基于模糊推理的配电网供电能力评估系统设计

林巧红

（国网浙江丽水市莲都区供电有限公司，浙江丽水 323000）

模糊推理以模糊集合论作为数据信息的基础描述工具，可在扩展描述工具数理逻辑内涵的同时，建立更加完整的数据推理流程，是一种相对不确定的推理应用技术，在人工智能等多个领域都具备极强的实际应用价值[1-2]。随着数据信息传输量的增大，模糊推理能够对非精确集合中的信息参量进行对应化提取，且能够将所有数据指标全部排列在近似性节点周围，因此，模糊推理也被称为近似推理。在人的常规思维模式下，模糊推理的处理过程基本与人工智能技术的推演形式保持一致。

在配电网传输环境中，由于线损率、线路平均负载等差异化条件的存在，电压与电流的实际传输环境很难长期保持稳定状态。为解决该问题，逻辑归纳型配网评估系统在隶属度曲线的支持下，确定个别应用主机处的电子传输量，再联合既定的权重评估模型，实现对配电网系数值的精准计算。然而该系统在供电能力评估指标计算方面所享有的精确化等级过低，很难满足构建稳定化电量传输环境的实际应用需求。为避免上述情况的发生，设计基于模糊推理的配电网供电能力评估系统，在电压负载转供模块、电流公共数据信息表单等多个硬件执行结构的支持下。选择必要性的评价因素，再联合供电指标评估取值条件，确定最终的模糊隶属度函数。

1 系统硬件设计

基于模糊推理的配电网供电能力评估系统硬件执行环境由主体评估框架、电压负载转供模块、电流公共数据信息表单3 部分共同组成，具体搭建方法如下。

1.1 主体评估框架

配电网供电能力主体评估框架包含电压运行量表达空间和电流运行量表达空间两个基本组成结构。在配电网运行能力始终稳定的情况下，待传输的电子应用量等级越高，最终规划所得的电压与电流评价指标数据也就越多。出于实用性考虑，配电网供电能力评估系统的主体框架更适合应用于实际电量规划工程，可在提供表层及深层电子量信息的同时，统计电压负载信息的转供与消耗需求，也能够适当控制电流公共数据信息的转存次数，从而使整个配电网环境可在短时间内趋于稳定[3-4]。从行为化角度来看，配电网供电能力评估框架具备较强的数据累计能力，可为相关硬件执行设备提供大量可应用的电压与电流传输信息。图1 为配电网供电能力评估框架图。

图1 配电网供电能力评估框架图

1.2 电压负载转供模块

电压负载转供模块作为重要的系统硬件执行结构，同时具备电压数据整合、电压实值量确定、电压传输系数确定的应用能力。一般情况下，待传输的配电网电压数据总量越大，与该模块匹配的负载转供能力也就越强，且绝大多数电压应用信号只能从上级硬件结构传输至下级硬件结构[5-6]。电压实值量能够存储于负载转供模块中的数据库单元中，能够在已知配电网环境中，确定个别电压系数的实际供电传输能力。电压传输系数限定了电压负载转供模块所具备的供电应用能力，在主体评估框架的作用下，该项物理指标的表现能力能够直接影响配电网环境的协调与作业形式[7-8]。图2 为电压负载转供模块结构图。

图2 电压负载转供模块结构图

1.3 电流公共数据信息表单

电流公共数据信息表单定义了配电网供电能力评估指标的传输与应用能力，可在已知数据信息列名、数据类型、信息长度等定义条件的情况下，判定各类型配电网供电参量是否允许空值系数的存在，再以此为依据，实现对评估主键结构的设置。常见的电流公共数据信息列名包含id、flag、shj、pwd 等多种表现形式[9-10]。其中，id 列名对应integer 型配电网供电信息指标，其长度值始终保持为4 bit。若规定评估主键连接结果为“是”，则可认为该类型电流公共数据信息不允许空值单位的存在。具体表单连接需求如表1 所示。

表1 电流公共数据信息表单连接需求

2 系统软件设计

在硬件执行环境的支持下，按照评价因素选择、供电评估取值确定、模糊隶属度函数计算的处理流程，实现系统软件执行环境的搭建，两相结合，完成基于模糊推理的配电网供电能力评估系统设计。

2.1 评估因素选择

从配电网络运行效率方面考虑，应选择线损率作为主要评估指标。线损率是指传输电压、传输电流在单位时间内的非必须消耗量，一般情况下，配电网环境中的线损率数值越大，供电公共数据信息对评估因素选择结果的影响能力也就越强，反之则越弱[11-12]。在不考虑其他干扰条件的情况下，配电网供电能力评估因素的选择结果只受到传输电压差、传输电流差、配网电阻值3 项物理指标的直接影响。传输电压差可表示为,在整个配电网供电环境中，该项物理量基本能够与传输电流差数值保持相同的物理变化趋势。配网电阻值可表示为R，与上述两项物理指标不同，该项物理量的数量级水平越高，最终评估所得的线损率数值也就越小。联立上述物理量，可将系统评估因素选择结果表示为：

