吳子龍 ，朱 林 ，林凌雪 ，鄧嘉浩 ，陳樂柯

(華南理工大學(xué) 電力學(xué)院, 廣東 廣州 510640)

隨著智能配電網(wǎng)和能源互聯(lián)網(wǎng)的發(fā)展，配電網(wǎng)安全可靠運(yùn)行的內(nèi)在要求不斷提高。由此提出了基于灰色關(guān)聯(lián)等算法的配電網(wǎng)及其設(shè)備的故障風(fēng)險(xiǎn)評(píng)估方法[1-3]，并類比人體的健康評(píng)價(jià)，引入健康度指標(biāo)對(duì)電網(wǎng)風(fēng)險(xiǎn)及其狀態(tài)進(jìn)行更為全面的評(píng)估[4-7]?；谥悄芘潆娋W(wǎng)的信息化系統(tǒng)數(shù)據(jù)對(duì)配電網(wǎng)健康水平進(jìn)行評(píng)估，實(shí)現(xiàn)對(duì)智能配電網(wǎng)的自監(jiān)測(cè)、自診斷有助于提高電網(wǎng)可靠供電水平，同時(shí)有利于科學(xué)規(guī)劃、合理制定運(yùn)維工作計(jì)劃[8-12]。

設(shè)備健康度的評(píng)價(jià)依賴于設(shè)備評(píng)價(jià)指標(biāo)體系與評(píng)價(jià)模型。林元[4]選取故障次數(shù)、運(yùn)行年限等設(shè)備臺(tái)賬信息評(píng)價(jià)設(shè)備健康度；孫黎霞等[5]選取配變的溫度、氣體含量和斷路器的氣體壓力、分合閘速度等實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)對(duì)設(shè)備健康度進(jìn)行評(píng)價(jià)。事實(shí)上，隨著智能電網(wǎng)與人工智能技術(shù)的發(fā)展與信息化系統(tǒng)集成共享程度的增加，可綜合多種信息化系統(tǒng)數(shù)據(jù)構(gòu)建更為完備的健康度評(píng)價(jià)指標(biāo)體系，并采用合理的評(píng)價(jià)方法對(duì)設(shè)備健康度進(jìn)行定量評(píng)價(jià)。針對(duì)配電網(wǎng)整體健康水平評(píng)估，黃曌等[6]提出配電網(wǎng)風(fēng)險(xiǎn)模型，求取設(shè)備風(fēng)險(xiǎn)與健康度、重要度的函數(shù)關(guān)系，進(jìn)一步通過劃分區(qū)間確定配電網(wǎng)的運(yùn)行風(fēng)險(xiǎn)等級(jí)，但未考慮N-1 通過率等網(wǎng)架指標(biāo)，忽略了分布式能源接入及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等對(duì)配電網(wǎng)總體風(fēng)險(xiǎn)的影響；周莉梅[7]提出基于配電網(wǎng)網(wǎng)架指標(biāo)體系的配電網(wǎng)健康狀態(tài)智能診斷方法，但未綜合考慮設(shè)備健康度，難以考察設(shè)備風(fēng)險(xiǎn)；孫黎霞等[5]綜合考慮網(wǎng)架和設(shè)備的健康度，根據(jù)兩者關(guān)系采用最大值函數(shù)或加權(quán)求和的方法評(píng)估配電網(wǎng)健康水平，但該方法依賴于區(qū)間的劃分且易造成關(guān)鍵信息丟失。此外，根據(jù)區(qū)間確定健康水平等級(jí)，意味著健康水平等級(jí)僅在健康度越過區(qū)間端點(diǎn)時(shí)發(fā)生突變，難以準(zhǔn)確反映健康度變化。鑒于此，提出一種綜合設(shè)備、網(wǎng)架指標(biāo)及網(wǎng)絡(luò)拓?fù)涞榷嘣畔⒌闹悄芘潆娋W(wǎng)健康水平評(píng)估方法，通過改進(jìn)的反向傳播(back propagation，BP)神經(jīng)網(wǎng)絡(luò)和成功流(goal oriented，GO)法[13-14]，綜合多元信息評(píng)估設(shè)備層與網(wǎng)架層健康度，引入模糊評(píng)價(jià)與D-S(Dempster-Shafer)證據(jù)理論對(duì)兩者信息進(jìn)行融合與評(píng)價(jià)，實(shí)現(xiàn)對(duì)智能配電網(wǎng)整體有效的監(jiān)測(cè)和診斷。

1 網(wǎng)架與設(shè)備層健康度評(píng)價(jià)

1.1 指標(biāo)體系構(gòu)建

智能配電網(wǎng)的健康水平可通過對(duì)設(shè)備和網(wǎng)架2 個(gè)層面的多元信息進(jìn)行有效綜合而獲得，故先從設(shè)備、網(wǎng)架2 個(gè)角度構(gòu)建智能配電網(wǎng)的健康評(píng)價(jià)指標(biāo)體系。

就設(shè)備層面的健康評(píng)價(jià)，為保證設(shè)備可靠送電，既需考慮設(shè)備當(dāng)下是否異常，還需綜合考慮設(shè)備所處的健康生命周期。對(duì)于設(shè)備運(yùn)行狀態(tài)，實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)可反映設(shè)備實(shí)時(shí)或短期的健康情況，而臺(tái)賬信息能從宏觀、長(zhǎng)期的角度反映設(shè)備的健康情況?；谝陨峡紤]，選取各類設(shè)備的健康度評(píng)價(jià)指標(biāo)，如表1。

表1 設(shè)備健康評(píng)價(jià)指標(biāo)體系Tab.1 Equipment health evaluation index system

未考慮如分布式能源滲透率、高損配變占比等網(wǎng)架健康評(píng)價(jià)指標(biāo)，僅對(duì)設(shè)備進(jìn)行健康度評(píng)價(jià)難以反映智能配電網(wǎng)網(wǎng)架的健康水平?？紤]智能配電網(wǎng)運(yùn)行健康水平密切相關(guān)的因素，從設(shè)備運(yùn)行水平、網(wǎng)架安全水平、分布式能源接入等3 個(gè)維度構(gòu)建網(wǎng)架的健康評(píng)價(jià)指標(biāo)體系，如表2。

表2 網(wǎng)架健康評(píng)價(jià)指標(biāo)體系Tab.2 Grid health evaluation index system

1.2 指標(biāo)評(píng)價(jià)

指標(biāo)數(shù)據(jù)與健康度有一定的函數(shù)關(guān)系，BP 神經(jīng)網(wǎng)絡(luò)能充分逼近任意復(fù)雜非線性關(guān)系，具有較強(qiáng)的魯棒性與容錯(cuò)性，且模型訓(xùn)練完成無需人工參與即可快速輸出結(jié)果，可用于設(shè)備及網(wǎng)架健康度的求解。設(shè)備與網(wǎng)架的指標(biāo)信息主要儲(chǔ)存在智能配電網(wǎng)信息化系統(tǒng)，如臺(tái)賬管理系統(tǒng)、設(shè)備狀態(tài)在線監(jiān)測(cè)系統(tǒng)、電壓監(jiān)測(cè)系統(tǒng)、運(yùn)行監(jiān)測(cè)系統(tǒng)、智能配電網(wǎng)規(guī)劃輔助系統(tǒng)等，但各信息系統(tǒng)中設(shè)備與網(wǎng)架指標(biāo)含義、數(shù)值最優(yōu)區(qū)間等方面存在差異，不宜直接使用傳統(tǒng)的數(shù)據(jù)歸一化方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。因此，需改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)，使其能夠?qū)Χ嘣悩?gòu)的指標(biāo)信息進(jìn)行有效提取。

1.2.1 基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的網(wǎng)架及單臺(tái)設(shè)備健康度計(jì)算

隨設(shè)備健康狀態(tài)由正常理想狀態(tài)向警戒異常狀態(tài)的逐步劣化過程中，設(shè)備的各項(xiàng)指標(biāo)也會(huì)由理想值逐步劣化至故障狀態(tài)的警戒值，據(jù)此對(duì)指標(biāo)現(xiàn)狀進(jìn)行統(tǒng)一評(píng)價(jià)，解決多元信息異構(gòu)性問題。為此，文中將傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元替換為指標(biāo)評(píng)分神經(jīng)元，進(jìn)而分別基于斷路器、配變、網(wǎng)架構(gòu)建改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)，如圖1。

圖1 改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)及其輸入指標(biāo)數(shù)據(jù)示意圖Fig.1 Schematic diagram of improved BP neural network and its input data

根據(jù)指標(biāo)值與設(shè)備健康狀態(tài)的關(guān)系，提出三類指標(biāo)評(píng)分神經(jīng)元類型：對(duì)于指標(biāo)值越大設(shè)備健康狀態(tài)越好的指標(biāo)，采用逆向型指標(biāo)評(píng)分神經(jīng)元，輸出函數(shù)為E1(x)；對(duì)于指標(biāo)值偏大或偏小設(shè)備健康狀態(tài)偏差的指標(biāo)，采用中間型評(píng)分神經(jīng)元，輸出函數(shù)為E2(x)；對(duì)于指標(biāo)值越小表示設(shè)備健康狀態(tài)越好的指標(biāo)，采用正向型評(píng)分神經(jīng)元，輸出函數(shù)為E3(x)。網(wǎng)架同理。各類型指標(biāo)評(píng)分神經(jīng)元具體輸出函數(shù)分別如下：

表3 設(shè)備健康指標(biāo)評(píng)價(jià)神經(jīng)元類型及預(yù)設(shè)理想值與警戒值Tab.3 Equipment health index evaluation neuron type, preset ideal value and alarm value

表4 網(wǎng)架健康指標(biāo)評(píng)價(jià)神經(jīng)元類型及預(yù)設(shè)理想值與警戒值Tab.4 Grid health index evaluation neuron type, preset ideal value and alarm value

隱藏層與輸出層神經(jīng)元的輸出函數(shù)分別為：

選取斷路器、配變、網(wǎng)架的歷年正常及出現(xiàn)故障的樣本數(shù)據(jù)作為訓(xùn)練集輸入，由于樣本數(shù)量不均衡，選擇采用隨機(jī)欠采樣方法篩選輸入樣本以保證模型準(zhǔn)確性，并將出現(xiàn)停運(yùn)故障的樣本標(biāo)簽設(shè)置為1，正常運(yùn)行的樣本標(biāo)簽設(shè)置為0，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練。

1.2.2 基于GO 法的設(shè)備層健康度計(jì)算

設(shè)備所處網(wǎng)絡(luò)拓?fù)涞奈恢貌煌?，其停運(yùn)對(duì)負(fù)荷損失造成的影響也不同，故需綜合考慮網(wǎng)絡(luò)拓?fù)湫畔ⅲ灰撕?jiǎn)單地對(duì)單臺(tái)設(shè)備健康度進(jìn)行加和評(píng)估設(shè)備層的整體健康水平。GO 法能夠較好地根據(jù)網(wǎng)絡(luò)拓?fù)淝笕≡O(shè)備故障與負(fù)荷停電之間的關(guān)系，文中采用GO 法求取單臺(tái)設(shè)備健康度與設(shè)備層健康度的關(guān)系。通過圖2 所示配電網(wǎng)絡(luò)說明基于GO 法求取設(shè)備層健康度的方法步驟。

圖2 簡(jiǎn)單雙供電系統(tǒng)拓?fù)涫纠鼺ig.2 Topology example of simple dual power supply system

1) 參考文獻(xiàn)[15]，設(shè)備健康度Hi與設(shè)備成功運(yùn)行概率pi的關(guān)系為

式中：pP3為 P3 負(fù)荷正常供電的概率；pL1,P3為 P3 負(fù)荷成功由L1 供電的概率；pCB1，pS1，pT1分別為CB1，S1，T3成功運(yùn)行的概率；pL2,P3為P3 負(fù)荷成功由L2 供電的概率，可根據(jù)步驟2)中方法求得；p全體負(fù)荷成功運(yùn)行概率；pPi為第i個(gè)負(fù)荷成功運(yùn)行的概率；ai為對(duì)應(yīng)負(fù)荷所占總負(fù)荷比重。

2 基于網(wǎng)架與設(shè)備層健康度的配電網(wǎng)健康水平評(píng)估

求取的設(shè)備層健康度與網(wǎng)架健康度綜合了各自視角下的指標(biāo)數(shù)據(jù)、網(wǎng)架拓?fù)涞榷嘣畔?，能一定程度反映配電網(wǎng)健康水平。不同健康水平等級(jí)之間存在過渡過程，符合模糊數(shù)學(xué)中模糊集的概念，因此引入模糊數(shù)學(xué)理論，采用隸屬度函數(shù)對(duì)健康水平進(jìn)行評(píng)估。將健康水平分為“健康”“注意”“輕微異常”“嚴(yán)重異?！? 種風(fēng)險(xiǎn)等級(jí)，并選取健康水平的隸屬度函數(shù)，如圖3。

圖3 健康水平等級(jí)隸屬度函數(shù)Fig.3 Membership function of health level

當(dāng)健康度在[0,1]區(qū)間內(nèi)逐步變化時(shí)，健康水平評(píng)估結(jié)果在“健康”到“嚴(yán)重異?！敝g逐漸變化，從而實(shí)現(xiàn)對(duì)健康水平等級(jí)更準(zhǔn)確的評(píng)估。然而，設(shè)備層健康評(píng)估結(jié)果和網(wǎng)架健康評(píng)估結(jié)果未能單獨(dú)對(duì)配電網(wǎng)健康水平作出準(zhǔn)確全面的判斷，兩者均提供配電網(wǎng)健康水平的模糊判據(jù)，構(gòu)成2 個(gè)獨(dú)立的不確定性證據(jù)體。因此，可根據(jù)兩者提供的信息進(jìn)行不確定性推理和信息融合，得到綜合配電網(wǎng)健康水平。

Mnet函數(shù)能有效融合設(shè)備與網(wǎng)架mass 函數(shù)蘊(yùn)含的健康評(píng)價(jià)信息，從而得到配電網(wǎng)健康水平向量Hnet=[Mnet(L1),Mnet(L2),Mnet(L3),Mnet(L4)]。該向量通過D-S 理論綜合設(shè)備、網(wǎng)架指標(biāo)數(shù)據(jù)與網(wǎng)架拓?fù)涞榷嘣畔?，綜合量化反映配電網(wǎng)整體“健康”“注意”“輕微異?！薄皣?yán)重異?！苯】档燃?jí)的隸屬度，實(shí)現(xiàn)對(duì)智能配電網(wǎng)健康水平的綜合評(píng)估及自監(jiān)測(cè)與自診斷。

3 算例分析

選取某地10 kV 配電網(wǎng)為研究對(duì)象，采用本文提出的方法對(duì)其健康水平進(jìn)行評(píng)估。該電網(wǎng)網(wǎng)絡(luò)拓?fù)淙鐖D4，該區(qū)域含3 臺(tái)斷路器和17 臺(tái)配電變壓器，并接入兩處分布式電源。

圖4 某地10 kV 配電網(wǎng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)示意圖Fig.4 Topological structure diagram of 10 kV distribution network in a certain place

從電網(wǎng)信息化系統(tǒng)中導(dǎo)出該電網(wǎng)歷史數(shù)據(jù)對(duì)改進(jìn)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，通過智能電網(wǎng)信息化系統(tǒng)導(dǎo)出網(wǎng)架指標(biāo)現(xiàn)值，如表5。

表5 網(wǎng)架指標(biāo)現(xiàn)值Tab.5 Present value of grid index

通過網(wǎng)架健康度神經(jīng)網(wǎng)絡(luò)模型求得網(wǎng)架健康度為0.203 846。以T5 配變?yōu)槔?，通過智能電網(wǎng)信息化系統(tǒng)導(dǎo)出指標(biāo)現(xiàn)值：總烴體積分?jǐn)?shù)103 μL/L，箱體溫度91℃，歷史故障4 次，運(yùn)行時(shí)長(zhǎng)12 年，最大負(fù)載率93%。通過配變健康度神經(jīng)網(wǎng)絡(luò)模型求得配變的健康度評(píng)分為0.508 151，其余設(shè)備健康度評(píng)分如圖5。

圖5 各設(shè)備健康度Fig.5 Health index of each equipment

由圖5 可發(fā)現(xiàn)：T13，T5，CB3 等設(shè)備健康度評(píng)分較高，說明其未出現(xiàn)較嚴(yán)重異常狀態(tài)但健康狀態(tài)較差，采用本文方法可實(shí)現(xiàn)對(duì)電網(wǎng)設(shè)備的自監(jiān)測(cè)及一定程度上的自診斷。采用本文方法求得設(shè)備層健康度為0.392 219，根據(jù)本文隸屬度函數(shù)得到設(shè)備層與網(wǎng)架的mass 函數(shù)，如表6。

表6 表明：設(shè)備層健康水平等級(jí)基本屬于“注意”水平，但存在一定的輕微異常；網(wǎng)架層健康水平等級(jí)處在“注意”與“健康”之間，且屬于“注意”水平程度更高?？梢姡捎媚：u(píng)價(jià)比采用健康度區(qū)間分段能更精準(zhǔn)反映健康水平的差異。結(jié)合設(shè)備層與網(wǎng)架的健康信息得到模糊判據(jù)，根據(jù)改進(jìn)D-S證據(jù)理論模型對(duì)兩者進(jìn)行不確定性推理和信息融合，得配電網(wǎng)健康水平，如表7。

表6 設(shè)備層與網(wǎng)架的mass 函數(shù)Tab.6 Mass functions of equipment layer and grid layer

表7 配電網(wǎng)健康水平等級(jí)評(píng)估Tab.7 Assessment of distribution network health level

配電網(wǎng)健康水平向量Hnet為[0.096 434, 0.859 711, 0.043 855, 0]，該向量作為對(duì)配電網(wǎng)當(dāng)前健康狀態(tài)的自診斷結(jié)果，反映該地區(qū)配電網(wǎng)當(dāng)下的綜合健康狀態(tài)很大程度上屬于“注意”水平，且出現(xiàn)較小的輕微異常，需對(duì)其制定維護(hù)計(jì)劃。通過維修更換設(shè)備或改善網(wǎng)架指標(biāo)來提高配電網(wǎng)健康水平，以維修CB3(方案一)、更換CB39(方案二)、將分布式電源滲透率從12.3%提高至14.0% (方案三)等3 種配電網(wǎng)改善方案為例。實(shí)施前兩種方案后，設(shè)備層健康度分別從原來的0.392 219 變?yōu)?.317 867 和0.311 334，網(wǎng)架健康度不變；實(shí)施第三種方案后，網(wǎng)架健康度從原來的0.203 846 變?yōu)?.162 308，設(shè)備層健康度不變。根據(jù)本文方法分別計(jì)算得到方案實(shí)施后配電網(wǎng)健康水平，結(jié)果如表8。

表8 不同方案效果對(duì)比Tab.8 Comparison of the effect of different schemes

由表8 可見：3 種方案實(shí)施后，配電網(wǎng)健康水平隸屬于“健康”等級(jí)的程度均有所上升，維修更換CB3可消除電網(wǎng)異常狀態(tài)；提高分布式電源滲透率能通過網(wǎng)架層面提升電網(wǎng)健康狀態(tài)的隸屬度，但無法消除由于設(shè)備層面帶來的異常。由此可見，本文方法實(shí)現(xiàn)了對(duì)配電網(wǎng)健康水平的精準(zhǔn)評(píng)估。若未考慮設(shè)備長(zhǎng)期統(tǒng)計(jì)信息相關(guān)指標(biāo)，對(duì)CB3 進(jìn)行維修或更換所提升的健康水平相同，則未能很好地吻合實(shí)際情況。根據(jù)文獻(xiàn)[5]所提方法以健康狀態(tài)更差的設(shè)備層健康水平代表配電網(wǎng)健康水平，能在一定程度實(shí)現(xiàn)配電網(wǎng)風(fēng)險(xiǎn)預(yù)警，但無法反映分布式能源接入等網(wǎng)架情況對(duì)配電網(wǎng)健康水平產(chǎn)生的影響。相較而言，本文方法能夠更準(zhǔn)確地對(duì)智能配電網(wǎng)的健康水平進(jìn)行自監(jiān)測(cè)、自診斷，為智能電網(wǎng)進(jìn)一步進(jìn)行自愈或電網(wǎng)工作人員科學(xué)制定、合理評(píng)估運(yùn)維計(jì)劃提供更有效指導(dǎo)，進(jìn)而有效降低智能配電網(wǎng)的故障風(fēng)險(xiǎn)，提高供電可靠性。

4 結(jié) 論

提出一種基于多元信息的智能配電網(wǎng)健康水平評(píng)估方法。結(jié)合智能電網(wǎng)多個(gè)信息化系統(tǒng)指標(biāo)，構(gòu)建設(shè)備、網(wǎng)架健康度評(píng)價(jià)指標(biāo)體系，通過改進(jìn)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)基于多元指標(biāo)信息對(duì)單臺(tái)設(shè)備和網(wǎng)架健康度的精準(zhǔn)、全面量化評(píng)價(jià)；結(jié)合單臺(tái)設(shè)備健康度與網(wǎng)架拓?fù)浣Y(jié)構(gòu)，利用GO 法求取全體負(fù)荷正常運(yùn)行概率，進(jìn)而求得設(shè)備層健康度；根據(jù)設(shè)備、網(wǎng)架指標(biāo)數(shù)據(jù)及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等多元信息得到網(wǎng)架與設(shè)備層健康度，結(jié)合模糊數(shù)據(jù)理論與D-S 證據(jù)理論進(jìn)行配電網(wǎng)健康度水平等級(jí)評(píng)估，可有效評(píng)估設(shè)備及電網(wǎng)當(dāng)下健康狀態(tài)，實(shí)現(xiàn)智能配電網(wǎng)健康水平的自監(jiān)測(cè)、自診斷。本文研究可為智能配電網(wǎng)的自愈以及合理評(píng)估、科學(xué)制定運(yùn)維計(jì)劃提供一定的理論指導(dǎo)。