基于ARMA-GABP组合模型的电网大停电事故风险评估

摘要

随着社会水平的发展和电网技术的提高，我国的电网已经进入了远距离、特高压的新阶段。但与此同时，电网的大规模互联使电力系统一旦发生连锁故障就有可能会引起大规模的停电事故，使社会秩序和电网安全受到严重的影响。因此，研究电力系统的大停电事故风险对保障我国电网的安全稳定运行具有非常重要的理论和现实意义。本文的主要工作如下：　　首先，通过统计我国停电事故数据，发现损失负荷序列存在整体呈现线性趋势且局部呈现非线性的历史发展规律，根据此数据特点推导出ARMA-GABP组合预测模型。用相对值法对损失负荷数据进行处理，消除电网规模的变化对停电事故规律产生的影响，并利用ARMA-GABP组合模型分别对我国每年最大的停电事故损失负荷和区域电网的大停电事故损失负荷进行预测，通过将预测结果和实际值以及其他模型的预测结果相对比，验证了所提模型的可行性。　　然后，由于中国电网的停电事故损失负荷序列具有强的长程相关性，电网当前状态的风险评估与停电事故的历史数据和预测数据都有着密切的联系，根据历史数据和预测数据的不同特点选取不同的新鲜度函数，将数据赋予时间权重，以便体现数据在不同时期的重要性。在此基础上，本文综合事故损失负荷以及对应的时间权重提出了大停电风险指标。　　最后，针对我国六大区域电网不同引发原因导致的大停电事故次数及损失负荷大小进行分类统计，并利用k-means聚类算法对区域电网的综合风险值进行风险等级的划分，同时计算出每个引发原因对每个区域电网总风险水平的贡献值，从而为调度部门在电网事故防控方面提供一定的参考依据。

目录

声明

变量注释表

1 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 电网安全风险评估预警现状

1.2.2 ARMA模型和GABP模型的研究现状

1.3 研究内容和方法

2 组合预测模型的构建

2.1 时间序列理论

2.2.1 常用的时序模型

2.2.2 时间序列模型的建立

2.3.1 人工神经网络

2.3.2 BP神经网络结构

2.3.3 BP神经网络算法原理

2.3.4 遗传算法

2.3.5 遗传算法优化BP神经网络

2.4 组合预测模型的构建

2.5 本章小结

3 基于ARMA-GABP组合模型的电网大停电事故预测

3.1.1 停电事故数据来源

3.1.2 两种数据类型的风险分级方法

3.2 两种停电事故数据分析方法的比较

3.2.1 电网事故数据统计与分析

3.2.2 基于绝对值法的ARMA模型预测分析

3.2.3 基于相对值法的ARMA模型预测分析

3.2.4 基于绝对值法和相对值法的ARMA模型预测结果分析

3.3 基于组合模型的电网每年停电损失负荷最大值预测

3.4 基于组合模型的区域电网大停电损失负荷预测

3.5 本章小结

4 基于事故数据的电网大停电风险评估

4.1 电力系统风险评估概述

4.2 大停电事故风险评估模型

4.3 区域电网大停电风险评估

4.4 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

附录

作者简历

致谢

学位论文数据集