其中，e0代表最小的电网线损传感系数，en代表最大的电网线损传感系数，n代表线损率指标的实际传感处理次数，umax代表最大的供电评估实值量。

2.2 供电评估取值确定

供电评估取值结果将直接影响基于模糊推理配电网供电能力评估系统的实际检测能力，通常情况下，模糊推理算法的作用强度越大，电网传输电压与电网传输电流的供电评估取值结果的覆盖范围也就越大[13-14]。在不考虑其他干扰条件的情况下，供电评估取值结果受到电压范围值、电流范围值、配电网供电权衡系数3 项物理指标的影响。电压范围值可表示为,规定系统评估因素选择结果始终保持为W，则该项物理指标越大，最终计算所得的供电评估取值结果也就越大。电流范围值可表示为,通常情况下，该项物理指标始终与电压范围值的变化形式保持一致。配电网供电权衡系数可表示为β，由于模糊推理权限指标的存在，该项物理量的取值结果始终处于0 到1 之间。在上述物理量的支持下，联立式（1），可将系统供电评估取值结果表示为：

2.3 模糊隶属度函数

模糊隶属度函数的建立是基于模糊推理配电网供电能力评估系统设计的末尾处理环节，可在已知评估因素选择结果与供电评估取值结果的基础上，确定模糊推理算法的实际作用强度，从而最大程度上限定应用电压与应用电流的最远传输距离。由于配电网供电处理所涉及的范围相对较为广泛，且在模糊推理算法的作用下，电子传输量不得在非消耗环境下进行持续传输，因此，模糊隶属度函数条件能够对电压与电流的传输作用能力进行严格限制[15-16]。设t代表配电网供电电压的单位传输时长，t′代表配电网供电电流的单位传输时长，联立式（2），可将系统评估所需的模糊隶属度函数定义为：

其中，代表单位时间内的电子量消耗均值，β代表既定的电子量消耗行为指标。至此，实现各项物理系数指标的计算与处理，在相关硬件设备结构的支持下，完成基于模糊推理的配电网供电能力评估系统设计。

3 系统实效性分析

为验证基于模糊推理配电网供电能力评估系统的实际应用价值，设计如下对比实验。搭建如图3所示的配电网供电传输环境，利用低压线路将发电厂输出的应用电子全部转接至电路负载元件中，再借助输电、配电等多个网络主机，实现对剩余线路电子量的整合与处理，直至用户端收到完全稳定的低压电子输出量。在整个实验过程中，实验组控制主机搭载基于模糊推理配电网供电能力评估系统，对照组控制主机搭载逻辑归纳型配网评估系统。

图3 配电网供电传输环境

线损率指标能够反映配网电压的实际传输能力，一般情况下，线损率数值越小，配网电压的稳定传输能力也就越强，反之则越弱。表2 记录了实验组、对照组线损率数值的具体变化情况。

表2 线损率数值对比表

分析表2 可知，随着实验时间的延长，实验组线损率指标出现先下降、再稳定的数值变化趋势，整个实验过程中的最大数值结果仅能达到35.4%。对照组线损率数值则始终保持上升与下降交替出现的变化趋势，整个实验过程中的最大数值结果达到了80.5%。综上可知，随着基于模糊推理配电网供电能力评估系统的应用，输电线路的线损率指标得到了较好控制，能够实现配网电压的稳定化传输。

一般情况下，线路平均负载率数值越大，配网电流的稳定传输能力也就越强，反之则越弱。表3 记录了实验组、对照组线路平均负载率数值的具体变化情况。

分析表3 可知，随着实验时间的延长，实验组线路平均负载率始终保持不断上升的变化趋势，但实验后期的上升幅度明显小于实验前期，整个实验过程中的最大数值结果达到了78.7%。对照组线路平均负载率则在一段时间的稳定状态后，开始出现持续性下降的变化趋势，整个实验过程中的最大数值结果仅能达到53.6%。综上可知，基于模糊推理配电网供电能力评估系统能够较好地促进配网电流的稳定化传输。

表3 线路平均负载率数值对比表

4 结束语

与逻辑归纳型配电网评估系统相比，基于模糊推理的配电网供电能力评估系统的线损率数值更低，而线路平均负载率数值更高，能够较好地维护配网电压与电流的稳定化传输环境，具备较强的实际应用价值。在主体评估框架的作用下，电压负载转供模块可联合电流公共数据信息表单，从评估因素选择角度确定供电评估的实际取值结果，从而实现对模糊隶属度函数的定义。