CN110490471B - 一种配电网供电可靠性差异化的改造方法 - Google Patents
一种配电网供电可靠性差异化的改造方法 Download PDFInfo
- Publication number
- CN110490471B CN110490471B CN201910783350.2A CN201910783350A CN110490471B CN 110490471 B CN110490471 B CN 110490471B CN 201910783350 A CN201910783350 A CN 201910783350A CN 110490471 B CN110490471 B CN 110490471B
- Authority
- CN
- China
- Prior art keywords
- power supply
- index
- reliability
- supply reliability
- evaluation
- 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.)
- Active
Links
- 238000011426 transformation method Methods 0.000 title claims abstract description 16
- 230000004069 differentiation Effects 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 107
- 238000005192 partition Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000010586 diagram Methods 0.000 claims abstract description 21
- 239000003550 marker Substances 0.000 claims abstract description 18
- 238000012417 linear regression Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 67
- 230000006872 improvement Effects 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 13
- 238000011161 development Methods 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 7
- 238000010206 sensitivity analysis Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012847 principal component analysis method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 108010014173 Factor X Proteins 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000000556 factor analysis Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000009412 basement excavation Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于电力工程技术领域,具体涉及一种配电网供电可靠性差异化的改造方法,包括以下步骤:根据区域负荷性质与负荷密度,将配电网分成不同等级的供电分区;确定供电可靠性评价指标,建立可靠性评估指标体系,进行待评对象供电可靠性综合评估值并绘制可靠性指标满意度及重要性区域图;采用多元线性回归分析法筛选供电可靠性关键影响因素;选取各个供电分区等级的最优标杆;基于最优标杆对标评价确定可靠性提升方向。该方法进行考虑分层分区供电可靠性差异化评价,实现可靠性薄弱指标的挖掘;并以对标评价与多元线性回归分析为基础求取优先需要改造的指标以及其关键影响因素,对配电网供电可靠性经济性改造具有重要意义。
Description
技术领域
本发明属于电力工程技术领域,具体涉及一种配电网供电可靠性差异化的改造方法。
背景技术
随着我国经济建设与智能电网建设进程的加快,作为智能电网基础的配网自动化正在快速发展,社会与人民对于供电可靠性要求越来越高。由于经济水平差异、供电需求不同等原因,我国城市与农村、东部与中西部电网发展不平衡,各地区网架结构差距明显,而不同网架基础和负荷密度下,采用的配电自动化模式、通信方式不同,导致了全国各地区,甚至同一地区下不同台区的供电可靠性差距相差甚远。根据不同区域对供电可靠性需求的不同进行分层分区,通过配电网供电可靠性数据的信息挖掘与相关性分析,针对供电可靠性较差的供电分区和目标供电分区中较落后的可靠性指标提出精准的改造方案,可以实现供电可靠性差异化评价,指导目标地区最经济地提升供电可靠性。
发明内容
为了解决上述问题,本发明提供了一种配电网供电可靠性差异化的改造方法,具体技术方案如下:
一种配电网供电可靠性差异化的改造方法,包括以下步骤:
