电力通信网风险评估方法技术

本发明专利技术提供的一种电力通信网风险评估方法，包括步骤：S1：利用因子分析法提取电力通信网风险评估的原有的指标变量中的主因子对应的因子向量；S2：建立电力通信网提前预测模型，计算电力通信网提前预测的误差值；S3：获得电力通信网风险评估的提前预测值和电力通信网风险评估的误差预测值；S4：建立电力通信网风险评估的修正模型；S5：得到修正后的该电力通信网风险评估值；本发明专利技术通过对电力通信网评估指标的因子分析，能够以较少的几个指标变量反映原始数据的大部分信息，增加评价的科学性和降低评估成本，在径向基(RBF)神经网络的预测模型的基础上，利用历史误差对未来的预测误差进行误差预测，应用该预测误差修正预测结果。

【技术实现步骤摘要】
电力通信网风险评估方法
本专利技术涉及电力通信
，具体涉及一种电力通信网风险评估方法。
技术介绍
电力通信网是电力系统的重要基础设施，是电网调度自动化、网络运营市场化和管理现代化的基础，是确保电网安全、稳定、经济运行的重要手段。因此，对电力通信网进行安全风险评估，对于防止破坏事件的发生，保障电网的安全运行，提高电力通信部分的通信网管理水平具有重要意义。电力通信网安全风险评估是研究系统和网络中每一种资源缺失或遭到破坏对整个系统和网络造成的预计损失，是对威胁、脆弱点以及由此带来的风险大小的评估。常用的评估方法有：层次分析法、模糊综合评判发、主成分分析和神经网络等方法，但是由于电力通信网的复杂性和某些风险因素的不确定性，使得目前的评估方法都很难做出准确的评估。目前，电力通信网风险评估中存在的问题主要是指标体系不科学，指标数量繁多，没有很好地反应评价各对象之间的相关性，另外就是风险评估过程的主观性较大。因此，需要提出一种电力通信网风险评估方法。
技术实现思路
有鉴于此，本专利技术的目的是提供一种电力通信网风险评估方法，通过对电力通信网评估指标的因子分析，能够以较少的几个指标变量反映原始数据的大部分信息，增加评价的科学性和降低评估成本，在径向基(RBF)神经网络的预测模型的基础上，利用历史误差对未来的预测误差进行误差预测，应用该预测误差修正预测结果，建立电力通信风险评估模型，在保证风险评估的精度的前提下，减小了风险评估的开销。本专利技术提供一种电力通信网风险评估方法，包括步骤：包括步骤：S1：利用因子分析法提取电力通信网风险评估的原有的指标变量中的主因子对应的因子向量；S2：建立电力通信网提前预测模型，计算电力通信网提前预测的误差值；S3：通过建立RBF神经网络分别获得电力通信网风险评估的提前预测值和电力通信网风险评估的误差预测值；S4：根据电力通信网提前预测的误差值、提前预测值和误差预测值，建立电力通信网风险评估的修正模型；S5：计算需要进行风险评估的电力通信网的电力通信网风险评估的提前预测值和误差预测值带入修正模型，得到修正后的该电力通信网风险评估值。进一步，所述电力通信网风险评估的修正模型为：其中，RE为修正后的电力通信网风险评估值，REty为电力通信网风险评估的提前预测值，E*为电力通信网风险评估的误差预测值，A为电力通信网风险评估的提前预测值与误差预测值的相似性分割阈值。进一步，所述步骤S1包括：S11：建立因子分析的数学模型，所述因子分析的数学模型如下：其中，xi是电力通信网风险评估的第i个原有的指标变量，ξ1、ξ2、Λ、ξm为公共因子；εi为第i个独特因子，表示原有的指标变量中不能被因子标量所解释的部分；lij为xi在因子ξj上的载荷、特征值、贡献率和在ξ1、ξ2、……、ξj上的累积贡献率；S12：在对电力通信网风险评估的原有的指标变量进行归一化处理的基础上，计算旋转后因子载荷矩阵L＝(lij)p×m，其中，lij为xi在因子ξj上的载荷、特征值、贡献率和在ξ1、ξ2、……、ξj上的累积贡献率；S13：满足取累积贡献率大于或等于90％xi中的i最小的x1、x2、……、xi为主因子，带入(2)式得到因子向量ξ1、ξ2和ξm，其中m表示主因子数量。进一步，所述电力通信网提前预测模型为：其中，E为电力通信网提前预测的误差值，REty为电力通信网风险评估的提前预测值，REsj为未来电力通信网实际的风险评估。进一步，所述步骤S3中通过建立RBF神经网络获得电力通信网风险评估的提前预测值具体包括：S311：对RBF神经网络初始化；S312：以历史的原有的指标变量中的主因子对应的因子向量为输入向量，以历史的电力通信网风险评估的提前预测值为输出向量，训练RBF神经网络的训练；S313：将需要预测时段的原有的指标变量中的主因子对应的因子向量带入步骤S312训练好的RBF神经网络，得到电力通信网风险评估的提前预测值。进一步，所述步骤S3中通过建立RBF神经网络获得电力通信网风险评估的电力通信网风险评估的误差预测值具体包括：S321：对RBF神经网络初始化；S322：以历史误差序列为输入向量，以历史的电力通信网风险评估的误差预测值为输出向量，训练RBF神经网络的训练；其中，所述历史误差序列是利用历史的安全风险评估值与实际值的代数差值，形成的序列；S323：将需要预测时段的误差序列带入步骤S322训练好的RBF神经网络。得到电力通信网风险评估的误差预测值；其中，所述误差序列是指当前时段的安全风险评估值与实际值的代数差值，形成的序列。进一步，所述A为满足预设误差约束条件的最大t1对应时刻t1的电力通信网提前预测的误差值E(t1)；所述预设误差约束条件为η≤10-3，其中，η为电力通信网提前预测的误差值曲线与误差预测值曲线的斜率修正误差；E(t)为电力通信网提前预测的误差值关于时间t的曲线，E*(t)为电力通信网误差预测值关于时间t的曲线。本专利技术的有益效果：本专利技术通过对电力通信网评估指标的因子分析，能够以较少的几个指标变量反映原始数据的大部分信息，增加评价的科学性和降低评估成本，在径向基(RBF)神经网络的预测模型的基础上，利用历史误差对未来的预测误差进行误差预测，应用该预测误差修正预测结果，建立电力通信风险评估模型，在保证风险评估的精度的前提下，减小了风险评估的开销。附图说明下面结合附图和实施例对本专利技术作进一步描述：图1为本专利技术的流程图；具体实施方式如图1所示，本专利技术提供的一种电力通信网风险评估方法，包括步骤：S1：利用因子分析法提取电力通信网风险评估的原有的指标变量中的主因子对应的因子向量；电力通信网风险评估的原有的指标变量主要包括光传输时延、本征损耗、安装损耗、接续损耗、网络结构及自愈性、光缆的运行状态、雷电情况、冰雪情况、温度情况、光端机安全度、复接设备安全度、PCM设备安全度、保护专用光芯冗余度、复接保护通道的分离性和电源的配备合理性。原有的指标变量的数量高达15个，虽然能为电力通信风险评估提供大量信息，但数据采集工作量，数据处理开销大。在通过对电力通信网风险评估的原有的指标变量进行分析的过程中，发现大多数情况下，电力通信网风险评估的原有的指标变量之间存在相关性，这意味着表面上看来彼此不同的变量并不能从各个侧面反映通信网的不同属性，而恰恰是通信网同一种属性的不同表现。因此，利用因子分析法来找出各原有的指标变量之间关联，减少原有的指标变量的维数，简化后续用于计算的变量。S2：建立电力通信网提前预测模型，计算电力通信网提前预测的误差值；S3：通过建立RBF神经网络分别获得电力通信网风险评估的提前预测值和电力通信网风险评估的误差预测值；S4：根据电力通信网提前预测的误差值、提前预测值和误差预测值，建立电力通信网风险评估的修正模型；S5：计算需要进行风险评估的电力通信网的电力通信网风险评估的提前预测值和误差预测值带入修正模型，得到修正后的该电力通信网风险评估值。通过上述方法，对电力通信网评估指标的因子分析，能够以较少的几个指标变量反映原始数据的大部分信息，增加评价的科学性和降低评估成本，在径向基(RBF)神经网络的预测模型的基础上，利用历史误差对未来的预测误差进行误差预测，应用该预测误差修正预测结果，建立电力通信风险评本文档来自技高网...

