基于模糊推理的配電網供電能力評估系統設計

林巧紅

（國網浙江麗水市蓮都區供電有限公司，浙江麗水 323000）

模糊推理以模糊集合論作為數據信息的基礎描述工具，可在擴展描述工具數理邏輯內涵的同時，建立更加完整的數據推理流程，是一種相對不確定的推理應用技術，在人工智能等多個領域都具備極強的實際應用價值[1-2]。隨著數據信息傳輸量的增大，模糊推理能夠對非精確集合中的信息參量進行對應化提取，且能夠將所有數據指標全部排列在近似性節點周圍，因此，模糊推理也被稱為近似推理。在人的常規思維模式下，模糊推理的處理過程基本與人工智能技術的推演形式保持一致。

在配電網傳輸環境中，由于線損率、線路平均負載等差異化條件的存在，電壓與電流的實際傳輸環境很難長期保持穩定狀態。為解決該問題，邏輯歸納型配網評估系統在隸屬度曲線的支持下，確定個別應用主機處的電子傳輸量，再聯合既定的權重評估模型，實現對配電網系數值的精準計算。然而該系統在供電能力評估指標計算方面所享有的精確化等級過低，很難滿足構建穩定化電量傳輸環境的實際應用需求。為避免上述情況的發生，設計基于模糊推理的配電網供電能力評估系統，在電壓負載轉供模塊、電流公共數據信息表單等多個硬件執行結構的支持下。選擇必要性的評價因素，再聯合供電指標評估取值條件，確定最終的模糊隸屬度函數。

1 系統硬件設計

基于模糊推理的配電網供電能力評估系統硬件執行環境由主體評估框架、電壓負載轉供模塊、電流公共數據信息表單3 部分共同組成，具體搭建方法如下。

1.1 主體評估框架

配電網供電能力主體評估框架包含電壓運行量表達空間和電流運行量表達空間兩個基本組成結構。在配電網運行能力始終穩定的情況下，待傳輸的電子應用量等級越高，最終規劃所得的電壓與電流評價指標數據也就越多。出于實用性考慮，配電網供電能力評估系統的主體框架更適合應用于實際電量規劃工程，可在提供表層及深層電子量信息的同時，統計電壓負載信息的轉供與消耗需求，也能夠適當控制電流公共數據信息的轉存次數，從而使整個配電網環境可在短時間內趨于穩定[3-4]。從行為化角度來看，配電網供電能力評估框架具備較強的數據累計能力，可為相關硬件執行設備提供大量可應用的電壓與電流傳輸信息。圖1 為配電網供電能力評估框架圖。

圖1 配電網供電能力評估框架圖

1.2 電壓負載轉供模塊

電壓負載轉供模塊作為重要的系統硬件執行結構，同時具備電壓數據整合、電壓實值量確定、電壓傳輸系數確定的應用能力。一般情況下，待傳輸的配電網電壓數據總量越大，與該模塊匹配的負載轉供能力也就越強，且絕大多數電壓應用信號只能從上級硬件結構傳輸至下級硬件結構[5-6]。電壓實值量能夠存儲于負載轉供模塊中的數據庫單元中，能夠在已知配電網環境中，確定個別電壓系數的實際供電傳輸能力。電壓傳輸系數限定了電壓負載轉供模塊所具備的供電應用能力，在主體評估框架的作用下，該項物理指標的表現能力能夠直接影響配電網環境的協調與作業形式[7-8]。圖2 為電壓負載轉供模塊結構圖。

圖2 電壓負載轉供模塊結構圖

1.3 電流公共數據信息表單

電流公共數據信息表單定義了配電網供電能力評估指標的傳輸與應用能力，可在已知數據信息列名、數據類型、信息長度等定義條件的情況下，判定各類型配電網供電參量是否允許空值系數的存在，再以此為依據，實現對評估主鍵結構的設置。常見的電流公共數據信息列名包含id、flag、shj、pwd 等多種表現形式[9-10]。其中，id 列名對應integer 型配電網供電信息指標，其長度值始終保持為4 bit。若規定評估主鍵連接結果為“是”，則可認為該類型電流公共數據信息不允許空值單位的存在。具體表單連接需求如表1 所示。

表1 電流公共數據信息表單連接需求

2 系統軟件設計

在硬件執行環境的支持下，按照評價因素選擇、供電評估取值確定、模糊隸屬度函數計算的處理流程，實現系統軟件執行環境的搭建，兩相結合，完成基于模糊推理的配電網供電能力評估系統設計。

2.1 評估因素選擇

從配電網絡運行效率方面考慮，應選擇線損率作為主要評估指標。線損率是指傳輸電壓、傳輸電流在單位時間內的非必須消耗量，一般情況下，配電網環境中的線損率數值越大，供電公共數據信息對評估因素選擇結果的影響能力也就越強，反之則越弱[11-12]。在不考慮其他干擾條件的情況下，配電網供電能力評估因素的選擇結果只受到傳輸電壓差、傳輸電流差、配網電阻值3 項物理指標的直接影響。傳輸電壓差可表示為,在整個配電網供電環境中，該項物理量基本能夠與傳輸電流差數值保持相同的物理變化趨勢。配網電阻值可表示為R，與上述兩項物理指標不同，該項物理量的數量級水平越高，最終評估所得的線損率數值也就越小。聯立上述物理量，可將系統評估因素選擇結果表示為：