S1:根据区域负荷性质与负荷密度,将配电网分成不同等级的供电分区;
S2:确定供电可靠性评价指标,建立可靠性评估指标体系,进行待评对象供电可靠性综合评估值并绘制可靠性指标满意度及重要性区域图;
S3:采用多元线性回归分析法筛选供电可靠性关键影响因素;
S4:选取各个供电分区等级的最优标杆;
S5:基于最优标杆对标评价确定可靠性提升方向。
优选地,所述步骤S2包括以下步骤:
S21:设有n个待评估供电分区,m个供电可靠性评价指标,则构成的指标矩阵下所示:
X=(xji)n×m=(X1,X2,...Xi,...,Xm); (1)
x={x1,x2,...,xi,...,xm}; (2)
其中,X为由n×m个指标值构造的指标矩阵;Xi为指标矩阵中的第i个指标列向量,即n个评估对象的第i个评价指标组成的向量;xji为第j个待评估对象的第i个指标值;x为供电可靠性评估指标体系中指标的集合;xi为指标集合中的第i个指标;
S22:对正向指标进行归一化,所述正向指标是指评价指标的值越大越好:
对逆向指标进行正向化和归一化,所述逆向指标是指评价指标的值越小越好:
S23:通过对正向指标归一化及对逆向指标正向化和归一化处理后,得到如下所示的归一化可靠性指标矩阵:
S24:对归一化可靠性指标矩阵X*按下式(6)进行离差标准化处理,得到如式(7)所示的标准化可靠性指标矩阵:
R=(rij)m×m; (8)
其中,为标准化可靠性指标矩阵中第i向量和第j列向量的协方差;和/>分别为标准化可靠性指标矩阵中第i列向量和第j列向量的方差;rij反映了指标xi和指标xj的相关程度,rij值越大表示指标间相关程度越高,且当多数rij值大于等于0.75时,满足主成分降维的要求;
S26:根据(λE-A)x=0求相关系数矩阵R的特征值,选出其中大于0的特征值构造如下式所示的特征值集合:
λ={λ1,λ2,...,λk,...,λq}; (10)
其中,λk为相关系数矩阵R大于零的特征值,且规定λ1≥λ2≥...≥λk≥...≥λq>0;
S27:征值集合λ对应的规范正交特征向量矩阵A如下式所示:
S28:由主成分定义可知,对标准化指标矩阵进行PCA后主成分的表达式如下式所示:
其中,yk为特征值λk对应的主成分;
S29:主成分yk对应的特征值λk为该主成分的方差,由下式可得主成分yk的方差对总方差的贡献率为:
其中,μk反映了yk包含所有指标信息的百分比;
由上式可知,各主成分方差贡献率大小依次递减,其中第一主成分方差贡献率最大,前d个主成分的累计方差贡献率为:
依据采用累计方差贡献率确定主要主成分的原则,当累计方差贡献率μ≥85%时,可知前d个主成分可以基本反映m个指标的信息,初步确定前d个主成分为起主要作用的主成分。
优选地,还包括对前d个主成分是否为起主要作用的主成分进行一步检验:
优选地,前d个主成分可基本反映m个指标所包含的信息,利用前d个主成分对应的特征值及规范正交特征向量矩阵元素值确定各指标的权重,如下式所示:
Ωx=(ωx1,ωx2,...,ωxi,...,ωxm)1×m; (16)
其中,ωxi为求得的评估指标体系中第i个指标的权重值;Ωx为评估指标体系中各指标权重构成的行向量;
依据求得的各指标权重,结合式(5)中的归一化指标矩阵,求出供电可靠性综合评估值矩阵为:
F=Ωx(X*)T=(f(1),...,f(j),...,f(n)); (18)
式(18)和(19)通过综合考虑评估对象各个可靠性指标及其权重求出来的供电可靠性评估值;该供电可靠性评估值表征待评对象在考虑所有可靠性指标下供电可靠性的高低程度;求取各个供电分区供电可靠性评估值,对规定范围内待评对象进行供电可靠性排名;可靠性评估值越低的待评对象为优先改造对象。
优选地,对需要改造的待评对象进行供电可靠性指标主成分分析,公式(15)中为指标xi与主成分yk的相关载荷值,相关载荷值越大,指标与主成分的相关性越高,从而得到确定需改造对象可靠性指标与供电可靠性主成分的相关性排序;以待评供电分区各供电可靠性指标的满意度为横坐标,以各指标的重要性程度为纵坐标,绘制各指标满意度及重要性区域图,区域图为确定待评估对象的供电可靠性指标改进排序提供依据。
优选地,所述多元线性回归分析法具体如下:
基于历史数据建立多元线性回归分析模型,供电可靠性影响因素X与该次分析的供电可靠性指标Y之间关系如下:
Y=Xβ+ε; (20)
其中,Y=[Y1,Y2,…,Yn]T为待评价的可靠性指标的n个样本值;ε=[ε1,ε2,…,εn]T,且ε~N(0,σ2);β=[β0,β1,…,βm]T为待求取的回归系数;X=[e,X1,X2,…,Xm]为可靠性影响因素矩阵,且e=[1,1,…,1]T为n×1阶向量,Xm=[X1m,X2m,…,Xnm]T为第m个可靠性影响因素列向量;回归系数的求取可用最小二乘法:
β=(XTX)-1XTY; (21)
其中,β为估计的回归系数;根据估计的回归系数,可通过灵敏性分析,判断可靠性影响因素的调整对供电可靠性指标值的影响程度,以便找出最优的针对性可靠性指标改造方案;
灵敏度的求取公式如下:
其中,Xi为求取灵敏度的第i个可靠性影响因素,βi为第i个可靠性影响因素的回归系数估计值。
