基于改造措施的智能配电系统优化模型分析

高 骞，杨俊义，洪 宇,孙小磊，朱前进

(1.国网江苏省电力有限公司，江苏 南京 210000； 2.国网江苏省电力有限公司 连云港分公司，江苏 连云港 222000； 3.国网江苏省电力有限公司 检修分公司，江苏 南京 210000； 4.国网江苏省电力有限公司 宿迁分公司，江苏 宿迁 223800)

当前，配电网建设改造的投资数额较大，为了保证投资效益的最大化，研究改造措施，精确投资技术非常重要。在配电网中，投资对象除了需要进行传统线路改造以及变电站设备的升级改造之外，还需要进行储能装置、配电自动化等元素的改造。因此，如何精确的评估测算不同改造措施，如何进行投资成效是当前需要解决的重要问题。在面对改造措施时，存在的主要问题是与网络安全约束的配电网投资规划模型。尝试通过改造措施与配电网的关联规则驱动进行投资规划模型的建立，以实现配电网投资改造方案的合理性。本文基于关联规则挖掘方法，将其作为约束条件进行投资规划，建立基于关联规则驱动的配电网投资规划模型。

1 智能电网规划综合评价指标体系

基于放松管制电力市场格局下，对智能配电网规划方案进行综合评价方法，建立不同层次的综合评价体系，并在此基础之上提出一种关于协同群决策的综合评价模型，通过算例分析仿真验证综合评价方法在实际应用中的可行性与可靠性。随着市场化进程的不断推进，配电系统的规划决策模式发生改变，由传统垂直的一体化管理转为多边参与，在市场化条件的驱使下，得到智能配电网各个参与主体的需求划分；智能配电网规划的参与主体及需求如表1所示。在复杂的电力市场环境下，不同主体进行智能电网规划时所产生的权责范围会发生冲突，虽然不同主体存在相同的利益关注，但在同一种需求状态下，不同主体之间的各自评价分类却大相径庭。

表1 智能配电网规划的参与主体及需求Tab.1 Participants and demands of intelligent distribution network planning

2 基于关联规则驱动的电网改造措施与可靠性分析

要想提升电网的性能需要对配电网进行改造，以可靠性作为改造性能指标；表2为配电网的改造措施。

表2 配电网的改造措施Tab.2 Transformation measures of distribution network

在进行改造时，可以通过改造指标推测出改造的措施对可靠性带来的影响，改造措施与可靠性之间存在着密切联系，可以通过挖掘相关规则的形式获取可靠性指标，进而得到具体的改造措施。

3 基于关联规则驱动的电网改造措施与可靠性分析

要想提升电网的性能需要对配电网进行改造，以可靠性作为改造性能指标，表2给出了关于配电网的具体改造措施。在进行改造时，可以通过改造指标推测出改造的措施对可靠性带来的影响，因为改造措施与可靠性之间存在着密切联系，可以通过挖掘相关规则的形式获取可靠性指标，进而得到具体的改造措施。

可靠性作为衡量电力系统质量标准的重要指标，需要不断向电力用户供应电力。为了更好地反映出在改造措施下配电网的可靠性指标，通过收集用户一年之中的平均停电时间、供电量以及供电可考虑等衡量电网可靠性。根据停电时间的不同，当停电后，可将用户区分为上游区段、下游区段能通以及下游区段不能同等3种类型，则可靠性指标的估算公式：

(1)

式中：ID、IE、IR表示指标值；λF表示馈线故障率；PL表示馈线负荷总量；β1-β3表示停电用户的分布情况。

当前的配电网投资规划模型容易受到网络安全的约束，改造措施与可靠性指标之间的关系需要通过外嵌的评估程度迭代实现，无法直接通过公式获取。在网络安全的约束下，进行电网投资计划模型设计，不仅可达到非线性模型效果，还可以得到不凸起的模型，利用智能优化算法求解问题。改造措施和可靠性指标的相关规则，获得正确的指标评价，以相关规则为约束条件，获得电网的非线性约束模型，通过重复程序可以简化模型的计算难度。改造措施与性能指标的可靠性之间关系密切，应当通过发掘相关规则的方法解决。需要使用多元回归进行分析，得到显性的关联表达式；如果耦合性较差，则需要使用神经网络的方法进行解决。

要想实现改造措施与可靠性指标的关联规则分析，需要有配电网数据的支持。当配电网中含有DG、储能以及柔性符合等元素时，通过集成配电线路或者技术管理的方式解决改造措施，通过时序模拟的方式，对不同的改造方法进行时序模拟，从而获取最具价值的仿真模拟数据，将获取的仿真模拟数据与改造措施进行关联规则分析。在配电网规划的基础上，实现供电可靠性的指标预测；在误差反向传播中，多层前馈神经网络的映射能力好，可以解决复杂的内部问题，将配电网的改造措施、DG等元素作为神经网络的输入向量，将可靠性指标作为输出向量，对其进行关联规则分析；在下降梯度的关系下实现数据的迭代，完成关联规则行为。

4 基于关联规则驱动的电网投资规划模型

4.1 配电网投资规划优选设计

传统的配电网投资规划模型中，投资者需要在资金限制的情况下选择出最佳的项目组合，从而实现投资的利益最大化。在投资效益方面，以目标函数为配电网进行措施改造，将投资总额作为配电网的条件，从而得到公式：

