摘 要：由于傳統(tǒng)GO-FLOW法存在定常故障率和維修率的局限性，將一種新的可靠性評估算法—模糊GO-FLOW法引入并網(wǎng)型微電網(wǎng)可靠性評估中。首先，基于梯形模糊數(shù)，對GO-FLOW法進(jìn)行改進(jìn)；隨后，根據(jù)并網(wǎng)型微電網(wǎng)系統(tǒng)結(jié)構(gòu)，設(shè)計新型操作符并建立微電網(wǎng)系統(tǒng)的模糊GO-FLOW圖，同時對操作符的模糊成功概率進(jìn)行計算；最后，基于改進(jìn)的IEEE RBTS BUS6 F4饋線系統(tǒng)，對比分析模糊GO-FLOW法、模糊化前GO-FLOW法和序貫蒙特卡洛模擬法。結(jié)果表明，在并網(wǎng)型微電網(wǎng)可靠性評估中，模糊GO-FLOW法具有較高的運(yùn)算效率和計算精度。

關(guān)鍵詞：可靠性分析；微電網(wǎng)；光伏發(fā)電；GO-FLOW法；梯形模糊數(shù)

中圖分類號：TM732 """"""""""" """"""""文獻(xiàn)標(biāo)志碼：A

0 引 言

并網(wǎng)型微電網(wǎng)可靠性評估方法分為解析法和模擬法兩類。模擬法比較靈活，但實際應(yīng)用中存在計算耗時長的問題。解析法包含Markov狀態(tài)空間法［1］、故障樹法［2］、成功流（goal-oriented，GO）法等。對于復(fù)雜系統(tǒng)來說，解析法中的前兩種方法均存在維數(shù)災(zāi)難問題，可靠性分析難以得到精確結(jié)果［3］，而GO法對系統(tǒng)復(fù)雜程度不敏感，非常適合解決多態(tài)復(fù)雜系統(tǒng)可靠性建模分析問題［4］。文獻(xiàn)［5］將GO法引入復(fù)雜配電網(wǎng)，證明該方法適用于復(fù)雜配電網(wǎng)絡(luò)的可靠性評估；文獻(xiàn)［6］在饋線分區(qū)的基礎(chǔ)上，引入GO法對含分布式電源的配電系統(tǒng)可靠性進(jìn)行了評估。為了使GO法更適用于有序列任務(wù)和狀態(tài)多變的系統(tǒng)，日本學(xué)者將其發(fā)展為GO-FLOW法［7］。文獻(xiàn)［8］使用GO-FLOW理論對可修系統(tǒng)進(jìn)行了研究，明確了可修性對系統(tǒng)的影響；文獻(xiàn)［9］改進(jìn)了GO-FLOW方法，并對核電廠供電系統(tǒng)可靠性進(jìn)行了分析。但GO-FLOW法存在定常故障率以及修復(fù)率的不足，為了使理論與實際結(jié)合更加準(zhǔn)確，模糊GO-FLOW法應(yīng)運(yùn)而生。文獻(xiàn)［10］針對動車組車載系統(tǒng)使用模糊GO-FLOW法，算例結(jié)果表明該方法能夠更準(zhǔn)確的表達(dá)系統(tǒng)可靠性的不確定性。模糊GO-FLOW模型更具有邏輯性，能夠處理可靠性工程中不精確和不確定性問題，適用于具有隨機(jī)運(yùn)行狀態(tài)的并網(wǎng)型微電網(wǎng)可靠性評估。

本文在上述研究的基礎(chǔ)上，首先引入梯形模糊數(shù)，對GO-FLOW法進(jìn)行優(yōu)化；隨后基于傳統(tǒng)GO-FLOW操作符，設(shè)計新型操作符并得到操作符的模糊成功概率，建立并網(wǎng)型微電網(wǎng)系統(tǒng)的模糊GO-FLOW圖；最后將模糊GO-FLOW法與模糊化前GO-FLOW以及序貫蒙特卡洛模擬法進(jìn)行比較，驗證該方法用于并網(wǎng)型微電網(wǎng)可靠性評估的適用性和準(zhǔn)確性。

