本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，特別涉及一種新能源配電網(wǎng)可靠性的評(píng)估方法及裝置。

背景技術(shù)：

隨著國(guó)民經(jīng)濟(jì)的快速發(fā)展與超高壓大電網(wǎng)建設(shè)的日新月異，配電網(wǎng)的系統(tǒng)供電模式單一、局部事故極易誘發(fā)大面積停電等弊端日益突出，并且隨著傳統(tǒng)化石能源的大量消耗，環(huán)境污染問(wèn)題愈發(fā)嚴(yán)重，開(kāi)發(fā)利用分布式能源(Distributied Generation，DG)和普及電動(dòng)汽車(chē)(Electric Vehicle，EV)成為減輕我國(guó)能源壓力和保護(hù)環(huán)境的有效舉措。但是DG發(fā)電和EV充電的不確定性在改變傳統(tǒng)配電網(wǎng)結(jié)構(gòu)和運(yùn)行方式的同時(shí)也對(duì)其可靠性分析帶來(lái)了顯著的影響。

現(xiàn)有技術(shù)中，當(dāng)我們?cè)诂F(xiàn)實(shí)生活中進(jìn)行配電系統(tǒng)實(shí)地可靠性評(píng)估時(shí)，蒙特卡洛模擬法(Monte Carlo Simulation，MCS)只要在滿足一定精度的要求下，抽樣次數(shù)與系統(tǒng)的規(guī)模無(wú)關(guān)，因此比較適用于大型復(fù)雜系統(tǒng)的可靠性評(píng)估，主要分為序貫和非序貫。序貫?zāi)M法是以元件壽命的概率分布，隨著時(shí)間的推進(jìn)來(lái)分析元件對(duì)系統(tǒng)可靠性指標(biāo)的影響，需要較多的內(nèi)存空間和較長(zhǎng)的仿真時(shí)間，且模擬流程比較復(fù)雜；而非序貫?zāi)M法使用隨機(jī)抽樣方式產(chǎn)生均勻分布的隨機(jī)數(shù)，再比較這一隨機(jī)數(shù)的值和元件在各狀態(tài)時(shí)的概率，并以此來(lái)確定元件的狀態(tài)，但整個(gè)模擬過(guò)程中沒(méi)有考慮到系統(tǒng)的時(shí)序特征，結(jié)果有較大誤差。

但是，隨著DG和EV等新能源大量接入配電網(wǎng)，DG和EV容量和接入位置均會(huì)對(duì)系統(tǒng)的可靠性產(chǎn)生沖擊，而且傳統(tǒng)的序貫蒙特卡洛模擬法在對(duì)比較復(fù)雜的配電網(wǎng)進(jìn)行模擬時(shí)，很容易陷入“死機(jī)”的狀態(tài)，使得傳統(tǒng)的配電網(wǎng)可靠性評(píng)估方法已不能滿足如今的需求。因此，如何全面地反映出含有大量DG和EV的配電網(wǎng)的系統(tǒng)性能及其供電可靠程度，是現(xiàn)今亟需解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種新能源配電網(wǎng)可靠性的評(píng)估方法及裝置，以通過(guò)改進(jìn)傳統(tǒng)的序貫蒙特卡洛模擬法，避免“死機(jī)”狀態(tài)的發(fā)生，全面地反映出含有大量DG和EV的配電網(wǎng)的系統(tǒng)性能及其供電可靠程度，提升用戶體驗(yàn)。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種新能源配電網(wǎng)可靠性的評(píng)估方法，包括：

根據(jù)每個(gè)元件在預(yù)設(shè)時(shí)間內(nèi)的故障率和修復(fù)率的分布情況，獲取每個(gè)元件的故障概率分布函數(shù)；

根據(jù)所述每個(gè)元件的故障概率分布函數(shù)，分別產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)，獲取每個(gè)元件的工作時(shí)間和故障時(shí)間；

基于果蠅優(yōu)化算法對(duì)所有元件的工作時(shí)間進(jìn)行尋優(yōu)，獲取工作時(shí)間最小的元件作為故障元件；

判斷所述故障元件是否為饋線元件；

若是，則對(duì)饋線區(qū)域進(jìn)行故障分析，確定故障類型和負(fù)荷點(diǎn)數(shù)據(jù)；其中，所述負(fù)荷點(diǎn)數(shù)據(jù)包括各饋線區(qū)塊連接負(fù)荷的故障停電時(shí)間和故障停電持續(xù)時(shí)間；

根據(jù)所述負(fù)荷點(diǎn)數(shù)據(jù)統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)；

根據(jù)所述負(fù)荷點(diǎn)指標(biāo)統(tǒng)計(jì)系統(tǒng)可靠性指標(biāo)和負(fù)荷點(diǎn)可靠性指標(biāo)。

可選的，所述基于果蠅優(yōu)化算法對(duì)所有元件的工作時(shí)間進(jìn)行尋優(yōu)，獲取工作時(shí)間最小的元件作為故障元件，包括：

設(shè)定初次尋優(yōu)群體規(guī)模、迭代尋優(yōu)群體規(guī)模、最大迭代數(shù)、變量尋值范圍和初始化果蠅群體位置；

利用所述初次尋優(yōu)群體規(guī)模的群體進(jìn)行第一次搜尋，獲取個(gè)體的隨機(jī)方向和位置為：d_fi＝d₀+R×rand，式中，d_fi為所述第一次搜尋個(gè)體的位置，d₀為所述初始化果蠅群體位置，R＝(x_max-x_min)×0.1為搜索半徑，[x_min，x_max]為所述變量尋值范圍，rand為[-1，1]之間的隨機(jī)數(shù)；

