【技术实现步骤摘要】
一种基于机器学习的电能计量自动化系统安全性评估方法
[0001]本专利技术应用于电能计量自动化安全性领域,涉及人工智能方法,具体涉及一种基于机器学习的电能计量自动化系统安全性评估方法。
技术介绍
[0002]随着智能电网建设的推进,电网规模的持续扩大,用户对电能的需求不断提高,电能计量的稳定性已经成为保障电网安全、确保准确性与公平性、提供优质服务的重要前提。目前,电能计量设备已实现自动化、智能化,可以快速稳定获取设备的功率、电压和电流等运行状态参数。但是,随着电能计量设备规模的扩大,电能计量自动化系统的暴露出一些不可忽视的安全性问题,受到研究人员的广泛关注。因此保障电能计量自动化系统的安全可靠已经成为确保我国电网安全和供用电双方贸易结算的公平和理性的重要前提。
[0003]目前,运用模糊数学的模糊综合评价方法广泛应用于电能计量装置的状态安全评估,但是模糊综合评价方法存在计算复杂,对指标权重矢量的确定主观性较强等缺点。现有的技术中,对评估电能计量设备的安全风险存在不够精确的不足之处。
技术实现思路
[0004]本专利技术所要解决的技术问题在于,提供一种基于机器学习的电能计量自动化系统安全性评估方法,能够实现电能计量自动化系统安全程度的动态评估,评价结果准确可靠。
[0005]作为本专利技术的一方面,提供了一种基于机器学习的电能计量自动化系统安全性评估方法,其至少包括如下步骤:
[0006]步骤S10,利用电能计量自动化系统采集获得多个电能计量装置的运行状态参数,所述运行状态参数至 ...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的电能计量自动化系统安全性评估方法,其特征在于,至少包括如下步骤:步骤S10,利用电能计量自动化系统采集获得多个电能计量装置的运行状态参数,所述运行状态参数至少包括电压、电流和功率物理参数;步骤S11,对所采集的运行状态参数进行数据分析与清洗,去除无效数据,处理缺失数据,形成设备安全评估数据集;步骤S12,对所述设备安全评估数据集,采用基于熵权法的主成分分析法进行分析,获得高密度的安全评估数据;步骤S13,将所述高密度的安全评估数据输入一预先训练好的全连接神经网络模型进行综合评估,获得评估结果;步骤S14,输出以及显示所述评估结果,所述评估结果包括各电能计量装置的安全性等级。2.如权利要求1所述的方法,其特征在于,所述步骤S11进一步包括:在数据清洗后,在多个电能计量装置中选取n个作为评价对象,在每一评价对象中的运行状态参数中选取设m个作为进行主成分分析的指标变量:x1,x2,
…
,x
m
;建立如下的全评估指标数据矩阵X=(x
ij
)
n*m
作为设备安全评估数据集:其中,x
ij
代表第i个评价对象的第j个指标。3.如权利要求2所述的方法,其特征在于,所述步骤S12进一步包括:步骤S120,对所述全评估指标数据矩阵中的原始数据进行标准化无量纲化处理,获得标准化后的数据矩阵标准化后的数据矩阵其中,代表经过标准化处理后的第i个评价对象的第j个指标,其表达式为:代表经过标准化处理后的第i个评价对象的第j个指标,其表达式为:为第j个指标的样本均值,其表达式为:S
j
为第j个指标的标准差,其表达式为:
步骤S121,采用如下的信息熵计算公式计算出所述标准化后的数据矩阵每个指标的信息熵E
j
:其中p
ij
为第j个指标中第i个评价对象的第j个指标占比,其表达式为:步骤S122,基于计算出的所有指标的信息熵,以下述公式计算获得每个指标的权重参数W
j
:步骤S123,获得各指标之间的相关系数,建立如下的相关系数矩阵R=(r
ij
)
m
×
m
:其中,r
ij
是第i个指标与第j个指标的相关系数,其表达式为:步骤S124,根据所构建的相关系数矩阵,通过公式Au=λu对相关系数矩阵进行特征值与特征向量求解,将计算出的特征值需由大到小排序,则相关系数矩阵的特征值为λ1≥λ2≥
…
≥λ
m
≥0,其对应的特征向量为u1,u2,
【专利技术属性】
技术研发人员:何智帆,刘涛,梁洪浩,孙文龙,陈晓伟,马越,
申请(专利权)人:深圳供电局有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。