其中，e0代表最小的電網線損傳感系數，en代表最大的電網線損傳感系數，n代表線損率指標的實際傳感處理次數，umax代表最大的供電評估實值量。

2.2 供電評估取值確定

供電評估取值結果將直接影響基于模糊推理配電網供電能力評估系統的實際檢測能力，通常情況下，模糊推理算法的作用強度越大，電網傳輸電壓與電網傳輸電流的供電評估取值結果的覆蓋范圍也就越大[13-14]。在不考慮其他干擾條件的情況下，供電評估取值結果受到電壓范圍值、電流范圍值、配電網供電權衡系數3 項物理指標的影響。電壓范圍值可表示為,規定系統評估因素選擇結果始終保持為W，則該項物理指標越大，最終計算所得的供電評估取值結果也就越大。電流范圍值可表示為,通常情況下，該項物理指標始終與電壓范圍值的變化形式保持一致。配電網供電權衡系數可表示為β，由于模糊推理權限指標的存在，該項物理量的取值結果始終處于0 到1 之間。在上述物理量的支持下，聯立式（1），可將系統供電評估取值結果表示為：

2.3 模糊隸屬度函數

模糊隸屬度函數的建立是基于模糊推理配電網供電能力評估系統設計的末尾處理環節，可在已知評估因素選擇結果與供電評估取值結果的基礎上，確定模糊推理算法的實際作用強度，從而最大程度上限定應用電壓與應用電流的最遠傳輸距離。由于配電網供電處理所涉及的范圍相對較為廣泛，且在模糊推理算法的作用下，電子傳輸量不得在非消耗環境下進行持續傳輸，因此，模糊隸屬度函數條件能夠對電壓與電流的傳輸作用能力進行嚴格限制[15-16]。設t代表配電網供電電壓的單位傳輸時長，t′代表配電網供電電流的單位傳輸時長，聯立式（2），可將系統評估所需的模糊隸屬度函數定義為：

其中，代表單位時間內的電子量消耗均值，β代表既定的電子量消耗行為指標。至此，實現各項物理系數指標的計算與處理，在相關硬件設備結構的支持下，完成基于模糊推理的配電網供電能力評估系統設計。

3 系統實效性分析

為驗證基于模糊推理配電網供電能力評估系統的實際應用價值，設計如下對比實驗。搭建如圖3所示的配電網供電傳輸環境，利用低壓線路將發電廠輸出的應用電子全部轉接至電路負載元件中，再借助輸電、配電等多個網絡主機，實現對剩余線路電子量的整合與處理，直至用戶端收到完全穩定的低壓電子輸出量。在整個實驗過程中，實驗組控制主機搭載基于模糊推理配電網供電能力評估系統，對照組控制主機搭載邏輯歸納型配網評估系統。

圖3 配電網供電傳輸環境

線損率指標能夠反映配網電壓的實際傳輸能力，一般情況下，線損率數值越小，配網電壓的穩定傳輸能力也就越強，反之則越弱。表2 記錄了實驗組、對照組線損率數值的具體變化情況。

表2 線損率數值對比表

分析表2 可知，隨著實驗時間的延長，實驗組線損率指標出現先下降、再穩定的數值變化趨勢，整個實驗過程中的最大數值結果僅能達到35.4%。對照組線損率數值則始終保持上升與下降交替出現的變化趨勢，整個實驗過程中的最大數值結果達到了80.5%。綜上可知，隨著基于模糊推理配電網供電能力評估系統的應用，輸電線路的線損率指標得到了較好控制，能夠實現配網電壓的穩定化傳輸。

一般情況下，線路平均負載率數值越大，配網電流的穩定傳輸能力也就越強，反之則越弱。表3 記錄了實驗組、對照組線路平均負載率數值的具體變化情況。

分析表3 可知，隨著實驗時間的延長，實驗組線路平均負載率始終保持不斷上升的變化趨勢，但實驗后期的上升幅度明顯小于實驗前期，整個實驗過程中的最大數值結果達到了78.7%。對照組線路平均負載率則在一段時間的穩定狀態后，開始出現持續性下降的變化趨勢，整個實驗過程中的最大數值結果僅能達到53.6%。綜上可知，基于模糊推理配電網供電能力評估系統能夠較好地促進配網電流的穩定化傳輸。

表3 線路平均負載率數值對比表

4 結束語

與邏輯歸納型配電網評估系統相比，基于模糊推理的配電網供電能力評估系統的線損率數值更低，而線路平均負載率數值更高，能夠較好地維護配網電壓與電流的穩定化傳輸環境，具備較強的實際應用價值。在主體評估框架的作用下，電壓負載轉供模塊可聯合電流公共數據信息表單，從評估因素選擇角度確定供電評估的實際取值結果，從而實現對模糊隸屬度函數的定義。