將所述第一次搜尋個(gè)體的位置代入適應(yīng)度函數(shù)，獲取果蠅個(gè)體位置的味道濃度為：S_i＝F(d_fi)，式中，F(xiàn)為所述適應(yīng)度函數(shù)，S_i為所述味道濃度；

獲取群體當(dāng)中味道濃度最高的個(gè)體為：S_best＝min(S_i)，式中，S_best為所述味道濃度最高的個(gè)體；

記錄所述味道濃度最高的個(gè)體和對(duì)應(yīng)的位置，令d₀＝d_best，式中，d_best為所述味道濃度最高的個(gè)體對(duì)應(yīng)的位置；

利用所述迭代尋優(yōu)群體規(guī)模的群體進(jìn)行迭代尋優(yōu)，則所述迭代尋優(yōu)的個(gè)體隨機(jī)方向與位置為：d_i＝d₀+R×rand×ε，式中，d_i為所述迭代尋優(yōu)個(gè)體的位置，ε＝(g_max-g)/g_max為搜索半徑遞減因子；g為當(dāng)前迭代的次數(shù)；

重復(fù)獲取所述迭代尋優(yōu)的味道濃度、味道濃度最高的個(gè)體和對(duì)應(yīng)的位置；

當(dāng)?shù)螖?shù)達(dá)到所述最大迭代數(shù)或所述迭代尋優(yōu)的味道濃度最高的個(gè)體不再發(fā)生變化時(shí)，確定最小工作時(shí)間為所述迭代尋優(yōu)的味道濃度最高的個(gè)體對(duì)應(yīng)的位置。

可選的，所述判斷所述故障元件是否為饋線元件之后，還包括：

若所述故障元件不為饋線元件，則對(duì)所述故障元件產(chǎn)生新的0到1之間隨機(jī)數(shù)，并計(jì)算所述故障元件新的工作時(shí)間和故障時(shí)間，執(zhí)行所述基于果蠅優(yōu)化算法對(duì)所有元件的工作時(shí)間進(jìn)行尋優(yōu)，獲取工作時(shí)間最小的元件作為故障元件的步驟。

可選的，其特征在于，所述系統(tǒng)可靠性指標(biāo)，包括：用戶平均停電頻率、系統(tǒng)電量不足波動(dòng)率和系統(tǒng)功率不足波動(dòng)率中至少一項(xiàng)。

可選的，其特征在于，所述用戶平均停電頻率、所述系統(tǒng)電量不足波動(dòng)率和所述系統(tǒng)功率不足波動(dòng)率分別具體為：

和

式中，CAIFI為所述用戶平均停電頻率，為第t個(gè)周期中的所述系統(tǒng)電量不足波動(dòng)率，為第t個(gè)周期中的所述系統(tǒng)功率不足波動(dòng)率，λ_i為負(fù)荷點(diǎn)i平均故障率；T_Ui為負(fù)荷點(diǎn)i平均停運(yùn)持續(xù)時(shí)間；N_i為負(fù)荷點(diǎn)的用戶數(shù)；M_i為負(fù)荷點(diǎn)處的故障停電用戶數(shù)；為統(tǒng)計(jì)期內(nèi)的第t個(gè)周期中負(fù)荷點(diǎn)i的平均負(fù)荷；為統(tǒng)計(jì)期內(nèi)的第t個(gè)周期中負(fù)荷點(diǎn)i平均停運(yùn)持續(xù)時(shí)間；為統(tǒng)計(jì)期內(nèi)的第t個(gè)周期中負(fù)荷點(diǎn)的用戶數(shù)。

此外，本發(fā)明還提供了一種新能源配電網(wǎng)可靠性的評(píng)估裝置，包括：

函數(shù)獲取模塊，用于根據(jù)每個(gè)元件在預(yù)設(shè)時(shí)間內(nèi)的故障率和修復(fù)率的分布情況，獲取每個(gè)元件的故障概率分布函數(shù)；

隨機(jī)數(shù)添加模塊，用于根據(jù)所述每個(gè)元件的故障概率分布函數(shù)，分別產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)，獲取每個(gè)元件的工作時(shí)間和故障時(shí)間；

尋優(yōu)模塊，用于基于果蠅優(yōu)化算法對(duì)所有元件的工作時(shí)間進(jìn)行尋優(yōu)，獲取工作時(shí)間最小的元件作為故障元件；

判斷模塊，用于判斷所述故障元件是否為饋線元件；若是，則向故障分析模塊發(fā)送分析信號(hào)；

故障分析模塊，用于接收所述分析信號(hào)，對(duì)饋線區(qū)域進(jìn)行故障分析，確定故障類型和負(fù)荷點(diǎn)數(shù)據(jù)；其中，所述負(fù)荷點(diǎn)數(shù)據(jù)包括各饋線區(qū)塊連接負(fù)荷的故障停電時(shí)間和故障停電持續(xù)時(shí)間；

第一統(tǒng)計(jì)模塊，用于根據(jù)所述負(fù)荷點(diǎn)數(shù)據(jù)統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)；

第二統(tǒng)計(jì)模塊，用于根據(jù)所述負(fù)荷點(diǎn)指標(biāo)統(tǒng)計(jì)系統(tǒng)可靠性指標(biāo)和負(fù)荷點(diǎn)可靠性指標(biāo)。

