在tk(k=1,2,...,T)时刻关于指标xj(j=1,2,...,m)的观测值,这样一组按时间顺序排放的平面数据表就构成了一个时序立体数据表。
不失一般性,这里假定对是数据{xij(tk)}已进行了指标类型一致化,无量纲化处理,即在以下讨论中假设评价指标x1,x2,...,xm均是极大型的“标准”数据。
由于各指标观测值所提供的信息不同,因此运用“熵值法”来计算被评价对象在各时刻tk(k=1,2,...,T)的静态综合评价值。记yi(tk)为第i(i=1,2,..n)个被评价对象在tk(k=1,2,...,T)时刻的静态综合评价值,此时,各被评价对象在不同时刻构成静态综合评价矩阵为
为了对被评价对象的增益水平进行激励,需要构建激励控制模型。对某被评价对象si(i=1,2,..n)而言,其获得的“奖励”“惩罚”部分表示为
或
其中分别表示被评价对象si在第tk时刻获得的优劣激励量;y- i(tk)分别表示评价对象si在第tk时刻对应的优劣激励点。设在初始t1时刻不活的任何激励,即有
ηmax、ηmin、为被评价对象的平均最大增益、平均最小增益及平均增益。其计算式为:
η+、η-为被评价对象的优劣增益水平,其计算式为:
其中k+、k-为相应的浮动系数,k+,k-∈[1,0]。通常,决策者(一般为该领域专家)对于被评价对象整体的发展状况有着一定的心理预期,如最佳、正常或最差情况下被评价对象的发展情况,而这种心理预期即可通过对浮动系数k+、k-的设定来实现。
在得到优劣增益水平η+、η-之后,将它们代入如下算式:
此时通过反推的方式即可求出优劣激励点
在引入优劣激励点之后,动态综合评价值还需要考虑对处于优劣激励点上面和下面的部分进行适当的奖惩,设zi(tk)为第i个评价对象在tk时刻的动态综合评价值,既有
其中h+,h-分别为优劣激励因子,分别为获得的优激励与劣激励的部分。
S5利用S4中所得样本对贝叶斯电网评估网络模型进行训练的具体步骤如下:
S5-1参数学习
假设x是随机变量的观测值,并且θ是生成x模型的未知参数。在建立起贝叶斯网络模型后,从不完整,不确定并且带有噪声的数据中获得模型中变量参数的近似值的过程叫做参数学习,也叫参数估计。
最大似然估计是依据下式获取
θMLE=arg maxp(x;θ) (12)
建立在生成x的假设模型中。p(x;θ)表示了观察值与参数之间的概率关系。p(x;θ)是由参数θ所表示的函数,称为似然函数。
贝叶斯估计框架中,参数θ被视为随机变量,对它进行估计就是计算其后验概率分布。为此,首先要选用概率分布p(θ)来总结θ的先验概率,然后把观测值x的影响用似然函数p(x;θ)来归纳,最后使用贝叶斯公式,将先验分布和似然函数结合,得到θ的后验概率分布
p(θ|x)=p(θ)p(x;θ) (13)
对于一般贝叶斯网络,考虑一个由n个变量X={X1,X2,...Xn};组成的贝叶斯网络N。从其中每个节点xi有个取值ri,(r=1,2,...,n),其父节点记为π(Xi)。
在研究对于没有父节点的节点Y的参数估计时,令网络参数θi=P(Y=yi)。用θ=(θ1,θ2,...,θr),由于概率分布的规范性,在对网络参数θ进行最大似然估计时,设一组独立同分布的的数据D=(d1,d2,..,dn),则有(mi为Y=yi的样本个数),相应的对数似然函数为
可以得出θ的最大似然估计由下式求出:
其中:—样本量。
而对子节点的网络参数θijk=P(Xi=k|π(Xi)=j),j,k取值范围分别是从1~qi和1~ri。由于要考虑到先验分布p(θ),则根据贝叶斯估计,在观测到独立同分布的数据D=(d1,d2,...,dn),后,θ的后验概率分布,利用贝叶斯公式得出:
p(θ|D)=p(θ)L(θ|D) (16)
其中:
S5-2结构学习
参数学习假设已知变量间的定性关系,通过数据分析揭示了变量间的定量关系;贝叶斯网络的构造学习“主要分为以下部分讨论,即模型的选择和模型的优化而模型选择又有两种方法:一是通过咨询专家,利用专家手工构造;二是通过数据分析和机器学习构造。从贝叶斯网络基本概率出发,可以总结出网络构建的基本步骤:
Step1:找出影响分析结果的因素{x1,x2,...,xn};
Step2:建立起一个变量顺序a={x1,x2,...,xn};
Step3:建立空图G,按着变量顺序a出发,同时逐个将变量加入G;
Step4:输入变量xi时,G中的变量包括x1,x2,...,xi-1:、包含下面2个方面的内容:
1)在研究问题的背景下,要选取尽可能小的子集π(xi),使得π(xi)与其他剩余变量条件独立。
2)描述影响方向:从父节点π(xi)中的添加一条指向子节点的有向边。
Claims (5)
1.一种基于贝叶斯网络的动态电网发展综合评价方法,其包括如下步骤:
步骤1:选取电网发展评价指标,构建电网发展水平评估指标体系;所述的电网发展评价指标分八个层次:电网协调适应性指标、电网结构和供电能力指标、供电效率指标、安全可靠性指标、电能质量指标、装备水平指标、运营管理水平指标、运营效益指标,分别收集各指标历史数据;
步骤2:对收集到的各指标历史数据进行预处理,分别进行指标归一化处理和指标无量纲化处理;
步骤3:构建贝叶斯电网评估网络模型;
步骤4:基于激励或惩罚的电力动态综合评价方法计算样本数据综合评价得分,得到电网综合评价值,作为贝叶斯电网评估网络模型训练样本;
步骤5:利用步骤4得出的训练样本对步骤3中构建的贝叶斯电网评估网络模型进行训练,得到训练后的贝叶斯电网评估网络模型;
步骤6:输入测试样本对步骤5中得到的贝叶斯电网评估网络模型进行测试。
2.根据权利要求1所述的动态电网发展综合评价方法,其特征在于,
所述的电网协调适应性指标包括对地区GDP贡献率、平均日负荷率和电能终端消费比例;
所述的电网结构和供电能力指标包括配变装接容量、高压配网供电半径、变电容载比和中压线路联络率;
所述的供电效率指标包括综合线损率、线路负载率和单位员工售电量;
所述的安全可靠性指标包括线路N-1通过率、可控负荷比率、供电可靠率RS3和用户平均停电时间;
所述的电能质量指标包括综合电压合格率和责任频率不合格时间;
所述的装备水平指标包括变电站综合自动化率、电缆化率和变压器运行年限分布;
所述的运营管理水平指标包括自动化终端在线率、停电计划变更率和故障抢修次数;
所述的运营效益指标包括单位资产供电负荷、单位电量总成本和投入产出比。
