[發(fā)明專利]基于數(shù)據(jù)驅(qū)動的配電網(wǎng)故障停電風險指標評估方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110356343.1
• 申請日: 2021-04-01
• 公開（公告）號: CN113095648A
• 公開（公告）日: 2021-07-09
• 發(fā)明（設計）人: 竇春霞;翟劉輝;岳東;張智俊;丁孝華;李延滿
• 申請（專利權）人: 南京郵電大學;國網(wǎng)電力科學研究院有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N3/12
• 代理公司: 南京縱橫知識產(chǎn)權代理有限公司 32224
• 代理人: 邵斌

1.一種配電網(wǎng)故障停電風險指標評估方法，其特征是，包括：

采集配電網(wǎng)基礎參數(shù)的歷史數(shù)據(jù)，篩選出影響配電網(wǎng)運行的故障停電風險指標；

將故障停電風險指標輸入配電網(wǎng)風險模型，獲取故障停電風險指標的故障停電風險值；

基于故障停電風險指標的故障停電風險值，獲取故障停電風險指標對應的敏感度值。

2.根據(jù)權利要求1所述的配電網(wǎng)故障停電風險指標評估方法，其特征是，所述配電網(wǎng)風險模型的構建方法，包括：

采集配電網(wǎng)基礎參數(shù)的歷史數(shù)據(jù)，篩選出影響配電網(wǎng)運行的故障停電風險指標；

基于設備停運停電率和用戶停電損失，確定故障停電風險指標的故障停電風險值；

采用基于遺傳算法改進的BP神經(jīng)網(wǎng)絡，構建配電網(wǎng)風險模型；

以故障停電風險指標為輸入，以與故障停電風險指標相對應的故障停電風險值為輸出，訓練構建的配電網(wǎng)風險模型。

3.根據(jù)權利要求2所述的配電網(wǎng)故障停電風險指標評估方法，其特征是，所述基于設備停運停電率和用戶停電損失，確定故障停電風險指標的故障停電風險值，具體為：

R＝f(ψ×C) (1)

其中：R表示故障停電風險值；ψ表示設備停運停電率；C表示用戶停電損失；f表示風險模型函數(shù)。

4.根據(jù)權利要求2所述的配電網(wǎng)故障停電風險指標評估方法，其特征是，所述采用基于遺傳算法改進的BP神經(jīng)網(wǎng)絡，構建配電網(wǎng)風險模型，包括：

確定基于遺傳算法改進的BP神經(jīng)網(wǎng)絡的網(wǎng)絡拓撲；

基于確定的網(wǎng)絡拓撲確定遺傳算法個體的長度，進行種群初始化；

確定適應度函數(shù)，首先通過個體i，獲取此時BP神經(jīng)網(wǎng)絡的初始權值和閾值，在經(jīng)過BP神經(jīng)網(wǎng)絡的訓練后，得到BP神經(jīng)網(wǎng)絡輸出的預測值；將預測值與實際值的差值之和，乘以一個系數(shù)K作為適應值H；具體求取公式如下：

其中，n表示網(wǎng)絡輸出節(jié)點數(shù)；K表示系數(shù)；o_i表示第i個節(jié)點的預測輸出；y_i表示BP神經(jīng)網(wǎng)絡第i個節(jié)點的期望輸出；

選擇輪盤賭法作為遺傳算法的選擇策略，個體i相應的選擇概率p_i：

f_i＝1/F_i (4)

其中，F(xiàn)_i表示個體i的適應度值，f_i表示對適應度值進行求倒數(shù)；N表示種群個體數(shù)目；

采用實數(shù)交叉法進行交叉操作，第k個染色體α_k和第l個染色體α_l在j位的交叉操作，具體如下：

α_kj＝α_ki(1-b)+α_lib (6)

α_lj＝α_lj(1-b)+α_kjb (7)

其中，b表示[0，1]間的隨機數(shù)一；

選取第i個個體的第j個基因α_ij，并對其進行相應的變異操作，具體如下：

其中，α_max表示基因α_ij的上界；α_min表示基因α_ij的下界；f(g)＝r₂(1-g/G_max)；r₂表示一個隨機數(shù)；g表示當前迭代次數(shù)；G_max表示最大進化次數(shù)；r表示[0，1]間的隨機數(shù)二。