2.内蒙古鄂尔多斯电业局,鄂尔多斯017000)
摘 要:在城市配电网评估中，目前还没有一种综合的评判指标或评价模型能够反映整个网络的供电能力。为了解决这一问题，运用一种基于模糊逻辑的近似推理和决策方法，建立了详细的城市中压配电网供电能力优劣性评估模型。该模型能够充分体现专家的推理和决策过程，为运行人员充分了解城市配电网络状况提供了一种系统的理论和方法。
关键词:模糊逻辑;近似推理;供电能力评估;优劣性
evaluationofPowerSupplyCapabilityinMVDistributionNetworksbasedonFuzzyReasoning
2.ErdosElectricalPowerIndustryBureau,InnerMongolia,Erdos017000,China)Abstract:Presentlytherearenocomprehensiveevaluationcriteriaormodelingmethodsthatcanrepresentthepowersupplycapabilityofrealurbandistributionnetworks.Anovelapproachtotackletheissueisproposedinthispaper.ThisapproachprovidesadetaiLEDsuperiorityinferioritymodelformediumvoltageurbandistributionnetworksbyutilizingapproximatereasoninganddecisionmakingmethodologiesofFuzzyLogic.Withfullincorporationofexperts''reasoninganddecisionmakingprocess,theproposedmethodcansignificantlyaiddistributionnetworkoperatorsinsystematicunderstandingoftheplanning,operationandcontrolofurbandistributionnetworks.
Keywords:fuzzylogic;approximatereasoning;evaluationofpowersupplycapability;superiorityinferiority
1前言
随着国民经济的发展，电力负荷的增长明显加快，对原有的城市电网的供电能力、电能质量、供电可靠性都有了更高的要求。为了适应城市的发展，电网的改造和扩建已在全国全面展开。城市电网供电能力的评估工作也在全国许多城市展开。这项工作对正确评价现状电网，优化网络的结构，提高城网供电的安全性和可靠性，提高企业的经济效益和社会效益具有巨大的现实意义。
目前在城市配电网供电能力评估方面的深入研究还较少，通常的做法是计算一些单独的技术指标，如线损率、电压合格率、线路平均负载率等来评价网络性能［1］。但每一个指标仅仅能反映配电网某一方面的性能，目前还缺乏一种全面反映配电网供电能力的综合指标。本文把一种基于模糊逻辑的近似推理和决策方法用于城市中压配电网供电能力评估中，建立了详细的城市中压配电网供电能力优劣性评估模型。该模型可以快速、方便地对城市中压配电网现状进行分析和评估，可使人们对中压配电网的整体状况有更为清晰的认识。2基于模糊逻辑的近似推理和决策方法
2.1近似推理算法
模糊逻辑决策的过程由模糊化、模糊推理、清晰化三部分组成。
模糊化是通过隶属度函数来完成的。模糊推理是模糊隐含关系的一种，是基于模糊逻辑建立一种输入输出关系的映射过程。通常有两种模糊推理方法，Mamdani方法和TakagiSugeno方法。Mamdani推理方法以模糊语言变量为其规则结论，而TakagiSugeno推理方法则以规则前提输入的线性函数为其规则结论。
本文采用Mamdani推理方法，对于命题“X是A”(其隶属度用A(x)表示)，可以赋一个权重ω(其相应的隶属度用Aω(x)表示)，其含义可理解为该命题为真的程度或重要性程度。Yager在文献［2］中指出：
=A(x)ω都是蕴涵的形式。文献［3］采用了前一种蕴涵形式进行命题的赋权，但该方法在很大程度上掩盖了隶属度的作用，不能满足对推理前提加权的需要。本文采用后一种蕴涵形式进行命题赋权，即对合取(逻辑交)命题有Aω(x)=A(x)ω，而对析取(逻辑并)命题有这里ω≥0，等式左边ω表示权重，等式右边ω表示乘方。显然，当Aω(x)，ω∈｛0，1｝时，它们都退化为二元命题。
当采用合取命题表示时，一个考虑前提赋权的多输入-单输出(MISO)系统可以表示为［4］：
条件
其中：Ai1是论域U1中的模糊用语；依此类推，Ain是论域Un中的模糊用语；Bi是论域V中的模糊用语
对于MISO系统中的第i条推理规则，可用模糊关系表示为
同理，每一条推理规则，都可得到相应的模糊关系R1，R2，…，Rm，则系统总的模糊规则所对应的R，其模糊关系可表示为
最终的推理结果表示为
从以上的m个条件命题中可以看出，如果每个论域Uj(j=1,2,…,n)基本元素数目为g，并且论域V的基本元素数目为h，则模糊关系U×V将有gnh个组合基数。因此，需要建立的模糊规则数目将是巨大的，会出现“维数灾”的现象。然而，通过适当选择U1，U2，…，Un的基本元素可大大减少推理过程的计算量［5］。
当第k个命题是用析取命题表示的，则MISO系统可以表示为
利用以上的模糊推理框架可以完成具有不精确的语言描述的系统的推理。
2.2清晰化决策方法
基于以上的对前提加权的模糊推理得出的结果是一个模糊量，因而不能直接用于决策，还要采取合理的方法将模糊量转换成精确量。文献［6］提出了一种清晰化决策函数。文献［7］采用了基于区域中心(centerofarea，COA)的清晰化方法。采用如上两种清晰化决策方法，将使决策结果趋于均化或者偏小。为了避免这种情况的出现，根据文献［8］，隶属函数的平方可以看成新的权值，本文采取了一种决策函数
[1][2][3]下一页
