[发明专利]一种基于大数据互信息属性约简的配电网可靠性评估方法

摘要

本发明涉及配电网规划领域，提供一种基于大数据互信息属性约简的配电网可靠性评估方法，该方法从大数据出发，利用粗糙集中的互信息概念衡量基本指标之间的相关性，筛选海量多类指标中与可靠性指标强相关且相互独立的指标，以这些指标作为输入，用基于遗传算法的BP神经网络模型开展配电网可靠性评估工作。本发明突破了传统的蒙特卡洛模拟和解析法的局限，针对电力大数据，实现基于大数据互信息属性约简的配电网可靠性评估。

主权项

一种基于大数据互信息属性约简的配电网可靠性评估方法，其特征是该方法包括以下步骤：(1)从学术、气象或统计网站上收集大量与配电网可靠性相关的数据；(2)从众多数据中整理出一份表征可靠性指标和相关指标对应关系的决策表，其中包括1个表示最终配电网可靠性高低的决策属性即可靠性指标和多个表示与可靠性相关的因素的条件属性；(3)对决策表中的数据进行预处理：根据各种属性的所有取值，判断属性的取值是连续的还是离散的，对于连续型属性，计算出其应该被划分的数目，并用等距离散法将连续型属性离散化；(4)计算每种属性取到特定离散值时的概率，然后求出每种属性各自的信息熵、条件属性对于决策属性的条件熵，进而求得各种条件属性与决策属性之间、两两条件属性之间的互信息；(5)对步骤(4)中算得的条件属性与决策属性之间的互信息进行归一化，结合信息熵求取条件属性和决策属性之间的熵相关系数，由此判断条件属性与决策属性之间的相关性，熵相关系数越小，则相关性越弱，设置合适的临界值来衡量属性之间的相关性，剔除与决策属性相关性弱的条件属性；(6)计算由步骤(5)剔除后剩余的条件属性两两间的熵相关系数，筛选出与其余条件属性强相关、与决策属性相关性较弱的冗余条件属性，并删除，得到与可靠性指标强相关且相互独立的条件属性集，达到约简属性的目的；(7)构造三层BP神经网络对约简后的属性集进行训练，以由步骤(6)得到的与可靠性指标强相关的条件属性作为输入，以决策属性数据作为输出，求得使拟合误差最小的网络中各层节点之间的连接权重和隐含层、输出层的阈值，得到最佳的BP神经网络模型。