一种配电网停电时间自动识别模型构造方法技术

本发明专利技术公开了一种配电网停电时间自动识别模型构造方法，其特征在于，包括以下步骤：S1：采集配电网实际生产过程中与停电时间相关的数据，并将采集到的数据进行筛选、转化为适于神经网络训练的样本数据；S2：构建配电网停电时间综合评价指标体系，即根据配电网停电时间的类别对所述样本数据进行分类，得到每一停电时间类别对应的样本数据集；S3：根据所述指标体系构建配电网停电时间自动识别模型；S4：优化所述自动识别模型；S5：测试所述自动识别模型。本发明专利技术构建的自动识别模型，更加适用于实际数据，提高了对停电时间识别的准确性和有效性。模型误差较小，精度较高，拟合效果更好。

【技术实现步骤摘要】

本专利技术涉及电力电气
，具体涉及一种配电网停电时间自动识别模型构造方法。
技术介绍
随着现代科技和国民经济的快速发展，如今各行各业的运作，尤其是大规模工业企业的正常运行都离不开电能(电力系统)，在某种程度上也促使客户对配电网的电力供应提出更高的要求，如实时供电能力等。由于配电网是一种复杂网络系统，存在脆弱性以及电力系统元件老化等自然因素，大范围停电事故或停电事件也时有发生，供电的中断可能给大客户带来巨大的损失。因此，在停电事故或停电事件发生后尽快复电以减小对客户造成的危害，准确、实时地对配电网的停电时间进行智能监控和自动识别，并根据分析分析结果实施恰当的现场应急处置方案就显得非常重要。配电网停电主要分为预安排停电(包括计划停电、临时停电、限电)和故障停电(包括内部故障停电、外部故障停电)，而计划停电是有正式计划安排的停电。配电网计划停电的管理是供电企业的一项重要业务，关系到电网的安全可靠运行以及供电企业的经济效益和社会效益。目前，多数基于神经网络的自动识别模型，通常采用多输入/多输出结构，即用一个复杂神经网络来构建进行多种诊断的模型；神经网络多采用三层BP（BackPropagation）神经网络或三层径向基（RBF，RadialBasisFunction）神经网络。RBF神经网络与BP神经网络都是非线性多层前向网络，它们都属于通用逼近器。三层神经网络由输入层、隐含层和输出层构成。由于RBF神经网络隐含层单元的转移函数是关于中心对称的径向基函数（如高斯函数），这样三层静态RBF前馈神经网络的隐含层单元数可以根据研究的具体问题，在训练阶段自适应地调整，使得网络的适用性更好。对RBF神经网络通常采用最近邻聚类方式训练网络，这样网络隐含层单元的分配就仅与训练样本的分布及隐含层单元的宽度有关，与执行的任务无关。在隐含层单元分配的基础上，输入与输出之间的映射关系，通过调整隐含层单元和输出单元之间的权值来实现。粒子群算法，也称粒子群优化算法（ParticleSwarmOptimization），缩写为PSO，是一种新的进化算法(EvolutionaryAlgorithm-EA)。它和模拟退火算法相似，也是从随机解出发，通过迭代寻找最优解，也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover)和“变异”(Mutation)操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点被广泛应用于工业设计中，并且在解决实际问题中展示了其优越性。
技术实现思路
本专利技术的主要目的是构建基于改进RBFNN的配电网停电时间自动识别模型，并利用基于遗传思想的PSO算法对模型进行优化，使模型更加适用于实际数据，从而提高对停电时间识别的准确性和有效性。为实现上述目的，本专利技术采用的技术方案为：一种配电网停电时间自动识别模型构造方法，其特征在于，包括以下步骤：S1：采集配电网实际生产过程中与停电时间相关的数据，并将采集到的数据进行筛选、转化为适于神经网络训练的样本数据；S2：构建配电网停电时间综合评价指标体系，即根据配电网停电时间的类别对所述样本数据进行分类，得到每一停电时间类别对应的样本数据集；S3：根据所述指标体系构建配电网停电时间自动识别模型；S4：优化所述自动识别模型；S5：测试所述自动识别模型。