[發明專利]基于堆疊自編碼器的配電網規劃成效評估器

在審

• 申請號: 202210156695.7
• 申請日: 2022-02-21
• 公開（公告）號: CN114444971A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 馬杰;李秋燕;王利利;郭勇;劉友波;許長清;毛玉賓;丁巖;李科;全少理;楊卓;郭新志;于昊正;皇甫宵文
• 申請（專利權）人: 國網河南省電力公司經濟技術研究院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06F30/27;G06N3/08;G06F113/04
• 代理公司: 鄭州圖釘專利代理事務所(特殊普通合伙) 41164
• 代理人: 郭一路

1.基于堆疊自編碼器的配電網規劃成效評估器，它包括以下步驟：

步驟1：梳理常用的配電網規劃成效指標，按照供電可靠性與投資效益兩個維度進行區分；

步驟2：構建基于關聯度配電網規劃成效指標體系，通過計算配電網規劃指標與供電可靠性與經濟效益之間的關聯度，選取關聯度最強的指標作為配電網規劃成效指標；

步驟3：在MATLAB仿真軟件中生成大量規劃方案樣本，計算給定條件下的配電網規劃成效結果；

步驟4：利用步驟3中的大量樣本數據，訓練生成配電網規劃成效評估器，實現規劃成效的快速評估。

2.如權利要求1所述的基于堆疊自編碼器的配電網規劃成效評估器，其特征在于：所述的步驟1中供電可靠性相關規劃成效指標包括：供電可靠率(％)、戶均停電時間(小時)、戶均停電次數(次)、主變N-1通過率、線路N-1通過率；經濟效益相關規劃成效指標包括：售電收入、資產負債率、運維成本、配電網綜合線損率、配電網單位投資增供電量、配電網單位投資增供負荷。

3.如權利要求1所述的基于堆疊自編碼器的配電網規劃成效評估器，其特征在于：所述的步驟2中構建基于關聯度配電網規劃成效指標體系包括以下步驟：

步驟2.1：通過互信息法，計算各個規劃成效指標與供電可靠性及經濟效益之間的關聯度，關聯度用互信息值表征，當互信息值為0時，代表變量互獨立或者無關；而當互信息的取值在0.7-1之間時，表示變量之間的相互依賴程度很高，指標X和Y兩者之間的互信息I(X,Y)計算公式如下：

其中p(x,y)表示指標X和Y之間的聯合概率分布函數，p(x)和p(y)分別為各自的邊緣概率分布函數；

步驟2.2：將指標的數據點繪制成散點圖，用2×2的格柵將數據點分割開，分別按照公式(1)計算各網格化方案對應的互信息值，以各網格方案的最大互信息為結果，記為a_ij，i,j為指標序號；

步驟2.3：計算出各個規劃成效指標的互信息值，形成特征矩陣A，對矩陣A做標準化處理,使得標準化的矩陣A的元素處于0～1之間；

步驟2.4：以供電可靠性和資產利用效益兩個指標作為維度，將各項支撐指標與綜合性能指標的最大互信息值即矩陣A繪制在三維散點圖中，其中，z軸代表了各項支撐指標的標號，x軸和y軸分別代表支撐指標與可靠性指標及資產利用效益指標的最大互信息值，范圍為[0，1],越接近1則說明關聯性越強；

步驟2.5：通過最大互信息度量各項指標同綜合性能指標的關聯關系強度，最終獲得配電網規劃成效評估體系。

4.如權利要求1所述的基于堆疊自編碼器的配電網規劃成效評估器，其特征在于：所述的步驟4中生成配電網規劃成效評估器包括以下步驟：

步驟4.1：基于Python語言的Tensorflow框架搭建自動編碼器(AE)，AE包括輸入層、隱藏層和輸出層，從輸入層到輸出層的公式為：h＝f(wx+b)，其中x是AE的輸入特征；w是權重，b是偏差；f是激活函數Sigmoid；h是隱藏層中的特征；

步驟4.2：使用步驟3中的樣本訓練數據訓練AE，將多個AE堆疊進行整體訓練生成堆疊自編碼器(SAE)；

步驟4.3：基于樣本測試數據使用平均絕對誤差(Mean Absolute Error,MAE)和誤差百分比評估SAE模型的準確度，平均絕對誤差表達式為：誤差百分比表達式為：式中，N_T為測試集樣本個數，N_E為設備數目，P_P為SAE預測值，P_R為測試集中每個設備的真實值，EP為誤差百分比。

5.如權利要求4所述的基于堆疊自編碼器的配電網規劃成效評估器，其特征在于：所述的步驟4.2中的堆疊自編碼器(SAE)訓練過程包括如下步驟：

步驟4.2.1：前向傳播：樣本數據從輸入層輸入，并逐層向后傳播，最終從輸出層輸出，輸出為：a^l＝σ(z^l)＝σ(W^la^l-1+b^l)，式中，σ為激活函數，W^l為第l層的權重，b^l為第l層的偏置，z^l為第l層未激活前輸出，a^l為第l層的輸出；

步驟4.2.2：反向傳播：由步驟4.2.1的前向傳播得到樣本的輸出后，使用損失函數計算SAE的輸出和標簽值之間的誤差，使用均方誤差來計算，誤差的表達式為：式中，x為樣本輸入，y為樣本真值，J為誤差；

步驟4.2.3：為了加快學習速度，采用學習率衰減的方法，其數學表達式為：式中，α為當前學習率，α₀為初始學習率，decayrate為學習率衰減率，epoch為當前訓練周期。