1 模糊GO-FLOW法概述

1.1 GO-FLOW法分析的特點(diǎn)

GO-FLOW法是在GO法的基礎(chǔ)上逐漸發(fā)展起來的，其基本思想是根據(jù)部件在系統(tǒng)中的功能，選擇相應(yīng)的GO-FLOW操作符，將系統(tǒng)圖轉(zhuǎn)化為GO-FLOW圖，采用圖形演繹的方式，以成功為導(dǎo)向，計算系統(tǒng)中各種狀態(tài)發(fā)生的概率。與傳統(tǒng)解析法相比，GO-FLOW法以系統(tǒng)結(jié)構(gòu)圖為出發(fā)點(diǎn)，能夠具體反映系統(tǒng)和部件之間的功能關(guān)系及邏輯關(guān)系，側(cè)重于系統(tǒng)的模擬和仿真。

1.2 梯形模糊數(shù)

為解決傳統(tǒng)GO-FLOW法只能處理定常故障率和定常修復(fù)率的不足，考慮系統(tǒng)所處環(huán)境的變化對元件故障率和修復(fù)率的影響，從而導(dǎo)致其不確定性，本文將兩者的不確定性考慮為模糊不確定性，采用梯形模糊數(shù)進(jìn)行描述和處理。隸屬度函數(shù)具體表達(dá)如式（1）所示。模糊數(shù)的運(yùn)算法則見文獻(xiàn)［11］。

本文考慮元件故障率隨時間變化曲線（浴盆曲線）［12］來確定[a2、a3]，前者為故障率可能值的最小值，后者為可能值的最大值，設(shè)置允許誤差為±0.005。設(shè)置元件模糊修復(fù)時間為[0.95， 0.98， 1.02， 1.05TTTR]［13］。根據(jù)式（2）得到元件的模糊修復(fù)率。

[μ（x）=0， """"""""""""""xlt;a1或x≥a4x-a1a2-a1，""" "a1≤xlt;a21，""""""""""""" "a2≤xlt;a3a4-xa4-a3，""" "a3≤xlt;a4] （1）

[μ=1TTTR] （2）

式中：[μ（x）]——隸屬函數(shù)；[a1]和[a4]——梯形模糊數(shù)的下限和上限；[a2≤x≤a3]——模糊數(shù)的相對最可能值區(qū)間；[μ]——元件的模糊修復(fù)率，次/a；[TTTR]——元件平均故障修復(fù)時間，h/a。

2 并網(wǎng)型微電網(wǎng)的模糊GO-FLOW分析

2.1 并網(wǎng)型微電網(wǎng)系統(tǒng)結(jié)構(gòu)

并網(wǎng)型微電網(wǎng)主要由光伏（photovoltaic，PV）、儲能蓄電池（energy storage battery，ESB）、負(fù)荷及主網(wǎng)等組成，其結(jié)構(gòu)示意如圖1所示。

2.2 并網(wǎng)型微電網(wǎng)系統(tǒng)模糊GO-FLOW圖的建立

2.1.1 信號流定義

并網(wǎng)型微電網(wǎng)在運(yùn)行過程中，各元件可能會發(fā)生故障，并且儲能系統(tǒng)會有充、放電兩種運(yùn)行模式，當(dāng)儲能放電時，能量從主網(wǎng)、光伏或者儲能出發(fā)，途徑變流器、變壓器、線路等元件，最后到達(dá)系統(tǒng)的輸出點(diǎn)-負(fù)荷；當(dāng)儲能充電時，能量從主網(wǎng)和光伏出發(fā)，最終流向儲能系統(tǒng)和負(fù)荷。為了保障并網(wǎng)型微電網(wǎng)的穩(wěn)定運(yùn)行，該系統(tǒng)的供電可靠度用信號流強(qiáng)度來表示。信號流強(qiáng)度越高，表明系統(tǒng)供電的可靠性越好，反之亦然。

2.1.2 操作符定義

操作符直接表示系統(tǒng)中元件的功能，和元件是一一對應(yīng)的，可以根據(jù)系統(tǒng)元件的功能與工作方式來確定其對應(yīng)的操作符。在并網(wǎng)型微電網(wǎng)系統(tǒng)中，光伏將電能輸送給用戶，采用操作符25（信號發(fā)生器）來代替；儲能蓄電池和光伏系統(tǒng)類似，但由于其屬于備用電源，在光伏出力不足等條件下才進(jìn)行放電，故采用操作符25改進(jìn)得到的44來代替；采用21-35、21-37組合操作符［8］來表示隨時間失效的可修復(fù)元件。此外，為了描述有先提條件的場景（如微電網(wǎng)處于孤島狀態(tài)下等）以及比較不同條件下輸出和輸入信號的關(guān)系，本文分別設(shè)計邏輯操作符45（動作操作符）和46（比較操作符）。操作符44、45和46如圖2所示。

