(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111653214.5 (22)申请日 2021.12.3 0 (71)申请人 南京邮电大 学 地址 210003 江苏省南京市 鼓楼区新模范 马路66号 申请人 国网电力科 学研究院有限公司 (72)发明人 岳东　姚沪升　窦春霞　张智俊　 丁孝华　赵景涛　郑舒　黄堃　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 代理人 董建林 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01)G06N 3/00(2006.01) (54)发明名称 一种基于数据挖掘的有源配电网故障风险 预警方法及系统 (57)摘要 本发明公开了一种基于数据挖掘的有源配 电网故障风险预警方法及系统， 属于配电网技术 领域， 包括： 获取有源配电网的故障特征， 对故障 特征进行处理以得到故障数据值； 将故障数据值 输入预建立的预警模型， 输出预警指标及其预测 值； 对预警指标的主观权重和客观权重进行赋值 后采用三角 模糊数的层次分析法和熵权法组合 算法计算出综合评价指标值； 将综合评价指标值 和预设的风险分级标准阈值比较， 得到的风险等 级为预警结果， 综合评价指标值和预警指标预测 值的相对误差率为预警模型的预警准确程度； 预 警速度快且 更加精准， 规避了单一赋值方法的不 完整性， 削弱多种信息耦合的影响。 权利要求书2页 说明书9页 附图4页 CN 114298579 A 2022.04.08 CN 114298579 A 1.一种基于数据 挖掘的有源配电网故障风险预警方法， 其特 征在于， 包括： 获取有源配电网的故障特 征， 对故障特 征进行处 理以得到故障数据值； 将故障数据值输入预建立的预警模型， 输出 预警指标及其预测值； 对预警指标的主观权重和客观权重进行赋值后采用三角模糊数的层次分析法和熵权 法组合算法计算出综合评价指标值； 将综合评价指标值和预设的风险分级标准阈值比较， 得到的风险等级为预警结果， 综 合评价指标值和预警指标 预测值的相对误差率 为预警模型的预警准确程度。 2.根据权利要求1所述的一种基于数据挖掘的有源配电网故障风险预警方法， 其特征 在于， 所述故障特 征通过以下 方法得到： 通过主成分 分析法对有源配电网的原 始样本进行降维处 理， 识别并剔除离群样本； 利用Relief方法从剩余样本中提取有源配电网的故障特 征。 3.根据权利要求1所述的一种基于数据挖掘的有源配电网故障风险预警方法， 其特征 在于， 对故障特 征进行处 理的方法包括： 利用主成分分析法对故障特征进行预处理， 融合影响供电安全性的特征指标消除故障 特征间的冗余 性。 4.根据权利要求2所述的一种基于数据挖掘的有源配电网故障风险预警方法， 其特征 在于， 利用Rel ief方法从剩余样本中提取有源配电网的故障特 征包括如下步骤： xi是从样本集中随机选择一个样本， Wj是特征j的权值， 对样本中每个特征赋予权值初 值为0， H(xi)是从和xi的同类样本集中找到的xi的同类最近邻样本， M(xi)是从和xi的异类样 本集中找到的xi的异类最近邻样本， 特 征权值的更新方式如下： 其中， dif f是距离函数， i ＝1， 2，…， n， n为从样本集中抽取的样本数； 利用特征权值进一 步计算出 特征评价指标： Jj＝Wj‑Ppj， s 其中， 特征与有源配电网故 障之间的关系密切程度和Wj的值正相关， P为相关性指标所 占惩罚因子， pj， s为特征j与已选特征集合s之间的相关性指标， 且pj， s∈[0， 1]； 将满足预设 要求的特 征评价指标 所对应的特 征作为有源配电网的故障特 征。 5.根据权利要求1所述的一种基于数据挖掘的有源配电网故障风险预警方法， 其特征 在于， 所述预警模型通过以下 方法建立： 利用神经网络方法建立有源配电网的预警模型。 6.根据权利要求1所述的一种基于数据挖掘的有源配电网故障风险预警方法， 其特征 在于， 所述预警模型的建立方法包括采用如下 方法进行优化处 理： 初始化粒子群 体， 计算每 个粒子的适应度； 若粒子的适应度 大于个体极值则用该适应度代换个体极值， 若粒子的适应度 大于全局 极值则用该适应度代换个体极值， 个体极值和全局极值分别是粒子和种群经历过的最好位 置； 更新粒子的位置和速度：权　利　要　求　书 1/2 页 2 CN 114298579 A 2vij(t+1)＝vij(t)+c1r1(t)[pij(t)‑xij(t)]+c2r2(t)[pgj(t)‑xij(t)] xij(t+1)＝xij(t)+vij(t+1)， j＝1， 2， . ..， D 其中， xij(t)是第t次搜索迭代时粒子的位置， xij(t+1)是第t+1次搜索迭代时粒子的位 置， vij(t)是第t次搜索迭代时粒子的速度， vij(t+1)是第t+1次搜索迭代时粒子的速度， c1和 c2是学习因子， 分别表示自身经验和集体经验， r1和r2是0到1的随机数， D是搜索维度， pij是 迭代个体极值， pgj是迭代全局极值； 当迭代次数达 到最大迭代次数或适应度达 到设定阈值则停止优化。 7.根据权利要求1所述的一种基于数据挖掘的有源配电网故障风险预警方法， 其特征 在于， 所述预警指标包括供电可靠性和用电充裕性； 供电可靠性包括供电转移联络率、 供电 可靠率、 平均停电时间、 平均停电次数、 系统停电等效小时， 用电充裕性包括失负荷概率严 重度、 电量 不足严重度和重要负荷损失程度。 8.一种基于数据 挖掘的有源配电网故障风险预警系统， 其特 征在于， 包括： 输入获取模块： 用于获取有源配电网的故障特征， 对故障特征进行处理以得到故障数 据值； 预警模型运行模块： 用于将故障数据值输入预建立的预警模型， 输出预警指标及其预 测值； 赋值计算模块： 用于对预警指标的主观权重和客观权重进行赋值后采用三角模糊数的 层次分析法和熵权法组合 算法计算出综合评价指标值； 预警模块： 用于将综合评价指标值和预设的风险分级标准阈值比较， 得到的风险等级 为预警结果， 综合评价指标值和预警指标预测值的相对误差率为预警模型的预警准确程 度。权　利　要　求　书 2/2 页 3 CN 114298579 A 3