【技术保护点】
1.一种电力通信网风险评估方法，其特征在于：包括步骤：S1：利用因子分析法提取电力通信网风险评估的原有的指标变量中的主因子对应的因子向量；S2：建立电力通信网提前预测模型，计算电力通信网提前预测的误差值；S3：通过建立RBF神经网络分别获得电力通信网风险评估的提前预测值和电力通信网风险评估的误差预测值；S4：根据电力通信网提前预测的误差值、提前预测值和误差预测值，建立电力通信网风险评估的修正模型；S5：计算需要进行风险评估的电力通信网的电力通信网风险评估的提前预测值和误差预测值带入修正模型，得到修正后的该电力通信网风险评估值。

【技术特征摘要】
1.一种电力通信网风险评估方法，其特征在于：包括步骤：S1：利用因子分析法提取电力通信网风险评估的原有的指标变量中的主因子对应的因子向量；S2：建立电力通信网提前预测模型，计算电力通信网提前预测的误差值；S3：通过建立RBF神经网络分别获得电力通信网风险评估的提前预测值和电力通信网风险评估的误差预测值；S4：根据电力通信网提前预测的误差值、提前预测值和误差预测值，建立电力通信网风险评估的修正模型；S5：计算需要进行风险评估的电力通信网的电力通信网风险评估的提前预测值和误差预测值带入修正模型，得到修正后的该电力通信网风险评估值。2.根据权利要求1所述电力通信网风险评估方法，其特征在于：所述电力通信网风险评估的修正模型为：其中，RE为修正后的电力通信网风险评估值，REty为电力通信网风险评估的提前预测值，E*为电力通信网风险评估的误差预测值，A为电力通信网风险评估的提前预测值与误差预测值的相似性分割阈值。3.根据权利要求2所述电力通信网风险评估方法，其特征在于：所述步骤S1包括：S11：建立因子分析的数学模型，所述因子分析的数学模型如下：其中，xi是电力通信网风险评估的第i个原有的指标变量，ξ1、ξ2、Λ、ξm为公共因子；εi为第i个独特因子，表示原有的指标变量中不能被因子标量所解释的部分；lij为xi在因子ξj上的载荷、特征值、贡献率和在ξ1、ξ2、……、ξj上的累积贡献率；S12：在对电力通信网风险评估的原有的指标变量进行归一化处理的基础上，计算旋转后因子载荷矩阵L＝(lij)p×m，其中，lij为xi在因子ξj上的载荷、特征值、贡献率和在ξ1、ξ2、……、ξj上的累积贡献率；S13：满足取累积贡献率大于或等于90％xi中的i最小的x1、x2、……、xi为主因子，带入(2)式得到因子向量ξ1、ξ2和ξm，其中m表示主因子数量。4.根据权利要求3所述...

【专利技术属性】
技术研发人员：李佳容，王渝，徐溦，颜慧，李超，
申请(专利权)人：国家电网有限公司，国网重庆市电力公司北碚供电分公司，
类型：发明
国别省市：北京,11