可選的，所述尋優(yōu)模塊，包括：

設(shè)定子模塊，用于設(shè)定初次尋優(yōu)群體規(guī)模、迭代尋優(yōu)群體規(guī)模、最大迭代數(shù)、變量尋值范圍和初始化果蠅群體位置；

搜尋子模塊，用于利用所述初次尋優(yōu)群體規(guī)模的群體進(jìn)行第一次搜尋，獲取個(gè)體的隨機(jī)方向和位置為：d_fi＝d₀+R×rand，式中，d_fi為所述第一次搜尋個(gè)體的位置，d₀為所述初始化果蠅群體位置，R＝(x_max-x_min)×0.1為搜索半徑，[x_min，x_max]為所述變量尋值范圍，rand為[-1，1]之間的隨機(jī)數(shù)；

味道濃度獲取子模塊，用于將所述第一次搜尋個(gè)體的位置代入適應(yīng)度函數(shù)，獲取果蠅個(gè)體位置的味道濃度為：S_i＝F(d_fi)，式中，F(xiàn)為所述適應(yīng)度函數(shù)，S_i為所述味道濃度；

個(gè)體獲取子模塊，用于獲取群體當(dāng)中味道濃度最高的個(gè)體為：S_best＝min(S_i)，式中，S_best為所述味道濃度最高的個(gè)體；

記錄子模塊，用于記錄所述味道濃度最高的個(gè)體和對(duì)應(yīng)的位置，令d₀＝d_best，式中，d_best為所述味道濃度最高的個(gè)體對(duì)應(yīng)的位置；

迭代尋優(yōu)子模塊，用于利用所述迭代尋優(yōu)群體規(guī)模的群體進(jìn)行迭代尋優(yōu)，則所述迭代尋優(yōu)的個(gè)體隨機(jī)方向與位置為：d_i＝d₀+R×rand×ε，式中，d_i為所述迭代尋優(yōu)個(gè)體的位置，ε＝(g_max-g)/g_max為搜索半徑遞減因子；g為當(dāng)前迭代的次數(shù)；

重復(fù)獲取子模塊，用于重復(fù)獲取所述迭代尋優(yōu)的味道濃度、味道濃度最高的個(gè)體和對(duì)應(yīng)的位置；

最小工作時(shí)間確定子模塊，用于當(dāng)?shù)螖?shù)達(dá)到所述最大迭代數(shù)或所述迭代尋優(yōu)的味道濃度最高的個(gè)體不再發(fā)生變化時(shí)，確定最小工作時(shí)間為所述迭代尋優(yōu)的味道濃度最高的個(gè)體對(duì)應(yīng)的位置。

可選的，該裝置還包括：

重新添加隨機(jī)數(shù)模塊，用于若所述故障元件不為饋線元件，則對(duì)所述故障元件產(chǎn)生新的0到1之間隨機(jī)數(shù)，并計(jì)算所述故障元件新的工作時(shí)間和故障時(shí)間，向所述尋優(yōu)模塊發(fā)送啟動(dòng)信號(hào)。

可選的，所述第二統(tǒng)計(jì)模塊具體用于根據(jù)所述負(fù)荷點(diǎn)指標(biāo)統(tǒng)計(jì)所述負(fù)荷點(diǎn)可靠性指標(biāo)和包括用戶平均停電頻率、系統(tǒng)電量不足波動(dòng)率和系統(tǒng)功率不足波動(dòng)率中至少一項(xiàng)的所述系統(tǒng)可靠性指標(biāo)。

本發(fā)明所提供的一種新能源配電網(wǎng)可靠性的評(píng)估方法，包括：根據(jù)每個(gè)元件在預(yù)設(shè)時(shí)間內(nèi)的故障率和修復(fù)率的分布情況，獲取每個(gè)元件的故障概率分布函數(shù)；根據(jù)所述每個(gè)元件的故障概率分布函數(shù)，分別產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)，獲取每個(gè)元件的工作時(shí)間和故障時(shí)間；基于果蠅優(yōu)化算法對(duì)所有元件的工作時(shí)間進(jìn)行尋優(yōu)，獲取工作時(shí)間最小的元件作為故障元件；判斷所述故障元件是否為饋線元件；若是，則對(duì)饋線區(qū)域進(jìn)行故障分析，確定故障類型和負(fù)荷點(diǎn)數(shù)據(jù)；其中，所述負(fù)荷點(diǎn)數(shù)據(jù)包括各饋線區(qū)塊連接負(fù)荷的故障停電時(shí)間和故障停電持續(xù)時(shí)間；根據(jù)所述負(fù)荷點(diǎn)數(shù)據(jù)統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)；根據(jù)所述負(fù)荷點(diǎn)指標(biāo)統(tǒng)計(jì)系統(tǒng)可靠性指標(biāo)和負(fù)荷點(diǎn)可靠性指標(biāo)；

可見(jiàn)，本發(fā)明通過(guò)改進(jìn)傳統(tǒng)的序貫蒙特卡洛模擬法可以快速模擬含DG和EV等新能源的配電網(wǎng)運(yùn)行情況，可以用很短的時(shí)間計(jì)算出其負(fù)荷點(diǎn)數(shù)據(jù)，使得在統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)時(shí)具有很大的方便性，避免了造成“死機(jī)”的情況發(fā)生，而且減少了占用的內(nèi)存，提升了用戶體驗(yàn)。此外，本發(fā)明還提供了一種新能源配電網(wǎng)可靠性的評(píng)估裝置，同樣具有上述有益效果。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例所提供的一種新能源配電網(wǎng)可靠性的評(píng)估方法的流程圖；