本发明的有益效果为:本发明基于城市发展水平指标、区域电网建设情况指标等对不同地区进行可靠性等级划分。接着,以待评估供电分区的可靠性指标为基础数据,建立可靠性指标矩阵,对评估指标矩阵归一化处理和标准化处理,基于主成分分析法建立待评估对象供电可靠性综合评估函数,求取可靠性评估值;然后,构建供电可靠性影响因素体系,并利用多元线性回归分析法筛选供电可靠性薄弱指标关键要素。最后,选定不同供电可靠性要求等级中的最优标杆,用于与待评对象进行横向对标求出指标差距,并根据待评对象各供电可靠性指标与主成分的相关性分析结果从停电时间、停电次数和缺供电量三个方面筛选可靠性薄弱指标,纵向对标确定各个供电等级下的供电可靠性提升方向,据此提出精准的供电可靠性改造方案。该方法进行考虑分层分区供电可靠性差异化评价,实现可靠性薄弱指标的挖掘;并以对标评价与多元线性回归分析为基础求取优先需要改造的指标以及其关键影响因素,对配电网供电可靠性经济性改造具有重要意义。
附图说明
图1为本发明的流程图;
图2为本发明供电分区待评对象供电可靠性评估值排名示意图;
图3为本发明采用主成分分析法求出的待评对象可靠性指标重要性和满意度区域示意图;
图4为本发明中待评对象与最优标杆分区各可靠性指标对标评价示意图;
图5为本发明中待评对象与最优标杆分区供电可靠性指标影响因素差距示意图。
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:
本发明流程示意图如图1所示,通过图2计算各供电分区待评对象供电可靠性评估值排名选出需要优先改造的分区,结合图3的待评对象可靠性指标重要性和满意度区域示意图和图4的待评对象与最优标杆分区可靠性指标对标评价示意图,对待评对象进行自评与对标评,实现考虑配电网分层分区的供电可靠性差异化评价。一种配电网供电可靠性差异化的改造方法,包括以下步骤:
S1:根据区域负荷性质与负荷密度,将配电网分成不同等级的供电分区。
电网建设水平应与城市的定位、经济发展水平、负荷性质和负荷密度等条件相应。根据《配电网规划设计技术导则》关于供电分区划分标准的要求如表1所示。
表1供电区域划分表
注1:σ为供电区域的负荷密度(MW/km2)。
注2:供电区域面积一般不小于5km2。
注3:计算负荷密度时,应扣除110(66)kV专线负荷,以及高山、戈壁、荒漠、水域、森林等无效供电面积。
将配电网分成不同等级的供电分区:A+、A、B、C、D、E,对于不同等级的供电分区提出供电可靠性差异化评价及经济性评估方案,建立差异化评价模型。
本发明可靠性数据计算和分析将做到分局的层级。分别计算待评对象的可靠性指标,建立可靠性评估体系,对不同待评对象的基本概况、装备水平、管理水平等维度数据进行相关性综合评价分析。
S2:确定供电可靠性评价指标,建立可靠性评估指标体系,进行待评对象供电可靠性综合评估值并绘制可靠性指标满意度及重要性区域图。
首先,建立可靠性评估指标体系。本发明根据《供电系统用户供电可靠性评价规程》配电网供电可靠性评价指标体系中,选取其中8个关键的供电可靠性指标,建立中压配电网供电可靠性评估指标体系,用以评估各供电分区待评对象的供电可靠性。这8个指标分别为系统平均停电频率指标(SAIFI)、系统平均停电持续时间指标(SAIDI)、用户平均停电频率指标(CAIFI)、用户平均停电持续时间(CAIDI)、平均供电可用率(ASAI)、用户平均缺供电量(AENS)、预安排停电平均持续时间(MID-S)、平均停电用户数(MIC),各个指标的含义以及计算公式如表2所示。
表2供电可靠性评价所用指标
在可靠性对标评价指标体系中,SAIFI、SAIDI、CAIFI、CAIDI、AENS、MID-S、MIC七项均为指标值越小越好的逆向指标,ASAI为指标值越大越好的正向指标,为了便于分析和计算,先将各个逆向指标正向化。
包括以下步骤:
S21:设有n个待评估供电分区,m个供电可靠性评价指标,则构成的指标矩阵下所示:
X=(xji)n×m=(X1,X2,...Xi,...,Xm); (1)
x={x1,x2,...,xi,...,xm}; (2)
其中,X为由n×m个指标值构造的指标矩阵;Xi为指标矩阵中的第i个指标列向量,即n个评估对象的第i个评价指标组成的向量;xji为第j个待评估对象的第i个指标值;x为供电可靠性评估指标体系中指标的集合;xi为指标集合中的第i个指标;m为可靠性评估指标体系中的指标个数,本文选取为8;n为待评估对象的个数,根据电网公司的历史数据进行确定。
S22:对正向指标ASAI进行归一化,所述正向指标是指评价指标的值越大越好:
对逆向指标AIFI、SAIDI、CAIFI、CAIDI、AENS、MID-S、MIC进行正向化和归一化,所述逆向指标是指评价指标的值越小越好:
S23:通过对正向指标归一化及对逆向指标正向化和归一化处理后,得到如下所示的归一化可靠性指标矩阵:
S24:对归一化可靠性指标矩阵X*按下式(6)进行离差标准化处理,得到如式(7)所示的标准化可靠性指标矩阵:
R=(rij)m×m; (8)
其中,为标准化可靠性指标矩阵中第i向量和第j列向量的协方差;和/>分别为标准化可靠性指标矩阵中第i列向量和第j列向量的方差;rij反映了指标xi和指标xj的相关程度,rij值越大表示指标间相关程度越高,且当多数rij值大于等于0.75时,满足主成分降维的要求;
S26:根据(λE-A)x=0求相关系数矩阵R的特征值,选出其中大于0的特征值构造如下式所示的特征值集合:
λ={λ1,λ2,...,λk,...,λq}; (10)
其中,λk为相关系数矩阵R大于零的特征值,且规定λ1≥λ2≥...≥λk≥...≥λq>0;
S27:征值集合λ对应的规范正交特征向量矩阵A如下式所示:
S28:由主成分定义可知,对标准化指标矩阵进行PCA后主成分的表达式如下式所示:
其中,yk为特征值λk对应的主成分;