2.1.3 運(yùn)算規(guī)則

將GO-FLOW法引入并網(wǎng)型微電網(wǎng)時需將數(shù)據(jù)進(jìn)行預(yù)處理，使所有數(shù)據(jù)都以概率的形式出現(xiàn)。為此可得到元件的成功運(yùn)行頻率概率[Pot]以及成功運(yùn)行時間概率[Put]為：

[Pot=1-λN] （3）

[Put=1-λrN=1-UN] （4）

式中：[λ]——元件故障率，次/a；[N]—— 一段時間，本文取8760 h；[r]——設(shè)備平均停運(yùn)時間，h；[U]——平均停電時間，h。

聯(lián)立式（3）、式（4）可得到：

[Put=1-1-Potμ] （5）

用[R（t）]和[S（t）]分別表示操作符輸出和輸入信號強(qiáng)度；[So（t）]和[Ro（t）]分別為組合操作符輸入和輸出的成功運(yùn)行頻率概率；[Su（t）]和[Ru（t）]分別為組合操作符輸入和輸出的成功運(yùn)行時間頻率概率；[Pg]為元件自身的成功運(yùn)行頻率概率；[P（t）]為操作符輸入條件概率；[t]為時間點(diǎn)。由于25、44操作符表示系統(tǒng)電源出力，故只需計算其成功運(yùn)行頻率概率來描述模糊GO-FLOW圖起點(diǎn)成功概率即可，無需計算成功運(yùn)行時間頻率概率。

1）兩狀態(tài)操作符21。用來描述元件的正常和故障兩種狀態(tài)，其輸出信號強(qiáng)度表示為：

[R（t）=S（t）?Pg] （6）

假設(shè)兩狀態(tài)元件在初始時刻的成功運(yùn)行頻率概率為"應(yīng)用馬爾科夫狀態(tài)轉(zhuǎn)移理論可得到[t]時刻兩狀態(tài)元件的成功運(yùn)行頻率概率：

[Po（t）=μλ+μ+λλ+μexp-（λ+μ）t] （7）

2）操作符25（信號發(fā)生器）

該操作符用于產(chǎn)生一個及以上時間點(diǎn)的信號，來表示光伏發(fā)電系統(tǒng)不同時刻的運(yùn)行狀態(tài)。

為了簡便運(yùn)算，假設(shè)光伏發(fā)電系統(tǒng)的狀態(tài)有滿額發(fā)電、降額發(fā)電和故障不發(fā)電3種情況，其中降額發(fā)電分為3種，輸出狀態(tài)系數(shù)（output status coefficient， OSC）分別為0.75、0.5和0.25。使用馬爾科夫鏈模擬系統(tǒng)狀態(tài)轉(zhuǎn)移并利用蒙特卡洛模擬法得到光伏發(fā)電系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣A，設(shè)置初始狀態(tài)矩陣為［"0，0，0，0］，由式（8）可得到不同時刻光伏發(fā)電系統(tǒng)不同狀態(tài)的成功運(yùn)行頻率概率。

[Po，i（t+Δt）=q0iΔtP0（t）+q1iΔtP1（t）+q2iΔtP2（t）+""""""""""""""""""" """""""""""""""""""""q3iΔtP3（t）+q4iΔtP4（t）i=04Pi（t）=1] （8）

式中：[Po，i（t）]——光伏發(fā)電系統(tǒng)5個狀態(tài)的成功運(yùn)行頻率概率；[q0i]、[q1i]、[q2i]、[q3i]、[q4i]——狀態(tài)0、1、2、3、4到狀態(tài)i的轉(zhuǎn)移概率，[i∈]［0，""3，4］。

3）操作符44。該操作符的輸出類似于操作符25，可得到蓄電池不同時刻的運(yùn)行狀態(tài)，不同的是增加了條件概率。操作符的條件概率和輸出成功概率見式（9）和式（10）。

[Pt=0EESBt=EESBt-1+PPV-PL"""， PPV≥PLPt=1EESBt=EESBt-1+PPV-PL"""， PPVlt;PJPPV+PESB≥PLPt=0EESBt=EESBt-1""""""""""""""""""""， PPV+PESBlt;PL] （9）

