[发明专利]一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质

权利要求书

1.一种电网调度后评估异常指标溯因推理方法，其特征在于，包括：

获取电网运行过程中的时序数据，根据时序数据提取异常指标以及各个关联因素；

计算异常指标与各个关联因素的关联度，获取强相关因素；

计算异常指标与各个关联因素的因果关系，获取强因果因素；

基于强相关因素、强因果因素以及异常指标构建贝叶斯网络；

对贝叶斯网络进行参数学习，并基于参数学习后的贝叶斯网络进行异常指标的溯因推理。

其中，所述异常指标为时序数据偏离正常时间序列分布曲线的指标。

2.根据权利要求1所述的一种电网调度后评估异常指标溯因推理方法，其特征在于，所述时序数据包括电网设备参数数据、电网运行参数数据、电网节点发电和负荷参数数据以及环境参数数据。

3.根据权利要求1所述的一种电网调度后评估异常指标溯因推理方法，其特征在于，所述计算异常指标与各个关联因素的关联度，获取强相关因素包括：

构建异常指标和各个关联因素的数据集：

式中，x₀为异常指标对应的时序数据，x_i(i＝1,2,…n)为各个关联因素对应的时序数据，x_n(N)为第n个关联因素第N个时序数据；

根据数据集求取异常指标x₀与第i个关联因素的差值矩阵序列：

Δ_0i(l)＝|x₀(l)-x_i(l)|，l＝1,2,…,N；i＝1,2,…,n

根据差值矩阵序列求取异常指标x₀与第i个关联因素的关联系数：

式中，Δ_min和Δ_max分别为差值矩阵序列中的最小值和最大值，ρ为分辨系数；

根据关联系数求取异常指标x₀与第i个关联因素的关联度：

取关联度r_0i大于等于预设的关联度阈值的关联因素x_i作为异常指标x₀的强相关因素。

4.根据权利要求1所述的一种电网调度后评估异常指标溯因推理方法，其特征在于，所述计算异常指标与各个关联因素的因果关系，获取强因果因素包括：

对异常指标和任一关联因素对应的时序数据，构建其二者的线性自回归模型：

式中，X_t为异常指标对应的时序数据，Y_t为任一关联因素对应的时序数据；a_1j和d_1j为自回归模型的拟合系数，ε_1t和η_1t为残差，∑₁和Γ₁为残差ε_1t和η_1t的方差；

对线性自回归模型进行联合回归构建回归模型：

式中，a_2j、b_2j、c_2j和d_2j为回归模型的拟合系数，ε_2t和η_2t为与时间无关的预测误差，∑₂和Γ₂为预测误差ε_2t和η_2t的方差；

计算Y_t对X_t的格兰杰因果：

若F_Y→X大于预设的临界值，则Y_t是X_t的格兰杰因，存在因果关系；

取存在因果关系的关联因素作为异常指标的强因果因素。