基于貝葉斯網(wǎng)絡(luò)的電力云系統(tǒng)過載預(yù)測方法

◇內(nèi)江市老科技工作者協(xié)會 龍香妤

城市占地面積的擴(kuò)張與工廠的擴(kuò)建和家用電器的增多，使得我國城市電力網(wǎng)絡(luò)供電出現(xiàn)峰谷現(xiàn)象。目前國內(nèi)外專家針對城市電力網(wǎng)絡(luò)系統(tǒng)采用分層遞階的控制手段來實現(xiàn)削峰用電方法。本文以居民小區(qū)（包含學(xué)校單位）、工廠片區(qū)以及商業(yè)區(qū)構(gòu)成的基層電力云控制系統(tǒng)為基礎(chǔ)，以變頻空調(diào)為功率控制對象，對基于貝葉斯網(wǎng)絡(luò)的控制器進(jìn)行設(shè)計與研究。經(jīng)仿真論證后，該設(shè)計可以使得整個片區(qū)的用電達(dá)到智能化限電調(diào)控、實現(xiàn)削峰用電的目的。

城市電網(wǎng)通過電力云系統(tǒng)進(jìn)行監(jiān)控與管理。在電力云系統(tǒng)中，各片區(qū)的用電數(shù)據(jù)是一種復(fù)雜的變量，變量之間存在互相影響與作用的因果關(guān)系。利用貝葉斯網(wǎng)絡(luò)（Bayesian network，BN）的結(jié)構(gòu)與特性處理復(fù)雜變量間的概率事件，具有良好的效果[1]。它已在風(fēng)險評估[2]、城市交通[3-4]、故障診斷[5]等多個領(lǐng)域中發(fā)揮了作用與功效。本文提出了一種基于貝葉斯網(wǎng)絡(luò)概率預(yù)測模型，并將該模型算法與小區(qū)電力云控制系統(tǒng)相結(jié)合，對小區(qū)的網(wǎng)絡(luò)變頻空調(diào)進(jìn)行用電功率的限制，實現(xiàn)用電高峰的削峰用電控制，保證電力系統(tǒng)能安全穩(wěn)定而又可靠地運行。

1 貝葉斯網(wǎng)絡(luò)的功率控制模型

貝葉斯網(wǎng)絡(luò)基本框架如下所示。

貝葉斯網(wǎng)絡(luò)是描述多元統(tǒng)計關(guān)系的模型，由圖論和概率論結(jié)合而成，通過有向無環(huán)圖（Directed Acyclic Graph，DAG）表征隨機變量間的聯(lián)合概率分布及其條件獨立性[6]。對于引起電網(wǎng)功率變化的變量H={H1,H2，H3,…,Hn}的貝葉斯網(wǎng)絡(luò)可以用B=（G,P）=（（V,E）,P）來描述。用電設(shè)備用電功率情況、片區(qū)用電情況以及城市電網(wǎng)運轉(zhuǎn)狀態(tài)之間的關(guān)系用表1表示。

表1 片區(qū)電力網(wǎng)功率變化分析表

P代表每一個節(jié)點的條件概率分布，表示節(jié)點之間因果聯(lián)系的強度。對于節(jié)點Xk，它們的父節(jié)點集合為P(Hj)，當(dāng)P(Hj)確定時，由條件概率公式可知，節(jié)點Xk的條件概率為P(Xk|P(Hj))。對于貝葉斯網(wǎng)絡(luò)中的每一個條件獨立的節(jié)點Xk(k=1,…,4)，它們的父節(jié)點 P(Hj) 都對應(yīng)一個條件概率分布表P(Xk| P(Hj) )。由聯(lián)合概率公式可得P(Hj,Xk,A)代表網(wǎng)絡(luò)中所有節(jié)點所代表的事件都發(fā)生的概率：

公式（1）中，i≠j且i，j∈(1,6)，i與j的取值遵循表1的網(wǎng)絡(luò)關(guān)系。同理，利用貝葉斯網(wǎng)絡(luò)進(jìn)行因果推理可得：

本節(jié)貝葉斯網(wǎng)絡(luò)基于電力云數(shù)據(jù)庫中以往的數(shù)據(jù)信息為訓(xùn)練集，對類先驗概率P(Hj)進(jìn)行預(yù)估，對條件概率P(Xk| Hj)、P(A|Xk) 進(jìn)行推理。在獲得了先驗概率與條件概率之后，利用貝葉斯網(wǎng)絡(luò)的特性，對片區(qū)、城市用電情況進(jìn)行預(yù)測分析。假設(shè)，y片區(qū)有x與x1用電設(shè)備，且有P(Hx=高)與P（Xy=高）發(fā)生的情況下，預(yù)測城區(qū)用電進(jìn)入警告狀態(tài)P(A=警|Xy=高，Hx=高)的概率。其概率由公式（3）表示：