圖2為本發(fā)明實(shí)施例所提供的一種新能源配電網(wǎng)可靠性的評(píng)估方法的元件兩狀態(tài)可靠性模型的示意圖；

圖3為本發(fā)明實(shí)施例所提供的一種新能源配電網(wǎng)可靠性的評(píng)估方法的元件故障—修復(fù)過(guò)程的示意圖；

圖4為本發(fā)明實(shí)施例所提供的另一種新能源配電網(wǎng)可靠性的評(píng)估方法的流程圖；

圖5為本發(fā)明實(shí)施例所提供的另一種新能源配電網(wǎng)可靠性的評(píng)估方法的改進(jìn)果蠅優(yōu)化算法的流程圖；

圖6為本發(fā)明實(shí)施例所提供的一種新能源配電網(wǎng)可靠性的評(píng)估裝置的結(jié)構(gòu)圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

請(qǐng)參考圖1，圖1為本發(fā)明實(shí)施例所提供的一種新能源配電網(wǎng)可靠性的評(píng)估方法的流程圖；圖2為本發(fā)明實(shí)施例所提供的一種新能源配電網(wǎng)可靠性的評(píng)估方法的元件兩狀態(tài)可靠性模型的示意圖；圖3為本發(fā)明實(shí)施例所提供的一種新能源配電網(wǎng)可靠性的評(píng)估方法的元件故障—修復(fù)過(guò)程的示意圖。該方法可以包括：

步驟101：根據(jù)每個(gè)元件在預(yù)設(shè)時(shí)間內(nèi)的故障率和修復(fù)率的分布情況，獲取每個(gè)元件的故障概率分布函數(shù)。

其中，每個(gè)元件在預(yù)設(shè)時(shí)間內(nèi)的故障率和修復(fù)率的分布情況可以從數(shù)據(jù)庫(kù)中獲取由用戶或設(shè)計(jì)人員設(shè)置的預(yù)定時(shí)間內(nèi)的故障率和修復(fù)率的分布情況數(shù)據(jù)。

可以理解的是，對(duì)于預(yù)設(shè)時(shí)間的設(shè)置可以由用戶或設(shè)計(jì)人員根據(jù)實(shí)用場(chǎng)景或用戶需求自行設(shè)置，本實(shí)施例對(duì)此不受任何限制。

步驟102：根據(jù)所述每個(gè)元件的故障概率分布函數(shù)，分別產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)，獲取每個(gè)元件的工作時(shí)間和故障時(shí)間。

其中，本實(shí)施例所提供的方法在評(píng)估負(fù)荷點(diǎn)和系統(tǒng)可靠性指標(biāo)時(shí)，元件的可靠性模型常采用如圖2所示的兩狀態(tài)模型，即只考慮元件的正常狀態(tài)以及故障修復(fù)狀態(tài)，在一定的時(shí)間段內(nèi)，通過(guò)穩(wěn)態(tài)的“運(yùn)行-停運(yùn)-運(yùn)行”的循環(huán)過(guò)程來(lái)模擬元件的運(yùn)行狀況。在模擬元件的運(yùn)行狀態(tài)時(shí)，模擬對(duì)象主要針對(duì)的是可修復(fù)元件，其中：MTTF表示其平均無(wú)故障時(shí)間；MTTR表示元件的平均故障修復(fù)時(shí)間；λ為元件故障率；μ表示元件的修復(fù)率。它們之間的關(guān)系可用如下公式表示：

可以理解是，元件的故障時(shí)間也可以說(shuō)是元件的修復(fù)時(shí)間。由于元件的故障停運(yùn)是隨機(jī)事件，所以元件的工作時(shí)間TTF和故障時(shí)間TTR為隨機(jī)變量，隨時(shí)間變化而變化如圖3所示，可視為均服從指數(shù)分布。MTTF和MTTR分別對(duì)應(yīng)TTF和TTR的平均值。則元件的工作時(shí)間TTF和故障時(shí)間TTR計(jì)算公式如下：

式中，σ為(0,1)之間的隨機(jī)數(shù)，服從(0,1)均勻分布。

步驟103：基于果蠅優(yōu)化算法對(duì)所有元件的工作時(shí)間進(jìn)行尋優(yōu)，獲取工作時(shí)間最小的元件作為故障元件。

其中，基于果蠅優(yōu)化算法對(duì)所有元件的工作時(shí)間進(jìn)行尋優(yōu)，也就是采用基于果蠅優(yōu)化算法的改進(jìn)果蠅優(yōu)化算法(Improved Fruit Fly Optimization Algorithm，IFOA)設(shè)置元件正常工作時(shí)間TTF的值d為適應(yīng)度函數(shù)的輸入變量，并引入搜索半徑遞減因子ε，使算法便于先用較大步長(zhǎng)進(jìn)行初次全局搜索后再縮短步長(zhǎng)進(jìn)行迭代局部尋優(yōu)，可以獲取工作時(shí)間最小的元件作為故障元件。