[R（t）=P（t）?Pg] （10）

式中：[EESBt]和[EESBt-1]——[t]時刻和[t-1]時刻的蓄電池容量，MWh；[PPV]——光伏輸出功率，MW；[PL]——負(fù)荷需求功率，MW；[PESB]——儲能蓄電池輸出功率，MW。

4）操作符45（動作操作符）。其輸出信號強(qiáng)度為：

[R（t）=S（t）?P（t）?Pg] （11）

5）操作符46（比較操作符）。用來計算不同條件下的輸出信號，比如操作符44中的條件概率。其輸出信號強(qiáng)度為：

[R（t）= "0 "， ""Ssub1≥Ssub3或Ssub1+Ssub2lt;Ssub3S（t）， ""Ssub1lt;Ssub3或Ssub1+Ssub2≥Ssub3] （12）

式中：[Ssubj]——操作符的輸入條件， [j=1， 2， 3]。

6）操作符21-35。用來描述隨時間失效的可維修工作元件，其輸出成功運(yùn)行頻率概率為：

[Ro（t）=So（t）μλ+μ-μ-（λ+μ）Po（t）λ+μ?"""""""""""" """""""""""exp-（λ+μ）tk≤tP（tk）·min1，So（tk）So（t）""""""""" """"""=So（t）?Po] （13）

式中：[P（tk）]——時間間隔的次輸入信號；[Po]——組合操作符自身的成功運(yùn)行頻率概率，[Po（t）]由式（7）得到。

聯(lián)立式（5）、式（13）得到操作符21-35的成功運(yùn)行時間頻率概率為：

[Ru（t）"=Su（t）?Pu "nbsp;"""""=Su（t）1-1λ+μ+μ-λ+μPo（t）μλ+μ?""exp-（λ+μ）tk≤tP（tk）·min1，Su（tk）Su（t）] （14）

式中：[Pu]——組合操作符自身的成功運(yùn)行時間概率。

7）操作符21-37。將操作符21-35中的操作符35換成操作符37就得到了操作符21-37，用來描述隨時間失效的可維修關(guān)斷元件，其成功運(yùn)行概率以及成功運(yùn)行時間頻率見式（15）和式（16）。

[Ro（t）=So（t）μλ+μ-μ-（λ+μ）Po（t）λ+μ?"""""""""""""""""""""exp-（λ+μ）tk≤tP（tk）] （15）

[Ru（t）=Su（t）?"""""""""""" """"""""""""1-1λ+μ+μ-λ+μPo（t）μλ+μ?""""""""""""exp-（λ+μ）tk≤tP（tk）] （16）

將1.2節(jié)得到的模糊故障率和模糊修復(fù)率代入上述操作符的成功概率公式，得到模糊化后的GO-FLOW操作符。

3 基于模糊GO-FLOW的并網(wǎng)型微電網(wǎng)可靠性評估

3.1 系統(tǒng)可靠性模型及指標(biāo)

光伏及儲能蓄電池的出力模型見文獻(xiàn)［14-15］，時序負(fù)荷模型見文獻(xiàn)［16］，可靠性評估指標(biāo)包括系統(tǒng)平均停電頻率指數(shù)（system average interruption frequency index，SAIFI）、系統(tǒng)平均停電持續(xù)時間指數(shù)（system average interruption duration index，CAIDI）、平均供電可用率指數(shù)（average service availability index，ASAI）和系統(tǒng)電力不足期望值（expected energy not supplied，EENS）以及負(fù)荷點(diǎn)的年故障率和年平均停電時間［17］。

3.2 可靠性評估流程

并網(wǎng)型微電網(wǎng)系統(tǒng)具備結(jié)構(gòu)清晰、元部件關(guān)系明確的特點(diǎn)，故使用模糊GO-FLOW法對并網(wǎng)型微電網(wǎng)進(jìn)行可靠性評估。本文計及光伏發(fā)電系統(tǒng)、變壓器、儲能系統(tǒng)和線路等元件的成功依存關(guān)系，基于模糊GO-FLOW法提出并網(wǎng)型微電網(wǎng)可靠性評估方法，流程如圖3所示。其具體的評估流程如下：

1）構(gòu)建系統(tǒng)模型并輸入系統(tǒng)各元件的參數(shù)；根據(jù)工況設(shè)定系統(tǒng)總模擬時長[N]，并進(jìn)行數(shù)據(jù)初始化將系統(tǒng)累計模擬時長置零，[t=1]。

