基于BPNN的检修需求指数分析最优停电检修方法技术

本发明专利技术涉及在电力技术领域，公开了一种基于BPNN的检修需求指数分析最优停电检修方法。通过采用构建层次结构树的思想建立电网网络拓扑结构，按照树形结构分析电网中各个设备之间相互影响的关系，得出某次停电检修的影响范围，并基于此影响范围得出本次停电检修的所有设备，然后基于BPNN分析出这些设备的检修需求指数，以此为基础制定最优停电检修方案。本发明专利技术在必检设备停电检修的停电线路上，找出相应的陪停设备，并对需要检修的陪停设备提出检修方案，因此大大提高了检修效率，实现一停多用、综合检修，避免用户出现频繁停电、长时间停电。大大提高了用户用电满意度和供电可靠性。

【技术实现步骤摘要】
基于BPNN的检修需求指数分析最优停电检修方法
本专利技术涉及在电力
，尤其涉及电力系统设备检修中的最优停电检修方法。
技术介绍
在电力系统设备检修中，每一次停电检修的过程会对社会和居民产生一定的影响和心理抵触。由于缺乏科学的规划，检修计划往往受到人为因素，包括工作经验，个人判断等影响，对检修工作产生负面的效果。基于此背景，需要制定一种科学合理的检修计划安排方法，在少停电情况的情况下，尽量减少重复停电的次数，减少停电对用户的影响。目前对于多指标综合分析在确定指标权重的时候大多是出自于对于指标的主观判断，并没有客观、量化、完善的评估方法，因此，研究简便、客观、量化的停电检修需求指数的方法至关重要。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于BPNN的检修需求指数分析最优停电检修方法，提高检修效率保障停电检修指标。实现一停多用、综合检修，避免用户出现频繁停电、长时间停电。为解决上述技术问题，本专利技术提出了一种基于BPNN的检修需求指数分析最优停电检修方法，包括以下步骤：步骤A、将停电检修评价指标的数量作为BPNN输入层的神经元个数，将停电检修需求指数作为BPNN模型的输出，隐含层神经元个数可通过逐步增长的方法确定，这样就确定BPNN的拓扑结构，所述停电检修评价指标包括故障率、负载路、服役时长、未检修时长，各指标作为被赋予不同权重的参数；步骤B、对所述停电检修评价指标进行归一化处理，消除指标量纲差异的不利影响；归一化公式为：式中，xi表示第i个指标，ximin和ximax分别表示是第i个指标最小值和最大值，xi′表示归一化后的值；步骤C、初始化BPNN的参数，并选取足够的需求指数样本，采用BPNN对其进行训练和学习，从而建立需求检修指数评价模型；步骤D、将所述设备停电检修评价指标输入所述检修需求指数评价模型，分析并输出设备的停电检修需求指数，一个设备的停电检修需求指数反映该设备的检修紧迫程度。进一步的，计算某电网线路中各个设备的停电检修需求指数；然后根据所述停电检修需求指数确定必检设备。进一步的，基于BPNN的停电检修需求指数分析及检修方案生成方法，包括以下步骤：S1、建立电网网络拓扑结构；S2、基于所述电网网络拓扑结构，找出与必检设备相关联的陪停设备；S3、计算出各个陪停设备的停电检修需求指数；S4、生成停电检修方案；4、根据权利要求3所述的基于BPNN的停电检修需求指数分析及检修方案生成方法，其特征在于，所述步骤S1包括：1)对电网线路，按照电流的流向构建树形结构，电流经过的每个节点作为一个记录，并在此记录下存储其父节点，2)建立节点数据库记录每个节点的信息，3)通过所述节点数据库求得某个节点的所有子节点，如果该节点为停电维修设备，则该节点所有子节点的设备都是陪停设备。本专利技术在必检设备停电检修的停电线路上，找出相应的陪停设备，并对需要检修的陪停设备提出检修方案，因此大大提高了检修效率，实现一停多用、综合检修，避免用户出现频繁停电、长时间停电。大大提高了用户用电满意度和供电可靠性。附图说明图1是BP神经网络结构图。图2是基于BPNN的检修需求指数分析最优停电检修方法的流程图。具体实施方式本具体实施方式采用的技术思路是：通过采用构建层次结构树的思想建立电网网络拓扑结构，按照树形结构分析电网中各个设备之间相互影响的关系，得出某次停电检修的影响范围，并基于此影响范围得出本次停电检修的所有设备，然后基于反向传播神经网络(BPNN，BackPropagationNeuralNetwork)分析出这些设备的检修需求指数，以此为基础制定最优停电检修方案。其流程包括以下步骤：S1、建立电网网络拓扑结构；S2、基于所述电网网络拓扑结构，找出与必检设备相关联的陪停设备；S3、计算出各个陪停设备的检修需求指数；S4、去除不能检修的设备；S5、给出最优检修方案。步骤S1中，以电流的导向构造树形结构，并用邻接表(存储父节点信息)的方法用数据库表示这种拓扑关系，电网拓扑中的每一个节点在数据库中存储为一个记录，记录中包含该节点的一些基本信息还有该节点的父节点，这种方法的优点是存储的信息少，可以节省很多空间，查子节点和父节点的时候很方便，并可以灵活地插入节点和删除节点(或子树)。根据电网网架中经常性检修设备，共选出以下8种类型的节点：线路、环网单元、熔断器、公共变压器、专用变压器、开关、中央变压器。并给出了每个节点的具体名称，给每个节点设置一个编号，并根据电流的流向给出当前节点的父节点编号。建立数据库记录每个节点的信息，数据库每个字段的命名及其含义如下表所示：表1Id每个节点的编号content每个节点的命名type每个节点的类型ParentId每个节点的父节点编号步骤S2，根据导入数据库中的信息，可以分析出以下四类信息：某个节点的直接父节点，某个节点的直属子节点，某个节点的所有父节点，某个节点的所有子节点。如果某个节点代表的设备停电维修，则会影响到其所有的子节点设备，至此，可以得出这次停电维修的陪停设备。值得说明的是，步骤S2中所述的必检设备，可以是根据有关部门制定的计划工单确定的必须检修设备。也可以是根据先期计算线路上各个设备的停电检修需求指数确定的必须检修设备。步骤S3中，计算陪停设备的检修需求指数的流程如下：步骤A，评价指标确定BPNN输入层的神经元个数，将停电检修需求指数作为模型的输出，隐含层神经元个数可通过逐步增长的方法确定，这样就确定BPNN模型的拓扑结构。在大量经验数据的基础上得出停电检修需求指数的影响指标为：故障率、负载路、服役时长、未检修时长。也即神经网络的输入节点个数为4。显然输出节点个数为1。根据隐藏节点经验公式其中m为输入层节点数，n为输出层节点个数，得出隐藏节点个数为s≈5。步骤B，对指标进行归一化处理，消除指标量纲差异的不利影响。归一化公式为：式中，xi表示第i个指标，ximin和ximax分别表示是第i个指标最小值和最大值，xi表示归一化后的值。步骤C，初始化BPNN参数，并选取足够的需求指数样本，采用BPNN对其进行训练和学习，从而建立需求指数模型。其模型图如图1所示。BP神经网络输入层的输出为：神经网络隐含层的输入、输出为：隐含层神经元的活化函数取正负对称的tanh函数：网络输出层的输入和输出为：输出层神经元的活化函数为非负的Sigmoid函数：采用梯度下降算法确定BP神经网络的阈值和权值，使停电检修需求指数的均方误差指标达到最小。步骤D、将所述设备停电检修评价指标输入所述需求指数评价模型，分析并输出设备的停电检修需求指数，一个设备的停电检修需求指数反映该设备的检修紧迫程度。数值越高，代表检修紧迫程度越高。优选地，针对重大节日必须进行保供电的影响区域进行录入，需保证该区域的供电，记录不能进行停电检修的设备，将这部分的设备的需求指数设置为0。从上述看出，本专利技术在必检设备停电检修的停电线路上，找出相应的陪停设备，并对需要检修的陪停设备提出检修方案，因此大大提高了检修效率，实现一停多用、综合检修，避免用户出现频繁停电、长时间停电。大大提高了用户用电满意度和供电可靠性。最后所应说明的是，以上具体实施方式仅用以说明本专利技术的技术方案而非限制，尽管参照较佳实施例对本专利技术进行了详细说明，本领域的普本文档来自技高网...