需要說(shuō)明的是，只要可以獲取全部元件中工作時(shí)間最小的元件作為故障元件，對(duì)于具體的獲取方式本實(shí)施例不做任何限制。

步驟104：判斷所述故障元件是否為饋線元件；若是，則進(jìn)入步驟105。

可以理解的是，判斷故障元件是否為饋線元件，也就是判斷故障元件的位置是否處于饋線區(qū)域。由于若故障元件不是饋線元件，也就說(shuō)明該故障元件為負(fù)荷支路元件，那么只有連接的負(fù)荷點(diǎn)受影響，不能用于評(píng)估系統(tǒng)和負(fù)荷點(diǎn)可靠性指標(biāo)。因此，可以通過(guò)重新為該故障元件產(chǎn)生隨機(jī)數(shù)并計(jì)算新的工作時(shí)間和故障時(shí)間的方式，返回步驟103獲取新的故障元件；也可以直接返回步驟103除該故障元件外的其他故障元件；還可以重新對(duì)全部元件產(chǎn)生新隨機(jī)數(shù)并計(jì)算新的工作時(shí)間和故障時(shí)間，再返回步驟103獲取故障元件?？梢岳斫獾氖牵灰ㄟ^(guò)本步驟可以確定獲取的故障元件為饋線元件，對(duì)于故障元件不為饋線元件時(shí)的具體步驟，本實(shí)施例不受任何限制。

步驟105：對(duì)饋線區(qū)域進(jìn)行故障分析，確定故障類型和負(fù)荷點(diǎn)數(shù)據(jù)；其中，所述負(fù)荷點(diǎn)數(shù)據(jù)包括各饋線區(qū)塊連接負(fù)荷的故障停電時(shí)間和故障停電持續(xù)時(shí)間。

需要說(shuō)明的是，負(fù)荷點(diǎn)數(shù)據(jù)可以為接下統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)中所需的各種數(shù)據(jù)，可以包括各饋線區(qū)塊連接負(fù)荷的故障停電時(shí)間和故障停電持續(xù)時(shí)間。

步驟106：根據(jù)所述負(fù)荷點(diǎn)數(shù)據(jù)統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)。

其中，對(duì)于統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)的具體方式，可以通過(guò)如現(xiàn)有技術(shù)中的方式，也可以通過(guò)其他方式，本實(shí)施例對(duì)此不受任何限制。

步驟107：根據(jù)所述負(fù)荷點(diǎn)指標(biāo)統(tǒng)計(jì)系統(tǒng)可靠性指標(biāo)和負(fù)荷點(diǎn)可靠性指標(biāo)。

其中，本步驟之前還可以包括判斷是否達(dá)到預(yù)設(shè)的模擬時(shí)間的步驟。也就是說(shuō)，在對(duì)饋線元件的模擬完成后，若未到達(dá)模擬時(shí)間，則會(huì)繼續(xù)模擬一條直線等待模擬時(shí)間的結(jié)束。只要可以模擬出饋線元件的曲線，對(duì)于具體的模擬方式，本實(shí)施例不做任何限制。

需要說(shuō)明的是，達(dá)到模擬時(shí)間后可以模擬出一個(gè)隨機(jī)狀態(tài)數(shù)列，隨機(jī)狀態(tài)數(shù)列是經(jīng)過(guò)模擬后所形成的關(guān)于系統(tǒng)中元件和負(fù)荷點(diǎn)的一些基本參數(shù)數(shù)列，可以指在不同時(shí)刻點(diǎn)這些參數(shù)的動(dòng)態(tài)數(shù)值。

優(yōu)選的，統(tǒng)計(jì)系統(tǒng)可靠性指標(biāo)時(shí)，還可以加入用戶平均停電頻率、系統(tǒng)電量不足波動(dòng)率和系統(tǒng)功率不足波動(dòng)率中至少一項(xiàng)的可靠性指標(biāo)，通過(guò)新加入的系統(tǒng)可靠性指標(biāo)，可以與現(xiàn)有的系統(tǒng)可靠性指標(biāo)構(gòu)成了一個(gè)新的系統(tǒng)可靠性指標(biāo)體系，可以使本實(shí)施例所提供的方法的評(píng)估結(jié)果更為可靠。

可以理解的是，本實(shí)施例的目的是通過(guò)改進(jìn)傳統(tǒng)的序貫蒙特卡洛模擬法，快速模擬含DG和EV等新能源的配電網(wǎng)運(yùn)行情況，避免“死機(jī)”狀態(tài)的發(fā)生，對(duì)于系統(tǒng)和負(fù)荷點(diǎn)可靠性指標(biāo)的評(píng)估方式，可以使用現(xiàn)有的評(píng)估方式，也可以加入新的指標(biāo)的評(píng)估方式，本實(shí)施例對(duì)此不受任何限制。

本實(shí)施例中，本發(fā)明實(shí)施例通過(guò)改進(jìn)傳統(tǒng)的序貫蒙特卡洛模擬法可以快速模擬含DG和EV等新能源的配電網(wǎng)運(yùn)行情況，可以用很短的時(shí)間計(jì)算出其負(fù)荷點(diǎn)數(shù)據(jù)，使得在統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)時(shí)具有很大的方便性，避免了造成“死機(jī)”的情況發(fā)生，而且減少了占用的內(nèi)存，提升了用戶體驗(yàn)。

請(qǐng)參考圖4和圖5，圖4為本發(fā)明實(shí)施例所提供的另一種新能源配電網(wǎng)可靠性的評(píng)估方法的流程圖；圖5為本發(fā)明實(shí)施例所提供的另一種新能源配電網(wǎng)可靠性的評(píng)估方法的改進(jìn)果蠅優(yōu)化算法的流程圖。該方法可以包括：

