本发明专利技术提供一种基于ARIMA模型的配电网运行可靠性的预测方法，通过建立ARIMA模型预测用户月停电次数,将非平稳元件失效次数时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归建立用户月停电次数模型；根据预测结果抽样停运点，同时考虑实时负荷运行状况基于TLOC准则和PLOC准则建立故障模式影响表；计算每次设备停运的系统恢复时间最终获得全年可靠性指标。本发明专利技术提出的预测方法，有效且准确的指导未来配电网的规划、设计、运行和维修，提高了配电网运行可靠性预测评估的准确性，实现了配电网安全稳定运行降低停电频率、缩小停电范围。
【技术实现步骤摘要】
本专利技术涉及配电网运行可靠性评估领域，具体涉及一种基于ARIMA模型的配电网 运行可靠性的预测方法。
技术介绍
配电网处于电力系统末端与用户直接相连起分配电能作用，大规模和长时间的停 电不仅造成巨大的损失而且威胁到社会秩序，配电网的可靠性直接影响用户是否获得合格 的电能，所以电力公司不断提高供电质量和不间断的电力供应能力，使得电网能够在合理 的投资范围内减少停电的可能。 配电网的结构复杂庞大设备繁多，由架空线路、电缆连接大量的电源点、负荷、变 压器、开关以及各类一次及二次设备等元件组成，网络结构由于故障、负荷转移或是运行调 整经常发生变化，导致配电网一些设备停运模型复杂、系统动态特性较强和失效后果多变， 给实时运行中的配电网可靠性评估带来了一定的难度。现有对配电网进行可靠性评估的 方法主要可以分两种：基于传统解析法的配电网可靠性评估和基于蒙特卡洛抽样的可靠性 评估。基于传统解析法的配电网可靠性评估用数学模型来描述元件与系统间的可靠性关 系，通过输入元件和系统的全过程寿命求得最终的可靠性指标，主要包括故障模式后果分 析法、最小路算法、网络等值法、馈线分区算法等，解析法具有严格的数学逻辑但随着系统 模型的扩大时间复杂度呈指数型增加。基于蒙特卡洛等模拟算法的配电网可靠性评估以概 率统计理论为数学基础，使用计算机抽样方法对系统可靠性进行评估，由于抽样算法基于 大数定理，所以在系统元件较少或者故障频率较少的情况下样本方差过大导致最终结果不 准确。运行可靠性评估不同于规划和设计可靠性评估，随着量测设备的大量覆盖，配电网运 行中具有详实的统计资料和实时的运行维修策略，除了可以提供元件的平均失效率和修复 率，还能提供修复时间，转供方案、实时/历史遥信遥测量，历史停电数据等。其次在实际生 产环节中，系统的状态改变存在记忆性即事件发生的时间不满足指数分布，设备元件发生 停运事件并非相互独立而是具有一定的相关性。再次可靠性指标本质上是一个取决于网络 拓扑、运行方式、系统负荷和元件随机停运及随机修复等诸多相关因素的随机变量，作为反 馈的信息量还是存在不确定性。 综上所述，如何利用好历史或实时数据实现配电网可靠性的精确预测评估成为当 前亟待解决的问题。
技术实现思路
有鉴于此，本专利技术提供的一种基于ARIMA模型的配电网运行可靠性的预测方法， 该方法有效且准确的指导未来配电网的规划、设计、运行和维修，提高了配电网运行可靠性 预测评估的准确性，实现了配电网安全稳定运行降低停电频率、缩小停电范围。 本专利技术的目的是通过以下技术方案实现的： -种基于ARIM模型的配电网运行可靠性的预测方法，所述方法包括如下步骤： 步骤1.提取并预处理所述配电网系统的历史数据中的用户的月停电次数，得到 一个时间段内的月平均停电次数序列； 步骤2.判断所述月平均停电次数序列是否为平稳序列； 若是，则进入步骤4; 若否，则进入步骤3 ; 步骤3.修正所述月平均停电次数序列；返回步骤2 ; 步骤4.根据所述月平均停电次数序列；得到ARIMA的自回归项数及移动平均项数 的值； 步骤5.建立并修正ARIMA模型； 步骤6.根据ARIM模型预测最近一年的所述配电网系统月停电次数；获得所述配 电网全年的运行可靠性指标。 优选的，所述步骤1，包括： 1-1.提取所述配电网的历史数据中的用户的月停电次数序列Y; 1-2.预处理所述月停电次数序列Y，得到一个时间段内的月平均停电次数序列 Yt: Yt=伞Jti+<i)2Yt2+. ? ? + <i>pYtp+et_ 0a「0 2et2_. ? ? - 0qetq (I) 式中，\为0至t时刻的月平均停电次数序列值，p为该模型的自回归项数，q为 该模型的移动平均项数，e为每次序列变化的白噪声；巾与0为不同的未知待求参数；t是 计算窗口中所含的月数。 优选的，所述步骤2,包括： 根据公式（2)和公式（3)判断所述月平均停电次数序列是否为平稳序列： Ttitk^T〇,k (3) 式中，An为常数、表示月停电次数的均值；丫tit产Y表示序列Ytk、Yt和序列 Y。、Yk的协方差是近似的；k是存在一个参数k使得任意时刻公式（3)都成立；K表示一个常 数；t是计算窗口中所含的月数。 若公式（2)和公式（3)均成立，则进入步骤4 ; 若公式⑵或公式⑶中的任一不成立，则进入步骤3 ; 优选的，所述步骤3中修正所述月平均停电次数序列的方法为修改所述月平均停 电次数序列的时间频率、或对所述月平均停电次数序列进行对数差分。 优选的，所述步骤4,包括： 4-1.建立所述月平均停电次数序列的自相关函数及偏自相关函数； 4-2.求解所述月平均停电次数序列的自相关函数及偏自相关函数；得到ARIMA模 型的自回归项数及移动平均项数的值集； 4-3.建立最小信息准则AIC函数： AIC=nlog〇 2+2 (p+q) (4) 式中，n为月平均停电的样本数，〇是残差平方和，p为该模型的自回归项数，q为 该模型的移动平均项数； 4-4.筛选出得出使得AIC的值最小的Pni和q"作为所述自回归项数p及移动平均 项数q的最终取值；Pni是所述自回归项数P的所述值集中的某一个值；Qni是所述移动平均 项数q的所述值集中的某一个值。 优选的，所述步骤5，包括： 5-1.根据最小二乘法对所述自回归项数及移动平均项数的值进行回归分析，得到 所述ARIMA模型的初型； 5-2.检测所述初型的残差序列； 若所述残差序列为白噪声，则所述初型即为所述ARIMA模型的最终型；所述ARIMA 丰旲型建立完成； 若所述残差序列不为白噪声，则返回5-1。 优选的，所述步骤6,包括： 6-1.根据所述ARIMA模型，预测并提取最近一年的所述配电网系统月停电次数； 并建立历史故障信息样本集； 6-2.根据历史故障信息样本集，建立拉普拉斯平滑的故障元件样本集，并得到失 电负荷点的停电次数、停电时间和缺供电量； 6-3.获得所述配电网全年的运行可靠性指标。 优选的，所述6-1，包括： a.基于所述配电网系统实时运行情况的TLOC准则及PLOC准则对所述配电网系统 进行分区并建立事故模式影响FMEA表； b.求解所述ARIMA模型，得到预测的全年的所述配电网系统月停电次数；并建立 历史故障信息样本集。 优选的，所述6-2，包括： c.根据所述历史故障信息样本集，建立拉普拉斯平滑的故障元件样本集 Res1(e,w)： 设元件样本集为E，历史故障集合为S，则故障元件样本集合Res1 (e,w)按以下的 规则建立； 对于某元件ei，若在历史故障集合S中出现的次数为W1若没有发生，则有以下公 式： 上式中w'为所有eGS元件的次数，min(w'）表示其中e出现过次数的最小值，e 表示事故元件，w表示事故概率权重； d.循环读取所述故障元件样本集中的每一次停电事件，同时在所述故障元件样本 集中抽取对应的失效元件； e.读取所述事故模式影响FMEA表，并查找本次停电事件的所述失效元件在故障 时所影响的失电负荷点； f.记录所述失电负荷点的停电次数、停电时间和缺供电量； g.判断所述故障元件样本集中的全部停电事件是否均循环完成； 若是，则跳转到6-3; 若否，则返回到本文档来自技高网...
【技术保护点】
一种基于ARIMA模型的配电网运行可靠性的预测方法，其特征在于，所述方法包括如下步骤：步骤1.提取并预处理所述配电网系统的历史数据中的用户的月停电次数，得到一个时间段内的月平均停电次数序列；步骤2.判断所述月平均停电次数序列是否为平稳序列；若是，则进入步骤4；若否，则进入步骤3；步骤3.修正所述月平均停电次数序列；返回步骤2；步骤4.根据所述月平均停电次数序列；得到ARIMA的自回归项数及移动平均项数的值；步骤5.建立并修正ARIMA模型；步骤6.根据ARIMA模型预测最近一年的所述配电网系统月停电次数；获得所述配电网全年的运行可靠性指标。
【技术特征摘要】
【专利技术属性】
技术研发人员：刁赢龙，刘科研，孟晓丽，盛万兴，何开元，贾东梨，胡丽娟，叶学顺，唐建岗，孙勇，张世栋，邵志敏，李建修，张林利，刘合金，李立生，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网山东省电力公司，国网山东省电力公司电力科学研究院，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。