3.根据权利要求1或2所述的动态电网发展综合评价方法,其特征在于,所述的步骤3具体包括:首先是根据既有知识确定电网发展评价指标间相互关系,然后根据其相互关系确定贝叶斯电网评估网络模型的结构;最后是从历史数据中进行学习并获得贝叶斯电网评估网络模型参数。
4.根据权利要求1或2所述的动态电网发展综合评价方法,其特征在于,所述的步骤4具体包括:利用激励或惩罚的电力动态综合评价方法对所收集的各个电网发展评价指标的历史数据进行综合评价,得到各个被评估电网各年度的电网发展综合评价得分;将得到的电网发展综合评价得分与原始数据配对,形成样本数据对。
5.根据权利要求1或2所述的动态电网发展综合评价方法,其特征在于,所述的步骤5具体包括:利用步骤4中得到的样本数据对,用步骤3中所构建的贝叶斯电网发展评估网络模型进行训练;贝叶斯电网发展评估网络模型在该训练过程中,确定输入因子之间的关联性,即电网发展评价指标之间的相关性;贝叶斯电网发展评估网络模型在该训练过程中,确定模型参数,从而得到训练后的贝叶斯电网发展评估网络模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611025364.0A CN106709626A (zh) | 2016-11-14 | 2016-11-14 | 一种基于贝叶斯网络的电网发展动态综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611025364.0A CN106709626A (zh) | 2016-11-14 | 2016-11-14 | 一种基于贝叶斯网络的电网发展动态综合评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106709626A true CN106709626A (zh) | 2017-05-24 |
Family
ID=58940043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611025364.0A Pending CN106709626A (zh) | 2016-11-14 | 2016-11-14 | 一种基于贝叶斯网络的电网发展动态综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709626A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110108806A (zh) * | 2019-04-04 | 2019-08-09 | 广州供电局有限公司 | 基于概率信息压缩的变压器油色谱数据表示方法 |
CN110570090A (zh) * | 2019-08-12 | 2019-12-13 | 国网上海市电力公司 | 一种基于贝叶斯分类法的基线负荷模型的负荷辨识方法 |
CN110766301A (zh) * | 2019-10-12 | 2020-02-07 | 南京理工大学 | 基于narx神经网络的交直流电网自治能力评估方法 |
CN110826237A (zh) * | 2019-11-11 | 2020-02-21 | 云南电网有限责任公司电力科学研究院 | 基于贝叶斯信念网络的风电设备可靠性分析方法及装置 |
CN111815190A (zh) * | 2020-07-15 | 2020-10-23 | 国网能源研究院有限公司 | 基于多元信息深度挖掘的电网发展诊断分析方法和系统 |
CN113610359A (zh) * | 2021-07-20 | 2021-11-05 | 国网河北省电力有限公司雄安新区供电公司 | 基于量化分级指标体系的光伏接入配电网适应性评估方法 |
US11544426B2 (en) | 2019-04-12 | 2023-01-03 | General Electric Company | Systems and methods for enhanced sequential power system model parameter estimation |
US11636557B2 (en) | 2019-05-29 | 2023-04-25 | General Electric Company | Systems and methods for enhanced power system model validation |
-
2016
- 2016-11-14 CN CN201611025364.0A patent/CN106709626A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110108806A (zh) * | 2019-04-04 | 2019-08-09 | 广州供电局有限公司 | 基于概率信息压缩的变压器油色谱数据表示方法 |
CN110108806B (zh) * | 2019-04-04 | 2022-03-22 | 广东电网有限责任公司广州供电局 | 基于概率信息压缩的变压器油色谱数据表示方法 |
US11544426B2 (en) | 2019-04-12 | 2023-01-03 | General Electric Company | Systems and methods for enhanced sequential power system model parameter estimation |
US11636557B2 (en) | 2019-05-29 | 2023-04-25 | General Electric Company | Systems and methods for enhanced power system model validation |
CN110570090A (zh) * | 2019-08-12 | 2019-12-13 | 国网上海市电力公司 | 一种基于贝叶斯分类法的基线负荷模型的负荷辨识方法 |
CN110766301A (zh) * | 2019-10-12 | 2020-02-07 | 南京理工大学 | 基于narx神经网络的交直流电网自治能力评估方法 |
CN110766301B (zh) * | 2019-10-12 | 2022-08-16 | 南京理工大学 | 基于narx神经网络的交直流电网自治能力评估方法 |
CN110826237A (zh) * | 2019-11-11 | 2020-02-21 | 云南电网有限责任公司电力科学研究院 | 基于贝叶斯信念网络的风电设备可靠性分析方法及装置 |