(2)

式中：F表示投资效益；Xi表示改造措施；n表示改造数量；C(Xi)表示改造费用；Cmax表示最大投资；ψ表示项目库；Pi、Qi分别表示有功潮流和无功潮流；Vi(Vj)、Gij、θij、Bij分别表示节点电压、线路电导、功角以及电纳矩阵；L(y)表示参数集合；Lmax(y)、Lmin(y)分别表示上、下限。

改造措施的决策变量：

(3)

在求解潮流约束以及网络安全约束时，因求解方法困难，可靠性指标作为迭代目标。通过外嵌的方式进行投资规划，在规划过程中，将重点放在改造措施与可靠性指标的关联规则上；通过关联规则求解约束，得到基于神经网络的关联规则分析模型，公式：

Φi(Ii,Xi,w,t,w′,t′)=0

(4)

式中：Φi表示关联规则的隐函数；w、t,w′、t′表示权重值和阈值。

根据改造措施与可靠性指标的关联规则与传统的投资规划模型进行对比，通过进一步的求解，得到配电网的可靠性指标，解决了传统模型中存在的迭代复杂问题，提高了模型的可行性，提高了求解进度。因此，基于关联规则驱动的配电网投资规划优选模型可以用公式进行表示：

(5)

根据目标函数的不同，分析了投资决策中存在的问题，在特定的需求下可以降低或限制投资成本，从而提高可靠性，得到最优的投资决策模型。 在可靠性指标的约束下，通过降低投资成本改善供电方的经济，解决供电房的供电质量低下问题。以用电效益最大化为设计原则，得到电网的最佳可靠性，将成本降到最低。电力的总成本包含了电力部分的建设和供应成本，同时还包含了因电力不足所引起的断电带来的损失。

在一定的投资费用要求下，以提升可靠性为目标，将配电网的投资总额作为提升可靠性水平的约束条件，考虑在特定的投资限额情况下，将可靠性的指标提升到最佳，可以得到：

(6)

4.2 确定最佳投资规划方案

对于传统的配电网投资优化模型，通常情况下采用智能算法或者数值法进行问题解决，从而获取最优的投资方案。但是随着电力市场的不断发展，传统的配电网投资优化模型需要升级，以更好的满足当下电力市场的需求。因此，设计并分析基于关联规则分析所得到的改造措施与可靠性指标的关联性，获取投资规划最优模型，结合改造方案的实际情况，确定最佳方案。如果改造措施与可靠性指标的关联关系明显，可以采取回归分析的方法进行表示，采用嵌入式投资计划模型作为关联的约束条件。如果相关关系不明显，可以借助神经网络算法来完成重建措施，以改造措施作为投资规划模型的优化值，设计最优投资规划方案；二者之间的关系：

γBCR=ΔCEENS/ΔCinvest

(7)

式中：γBCR表示效益成本比；ΔCEENS表示停电损失成本变化值；ΔCinvest表示投资成本变化值。

式(7)表示通过量化各类改造措施投资，提高配电网的可靠性效益。为了获得最优初始值，可以对修正措施进行排序，根据投资金额的设置，以提升到可靠性指标为前提，模拟投资目的的样本和指标，分析二者之间的关联规则。神经网络，在关联规则约束下的改造措施和可靠性指标分析，从而获得准确的可靠性预测，获得提高效益的成本，完成排序后，从而获取最优的投资方案。

传统的配电网投资规划模型一旦受到大量改造的冲击时，非常容易出现求解速度慢、收敛性差的问题。在此基础之上，提出了一种关于改造措施与性能指标关联规则驱动的配电网投资规划模型，通过对其进行深入的了解，建立了基于配电网投资决策的安全通道，以可靠性作为建设指标，对配电网的功能进行优化，从而获取更好的投资平台。在改造措施下，通过输入模拟样本，挖掘出不同类型的网络学习模型与改造措施，然后与配电网的可靠性指标进行关联规则，可以获得最佳结果。将基于神经网络的改造措施与可靠性指标进行关联规则，可以取代传统投资规划模型，规避了很多繁杂的建模过程，实现了基于关联规则分析的配电网投资规划优选模型，提升了模型的求解效率，最终实现配电网的投资规划方案选择。

5 结语

传统的配电网投资规划模型一旦受到大量改造的冲击时，非常容易出现求解速度慢、收敛性差的问题。在此基础上，提出了一种关于改造措施与性能指标关联规则驱动的配电网投资规划模型，通过对其进行深入了解，建立了基于配电网投资决策的安全通道，以可靠性作为建设指标，对配电网的功能进行优化，从而获取更好的投资平台。在改造措施下，通过输入模拟样本，挖掘出不同类型的网络学习模型与改造措施，然后与配电网的可靠性指标进行关联规则，可以获得最佳结果。将基于神经网络的改造措施与可靠性指标进行关联规则，可以取代传统投资规划模型，规避了很多繁杂的建模过程，实现了基于关联规则分析的配电网投资规划优选模型，提升了模型的求解效率，最终实现配电网的投资规划方案选择。