[发明专利]一种融合结构洞特征的多指标电网节点脆弱性评估方法

权利要求书

1.一种融合结构洞特征的多指标电网节点脆弱性评估方法，包括以下步骤：

步骤1：融合结构洞特征的电网节点脆弱性评估指标选取；

为了使电网节点的排序更加合理且融入结构洞特征的指标，考虑拓扑特性选取节点度、聚类系数指标；考虑电气性能选取低功率风险因数、节点电压越限风险、节点电气介数指标；考虑连锁故障后果选取损失负荷指标；基于特征向量的排序选取PageRank、LeaderRank、HITs指标，从以上四个方面9个评估指标综合对电网节点进行排序。

步骤2：构建基于ListNet排序学习考虑结构洞特征的电网关键节点排序算法；

随机给定各指标的权重系数，利用评分函数得到个节点初始得分；再代入到神经网络模型利用梯度下降法更新各指标权重系数；通过交叉验证直到输出的指标权重系数达到稳定状态，得到此时各节点得分，从而实现电网关键节点排序算法。

2.根据权利要求1所述的融合结构洞特征的多指标电网节点脆弱性评估方法，其特征在于，所述权利要求1的步骤2中，构建基于ListNet排序学习考虑结构洞特征的电网关键节点排序算法，步骤如下：

步骤2-1：随机生成各节点评估指标初始权重系数值，构造评分函数h(x)，第i个节点的评分函数为h(x_i)＝θ_i,x_i，i＝1,2,3,…,m，向量x_i＝{x₁,x₂,...,x₉}表示一个节点对应的9个评估指标值，向量θ_i＝{θ₁,θ₂,...,θ₉}为节点的各评估指标对应的权重系数，m为电网总节点数，节点i的得分由其评分函数的值决定，用h(x_i)表示：

h(x_i)＝θ_i·x_i,i＝1,2,…m (1)

式中，θ_i为节点i的权重系数集合，x_i为节点i对应的9个评估指标值集合；

步骤2-2：通过ListNet算法引入Luce模型度量电网中各节点排序方式的概率P_h(x)，将电网节点的任意一种排序方式表示成一个概率值，用评分函数前k项的排序概率表示序列的概率，如式(2)所示：

式中，m表示电网的总节点数，j表示节点的序号；

通过对训练数据中节点进行排序标注打分，应用Luce模型得到排序标注打分的排列概率P_y：

式中，m表示电网的总节点数，y_j和y_k分别是节点j和k的排序标注打分值；

步骤2-3：通过Luce模型对评分函数h(x)和排序标注打分两种方式分别获得序列的概率分布，应用交叉熵衡量两者概率分布的相似性构造损失函数L(y,h(x))为：

步骤2-4：通过梯度下降法优化指标权重系数，计算损失函数L(y,h(x))对θ的梯度Δθ：

步骤2-5：更新各指标权重系数，直到所得到的权重系数值达到稳定状态，输出此时的权重系数值θ'，通过评分函数得到节点的最终得分：

θ'＝θ-η·Δθ (6)

式中，η为神经网络中的学习步长；更新权重系数，则最终的评分函数由式(1)得：

h(x_i)＝θ′_i·x_i,i＝1,2,…,m (7)

通过最终更新的权重系数得到节点最后得分实现电网节点排序。