S29:主成分yk对应的特征值λk为该主成分的方差,由下式可得主成分yk的方差对总方差的贡献率为:
其中,μk反映了yk包含所有指标信息的百分比;
由上式可知,各主成分方差贡献率大小依次递减,其中第一主成分方差贡献率最大,前d个主成分的累计方差贡献率为:
依据采用累计方差贡献率确定主要主成分的原则,当累计方差贡献率μ≥85%时,可知前d个主成分可以基本反映m个指标的信息,初步确定前d个主成分为起主要作用的主成分。
对前d个主成分是否为起主要作用的主成分进行一步检验:
优选地,前d个主成分可基本反映m个指标所包含的信息,利用前d个主成分对应的特征值及规范正交特征向量矩阵元素值确定各指标的权重,如下式所示:
Ωx=(ωx1,ωx2,...,ωxi,...,ωxm)1×m; (16)
其中,ωxi为求得的评估指标体系中第i个指标的权重值;Ωx为评估指标体系中各指标权重构成的行向量;
依据求得的各指标权重,结合式(5)中的归一化指标矩阵,求出供电可靠性综合评估值矩阵为:
F=Ωx(X*)T=(f(1),...,f(j),...,f(n)); (18)
式(18)和(19)通过综合考虑评估对象各个可靠性指标及其权重求出来的供电可靠性评估值;该供电可靠性评估值表征待评对象在考虑所有可靠性指标下供电可靠性的高低程度;求取各个供电分区供电可靠性评估值,对规定范围内待评对象进行供电可靠性排名;供电分区供电可靠性评估值排名示意图如图2所示,可靠性评估值越低的待评对象为优先改造对象。
对需要改造的待评对象进行供电可靠性指标主成分分析,公式(15)中为指标xi与主成分yk的相关载荷值,相关载荷值越大,指标与主成分的相关性越高,从而得到确定需改造对象可靠性指标与供电可靠性主成分的相关性排序;以待评供电分区各供电可靠性指标的满意度为横坐标,以各指标的重要性程度为纵坐标,绘制各指标满意度及重要性区域图,如图3所示,区域图为确定待评估对象的供电可靠性指标改进排序提供依据。此为待评对象横向对标中自身评价。
S3:采用多元线性回归分析法筛选供电可靠性关键影响因素。
根据步骤2中利用主成分分析法对不同供电分区的供电可靠性进行评估,求取供电分区的供电可靠性综合评估值与可靠性指标的重要度与满意度,以此筛选供电分区应重点关注的1~3个供电可靠性薄弱指标。这些供电可靠性指标与多源配电网网架水平、设备水平和运维管理水平等有关。根据配电网历史故障原因、故障次数、设备运行年限和配电网网架水平、装备水平、运行技术水平、运维管理水平和自然环境等进行统计,挖掘关键影响因素,同时考虑供电可靠性影响因素的灵敏度,辅助制定针对性的供电可靠性改造方案。
多元线性回归分析法具体如下:
基于历史数据建立多元线性回归分析模型,供电可靠性影响因素X与该次分析的供电可靠性指标Y之间关系如下:
Y=Xβ+ε; (20)
其中,Y=[Y1,Y2,…,Yn]T为待评价的可靠性指标的n个样本值;ε=[ε1,ε2,…,εn]T,且ε~N(0,σ2);β=[β0,β1,…,βm]T为待求取的回归系数;X=[e,X1,X2,…,Xm]为可靠性影响因素矩阵,且e=[1,1,…,1]T为n×1阶向量,Xm=[X1m,X2m,…,Xnm]T为第m个可靠性影响因素列向量;回归系数的求取可用最小二乘法:
β=(XTX)-1XTY; (21)
其中,β为估计的回归系数;根据估计的回归系数,可通过灵敏性分析,判断可靠性影响因素的调整对供电可靠性指标值的影响程度,以便找出最优的针对性可靠性指标改造方案;
灵敏度的求取公式如下:
其中,Xi为求取灵敏度的第i个可靠性影响因素,βi为第i个可靠性影响因素的回归系数估计值。由此,可对需要优先提升的供电可靠性指标进行针对因素的调整,减少无谓的可靠性投资,实现供电可靠性经济性评估。
S4:选取各个供电分区等级的最优标杆。
选取各个供电分区等级的最优标杆是对标之前必要步骤。对标评价的最优标杆选取可有如下两类:
1、针对不同等级的供电分区(如按负荷密度分的A、B、C、D类,或者按负荷性质分类)设定最优标杆目标,其中最优标杆供电可靠性评估值在同等级供电分区中排名前列、各可靠性指标尽量满足该供电等级的要求;
2、根据电网标准设定的供电可靠性标杆。
S5:基于最优标杆对标评价确定可靠性提升方向,具体包括横向对标评价和纵向对标评价。
横向对标评价分为综合供电可靠性评估值、供电可靠性指标以及供电可靠性影响因素的横向对比,求取出供电分区与标杆多维度的供电可靠性差距。
综合供电可靠性评估值对标:利用构造的供电可靠性综合评估函数,综合8个可靠性指标SAIFI、SAIDI、CAIFI、CAIDI、AENS、MID-S、MIC和ASAI来求取各分区可靠性评估值,获得各分区的可靠性水平情况,并对评估值高低进行排名,评分越低的分区将是优先改造的目标分区;
供电可靠性指标对标:供电可靠性指标的横向对标反映了供电分区在停电时间、停电次数以及缺供电量三个方面的可靠性差距。通过分析供电可靠性指标的满意度,反映了该供电分区某个方面的薄弱点。满意度较低的指标说明其跟最优标杆仍有一定差距,在改造方案上应有较高的优先级;同时,供电可靠性指标的重要性即反映了该供电分区中指标的重要程度,重要程度越高说明该供电指标越能决定该供电分区的供电可靠性水平。
供电可靠性影响因素对标:以上两个内容可以选取出供电分区的1~3项供电可靠性指标薄弱点,随后利用灵敏度分析,得到这些薄弱点的关键影响因素,再通过关键影响因素的对标,直观地反映出该供电分区在某个影响因素上的薄弱点,有助于精细化改造方案的提出。
横向对标(待评对象与最优标杆对标)的具体的对标步骤为:
①建立供电可靠性评估体系,基于主成分分析法求取8个供电可靠性指标的权重,计算各供电分区的综合供电可靠性评估值(图2)和供电可靠性指标满意度与重要性区域图(图3);
②进行供电分区供电可靠性评估值排名;
③待评对象与最优标杆进行可靠性指标对标(图4):通过主成分分析求出待评对象中影响供电可靠性的主成分,通过8个可靠性指标与主成分相关性的高低,从停电时间、停电次数以及缺供电量三个角度选择进行对标的供电可靠性指标,设定为待评对象的供电可靠性指标薄弱点;
④通过基于多元线性回归分析的灵敏度分析求取出供电可靠性指标薄弱点的关键影响因素,随后通过待评对象与最优标杆的供电可靠性影响因素对标评价,求取其差距(图5);
⑤通过供电可靠性关键影响因素的差距,提出相应可靠性改进措施,改进后再与分区改进前情况对标,验证改进方案的可行性。
纵向对标评价有助于理解标杆分区的高供电可靠性原因,同时分析各供电分区的供电可靠性发展情况。主要内容包含最优标杆纵向对标、待评对象时间维度上纵向对标。
最优标杆纵向对标:最优标杆纵向对标通过不同供电等级最优标杆供电可靠性数据的历史发展曲线对标,从多维度分析最优标杆的供电可靠性提升路线,突出更高供电可靠性等级相关可靠性指标及指标影响因素建设程度,有助于为其他供电分区进行改造提供经验借鉴;
待评对象时间维度上的纵向对标:对供电分区不同时间下(如不同年份)的供电可靠性评估值、供电可靠性指标以及各影响因素情况进行对标,可以确定在该供电分区所处供电环境下(如拓扑结构、气象影响等),哪种影响因素最能影响供电可靠性。
具体的纵向对标步骤为:
①根据需求选取标杆分区作为纵向对标的对象;
②选取需要进行分析的供电可靠性指标以及供电可靠性影响因素薄弱点;
③根据历年统计数据,分析标杆分区与待评对象在薄弱点上的发展曲线/趋势,对比其在提升路线上的差距。
④吸取借鉴标杆分区在薄弱点上的改进路线,制定多维度的供电可靠性提升措施;同时,还可从时间尺度上校验可靠性提升效果,调整相关措施,改进建议库中改造方案。
通过建立以不同等级供电分区最优标杆纵向对标为主、待评对象在时间维度上纵向对标为补充的对标模式,多维度量化评价对象的可靠性与标杆对象的差距,挖掘评价对象在不同维度的提升空间,以实现层次化、精益化、具体化的可靠性管控,明确经济的改造方案,优化较弱指标,进而采纳、吸收优秀的提升措施,更快更好地持续提高电网可靠性管理精益化水平,利于今后更好地开展可靠性管理工作。
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 (6)
1.一种配电网供电可靠性差异化的改造方法,其特征在于:包括以下步骤:
S1:根据区域负荷性质与负荷密度,将配电网分成不同等级的供电分区;
S2:确定供电可靠性评价指标,建立可靠性评估指标体系,进行待评对象供电可靠性综合评估值并绘制可靠性指标满意度及重要性区域图;
S3:采用多元线性回归分析法筛选供电可靠性关键影响因素;
S4:选取各个供电分区等级的最优标杆;对标评价的最优标杆选取有如下两类:
(1)针对不同等级的供电分区设定最优标杆目标,其中最优标杆供电可靠性评估值在同等级供电分区中排名前列、各可靠性指标尽量满足该供电等级的要求;
(2)根据电网标准设定的供电可靠性标杆;
S5:基于最优标杆对标评价确定可靠性提升方向,具体包括横向对标评价和纵向对标评价;横向对标评价分为综合供电可靠性评估值、供电可靠性指标以及供电可靠性影响因素的横向对比,求取出供电分区与标杆多维度的供电可靠性差距;
横向对标的具体的对标步骤为:
①建立供电可靠性评估体系,基于主成分分析法求取m个供电可靠性指标的权重,计算各供电分区的综合供电可靠性评估值和供电可靠性指标满意度与重要性区域图;
②进行供电分区供电可靠性评估值排名;
③待评对象与最优标杆进行可靠性指标对标:通过主成分分析求出待评对象中影响供电可靠性的主成分,通过m个可靠性指标与主成分相关性的高低,从停电时间、停电次数以及缺供电量三个角度选择进行对标的供电可靠性指标,设定为待评对象的供电可靠性指标薄弱点;
④通过基于多元线性回归分析的灵敏度分析求取出供电可靠性指标薄弱点的关键影响因素,随后通过待评对象与最优标杆的供电可靠性影响因素对标评价,求取其差距;
⑤通过供电可靠性关键影响因素的差距,提出相应可靠性改进措施,改进后再与分区改进前情况对标,验证改进方案的可行性;
纵向对标包含最优标杆纵向对标、待评对象时间维度上纵向对标,具体的纵向对标步骤为:
①根据需求选取标杆分区作为纵向对标的对象;
②选取需要进行分析的供电可靠性指标以及供电可靠性影响因素薄弱点;
③根据历年统计数据,分析标杆分区与待评对象在薄弱点上的发展曲线/趋势,对比其在提升路线上的差距;
④吸取借鉴标杆分区在薄弱点上的改进路线,制定多维度的供电可靠性提升措施;同时,还从时间尺度上校验可靠性提升效果,调整相关措施,改进建议库中改造方案。
2.根据权利要求1所述的一种配电网供电可靠性差异化的改造方法,其特征在于:所述步骤S2包括以下步骤:
S21:设有n个待评估供电分区,m个供电可靠性评价指标,则构成的指标矩阵下所示:
X=(xji)n×m=(X1,X2,...Xi,...,Xm);(1)
x={x1,x2,...,xi,...,xm};(2)
其中,X为由n×m个指标值构造的指标矩阵;Xi为指标矩阵中的第i个指标列向量,即n个评估对象的第i个评价指标组成的向量;xji为第j个待评估对象的第i个指标值;x为供电可靠性评估指标体系中指标的集合;xi为指标集合中的第i个指标;