2）確定系統(tǒng)所包含的單元以及單元組成系統(tǒng)的結(jié)構(gòu)，分析其功能，確定元件的成功準(zhǔn)則并將其模糊化，定義系統(tǒng)的若干時間點(diǎn)。假設(shè)時間間隔為1 h。

3）建立微電網(wǎng)并網(wǎng)狀態(tài)下系統(tǒng)GO-FLOW圖，從輸入操作符的輸出信號開始，按操作符的運(yùn)算規(guī)則，逐步運(yùn)算至公共連接點(diǎn)（point of common coupling，PCC）的輸出信號，得到該點(diǎn)的成功運(yùn)行頻率概率[PPPC]。

4）采用rand函數(shù)生成［0，1］區(qū)間的隨機(jī)數(shù)與[PPPC]比較，來判斷微電網(wǎng)是繼續(xù)處于并網(wǎng)狀態(tài)還是轉(zhuǎn)為孤島狀態(tài)。如果隨機(jī)數(shù)大于[PPPC]，則微電網(wǎng)處于孤島狀態(tài)，否則為并網(wǎng)狀態(tài)。

5）若為并網(wǎng)狀態(tài)，由并網(wǎng)微電網(wǎng)GO-FLOW圖求取該時間點(diǎn)系統(tǒng)負(fù)荷點(diǎn)的成功運(yùn)行頻率概率以及成功運(yùn)行時間頻率概率，[t=t+1]，轉(zhuǎn)到步驟7）；否則進(jìn)行下一步。

6）若為孤島狀態(tài)，則需對此時的系統(tǒng)狀態(tài)進(jìn)行分析，根據(jù)電源出力情況和負(fù)荷重要程度判斷是否需要進(jìn)行負(fù)荷削減，隨后基于深度優(yōu)先搜索法進(jìn)行孤島劃分［18］，分別建立以不同電源為出發(fā)點(diǎn)的GO-FLOW圖，計算每個GO-FLOW圖中各負(fù)荷點(diǎn)的成功運(yùn)行頻率概率以及成功運(yùn)行時間頻率概率，最后依據(jù)式（17）得到各負(fù)荷點(diǎn)最終的成功概率，[t=t+1]。

[PL，ot=i=1NsPL，o，itPL，ut=i=1NsPL，u，it] （17）

式中：[PL，ot]和[PL，ut]——[t]時刻負(fù)荷點(diǎn)的成功運(yùn)行頻率概率和成功運(yùn)行時間概率；[Ns]——出力電源的數(shù)量，個；[PL，o，it]和[PL，u，it]——[t]時刻以出力電源[i]為出發(fā)點(diǎn)的GO-FLOW圖計算得到的負(fù)荷點(diǎn)成功運(yùn)行頻率概率和成功運(yùn)行時間概率。

7）若[tlt;8760×N]，則返回步驟4），否則進(jìn)行下一步。

8）根據(jù)計算得到的每個負(fù)荷點(diǎn)的成功概率以及成功運(yùn)行時間頻率概率，按照式（3）、式（4）計算負(fù)荷點(diǎn)的年故障率和年平均停電時間，進(jìn)而計算系統(tǒng)級可靠性指標(biāo)。

4 算例分析

本文采用改進(jìn)的IEEE RBTS BUS6 F4饋線系統(tǒng)作為含分布式光伏的并網(wǎng)型微電網(wǎng)測試系統(tǒng)，如圖4所示。建立孤島和并網(wǎng)狀態(tài)下微電網(wǎng)GO-FLOW圖，如圖5所示。其中，圖5a是將PV1視作供電電源，ESB1處于放電狀態(tài)建立的GO-FLOW圖。

算例系統(tǒng)包含30個線路、23個負(fù)荷點(diǎn)、23個變壓器、4個斷路器以及8個隔離開關(guān)，另外在饋線18和30處接入了PV和ESB，其中PV的額定功率為10 MW，ESB容量為1 MWh，最大充放電功率為0.35 MW。圖4中，虛線部分為微電網(wǎng)，通過PCC接入配電網(wǎng)。元件的不確定性參數(shù)以及負(fù)荷參數(shù)見文獻(xiàn)［19］。

