[发明专利]基于BP神经网络的配电网故障停电影响因素敏感度分析

说明书

本发明涉及一种基于BP神经网络算法的配电网故障停电影响因素敏感度分析方法，步骤1：梳理与投资相关的配电网故障停电影响因素集合，形成投资‑影响因素‑户均故障停电指标的关联关系；步骤2：以各影响因素作为BP神经网络算法的输入，以户均故障停电指标作为BP神经网络算法的输出，建立故障停电预测模型；步骤3：采用灵敏度分析方法分析影响户均故障停电指标的各影响因素；步骤4：将各影响因素灵敏度的绝对值并按照大小排序，获取对户均故障停电指标影响最大的几个影响因素，其中影响因素灵敏度的绝对值排序越靠前，则对户均故障停电指标影响越大，说明该影响因素越薄弱，由此可对配电网投资提供方向上的指引。

技术领域

本发明属于电力系统领域，具体涉及一种基于BP神经网络算法的配电网故障停电影响因素敏感度分析方法。

背景技术

近年来，以国家能源局2015年发布的《配电网建设改造行动计划(2015—2020年)》为标志，我国现代配电网建设改造进程迅速推进，提升供电可靠性将是建设改造的核心目标之一。如何科学合理的识别配电网薄弱环节，以有限的资金更有针对性地提升供电可靠性是一项亟待解决与研究的问题。

以往有部分研究通过对某地区的配电网实际停电数据开展诊断分析，依据历史停电数据中的停电原因及停电位置查找制约电网可靠性的薄弱环节，对多发故障区域有针对性的进行改造。但是该类方法仅能在一定程度上解决配电网可靠性的部分问题，并未深层次的挖掘电网故障停电的根本问题。还有部分研究通过对区域范围内的配电网进行可靠性评估，通过评估软件的评估结果发现配电网可靠性薄弱点，但是该方法所得结果虽然考虑了网架结构对电网故障停电的影响，其实质还是仅知结果，未知原因，无法从影响配电网故障停电的实际源头上找到薄弱环节。

灵敏度分析是研究与分析一个系统(或模型)的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。通过灵敏度分析还可以确定哪些参数对系统或模型有较大的影响。本发明将灵敏度分析方法引入配电网可靠性薄弱环节分析中，科学识别配电网薄弱环节，为配电网投资决策提供支撑。

发明内容

发明目的：由于以往重主网轻配网投资策略模式的长期存在，且主网建设与配网建设模式及目的存在差异性，导致针对配电网薄弱环节的投资策略较难有成熟的方法依循。因此，针对目前配电网投资过程中投资目的性较差的问题，本发明首先归纳梳理了与投资相关的配电网故障停电影响因素集合。然后，以影响因素集合作为BP神经网络的输入，以配电网户均故障停电时间作为输出，实现了对故障停电可靠性指标的预测分析。最后，采用灵敏度分析方法对BP神经网络的各输入数据进行灵敏度分析，找出影响配电网故障停电指标的薄弱环节，便于电网建设管理部门有针对性的进行投资。

为了克服上述现有技术中因缺少科学合理的配电网薄弱环节分析方法的问题，本发明提供了一种基于BP神经网络算法的配电网故障停电影响因素敏感度分析方法。

为达到以上目的，本发明采取的技术方案是：

一种基于BP神经网络算法的配电网故障停电影响因素敏感度分析方法，包括以下步骤：

步骤1：梳理与投资相关的配电网故障停电影响因素集合，形成投资-影响因素-户均故障停电指标的关联关系；

步骤2：以各影响因素作为BP神经网络算法的输入，以户均故障停电指标作为BP神经网络算法的输出，建立故障停电预测模型；

步骤3：采用灵敏度分析方法分析影响户均故障停电指标的各影响因素；

步骤4：将各影响因素灵敏度的绝对值并按照大小排序，获取对户均故障停电指标影响最大的几个影响因素，其中影响因素灵敏度的绝对值排序越靠前，则对户均故障停电指标影响越大，说明该影响因素越薄弱，由此可对配电网投资提供方向上的指引。

在上述方案的基础上，与投资相关的配电网故障停电影响因素集合包括：网架结构因素、装备水平因素、抢修水平因素和折旧因素。