S22:对正向指标进行归一化,所述正向指标是指评价指标的值越大越好:
对逆向指标进行正向化和归一化,所述逆向指标是指评价指标的值越小越好:
S23:通过对正向指标归一化及对逆向指标正向化和归一化处理后,得到如下所示的归一化可靠性指标矩阵:
S24:对归一化可靠性指标矩阵X*按下式(6)进行离差标准化处理,得到如式(7)所示的标准化可靠性指标矩阵:
R=(rij)m×m;(8)
其中,为标准化可靠性指标矩阵中第i向量和第j列向量的协方差;和/>分别为标准化可靠性指标矩阵中第i列向量和第j列向量的方差;rij反映了指标xi和指标xj的相关程度,rij值越大表示指标间相关程度越高,且当多数rij值大于等于0.75时,满足主成分降维的要求;
S26:根据(λE-A)x=0求相关系数矩阵R的特征值,选出其中大于0的特征值构造如下式所示的特征值集合:
λ={λ1,λ2,...,λk,...,λq};(10)
其中,λk为相关系数矩阵R大于零的特征值,且规定λ1≥λ2≥...≥λk≥...≥λq>0;
S27:征值集合λ对应的规范正交特征向量矩阵A如下式所示:
S28:由主成分定义可知,对标准化指标矩阵进行PCA后主成分的表达式如下式所示:
其中,yk为特征值λk对应的主成分;
S29:主成分yk对应的特征值λk为该主成分的方差,由下式可得主成分yk的方差对总方差的贡献率为:
其中,μk反映了yk包含所有指标信息的百分比;
由上式可知,各主成分方差贡献率大小依次递减,其中第一主成分方差贡献率最大,前d个主成分的累计方差贡献率为:
依据采用累计方差贡献率确定主要主成分的原则,当累计方差贡献率μ≥85%时,可知前d个主成分可以基本反映m个指标的信息,初步确定前d个主成分为起主要作用的主成分。
4.根据权利要求3所述的一种配电网供电可靠性差异化的改造方法,其特征在于:前d个主成分可基本反映m个指标所包含的信息,利用前d个主成分对应的特征值及规范正交特征向量矩阵元素值确定各指标的权重,如下式所示:
Ωx=(ωx1,ωx2,...,ωxi,...,ωxm)1×m; (16)
其中,ωxi为求得的评估指标体系中第i个指标的权重值;Ωx为评估指标体系中各指标权重构成的行向量;
依据求得的各指标权重,结合式(5)中的归一化指标矩阵,求出供电可靠性综合评估值矩阵为:F=Ωx(X*)T=(f(1),...,f(j),...,f(n));(18)
式(18)和(19)通过综合考虑评估对象各个可靠性指标及其权重求出来的供电可靠性评估值;该供电可靠性评估值表征待评对象在考虑所有可靠性指标下供电可靠性的高低程度;求取各个供电分区供电可靠性评估值,对规定范围内待评对象进行供电可靠性排名;可靠性评估值越低的待评对象为优先改造对象。
6.根据权利要求1所述的一种配电网供电可靠性差异化的改造方法,其特征在于:所述多元线性回归分析法具体如下:
基于历史数据建立多元线性回归分析模型,供电可靠性影响因素X与该次分析的供电可靠性指标Y之间关系如下:
Y=Xβ+ε;(20)
其中,Y=[Y1,Y2,…,Yn]T为待评价的可靠性指标的n个样本值;ε=[ε1,ε2,…,εn]T,且ε~N(0,σ2);β=[β0,β1,…,βm]T为待求取的回归系数;X=[e,X1,X2,…,Xm]为可靠性影响因素矩阵,且e=[1,1,…,1]T为n×1阶向量,Xm=[X1m,X2m,…,Xnm]T为第m个可靠性影响因素列向量;回归系数的求取可用最小二乘法:
β=(XTX)-1XTY;(21)
其中,β为估计的回归系数;根据估计的回归系数,可通过灵敏性分析,判断可靠性影响因素的调整对供电可靠性指标值的影响程度,以便找出最优的针对性可靠性指标改造方案;
灵敏度的求取公式如下:
其中,Xi为求取灵敏度的第i个可靠性影响因素,βi为第i个可靠性影响因素的回归系数估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910783350.2A CN110490471B (zh) | 2019-08-23 | 2019-08-23 | 一种配电网供电可靠性差异化的改造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910783350.2A CN110490471B (zh) | 2019-08-23 | 2019-08-23 | 一种配电网供电可靠性差异化的改造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110490471A CN110490471A (zh) | 2019-11-22 |
CN110490471B true CN110490471B (zh) | 2023-07-11 |
Family
ID=68553181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910783350.2A Active CN110490471B (zh) | 2019-08-23 | 2019-08-23 | 一种配电网供电可靠性差异化的改造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490471B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001624A (zh) * | 2020-08-21 | 2020-11-27 | 西安西拓电气股份有限公司 | 一种配电房供电可靠性评估方法、装置、设备及存储介质 |