為了驗證將模糊GO-FLOW法用于并網(wǎng)型微電網(wǎng)可靠性分析的可行性，本文將模糊GO-FLOW方法與模糊化前的GO-FLOW法、序貫蒙特卡洛模擬法進(jìn)行比較，表1和表2分別為3種方法下部分負(fù)荷點(diǎn)的年故障率和年平均故障時間，表3為系統(tǒng)的可靠性指標(biāo)，表4為3種方法的運(yùn)行時間。硬件環(huán)境為AMD Ryzen 7 6 800H with Radeon Graphics+16 GB內(nèi)存+512 GB固態(tài)硬盤。

通過比較表1～表4可發(fā)現(xiàn)，模糊化前的GO-FLOW法和序貫蒙特卡洛模擬法的計算結(jié)果基本一致，負(fù)荷的年故障率和年平均停電時間最大誤差分別為0.277%和0.119%，系統(tǒng)可靠性指標(biāo)最大誤差為0.084%，但運(yùn)行時間較序貫蒙特卡洛模擬法縮短74.7689%，較大地提高了運(yùn)算效率，表明模糊化前的GO-FLOW法在并網(wǎng)型微電網(wǎng)可靠性評估中有較好的適用性。

由于增加了模糊計算環(huán)節(jié)，模糊GO-FLOW法較模糊化前GO-FLOW法的運(yùn)算時間增加6.332%，但仍比序貫蒙特卡洛法縮短73.129%，表明模糊GO-FLOW法有較高的運(yùn)算效率。

根據(jù)截集定理在模糊集合中的理論［20］，設(shè)[P]為論域上[V]的模糊集，對于任意[γ∈[0，1]]，則：

[Pγ=x|x∈V， "μax≥γ] （18）

式中：[Pγ]——[P]的[γ]截集，[Pγ][=a1+γa2-a1，a4-γa4-a3]，其中[γ]為置信水平或閾值。容易得到，[γ]越小，置信區(qū)間的范圍越大，數(shù)據(jù)越模糊；相反，[γ]越大，數(shù)據(jù)可信度水平越高，數(shù)據(jù)出現(xiàn)的頻率越大。本文選擇[γ=0.9]。

可靠性指標(biāo)梯形模糊數(shù)的90%置信區(qū)間如表5、表6所示，取區(qū)間中位數(shù)與序貫蒙特卡洛模擬法比較可知，負(fù)荷點(diǎn)的年故障率和年平均停電時間最大誤差分別為0.463%和0.130%，系統(tǒng)可靠性指標(biāo)的最大誤差為0.091%。以負(fù)荷17、22的年故障率和年平均停電時間以及系統(tǒng)可靠性指標(biāo)SAIFI為例，將90%置信區(qū)間與前兩種方法的可靠性指標(biāo)進(jìn)行對比，如圖6所示?？梢园l(fā)現(xiàn)，序貫蒙特卡洛模擬法和模糊化前的GO-FLOW法計算得到的負(fù)荷點(diǎn)指標(biāo)和系統(tǒng)可靠性指標(biāo)SAIFI均在該置信區(qū)間內(nèi)，因此本文提出的模糊GO-FLOW法能正確分析并網(wǎng)型微電網(wǎng)的可靠性。

5 結(jié) 論

本文根據(jù)并網(wǎng)型微電網(wǎng)的結(jié)構(gòu)特點(diǎn)，結(jié)合模糊GO-FLOW法，建立并網(wǎng)型微電網(wǎng)的GO-FLOW圖，對系統(tǒng)可靠性進(jìn)行評估。通過仿真計算以及結(jié)果分析，得出以下結(jié)論：

1）將模糊GO-FLOW法引入并網(wǎng)型微電網(wǎng)可靠性評估中，利用系統(tǒng)元件的成功依存關(guān)系建立模型，較序貫蒙特卡洛模擬法運(yùn)算時間縮短73.129%，較好地解決模擬法計算耗時長的不足。

2）將元件故障率和修復(fù)率模糊化能更好地描述元件的不確定性以及計及多重模糊不確定因素帶來的影響，使得可靠性分析結(jié)果具有說服力且與實際情況更加吻合，可靠性指標(biāo)較序貫蒙特卡洛模擬法最大誤差僅為0.463%，具有較高的計算精度。

參考文獻(xiàn)

［1］ 陳永進(jìn)， 任震. 模型組合及其在直流輸電系統(tǒng)可靠性評估中的應(yīng)用［J］. 電網(wǎng)技術(shù)， 2004， 28（13）： 18-22.

CHEN Y J， REN Z. Models combination and its application in reliability evaluation for HVDC systems［J］. Power system technology， 2004， 28（13）： 18-22.

