【技术实现步骤摘要】
本专利技术涉及配电网故障分析，更具体地说，它涉及基于snn-密度峰值聚类的配电网受灾分析方法及系统。
技术介绍
1、随着台风、覆冰、山火、暴雨、高温、寒潮等极端外部灾害的频频肆虐，电力系统安全稳定运行迎来了空前挑战。
2、我国电网分布广阔，在国内的覆盖率达到了99.95％，同时受自然灾害影响也是十分严重的；具体受灾表现为灾害种类多、地域分布广、发生频率高、造成损失重；为防范和化解重大自然灾害对电网建设的风险，防治和消除电网受灾的重点隐患，积极对电网重点受灾地区和灾害场景进行聚类，对于提高电网的防灾治灾能力具有重要意义。
技术实现思路
1、本专利技术的目的在于提供基于snn-密度峰值聚类的配电网受灾分析方法及系统，以解决上述
技术介绍
中存在的问题。
2、本专利技术的上述技术目的是通过以下技术方案得以实现的：
3、第一方面，本申请实施例提供了基于snn-密度峰值聚类的配电网受灾分析方法，包括以下步骤：
4、基于已发生的自然灾害，获取各个自然灾害在发生后对应受灾区域的配电网的受损特征；
5、基于预先确定好聚类参数的密度峰值聚类算法对多个受损特征分别进行聚类处理，得到各个自然灾害对应的故障特征；
6、将多个故障特征输入至预置的电网受灾场景模型中进行处理，得到各个自然灾害对应的电网故障情况，电网故障率表征了对应配电网中所有元件的故障率；
7、根据电网故障情况分析各个自然灾害对受灾区域的配电网的影响和应变。>
8、本专利技术的有益效果是：根据已发生的自然灾害中得到对应受灾区域内配电网的受损情况，包括各个输送线路的通断情况、导致输送线路不能正常工作的元件损坏情况等；将此类信息进行获取和整理，最终可以分析出在发生各种自然灾害时对配电网的影响的情况而建立对应的应对措施；并且还可以根据这些信息分析判断各种自然灾害的破坏力，在应对下次灾害时，便具有一定的预知能力和应变能力，从而在下次发生时便于快速的消除灾害对电网的影响，提高电网的恢复效率。
9、在上述技术方案的基础上，本专利技术还可以做如下改进。
10、进一步，上述电网受灾场景模型包括pga量化模型、线路故障率模型和综合负荷损失模型，其中，pga量化模型表征了配电网的受损程度，且pga量化模型通过第一公式表示，第一公式为：
11、
12、式中，表示受灾区域g的受损程度的加权均值；fpgag,i表示受灾区域g中位置节点i的受损程度；pi表示位置节点i的负荷的有功功率；ωi表示位置节点i的负荷的权重系数；ng表示受灾区域g中位置节点的点数。
13、进一步，上述线路故障率模型通过第二公式表示，第二公式为：
14、
15、式中，di(i＝1，2，3，4)表示损坏状态；s表示当前线路的损坏状态；d表示当前线路的随机变量；i表示当前线路所处位置的自然灾害的强度；εi表示不同损坏状态下当前线路故障率曲线的对数期望，δi表示不同损坏状态下当前线路故障率曲线的对数标准差。
16、进一步，上述综合负荷损失模型通过第三公式表示，第三公式为：
17、
18、式中，p0表示自然灾害发生前的加权总负荷，s(y)表示自然灾害中故障场景的数量，δp(xk)表示故障场景中某时刻的综合负荷损失，δpi(xk)表示故障场景中各个线路某时刻的负荷损失，xk表示故障场景，y表示自然灾害的种类集合，tpir表示配电网修复完成后恢复到配电网的初始状态的时间，te表示自然灾害的发生时间。
19、进一步，上述聚类参数包括局部密度、相对距离和聚类有效性评价指标；
20、局部密度通过第四公式表示，第四公式为：
21、
22、式中，γ(xi)表示样本xi的近邻集合，γ(xj)表示样本xj的近邻集合，snn(i，j)表示样本xi与样本xj之间的共享近邻，|snn(i，j)|表示共享近邻集合中样本xi与样本xj之间的共享近邻的个数，∑p∈snn(i，j)(dip+djp)表示样本xi与样本xj分别与共享近邻集合中点的欧式距离之和，l(xi)表示与样本xi相似度最高的k个样本的集合，样本xi和样本xj属于数据集x中的元素，数据集x表示各个线路发生的灾害次数以及损坏状态的历史数据集。
23、进一步，上述相对距离通过第五公式表示，第五公式为：
24、
25、其中，δi表示数据集x中任意一样本xi的相对距离，sum(i)表示样本xi到γ(xi)的距离之和，表示决策值的平均变化率，γi表示决策值，x表示决策值下降趋势由急变缓的拐点，表示第1个点到第i个点的斜率，表示第i个点到第i+1个点的斜率。
26、进一步，上述聚类有效性评价指标通过第六公式表示，第六公式为：
27、
