电力系统可靠性原始参数的优化GM（1，1）预测

华南理工大学学报（自然科学版） ›› 2009, Vol. 37 ›› Issue (11): 50-55.

电力系统可靠性原始参数的优化GM（1，1）预测

张勇军^1,2 袁德富^1,2

1.华南理工大学电力学院, 广东广州 510640； 2.广东省绿色能源技术重点实验室, 广东广州 510640

收稿日期:2009-02-12 修回日期:2009-04-24 出版日期:2009-11-25 发布日期:2009-11-25
通信作者: 张勇军（1973-），男，博士，副教授，主要从事电力系统优化规划与控制、可靠性和HVDC等研究 E-mail:zhangjun@scut.edu.cn.
作者简介:张勇军（1973-），男，博士，副教授，主要从事电力系统优化规划与控制、可靠性和HVDC等研究．
基金资助:
国家自然科学基金重点资助项目（50337010）;广东省自然科学基金资助项目（06025630）

Prediction of Original Reliability Parameters of Power System Using Optimized GM（ 1,1 ） Model

Zhang Yong-jun ^1.2 Yuan De-fu ^1.2

1. School of Electric Power, South China University of Technology, Guangzhou 510640, Guangdong, China; 2. Guangdong Key Laboratory of Clean Energy Technology, Guangzhou 510640, Guangdong, China

Received:2009-02-12 Revised:2009-04-24 Online:2009-11-25 Published:2009-11-25
Contact: 张勇军（1973-），男，博士，副教授，主要从事电力系统优化规划与控制、可靠性和HVDC等研究 E-mail:zhangjun@scut.edu.cn.
About author:张勇军（1973-），男，博士，副教授，主要从事电力系统优化规划与控制、可靠性和HVDC等研究．
Supported by:
国家自然科学基金重点资助项目（50337010）;广东省自然科学基金资助项目（06025630）

摘要/Abstract

摘要： 考虑到可靠性原始参数的缺乏对电力系统可靠性评估结果的真实性和有效性影响很大，用优化的GM（1，1）模型预测可靠性原始参数，开发小样本系统．优化的GM（1，1）模型在以最小二乘法优化初值的基础上，分别求取不同时间段的原始参数序列的拟合数列，再以各拟合数列与原始数列之间的模糊贴近度为权重系数对预测值进行优化加权组合．此模型既能体现数据的最新变化态势，又能体现总体发展趋势，充分挖掘原始参数包含的信息量，克服传统GM（1，1）模型预测可靠性参数随预测点推移预测精度下降较快的缺点，尤其适用于新投入元件可靠性原始参数的多点预测．

关键词: 电力系统, 可靠性原始参数, 模糊贴近度, 优化GM（1, 1）预测

Abstract:

As insufficient original reliability parameters greatly reduce the authenticity and effectiveness of the reliability assessment results of power systems, an optimized GM （ 1,1 ） model is used to predict original reliability parameters for the purpose of exploiting some small sample systems. In the optimized GM （ 1,1 ） model, the fitting series of the original parameter series within different time is obtained based on the optimization of the initial value using the least square method, and the fuzzy nearnesses between the original series and the fitting series are used as weight coefficients to treat the prediction values with weighted optimization. This model reflects not only the latest changes but also the overall development trend of data. Therefore, it fully exploits the information contained in original parameters and solves the problem existing the conventional GM （ 1,1 ） model, namely the rapid decline of prediction precision with the prediction point. The proposed model is applicable to the multi-point prediction of original reliability parameters of new electricity components.

Key words: power system, original reliability parameter, fuzzy nearness, optimized GM （ 1,1 ） prediction

张勇军袁德富. 电力系统可靠性原始参数的优化GM（1，1）预测[J]. 华南理工大学学报（自然科学版）, 2009, 37(11): 50-55.

Zhang Yong-jun Yuan De-fu. Prediction of Original Reliability Parameters of Power System Using Optimized GM（ 1,1 ） Model[J]. Journal of South China University of Technology (Natural Science Edition), 2009, 37(11): 50-55.

[1]	朱林李莎刘平武志刚. 改进的基于结构约束的发电机聚合参数解析方法[J]. 华南理工大学学报（自然科学版）, 2015, 43(8): 41-48.
[2]	欧阳森耿红杰陈欣晖. 逼近理想解法在台区无功补偿评估中的应用[J]. 华南理工大学学报（自然科学版）, 2015, 43(12): 33-40.
[3]	李峰张勇军张豪杨银国管霖许亮. 无功电压调控失配风险评估及其系统开发[J]. 华南理工大学学报（自然科学版）, 2013, 41(5): 99-104.
[4]	刘水平刘明波谢敏. 基于轨迹灵敏度的协同分布式模型预测电压控制[J]. 华南理工大学学报（自然科学版）, 2013, 41(4): 14-20.
[5]	蒋金良刘瀚林张勇军 . 地区主网节能潜力评估方法以及应用[J]. 华南理工大学学报(自然科学版), 2012, 40(2): 118-123.
[6]	文福拴张勇张岩陈亦平周华锋. 电力系统故障诊断与不可观测保护状态识别的解析模型[J]. 华南理工大学学报(自然科学版), 2012, 40(11): 19-28.
[7]	薛振宇房大中袁世强. 基于泛函灵敏度方法的PSS 参数优化设计[J]. 华南理工大学学报（自然科学版）, 2011, 39(8): 140-145.
[8]	刘明波黄义隆林舜江. 基于轨迹灵敏度技术的PSS和SVC协调优化设计[J]. 华南理工大学学报（自然科学版）, 2011, 39(3): 52-57,72.
[9]	管霖郑传材王律章小强王同文. 暂态稳定评估关键输入特征选择与评判规则[J]. 华南理工大学学报（自然科学版）, 2010, 38(3): 89-94，100.
[10]	余涛胡细兵刘靖. 基于多步回溯Q（λ）学习算法的多目标最优潮流计算[J]. 华南理工大学学报（自然科学版）, 2010, 38(10): 139-145.
[11]	黄平张尧于金杨. 基于CNBPSO算法的需求侧资源计划[J]. 华南理工大学学报（自然科学版）, 2010, 38(10): 130-133,152.
[12]	陈柔伊张尧钟庆蔡广林 . 分散H∞控制器在电力系统阻尼控制中的应用[J]. 华南理工大学学报（自然科学版）, 2009, 37(2): 118-126.
[13]	赵维兴刘明波陈灿旭. 大规模电力系统离散无功优化问题的解耦算法[J]. 华南理工大学学报（自然科学版）, 2009, 37(2): 127-133,157.
[14]	林舜江刘明波. 暂态电压失稳模式的主导不稳定平衡点计算[J]. 华南理工大学学报（自然科学版）, 2009, 37(11): 88-94.
[15]	刘磊杜兆斌管晓宏张尧倪以信石立宝 . 互联系统结构保留的频率慢动态仿真分析[J]. 华南理工大学学报（自然科学版）, 2008, 36(2): 139-146.