优选的，步骤S1中所述数据包括计划停电、停电告警和计量点负荷数据。优选的，步骤S1中所述数据包括实时数据、历史数据、状态量和统计量。优选的，所述实时数据由配电网主站中的数据采集模块主动推送。优选的，所述历史数据包括每15分钟电压和电流、每15分钟有功功率和无功功率、每15分钟功率因数、每15分钟变压器油温度、每15分钟频率和整点有功电量和无功电量。优选的，所述状态量包括开关的状态、事故跳闸的信号、保护动作的信号和异常信号、有载调压变压器分接头位置开关的储能信号、通道的状态信号、终端状态信号和蓄电池状态。优选的，步骤S2中所述停电时间分为四类，即计划停电时间、停掉告警时间、停电发生时间和停电持续时间。优选的，所述步骤S3的具体方法为：S31：确定自动识别模型的结构；首先根据停电时间种类的个数来确定构成所述自动识别模型的子模型个数；每个子模型是一个多输入—单输出的模型，即每个子模型具有多个输入端和单个输出端，且各个子模型的输入端个数相同；将各个子模型的输入端并联连接即构成所述自动识别模型，所有子模型的输出端个数即构成所述自动识别模型的输出端个数，亦即，子模型的个数就是所述自动识别模型的输出端个数；所述的子模型是由一个多输入—单输出三层神经网络构成；所述的神经网络的输入层节点个数对应子模型的输入端个数，输出层节点个数为1，对应子模型的输出端个数，每一个子模型用来表示配电网的一种停电状态；S32：确定所述自动识别模型的输入端个数；设子模型有m个输入端，亦即所述自动识别模型有m个输入端，设m个输入端的输入信号构成一个输入向量X，表示如下：X＝(X1X2…Xm)式中，Xi为子模型的第i个输入信号，i=1,2,…,m；S33：确定所述自动识别模型的输出端个数；设所述自动识别模型由n个子模型构成，则其输出向量Y由其所包含的所有子模型的输出信号构成，即：Y=(y1y2…yn)；式中，yj为自动识别模型的第j个输出信号，也就是第j个子模型的输出信号，j=1,2,…,n，每一个子模型的输出端个数固定为1，表示配电网的一种停电状态；S34：确定子模型的隐含节点数；先用缺省值2或4作为子模型的隐含节点数，最终根据优化结果来调整子模型的隐含节点数。优选的，所述步骤S4中的优化是基于遗传思想改进PSO算法进行的，具体步骤为：S41：初始化，包括给进化方程中的各参数赋初值，产生初始种群，确定扰动参数和变异概率；S42：使用进化方程使种群进化，保留当前最优个体；S43：给经过进化的种群按适应度的优劣进行排序，选出种群中较好的那一半，将这一半加入扰动后把较差的那一半覆盖掉；S44：变异，种群中每个个体中的每一维以一个较低的概率随机地变异；S45：检查终止条件，包括是否达到最大迭代次数、全局最优位值是否满足最小界限，如果满足条件则迭代终止，否则返回S42。优选的，所述步骤S5的具体方法为：S51：准备测试样本集并对配电网进行测试；用不同于训练样本集的包含所有子模型对应的样本构成测试样本集，根据测试样本集中的样本顺序，对配电网进行实际测试，得到对应的配电网停电状态实测结果表；S52：测试所述自动识别模型的性能；向所述自动识别模型依次连续输入测试样本集中的样本，记录模型的输出结果，得到模型的判断结果表，将S51中所得的实测结果表与所述模型判断结果表进行对比，如果所述模型判断结果与实测结果的匹配度大于80%，即认为满足要求，则所述自动识别模型便可投入使用。和现有技术相比，本专利技术产生的有益效果在于：本专利技术构建基于改进RBFNN的配电网停电时间自动识别模型，利用基于遗传思想的PSO算法对模型参数进行优化，使模型更加适用于实际数据，提高了对停电时间识别的准确性和有效性；该模型能够对配电网实时运行状态的参数进行估计和修正，模型具有计算误差小和计算精度高的特点。附图说明为了更清楚地说明本专利技术本文档来自技高网...

