一種船舶微電網(wǎng)的風(fēng)險預(yù)測評估方法

劉奕成，李玉芳，康陳媛

（江蘇科技大學(xué)電信學(xué)院，江蘇 鎮(zhèn)江 212003）

微電網(wǎng)通常包括分布式電源、存儲設(shè)備、控制單元和負(fù)載。微電網(wǎng)分為并網(wǎng)模式和孤島模式2 種。在并網(wǎng)模式下，微電網(wǎng)供電負(fù)載和主電網(wǎng)，電壓由主電網(wǎng)決定。在孤島模式中，分布式電源必須滿足負(fù)載要求并確保整個微電網(wǎng)的穩(wěn)定性。船舶電網(wǎng)也是一種孤島模式下的微電網(wǎng)。本文提供了一種新的船舶微電網(wǎng)在一段時間內(nèi)風(fēng)險預(yù)測的新方法，該方法包括預(yù)測和風(fēng)險評估。風(fēng)險評估部分包括網(wǎng)絡(luò)拓?fù)浞治龇椒?、電網(wǎng)電流計算和蒙特卡洛算法。通過仿真，建立了用于風(fēng)險評估的微電網(wǎng)拓?fù)淠２⒌贸隽舜拔㈦娋W(wǎng)風(fēng)險預(yù)測評估結(jié)果。

1 MHMM 算法

MHMM 算法描述如下：

HMM 模型由2 個狀態(tài)集和3 個概率矩陣組成，分別是隱狀態(tài)、可觀測狀態(tài)、初始狀態(tài)、概率矩陣、隱狀態(tài)轉(zhuǎn)移概率矩陣、可觀測狀態(tài)轉(zhuǎn)移概率矩陣。

隱狀態(tài)S，這些狀態(tài)之間的關(guān)系滿足馬爾可夫性質(zhì)，它們是馬爾可夫模型中的實際隱含狀態(tài)。這些狀態(tài)通常無法通過直接觀察得到，例如,

模型中與隱態(tài)相關(guān)的可觀測狀態(tài)O 可以通過直接觀測得到?？捎^測狀態(tài)的數(shù)目不必與隱藏狀態(tài)相同。

初始狀態(tài)概率矩陣P 是初始時刻t=1 時隱態(tài)的概率矩陣，例如，當(dāng)t=1 時，

初始狀態(tài)概率矩陣為，

隱態(tài)轉(zhuǎn)移概率矩陣A 描述了HMM 模型中各狀態(tài)之間的轉(zhuǎn)移概率。

Aij是 指 當(dāng) 時 間t 中 狀 態(tài) 為Si時， 狀 態(tài) 在t=1 中狀態(tài)為Sj的概率。 可觀測狀態(tài)轉(zhuǎn)移概率矩陣B，N 表示隱藏狀態(tài)數(shù)，M 表示可觀測狀態(tài)數(shù)， 則

Bij是指在時間t 中，當(dāng)隱藏狀態(tài)為Sj時，可觀測狀態(tài)為Oi的概率。

因此，HMM 可以表示為λ(M,N,π,A,B)，也可以簡單表示為λ(π,A,B)。

考慮到單個HMM 的隨機性會影響評估的準(zhǔn)確性，本文提出了一種MHMM 算法。

MHMM 算法評估具體計算過程如下：（1）建立HMM

（2）生成最優(yōu)概率序列

（3）選擇序列

選擇序列必須滿足一個條件，統(tǒng)計序列必須處于正常工作狀態(tài)時間t-1 滿足。

然后將滿足條件的序列用于分析評估單元在時間t 內(nèi)的狀態(tài)。

(4)計算異常概率

假設(shè)所選序列的個數(shù)為Q，Q ≤P，并且這Q 個序列在時間t 中的狀態(tài)已被使用統(tǒng)計數(shù)據(jù)分析。Q1是正常狀態(tài)的序列的個數(shù)（矩陣H 中元素的值為1）。Qi是狀態(tài)為i 的序列的個數(shù)(矩陣H 中的元素的值為i)。所以評估單元在時間t 內(nèi)異常的概率可以表示為：

(5)生成異常序列

重復(fù)步驟（4）,從t=0 到t=T,評估單元的異常概率為：

2 風(fēng)險預(yù)測評估方法

通過船舶綜合電力推進系統(tǒng)識別拓?fù)淠Ｐ偷谋匾獏?shù)，包括節(jié)點數(shù)據(jù)矩陣、分支數(shù)據(jù)矩陣、和發(fā)電數(shù)據(jù)矩陣，參數(shù)包括有功和無功功率、電壓、相角、電阻和電抗、變比、功率、電路容量等正常情況下的電流計算為初始參考。根據(jù)狀態(tài)概率的序列計算節(jié)點和分支的故障率和修復(fù)率。

Fi表示第i 節(jié)點、分支或發(fā)電機的故障率序列。假設(shè)節(jié)點數(shù)為N，在時間段T 內(nèi)節(jié)點的故障率矩陣如下所示：

本文中的修復(fù)率是評估單元處于修復(fù)狀態(tài)的概率與該單元初始修復(fù)率的乘積，假設(shè)修復(fù)率為

為第i 個評估單元的初始修復(fù)率，為第i 個評估單元在時間t 內(nèi)的修復(fù)率，則第i 個評估單元在時間t 內(nèi)的修復(fù)率序列為:

節(jié)點在時間T 內(nèi)的修復(fù)率矩陣如下所示：

利用蒙特卡羅算法模擬計算了非正常工況下的電流，經(jīng)過反復(fù)測試得到了在時間T 內(nèi)電力潮流的計算結(jié)果。將正常和非正常工況下的電流計算結(jié)果進行比較，最終得到風(fēng)險預(yù)測評估結(jié)果。

3 驗證

以一個受海況影響的船舶微電網(wǎng)為例，對本文的風(fēng)險評估方法進行了驗證。

3.1 數(shù)據(jù)生成

在仿真過程中，首先計算初始狀態(tài)概率矩陣。然后將海況數(shù)據(jù)作為擾動進行仿真，收集受海況影響的分量的數(shù)據(jù)。

3.2 基于MHMM 算法的組件狀態(tài)分析

在船舶集成推進系統(tǒng)風(fēng)險預(yù)測評估中，隱藏狀態(tài)S 包括S1(正常工作狀態(tài))、S2(故障狀態(tài))、S3(修復(fù)狀態(tài))。時間t 內(nèi)的隱藏狀態(tài)是

3 結(jié)語

本文提出了一種船舶微電網(wǎng)風(fēng)險預(yù)測評估方法。然后以船舶微電網(wǎng)為例對該方法進行了測試驗證。根據(jù)風(fēng)險預(yù)測評估方法的全過程，得出以下結(jié)論:

（1）本文提出了一種新的基于MHMM 的狀態(tài)預(yù)測方法。該方法將HMM 算法與統(tǒng)計理論相結(jié)合，可以在未來預(yù)測和分析系統(tǒng)在連續(xù)時間點的狀態(tài)概率。

（2）本文將MHMM 算法與網(wǎng)絡(luò)拓?fù)浞治鱿嘟Y(jié)合，提出了一種新的船舶微電網(wǎng)風(fēng)險預(yù)測評估方法，該方法可以預(yù)測和分析船舶微電網(wǎng)未來的風(fēng)險。風(fēng)險預(yù)測評估方法也可以應(yīng)用于許多其他領(lǐng)域，如果采用一些新的智能算法對該方法進行改進，該方法可以用于進行實時風(fēng)險預(yù)測評估。因此，該方法的應(yīng)用前景非常廣闊。