步驟201：根據(jù)每個(gè)元件在預(yù)設(shè)時(shí)間內(nèi)的故障率和修復(fù)率的分布情況，獲取每個(gè)元件的故障概率分布函數(shù)。

步驟202：根據(jù)每個(gè)元件的故障概率分布函數(shù)，分別產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)，獲取每個(gè)元件的工作時(shí)間和故障時(shí)間。

其中，步驟201和步驟202與步驟101和步驟102相似，在此不再贅述。

步驟203：基于果蠅優(yōu)化算法對(duì)所有元件的工作時(shí)間進(jìn)行尋優(yōu)，獲取工作時(shí)間最小的元件作為故障元件。

其中，本步驟可以如圖5所示，具體可以包括：

步驟2031：設(shè)定初次尋優(yōu)群體規(guī)模、迭代尋優(yōu)群體規(guī)模、最大迭代數(shù)、變量尋值范圍和初始化果蠅群體位置。

其中，初次尋優(yōu)群體規(guī)模P₁、迭代尋優(yōu)群體規(guī)模P₂、最大迭代數(shù)g_max、變量尋值范圍[x_min，x_max]和初始化果蠅群體位置d₀的具體數(shù)值的設(shè)定，可以由設(shè)計(jì)人員或用戶根據(jù)實(shí)用場(chǎng)景和用戶需求自行設(shè)置，本實(shí)施例對(duì)此不受任何限制。

步驟2032：利用初次尋優(yōu)群體規(guī)模的群體進(jìn)行第一次搜尋，獲取個(gè)體的隨機(jī)方向和位置。

其中，第一次搜尋個(gè)體的位置d_fi為：d_fi＝d₀+R×rand，式中，R＝(x_max-x_min)×0.1為搜索半徑，rand為[-1，1]之間的隨機(jī)數(shù)。

步驟2033：將第一次搜尋個(gè)體的位置代入適應(yīng)度函數(shù)，獲取果蠅個(gè)體位置的味道濃度。

其中，果蠅個(gè)體位置的味道濃度S_i為：S_i＝F(d_fi)，式中，F(xiàn)為適應(yīng)度函數(shù)。

步驟2034：獲取群體當(dāng)中味道濃度最高的個(gè)體。

其中，味道濃度最高的個(gè)體S_best為：S_best＝min(S_i)。

步驟2035：記錄味道濃度最高的個(gè)體和對(duì)應(yīng)的位置，令味道濃度最高的個(gè)體對(duì)應(yīng)的位置為初始化果蠅群體位置。

可以理解的是，本步驟是為了記錄第一次搜尋獲取的味道濃度最高的個(gè)體S_best和對(duì)應(yīng)的位置的坐標(biāo)d_best，另d₀＝d_best為接下來(lái)的迭代尋優(yōu)做準(zhǔn)備。

步驟2036：利用迭代尋優(yōu)群體規(guī)模的群體進(jìn)行迭代尋優(yōu)。

可以理解的是，本步驟是利用迭代尋優(yōu)群體規(guī)模P₂的群體進(jìn)行迭代尋優(yōu)，也就是迭代尋優(yōu)的個(gè)體隨機(jī)方向與位置d_i為：d_i＝d₀+R×rand×ε，式中，ε＝(g_max-g)/g_max為搜索半徑遞減因子，g為當(dāng)前迭代的次數(shù)；然后再在每個(gè)當(dāng)前迭代的次數(shù)中均重復(fù)上述S_i＝F(d_fi)，S_best＝min(S_i)和d₀＝d_best的公式，以獲取每個(gè)當(dāng)前迭代的次數(shù)對(duì)應(yīng)的迭代尋優(yōu)的味道濃度S_i、味道濃度最高的個(gè)體S_best和對(duì)應(yīng)的位置d_best。

步驟2037：當(dāng)?shù)螖?shù)達(dá)到最大迭代數(shù)或迭代尋優(yōu)的味道濃度最高的個(gè)體不再發(fā)生變化時(shí)，確定最小工作時(shí)間為迭代尋優(yōu)的味道濃度最高的個(gè)體對(duì)應(yīng)的位置。

需要說(shuō)明的是，本步驟的目的是當(dāng)當(dāng)前迭代的次數(shù)達(dá)到最大迭代數(shù)g_max或迭代尋優(yōu)的味道濃度最高的個(gè)體S_best達(dá)到一個(gè)穩(wěn)定值時(shí)，令當(dāng)前迭代的次數(shù)的味道濃度最高的個(gè)體對(duì)應(yīng)的位置的d_best為最小工作時(shí)間TTF。

可以理解的是，利用上述基于果蠅優(yōu)化算法的改進(jìn)果蠅優(yōu)化算法(Improved Fruit Fly Optimization Algorithm，IFOA)，可以求出全部元件中的最小工作時(shí)間TTF，利用此TTF可以獲取對(duì)應(yīng)的元件作為故障元件進(jìn)行接下來(lái)的步驟。

步驟204：判斷故障元件是否為饋線元件；若否，則進(jìn)入步驟205；若是，則進(jìn)入步驟206。

其中，本步驟與步驟104相似，在此不再贅述。

步驟205：對(duì)故障元件產(chǎn)生新的0到1之間隨機(jī)數(shù)，并計(jì)算其新的工作時(shí)間和故障時(shí)間，進(jìn)入步驟203。

