韓 菲 李道寬 馮 光

基于貝葉斯改進(jìn)模型在供電可靠性預(yù)測中的應(yīng)用

韓 菲1李道寬2馮 光3

（1.河南恩湃高科集團(tuán)有限公司，河南 鄭州 450045；2.中電科信息產(chǎn)業(yè)有限公司，河南 鄭州 450047；3.國網(wǎng)河南省電力公司電力科學(xué)研究院，河南 鄭州 450000）

供電可靠性預(yù)測評估可以更有效地起到對供電系統(tǒng)運(yùn)行管理的指導(dǎo)作用。所以，供電可靠性的研究預(yù)測具有較大的意義。在研究貝葉斯常均值模型預(yù)測的基礎(chǔ)上，提出改進(jìn)的貝葉斯模型優(yōu)化算法。利用C++編程軟件對河南省供電可靠性預(yù)測進(jìn)行分析，預(yù)測評估出2007-2016年河南省供電可靠率，驗證貝葉斯改進(jìn)模型的有效性。

供電可靠性；預(yù)測；貝葉斯；優(yōu)化算法

長期以來，我國的電力工作者在供電系統(tǒng)設(shè)計規(guī)劃方案、供電系統(tǒng)建設(shè)與改造、供電系統(tǒng)運(yùn)行及運(yùn)行管理時，多數(shù)會憑借經(jīng)驗考慮供電可靠性，主要以定性預(yù)測評估將來的可靠性指標(biāo)，很難從根本上改善供電系統(tǒng)可靠性。隨著供電可靠性分析、統(tǒng)計和評價的深化發(fā)展，預(yù)測評估供電可靠性相關(guān)指標(biāo)，可以從根本上改善系統(tǒng)的供電可靠性，對供電系統(tǒng)進(jìn)行規(guī)劃、建設(shè)和改造起到指導(dǎo)作用［1］。所以，可靠性指標(biāo)預(yù)測和分析是密切相關(guān)、相輔相成，是供電系統(tǒng)可靠性不可或缺的兩個重要方面。目前，隨著人工神經(jīng)網(wǎng)絡(luò)法、時間序列法、回歸預(yù)測法等現(xiàn)代算法不斷發(fā)展，應(yīng)用于供電可靠性指標(biāo)的分析和預(yù)測領(lǐng)域中取得了良好的效果。但是，分析對比現(xiàn)有的供電可靠性預(yù)測方法和理論，發(fā)現(xiàn)這些方法仍然存在一些不足。例如，神經(jīng)網(wǎng)絡(luò)法需要大量的可靠性相關(guān)樣本，計算工作量較大，時間序列法適合預(yù)測具有強(qiáng)隨機(jī)性的平穩(wěn)數(shù)據(jù)，因此研究更加科學(xué)準(zhǔn)確預(yù)測方法意義重大［2］。

貝葉斯預(yù)測是一種以貝葉斯定理和貝葉斯統(tǒng)計方法為基礎(chǔ)和理論依據(jù)。貝葉斯預(yù)測方法在統(tǒng)計推斷中不僅僅使用了先驗概率分布信息，還使用了先驗概率分布信息，這也是不同于經(jīng)典的統(tǒng)計預(yù)測方法。相對于英美等國，國內(nèi)對貝葉斯理論的研究起步較晚，貝葉斯的預(yù)測理論和動態(tài)模型的研究大體經(jīng)歷了以下幾個階段：①貝葉斯單變量動態(tài)模型和預(yù)測；②貝葉斯非線性模型及其預(yù)測；③將人工智能思想和貝葉斯動態(tài)模型結(jié)合在一起，對貝葉斯非線性動態(tài)模型進(jìn)行了人工智能化網(wǎng)絡(luò)處理，進(jìn)而為貝葉斯動態(tài)模型的發(fā)展提供了一條可行的途徑［3］。

