[发明专利]一种TFRI权重计算模型的建立方法

权利要求书

1.一种TFRI权重计算模型的建立方法，其特征在于，基于ARMret预测模型，建立TFRI权重计算模型，TFRI是指双重风险指数。

2.根据权利要求1所述的TFRI权重计算模型的建立方法，其特征在于，所述的TFRI权重计算模型由下式表征：

式中：ω_E和ω_T分别为和的权重，均取值为“1”，为TFRI值；

TFRI权重计算模型涉及年度输入数据库；对年度输入数据库的定义如下：

由于年度这一时间单位具有周期重复性，故将输入数据按年度划分并分别进行挖掘，以便验证预测的效果；

年度输入数据库D_y为：

式中：

第一个变量D_y：D_y∈D＝{D₁，D₂，...，D_z}代表输入数据库D中一年的数据，即在一年内所有发生故障的记录，D₁，D₂，...，D_z代表输入数据库D中第一年、第二年直至最后一年(D_z)的数据。

第二个变量t_i：t_i代表任意一个(位置为第i行)故障记录的编号。其中假设总计收录了m条故障记录，因此，i＝1,2，...，m。

第三个变量f_j：F＝{f₁，f₂，...，f_j，...，f_n，f_Y}为一个包含所有环境特征的集合，f_j为环境特征变量(如天气)，f_Y为相应的目标特征变量(目标变量，此处为故障是否处理成功)。

第四个变量v_ij：每一个环境特征f_j都由一组环境元素e_j，1，e_j，2，...，e_j，k，...，e_j，l组成(特征“天气”包含元素：“晴天”、“阴天”、“多云”。。。)，其中第一个下标表示元素对应第j个特征f_j，其中第二个下标k＝1,2，...，l表示总计l个元素中的任意一个。选定环境元素作为输入变量。设I＝{v₁，v₂，...}为一个包含所有输入变量的集合，则e_j,k等同输入变量集合I中的任意一个变量v_ij(假设出现在第i行的故障记录中，对应第j个特征f_j)；

第五个变量Y_i：设{Y₁，Y₂，...，Y_i，...，Y_m}为所有的目标变量，具体为故障的实际处理结果。在处理故障时，共考虑两种故障处理措施：自动重合闸和强送电。因此，故障处理结果的设定如下：当故障发生时，若自动重合闸成功，则称为“成功”；若自动重合闸失败或未动作而强送电成功或未启用，则称为“勉强成功”；其他，则统称为“失败”。因此，出现在第i行的故障记录中目标变量Y_i可采用三种故障处理结果中的一种(成功、勉强成功、失败)来表示，并设Y(h_y)∈{Y(S)，Y(P)，Y(F)}代指三种故障处理结果(success、proper、failure)中的任意一种。

第六个变量d＝{d₁，d₂，...，d_i，...，d_m}：表示包含所有故障所导致电力中断持续时间的集合

第七个变量S＝{S₁，S₂，...，S_i，...，S_m}：表示包含所有故障所在季度的集合，其中S_i表示一次故障所在的季度，S(h_S)∈{S(1)，S(2)，S(3)，S(4)}表示四个季度中的任意一个。

第八个变量A＝{A₁，A₂，...，A_i，...，A_m}：表示所包含研究地区所有子区域的集合，其中A_i表示一次故障所在的子区域，A(h_a)∈{A(1)，A(2)，A(3)，...}表示所研究地区中的任意一个子区域。

第九个变量L＝{L₁，L₂，...，L_i，...，L_m}：表示包含所有故障所在故障日稳定性评估等级的集合，其中L_i表示一次故障所在故障日的稳定性评估等级，L(h_l)∈{L(M)，L(S)，L(B)}表示三种等级(MED，SED，BED)中的一个等级。[主要故障日(Major Event Day，MED)、严重故障日(Severe Event Day，SED)和一般故障日(Basic Event Day，BED)。]。