可以理解的是，當(dāng)故障元件不為饋線元件時(shí)，證明該故障元件為負(fù)荷支路元件，不能用于對(duì)系統(tǒng)和負(fù)荷點(diǎn)可靠性指標(biāo)的評(píng)估，因此，可以對(duì)該故障元件重新產(chǎn)生一個(gè)新的0到1之間隨機(jī)數(shù)，并計(jì)算其新的工作時(shí)間和故障時(shí)間，再返回步驟203獲取其他故障元件。

步驟206：對(duì)饋線區(qū)域進(jìn)行故障分析，確定故障類型和負(fù)荷點(diǎn)數(shù)據(jù)；其中，負(fù)荷點(diǎn)數(shù)據(jù)包括各饋線區(qū)塊連接負(fù)荷的故障停電時(shí)間和故障停電持續(xù)時(shí)間。

步驟207：根據(jù)負(fù)荷點(diǎn)數(shù)據(jù)統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)。

其中，步驟206和步驟207與步驟105和步驟106相似，在此不再贅述。

步驟208：根據(jù)負(fù)荷點(diǎn)指標(biāo)統(tǒng)計(jì)負(fù)荷點(diǎn)可靠性指標(biāo)和包括用戶平均停電頻率、系統(tǒng)電量不足波動(dòng)率和系統(tǒng)功率不足波動(dòng)率的系統(tǒng)可靠性指標(biāo)。

其中，用戶平均停電頻率(CAIFI)可以指在統(tǒng)計(jì)周期為一年時(shí)單個(gè)受到停電影響的電力用戶所遭受的平均停電次數(shù)，單位：次/(停電用戶·年)；系統(tǒng)電量不足波動(dòng)率ξ_W可以指系統(tǒng)在統(tǒng)計(jì)期內(nèi)的第t個(gè)周期中用戶側(cè)供電缺額量與用戶所要求的總供電量的比值與往年同期相比較的變化率，可以用表示；系統(tǒng)功率不足波動(dòng)率ξ_P可以指系統(tǒng)在統(tǒng)計(jì)期內(nèi)的第t個(gè)周期中電網(wǎng)傳送給用戶側(cè)的有功功率不足量與用戶所需功率的比值與往年同期相比較的變化率，可以用表示。

需要說(shuō)明的是，上述CAIFI、和這三個(gè)系統(tǒng)可靠性指標(biāo)中的新指標(biāo)可以分別通過(guò)下面的公式獲得：

和

式中，T_Ui為負(fù)荷點(diǎn)i平均停運(yùn)持續(xù)時(shí)間；N_i為負(fù)荷點(diǎn)的用戶數(shù)；M_i為負(fù)荷點(diǎn)處的故障停電用戶數(shù)；為統(tǒng)計(jì)期內(nèi)的第t個(gè)周期中負(fù)荷點(diǎn)i的平均負(fù)荷；為統(tǒng)計(jì)期內(nèi)的第t個(gè)周期中負(fù)荷點(diǎn)i平均停運(yùn)持續(xù)時(shí)間；為統(tǒng)計(jì)期內(nèi)的第t個(gè)周期中負(fù)荷點(diǎn)的用戶數(shù)。

可以理解的是，在系統(tǒng)可靠性指標(biāo)中加入用戶平均停電頻率、系統(tǒng)電量不足波動(dòng)率和系統(tǒng)功率不足波動(dòng)率這三個(gè)新的指標(biāo)可以使本實(shí)施例所提供的方法評(píng)估出來(lái)的結(jié)果更為準(zhǔn)確和可靠。在系統(tǒng)可靠性指標(biāo)中加入上述三個(gè)指標(biāo)中的一個(gè)或兩個(gè)也可以達(dá)到本實(shí)施例的目的，本實(shí)施例對(duì)此不受任何限制。

本實(shí)施例中，本發(fā)明實(shí)施例通過(guò)改進(jìn)果蠅優(yōu)化算法可以更加快速的獲取全部元件中的最小工作時(shí)間，通過(guò)標(biāo)統(tǒng)計(jì)包括用戶平均停電頻率、系統(tǒng)電量不足波動(dòng)率和系統(tǒng)功率不足波動(dòng)率的系統(tǒng)可靠性指標(biāo)，在現(xiàn)有的系統(tǒng)可靠性指標(biāo)的基礎(chǔ)上加入了三個(gè)新的指標(biāo)構(gòu)成了一個(gè)新的系統(tǒng)可靠性指標(biāo)體系，使得本身實(shí)施例所提供的方法的評(píng)估結(jié)果更為準(zhǔn)確和可靠，進(jìn)一步提升了用戶體驗(yàn)。

請(qǐng)參考圖6，圖6為本發(fā)明實(shí)施例所提供的一種新能源配電網(wǎng)可靠性的評(píng)估裝置的結(jié)構(gòu)圖。該裝置可以包括：

函數(shù)獲取模塊100，用于根據(jù)每個(gè)元件在預(yù)設(shè)時(shí)間內(nèi)的故障率和修復(fù)率的分布情況，獲取每個(gè)元件的故障概率分布函數(shù)；

隨機(jī)數(shù)添加模塊200，用于根據(jù)所述每個(gè)元件的故障概率分布函數(shù)，分別產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)，獲取每個(gè)元件的工作時(shí)間和故障時(shí)間；

尋優(yōu)模塊300，用于基于果蠅優(yōu)化算法對(duì)所有元件的工作時(shí)間進(jìn)行尋優(yōu)，獲取工作時(shí)間最小的元件作為故障元件；