1 供電可靠性預(yù)測

供電可靠性預(yù)測評估，為供電系統(tǒng)的規(guī)劃、建設(shè)、設(shè)計和改造起到了指導(dǎo)作用。例如，通過可靠性指標(biāo)預(yù)測評估，制訂有效的分解方案，將預(yù)計達(dá)到的可靠性指標(biāo)分解到各個部門的工程中，年終時達(dá)到既定的可靠性指標(biāo)目標(biāo)值，可以更好地實現(xiàn)可靠性目標(biāo)管理。此外，在安排供電設(shè)備設(shè)施計劃檢修時，通過協(xié)調(diào)和控制可靠性指標(biāo)，可以合理制訂停電計劃，提高計劃檢修階段在整個系統(tǒng)的供電可靠性。預(yù)測指標(biāo)需要利用一些統(tǒng)計數(shù)據(jù)，在對設(shè)備和系統(tǒng)狀態(tài)及故障后果進(jìn)行分析的基礎(chǔ)上，應(yīng)用評估方法得到相關(guān)數(shù)據(jù)。用戶供電可靠性預(yù)測評估指標(biāo)體系由4大類組成，分別為供電連續(xù)性指標(biāo)、設(shè)施停電指標(biāo)、預(yù)安排停電指標(biāo)以及外部影響停電指標(biāo)［4］。

在實際工程應(yīng)用中，對于不同的供電系統(tǒng)結(jié)構(gòu)與規(guī)模以及要求和考慮的因素不同，具體應(yīng)用的方法也可能不同，由于供電系統(tǒng)結(jié)構(gòu)復(fù)雜、設(shè)備數(shù)目多、各設(shè)備功能之間存在一定作用關(guān)系，涉及的數(shù)據(jù)信息量大，僅采用手工計算也是不現(xiàn)實的。因此，需要采用計算機(jī)算法來對供電可靠性指標(biāo)進(jìn)行預(yù)測［5］。分析對比現(xiàn)有的供電可靠性預(yù)測方法和理論，發(fā)現(xiàn)這些方法仍然存在一些不足。如神經(jīng)網(wǎng)絡(luò)法需要大量的可靠性相關(guān)樣本，計算工作量較大，時間序列法適合預(yù)測具有強(qiáng)隨機(jī)性的平穩(wěn)數(shù)據(jù)。因此，研究更加科學(xué)準(zhǔn)確預(yù)測方法具有重要的作用。貝葉斯預(yù)測是一種以貝葉斯定理和貝葉斯統(tǒng)計方法為基礎(chǔ)和理論依據(jù)。貝葉斯預(yù)測方法在統(tǒng)計推斷中不僅使用了先驗概率分布信息，還使用了先驗概率分布信息，這也是不同于經(jīng)典統(tǒng)計預(yù)測方法的地方［6］。

2 改進(jìn)貝葉斯計算模型

2.1 貝葉斯常均值模型

貝葉斯預(yù)測與傳統(tǒng)的預(yù)測一樣需要建模，但貝葉斯預(yù)測所建的模型是動態(tài)模型，利用觀測方程和狀態(tài)方程來描述研究對象的過程。狀態(tài)方程體現(xiàn)了所選的狀態(tài)變量的隨機(jī)擾動和動態(tài)變化情況，觀測方程體現(xiàn)了觀測值如何依賴于狀態(tài)變量的情況。貝葉斯動態(tài)線性模型具體表示如下［7］：

觀測方程：yt=ut+vt,vt～N[0 ,vt]

狀態(tài)方程：ut=ut-1+ωt,ωt～N[0 ,wt]

初始方程：u0|D0～N[m0,C0]

其中，yt為觀測向量；ut為狀態(tài)向量，vt、ωt分別為觀測誤差項和狀態(tài)誤差項，二者均為正態(tài)分布，在先驗信息D0情況下，u0的分布為期望（均值）為m0、方差為C0的正態(tài)分布，m0、C0為已知［8］，我們可以得出常均值模型的計算步驟如下：

在貝葉斯預(yù)測中，經(jīng)常采用的即貝葉斯常均值折扣模型，但是，對于誤差方差wt不好確定，因此導(dǎo)致貝葉斯常態(tài)均值折扣模型預(yù)測結(jié)果精度不是很高，并且模型穩(wěn)定性不好［9］。

2.2 貝葉斯改進(jìn)模型

對于貝葉斯常均值中的誤差方差的確定是重中之重，其值的確定決定著整個模型的預(yù)測精度與穩(wěn)定性，貝葉斯常均值改進(jìn)模型就是運(yùn)用線性回歸方法來確定誤差方差。貝葉斯常均值改進(jìn)模型計算步驟如下：

①運(yùn)用先驗信息，得到t-1時刻的后驗分布，分布采用正態(tài)分布；②運(yùn)用t-1時刻的后驗信息，得到t時刻的先驗分布；③運(yùn)用t時刻的先驗分布信息，得到t時刻的后驗分布；④通過t時刻的后驗分布信息和線性回歸方法確定誤差方差，進(jìn)一步修正t-1時刻的后驗信息分布；⑤運(yùn)用得到的新的t-1時刻的后驗信息分布，通過步驟②至步驟③得到t時刻的預(yù)測值。

