[发明专利]一种电力系统可靠性影响因素灵敏度计算方法

权利要求书

1.一种电力系统可靠性的影响因素灵敏度计算方法，其特征在于，包括：

步骤1，在可靠性指标的神经网络中选择N条链路，所述链路满足以下条件：在神经网络的每一层中各选取一个神经元组成一条链路，所述被选取的神经元必须逐层依次直接相连；

步骤2，分别计算所述各条链路中某一影响因素的灵敏度指标，计算所有链路的灵敏度指标均值作为所述影响因素对可靠性指标的灵敏度；

所述分别计算所述各条链路中某一影响因素的灵敏度指标，包括：

其中为灵敏度指标，I为可靠性指标，F为影响因素，M为所述可靠性指标的神经网络中隐藏层的个数，i为各层中神经元编号。

2.如权利要求1所述的方法，其特征在于，所述神经网络为BP神经网络。

3.如权利要求1所述的方法，其特征在于，所述可靠性指标能够为：用户年均停电小时数。

4.如权利要求1所述的方法，其特征在于，所述影响因素能够为：绝缘馈线比、联络线比例、分段与馈线的数量比、单位分段平均用户数或年均馈线容载比。

5.如权利要求1所述的方法，其特征在于，所述步骤1前还包括：利用样本增广技术对可靠性的各影响因素数据小样本进行初级增广，得到初级增广矩阵A_E；基于初级增广矩阵A_E进行单输出神经网络训练。

6.如权利要求5所述的方法，其特征在于，所述神经网络训练包括：利用Matlab神经网络工具箱采Levenberg Marquardt optimization算法进行训练，其它参数均采用软件包默认设置。

7.如权利要求5所述的方法，其特征在于，所述步骤1中利用样本增广技术对可靠性的各影响因素数据小样本进行初级增广，包括：利用核密度拟合技术对小样本进行增广。

8.如权利要求5所述的方法，其特征在于，对每个BP神经，控制训练精度为样本预测和实际值的均方差小于0.019。