针对分布式电源配电模型的结构化分析和参数优化方法技术

本发明专利技术公开了一种针对分布式电源配电模型的结构化分析和参数优化方法，首先对统计数据进行分组，然后对每组统计数据分别进行模糊化处理，通过将不同组的模糊结果去模糊化后聚合，再利用解释结构模型进行建模，然后通过比较统计数据与对应的关系图谱，快速定位需调整的关键因素，确定调整方向以达到降低总谐波畸变率的目的。而且，本发明专利技术通过实验结果也表明，本发明专利技术提供的技术方案可以降低总谐波畸变率，具有适用性和可行性。因此，本发明专利技术提供的针对分布式电源配电模型的结构化分析和参数优化方法，通过分析参数之间的结构关系，找出关键影响因素，在只改变元件参数的前提之下，达到了降低总谐波畸变率，提高电能质量的目的。

Structural analysis and parameter optimization method for distributed power distribution model

The invention discloses a structural analysis and parameter optimization method for distributed power distribution model. Firstly, statistical data are grouped, and then each group of statistical data is fuzzified separately. After fuzzifying the different groups of fuzzy results, they are aggregated, and then the interpretation structure model is used for modeling. By comparing the statistical data with the corresponding relationship maps, we can quickly locate the key factors that need to be adjusted and determine the direction of adjustment in order to reduce the total harmonic distortion rate. Moreover, the experimental results also show that the technical scheme provided by the invention can reduce the total harmonic distortion rate and has applicability and feasibility. Therefore, the method of structured analysis and parameter optimization for distributed power distribution model provided by the invention can find out the key influencing factors by analyzing the structural relationship between parameters, and achieve the goal of reducing the total harmonic distortion rate and improving the power quality on the premise of only changing the component parameters.

【技术实现步骤摘要】
针对分布式电源配电模型的结构化分析和参数优化方法
本专利技术涉及配电
，尤其涉及一种针对分布式电源配电模型的结构化分析和参数优化方法。
技术介绍
电能作为当今社会最重要的一种能源，与我们的日常生活、工作息息相关，而在电能输送的过程中，电能质量的高低对我们的生活会产生非常大的影响。在电能质量的众多评价因素中，THD(总谐波畸变率)是其中一个重要的评价指标，而投入设备的参数不同也会在一定程度上导致总谐波畸变率的不同。此外，由于统计数据具有多维、容易受到现实世界各种因素干扰以及不确定等特性，导致直接使用统计数据会降低优化结果的可信程度。在元件参数配置的过程之中往往更多的依据工程师的过往经验，只能通过一次次的实验来逐渐改变参数。而且，无论是参数调整的方向还是对需要改变参数的选择，这一过程都会存在很大的偶然性与不确定性，而这些不确定性最终可能导致优化结果并不理想。
技术实现思路
为解决现有技术存在的局限和缺陷，本专利技术提供一种针对分布式电源配电模型的结构化分析和参数优化方法，包括：获取统计数据，所述统计数据为x1，x2，x3，…，xn；以间隔m对所述统计数据进行选取，获得的选取数据表示为xi，xi+1，xi+2，…，xi+m-1，其中xS表示最小值，xM表示平均值，xL表示最大值；根据模糊理论获得所述选取数据的隶属度为：其中，模糊下界x′S和模糊上界x′L分别为：x′L＝xM+2*(xL-xM)(2)根据所述隶属度将所述选择数据转化为符合最大隶属度的模糊数值(ximin，xitml，ximax)，其中ximin表示第i组数据的最小值，xitml表示第i组数据的最可能值，ximax表示第i组数据的最大值；通过分别聚集k＝n/m组数据的最小值、最可能值和最大值，获得3种数据特性的特征值数据集合；对3个所述特征值数据集合分别使用解释结构模型进行建模，获得不同特征之下影响因素的关系图谱；对所述统计数据与对应的关系图谱进行比较，获得多个影响因素之中的关键因素；调整所述关键因素的设定值，以降低总谐波畸变率。可选的，所述对3个所述特征值数据集合分别使用解释结构模型进行建模，获得不同特征之下影响因素的关系图谱的步骤包括：获取样本数据xi(min,tml,max)和yi(min,tml,max)，其中xi(min,tml,max)和yi(min,tml,max)分别是x和y第i个变量的样本数据；所述样本数据xi(min,tml,max)和yi(min,tml,max)之间的相关系数rxy为：其中和分别是所述样本数据xi(min,tml,max)和yi(min,tml,max)的平均值，k是x或y包含数据的总数；根据所述相关系数rxy获得相关系数矩阵为：根据所述相关系数矩阵获得不同特征之下影响因素的关系图谱。可选的，所述根据所述相关系数矩阵获得不同特征之下影响因素的关系图谱的步骤包括：根据所述相关系数矩阵获得所述相关系数矩阵的逆矩阵为：根据所述逆矩阵获得偏相关系数为：根据所述偏相关系数获得不同特征之下影响因素的关系图谱。可选的，所述对所述统计数据与对应的关系图谱进行比较，获得多个影响因素之中的关键因素的步骤包括：根据所述邻接矩阵和n阶单位矩阵获得所述邻接矩阵的可达矩阵为：D(min，tml，max)＝(A(min，tml，max)+E)k-1其中，n阶单位矩阵为：而且，所述邻接矩阵、n阶单位矩阵以及可达矩阵之间满足如下关系：A(min，tml，max)+E＝(A(min，tml，max)+E)2＝(A(min，tml，max)+E)3＝...＝(A(min，tml，max)+E)k-1＝(A(min，tml，max)+E)k(12)根据所述可达矩阵获得多个影响因素之中的关键因素。本专利技术具有下述有益效果：本专利技术提供的针对分布式电源配电模型的结构化分析和参数优化方法，首先对统计数据进行分组，然后对每组统计数据分别进行模糊化处理，通过将不同组的模糊结果去模糊化后聚合，再利用解释结构模型进行建模，然后通过比较统计数据与对应的关系图谱，快速定位需调整的关键因素，确定调整方向以达到降低总谐波畸变率的目的。而且，本专利技术通过实验结果也表明，本专利技术提供的技术方案可以降低总谐波畸变率，具有适用性和可行性。因此，本专利技术提供的针对分布式电源配电模型的结构化分析和参数优化方法，通过分析参数之间的结构关系，找出关键影响因素，在只改变元件参数的前提之下，达到了降低总谐波畸变率，提高电能质量的目的。附图说明图1为本专利技术实施例一提供的针对分布式电源配电模型的结构化分析和参数优化方法的流程图。图2为本专利技术实施例一提供的最小下界情况下的解释结构模型示意图。图3为本专利技术实施例一提供的最可能情况下的解释结构模型示意图。图4为本专利技术实施例一提供的最大上界情况下的解释结构模型示意图。具体实施方式为使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图对本专利技术提供的针对分布式电源配电模型的结构化分析和参数优化方法进行详细描述。实施例一本专利技术提供一种针对分布式电源配电模型的结构化分析和参数优化方法，将一组统计数据用模糊理论转化为3个可表示该组数据特性的特征值，将多组具有相同特征的特征值聚合，获得一个完整表达该相同特征的特征值数据集合，3个特征可以获得3个特征值数据集合，对这3个特征值数据集合分别使用解释结构模型进行建模，获得不同特征下影响因素的关系图谱。本实施例通过将实际参数与对应的关系图谱建立联系，确定需要的改进因素和改进方向，从而快速定位需调整的关键因素，确定调整方向以达到降低总谐波畸变率的目的。而且，本实施例通过实验结果也表明，本实施例提供的技术方案可以降低总谐波畸变率，具有适用性和可行性。图1为本专利技术实施例一提供的针对分布式电源配电模型的结构化分析和参数优化方法的流程图。如图1所示，假设统计数据被命名为x1，x2，x3，…，xn，以间隔m对数据进行选取，这m个数据表示为xi，xi+1，xi+2，…，xi+m-1。在这m个数据中，xS表示最小值，xM表示平均值，xL表示最大值，则模糊下界x′S和模糊上界x′L可由公式(1)-(2)计算得到：xL＝xM+2*(xL-xM)(2)根据三角模糊数的定义和公式(3)-(5)，可以得到这m个数据的隶属度：至此，选取的m个数据被转化为符合最大隶属度的模糊数值(ximin，xitml，ximax)，其中ximin表示第i组数据的最小值，xitml表示第i组数据的最可能值，ximax表示第i组数据的最大值。通过分别聚集k＝n/m组数据的最小值、最可能值和最大值，可以得到3种特征下的数据集合。解释结构模型是现代系统工程中广泛应用的一种结构化分析方法，通过将一个整体问题逐步细分，理清整体间各部分的逻辑关系，从而将复杂关系转化为直观的具有良好结构关系的模型。应用解释结构模型可以快速定位系统中的关键因素，大大降低了调整过程中的时间周期。对3个数据集分别使用解释结构模型进行建模，建模过程如下：假设xi(min,tml,max)和yi(min,tml,max)分别是x和y第i个变量的样本数据，那么两个变量间的相关系数rxy可由公式(6)求得：其中和分别是两个变量样本数据的平均值，k是x或y包含数据的总条数。由此可以获得相关系数矩阵R：由于本文档来自技高网...