根據(jù)公式（2）對P（A）與P（X）的定義，將公式（1）的概率由P表示，則分子與分母項可以細(xì)化成如下所示。

同理，貝葉斯網(wǎng)絡(luò)也能進(jìn)行診斷推理，即由底向上推理。在已知城市電網(wǎng)處于過載警告狀態(tài)時，根據(jù)貝葉斯網(wǎng)絡(luò)進(jìn)行分析，推斷引起警告狀態(tài)的高用電功率原因與該原因所在的高峰片區(qū)。因此，診斷推導(dǎo)P（Hx=高，Xx=高|A=警）如公式（5）、（6）所示：

2 實驗論證與分析

本文以某城市的電力網(wǎng)絡(luò)云數(shù)據(jù)庫作為歷史數(shù)據(jù)參考背景，以該城市各電力網(wǎng)絡(luò)片區(qū)電源總功率測量器采集的信號為實時證據(jù)，以網(wǎng)絡(luò)變頻空調(diào)為被控對象，構(gòu)建了基于貝葉斯網(wǎng)絡(luò)的功率波動控制器。為了簡化網(wǎng)絡(luò)模型，幾項監(jiān)測參數(shù)分別設(shè)為不可限制功率的設(shè)備與應(yīng)用在不同場所的網(wǎng)絡(luò)變頻空調(diào)。根據(jù)電力網(wǎng)絡(luò)的實際與歷史數(shù)據(jù)庫可得六個根節(jié)點在某一時間節(jié)點的歷史概率，信任度概率與似真度概率?，F(xiàn)讀取該城市某工作日下午一點四十五的電網(wǎng)信息，并整理得到各個功率波動原因的底事件概率如表2所示。

表2 根節(jié)點先驗概率

利用網(wǎng)絡(luò)爬蟲技術(shù)，在電力云網(wǎng)絡(luò)數(shù)據(jù)庫讀取該時段的一百組歷史數(shù)據(jù)，并利用公式（5）可以得到基于各個片區(qū)的功率升高概率如表3所示。以及城市在該時段功率過高發(fā)出警告的概率如表4所示。

表3 城區(qū)用電功率升高條件概率

表4 城市用電功率升高條件概率

將表3的信息整理后得到的貝葉斯網(wǎng)絡(luò)節(jié)點的條件概率，與根節(jié)點融合概率代入公式（2）可得各區(qū)域用電功率進(jìn)入高、低峰的概率。同理，將求得的個區(qū)域的功率變化概率與表4的信息相結(jié)合并即可得P（A=警）=0.5881。即在工作日下午一點四十五分，該城市可能出現(xiàn)由用電高峰引起的警告現(xiàn)象。為了保護(hù)城市電力傳輸網(wǎng)絡(luò)，需要對各片區(qū)功率可控的變頻空調(diào)進(jìn)行功率限制。由于已知城市可能出現(xiàn)高峰用電警告現(xiàn)象，利用貝葉斯網(wǎng)絡(luò)診斷推理公式（2）可得如下結(jié)果：

由公式（7）可得，當(dāng)城市出現(xiàn)用電警告現(xiàn)象時，X3城區(qū)的H2為最大概率誘因，其次X4城區(qū)的H5與 X1城 區(qū)的H2概率接近，X2城區(qū)的H5可能性最小。因此，當(dāng)城市電力網(wǎng)絡(luò)進(jìn)入高峰用電時期，優(yōu)先對居民區(qū)的家用變頻空調(diào)進(jìn)行75%最大用電功率限制。若居民區(qū)家用變頻空調(diào)的用電功率得到限制后，電網(wǎng)依然處于高峰用電狀態(tài)，則對商業(yè)區(qū)的變頻中央空調(diào)進(jìn)行功率調(diào)控。此時，系統(tǒng)已經(jīng)完成一次循環(huán)，若進(jìn)入第二次循環(huán)時發(fā)現(xiàn)城市電網(wǎng)依然處于高峰用電狀態(tài)，則需要按照順序分別對居民區(qū)，工業(yè)區(qū)與商業(yè)區(qū)的頻率可控空調(diào)進(jìn)行50%最大用電功率限制。若第三次循環(huán)電網(wǎng)依然沒能脫離高峰用電狀態(tài)，則要對醫(yī)院、學(xué)校等其他區(qū)域的變頻空調(diào)進(jìn)行75%最大用電功率限制。若依然無法解決城市用電狀態(tài)為警告的問題，則向上級電網(wǎng)發(fā)送求救信號，調(diào)用可調(diào)用的電力資源進(jìn)行支援。

3 結(jié)語

本文針對實際工程中的城市電網(wǎng)用電不確定性和歷史規(guī)律性問題，基于網(wǎng)絡(luò)爬蟲技術(shù)獲取歷史數(shù)據(jù)作為功率控制的參考量，并利用貝葉斯網(wǎng)絡(luò)對整個功率控制系統(tǒng)進(jìn)行分析與推理，確定電網(wǎng)狀態(tài)并做出決策。通過仿真實驗論證了功率控制系統(tǒng)的有效性與可持續(xù)發(fā)展性，對改變城市電力網(wǎng)絡(luò)的健康狀態(tài)以及提高電力系統(tǒng)可靠度起到良好的作用。