[发明专利]基于数据驱动的配电网故障停电风险指标评估方法及系统

说明书

本发明公开了配电网故障分析技术领域的一种基于数据驱动的配电网故障停电风险指标评估方法及系统，采集配电网基础参数的历史数据，筛选出影响配电网运行的故障停电风险指标；将故障停电风险指标输入配电网风险模型，获取故障停电风险指标的故障停电风险值；基于故障停电风险指标的故障停电风险值，获取故障停电风险指标的敏感度值。能够有效预测配电网停电风险，降低电网故障停电的风险。

技术领域

本发明属于配电网故障分析技术领域，具体涉及一种基于数据驱动的配电网故障停电风险指标评估方法及系统。

背景技术

随着社会经济和人民生活水平的不断发展，人们对供电系统的运行水平提出了更高的要求，只有保证好配电网的供电可靠性、安全性、电能质量等方面，才能有力的保障电力系统的安全稳定运行。由于配电网近些年的发展，其规模日益增大，网络结构日益复杂，设备种类越来越多，运行方式多变，分布也广，所以配电网的不确定性也大大增加，一旦发生电网事故，所造成的后果也越来越严重。电力系统中故障的产生往往是多种因素相互作用的结果，往往具有时变性、多样性，随机模糊性等特点，这些特点对配电网的风险评估工作提出了巨大的挑战。配电网风险评估方法即是配电网风险指标的计算方法，目前关于配电网可靠性与风险评估的方法很多，主要可以归纳为解析法、模拟法以及将解析法和模拟法相结合的混合法三类。解析法的基本思想是根据系统的结构和元件的功能以及两者之间的逻辑关系，建立可靠性概率模型后通过递推或迭代等过程精确地求解模型，但是其计算时间较长，而且慢慢难以解决日渐复杂的配电网系统。而解析法的效率则低于基于人工智能的方法。所以为了建设高水平的电网，亟需一种基于数据驱动的方法对多种影响因素产生的指标进行一一分析，以方便对电网进行明确的优化。

发明内容

为解决现有技术中的不足，本发明提供一种基于数据驱动的配电网故障停电风险指标评估方法及系统，能够有效预测配电网停电风险，降低电网故障停电的风险。

为达到上述目的，本发明所采用的技术方案是：

第一方面，提供一种配电网故障停电风险指标评估方法，包括：采集配电网基础参数的历史数据，筛选出影响配电网运行的故障停电风险指标；将故障停电风险指标输入配电网风险模型，获取故障停电风险指标的故障停电风险值；基于故障停电风险指标的故障停电风险值，获取故障停电风险指标对应的敏感度值。

进一步地，所述配电网风险模型的构建方法，包括：采集配电网基础参数的历史数据，筛选出影响配电网运行的故障停电风险指标；基于设备停运停电率和用户停电损失，确定故障停电风险指标的故障停电风险值；采用基于遗传算法改进的BP神经网络，构建配电网风险模型；以故障停电风险指标为输入，以与故障停电风险指标相对应的故障停电风险值为输出，训练构建的配电网风险模型。

进一步地，所述基于设备停运停电率和用户停电损失，确定故障停电风险指标的故障停电风险值，具体为：

R＝f(ψ×C) (1)

其中：R表示故障停电风险值；ψ表示设备停运停电率；C表示用户停电损失；f表示风险模型函数。

进一步地，所述采用基于遗传算法改进的BP神经网络，构建配电网风险模型，包括：确定基于遗传算法改进的BP神经网络的网络拓扑；基于确定的网络拓扑确定遗传算法个体的长度，进行种群初始化；确定适应度函数，首先通过个体i，获取此时BP神经网络的初始权值和阈值，在经过BP神经网络的训练后，得到BP神经网络输出的预测值；将预测值与实际值的差值之和，乘以一个系数K作为适应值H；具体求取公式如下：

其中，n表示网络输出节点数；K表示系数；o_i表示第i个节点的预测输出；y_i表示BP神经网络第i个节点的期望输出；

选择轮盘赌法作为遗传算法的选择策略，个体i相应的选择概率p_i：