基于贝叶斯改进模型在供电可靠性预测中的应用

韩 菲 李道宽 冯 光

基于贝叶斯改进模型在供电可靠性预测中的应用

韩 菲1李道宽2冯 光3

（1.河南恩湃高科集团有限公司，河南 郑州 450045；2.中电科信息产业有限公司，河南 郑州 450047；3.国网河南省电力公司电力科学研究院，河南 郑州 450000）

供电可靠性预测评估可以更有效地起到对供电系统运行管理的指导作用。所以，供电可靠性的研究预测具有较大的意义。在研究贝叶斯常均值模型预测的基础上，提出改进的贝叶斯模型优化算法。利用C++编程软件对河南省供电可靠性预测进行分析，预测评估出2007-2016年河南省供电可靠率，验证贝叶斯改进模型的有效性。

供电可靠性；预测；贝叶斯；优化算法

长期以来，我国的电力工作者在供电系统设计规划方案、供电系统建设与改造、供电系统运行及运行管理时，多数会凭借经验考虑供电可靠性，主要以定性预测评估将来的可靠性指标，很难从根本上改善供电系统可靠性。随着供电可靠性分析、统计和评价的深化发展，预测评估供电可靠性相关指标，可以从根本上改善系统的供电可靠性，对供电系统进行规划、建设和改造起到指导作用［1］。所以，可靠性指标预测和分析是密切相关、相辅相成，是供电系统可靠性不可或缺的两个重要方面。目前，随着人工神经网络法、时间序列法、回归预测法等现代算法不断发展，应用于供电可靠性指标的分析和预测领域中取得了良好的效果。但是，分析对比现有的供电可靠性预测方法和理论，发现这些方法仍然存在一些不足。例如，神经网络法需要大量的可靠性相关样本，计算工作量较大，时间序列法适合预测具有强随机性的平稳数据，因此研究更加科学准确预测方法意义重大［2］。

贝叶斯预测是一种以贝叶斯定理和贝叶斯统计方法为基础和理论依据。贝叶斯预测方法在统计推断中不仅仅使用了先验概率分布信息，还使用了先验概率分布信息，这也是不同于经典的统计预测方法。相对于英美等国，国内对贝叶斯理论的研究起步较晚，贝叶斯的预测理论和动态模型的研究大体经历了以下几个阶段：①贝叶斯单变量动态模型和预测；②贝叶斯非线性模型及其预测；③将人工智能思想和贝叶斯动态模型结合在一起，对贝叶斯非线性动态模型进行了人工智能化网络处理，进而为贝叶斯动态模型的发展提供了一条可行的途径［3］。

1 供电可靠性预测

供电可靠性预测评估，为供电系统的规划、建设、设计和改造起到了指导作用。例如，通过可靠性指标预测评估，制订有效的分解方案，将预计达到的可靠性指标分解到各个部门的工程中，年终时达到既定的可靠性指标目标值，可以更好地实现可靠性目标管理。此外，在安排供电设备设施计划检修时，通过协调和控制可靠性指标，可以合理制订停电计划，提高计划检修阶段在整个系统的供电可靠性。预测指标需要利用一些统计数据，在对设备和系统状态及故障后果进行分析的基础上，应用评估方法得到相关数据。用户供电可靠性预测评估指标体系由4大类组成，分别为供电连续性指标、设施停电指标、预安排停电指标以及外部影响停电指标［4］。

在实际工程应用中，对于不同的供电系统结构与规模以及要求和考虑的因素不同，具体应用的方法也可能不同，由于供电系统结构复杂、设备数目多、各设备功能之间存在一定作用关系，涉及的数据信息量大，仅采用手工计算也是不现实的。因此，需要采用计算机算法来对供电可靠性指标进行预测［5］。分析对比现有的供电可靠性预测方法和理论，发现这些方法仍然存在一些不足。如神经网络法需要大量的可靠性相关样本，计算工作量较大，时间序列法适合预测具有强随机性的平稳数据。因此，研究更加科学准确预测方法具有重要的作用。贝叶斯预测是一种以贝叶斯定理和贝叶斯统计方法为基础和理论依据。贝叶斯预测方法在统计推断中不仅使用了先验概率分布信息，还使用了先验概率分布信息，这也是不同于经典统计预测方法的地方［6］。

2 改进贝叶斯计算模型

2.1 贝叶斯常均值模型

贝叶斯预测与传统的预测一样需要建模，但贝叶斯预测所建的模型是动态模型，利用观测方程和状态方程来描述研究对象的过程。状态方程体现了所选的状态变量的随机扰动和动态变化情况，观测方程体现了观测值如何依赖于状态变量的情况。贝叶斯动态线性模型具体表示如下［7］：

观测方程：yt=ut+vt,vt～N[0 ,vt]

状态方程：ut=ut-1+ωt,ωt～N[0 ,wt]

初始方程：u0|D0～N[m0,C0]

其中，yt为观测向量；ut为状态向量，vt、ωt分别为观测误差项和状态误差项，二者均为正态分布，在先验信息D0情况下，u0的分布为期望（均值）为m0、方差为C0的正态分布，m0、C0为已知［8］，我们可以得出常均值模型的计算步骤如下：

