[发明专利]考虑天气对检修间隔时间影响的配电网可靠性预测方法

权利要求书

1.一种考虑天气对检修间隔时间影响的配电网可靠性预测方法，其特征在于，包括如下步骤：

(1)根据多个天气变量的历史数据，分别计算每种天气变量与检修间隔时间的相关系数和对检修间隔时间的重要性值；

(2)基于每种天气变量对应的相关系数和重要性值从所述多个天气变量中选取主要天气变量；

(3)基于所述主要天气变量的历史数据对BP神经网络模型进行训练，并根据完成训练的BP神经网络模型对未来检修间隔时间指标进行预测，所述检修间隔时间指标包括元件的故障修复时间和平均故障率；

(4)基于未来检修间隔时间指标的预测结果对配电网可靠性进行预测。

2.根据权利要求1所述的配电网可靠性预测方法，其特征在于，在步骤(1)中，所述多个天气变量包括：风变量、冰冻状况变量、气温变量、空气的相对湿度变量以及雷击变量；其中所述冰冻状况变量由以下式子计算得到：

其中，LNDRSc为雨雪评估的最大天数的当前值、TPSc为降雨和降雪量的当前值、LNDCLTc为连续低温天数的当前值，LNDRSav为雨雪评估的最大天数的平均值、TPSav为降雨和降雪量的平均值、且LNDCLTav为连续低温天数的平均值。

3.根据权利要求1所述的配电网可靠性预测方法，其特征在于，在步骤(1)中，通过以下式子计算每种天气变量与检修间隔时间的相关系数Correlation：

其中，x为某年某一天气变量出现的概率，y为该年在该天气变量下元件健康度的下降速度，为各年该天气变量出现的概率平均值，为各年在该天气变量下元件健康度的下降速度的平均值。

4.根据权利要求1所述的配电网可靠性预测方法，其特征在于，在步骤(1)中，所述重要性值是通过P值方法计算得到的。

5.根据权利要求1所述的配电网可靠性预测方法，其特征在于，在步骤(1)中，将相关系数大于0.5且重要性值大于0.8时对应的天气变量选为主要天气变量。

6.根据权利要求1所述的配电网可靠性预测方法，其特征在于，步骤(3)进一步包括：

(3.1)将所述主要天气变量的历史数据作为BP神经网络模型的输入来计算检修间隔时间的预测值；

(3.2)将计算的检修间隔时间的预测值与实际值进行比较来计算误差，并根据反馈的误差对所述BP神经网络模型进行训练，所述训练包括基于反馈的误差来更新BP神经网络模型中的阈值和权值；

(3.3)重复执行步骤(3.1)和(3.2)直至训练得到的检修间隔时间的预测值和已知预测值之间的误差平方达到或小于设定的阈值，以完成对BP神经网络模型的训练；

(3.4)基于完成训练的BP神经网络模型对未来检修间隔时间指标进行预测。

7.根据权利要求6所述的配电网可靠性预测方法，其特征在于，在步骤(3.2)中，采用梯度下降法来更新BP神经网络模型中的阈值和权值。

8.根据权利要求1所述的配电网可靠性预测方法，其特征在于，步骤(4)包括如下步骤：

(4.1)假设未来某一段时间的天气条件，利用预测的未来配电网元件检修间隔时间指标计算配电网元件一年内：

元件总故障修复时间TCOH：TCOH＝∑_i∈Rr_i；

系统平均停电持续时间指数SAIDI：

系统平均停电频率指数SAIFI：

配电网元件的可靠性指数ASAI：

其中，r_i为负荷节点i的故障修复时间，n_i为负荷节点i的用户数量，R为负荷节点的个数，TCO为元件总检修次数且TCO是基于元件的平均故障率得到的；

(4.2)基于系统平均停电持续时间指数SAIDI、系统平均停电频率指数SAIFI和配电网元件的可靠性指数ASAI来对配电网的可靠性进行预测。