[發明專利]一種基于多源證據融合的配電網低電壓預測方法

有效

• 申請號: 201711297896.4
• 申請日: 2017-12-08
• 公開（公告）號: CN108075467B
• 公開（公告）日: 2020-03-20
• 發明（設計）人: 郭文明;朱吉然;張帝;張志丹;唐海國;龔漢陽;冷華;劉海峰;陳躍輝
• 申請（專利權）人: 國網湖南省電力有限公司;國網湖南省電力公司電力科學研究院;國家電網公司
• 主分類號: H02J3/00
• 分類號: H02J3/00
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 楊萍

1.一種基于多源證據融合的配電網低電壓預測方法，其特征在于，包括以下步驟：

步驟S1：設定辨識框架為Ω＝{A₁,A₂}，其中命題A₁為低電壓，命題A₂為非低電壓；選取反映配電網低電壓發生可能性的多類指標，收集各類型指標下不同指標值對應的電壓檢測值，收集的電壓檢測值的電壓降需在額定電壓的5％-15％范圍內；利用模糊邏輯神經元聚類網絡學習法求取各類型指標支持命題A₁和A₂的原型特征向量，步驟為：

Step11、數據規格化；選取該類型指標下不同指標值對應的電壓檢測值U_i，分別通過公式對其進行變換，將其映射到[0,1]區間上，得到相應的待分類樣本x_i，其中i＝1,2,…,M，M為樣本個數；

Step12、初始化；設置聚類數c＝2、步長η和ζ、終止閾值ε，初始化學習次數t＝0、第j類中間網絡參數w_j的取值w_j⁽⁰⁾，第j類聚類中心v_j的取值v_j⁽⁰⁾，j＝1,2；

Step13、進行第t次學習過程，依次對每個待分類樣本x_i，首先計算隱層節點輸出z₁,…,z_c、輸出層結點輸出y₁,…,y_c，并由y₁,…,y_c變換得到μ_j，若μ_j＝1表明輸入的待分類樣本x_i屬于第j類，第j類獲勝，則對第j類的中間網絡參數w_j和第j類的聚類中心v_j進行調整；具體的計算公式如下：

式(1)采用Pedrycz相似度算子sim(a,b)進行計算，有：

式中a,b∈[0,1]，a∩b＝min(a,b)，a→b＝sup{h∈[0,1],a∩h≤b}，sup表示集合{h}的上確界，即集合{h}中的任意一個元素均小于或等于該值；

定義誤差為：

根據定義的誤差準則和梯度下降學習方法，w_j和v_j的調整方式如下：

若w_j≤(x_i≡v_j)，則

Δw_j＝η(1-z_j) (4)

w_j＝w_j+Δw_j

否則，w_j不變；

若w_j＞(x_i≡v_j)，且v_j≤x_i，則

若w_j＞(x_i≡v_j)，且v_j＞x_i，則

v_j＝v_j+Δv_j

否則v_j不變；

Step14、判斷||w_j^(t)-w_j^(t+1)||+||v_j^(t)-v_j^(t+1)||＜ε是否成立，如果成立，學習過程結束，v_j^(t+1)為第j類的聚類中心，進入Step15；如果不成立，則令t＝t+1，并轉向Step13；其中w_j^(t)和v_j^(t)分別為第t次學習過程調整得到的第j類中間網絡參數w_j和第j類聚類中心v_j的取值；

Step15、對于各個聚類中心v_j^(t+1)，計算其與屬于第j類的各個樣本x_i的距離，得到與其距離最近的樣本x_j及x_j對應的電壓檢測值U_j；將電壓降超過額定電壓10％的U_j所對應的指標值作為該類型指標支持命題A₁原型特征向量，電壓降未超過額定電壓10％的U_j所對應的指標值作為該類型指標支持命題A₂原型特征向量；

步驟S2：將待預測配電網對應的各種類型的指標值作為其低電壓預測的證據，利用最優化聚類法對各類證據構建基本信任分配函數，具體包括以下步驟：

Step 21、將待預測配電網對應的各種類型的指標值作為證據向量x_k，k＝1,…,N，N為證據類型數目，建立以下優化模型：

其中，L為辨識框架中命題數，L＝2，μ_nk表示證據向量x_k對于辨識框架中命題A_n的隸屬度；d_nk表示證據向量x_k與相應類型的證據支持A_n的原型特征向量Y_n之間的距離，A為s×s階的對稱正定矩陣；最優化準則為取J的最小值，μ_nk為待求解的參數；

Step 22、利用拉格朗日乘數法求解使J最小的μ_nk的值，得到：

Step 23、將隸屬度μ_nk作為證據向量x_k的支持命題A_n的基本信任分配函數m_k(A_n)：

m_k(A_n)＝μ_nk； (9)

步驟S3:利用D-S證據合成法則，將多種低電壓預測的證據進行融合，根據融合結果，預測配電網發生低電壓的可能性；其中證據融合公式為：

其中，m(A₁)和m(A₂)分別為證據S₁和S₂合成后對命題A₁和A₂的支持程度，m(A₁)表示配電網發生低電壓的可能性大小。