【技术保护点】
1.一种基于BPNN的检修需求指数分析最优停电检修方法，其特征在于，包括以下步骤：步骤A、将停电检修评价指标的数量作为BPNN输入层的神经元个数，将停电检修需求指数作为BPNN模型的输出，隐含层神经元个数可通过逐步增长的方法确定，这样就确定BPNN的拓扑结构，所述停电检修评价指标包括故障率、负载路、服役时长、未检修时长，各指标作为被赋予不同权重的参数；步骤B、对所述停电检修评价指标进行归一化处理，消除指标量纲差异的不利影响；归一化公式为：

【技术特征摘要】
1.一种基于BPNN的检修需求指数分析最优停电检修方法，其特征在于，包括以下步骤：步骤A、将停电检修评价指标的数量作为BPNN输入层的神经元个数，将停电检修需求指数作为BPNN模型的输出，隐含层神经元个数可通过逐步增长的方法确定，这样就确定BPNN的拓扑结构，所述停电检修评价指标包括故障率、负载路、服役时长、未检修时长，各指标作为被赋予不同权重的参数；步骤B、对所述停电检修评价指标进行归一化处理，消除指标量纲差异的不利影响；归一化公式为：式中，xi表示第i个指标，ximin和ximax分别表示是第i个指标最小值和最大值，xi′表示归一化后的值；步骤C、初始化BPNN的参数，并选取足够的需求指数样本，采用BPNN对其进行训练和学习，从而建立需求指数评价模型；步骤D、将所述设备停电检修评价指标输入所述需求指数评价模型，分析并输出设备的停电检修需求指数，一个设备的停电检修需求指数反映该设备的...

【专利技术属性】
技术研发人员：康纬，管钧斌，王春雨，冯海俊，林淑英，刘云鹏，
申请(专利权)人：国网浙江省电力有限公司嵊泗县供电公司，武汉飞脉科技有限责任公司，
类型：发明
国别省市：浙江,33