[发明专利]一种基于大数据互信息属性约简的配电网可靠性评估方法

说明书

本发明涉及配电网规划领域，提供一种基于大数据互信息属性约简的配电网可靠性评估方法，该方法从大数据出发，利用粗糙集中的互信息概念衡量基本指标之间的相关性，筛选海量多类指标中与可靠性指标强相关且相互独立的指标，以这些指标作为输入，用基于遗传算法的BP神经网络模型开展配电网可靠性评估工作。本发明突破了传统的蒙特卡洛模拟和解析法的局限，针对电力大数据，实现基于大数据互信息属性约简的配电网可靠性评估。

技术领域

本发明涉及配电网规划领域，具体涉及一种基于大数据互信息属性约简的配电网可靠性评估方法。

背景技术

随着互联网、数据库等技术的发展和生产环境的自动化，金融、电力、气象等领域产生了海量种类繁多且增长迅速的数据，称之为大数据，如今大数据已渗透到各个领域，成为重要的生产因素，并因其巨大的利用价值正在成为推动产业变革的新引擎。对大数据加以挖掘分析，提取其主要信息并合理运用，才能实现大数据的价值，配电网可靠性是一个与多种因素强相关的技术指标，其中与配电网可靠性相关的有气温、风速、售电量、线损率等多方面数据。传统可靠性指标一般通过建模或抽样模拟用多个指标进行评估，如负荷点指标、停电时间指标、停电经济类指标等，但解析法在处理复杂电力系统时有很大局限性、蒙特卡洛抽样法状态冗余性而导致的耗时很长，大数据技术为开展配电网可靠性评估提供了新思路。

发明内容

本发明的目的是为了克服上述现有技术的不足之处，提出一种基于大数据互信息属性约简的配电网可靠性评估方法，从大数据出发，利用粗糙集中的互信息概念衡量基本指标之间的相关性，筛选海量多类指标中与可靠性指标强相关且相互独立的指标，以这些指标作为输入、用基于遗传算法的BP神经网络模型开展配电网可靠性评估工作。本发明突破了传统的蒙特卡洛模拟和解析法的局限，针对电力大数据，实现基于大数据互信息属性约简的配电网可靠性评估。

本发明的目的是通过以下技术措施实现的。

一种基于大数据互信息属性约简的配电网可靠性评估方法，该方法对与配电网可靠性有关的指标进行预处理，包括连续型指标的离散化，基于信息熵的概念计算指标之间的互信息值，进行去量纲操作后得到指标间的熵相关系数，据此判断各指标与可靠性指标的相关性和各指标相互之间的相关性，进行指标约简，再针对约简后得到的与可靠性指标强相关且相互独立的指标利用BP神经网络拟合它们的非线性关系，并结合遗传算法的寻优特性弥补神经网络方法的不足。具体包括以下步骤：

步骤1：从学术、气象或统计网站上收集大量与配电网可靠性相关的数据；

步骤2：从众多数据中整理出与配电网可靠性有关的指标取值，也就是整理出一份表征可靠性指标和相关指标对应关系的决策表，其中包括1个表示最终配电网可靠性高低的决策属性(即可靠性指标)和多个表示与可靠性相关的因素的条件属性；

步骤3：对决策表中的数据进行预处理：根据各种属性的所有取值，判断属性的取值是连续的还是离散的，对于连续型属性，需利用数理统计中的知识计算出其应该被划分的数目，并用等距离散法将连续型属性离散化；

步骤4：计算每种属性取到特定离散值时的概率，然后求出每种属性各自的信息熵、条件属性对于决策属性的条件熵，进而求得各种条件属性与决策属性之间、两两条件属性之间的互信息；

步骤5：对步骤4中算得的条件属性与决策属性之间的互信息进行归一化，结合信息熵求取条件属性和决策属性之间的熵相关系数，由此判断条件属性与决策属性之间的相关性，熵相关系数越小，则相关性越弱，设置一个合适的临界值来衡量属性之间的相关性，剔除与决策属性相关性弱的条件属性；

步骤6：与步骤5中的方法类似，计算由步骤5剔除后剩余的条件属性两两间的熵相关系数，筛选出与其余条件属性强相关、与决策属性相关性较弱的冗余条件属性，并删除，得到与可靠性指标强相关且相互独立的条件属性集，达到约简属性的目的；