【技术保护点】
1.一种针对分布式电源配电模型的结构化分析和参数优化方法，其特征在于，包括：获取统计数据，所述统计数据为x1，x2，x3，…，xn；以间隔m对所述统计数据进行选取，获得的选取数据表示为xi，xi+1，xi+2，…，xi+m‑1，其中xS表示最小值，xM表示平均值，xL表示最大值；根据模糊理论获得所述选取数据的隶属度为：

【技术特征摘要】
1.一种针对分布式电源配电模型的结构化分析和参数优化方法，其特征在于，包括：获取统计数据，所述统计数据为x1，x2，x3，…，xn；以间隔m对所述统计数据进行选取，获得的选取数据表示为xi，xi+1，xi+2，…，xi+m-1，其中xS表示最小值，xM表示平均值，xL表示最大值；根据模糊理论获得所述选取数据的隶属度为：其中，模糊下界x′S和模糊上界x′L分别为：x′L＝xM+2*(xL-xM)(2)根据所述隶属度将所述选择数据转化为符合最大隶属度的模糊数值(ximin，xitml，ximax)，其中ximin表示第i组数据的最小值，xitml表示第i组数据的最可能值，ximax表示第i组数据的最大值；通过分别聚集k＝n/m组数据的最小值、最可能值和最大值，获得3种数据特性的特征值数据集合；对3个所述特征值数据集合分别使用解释结构模型进行建模，获得不同特征之下影响因素的关系图谱；对所述统计数据与对应的关系图谱进行比较，获得多个影响因素之中的关键因素；调整所述关键因素的设定值，以降低总谐波畸变率。2.根据权利要求1所述的针对分布式电源配电模型的结构化分析和参数优化方法，其特征在于，所述对3个所述特征值数据集合分别使用解释结构模型进行建模，获得不同特征之下影响因素的关系图谱的步骤包括：获取样本数据xi(min,tml,max)和yi(min,tml,max)，其中xi(min,tml,max)和yi(min,tml,max)分别是x和y第i个变量的样本数据；所述样本数...

【专利技术属性】
技术研发人员：耿志强，姜德阳，韩永明，朱群雄，徐圆，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：北京,11