［2］ 鄭傳材， 管霖. 云廣特高壓直流故障特性及其強(qiáng)迫停運(yùn)對受端系統(tǒng)影響評估［J］. 電網(wǎng)技術(shù)， 201""36（1）： 32-38.

ZHENG C C， GUAN L. Assessment on fault characteristics of Yunnan to Guangdong UHVDC transmission and the influence of forced outage on power system at receiving end［J］. Power system technology， 201""36（1）： 32-38.

［3］ 田錄林， 劉沛盛. 改進(jìn)貝葉斯網(wǎng)絡(luò)GO法在高壓直流輸電系統(tǒng)的可靠性分析［J］. 高壓電器， 2017， 53（7）： 53-59， 66.

TIAN L L， LIU P S. Reliability analysis on HVDC transmission system based on improved Bayesian networks GO methodology［J］. High voltage apparatus， 2017， 53（7）： 53-59， 66.

［4］ 江秀紅， 段富海， 胡愛玲. 一種新型GO法操作符及其在多態(tài)系統(tǒng)中的應(yīng)用［J］. 兵工學(xué)報， 2019， 40（4）： 857-864.

JIANG X H， DUAN F H， HU A L. A new GO operator and its """"application """"in """"multi-state """system［J］. """Acta armamentarii， 2019， 40（4）： 857-864.

［5］ 徐荊州， 李揚(yáng). 基于GO法的復(fù)雜配電系統(tǒng)可靠性評估［J］. 電工技術(shù)學(xué)報， 2007， 22（1）： 149-153.

XU J Z， LI Y. Reliability assessment of complex distribution system using GO method［J］. Transactions of China Electrotechnical Society， 2007， 22（1）： 149-153.

［6］ 龔劍波， 黃民翔， 孫飛飛. 基于GO法的含分布式電源的配電系統(tǒng)可靠性評估［J］. 電力系統(tǒng)保護(hù)與控制， 201""40（16）： 90-94， 100.

GONG J B， HUANG M X， SUN F F. Reliability assessment based on GO methodology for the distribution system including distributed generation［J］. Power system protection and control， 201""40（16）： 90-94， 100.

［7］ 沈祖培， 黃祥瑞. GO法原理及應(yīng)用： 一種系統(tǒng)可靠性分析方法［M］. 北京： 清華大學(xué)出版社， 2004： 156-168.

SHEN Z P， HUANG X R. Principle application of GO methodology［M］. "Beijing： ""Tsinghua ""University ""Press， 2004： 156-168.

［8］ 武光江， 王勇， 尚彥龍， 等. 基于GO-FLOW方法的可維修系統(tǒng)可靠性分析［J］. 核動力工程， 201""33（2）： 25-29.

WU G J， WANG Y， SHANG Y L， et al. Reliability analysis of repairable system based on GO-FLOW methodology［J］. Nuclear power engineering， 201""33（2）： 25-29.

［9］ ZHANG Y X， YANG M， DAI X Y， et al. A GO-FLOW model updating method adapting to the scenario change in nuclear """"power """"plants［C］//2022 """"4th """"International Conference on System Reliability and Safety Engineering （SRSE）. Guangzhou， China， 2022： 191-198.

［10］ 李少雄， 齊金平， 周亞輝， 等. 基于模糊GO-FLOW法的動車組車載系統(tǒng)可靠性分析［J］. 模糊系統(tǒng)與數(shù)學(xué)， 202""36（4）： 151-160.

LI S X， QI J P， ZHOU Y H， et al. Reliability analysis of EMU on board system based on fuzzy GO-FLOW method［J］. Fuzzy systems and mathematics， 202""36（4）： 151-160.

［11］ KAUFMANN A， GUPTA M M. Fuzzy mathematical models ""in ""engineering ""and ""management "science［M］. Amsterdam： North-Holland， 1988： 32-40.

［12］ 趙洪山， 趙航宇. 考慮元件故障率變化的配電網(wǎng)可靠性評估［J］. 電力系統(tǒng)保護(hù)與控制， 2015， 43（11）： 56-62.

ZHAO H S， ZHAO H Y. Distribution system reliability analysis considering the elements failure rate changes［J］. Power system protection and control， 2015， 43（11）： 56-62.

［13］ 張焰. 電網(wǎng)規(guī)劃中的模糊可靠性評估方法［J］. 中國電機(jī)工程學(xué)報， 2000， 20（11）： 78-81.

