配电网网格可靠性目标制定方法研究

刘金生，张磊，赵振杰

（中国能源建设集团广东省电力设计研究院有限公司，广东广州 510663）

0 引言

行业标准《配电网规划设计技术导则》（DL/T 5729—2016）［1］根据区域负荷密度强度，参考经济发展水平、可靠性需求，将电网供电区域划分为A+、A、B、C、D、E 六类，并根据分类差异化地制定了建设标准。

然而，供电分区以行政级别或未来负荷密度作为划分依据，在实际操作过程中，大部分供电分区划分是依靠专家或领导经验定性分类，很难判断划分的合理性。《配电网规划设计技术导则》规定供电区域面积划分不宜小于5 km2，内涵是舍弃了面积相对较小但对可靠性需求较高的地块的需求［2-4］。

为了进一步精益化管理配电网，文献［5-6］提出网格化供电方式，将配电网划分成许多相对独立、供电范围不交叉的区域（供电网格），各供电网格内实现典型接线。目前，文献主要聚焦配电网网格的规划方法，缺乏对网格的可靠性目标制定的研究。文献［7］提出“自然地理要素、社会经济要素和电网要素”三要素的网格划分方法；文献［8-10］提出了网格负荷预测、目标网架构建、过渡网架规划方法和规划流程；文献［11］提出了一种基于改进蚁群算法的智能配电网网格化规划方法，文献［12］针对原始网格数据信息量相对不足时，提出了电网整体可靠性预测的方法。

根据上述方法，电网企业目前只能制定总体可靠性目标，不能制定相应的网格可靠性目标。网格供电可靠性目标、建设标准等仍然采用供电分区标准，部分供电可靠性需求较高的网格需要采用较低的可靠性目标、建设标准，不能较好地匹配配电网的社会效益和经济效益。

本文以配电网网格化规划为基础，找出不同类网格对可靠性的潜在需求，利用聚类分析将网格分类，然后再利用层次分析法找出总体可靠性目标与各类网格可靠性目标之间的关系，确定不同类网格的可靠性目标，方便以网格为单元差异化规划，避免了传统同一供电分区内网格建设标准一致没有考虑特殊网格供电需求的情况。

1 模糊聚类分析原理

模糊C 均值法（Fuzzy C-means，FCM）是一种基于给定分类数的聚类算法，其核心思想是使划分到同一簇的样本之间的相似度最大，而划分到不同簇的样本之间的相似度最小。

FCM 把n个向量xi(i=1，2，…，n)划分为给定的c个模糊组，并计算每组的聚类中心Ci，使目标函数达到最小。目标函数公式如下：

式中：

uij——隶属度，取值为［0，1］；

m——加权值；

c——分类数给定值；

2 层次分析原理

层次分析法是一种定性与定量相结合、层次化分析的方法。层次分析法主要的目的是求解最底层对最高层的相对权重。

2.1 成对比较矩阵构造

对某一层而言，在比较第i个元素与第j个元素相对于上一层某个元素的重要性时，使用数量化的相对重要度aij来表示，假设共有n个样本参与比较，则成对比较矩阵为：

式中：

aij通常取值为1～9 及其倒数，比如aij=1 表示i与j的重要程度相等；aij=3表示i的重要程度稍强于j；aij=5表示i的重要程度强于j；aij=7表示i的重要程度很强于j；aij=9表示i的重要程度绝对强于j。

2.2 成对比较矩阵的层次单排序与一致性检验

层次单排序步骤如下：

1）A中每行元素连乘，并开n次方，得到初始权重矩阵：

式中：

——初始权重矩阵；

aij——成对比较矩阵A的元素。

2）对进行归一化处理，得到权重向量w=，其中wi为：

一致性检验是指成对比较矩阵允许的不一致的范围，判断的原理为：n阶正互反矩阵A为一致性矩阵的充要条件是A的最大特征值λmax=n。

2.3 各元素对目标层的合成权重

从上而下逐层计算各层元素对合成目标的权重。计算公式如下：

式中：

k——层数；

w(k)——k层对总目标的合成权重值；

u(k)——k层成对比较矩阵的特征向量；

w(k-1)——k-1层对总目标的合成权重值［15］。

3 聚类分析在网格划分中的应用

供电网格的可靠性目标受到多种因数的影响，本文主要考虑政治、经济、负荷等因数。本文基于网格划分已经做好的基础上展开，首先对每个网格进行政治评估，按照网格内存有国家机关的重要程度由低到高在0～1 之间赋值。其次对每个网格进行经济评估，按照网格国内生产总值、社会发展水平、商业定位由低到高在0～1 之间赋值。然后统计每个网格的负荷，对网格进行负荷预测，得到目标年预测负荷和预测负荷密度，对预测负荷密度数据值进行归一化。对政治、经济、负荷评估数据进行加权相加，得到网格评估数据，网格评估数据即为聚类分析的样本。

