陈骥群，赵书强，马燕峰，胡永强

（华北电力大学 电气与电子工程学院，河北 保定 071003）

0 引言

配电网可靠性评估常见的方法有故障模式后果分析法［1］、最小路法［2-3］、等值法［4］、混合型算法［5-7］等。此外还有新发展的人工智能算法如人工神经网络法［8-9］、模糊评估方法［10］等。但这些方法评估可靠性均是基于元件可靠性参数为确定值的假设，实际上天气的好坏、地理因素、统计资料的限制或者缺乏统计资料的新元件的投入等都会使元件的故障率、修复时间等具有不确定因素［11］。为了使评估结果真实反映出实际运行情况，应充分考虑参数的不确定性。考虑不确定性的一般方法是将可靠性参数作为区间数处理［12］，来评估负荷及系统的区间可靠性指标［13］。

贝叶斯网络［14］是20世纪80年代后期兴起的一种人工智能方法，利用推理模式将其应用到电网的可靠性评估中［15］，不仅能得到负荷及系统的可靠性指标，而且可以辨识出负荷及系统的薄弱环节，提出具有针对性的改进措施［16］。

基于贝叶斯网络法特有的双向推理模式，且计及元件可靠性参数的不确定性，本文将盲数［17-18］与贝叶斯网络相结合，应用贝叶斯网络建立含不确定因素的结构层次清晰的配电网模型。该方法全面考虑分支线保护、隔离开关、备用电源等的影响，综合考虑了配电网可靠性原始参数存在的随机性、模糊性、未确知性等众多不确定问题。建立系统的模型后，将元件参数的不确定性信息用盲数来表示，最终不仅得到系统的可靠性指标的范围及其对应可能性的分布情况，提供了比区间数更加全面的信息，而且定量给出了网络中特定部分对整个配电网可靠性的影响，识别出系统的薄弱环节。……