一种基于深度神经网络的电网灾情评估方法技术

本发明专利技术公开了一种基于深度神经网络的电网灾情评估方法，包括获取历史电网灾情场景数据进行统计分析；对所述历史电网灾情场景数据进行预处理，利用灾情评估指标建立评级体系；构建神经网络模型，并将灾情按其严重程度进行分类作为模型输出；经预处理的样本数据加载到所述神经网络模型后，选取训练参数对其进行训练和学习；实时获取新的电网场景输入至完成训练的所述神经网络模型，实时获取灾情评估等级，解决了现有基于场景的灾情评估优化模型具体的优化计算面临求解困难的问题。

【技术实现步骤摘要】
一种基于深度神经网络的电网灾情评估方法
本专利技术涉及电网安全的
，尤其涉及一种基于深度神经网络的电网灾情评估方法。
技术介绍
近年来，电网运行环境日趋恶劣和复杂，雨雪冰冻、风暴潮、台风、暴雨雷电等强对流灾害，雾霾、大风、沙尘暴、山火等极端天气(指历史上罕见的气象事件，发生概率小、社会影响大)和用电服务，以及电网设施故障产生的危险隐患对电网的影响越来越大。电网发生的隐患不能及时了解及作出补救措施，导致在电网运行中会造成不可估量的损失。目前，研究者通过建立灾害模型来进行电网灾情的评估，在重大灾害模型研究方面，国内外学者应用3S和计算机技术，结合各种数学方法，形成了大量的定性和定量化的灾情评估模型，随着这方面技术快速发展，自然灾害灾情评估模型库正逐渐成为防灾减灾工作的一种有效工具，为全面掌握和分析灾害损失，为应急管理提供了科学依据。但现有的基于场景的灾情评估优化模型的计算效果取决于场景数量的大小，为充分表示随机变量的特征，直接由场景生成方法得到的场景数量通常是巨大的，这将使得具体的优化计算面临求解困难，成为本领域亟待解决的问题之一。<本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的电网灾情评估方法，其特征在于：包括，/n获取历史电网灾情场景数据进行统计分析；/n对所述历史电网灾情场景数据进行预处理，利用灾情评估指标建立评级体系；/n构建神经网络模型，并将灾情按其严重程度进行分类作为模型输出；/n经预处理的样本数据加载到所述神经网络模型后，选取训练参数对其进行训练和学习；/n实时获取新的电网场景输入至完成训练的所述神经网络模型，实时获取灾情评估等级。/n

【技术特征摘要】
1.一种基于深度神经网络的电网灾情评估方法，其特征在于：包括，
获取历史电网灾情场景数据进行统计分析；
对所述历史电网灾情场景数据进行预处理，利用灾情评估指标建立评级体系；
构建神经网络模型，并将灾情按其严重程度进行分类作为模型输出；
经预处理的样本数据加载到所述神经网络模型后，选取训练参数对其进行训练和学习；
实时获取新的电网场景输入至完成训练的所述神经网络模型，实时获取灾情评估等级。


2.如权利要求1所述的基于深度神经网络的电网灾情评估方法，其特征在于：利用获取的所述历史电网灾情场景数据进行预处理，并建立所述评级体系包括，
对灾情资料、暴雨资料、故障资料和电网分布数据进行收集；
通过危害辨识构建所述评级体系，经过归一化处理之后作为网络的输出。


3.如权利要求1或2所述的基于深度神经网络的电网灾情评估方法，其特征在于：构建所述神经网络模型包括利用灰色关联分析法对灾损数据进行计算，得到综合关联度，越大则表示灾情越严重。


4.如权利要求3所述的基于深度神经网络的电网灾情评估方法，其特征在于：所述综合关联度的获取包括，
确定参考序列和比较序列；
定义灾情损失最大时的函数转换值为参考序列、求差序列；
获取所述比较序列与所述参考序列的关联系数；
得出所述综合关联度。


5.如权利要求4所述的基于深度神经网络的电网灾情评估方法，其特征在于：所述神经网络模型利用误差反向传播神经网络进行训练，包括以下步骤，
数据预处理；
网络初始化，随机给定各连接权值及输入输出阈值；
给定训练样本和目标输出，计算和输出各类神经元实际输出值；
调整输入层与隐含层、隐含层与输出层间的连接权值；
进行重复迭代，直到实际输出与目标输出误差达到预设要求结束训练，则模型训练完成。


6.如权利要求5所述的基于深度神经网络的电网灾情评估方法，其特征在于：实时获取所述新的电网场景还包括利用场景缩减方法，包...

【专利技术属性】
技术研发人员：林爽，王裴培，唐钰翔，孙怡长，秦萃丽，毛健，余志强，邹勇，吴歧，李沛，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州;52