[发明专利]基于机器学习的电网投资方案优选方法及系统

说明书

本发明公开了一种基于机器学习的电网投资方案优选方法，包括获取待优选的电网投资项目并构建待选数据集；将刚性电网投资项目直接选入动态背包项目集并将剩余的投资项目作为待优选方案；采用Ranking SVM算法模型对待优选方案进行排序；计算待优选方案的总评分并再次排序并按照投资约束对待优选方案进行判定；对动态背包项目集中的方案进行供电能力约束和投资结构约束判定；重复以上步骤直至得到最终最优的动态背包项目集，构成最终的电网投资方案的优选结果。本发明还公开了一种实现所述基于机器学习的电网投资方案优选方法的系统。本发明的求解效率高，收敛速度快，可扩展性强，优化结果稳定，而且可靠性高、准确性好且客观科学。

技术领域

本发明属于电气自动化领域，具体涉及一种基于机器学习的电网投资方案优选方法及系统。

背景技术

随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保障电能的稳定可靠供应，就成为了电力系统最重要的任务之一。

如今，随着电力需求的持续上升，如何对电网的投资建设方案进行优选，就成为了研究人员的研究重点之一。客观且科学的电力建设投资决策，能够有效提高电网建设的投资效率，而且能够最大程度的保证电网供电的可靠性和稳定性。

但是，目前传统的投资决策模式不仅无法满足复杂因素的高效投资决策需求，也未能充分利用电网发展过程产生的大量数据信息。而且，现有的电网建设投资决策优选模型与算法在目标函数、约束条件方面考虑不够全面和系统，缺乏对项目组合综合效益和建设时序、项目风险因素的综合考量。这使得现有的电网建设投资决策方法可靠性不高，准确性也较差。

发明内容

本发明的目的之一在于提供一种可靠性高、准确性好且客观科学的基于机器学习的电网投资方案优选方法。

本发明的目的之二在于提供一种实现所述基于机器学习的电网投资方案优选方法的系统。

本发明提供的这种基于机器学习的电网投资方案优选方法，包括如下步骤：

S1.获取待优选的电网投资项目，并构建电网投资项目待选数据集；

S2.在电网投资项目待选数据集中，将刚性电网投资项目直接选入动态背包项目集，并将剩余的投资项目作为待优选方案；

S3.提取步骤S2得到的待优选方案的电网投资结构特征，并采用Ranking SVM算法模型对待优选方案进行排序；

S4.根据步骤S3得到的排序结果和各个待优选方案的约束评分标准，计算待优选方案的总评分并再次排序，按照投资约束对待优选方案进行判定；

S5.根据步骤S4的判定结果，对动态背包项目集中的方案进行供电能力约束和投资结构约束判定；

S6.重复步骤S3～S5，直至得到最终最优的动态背包项目集；此时动态背包项目集中的电网投资项目，构成最终的电网投资方案的优选结果。

步骤S3所述的提取步骤S2得到的待优选方案的电网投资结构特征，并采用Ranking SVM算法模型对待优选方案进行排序，具体包括如下步骤：

获取待优选方案的电网投资结构特征，并输入到Ranking SVM算法模型，初始化算法参数以及项目对向量；

确定每个项目对向量的标签，将项目两两组合形成一个样本，每个样本包括两个项目的所有特征和一个标签l_i∈{0,1}，标签l_i用于表示两个项目中的前后排名情况；再对每个项目对向量的函数间隔进行计算，然后通过激活函数得到输出类标；