配电系统作为连接电力用户与发输电系统的纽带,其可靠性在电力系统规划、运行、生产管理和客户服务中的地位变得越来越重要。目前,已有大量针对配电系统可靠性统计、可靠性评估及可靠性优化的研究,但鲜有配电系统可靠性预测的理论及大规模工程应用等的研究。因此,为有效把握配电系统可靠性发展趋势、确定配电系统投资方向、制定电力市场下的可靠性电价等提供有价值的依据,本文对配电系统可靠性预测进行了研究。电力变压器是配电系统最重要的枢纽设备,承担着变换电压、分配电能与传输电能的功能。基于变压器各子系统的可靠性模型和逻辑关系,提出基于状态检修和马尔可夫过程的变压器全态状态可靠性预测模型。该模型结合变压器分部位故障频率计算模型,基于分指标研究变压器缺陷严重度的方法,通过熵权模糊计算量化严重度等级,构建设备风险评估矩阵,实现变压器可靠性预测。通过对某地区配电变压器的算例分析,结果表明:该模型适用于某地区一段时间内多台变压器的分部位总体风险评估。该方法为配电变压器风险预测、检修策略制定等提供了新思路,是配电系统可靠性预测的重要内容,为配电系统可靠性预测奠定了重要基础。针对配电网系统平均供电可用率年度单调递增及指标不超过1等特点,建立基于数据变换的配电网可靠性灰色预测模型与最小一乘预测模型。首先,选择合适的函数对配电网系统可靠性指标进行变换,即将可靠性指标区间从[0,1]变换成[0,+∞]等;然后,使用灰色预测和最小一乘两个单模型方法对变换后可靠性数据进行预测;最后,通过数据反变换,还原得到配电网可靠性的预测值。对国内两个配电网的用户供电可用率进行算例分析,结果表明:与未经数据变换的预测模型相比,经过数据变换的预测模型可有效解决系统平均供电可用率预测值超过上限1的问题。组合预测模型能充分考虑各单模型缺陷、特性及数据信息,以提高预测精度。为此,基于灰色预测、最小一乘预测与Logistic预测等三种单模型,分别以误差平方和、平均绝对误差等作为预测精度准则,建立配电网可靠性组合预测模型,并给出基于粒子群的模型求解算法。该模型使用粒子群算法来求解组合预测模型中单模型的权系数。通过对国内某配电网的可靠性进行分析,结果表明:该组合预测模型较单模型具有更高的预测精度,证实了本文组合预测模型的有效性。配电网可靠性是整个电力系统结构、设备及运行特性的集中反映,因此需对配电网可靠性的影响因素进行分析以准确地预测其可靠性。本文提出基于灰色关联分析法、相关性分析的配电网可靠性关键影响因素分析方法,为确定配电网可靠性改善措施优先顺序提供了依据。通过对20余个配电网可靠性影响因素进行分类,采用灰色关联度分析法辨识可靠性的关键影响因素,采用相关系数矩阵分析法辨识配电网可靠性的冗余影响因素,最终确定出影响配电网可靠性的关键因素。算例表明:在众多配电网可靠性影响因素中,可转供电率、馈线绝缘化率、每段线路平均用户数、线路平均联络开关台数、线路平均分段数、主干线平均负载率等对配电网可靠性影响最为突出。传统的配电网可靠性评估,大多基于确定的配电网结构和元件多年可靠性统计参数。当网络结构等难以确定或配电网规模非常大时,传统方法难以实现对配电网未来可靠性的预测。为此,本文提出计及元件随机故障和预安排停运的配电网可靠性神经网络预测方法。建立计及随机故障影响配电网可靠性三层BP神经网络预测模型,其输入层为随机故障的关键影响因素,输出层为用户停电时户数,应用配电网多年可靠性统计数据训练该神经网络,训练后的神经网络即可实现随机故障指标预测。根据资金投资量等建立预安排停电模型,进而得到配电网总的可靠性指标预测值。通过对多个实际配电网进行算例分析,表明了该算法的有效性和实用性。