一種基于大數據相關性分析的配電網供電可靠性預測方法技術

一種基于大數據相關性分析的配電網供電可靠性預測方法，該法先利用粗糙集理論從收集到的配電網大數據中挖掘出與配電網可靠性相關性較強的條件因素，然后利用提取出的條件因素和地區配電網可靠性指標的歷史統計數據，通過搭建好的GA?BP神經網絡進行訓練學習生成預測模型。本設計可實現對目標年的配電網供電可靠性準確、快速的評估。

【技術實現步驟摘要】
一種基于大數據相關性分析的配電網供電可靠性預測方法
本專利技術屬于電力系統配電網
，具體涉及一種基于大數據相關性分析的配電網供電可靠性預測方法。
技術介紹
供電可靠性是指供電系統對用戶持續供電的能力。一旦出現供電中斷，不僅會造成巨大的經濟損失，也會嚴重影響人們的生活和社會的安定。據電力公司不完全的統計，80％的用戶停電事故是由配電系統故障引起的，因此，準確快速的進行配電網可靠性評估十分重要。隨著智能配電網信息化、自動化、互動化水平的提高以及與物聯網的相互滲透與融合，電力企業量測體系內部積累了大量數據，如用戶用電數據、調度運行數據、GIS數據等等，在量測體系之外，電力企業還積累了大量運營數據(參見圖1)，除卻電力企業內部數據外還有許多潛在的外部數據源，分布式電源的大量接入以及電動汽車的快速發展，必將會為配電網的大數據資源池注入更多的數據流。在工程中，配電網供電可靠性評估常用的方法有解析法、模擬法和混合法，這些方法都是以準確的配電網結構和多年的元件可靠性指標歷史數據為基礎進行預測評估的，而面對如今愈加復雜的配網結構和不斷增大的數據量，以上方法很難發揮作用。因此有必要尋求契合智能配電網數據特征的大數據應用技術。
技術實現思路
本專利技術的目的是克服現有技術存在的傳統供電可靠性評估方法無法適用于大數據處理的問題，提供一種準確、快速的基于大數據相關性分析的配電網供電可靠性預測方法。為實現以上目的，本專利技術的技術方案如下：一種基于大數據相關性分析的配電網供電可靠性預測方法，依次包括以下步驟：步驟1、收集電力企業的配電網大數據，該配電網大數據包括量測數據、運營數據以及外部數據；步驟2、采用粗糙集理論從收集到的配電網大數據中提取出與配網供電可靠性的相關性較強的條件因素；步驟3、利用提取出的條件因素搭建BP神經網絡進行配網供電可靠性評估預測。所述步驟2依次包括以下步驟：步驟2-1、按照所有的條件屬性和決策屬性供電可靠率RS-3對所述配電網大數據進行分類，以形成知識庫；步驟2-2、根據所有條件屬性對所述知識庫中的樣本進行劃分，得到整體的不可分辨關系U/R，同時，按照決策屬性供電可靠率RS-3對知識庫中的樣本進行劃分，得到一個不可分辨關系X，根據式1判斷出全局U/R肯定屬于供電可靠率RS-3的集合，這些集合的并集即為X的正域POS全局(X)；步驟2-3、先按順序依次判斷刪減某個條件屬性后計算得到的POS刪減(X)與POS全局(X)是否相等，若相等即判定刪減的條件屬性為非核心條件屬性，不相等則判定其為核心條件屬性，再將所有的核心條件屬性放入集合Core中；步驟2-4、判斷POSCore(X)＝POS全局(X)是否成立，若成立，則得到的集合Core即為全局屬性的最小屬性約簡集合，若不成立，則再計算每個非核心條件屬性的重要性，按照重要性由大到小的順序依次加入到集合Core中，直至POSCore(X)＝POS全局(X)。所述步驟3依次包括以下步驟：步驟3-1、先根據提取出的條件因素的歷史數據生成輸入向量，并以其所對應的供電可靠率RS-3的歷史數據作為輸出向量，再根據式2將以上輸入向量和輸出向量進行歸一化處理，使處理后的數據均勻分布在[-1,1]內，同時，將處理后的數據隨機選取70％作為訓練數據，剩余的30％作為測試數據；式中，x、y分別為輸入向量、輸出向量；步驟3-2、選用三層的BP神經網絡，以提取出的條件因素的個數n作為神經網絡的輸入層神經元個數，隱含層神經元個數m取2n+1，預測值選用供電可靠率RS-3，即輸出層神經元個數k為1，通過式3、4、5、6計算神經網絡的預測輸出與期望輸出的誤差，若該誤差不滿足精度要求，則從輸出層反向傳播該誤差以調整連接權值和閾值，使神經網絡的預測輸出和期望輸出的誤差逐漸減小，直至滿足精度要求；上式中，H為隱含層的輸出，wij為輸入層與隱含層的連接權值，aj為隱含層閾值，O為輸出層的預測輸出，wjk為隱含層與輸出層的連接權值，bk為輸出層閾值，zk為期望輸出，e為輸出層的預測輸出與期望輸出的誤差；步驟3-3、在[-εinit,εinit]內隨機取值來初始化BP神經網絡的權重和閾值賦值，其中，n和m分別為輸入層和輸出層神經元個數；步驟3-4、將所述訓練數據輸入BP神經網絡訓練學習生成預測模型，所述測試數據則經過預測模型進行供電可靠率RS-3的預測，并與測試數據的實際供電可靠率RS-3進行對比分析，調整參數直至得出能滿足要求精度的模型。所述步驟3-3中，初始化BP神經網絡的權重和閾值賦值后，采用遺傳算法優化出最佳的初始權重和閾值。所述步驟1中，電力企業的外部數據采用網絡爬蟲技術從互聯網中搜集得到。與現有技術相比，本專利技術的有益效果為：1、本專利技術一種基于大數據相關性分析的配電網供電可靠性預測方法先采用粗糙集理論從搜集到的配電網大數據中提取出與配電網可靠性相關性較強的條件因素，去除冗余條件因素，避免其對后期神經網絡的訓練造成干擾，然后利用提取出的相關性較強的條件因素搭建BP神經網絡進行配網供電可靠性評估預測，該法不僅能夠實現配電網大數據的有效處理，而且利用BP神經網絡良好的非線性函數逼近能力，可顯著改善預測模型的精度和泛化能力。因此，本專利技術方法適用于配電網大數據的處理。2、本專利技術一種基于大數據相關性分析的配電網供電可靠性預測方法采用全局搜索能力較強的遺傳算法來優化出BP神經網絡的初始權重和閾值，可解決BP神經網絡易陷入局部極小值的問題，提高供電可靠性預測的準確性。因此，本專利技術提高了預測的準確性。附圖說明圖1為配電網大數據的數據源。圖2為本專利技術的總體流程圖。具體實施方式下面結合具體實施方式對本專利技術作進一步詳細的說明。參見圖2，一種基于大數據相關性分析的配電網供電可靠性預測方法，依次包括以下步驟：步驟1、收集電力企業的配電網大數據，該配電網大數據包括量測數據、運營數據以及外部數據；步驟2、采用粗糙集理論從收集到的配電網大數據中提取出與配網供電可靠性的相關性較強的條件因素；步驟3、利用提取出的條件因素搭建BP神經網絡進行配網供電可靠性評估預測。所述步驟2依次包括以下步驟：步驟2-1、按照所有的條件屬性和決策屬性供電可靠率RS-3對所述配電網大數據進行分類，以形成知識庫；步驟2-2、根據所有條件屬性對所述知識庫中的樣本進行劃分，得到整體的不可分辨關系U/R，同時，按照決策屬性供電可靠率RS-3對知識庫中的樣本進行劃分，得到一個不可分辨關系X，根據式1判斷出全局U/R肯定屬于供電可靠率RS-3的集合，這些集合的并集即為X的正域POS全局(X)；步驟2-3、先按順序依次判斷刪減某個條件屬性后計算得到的POS刪減(X)與POS全局(X)是否相等，若相等即判定刪減的條件屬性為非核心條件屬性，不相等則判定其為核心條件屬性，再將所有的核心條件屬性放入集合Core中；步驟2-4、判斷POSCore(X)＝POS全局(X)是否成立，若成立，則得到的集合Core即為全局屬性的最小屬性約簡集合，若不成立，則再計算每個非核心條件屬性的重要性，按照重要性由大到小的順序依次加入到集合Core中，直至POSCore(X)＝POS全局(X)。所述步驟3依次包括以下步驟：步驟3-1、先根據提取出的條件因素的歷史數據生成輸入向量，并以其所對應的供本文檔來自技高網...