28、式中，ωmi(u，v)表示u和v之间的互信息，e(ωmi(u，v))表示互信息ωmi(u，v)的期望，ωf(h(u)，h(v))表示两信息熵之间的算术平均数，ωtp表示聚类后为同种类型，ωfn表示聚类后为不同类型，ωfp表示聚类后的同种类型，ωtn表示聚类后的不同类型，ωami、ωari和ωfmi表示外部有效性指标。
29、第二方面，本申请实施例提供了基于snn-密度峰值聚类的配电网受灾分析系统，应用于第一方面中任一项的基于snn-密度峰值聚类的配电网受灾分析方法，包括：
30、受损获取模块，用于基于已发生的自然灾害，获取各个自然灾害在发生后对应受灾区域的配电网的受损特征；
31、聚类处理模块，用于基于预先确定好聚类参数的密度峰值聚类算法对多个受损特征分别进行聚类处理，得到各个自然灾害对应的故障特征；
32、模型处理模块，用于将多个故障特征输入至预置的电网受灾场景模型中进行处理，得到各个自然灾害对应的电网故障情况，电网故障率表征了对应配电网中所有元件的故障率；
33、分析处理模块，用于根据电网故障情况分析各个自然灾害对受灾区域的配电网的影响和应变。
34、第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面中任一项的方法。
35、第四方面，一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面中任一项的方法。
36、与现有技术相比，本专利技术至少具有以下的有益效果：
37、本申请中通过从已发生的自然灾害中得到对应受灾区域内配电网的受损情况，包括各个输送线路的通断情况、导致输送线路不能正常工作的元件损坏情况等；将此类信息进行获取和整理，最终可以分析出在发生各种自然灾害时对配电网的影响的情况而建立对应的应对措施；并且还可以根据这些信息分析判断各种自然灾害的破坏力，在应对下次灾害时，便具有一定的预知能力和应变能力，从而在下次发生时便于快速的本文档来自技高网...
【技术保护点】
1.基于SNN-密度峰值聚类的配电网受灾分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于SNN-密度峰值聚类的配电网受灾分析方法，其特征在于，所述电网受灾场景模型包括PGA量化模型、线路故障率模型和综合负荷损失模型，其中，所述PGA量化模型表征了所述配电网的受损程度，且所述PGA量化模型通过第一公式表示，所述第一公式为：
3.根据权利要求2所述的基于SNN-密度峰值聚类的配电网受灾分析方法，其特征在于，所述线路故障率模型通过第二公式表示，所述第二公式为：
4.根据权利要求3所述的基于SNN-密度峰值聚类的配电网受灾分析方法，其特征在于，所述综合负荷损失模型通过第三公式表示，所述第三公式为：
5.根据权利要求4所述的基于SNN-密度峰值聚类的配电网受灾分析方法，其特征在于，所述聚类参数包括局部密度、相对距离和聚类有效性评价指标；
6.根据权利要求5所述的基于SNN-密度峰值聚类的配电网受灾分析方法，其特征在于，所述相对距离通过第五公式表示，所述第五公式为：
7.根据权利要求6所述的基于SNN-
8.基于SNN-密度峰值聚类的配电网受灾分析系统，应用于权利要求1-7中任一项所述的基于SNN-密度峰值聚类的配电网受灾分析方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现权利要求1-7中任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.基于snn-密度峰值聚类的配电网受灾分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于snn-密度峰值聚类的配电网受灾分析方法，其特征在于，所述电网受灾场景模型包括pga量化模型、线路故障率模型和综合负荷损失模型，其中，所述pga量化模型表征了所述配电网的受损程度，且所述pga量化模型通过第一公式表示，所述第一公式为：
3.根据权利要求2所述的基于snn-密度峰值聚类的配电网受灾分析方法，其特征在于，所述线路故障率模型通过第二公式表示，所述第二公式为：
4.根据权利要求3所述的基于snn-密度峰值聚类的配电网受灾分析方法，其特征在于，所述综合负荷损失模型通过第三公式表示，所述第三公式为：
5.根据权利要求4所述的基于snn-密度峰值聚类的配电网受灾分析方法，其特征在于，所述聚类参数包括局部密度、相对距离和聚类有效性评价...
【专利技术属性】
技术研发人员：曾文慧，许潇，范荣全，刘俊勇，罗毅，刘阳，唐杨，范佳媛，陈中国，
申请(专利权)人：国网四川省电力公司经济技术研究院，
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。