分类数的确定是聚类分析的关键，它需要由规划区实际情况确定。一个区域网格少则几个多则几十个，对于规划区域发展极度不平衡、网格数量较多的区域初始分类不应过多，一般不超过五类，否则失去了实际指导规划人员工作的价值。将样本和初始分类数带入FCM 进行迭代计算，得到FCM 的分类。样本均值越大说明这一类网格对于供电可靠性的需求越大，相应的建设标准需求也越大；相反样本均值越小说明这一类网格对于供电可靠性需求越小，建设标准应降低满足经济性。

4 层次分析在分类网格可靠性目标制定中的应用

网格分好类之后，利用层次分析计算每一类供电网格的目标平均停电时间权重。

4.1 平均停电时间分类

总平均停电时间按照停电类型分为故障停电时间和预安排停电时间，故障停电时间又分为外力破坏、自然灾害、公用设备故障、用户原因、其他等。预安排停电时间主要依靠管理来减少，受规划项目影响小；故障停电时间可以依靠装备水平的提升、网架结构地优化等减少，受规划项目的影响大。

4.2 平均停电时间权重计算

1）总目标平均停电时间权重计算

收集各类网格平均停电时间的平均值，计算第i类网格与第j类网格的平均停电时间的比值，比值即为aij，初步构建成对比较矩阵A；根据网格重要用户数量、可靠性目标需求，征询专家意见，调整aij值，aij值不应大于9，最终形成修正后的成对比较矩阵A；根据层次单排序计算步骤，计算权重向量w；最后，计算成对比较矩阵A的最大特征值λmax，校验一致性。若一致性校验通过，权重向量wi即为第i类网格的目标平均停电时间权重。

2）分类目标平均停电时间权重计算

参考总平均停电时间权重计算步骤，计算权重向量w，wi即为外力破坏、自然灾害、公用设备故障、用户原因等分类的目标平均停电时间的权重。

5 算例分析

以某市12 个网格为例，网格包括了市中心区、市区、工业园区、郊区镇，网格采用存量负荷自然增长加点负荷报装的方法进行网格预测，结果如表1所示。

表1 供电网格基础资料Tab.1 Basic data of gridding

将表格中的加权值作为样本，初始分类值取为4，计算样本聚类中心，分别为0.78、0.62、0.35、0.24；计算样本与聚类中心的距离，使FCM 目标函数值最小，得到分类结果，第一类即网格1 类：网格1、网格2、网格3、网格10；第二类即网格2类：网格7、网格8、网格9；第三类即网格3 类：网格4、网格5、网格6；第四类即网格4 类：网格11、网格12。

按照原有供电区域划分，市中心区划分为A+类区，网格10 划分为B 类区。本方案中，网格10的加权值是0.72，与第一类聚类中心0.78 距离最近，因此，将网格10 与市中心区网格划分为一类，供电可靠性目标和建设标准与市中心区保持一致，这样能更好的匹配经济效益和社会效益。

首先拟定规划区域的平均停电时间目标为3.21 h，然后统计计算四类供电网格的平均停电时间，第一类平均停电时间为0.04 h；第二类平均停电时间为0.20 h；第三类平均停电时间为0.35 h；第四类平均停电时间为0.14 h。计算四类类网格平均停电时间的比值，考虑可靠性需求，形成成对比较矩阵A，如表2所示。

表2 各类网格成对比较矩阵ATab.2 Matrix A of gridding

利用层次分析法计算出4 类网格与目标停电时间的关系，权重向量w结果如表3所示。

表3 各类网格权重向量Tab.3 The eigenvectors of gridding

按照上述关系，通过计算，网格1 类的平均停电时间目标为0.25 h，网格2类的平均停电时间目标为0.89 h；网格3 类的平均停电时间目标为1.70 h；网格4类的平均停电时间目标为0.37 h。

按外力破坏、自然灾害、公用设备故障、用户原因及其他、预安排停电统计四类平均停电时间，具体如表4所示。

表4 按停电原因分类的平均停电时间Tab.4 The average outage time is classified according to the reason of blackout h

计算四类的成对比较矩阵，并按照层次分析法，计算出四类网格外力破坏、自然灾害、公用设备故障、用户原因及其他、预安排停电和各类网格预安排停电之间的占比关系如表5所示。

表5 各类停电原因占比Tab.5 The proportion of all kinds of blackouts %

6 结论

网格化规划目前国内研究的重点是网格内的规划建设方法，对网格的建设目标、建设标准研究较少。本文聚焦配电网网格可靠性目标不易制定的难题，创新提出聚类分析和层次分析相结合的方法解决此问题：聚类分析将网格按照多维指标进行分类，层次分析将可靠性目标分解到各类网格，进而可为各类网格选择合适的规划建设标准，避免了高可靠性需求网格沿用低标准建设。

本文提出的网格可靠性目标制定方法简单实用，避免了大量复杂的迭代计算，网格目标按照类别进行差异化的设置，避免了网格全部差异化配置，导致的网格目标制定困难，难以指导项目建设的情况。通过算例证明，本方法提出的网格分解目标合理适用，能够很好的实现网格规划建设目标的差异化和定制化。