判斷模塊400，用于判斷所述故障元件是否為饋線元件；若是，則向故障分析模塊發(fā)送分析信號(hào)；

故障分析模塊500，用于接收所述分析信號(hào)，對(duì)饋線區(qū)域進(jìn)行故障分析，確定故障類型和負(fù)荷點(diǎn)數(shù)據(jù)；其中，所述負(fù)荷點(diǎn)數(shù)據(jù)包括各饋線區(qū)塊連接負(fù)荷的故障停電時(shí)間和故障停電持續(xù)時(shí)間；

第一統(tǒng)計(jì)模塊600，用于根據(jù)所述負(fù)荷點(diǎn)數(shù)據(jù)統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)；

第二統(tǒng)計(jì)模塊700，用于根據(jù)所述負(fù)荷點(diǎn)指標(biāo)統(tǒng)計(jì)系統(tǒng)可靠性指標(biāo)和負(fù)荷點(diǎn)可靠性指標(biāo)。

可選的，所述尋優(yōu)模塊300，可以包括：

設(shè)定子模塊，用于設(shè)定初次尋優(yōu)群體規(guī)模、迭代尋優(yōu)群體規(guī)模、最大迭代數(shù)、變量尋值范圍和初始化果蠅群體位置；

搜尋子模塊，用于利用所述初次尋優(yōu)群體規(guī)模的群體進(jìn)行第一次搜尋，獲取個(gè)體的隨機(jī)方向和位置為：d_fi＝d₀+R×rand，式中，d_fi為所述第一次搜尋個(gè)體的位置，d₀為所述初始化果蠅群體位置，R＝(x_max-x_min)×0.1為搜索半徑，[x_min，x_max]為所述變量尋值范圍，rand為[-1，1]之間的隨機(jī)數(shù)；

味道濃度獲取子模塊，用于將所述第一次搜尋個(gè)體的位置代入適應(yīng)度函數(shù)，獲取果蠅個(gè)體位置的味道濃度為：S_i＝F(d_fi)，式中，F(xiàn)為所述適應(yīng)度函數(shù)，S_i為所述味道濃度；

個(gè)體獲取子模塊，用于獲取群體當(dāng)中味道濃度最高的個(gè)體為：S_best＝min(S_i)，式中，S_best為所述味道濃度最高的個(gè)體；

記錄子模塊，用于記錄所述味道濃度最高的個(gè)體和對(duì)應(yīng)的位置，令d₀＝d_best，式中，d_best為所述味道濃度最高的個(gè)體對(duì)應(yīng)的位置；

迭代尋優(yōu)子模塊，用于利用所述迭代尋優(yōu)群體規(guī)模的群體進(jìn)行迭代尋優(yōu)，則所述迭代尋優(yōu)的個(gè)體隨機(jī)方向與位置為：d_i＝d₀+R×rand×ε，式中，d_i為所述迭代尋優(yōu)個(gè)體的位置，ε＝(g_max-g)/g_max為搜索半徑遞減因子；g為當(dāng)前迭代的次數(shù)；

重復(fù)獲取子模塊，用于重復(fù)獲取所述迭代尋優(yōu)的味道濃度、味道濃度最高的個(gè)體和對(duì)應(yīng)的位置；

最小工作時(shí)間確定子模塊，用于當(dāng)?shù)螖?shù)達(dá)到所述最大迭代數(shù)或所述迭代尋優(yōu)的味道濃度最高的個(gè)體不再發(fā)生變化時(shí)，確定最小工作時(shí)間為所述迭代尋優(yōu)的味道濃度最高的個(gè)體對(duì)應(yīng)的位置。

可選的，該裝置還可以包括：

重新添加隨機(jī)數(shù)模塊，用于若所述故障元件不為饋線元件，則對(duì)所述故障元件產(chǎn)生新的0到1之間隨機(jī)數(shù)，并計(jì)算所述故障元件新的工作時(shí)間和故障時(shí)間，向所述尋優(yōu)模塊發(fā)送啟動(dòng)信號(hào)。

可選的，所述第二統(tǒng)計(jì)模塊700具體可以用于根據(jù)所述負(fù)荷點(diǎn)指標(biāo)統(tǒng)計(jì)所述負(fù)荷點(diǎn)可靠性指標(biāo)和包括用戶平均停電頻率、系統(tǒng)電量不足波動(dòng)率和系統(tǒng)功率不足波動(dòng)率中至少一項(xiàng)的所述系統(tǒng)可靠性指標(biāo)。

本實(shí)施例中，本發(fā)明實(shí)施例通過(guò)改進(jìn)傳統(tǒng)的序貫蒙特卡洛模擬法可以快速模擬含DG和EV等新能源的配電網(wǎng)運(yùn)行情況，可以使故障分析模塊500用很短的時(shí)間計(jì)算出其負(fù)荷點(diǎn)數(shù)據(jù)，使得第一統(tǒng)計(jì)模塊600在統(tǒng)計(jì)負(fù)荷點(diǎn)指標(biāo)時(shí)具有很大的方便性，避免了造成“死機(jī)”的情況發(fā)生，而且減少了占用的內(nèi)存，提升了用戶體驗(yàn)。

說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開(kāi)的裝置而言，由于其與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分說(shuō)明即可。

專業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開(kāi)的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來(lái)實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存儲(chǔ)器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤(pán)、可移動(dòng)磁盤(pán)、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。

以上對(duì)本發(fā)明所提供的新能源配電網(wǎng)可靠性的評(píng)估方法及裝置進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。