【技术保护点】
一种配电网停电时间自动识别模型构造方法，其特征在于，包括以下步骤：S1：采集配电网实际生产过程中与停电时间相关的数据，并将采集到的数据进行筛选、转化为适于神经网络训练的样本数据；S2：构建配电网停电时间综合评价指标体系，即根据配电网停电时间的类别对所述样本数据进行分类，得到每一停电时间类别对应的样本数据集；S3：根据所述指标体系构建配电网停电时间自动识别模型；S4：优化所述自动识别模型；S5：测试所述自动识别模型。

【技术特征摘要】
1.一种配电网停电时间自动识别模型构造方法，其特征在于，包括以下步骤：S1：采集配电网实际生产过程中与停电时间相关的数据，并将采集到的数据进行筛选、转化为适于神经网络训练的样本数据；S2：构建配电网停电时间综合评价指标体系，即根据配电网停电时间的类别对所述样本数据进行分类，得到每一停电时间类别对应的样本数据集；S3：根据所述指标体系构建配电网停电时间自动识别模型；S4：优化所述自动识别模型；S5：测试所述自动识别模型。2.根据权利要求1所述的一种配电网停电时间自动识别模型构造方法，其特征在于，步骤S1中所述数据包括计划停电、停电告警和计量点负荷数据。3.根据权利要求1所述的一种配电网停电时间自动识别模型构造方法，其特征在于，步骤S1中所述数据包括实时数据、历史数据、状态量和统计量。4.根据权利要求3所述的一种配电网停电时间自动识别模型构造方法，其特征在于，所述实时数据由配电网主站中的数据采集模块主动推送。5.根据权利要求3所述的一种配电网停电时间自动识别模型构造方法，其特征在于，所述历史数据包括每15分钟电压和电流、每15分钟有功功率和无功功率、每15分钟功率因数、每15分钟变压器油温度、每15分钟频率和整点有功电量和无功电量。6.根据权利要求3所述的一种配电网停电时间自动识别模型构造方法，其特征在于，所述状态量包括开关的状态、事故跳闸的信号、保护动作的信号和异常信号、有载调压变压器分接头位置开关的储能信号、通道的状态信号、终端状态信号和蓄电池状态。7.根据权利要求1所述的一种配电网停电时间自动识别模型构造方法，其特征在于，步骤S2中所述停电时间分为四类，即计划停电时间、停掉告警时间、停电发生时间和停电持续时间。8.根据权利要求1所述的一种配电网停电时间自动识别模型构造方法，其特征在于，所述步骤S3的具体方法为：S31：确定自动识别模型的结构；首先根据停电时间种类的个数来确定构成所述自动识别模型的子模型个数；每个子模型是一个多输入—单输出的模型，即每个子模型具有多个输入端和单个输出端，且各个子模型的输入端个数相同；将各个子模型的输入端并联连接即构成所述自动识别模型，所有子模型的输出端个数即构成所述自动识别模型的输出端个数，亦即，子模型的个数就是所述自动识别模型的输出端个数；所述的子模型是由一个多输入—单输出三层神经网...

【专利技术属性】
技术研发人员：田泉，葛淑勤，吴金城，周赛，叶瑞庆，吴比坤，周宏瑞，周定炜，朱庆波，罗端，
申请(专利权)人：广西电网有限责任公司北海供电局，广西博联信息通信技术有限责任公司，
类型：发明
国别省市：广西;45