ZHANG Y. The evaluation method of fuzzy reliability in electric power network planning［J］. Proceedings of the CSEE， 2000， 20（11）： 78-81.

［14］ 盧志剛， 王文濤， 張丹， 等. 基于配電網(wǎng)可靠性的分布式電源與充換電站協(xié)同規(guī)劃［J］. 太陽能學(xué)報， 2020， 41（4）： 348-356.

LU Z G， WANG W T， ZHANG D， et al. DG and EVCS collaborative planning based on distribution network reliability［J］. Acta energiae solaris sinica， 2020， 41（4）： 348-356.

［15］ 馬速良， 武亦文， 李建林， 等. 提升電網(wǎng)可靠性的儲能系統(tǒng)最優(yōu)經(jīng)濟(jì)性規(guī)劃方法［J］. 太陽能學(xué)報， 2024， 45（2）： 251-262.

MA S L， WU Y W， LI J L， et al. Optimal economic planning method of energy storage system to improve grid reliability［J］. Acta energiae solaris sinica， 2024， 45（2）： 251-262.

［16］ WU J Z， ZHENG J Y， MEI F， et al. Reliability evaluation method of distribution network considering the integration impact of distributed integrated energy system［J］. Energy reports， 202""8（S13）： 422-432.

［17］ SIREGAR Y， PANE Z， KURNIAWAN R. Analysis reliability of distribution network interconnected with distributed """"generation［C］//2021 """"4th """"International Conference of Computer and Informatics Engineering （IC2IE）. Depok， Indonesia， 2021： 467-472.

［18］ 田晶京， 李安樂， 高鋒陽， 等. 含光伏發(fā)電和時變負(fù)荷的主動配電網(wǎng)孤島劃分［J］. 太陽能學(xué)報， 202""42（9）： 125-131.

TIAN J J， LI A L， GAO F Y， et al. Islanding division of active distribution network with photovoltaic generation and time-varying load［J］. Acta energiae solaris sinica， 202""42（9）： 125-131.

［19］ 郭宇剛. 計及源-荷不確定性直流配用電系統(tǒng)可靠性評估［D］. 太原： 太原理工大學(xué)， 2020.

GUO Y G. Reliability evaluation of DC distribution network ""considering ""uncertainty ""of ""source-load［D］. Taiyuan： Taiyuan University of Technology， 2020.

［20］ 張麗娜， 李艷軍， 張建. 基于模糊GO法的飛機(jī)備件支援系統(tǒng)可靠性分析［J］. 科學(xué)技術(shù)與工程， 2017， 17（4）： 105-109， 116.

ZHANG L N， LI Y J， ZHANG J. Research on reliability of aircraft spare parts support system based on fuzzy GO method［J］. Science technology and engineering， 2017， 17（4）： 105-109， 116.

RELIABILITY ASSESSMENT OF GRID-CONNECTED

MICROGRIDS BASED ON FUZZY GO-FLOW METHODOLOGY

Yue Dawei""Jiang Yi3，Yang Mingzhe""Li Lianbing""Shang Yueyang""Zhang Shuailong3

（1. Hebei Key Laboratory of Electromagnetic Field and Electrical Reliability （Hebei University of Technology）， Tianjin 300130， China；

2. State Key Laboratory of Reliability and Intelligence of Electrical Equipment（Hebei University of Technology）， Tianjin 300130， China；

3. School of Artificial Intelligence， Hebei University of Technology， Tianjin 300130， China）

Abstract：A new reliability assessment algorithm， the fuzzy GO-FLOW methodology， is introduced into the reliability assessment of grid-connected microgrids due to the limitations of the conventional GO-FLOW methodology in terms of constant failure rate and maintenance rate. Firstly， based on the trapezoidal fuzzy number， the GO-FLOW methodology is improved. Subsequently， according to the structure of the grid-connected microgrid system， the novel operator is designed and the fuzzy GO-FLOW diagram of the system is established， and the fuzzy success probability of the operator is also calculated. Finally， the fuzzy GO-FLOW method， the pre-fuzzification GO-FLOW method and the sequential Monte Carlo simulation method are compared and analyzed based on the improved IEEE RBTS BUS6 F4 feeder system. The results show that the fuzzy GO-FLOW methodology has high operational efficiency and computational accuracy in the reliability assessment of grid-connected microgrids.

Keywords：reliability analysis； microgrids； photovoltaic power； GO-FLOW methodology； trapezoidal fuzzy number