[发明专利]一种基于多源证据融合的配电网低电压预测方法

说明书

本发明公开了一种基于多源证据融合的配电网低电压预测方法，包括以下步骤：首先选取反映配电网低电压发生可能性的多类指标，收集各类型指标下不同指标值对应的电压检测值，利用模糊逻辑神经元聚类网络学习法求取各类型指标支持低电压、非低电压命题的原型特征向量；然后偶将待预测配电网对应的各种类型的指标值作为其低电压预测的证据，利用最优化聚类法对各类证据构建基本信任分配函数；最后利用D‑S证据合成法则，将多种低电压预测的证据进行融合，根据融合结果，预测配电网发生低电压的可能性。采用本发明，可对配电网低电压现象展开预测，利用多源信息融合可以使得预测结果更加客观可靠，为合理安排治理低电压现象的技改项目提供科学依据。

技术领域

本发明涉及配电网的低电压预测，尤其是一种基于多源证据融合的配电网低电压预测方法。

背景技术

配电网供电半径、配电网线径、配电变压器容量和无功补偿配比等因素的不足，导致配网低电压的问题日益严重，已经影响到日常生产生活。线径大小、供电半径、接入负荷容量、负荷状况、功率因数等指标数据能够反映低电压发生的可能性。但是，低电压可能是由多种因素导致的，依赖单个指标进行预测可能不够精确。特别是当单个指标处于临界点时无法实现有效的状态预测。因此，有必要开展全面的配电网低电压预测模型，通过多源配网数据来预测评价已有配电网或将建配电网出现低电压的可能性，从而制定相应的技改策略，提高配电网运维水平。

发明内容

本发明主要解决的现有的技术问题是：提供了一种基于多源证据融合的配电网低电压预测方法，能够客观准确地预测配电网低电压可能性，以期为合理安排技改项目提供科学依据。

本发明为解决上述技术问题所采用的技术方案为：

一种基于多源证据融合的配电网低电压预测方法，其特征在于，包括以下步骤：

步骤S1：设定辨识框架为Ω＝{A₁,A₂}，其中命题A₁为低电压，命题A₂为非低电压；收集选取反映配电网低电压发生可能性的多类指标；收集各类型指标下不同指标值对应的电压检测值，收集的电压检测值的电压降需在额定电压的5％-15％范围内；利用模糊逻辑神经元聚类网络学习法求取各类型指标支持命题A₁和A₂的原型特征向量；

步骤S2：将待预测配电网对应的各种类型的指标值作为其低电压预测的证据，利用最优化聚类法对各类证据构建基本信任分配函数(BBA)；

步骤S3:利用D-S证据合成法则，将多种低电压预测的证据进行融合，根据融合结果，预测配电网发生低电压的可能性。

进一步地，所述指标类型包括线径大小、供电半径、接入负荷容量、负荷状况和功率因数。

进一步地，所述步骤S1中，利用模糊逻辑神经元聚类网络学习法求取某一类型的指标支持命题A₁和A₂的原型特征向量步骤为：

Step11、数据规格化；选取该类型指标下不同指标值对应的电压检测值U_i，分别通过公式对其进行变换，将其映射到[0,1]区间上，得到相应的待分类样本x_i，其中i＝1,2,…,M，M为样本个数；

Step12、初始化；设置聚类数c＝2、步长η和ζ、终止阈值ε，初始化学习次数t＝0、第j类中间网络参数w_j的取值w_j⁽⁰⁾，第j类聚类中心v_j的取值v_j⁽⁰⁾，j＝1,2；