[发明专利]一种配电网信息物理侧风险预警方法及系统

权利要求书

1.一种配电网信息物理侧风险预警方法，其特征在于，包括：

基于风险因素类别，从配电网信息物理侧的风险数据源中获取风险因素特征集合，并筛选得到最优风险因素特征集合；

将最优风险因素特征集合带入预先构建的风险等级在线预测模型，得到当前配电网信息物理侧运行风险等级；

基于所述风险运行等级进行预警处理；

所述风险因素类别，包括：故障数据、运行数据、档案数据、气象数据和网络数据；

所述风险因素特征集合：停电时间、停电次数、配置容量、线路长度、温度、风速、网络攻击频率、通信故障次数和数据篡改次数。

2.如权利要求1所述的方法，其特征在于，所述基于风险因素类别，从配电网信息物理侧的风险数据源中获取风险因素特征集合，包括：

根据故障数据、运行数据、档案数据、气象数据和网络数据类型，从配电网信息物理系统的风险数据源中，获取各类原始数据；

基于各类原始数据，构建风险因素特征集合。

3.如权利要求2所述的方法，其特征在于，所述基于各类原始数据，构建风险因素特征集合，包括：

将所述各类原始数据进行填充，并对填充后的原始数据的特征值进行判断，若所述特征值全部为缺失值，则不进行规范化处理；否则，将所述特征值映射到预设区间内；

将天气数据按天气类型进行分类，并将天气类型用数值进行表示；

将风力数据按风力等级进行分类，并将风力等级用数值进行代表；

将所述天气类型和风力等级对应的数值，将风险值转换为类别型数据，得到风险因素特征集合。

4.如权利要求1所述的方法，其特征在于，所述筛选得到最优风险因素特征集合，包括：

通过所述独立性准则处理所述风险因素特征集合中的元素，得到积累分部函数；

基于所述积累分部函数，求取元素的独立性，并将所述元素进行独立性排序，筛选出风险因素最优特征集合。

5.如权利要求4所述的方法，其特征在于，所述积累分部函数如下式所示：

P_value＝1-F(x|α,β)

其中，F(x|α,β)是元素中Gamma参数α和Gamma参数β的累积分布函数，P_value为元素独立性。

6.如权利要求1所述的方法，其特征在于，所述将最优风险因素特征集合带入预先构建的风险等级在线预测模型，得到当前配电网信息物理侧运行风险等级，包括：

基于所述最优风险因素特征集合，确定配故障风险样本集，并进行去量纲预处理；

将去量纲预处理后的数据，通过随机森林、神经网络、支持向量机和集成学习算法分别构建初始评估模型并基于所述初始评估模型进行初始预测得到初始预测结果；

基于所述初始预测结果和实际数据进行比对，得到精准率和召回率，并根据所述精准率和召回率确定最优评估模型；

基于所述最优评估模型进行风险等级预测，得到当前配电网信息物理侧运行风险等级。

7.如权利要求6所述的方法，其特征在于，所述将去量纲预处理后的数据，通过随机森林、神经网络、支持向量机和集成学习算法分别构建初始评估模型并基于所述初始评估模型进行初始预测得到初始预测结果，包括：

将所述去量纲预处理后的数据按照预设比例分为训练数据和预测数据；

将所述训练数据通过随机森林、神经网络、支持向量机和集成学习算法分别进行训练，构建初始评估模型；

将所述预测数据通过所述初始评估模型进行初始评估，得到初始预测结果。