魏平
杭州得诚电力科技股份有限公司 杭州311100
摘要：利用概率神经网络可直接将电压偏差、三相电压不平衡度以及电压谐波总畸变率等问题进行工况上的分类，保证治理设备的运行状态能够得到有效识别。与此同时，通过对治理设备投入前后的电能质量评估结果对比，同时配合模糊综合评价方法评价治理设备的治理效果，可让电能质量治理设备的运行状态得到有效识别，并保证配合更加科学实用的治理措施。
关键词：电能质量；治理设备；运行状态识别；治理作用
引言
在对干扰源进行处理时，电能质量治理设备必须得到正确安装，保证电能质量问题得到有效解决。但由于电能治理设备是用户资产，所以电网公司无权对设备开关信息及设备治理效果信息进行获取，因此，无法及时有效地对干扰源治理设备运行情况进行监控，故对治理设备的运行状态进行识别、科学评价治理设备的治理效果刻不容缓。
1治理设备运行状态识别
与西方国家相比，我国在电能质量治理设备的运行状态识别方面研究起步时间较晚，同时电能质量评价方面的现有研究重点方向多是配合各种各样的数学方法将多个电能质量指标进行综合评价得到较为客观科学的质量综合评估等级。但是制定电能质量治理设备的投资策略时，想要获得更客观、真实的结果，就必须对电能质量治理设备治理效果进行评价。从属于电网资产的电能质量在线监测系统能够保证监测到的数据是动态性的且较为准确的，所以可以视作为是治理设备运行状态识别和治理效果评价结果准确获取的突破口。
2?概率神经网络组成分析
2.1分类指标体系
在对电能质量进行优劣方面的评价时，主要参考指标分别为电压幅值、电压、波形畸变频率。?与此同时，启动电能质量治理设备的原因是让电压幅值问题和电压波形畸变问题得到有效解决。通常情况下，电压幅值问题主要包括电压偏差、三相电压不平衡等，而谐波电压波动和闪变等为电压波形畸变问题。
2.2?原始数据预处理
对模式进行识别之前，为了让指标量纲的影响被消除，技术人员首先要将电能质量指标测量值表示为电压等级下该指标限值的标幺值，以保证规划目标实现这种预处理方式的有效应用。可消除指标不同量纲的影响，同时还可以对电动车指标的录入进行判断。
2.3?概率神经网络
2.3.1输入层
输入层必须严格按照输入要求，将输入值传递给所有的模式单元。与此同时，在此过程中，操作人员需要保证输入从中的神经元个数与输入特征向量维数相同，例如，如果网络输入共十个参数，那么输入成功的神经元个数也必须为十个。
2.3.2模式层
通常情况下，模式层中的神经元个数与训练样本数量相同，同时每个模式单元都有一个中心。也就是当前的训练样本监测系统会每三分钟对数据进行一次记录。与此同时，通常算例中的网络训练会使用8条数据，而模式层中的神经元个数通常也与其相同为8个。
如果此时想要对训练样本进行增加，直接像模式层增加神经元即可。
2.3.3求和层
通常情况下，求和层的个数与分类类别的数量是持平的，而求和层会将模式层中属于同一类的神经元输出做加权平均。通常情况下，求和层共有两个神经元，主要针对治理设备的两种不同工况，分别为治理设备未投入运行和治理设备投入运行。
2.3.4?输出层
依据各类对输出向量的概率估计被称作为是输出层，通常情况下，技术人员主要采用贝叶斯分类规则来对最大后验概率的类别，进行优选作为输出类别。
3?治理效果评价
3.1治理效果评价指标体系
处理完原始数据既能够保证指标不同量级和不同量纲的影响得到有效处理，还可直接对单项电能质量指标的优劣进行判断。设备维护人员在对治理效果进行评价时，需要取三项数据平均值。这是因为平均值最具代表性，能够对治理设备的治理效果进行更加科学客观的评价。还需要注意的一点是，工作人员还要与治理设备投入前后的电能质量评估结果进行对比，与此同时，取出治理设备投入后或切出前的一个小时之内的指标平均值，治理设备投入前或切出后的一小时内指标平均值也需取出，并让二者的平均值相减，最后得到的差记为治理设备治理效果的评估指标。为保证最终的效果评价指标更加客观，具备更强的参考价值，此项操作应得到一定数量实验次数的支持。
3.2主客观集成的的综合权重
为保证最终的评价结果是科学合理的，在对这样性指标进行权重赋予时，必须对不同指标的重要程度进行有效体现。与此同时，专业人员还必须对整个评估过程进行重视，保证选择的分析法更加科学适宜。由于层次分析法主观随意性特征较为明显，同时熵权法法不能对专家的知识与经验功底进行有效反应，因此，层次分析法较为适宜，不仅可以结合熵权法分析评价体系，还能够对各指标的权重进行更加精确的计算。
3.3?模糊综合评价
设备的治理效果是否足够良好有很大的模糊性、不确定性，所以利用模糊数学中的一些原理和方法对定义不够明确、不宜量化的因素进行有效量化，能够保证最终的结果具备较强的参考价值。而模糊综合评价方法正是利用这一原理履行评价职责，当指标及和指标权重得到有效确定后，想要保证最终的模糊综合评价结果更加客观、科学，还必须配合评语集合指标。隶属度函数建立评语及的主要依据是治理设备治理效果的相关特征，如果治理设备不能对电能质量进行改善，甚至可能致使电能质量朝着恶化的方向发展。那么，评价结果为差；如果这里设备能够对电能质量指标产生改善作用，评价结果则为中；当治理设备能够明显改善电能质量指标时，评级为良；治理设备可以对电能质量指标产生十分突出的改善效果，评价则为优。模糊综合评价结果最终的定性分析，直接代表着设备最终的治理效果，因此在评价的过程中，必须严格按照相关规定与标准组织落实工作，维护最终结果的客观性和真实性。
结语
配合概率神经网络分类治理设备的运行状况，同时对用户治理设备的投入运效果进行监测，能够让治理设备的运行状态得到更加精确的识别。与此同时，这种动态性的数据采集可有效识别出治理设备投入的时间节点，促使模糊评价法的作用高水平发挥。与此同时，在评价过程中，主要对治理设备投入前后的电能质量评估结果进行对比。
参考文献
[1]黄朝. 电力市场环境下的电能质量问题研究[D].华北电力大学（北京）,2005.
[2].电能质量治理市场规模及市场需求情况[J].电器工业,2011(03):16-20.
[3]简莞. 企业配电站电能质量监控及治理系统研究[D].湖南大学,2012.
[4]李晶男. 电能质量治理设备参数优化改进系统的设计与实现[D].吉林大学,2015.