[發明專利]一種TFRI權重計算模型的建立方法

在審

• 申請號: 202110391118.1
• 申請日: 2021-04-12
• 公開（公告）號: CN113112067A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 孫辰昊;曾祥君;李澤文;王文;王媛媛;張永熙
• 申請（專利權）人: 長沙理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06F30/20
• 代理公司: 深圳市深軟翰琪知識產權代理有限公司 44380
• 代理人: 吳雅麗

1.一種TFRI權重計算模型的建立方法，其特征在于，基于ARMret預測模型，建立TFRI權重計算模型，TFRI是指雙重風險指數。

2.根據權利要求1所述的TFRI權重計算模型的建立方法，其特征在于，所述的TFRI權重計算模型由下式表征：

式中：ω_E和ω_T分別為和的權重，均取值為“1”，為TFRI值；

TFRI權重計算模型涉及年度輸入數據庫；對年度輸入數據庫的定義如下：

由于年度這一時間單位具有周期重復性，故將輸入數據按年度劃分并分別進行挖掘，以便驗證預測的效果；

年度輸入數據庫D_y為：

式中：

第一個變量D_y：D_y∈D＝{D₁，D₂，...，D_z}代表輸入數據庫D中一年的數據，即在一年內所有發生故障的記錄，D₁，D₂，...，D_z代表輸入數據庫D中第一年、第二年直至最后一年(D_z)的數據。

第二個變量t_i：t_i代表任意一個(位置為第i行)故障記錄的編號。其中假設總計收錄了m條故障記錄，因此，i＝1,2，...，m。

第三個變量f_j：F＝{f₁，f₂，...，f_j，...，f_n，f_Y}為一個包含所有環境特征的集合，f_j為環境特征變量(如天氣)，f_Y為相應的目標特征變量(目標變量，此處為故障是否處理成功)。

第四個變量v_ij：每一個環境特征f_j都由一組環境元素e_j，1，e_j，2，...，e_j，k，...，e_j，l組成(特征“天氣”包含元素：“晴天”、“陰天”、“多云”。。。)，其中第一個下標表示元素對應第j個特征f_j，其中第二個下標k＝1,2，...，l表示總計l個元素中的任意一個。選定環境元素作為輸入變量。設I＝{v₁，v₂，...}為一個包含所有輸入變量的集合，則e_j,k等同輸入變量集合I中的任意一個變量v_ij(假設出現在第i行的故障記錄中，對應第j個特征f_j)；

第五個變量Y_i：設{Y₁，Y₂，...，Y_i，...，Y_m}為所有的目標變量，具體為故障的實際處理結果。在處理故障時，共考慮兩種故障處理措施：自動重合閘和強送電。因此，故障處理結果的設定如下：當故障發生時，若自動重合閘成功，則稱為“成功”；若自動重合閘失敗或未動作而強送電成功或未啟用，則稱為“勉強成功”；其他，則統稱為“失敗”。因此，出現在第i行的故障記錄中目標變量Y_i可采用三種故障處理結果中的一種(成功、勉強成功、失敗)來表示，并設Y(h_y)∈{Y(S)，Y(P)，Y(F)}代指三種故障處理結果(success、proper、failure)中的任意一種。

第六個變量d＝{d₁，d₂，...，d_i，...，d_m}：表示包含所有故障所導致電力中斷持續時間的集合

第七個變量S＝{S₁，S₂，...，S_i，...，S_m}：表示包含所有故障所在季度的集合，其中S_i表示一次故障所在的季度，S(h_S)∈{S(1)，S(2)，S(3)，S(4)}表示四個季度中的任意一個。

第八個變量A＝{A₁，A₂，...，A_i，...，A_m}：表示所包含研究地區所有子區域的集合，其中A_i表示一次故障所在的子區域，A(h_a)∈{A(1)，A(2)，A(3)，...}表示所研究地區中的任意一個子區域。

第九個變量L＝{L₁，L₂，...，L_i，...，L_m}：表示包含所有故障所在故障日穩定性評估等級的集合，其中L_i表示一次故障所在故障日的穩定性評估等級，L(h_l)∈{L(M)，L(S)，L(B)}表示三種等級(MED，SED，BED)中的一個等級。[主要故障日(Major Event Day，MED)、嚴重故障日(Severe Event Day，SED)和一般故障日(Basic Event Day，BED)。]。