[发明专利]一种基于大数据相关性分析的配电网供电可靠性预测方法

权利要求书

1.一种基于大数据相关性分析的配电网供电可靠性预测方法，其特征在于：

该方法依次包括以下步骤：

步骤1、收集电力企业的配电网大数据，该配电网大数据包括量测数据、运营数据以及外部数据；

步骤2、采用粗糙集理论从收集到的配电网大数据中提取出与配网供电可靠性的相关性较强的条件因素；

步骤3、利用提取出的条件因素搭建BP神经网络进行配网供电可靠性评估预测。

2.根据权利要求1所述的一种基于大数据相关性分析的配电网供电可靠性预测方法，其特征在于：

所述步骤2依次包括以下步骤：

步骤2-1、按照所有的条件属性和决策属性供电可靠率RS-3对所述配电网大数据进行分类，以形成知识库；

步骤2-2、根据所有条件属性对所述知识库中的样本进行划分，得到整体的不可分辨关系U/R，同时，按照决策属性供电可靠率RS-3对知识库中的样本进行划分，得到一个不可分辨关系X，根据式1判断出全局U/R肯定属于供电可靠率RS-3的集合，这些集合的并集即为X的正域POS_全局(X)；

步骤2-3、先按顺序依次判断删减某个条件属性后计算得到的POS_删减(X)与POS_全局(X)是否相等，若相等即判定删减的条件属性为非核心条件属性，不相等则判定其为核心条件属性，再将所有的核心条件属性放入集合Core中；

步骤2-4、判断POS_Core(X)＝POS_全局(X)是否成立，若成立，则得到的集合Core即为全局属性的最小属性约简集合，若不成立，则再计算每个非核心条件属性的重要性，按照重要性由大到小的顺序依次加入到集合Core中，直至POS_Core(X)＝POS_全局(X)。

3.根据权利要求1或2所述的一种基于大数据相关性分析的配电网供电可靠性预测方法，其特征在于：

所述步骤3依次包括以下步骤：

步骤3-1、先根据提取出的条件因素的历史数据生成输入向量，并以其所对应的供电可靠率RS-3的历史数据作为输出向量，再根据式2将以上输入向量和输出向量进行归一化处理，使处理后的数据均匀分布在[-1,1]内，同时，将处理后的数据随机选取70％作为训练数据，剩余的30％作为测试数据；

式中，x、y分别为输入向量、输出向量；

步骤3-2、选用三层的BP神经网络，以提取出的条件因素的个数n作为神经网络的输入层神经元个数，隐含层神经元个数m取2n+1，预测值选用供电可靠率RS-3，即输出层神经元个数k为1，通过式3、4、5、6计算神经网络的预测输出与期望输出的误差，若该误差不满足精度要求，则从输出层反向传播该误差以调整连接权值和阈值，使神经网络的预测输出和期望输出的误差逐渐减小，直至满足精度要求；

上式中，H为隐含层的输出，w_ij为输入层与隐含层的连接权值，a_j为隐含层阈值，O为输出层的预测输出，w_jk为隐含层与输出层的连接权值，b_k为输出层阈值，z_k为期望输出，e为输出层的预测输出与期望输出的误差；

步骤3-3、在[-ε_init,ε_init]内随机取值来初始化BP神经网络的权重和阈值赋值，其中，n和m分别为输入层和输出层神经元个数；

步骤3-4、将所述训练数据输入BP神经网络训练学习生成预测模型，所述测试数据则经过预测模型进行供电可靠率RS-3的预测，并与测试数据的实际供电可靠率RS-3进行对比分析，调整参数直至得出能满足要求精度的模型。

4.根据权利要求3所述的一种基于大数据相关性分析的配电网供电可靠性预测方法，其特征在于：所述步骤3-3中，初始化BP神经网络的权重和阈值赋值后，采用遗传算法优化出最佳的初始权重和阈值。

5.根据权利要求1或2所述的一种基于大数据相关性分析的配电网供电可靠性预测方法，其特征在于：所述步骤1中，电力企业的外部数据采用网络爬虫技术从互联网中搜集得到。