System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及水电站,尤其是一种共流域梯级水电站风险评估方法、系统及电子设备。
技术介绍
1、共流域梯级水电站是一个庞大而复杂的网络,涉及到大量的设备、电站、发电机组等。对水电站进行风险评估有助于及时识别潜在的问题和隐患,防范系统运行中可能出现的故障和事故,维护共流域梯级水电站的安全稳定运行。通过风险评估,可以在事故发生之前识别和解决潜在问题。这有助于采取及时的措施,避免事故对共流域梯级水电站的影响,减少停电时间,提高供电可靠性。
2、而专利技术人在实际研究中发现,现有的风险评估仅仅是根据每个水电站的运行数据进行评估,比如,仅根据每个水电站的电压、水位、流量等参数来完成对共流域梯级水电站的评估。而该评估方式可以用于评估单个水电站的风险,对于包括多个水电站的共流域梯级水电站的风险评估可靠性较低,参考价值不大。
技术实现思路
1、为解决上述现有技术问题,本专利技术提供一种共流域梯级水电站风险评估方法、系统及电子设备。
2、第一方面,本申请实施例提供一种共流域梯级水电站风险评估方法,包括:获取实时采集的共流域梯级水电站中的每个水电站在第一时间段的运行数据;基于每个所述水电站在第一时间段的运行数据,确定每个所述水电站在第一时间段的状态演化数据以及风险传导数据;其中,每个所述水电站的状态演化数据由该水电站自身的运行数据以及与其他水电站之间的影响关系确定;每个所述水电站的风险传导数据表征该水电站的异常数据传递到其他水电站的过程描述;将每个所述水电站在第一时间段的运行数据
3、在第一方面的一种可选的实施方式中,在所述获取实时采集的共流域梯级水电站中的每个水电站在第一时间段的运行数据之前,所述方法还包括:采集所述共流域梯级水电站中的每个水电站的运行数据;统计所述运行数据中不同种类的运行数据各自对应的出现概率;基于不同种类的运行数据各自对应的出现概率,确定不同种类的运行数据的编码长度;其中,不同种类的运行数据的出现概率与其编码长度成反比;根据不同种类的运行数据的编码长度,对不同种类的运行数据进行压缩,并存储至数据库。
4、在第一方面的一种可选的实施方式中,所述基于不同种类的运行数据各自对应的出现概率,确定不同种类的运行数据的编码长度,包括:基于不同种类的运行数据各自对应的出现概率,确定与不同种类的运行数据的初始编码长度;其中,不同种类的运行数据的出现概率与其初始编码长度成反比;基于不同种类的运行数据各自对应的出现概率以及不同种类的运行数据的初始编码长度计算平均编码长度以及信息熵;比较所述平均编码长度与所述信息熵的大小;当所述平均编码长度小于所述信息熵时,调整部分种类的运行数据的初始编码长度,直至满足预设关系条件;其中,所述预设关系条件为基于不同种类的运行数据各自对应的出现概率以及调整后的初始编码长度计算出的平均编码长度大于等于对应的信息熵;输出不同种类的运行数据的编码长度;其中,不同种类的运行数据的编码长度为满足所述预设关系条件对应的调整后的初始编码长度。
5、在第一方面的一种可选的实施方式中,在所述获取实时采集的共流域梯级水电站中的每个水电站在第一时间段的运行数据之前,所述方法还包括:获取实时采集的所述共流域梯级水电站中的每个水电站在第一时间段的原始运行数据;将所述原始运行数据输入至自动数据处理器中,通过所述自动数据处理器的编码器生成所述原始运行数据对应的低维表示;基于所述原始数据对应低维表示进行标准化处理,得到第一数据;通过所述自动数据处理器的解码器对所述第一数据进行数据重构,得到第二数据。
6、在第一方面的一种可选的实施方式中,所述自动数据处理器为神经网络模型结构;所述自动数据处理器在训练时损失函数包括:其中,l(x,y)表示所述损失函数;n表示训练时数据总量;xi表示训练时的第i个原始运行数据,yi是所述自动数据处理器的第i个输出数据。
7、在第一方面的一种可选的实施方式中,通过如下步骤构建所述强分类器,包括:基于所述共流域梯级水电站的历史数据,构建样本训练集;其中,所述样本训练集中的每个训练样本包括每个所述水电站在预设时间段的运行数据、状态演化数据以及风险传导数据;基于所述样本训练集训练多个弱分类器;其中,初始时,每个所述训练样本赋予相同的权重;将所述多个弱分类器进行组合,得到所述强分类器。
8、在第一方面的一种可选的实施方式中,所述将所述多个弱分类器进行组合,得到所述强分类器,包括:确定每个所述弱分类器的权重值;其中,所述权重值表征所述弱分类器在训练过程中的分类性能;结合每个所述弱分类器的权重值,将所述多个弱分类器进行组合,得到所述强分类器;其中,所述强分类器的表达式为:h(x)表示所述强分类器的输出;t表示所述弱分类器的数量,at表示第t个弱分类器的权重值,ht(x)表示第t个弱分类器的输出。
