[發(fā)明專利]一種配電網(wǎng)運(yùn)行狀態(tài)畫像分析方法

有效

• 申請?zhí)枺?/td>: 201910938223.5
• 申請日: 2019-09-30
• 公開（公告）號: CN110705873B
• 公開（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 殷自力;張振宇;陳宇星;王清涼;張功林;高源;羅翔;高偉;郭謀發(fā)
• 申請（專利權(quán)）人: 國網(wǎng)福建省電力有限公司;國網(wǎng)福建省電力有限公司電力科學(xué)研究院;福州大學(xué)
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N3/08
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 錢莉;蔡學(xué)俊

1.一種配電網(wǎng)運(yùn)行狀態(tài)畫像分析方法，其特征在于：包括以下步驟：

步驟S1：從營配調(diào)相關(guān)生產(chǎn)和管理系統(tǒng)獲取基礎(chǔ)數(shù)據(jù)；

步驟S2：采用孤立森林法對步驟S1中獲取的基礎(chǔ)數(shù)據(jù)進(jìn)行清洗；

步驟S3：對步驟S2中進(jìn)行清洗后的正常數(shù)據(jù)作為特征量，參考城市配電網(wǎng)運(yùn)行水平和供電能力評估導(dǎo)則構(gòu)建指標(biāo)體系，用層次分析法進(jìn)行評價，再結(jié)合歷史經(jīng)驗(yàn)數(shù)據(jù)和實(shí)際生產(chǎn)要求進(jìn)行評價結(jié)果的調(diào)整，并將調(diào)整后的評價結(jié)果作為S4中神經(jīng)網(wǎng)絡(luò)訓(xùn)練的標(biāo)簽；

步驟S4：將調(diào)整后的評價結(jié)果作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練的標(biāo)簽構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，對各級別的指標(biāo)進(jìn)行關(guān)聯(lián)性分析；

步驟S5：建立并分析畫像，用以直觀地展示各級配網(wǎng)運(yùn)行狀態(tài)水平，通過不同畫像間的對比，挖掘配網(wǎng)運(yùn)行存在的薄弱環(huán)節(jié)；

步驟S4中所述構(gòu)建神經(jīng)網(wǎng)絡(luò)的具體內(nèi)容為：采用受限玻爾茲曼機(jī)來構(gòu)建神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型；所述受限玻爾茲曼機(jī)是一個兩層的神經(jīng)網(wǎng)絡(luò)；上面一層神經(jīng)元組成隱藏層，用h向量表示隱藏層神經(jīng)元的值；下面一層的神經(jīng)元組成可見層,用v向量表示可見層神經(jīng)元的值；隱藏層和可見層之間是全連接的，隱藏層神經(jīng)元之間是獨(dú)立的，可見層神經(jīng)元之間也是獨(dú)立的；連接權(quán)重用矩陣W表示；RBM不區(qū)分前向和反向，可見層的狀態(tài)作用于隱藏層，而隱藏層的狀態(tài)也能夠作用于可見層；隱藏層的偏倚系數(shù)是向量b,而可見層的偏倚系數(shù)是向量a；

步驟S4中所述對各級別的標(biāo)簽進(jìn)行關(guān)聯(lián)性分析的具體內(nèi)容為：

將步驟S2中清洗后判定為正常的數(shù)據(jù)隨機(jī)分為訓(xùn)練集和測試集,將訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，即把采集到的數(shù)值轉(zhuǎn)化為高、中、低三個等級，令100表示高、010表示中、001表示低；采用神經(jīng)網(wǎng)絡(luò)模型分別訓(xùn)練可靠性、安全性、經(jīng)濟(jì)性、優(yōu)質(zhì)性、供電能力，最后再以這五個作為輸入，訓(xùn)練整體運(yùn)行狀態(tài)；

若以可靠性高、中、低作為輸出，輸入為用戶年平均停電時間、重復(fù)計(jì)劃停電用戶比例、用戶年平均停電次數(shù)、故障停電時間占比、配網(wǎng)故障率和供電可靠率；

若以經(jīng)濟(jì)性高、中、低作為輸出，輸入為高損配變占比、10千伏及以下綜合線損率、高損臺區(qū)比例；

若以優(yōu)質(zhì)性高、中、低作為輸出，輸入為綜合電壓合格率、低電壓用戶數(shù)占比、配電自動化系統(tǒng)運(yùn)行指標(biāo)得分、配電網(wǎng)圖模數(shù)據(jù)合格率、公專變采集成功率、運(yùn)行方式分析應(yīng)用率；

若以供電能力高、中、低作為輸出，輸入為戶均配變?nèi)萘俊⑴渚W(wǎng)故障平均修復(fù)時間、中壓線路最大負(fù)載率平均值、中壓重載線路占比、中壓線路出線間隔利用率等11個；

若以安全性高、中、低作為輸出，輸入包括中壓配電網(wǎng)標(biāo)準(zhǔn)化結(jié)構(gòu)占比、中壓配電線路站間聯(lián)絡(luò)率、中壓配電線路N-1通過率、非晶合金配變占比、短路研判正確率、分布式電源滲透率、智能成票邏輯正確率；

若以整體運(yùn)行狀態(tài)極端、惡化、脆弱、良好、穩(wěn)定作為輸出，輸入為可靠性、經(jīng)濟(jì)性、優(yōu)質(zhì)性、供電能力、安全性；

對訓(xùn)練樣本進(jìn)行訓(xùn)練時，以最大化似然函數(shù)為目標(biāo)，迭代更新網(wǎng)絡(luò)參數(shù)直至收斂，獲取相應(yīng)的模型參數(shù)，每次迭代過程如下：

步驟SA：獲取一個訓(xùn)練樣本，令100表示高、010表示中、001表示低；根據(jù)不同輸出對應(yīng)的輸入量的值設(shè)置網(wǎng)絡(luò)的可見單元值；

步驟SB：對于每個神經(jīng)網(wǎng)絡(luò)中的隱藏層，計(jì)算它的激勵能量：

然后計(jì)算概率值：

p_i＝σ(c_i)

以p_i的概率將第i個隱藏單元的狀態(tài)值設(shè)置為1，以1-p_i的概率將狀態(tài)值設(shè)置為0；然后為每條邊e_ij計(jì)算如下值：

pos(e_ij)＝x_ix_j

其中，x_i為可見單元或隱藏單元第i個神經(jīng)元的狀態(tài)值；

步驟SC：用步驟SB中的相同方法計(jì)算每個神經(jīng)網(wǎng)絡(luò)中的可見層的激勵能量c_i，并更新它的狀態(tài)；接下來再次更新隱藏單元狀態(tài)，并對每條邊計(jì)算：

neg(e_ij)＝x_ix_j

步驟SD：更新每條邊e_ij的權(quán)重：

ω_ij＝ω_ij+γ·(pos(e_ij)-neg(e_ij))

其中，ω_ij為邊的權(quán)重，γ為更新率，是人工設(shè)定的參數(shù)；

步驟SE：對每個訓(xùn)練樣本重復(fù)步驟SA至步驟SD,該迭代過程直到收斂為止，即訓(xùn)練樣本和步驟SC中獲得的重構(gòu)樣本之差小于指定閾值，或達(dá)到指定的最大迭代次數(shù)；

在獲取訓(xùn)練完善的模型后，帶入測試集數(shù)據(jù)，得到網(wǎng)絡(luò)的輸出結(jié)果，用以畫像的繪制。