筆者將其繪制成圖，如圖1所示。

圖1 貝葉斯常均值改進(jìn)模型計算步驟

3 河南省供電可靠性預(yù)測算實例分析

分別利用貝葉斯常均值模型和改進(jìn)貝葉斯模型對河南省供電可靠性指標(biāo)預(yù)測，采用m0=99.545，C0=1，V=0.000 01，W1=0.25為初始信息，另正態(tài)以2006-2016年間河南省供電可靠率相關(guān)統(tǒng)計數(shù)據(jù)為樣本數(shù)據(jù)，利用C++對其進(jìn)行仿真計算，分別得到了2006-2016年河南省供電可靠率預(yù)測以及誤差結(jié)果，如表1和表2所示。

表1 改進(jìn)貝葉斯常均值模型預(yù)測結(jié)果

表2 貝葉斯常均值模型預(yù)測結(jié)果

為了更加準(zhǔn)確清晰地將改進(jìn)貝葉斯常均值模型和貝葉斯常均值模型預(yù)測結(jié)果進(jìn)行對比，繪制成圖，如圖2所示。

從圖2可以看出，改進(jìn)貝葉斯常模型的預(yù)測結(jié)果較貝葉斯常均值模型更加合理、準(zhǔn)確，且其穩(wěn)定性更好。由此可得，改進(jìn)貝葉斯常均值模型的預(yù)測結(jié)果可以有效地對供電系統(tǒng)運(yùn)行管理、指導(dǎo)，并為電力運(yùn)行調(diào)度人員在安排運(yùn)行方式方面提供參考依據(jù)。

4 結(jié)語

本文在研究貝葉斯常均值模型預(yù)測的基礎(chǔ)上，提出了改進(jìn)貝葉斯模型優(yōu)化算法。建立實際的供電可靠性預(yù)測算例，分別對利貝葉斯常均值模型和改進(jìn)貝葉斯模型進(jìn)行預(yù)測，結(jié)果表明改進(jìn)貝葉斯模型更加合理、準(zhǔn)確，而且穩(wěn)定性更好。由此可得，改進(jìn)貝葉斯常均值模型的預(yù)測結(jié)果可以有效地對供電系統(tǒng)運(yùn)行進(jìn)行指導(dǎo)，并為電力運(yùn)行調(diào)度人員在安排運(yùn)行方式方面提供參考依據(jù)。

圖2 兩種模型誤差對比分析結(jié)果

［1］陳文高.配電系統(tǒng)可靠性實用基礎(chǔ)［M］.北京：中國電力出版社，1998.

［2］宋云亭，吳俊玲，彭冬，等.基于BP神經(jīng)網(wǎng)絡(luò)的城網(wǎng)供電可靠性預(yù)測方法［J］.電網(wǎng)技術(shù)，2008（20）：56-59.

［3］茆詩松.貝葉斯統(tǒng)計［M］.北京：中國統(tǒng)計出版社，1999.

［4］張孝令，劉福升，張承進(jìn)，等.貝葉斯動態(tài)模型及其預(yù)測［M］.濟(jì)南：山東科學(xué)技術(shù)出版社，1992.

［5］李衛(wèi)星，李志民，劉迎春.復(fù)雜輻射狀配電系統(tǒng)的可靠性評估［J］.中國電機(jī)工程學(xué)報，2003（3）：69-73.

［6］魏冠軍，黨亞民，章傳銀.應(yīng)用貝葉斯動態(tài)模型的地基沉降概率分析與預(yù)測［J］.測繪科學(xué)，2012（2）：52-53.

［7］王芬.貝葉斯動態(tài)模型在海洋水文時間序列預(yù)測中的應(yīng)用研究［D］.上海：上海海洋大學(xué)，2004（1）：101-102.

［8］劉英利，朱慶杰，岳文珍，等.貝葉斯預(yù)測模型在礦物含量預(yù)測中的應(yīng)用［J］.河北理工學(xué)院學(xué)報，2004（1）：116-119.

［9］樊紅東，胡昌華，丁力.基于貝葉斯動態(tài)模型的某器件性能預(yù)測［J］.光電與控制，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

韓菲（1988-），女，碩士，工程師，研究方向：供電可靠性。