CN112330121B (zh) * | 2020-10-28 | 2022-04-19 | 广东电网有限责任公司佛山供电局 | 一种配电网自动化建设投资效益评估方法 |
CN112488443B (zh) * | 2020-10-30 | 2023-04-18 | 广西电网有限责任公司电力科学研究院 | 一种基于数据驱动的配电设备利用率评估的方法及系统 |
CN112270485B (zh) * | 2020-11-03 | 2022-09-06 | 国网浙江省电力有限公司绍兴供电公司 | 一种用于配电网络不停电作业综合评估的主成分因子分析方法 |
CN112446599B (zh) * | 2020-11-19 | 2023-01-24 | 广东电网有限责任公司 | 一种供电可靠性指标的预测方法、装置、设备和存储介质 |
CN112488475A (zh) * | 2020-11-20 | 2021-03-12 | 广西电网有限责任公司电力科学研究院 | 一种多层次网格化可靠性差异化评价的方法及系统 |
CN112651648B (zh) * | 2020-12-30 | 2023-06-06 | 广东电网有限责任公司电力科学研究院 | 一种基于数据白化的配电网可靠性指标预处理方法 |
CN117633985A (zh) * | 2023-12-04 | 2024-03-01 | 南宁轨道交通建设有限公司 | 用于地下工程施工方案多指标比选优化的评价方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426056A (zh) * | 2013-07-18 | 2013-12-04 | 清华大学 | 基于风险评估的电力系统薄弱环节辨识方法 |
CN103778574A (zh) * | 2014-02-26 | 2014-05-07 | 广西电网公司 | 孤岛微电网发展协调性评价方法 |
CN106651656A (zh) * | 2016-12-28 | 2017-05-10 | 国网江西省电力公司经济技术研究院 | 基于改进的隶属度函数的供电可靠性模糊综合评价方法 |
CN106780129A (zh) * | 2015-05-29 | 2017-05-31 | 江苏省电力公司常州供电公司 | 一种含分布式光伏配电网可靠性评价方法 |
CN107908638A (zh) * | 2017-09-26 | 2018-04-13 | 国网甘肃省电力公司 | 基于大数据挖掘配的电网运行效率评价方法及系统 |
CN108921376A (zh) * | 2018-05-24 | 2018-11-30 | 华南理工大学 | 一种智能配电网用电可靠性提升对象的优选方法及系统 |
CN109359837A (zh) * | 2018-09-29 | 2019-02-19 | 国网四川省电力公司经济技术研究院 | 一种主动配电网技术经济效益评估与投资决策方法 |
CN110264112A (zh) * | 2019-07-17 | 2019-09-20 | 国网河南省电力公司开封供电公司 | 基于双向加权灰色关联的配电网可靠性影响因素分析方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069535B (zh) * | 2015-08-19 | 2020-07-24 | 中国电力科学研究院 | 一种基于arima模型的配电网运行可靠性的预测方法 |
US10554049B2 (en) * | 2016-03-21 | 2020-02-04 | The Regents Of The University Of California | Real-time disaggregation of renewable energy generation on an electricity distribution system |
CN106327062A (zh) * | 2016-08-11 | 2017-01-11 | 中国南方电网有限责任公司电网技术研究中心 | 一种配电网设备的状态评估方法 |
CN106530139A (zh) * | 2016-12-07 | 2017-03-22 | 国网河北省电力公司 | 电网投资分析模型指标参数计算方法 |
CN106600131A (zh) * | 2016-12-07 | 2017-04-26 | 国网河北省电力公司 | 电网投资分析模型评价方法 |
CN106709821A (zh) * | 2017-03-10 | 2017-05-24 | 东北电力大学 | 一种基于主成分分析的中压配电网供电可靠性评估方法 |
CN107330564A (zh) * | 2017-07-18 | 2017-11-07 | 国家电网公司 | 一种基于时空双尺度的电动汽车优化调度模型 |
CN107748956B (zh) * | 2017-10-17 | 2021-04-09 | 广西电网有限责任公司电力科学研究院 | 一种配电网典型接线非整数分段可靠性的评估方法 |
-
2019
- 2019-08-23 CN CN201910783350.2A patent/CN110490471B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426056A (zh) * | 2013-07-18 | 2013-12-04 | 清华大学 | 基于风险评估的电力系统薄弱环节辨识方法 |