9、在第一方面的一种可选的实施方式中,所述风险评估信息为风险评估数值,在所述输出所述共流域梯级水电站的风险评估信息之后,所述方法还包括:判断所述风险评估数值是否大于预设预警阈值;响应于所述风险评估数值大于所述预设预警阈值,触发预警。
10、第二方面,本申请实施例还提供一种共流域梯级水电站风险评估系统,包括:获取模块,用于获取实时采集的共流域梯级水电站中的每个水电站在第一时间段的运行数据;确定模块,用于基于每个所述水电站在第一时间段的运行数据,确定每个所述水电站在第一时间段的状态演化数据以及风险传导数据;其中,每个所述水电站的状态演化数据由该水电站自身的运行数据以及与其他水电站之间的影响关系确定;每个所述水电站的风险传导数据表征该水电站的异常数据传递到其他水电站的过程描述;风险评估模块,用于将每个所述水电站在第一时间段的运行数据、状态演化数据以及风险传导数据输入训练好的强分类器中,输出所述共流域梯级水电站的风险评估信息。
11、第三方面,本申请实施例还提供一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上述第一方面任一项所述的方法。
12、本专利技术的有益效果包括:本申请实施例所提供的共流域梯级水电站风险评估方法,其在获取实时采集的共流域梯级水电站中的每个水电站在第一时间段的运行数据后,先利用该运行数据,确定每个水电站在第一时间段的状态演化数据以及风险传导数据。然后将每个水电站在第一时间段的运行数据、状态演化数据以及风险传导数据共同作为输入数据,输入至训练好的强分类器中,利用强分类器输出共流域梯级水电站的风险评估信息。即,本申请的风险评估信息除了利用每个水电站自身的运行数据,还加入了水电站之间的影响以及异常数据传递数据。由于共流域梯级水电站是在同一个流域配置多个水电站,多个水电站之间存在着关联与制约。因此,在对整个共流域梯级水电站进行风险评估时,结合共流域梯级水电站中的多个水电站之间的影响关系,风险传递表述,能够提高共本文档来自技高网...
【技术保护点】
1.一种共流域梯级水电站风险评估方法,其特征在于,包括:
2.根据权利要求1所述的共流域梯级水电站风险评估方法,其特征在于,在所述获取实时采集的共流域梯级水电站中的每个水电站在第一时间段的运行数据之前,所述方法还包括:
3.根据权利要求2所述的共流域梯级水电站风险评估方法,其特征在于,所述基于不同种类的运行数据各自对应的出现概率,确定不同种类的运行数据的编码长度,包括:
4.根据权利要求1所述的共流域梯级水电站风险评估方法,其特征在于,在所述获取实时采集的共流域梯级水电站中的每个水电站在第一时间段的运行数据之前,所述方法还包括:
5.根据权利要求1所述的共流域梯级水电站风险评估方法,其特征在于,所述自动数据处理器为神经网络模型结构;
6.根据权利要求1所述的共流域梯级水电站风险评估方法,其特征在于,通过如下步骤构建所述强分类器,包括:
7.根据权利要求6所述的共流域梯级水电站风险评估方法,其特征在于,所述将所述多个弱分类器进行组合,得到所述强分类器,包括:
8.根据权利要求7所述的共流域梯级水电站
9.一种共流域梯级水电站风险评估系统,其特征在于,包括:
10.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。
...【技术特征摘要】
1.一种共流域梯级水电站风险评估方法,其特征在于,包括:
2.根据权利要求1所述的共流域梯级水电站风险评估方法,其特征在于,在所述获取实时采集的共流域梯级水电站中的每个水电站在第一时间段的运行数据之前,所述方法还包括:
3.根据权利要求2所述的共流域梯级水电站风险评估方法,其特征在于,所述基于不同种类的运行数据各自对应的出现概率,确定不同种类的运行数据的编码长度,包括:
4.根据权利要求1所述的共流域梯级水电站风险评估方法,其特征在于,在所述获取实时采集的共流域梯级水电站中的每个水电站在第一时间段的运行数据之前,所述方法还包括:
5.根据权利要求1所述的共流域梯级水电站风险评估方法,其特征在于,所述自动数据处理器为神经网络模型结构;<...
【专利技术属性】
技术研发人员:徐伟,李远军,周金江,王鹏,朱明星,石建明,胡强蔚,莫和建,张楠,潘家满,
申请(专利权)人:贵州乌江水电开发有限责任公司,
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。