[发明专利]一种配电网信息物理侧风险预警方法及系统

说明书

一种配电网信息物理侧风险预警方法及系统，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。本方案充分考虑了配电网信息侧和物理侧的风险数据进行筛选，得到最优数风险因素特征集合，提高了配电网信息物理系统风险等级预测的计算效率和预警精度；基于配电网信息侧和物理侧的各类风险数据，考虑了不同风险数据的不同类型，从而进行独立性筛选，提高了配电网信息物理侧风险预测精度，降低了错误预警的概率。

技术领域

本发明涉及配电网技术领域，具体涉及一种配电网信息物理侧风险预警方法及系统。

背景技术

随着智能电网与能源互联网的发展，电力系统正成为一个融合电力、信息及通信网络的复杂大系统。信息物理融合系统(Cyber Physical System，CPS)、能源信息融合系统(Energy information system，EIS)等概念也被提出以体现电力系统这种新的特点。信息网络融入电力物理系统，提高了电力系统运行效率，但同时也增加了电力系统的运行风险。信息物理融合背景下的复杂有源配电网安全性和可靠性是非常值得关注的问题，因此研究信息网络作用下的配电网运行风险显得十分必要。

大量的新型传感器与传感器网络接入配电网，使得配电网用电信息采集系统、配电线路在线监测系统、配电自动化系统和配变负荷监测系统等信息系统不断完善。获取信息网络-物理系统的运行状态信息和数据进行深度挖掘是对配电网信息物理融合系统中各种不确定性分析、预测的基础。配电网信息化起步较晚，数据质量、数据种类和数据完善度较差，需对配电网相关信息系统进行调研和分析，基于现有的、可靠的配电网数据信息进行数据预处理。如何高效地使用配电网信息侧和物理侧的数据源，灵活地将信息物理融合的大数据用于配电网风险特征的分析，实现对配电网故障准确预测和潜在风险扫描，从而针对配电网信息物理侧的薄弱环节进行风险报警，已成为当前亟待解决的问题。

信息网络和物理系统融合下的复杂有源配电网中的数据规模不断增大，使得配电网信息物理系风险数据源复杂、数据维数高、数据结构多样。大数据机器学习与数据挖掘的方法已经被广泛应用于电力系统运行的安全特征挖掘，其中特征选择作为一种数据降维方法，将原始的高维特征空间，通过某种标准筛选出一个最优或最有效的特征子集，剔除冗余特征，从而达到了降低电力系统特征维数的目的。但特征选择方法用于配电网CPS风险预测领域的研究仍然较少，而且现有研究中特征选择方法主要分析特征之间的关联性，没有对配电网风险特征之间的独立性系统研究，未经筛选的原始风险特征之间会缺少数据的关联性，导致出现配电网信息物理侧风险等级预测精度低，效率低和报警信息不准确的问题。

发明内容

为了解决现有技术中所存在的原始风险特征数据未经最优筛选，导致风险等级预测精度低，得到配电网信息物理侧薄弱环节的错误预警的问题，本发明提供了一种配电网信息物理侧风险预警方法及系统。

本发明提供的技术方案是，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。

优选的，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：