[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

说明书

技术领域

本发明属于电力系统配电网技术领域，具体涉及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。

背景技术

供电可靠性是指供电系统对用户持续供电的能力。一旦出现供电中断，不仅会造成巨大的经济损失，也会严重影响人们的生活和社会的安定。据电力公司不完全的统计，80％的用户停电事故是由配电系统故障引起的，因此，准确快速的进行配电网可靠性评估十分重要。

随着智能配电网信息化、自动化、互动化水平的提高以及与物联网的相互渗透与融合，电力企业量测体系内部积累了大量数据，如用户用电数据、调度运行数据、GIS数据等等，在量测体系之外，电力企业还积累了大量运营数据(参见图1)，除却电力企业内部数据外还有许多潜在的外部数据源，分布式电源的大量接入以及电动汽车的快速发展，必将会为配电网的大数据资源池注入更多的数据流。

在工程中，配电网供电可靠性评估常用的方法有解析法、模拟法和混合法，这些方法都是以准确的配电网结构和多年的元件可靠性指标历史数据为基础进行预测评估的，而面对如今愈加复杂的配网结构和不断增大的数据量，以上方法很难发挥作用。因此有必要寻求契合智能配电网数据特征的大数据应用技术。

发明内容

本发明的目的是克服现有技术存在的传统供电可靠性评估方法无法适用于大数据处理的问题，提供一种准确、快速的基于大数据相关性分析的配电网供电可靠性预测方法。

为实现以上目的，本发明的技术方案如下：

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，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。

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)。

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；