在贝叶斯预测中，经常采用的即贝叶斯常均值折扣模型，但是，对于误差方差wt不好确定，因此导致贝叶斯常态均值折扣模型预测结果精度不是很高，并且模型稳定性不好［9］。

2.2 贝叶斯改进模型

对于贝叶斯常均值中的误差方差的确定是重中之重，其值的确定决定着整个模型的预测精度与稳定性，贝叶斯常均值改进模型就是运用线性回归方法来确定误差方差。贝叶斯常均值改进模型计算步骤如下：

①运用先验信息，得到t-1时刻的后验分布，分布采用正态分布；②运用t-1时刻的后验信息，得到t时刻的先验分布；③运用t时刻的先验分布信息，得到t时刻的后验分布；④通过t时刻的后验分布信息和线性回归方法确定误差方差，进一步修正t-1时刻的后验信息分布；⑤运用得到的新的t-1时刻的后验信息分布，通过步骤②至步骤③得到t时刻的预测值。

笔者将其绘制成图，如图1所示。

图1 贝叶斯常均值改进模型计算步骤

3 河南省供电可靠性预测算实例分析

分别利用贝叶斯常均值模型和改进贝叶斯模型对河南省供电可靠性指标预测，采用m0=99.545，C0=1，V=0.000 01，W1=0.25为初始信息，另正态以2006-2016年间河南省供电可靠率相关统计数据为样本数据，利用C++对其进行仿真计算，分别得到了2006-2016年河南省供电可靠率预测以及误差结果，如表1和表2所示。

表1 改进贝叶斯常均值模型预测结果

表2 贝叶斯常均值模型预测结果

为了更加准确清晰地将改进贝叶斯常均值模型和贝叶斯常均值模型预测结果进行对比，绘制成图，如图2所示。

从图2可以看出，改进贝叶斯常模型的预测结果较贝叶斯常均值模型更加合理、准确，且其稳定性更好。由此可得，改进贝叶斯常均值模型的预测结果可以有效地对供电系统运行管理、指导，并为电力运行调度人员在安排运行方式方面提供参考依据。

4 结语

本文在研究贝叶斯常均值模型预测的基础上，提出了改进贝叶斯模型优化算法。建立实际的供电可靠性预测算例，分别对利贝叶斯常均值模型和改进贝叶斯模型进行预测，结果表明改进贝叶斯模型更加合理、准确，而且稳定性更好。由此可得，改进贝叶斯常均值模型的预测结果可以有效地对供电系统运行进行指导，并为电力运行调度人员在安排运行方式方面提供参考依据。

图2 两种模型误差对比分析结果

［1］陈文高.配电系统可靠性实用基础［M］.北京：中国电力出版社，1998.

［2］宋云亭，吴俊玲，彭冬，等.基于BP神经网络的城网供电可靠性预测方法［J］.电网技术，2008（20）：56-59.

［3］茆诗松.贝叶斯统计［M］.北京：中国统计出版社，1999.

［4］张孝令，刘福升，张承进，等.贝叶斯动态模型及其预测［M］.济南：山东科学技术出版社，1992.

［5］李卫星，李志民，刘迎春.复杂辐射状配电系统的可靠性评估［J］.中国电机工程学报，2003（3）：69-73.

［6］魏冠军，党亚民，章传银.应用贝叶斯动态模型的地基沉降概率分析与预测［J］.测绘科学，2012（2）：52-53.

［7］王芬.贝叶斯动态模型在海洋水文时间序列预测中的应用研究［D］.上海：上海海洋大学，2004（1）：101-102.

［8］刘英利，朱庆杰，岳文珍，等.贝叶斯预测模型在矿物含量预测中的应用［J］.河北理工学院学报，2004（1）：116-119.

［9］樊红东，胡昌华，丁力.基于贝叶斯动态模型的某器件性能预测［J］.光电与控制，2006（1）：70，72.

Reliability Prediction of Power Network Based on Improved Bayesian Model

Han Fei1Li Daokuan2Feng Guang3
（1.HenanEnpaiHigh-TechGroupCo.,Ltd.，ZhengzhouHenan450045；2.ChinaElectronicsTechnologyInformationIndustryCo.,Ltd.，ZhengzhouHenan450047；3.StateGridHenanElectricPowerResearchInstitute，ZhengzhouHenan450000）

Reliability prediction of power Networkcan effecton the power system operation management more effectively.So reliability prediction of power Network is of great importance.Based on analyzing the features of constant average Bayesian Model,an optimization algorithm based on improved Bayesian Model is proposed.By using C++programming software,analyzed reliability prediction of Henan power network,and forecast reliability of Henan Power network from 2007 to 2016.The results of applying the proposed method show that the optimization algorithm is effective.

reliability predictionofpower network；improved Bayesian Model；optimization algorithm

TD771

A

1003-5168（2017）09-0048-03

2017-08-03

韩菲（1988-），女，硕士，工程师，研究方向：供电可靠性。