[發明專利]預測風險值的確定方法及裝置、存儲介質

在審

• 申請號: 201711206303.9
• 申請日: 2017-11-27
• 公開（公告）號: CN108154256A
• 公開（公告）日: 2018-06-12
• 發明（設計）人: 王宇;邢寧哲;郝穎;紀雨彤;張麗
• 申請（專利權）人: 國網北京市電力公司;國家電網公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙囡囡

本發明公開了一種預測風險值的確定方法及裝置、存儲介質。其中，該方法包括：建立灰色模型，根據所述灰色模型得出風險指標的預測值，其中，所述風險指標用于指示所述電力數據網存在的風險；使用熵值法確定所述風險指標對應的權重；根據所述風險指標的預測值和所述風險指標對應的權重得出所述電力數據網的預測風險值。從而解決了相關技術中神經網絡預測需要大量數據和足夠訓練次數等問題，通過建立灰色模型進行風險指標預測，原理簡單，能夠在提高預測準確度的同時大大降低時間空間復雜度；并且，使用熵值確定風險指標權重，去除了人為賦權的主觀性和不穩定性，保證了各個風險指標的權重合理性的技術問題。

技術領域

本發明涉及電力數據網技術領域，具體涉及一種預測風險值的確定方法及裝置、存儲介質。

背景技術

隨著智能電網的建設，電力數據網及其承載的業務得到迅猛發展，日益開放的網絡環境給系統的安全運行帶來新的挑戰。提高電力數據網的可靠性不能僅依靠網絡設 計階段的優化，更要在網絡運行過程中，通過有效的風險預測，發現潛在風險。傳統 的網絡風險處理機制大多是在故障發生之后進行應急處理，一方面由于復雜的網絡結 構使得故障的識別定位困難導致故障處理不及時；另一方面應急處理只能被動應對已 發生風險，而對風險已經造成的損失無法彌補。由于電力數據網承載的業務對網絡可 靠性要求高，網絡的時效性和安全性等關鍵性能必須予以保障，因此針對電力數據網 的風險預測研究具有重要意義。目前這一方面的研究和專利有一些，下面簡要介紹幾 種相關方案。

方案1：相關技術中對電力網絡風險因素復雜多樣安全可靠運行難以保障的問題，首先對配電網中的風險類型進行分類總結。其次，提出了風險識別的概念。結合風險 識別和風險評估，構建多層次，多目標的風險預警系統。最后，詳細分析風險識別和 風險評估理論，實施步驟和指標。該方案重點解決了網絡多風險指標的評估問題。

方案2：相關技術中基于神經網絡的網絡風險預測方法，利用粗糙集的約減特性，提取關鍵分量作為輸入數據，改進了神經網絡的風險預測性能，提出一種粗糙集與神 經網絡結合的電網風險預測方法。該方案通過粗糙集預處理數據，提高了神經網絡的 收斂速度和近似精度。

方案3：相關技術中提出了一種電網安全風險預測方法。該方案主要步驟包括：(1)處理篩選的網絡安全態勢因子,確定安全態勢狀態分類標準；(2)根據電網實際情況 構建隱馬爾科夫模型,根據設備當前的安全態勢更新所述隱馬爾科夫模型參數；(3)計 算整個電力網絡的安全態勢,計算設備的預測風險值和加權預測風險值。該發明對網絡 安全態勢因子進行深入研究，篩選出對安全態勢影響最大的幾個因子，降低了數據處 理的工作量，利用和安全態勢因子有關的數據進行模型訓練，有效緩解了隱馬爾可夫 轉換矩陣過于龐大的問題。

方案4：相關技術中提出了一種風電接入電網的風險預測評估方法，包括以下步驟：采集風電場原始數據，得到初始風電功率時間序列；對所述初始風電功率時間序 列進行相空間重構，得到相點向量；對所述相點向量進行K均值聚類計算；引入權重 向量改進鄰近點的距離與趨勢的判據，得到鄰近點集合；將所述鄰近點集合作為 volterra自適應濾波器的訓練集合，得到風電場功率預測數據。該發明引入權重向量 改進鄰近點的距離與趨勢的判斷依據，消除了現有技術中“忽略了相點自身的不同坐 標分量的時間次序對預測點的影響不同，易引入‘偽鄰近點’”的技術缺陷，有效了避 開“虛偽鄰近點”，能夠選出距離和演化趨勢均與預測點相似的鄰近點，提高了計算精 度和計算速度。

但是，上述方案存在以下缺點：

方案1：該方案結合風險識別和風險評估，構建了多層次、多指標的風險指標體系，但是該方案只針對電力負荷過載這單一風險進行分析和預警，對風險預測技術沒 有深入研究。

方案2：該方案仍無法解決神經網絡預測的復雜度高、泛化能力不強的問題。

方案3：該方案在實際運用中很難保證剔除因子的合理性，導致最終預測結果與理論存在差距。