1.一种基于模糊故障率预测的配电网可靠性评估方法，其特征在于，包括下列步骤：1)获取配电网系统中不同设备元件的样本数据，对元件故障率进行模糊化处理，建立不同设备元件的故障率模糊可能性分布模型；2)基于模糊聚类分析法，根据不同的运行工况和环境条件，对配电网设备元件进行模糊分类；3)根据步骤2)的模糊分类标准，对元件的分类进行确定，并获取元件的故障率区间，结合可能性分布模型，预测该元件的故障率值；4)利用蒙特卡罗法模拟配电网系统的运行状态，获取负荷点和系统的可靠性指标，进而对配电网供电可靠性进行评估；步骤1)具体包括下列步骤：11)获取元件样本数据，包括元件的基本参数故障率、运行条件、环境条件和表征元件特性的特定参数；12)对元件故障率进行模糊化，以元件样本数据中的最小故障率和最大故障率作为上下界，确定模糊论域，并选取单位长度，将模糊论域区间划分成m等分；13)确定元件故障率模糊可能性分布，建立元件的故障率模糊可能性分布模型；所述步骤13)的具体内容为：分别统计[λ k λ k+1 ]区间，故障率出现的频数f，定义故障率λ t 的可能性分布为：μ λ (t)＝pos{γ∈Γλ(γ)＝λ i }＝μ i ,i＝1,2,…mμ i ＝f/m根据m个采用点值，拟合获取元件故障率可能性分布函数；步骤2)具体包括下列步骤：21)根据样本元件数据，建立数据矩阵；22)对建立的原始数据矩阵进行数据标准化；23)利用标准化后的数据矩阵建立元件模糊相似矩阵；24)根据元件模糊相似矩阵获取模糊等价矩阵；25)根据已经求得的模糊等价矩阵，对配电网设备元件进行模糊分类；步骤25)的具体内容为：假设样本元件论域为U＝{x 1 ,x 2 ,…,x n }，根据已经求得的模糊等价矩阵，假设r为模糊等价矩阵中任意元素，其满足如下特点：r∈[0 1]式中，r ij 为r的值；根据判断阀值r s 的不同选择，其对应的聚类数不同：当r s ＝1，则该元件分为10类，包括：(x 1 ),(x 4 ),(x 8 )(x 6 ),(x 10 ),(x 9 ),(x 7 ),(x 3 ),(x 5 ),(x 2 )当r s ＝0.9，则该元件分为9类，包括：(x 1 ),(x 4 ),(x 8 )(x 6 ),(x 10 ,x 9 ),(x 7 ),(x 3 ),(x 5 ),(x 2 )当r s ＝0，则该元件分为1类，包括：(x 1 ,x 2 ,x 3 ,x 4 ,x 5 ,x 6 ,x 7 ,x 8 ,x 9 ,x 10 )。
2.根据权利要求1所述的一种基于模糊故障率预测的配电网可靠性评估方法，其特征在于，所述运行条件包括电压、负载率、频率及服役年限，所述环境条件包括温度、湿度、海拔及天气情况，所述表征元件特性的特定参数包括变压器油温和断路器的实际电流。
3.根据权利要求1所述的一种基于模糊故障率预测的配电网可靠性评估方法，其特征在于，步骤24)的具体内容为：利用传递闭包法，将模糊相似矩阵R n×n 进行平方内积，通过下述方式获取传递闭包t(R) n×n ：当 时，传递闭包 R * 为模糊等价矩阵。
4.根据权利要求1所述的一种基于模糊故障率预测的配电网可靠性评估方法，其特征在于，步骤3)具体包括下列步骤：31)对某元件的模糊分类进行确定；32)利用该类元件可能性分布模型，通过该类元件故障率区间值上的故障率可信度，获取故障率预测值。
5.根据权利要求4所述的一种基于模糊故障率预测的配电网可靠性评估方法，其特征在于，步骤31)的具体内容为：利用模糊数学中的格贴近度来对某元件进行分类确定，通过判断格贴近度的大小，来确定模糊集的贴近程度，判据为：式中，σ 0 为贴近度，A、B分别为两个模糊子集；故若需要确定某元件的分类，只需满足：|σ 0 (μ λ (t),μ λ(η,θ) (t))-σ 0 (μ λ(η,θ) (t),μ λ(η,θ) (t))|≤ε式中，ε为精度要求，μ λ (t)、μ λ(η，θ) (t)分别为故障率λ t 、λ(η，θ) t 的可能性分布。
6.根据权利要求1所述的一种基于模糊故障率预测的配电网可靠性评估方法，其特征在于，步骤4)具体包括下列步骤：41)读入配电网络结构及元件参数，对配电网系统元件状态进行抽样；42)根据抽样的元件状态判断是否存在故障元件，若存在故障元件，则执行步骤43)～44)，否则执行步骤45)；43)若判断故障发生在主馈线上，则对配电网络进行重构，确定受故障影响的负荷点，并统计负荷点工作时间和故障时间；44)若判断故障只影响分支线上的负荷，则统计负荷点工作时间和故障时间；45)判断抽样是否已经结束，若抽样已结束，则计算负荷点和系统的可靠性指标，进而对配电网供电可靠性进行评估，否则重复步骤42)，直至满足抽样条件。
