[發明專利]一種電力系統可靠性影響因素靈敏度計算方法

有效

• 申請號: 201611031272.3
• 申請日: 2016-11-17
• 公開（公告）號: CN106777494B
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 張建功;胡慶輝;田洪迅;王宏剛;萬濤;李浩松;李金;康泰峰;李欣
• 申請（專利權）人: 國家電網公司;北京國網信通埃森哲信息技術有限公司;國網信息通信產業集團有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 湯財寶

1.一種電力系統可靠性的影響因素靈敏度計算方法，其特征在于，包括：

步驟1，在可靠性指標的神經網絡中選擇N條鏈路，所述鏈路滿足以下條件：在神經網絡的每一層中各選取一個神經元組成一條鏈路，所述被選取的神經元必須逐層依次直接相連；

步驟2，分別計算所述各條鏈路中某一影響因素的靈敏度指標，計算所有鏈路的靈敏度指標均值作為所述影響因素對可靠性指標的靈敏度；

所述分別計算所述各條鏈路中某一影響因素的靈敏度指標，包括：

其中為靈敏度指標，I為可靠性指標，F為影響因素，M為所述可靠性指標的神經網絡中隱藏層的個數，i為各層中神經元編號。

2.如權利要求1所述的方法，其特征在于，所述神經網絡為BP神經網絡。

3.如權利要求1所述的方法，其特征在于，所述可靠性指標能夠為：用戶年均停電小時數。

4.如權利要求1所述的方法，其特征在于，所述影響因素能夠為：絕緣饋線比、聯絡線比例、分段與饋線的數量比、單位分段平均用戶數或年均饋線容載比。

5.如權利要求1所述的方法，其特征在于，所述步驟1前還包括：利用樣本增廣技術對可靠性的各影響因素數據小樣本進行初級增廣，得到初級增廣矩陣A_E；基于初級增廣矩陣A_E進行單輸出神經網絡訓練。

6.如權利要求5所述的方法，其特征在于，所述神經網絡訓練包括：利用Matlab神經網絡工具箱采Levenberg Marquardt optimization算法進行訓練，其它參數均采用軟件包默認設置。

7.如權利要求5所述的方法，其特征在于，所述步驟1中利用樣本增廣技術對可靠性的各影響因素數據小樣本進行初級增廣，包括：利用核密度擬合技術對小樣本進行增廣。

8.如權利要求5所述的方法，其特征在于，對每個BP神經，控制訓練精度為樣本預測和實際值的均方差小于0.019。