CN110826237B (zh) * | 2019-11-11 | 2024-01-23 | 云南电网有限责任公司电力科学研究院 | 基于贝叶斯信念网络的风电设备可靠性分析方法及装置 |
CN111815190A (zh) * | 2020-07-15 | 2020-10-23 | 国网能源研究院有限公司 | 基于多元信息深度挖掘的电网发展诊断分析方法和系统 |
CN113610359A (zh) * | 2021-07-20 | 2021-11-05 | 国网河北省电力有限公司雄安新区供电公司 | 基于量化分级指标体系的光伏接入配电网适应性评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709626A (zh) | 一种基于贝叶斯网络的电网发展动态综合评价方法 | |
Ehsan et al. | State-of-the-art techniques for modelling of uncertainties in active distribution network planning: A review | |
Singh et al. | Distributed power generation planning for distribution networks using electric vehicles: Systematic attention to challenges and opportunities | |
CN106779277B (zh) | 一种配电网网损的分类评估方法及装置 | |
CN104636988A (zh) | 一种主动配电网评估方法 | |
CN106127377A (zh) | 一种智能电网多能源综合协调水平评价方法 | |
CN108520362A (zh) | 一种农村智能电网水平的综合评价方法 | |
CN109409769A (zh) | 基于改进集对分析的农村电网投资效益综合评价方法 | |
CN105226638A (zh) | 基于改进教与学算法的电力系统可用输电能力计算方法 | |
Lu et al. | Deep reinforcement learning based optimal scheduling of active distribution system considering distributed generation, energy storage and flexible load | |
CN109829560A (zh) | 一种配电网可再生能源发电集群接入规划方法 | |
CN107203842A (zh) | 基于扩展云相似度与逼近理想解的谐波污染水平评估方法 | |
CN115860321A (zh) | 一种配电网供电可靠性评估方法、系统、电子设备及介质 | |
Meng et al. | Operational efficiency analysis of China's electric power industry using a dynamic network slack-based measure model | |
Yavuz et al. | A Sequential Sampling-based Particle Swarm Optimization to Control Droop Coefficients of Distributed Generation Units in Microgrid Clusters | |
Luo et al. | A Fuzzy Evaluation and AHP based Method for the Energy Efficiency Evaluation of EV Charging Station. | |
Feinberg et al. | A stochastic search algorithm for voltage and reactive power control with switching costs and ZIP load model | |
CN109377088A (zh) | 智能电网规划的新型评价方法 | |
CN112016838A (zh) | 配电网能效指标体系的贡献率计算方法、系统及终端设备 | |
Wang et al. | Evaluation Methods for the Development of New Power Systems Based on Cloud Model | |
Shang et al. | Evaluation of Distribution Network Reconstruction Scheme Based on Dynamic Interval Intuitionistic Fuzzy Group Decision-Making | |
Bao et al. | Optimal Investment Planning of Distribution Network Considering Customers’ Reliability Requirements | |
Chen et al. | Multi‐round load control method considering the safe electricity consumption for industrial users based on situational awareness | |
Dong et al. | Study on operation evaluation of charging and discharging network based on improved analytic hierarchy process and fuzzy synthetic evaluation | |
CN105158569B (zh) | 一种3/2接线方式变电站开关电阻在线评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170524 |
|
WD01 | Invention patent application deemed withdrawn after publication |