【技術保護點】
一種基于大數據相關性分析的配電網供電可靠性預測方法，其特征在于：該方法依次包括以下步驟：步驟1、收集電力企業的配電網大數據，該配電網大數據包括量測數據、運營數據以及外部數據；步驟2、采用粗糙集理論從收集到的配電網大數據中提取出與配網供電可靠性的相關性較強的條件因素；步驟3、利用提取出的條件因素搭建BP神經網絡進行配網供電可靠性評估預測。

【技術特征摘要】
1.一種基于大數據相關性分析的配電網供電可靠性預測方法，其特征在于：該方法依次包括以下步驟：步驟1、收集電力企業的配電網大數據，該配電網大數據包括量測數據、運營數據以及外部數據；步驟2、采用粗糙集理論從收集到的配電網大數據中提取出與配網供電可靠性的相關性較強的條件因素；步驟3、利用提取出的條件因素搭建BP神經網絡進行配網供電可靠性評估預測。2.根據權利要求1所述的一種基于大數據相關性分析的配電網供電可靠性預測方法，其特征在于：所述步驟2依次包括以下步驟：步驟2-1、按照所有的條件屬性和決策屬性供電可靠率RS-3對所述配電網大數據進行分類，以形成知識庫；步驟2-2、根據所有條件屬性對所述知識庫中的樣本進行劃分，得到整體的不可分辨關系U/R，同時，按照決策屬性供電可靠率RS-3對知識庫中的樣本進行劃分，得到一個不可分辨關系X，根據式1判斷出全局U/R肯定屬于供電可靠率RS-3的集合，這些集合的并集即為X的正域POS全局(X)；步驟2-3、先按順序依次判斷刪減某個條件屬性后計算得到的POS刪減(X)與POS全局(X)是否相等，若相等即判定刪減的條件屬性為非核心條件屬性，不相等則判定其為核心條件屬性，再將所有的核心條件屬性放入集合Core中；步驟2-4、判斷POSCore(X)＝POS全局(X)是否成立，若成立，則得到的集合Core即為全局屬性的最小屬性約簡集合，若不成立，則再計算每個非核心條件屬性的重要性，按照重要性由大到小的順序依次加入到集合Core中，直至POSCore(X)＝POS全局(X)。3.根據權利要求1或2所述的一種基于大數據相關性分析的配電網供電可靠性預測方法，其特征在于：所述步驟3依次包括以下步驟：步驟3-1、先根據提取出的條件因素的歷史數據生成輸入向量，并以其所對應的供...

【專利技術屬性】
技術研發人員：陳峰，鄭旭，唐靖，
申請(專利權)人：國家電網公司，國網湖北省電力公司經濟技術研究院，華中科技大學，
類型：發明
國別省市：北京,11