CN103778574A (zh) * | 2014-02-26 | 2014-05-07 | 广西电网公司 | 孤岛微电网发展协调性评价方法 |
CN106780129A (zh) * | 2015-05-29 | 2017-05-31 | 江苏省电力公司常州供电公司 | 一种含分布式光伏配电网可靠性评价方法 |
CN106651656A (zh) * | 2016-12-28 | 2017-05-10 | 国网江西省电力公司经济技术研究院 | 基于改进的隶属度函数的供电可靠性模糊综合评价方法 |
CN107908638A (zh) * | 2017-09-26 | 2018-04-13 | 国网甘肃省电力公司 | 基于大数据挖掘配的电网运行效率评价方法及系统 |
CN108921376A (zh) * | 2018-05-24 | 2018-11-30 | 华南理工大学 | 一种智能配电网用电可靠性提升对象的优选方法及系统 |
CN109359837A (zh) * | 2018-09-29 | 2019-02-19 | 国网四川省电力公司经济技术研究院 | 一种主动配电网技术经济效益评估与投资决策方法 |
CN110264112A (zh) * | 2019-07-17 | 2019-09-20 | 国网河南省电力公司开封供电公司 | 基于双向加权灰色关联的配电网可靠性影响因素分析方法 |
Non-Patent Citations (5)
Title |
---|
基于主成分分析的中压配电网供电可靠性评估;肖白;刘亚伟;施永刚;焦明曦;;电力自动化设备(第10期);7-12 * |
基于供电可靠性的现代配电网评估预测模型研究;靳国素;陈丹;岳云力;;华北电力技术(第10期);7-13 * |
基于改进主成分分析的低压配电网供电所综合评价方法;朱蕾;蒋浩;;电力工程技术(第04期);38-44 * |
基于量化分解的配电网可靠性提升措施分析;孔祥玉等;电力系统自动化;第43卷(第19期);132-139 * |
电网建设规划的可靠性应用分析;张耀阳;李军平;;科技展望(第05期);92 * |
Also Published As
Publication number | Publication date |
---|---|
CN110490471A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490471B (zh) | 一种配电网供电可靠性差异化的改造方法 | |
CN112070286B (zh) | 复杂地形流域的降水预报预警系统 | |
CN103136539B (zh) | 接地网腐蚀速率等级预测方法 | |
CN107292534A (zh) | 城市配电网中长期动态投资的标尺竞争评价方法及装置 | |
CN107437135B (zh) | 一种新型储能选型方法 | |
CN105678403A (zh) | 一种基于模型族分解与集成技术的区域饱和负荷预测方法 | |
CN108596369B (zh) | 一种基于多变量模型与盲数理论的空间负荷预测方法 | |
CN105005822A (zh) | 基于最优步长与模型动态选择的特高拱坝响应预测方法 | |
CN112529267A (zh) | 一种基于模糊综合评价法的超前地质预报方法及系统 | |
CN110136014A (zh) | 一种基于大数据的医保数据分析方法 | |
CN113988655A (zh) | 一种计及多气象因素的输电线路运行状态评估方法 | |
CN116739376A (zh) | 一种基于数据挖掘的公路路面预防性养护决策方法 | |
CN107194561A (zh) | 基于熵值法和灰色gm11模型预测房地产风险的方法 | |
CN112950048A (zh) | 基于模糊综合评价的国家高等教育体系健康评价 | |
Franta et al. | Forecasting Czech GDP using mixed-frequency data models | |
CN109190797A (zh) | 一种基于改进k最近邻的大规模路网状态短时预测方法 | |
CN112506982A (zh) | 一种线路和配变的最大负载预测的方法 | |
CN116796906A (zh) | 基于数据融合的电力配电网投资预测分析系统及方法 | |
CN113128811A (zh) | 一种基于强降水的电网系统地质灾害风险评估方法及系统 | |
CN112488475A (zh) | 一种多层次网格化可靠性差异化评价的方法及系统 | |
CN114647947A (zh) | 单位造价预测方法、装置、电子设备及计算机可读存储介质 | |
CN114037538A (zh) | 一种电网基建项目投资结余控制方法及系统 | |
CN112734274A (zh) | 一种低碳电网运营主导影响因素挖掘及综合评估方法 | |
CN111967111A (zh) | 一种基于复合变量指标的多维度轨道线网规模预测方法 | |
CN115994639B (zh) | 一种基于冗余分析的水网格局与地形地貌关联性评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |