计及用户需求的配电网线路运行质量综合评价方法与系统与流程

1.本发明涉及配电网运营技术领域，具体涉及一种配电网线路运行质量的评价方法。


背景技术：

2.配电线路作为连接供电系统与电力用户的网络系统，是保障电网稳定运行的重要环节。由于与用户直接相连，配电线路存在分布范围广、系统复杂以及运营维护困难等特点。这使得配电线路的运营质量受数量庞大、运营环境差等因素的影响，导致配电线路存在故障几率较高，供电可靠性较差等问题。而配电线路的检修可以有效降低故障发生的概率，对维持电网稳定运行具有重要意义。针对10kv配电线路的检修，为避免出现过度检修与缺乏检修的问题，对线路质量做合理的评估是正确、有效决策的重要保证。针对配电线路的快速发展，为保证用电质量，迎合用户需求，传统质量评估方法已渐渐难以满足现实需求，需要更完善的评估系统来保障配电线路的可靠性。


技术实现要素：

3.针对上述技术的不足，本发明提供了一种计及用户需求的配电网线路运行质量综合评价方法，解决如何为合理检修提供更科学的运行质量评价结果的技术问题。
4.为解决上述技术问题，本发明的技术方案如下：一种计及用户需求的配电网线路运行质量综合评价方法，包括以下步骤：
5.构建包括装备类指标与效果类指标在内的评价指标向量，所述评价指标向量的维数为n，所述装备类指标包括配变自动化指标与投运年限指标，所述效果类指标包括用户满意率指标、配变电能质量指标、可靠性指标与重过载指标；
6.根据评分标准对评价指标向量中的各个指标进行评分，并根据连续n年的评价指标向量的评分向量构建样本数据矩阵，其中，所述样本数据矩阵中的元素x
ij
表示第i年的第j个指标的评分；
7.提取样本数据矩阵的特征值与特征向量矩阵，并采用主成分分析法将评价指标向量转化成主成分向量，主成分向量中各主成分一一对应评价指标向量中的评价指标，然后根据特征值计算主成分向量中各主成分的贡献率，根据各主成分的贡献率与特征向量矩阵分别计算出相应评价指标的权重；
8.根据评价指标向量中各评价指标的得分与权重，计算综合评分；
9.根据综合评分落入的评分区间，对配电网线路运行质量进行评级。
10.进一步的，按如下方式构建特征向量矩阵：
11.对样本数据矩阵进行标准化处理：
12.13.式中，表示元素x
ij
的标准化值；
14.求解相关系数r
ij
：
[0015][0016]
根据相关系数构建相关系数矩阵r，相关系数r
ij
为相关系数矩阵r中第i行第j列元素；采用雅克比方法求相关系数矩阵r的特征值(λ1，λ2，...，λ
n
)和相应的特征向量，进一步得出特征向量矩阵a，a
ij
表示特征向量矩阵a中第i行第j列元素。
[0017]
进一步的，评价指标的权重计算公式如下：
[0018][0019]
式中，w
i
表示第i个评价指标的权重；β
i
表示第i个主成分的贡献率。
[0020]
进一步的，综合评分的计算公式如下：
[0021][0022]
式中，w
i
表示第i个评价指标的权重；x
i
表示第i个评价指标x
i
的评分。
[0023]
进一步的，评分标准如下：
[0024]
评分标准如下：
[0025]
x1代表线路运行指标，总分为55分，由10个指标合成，分别为：
[0026]
(1)n
‑
1指标，该线路转供线路3条及以上，记满分10分；2条，记8分；1条，记6分；无，记1分；
[0027]
(2)高载流量导线截面占比，满分为5分，计算规则为：5*(170mm2以下架空线路长度(公里)/架空线路总长度(公里)
×
100％+1
‑
185mm2以下电缆线路长度(公里)/电缆线路总长度(公里)
×
100％))；
[0028]
(3)线路异常运行方式，无异常方式，计满分5分，有异常方式，1个异常运行方式扣0.5分。若最后分数小于1分，则记1分；
[0029]
(4)线路运行缺陷，无运行缺陷，计满分5分；有运行缺陷，1个运行缺陷扣1分，若最后分数小于1分，则记1分；
[0030]
(5)同沟电缆情况，线路涉及通道最大同构电缆数小于等于5条，计满分5分；6
‑
10条，记4分；11
‑
13条，记3分；13
‑
16条，记2分，16条及以上，记1分。
[0031]
(6)线路重过载情况(5分)，线路无重过载计满分5分，主线重过载发生一次扣0.5分；若最后分数小于1分，则记1分；
[0032]
(7)线路低电压情况，满分为5分，计算规则为：(1
‑
线路低电压用户数(户)/线路用户数(户))*5
[0033]
(8)投运年限，按该线路运行时间最长设备为准，投运时间5年之内得满分5分；超过5年，每增加1年扣θ.2分.若最后分数小于1分，则记1分。
[0034]
(9)保护配置，该线路有三段保护得满分5分，两段4分，一段3分，无则0分。
[0035]
(10)计划检修次数，12月内，每增加一次计划检修增加1分，最高为5分。
[0036]
x2代表用户满意率，未发生投诉为满分10分，12个月内每发生一笔投诉扣分＝200/线路用户数(户)，12至24月内每发生一笔投诉扣分＝100/线路用户数(户)。若最后分数小于1分，则记1分。
[0037]
x3代表供电可靠性，12个月内，停电时户数为0，得满分15分；停电时户数较上年度减少80％
‑
99％，得13分；较上年度减少60％
‑
79％，得11分；较上年度减少40
‑
59％，得10分；较上年度减少20
‑
39％，得9分；较上年度减少0
‑
19％，得8分；较上年度增加1
‑
20％，得6分；较上年度增加21
‑
40％，得5分；较上年度增加41
‑
60％，得3分；较上年度增加61％及以上，得1分。
[0038]
x4代表配电自动化运行水平，满分15分，该指标分为主站运行指标与终端运行指标，主站运行指标中，遥信动作计分＝遥信动作正确率*2，遥控动作计分＝遥控动作正确率*2，fa成功计分＝fa成功率*2；终端运行指标中，终端在线计分＝终端在线率*2，遥控执行计分＝遥控执行正确率*3，遥信采集计分＝遥信采集正确率*2，终端故障率计分(2分)＝终端故障率*2；
[0039]
x5代表线路故障指标，12月内发生一次主线跳闸，扣1分；支线开关跳闸扣0.5分；线路所属台区发生一次故障扣0.1分。若最后分数小于1分，则记1分。本发明还提供一种计及用户需求的配电网线路运行质量的综合评价系统，包括评级神经网络；通过本发明提供的计及用户需求的配电网线路运行质量综合评价方法获得配电网线路运行质量的评级结果，并构建训练样本集，训练样本集中的训练样本以评价指标向量作为输入，并以相应的评级结果作为标签；
[0040]
通过所述训练样本集训练所述评级神经网络，使所述评级神经网络具备输入评价指标向量，并输出评级结果的能力。
[0041]
进一步的，所述评级神经网络包括若干弱分类器与一个强分类器，所述弱分类器以评价指标向量作为输入，并输出弱分类结果给强分类器；所述强分类器对弱分类结果加权平均后输出最终的评级结果。
[0042]
进一步的，采用bp神经网络作为弱分类器，采用adaboost强分类器。
[0043]
与现有技术相比，本发明具有的优点包括：
[0044]
1、首先本发明所选择的评价指标涵盖范围更广，信息量更大，该不仅可以充分提取供电能力、供电质量与供电可靠性等重要指标，并且充分尊重用户需求(通过用户满意率反应是否满足用户需求)，同时结合客观指标，来综合评价配电网运行质量，实现更为科学的运行质量评估，避免了评价不合理造成的过度检修或漏检修。因此该发明所构建的评价系统具有现有技术无法比拟的先进性，具有结构精巧、适用度高、综合性强的特点，可以实现对线路运行质量的全面评估。
[0045]
2、本发明根据各评价指标进行综合评分，通过主成分分析法确定各评价指标对运行质量的影响程度，使综合评分更加科学合理。然后根据评分进行评级，符合配电线路的实际运行状况，各区域的配电运行质量分布较为集中，同一区域中各配电网的评分会略有差
异，但都落在同一等级内。
[0046]
3、本发明还提供了基于神经网络的评价系统，利用历史评价结果训练神经网络，所得线路质量评估模型大大简化了传统方法复杂的计算过程，采用深度学习的方法实现了原始指标与最终评分端到端的连接。该模型能够在保证评估精度的同时，优化运行速率降低成本。
附图说明
[0047]
图1为配电线路指标权重确定流程图。
[0048]
图2为建立配电线路规划质量评价系统的流程图。
具体实施方式
[0049]
一)构建评价指标向量
[0050]
本具体实施方式中以10kv配电网为例进行说明，选取5个评价指标，因此评价指标向量的维度n＝5，并分别对其进行评分。指标的合理性直接影响着结果的好坏，能够全面反映配电线路规划质量水平。评价指标向量中并包括线路运行指标、用户满意率指标、供电可靠性、配电自动化运行水平与线路故障指标，各指标的评分标准如下：
[0051]
x1代表线路运行指标，总分为55分，由10个指标合成，分别为：
[0052]
(1)n
‑
1指标，该线路转供线路3条及以上，记满分10分；2条，记8分；1条，记6分；无，记1分；
[0053]
(2)高载流量导线截面占比，满分为5分，计算规则为：5*(1
‑
70mm2以下架空线路长度(公里)/架空线路总长度(公里)
×
100％+1
‑
185mm2以下电缆线路长度(公里)/电缆线路总长度(公里)
×
100％))；
[0054]
(3)线路异常运行方式，无异常方式，计满分5分，有异常方式，1个异常运行方式扣0.5分。若最后分数小于1分，则记1分；
[0055]
(4)线路运行缺陷，无运行缺陷，计满分5分；有运行缺陷，1个运行缺陷扣1分，若最后分数小于1分，则记1分；
[0056]
(5)同沟电缆情况，线路涉及通道最大同构电缆数小于等于5条，计满分5分；6
‑
10条，记4分；11
‑
13条，记3分；13
‑
16条，记2分，16条及以上，记1分。
[0057]
(6)线路重过载情况(5分)，线路无重过载计满分5分，主线重过载发生一次扣0.5分；若最后分数小于1分，则记1分；
[0058]
(7)线路低电压情况，满分为5分，计算规则为：(1
‑
线路低电压用户数(户)/线路用户数(户))*5
[0059]
(8)投运年限，按该线路运行时间最长设备为准，投运时间5年之内得满分5分；超过5年，每增加1年扣0.2分.若最后分数小于1分，则记1分。
[0060]
(9)保护配置，该线路有三段保护得满分5分，两段4分，一段3分，无则0分。
[0061]
(10)计划检修次数，12月内，每增加一次计划检修增加1分，最高为5分。
[0062]
x2代表用户满意率，未发生投诉为满分10分，12个月内每发生一笔投诉扣分＝200/线路用户数(户)，12至24月内每发生一笔投诉扣分＝100/线路用户数(户)。若最后分数小于1分，则记1分。
[0063]
x3代表供电可靠性，12个月内，停电时户数为0，得满分15分；停电时户数较上年度减少80％
‑
99％，得13分；较上年度减少60％
‑
79％，得11分；较上年度减少40
‑
59％，得10分；较上年度减少20
‑
39％，得9分；较上年度减少0
‑
19％，得8分；较上年度增加1
‑
20％，得6分；较上年度增加21
‑
40％，得5分；较上年度增加41
‑
60％，得3分；较上年度增加61％及以上，得1分。
[0064]
x4代表配电自动化运行水平，满分15分，该指标分为主站运行指标与终端运行指标，主站运行指标中，遥信动作计分＝遥信动作正确率*2，遥控动作计分＝遥控动作正确率*2，fa成功计分＝fa成功率*2；终端运行指标中，终端在线计分＝终端在线率*2，遥控执行计分＝遥控执行正确率*3，遥信采集计分＝遥信采集正确率*2，终端故障率计分(2分)＝终端故障率*2；
[0065]
x5代表线路故障指标，12月内发生一次主线跳闸，扣1分；支线开关跳闸扣0.5分；线路所属台区发生一次故障扣0.1分。若最后分数小于1分，则记1分。
[0066]
根据评分标准对评价指标向量中的各个指标进行评分，并根据连续6年的评价指标向量的评分向量构建样本数据矩阵，其中，所述样本数据矩阵中的元素x
ij
表示第i年的第j个指标的评分；样本数据矩阵x如下：
[0067][0068]
其中，x
ij
为第i年第j个指标所得评分(i＝1，2，...，5；j＝1，2，...，5)。
[0069]
指标权重的设置合理与否将直接影响到最终的评价结果。该发明采用主成分分析法分析各个指标的影响程度。为提升权重结果的可信度水平，一定的客观条件束缚来进行判断和验证指标权重的设定是否合理是必备的。主成分分析法是将原来指标重新组成一组新的互相无关的几个综合指标来代替原来指标的一种统计方法。鉴于此，本文提出利用主成分分析法来构建线路质量的评价模型，通过对10kv线路运行质量评价指标进行客观的统计分析，使得评价方法更为客观。
[0070]
二)计算指标权重
[0071]
参考图1所示，指标权重计算过程如下：提取样本数据矩阵的特征值与特征向量矩阵，并采用主成分分析法将评价指标向量转化成主成分向量，主成分向量中各主成分一一对应评价指标向量中的评价指标，然后根据特征值计算主成分向量中各主成分的贡献率，根据各主成分的贡献率与特征向量矩阵分别计算出相应评价指标的权重。
[0072]
按如下方式构建特征向量矩阵：
[0073]
对样本数据矩阵进行标准化处理：
[0074]
[0075]
式中，表示元素x
ij
的标准化值；
[0076]
求解相关系数r
ij
：
[0077][0078]
根据相关系数构建相关系数矩阵r，相关系数r
ij
为相关系数矩阵r中第i行第j列元素；采用雅克比方法求相关系数矩阵r的特征值(λ1，λ2，...，λ
n
)和相应的特征向量，进一步得出特征向量矩阵a，a
ij
表示特征向量矩阵a中第i行第j列元素。
[0079]
得出样本相关系数矩阵：
[0080][0081]
采用雅克比方法求解相关系数r的特征值(λ1，λ2，...，λ6)和相应的特征向量a
ij
(i＝1，2，...，5；j＝1，2，...，5)，进一步得出特征向量矩阵：
[0082][0083]
将5个样本的5个变量，通过变换将原变量x
i
(i＝1，2，...，5)转换成主成分f
i
(i＝1，2，...，5)，主成分是原变量的线性组合，即：
[0084][0085]
求解各个主成分的贡献率：
[0086]
贡献率是指某个主成分的方差占全部方差的比重，实际也是某个特征值占全部特征值的比重，即：
[0087][0088]
求出各个指标的权重：
[0089][0090]
三)综合评价
[0091]
线路运行质量评级标准
[0092]
在计算出各指标的评分权重后，即可计算出综合评分：其中x即为综合评分，x同样为10分制评分，x
i
为每个i指标的得分。
[0093]
根据配电线路的实际运行状况，各区域的配电运行质量分布较为集中，因此我们确定了新的配电线路质量指标评级标准如下表所示：
[0094]
表1配电线路运行质量指标评级标准
[0095]
评分10
‑
99
‑
88
‑
77
‑
66
‑
5.55.5
‑
0评级a+abcde
[0096]
其中评级a+和a为配电网规划质量优质示范区域，b为配电网规划质量发展良好区域，c为配电网规划质量典型水平区域，d为配电网规划质量诚待提升区域，e为配电网规划质量重点监控区域。
[0097]
四)提出综合质量评价体系
[0098]
参考图2所示，为简化运算流程并检验评价系统性能。本发明采用基于bp神经网络的adaboost强分类器构建计及用户需求的配电网线路运行质量的综合评价系统。adaboost算法的思想在于合并多个“弱”分类器的输出以产生有效分类。bp
‑
adaboost模型即把bp神经网络当作弱分类器，反复训练bp神经网络预测样本输出，通过adaboost算法得到多个bp神经网络弱分类器组成的强分类器。其主要步骤为：
[0099]
1)数据选择与网络初始化：首先给出弱学习算法和样本空间(x，y)，从样本空间中找出m组训练数据，每组训练数据的权重都是1/m。
[0100]
2)弱分类器预测，计算预测序列权值：采用弱学习算法迭代的方式运算t次，即每次运算后都按照分类结果更新训练数据权重分布，对于分类失败的训练个体赋予较大权重，下一次迭代运算时更加关注这些训练个体。
[0101]
3)测试权重调整：弱分类器通过反复迭代得到一个分类函数序列f1，f2...ft，每个分类函数赋予一个权重，分类结果越好的函数，其对应权重越大。t次迭代之后，最终强分类函数f由弱分类函数加权得到。
[0102]
本实验通过将六项原始指标作为神经网络的样本输入，将所得的总评分所划分的六个评级作为标签，来训练bp
‑
adaboost神经网络。所得线路质量评估模型大大简化了传统方法复杂的计算过程，采用深度学习的方法实现了原始指标与最终评分端到端的连接。该模型能够在保证评估精度的同时，优化运行速率降低成本。