买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东电网有限责任公司广州供电局

摘要：本发明公开了一种基于配网要素和神经网络的配网风险评估方法，包括以下步骤：S1、对配网要素进行聚类，获取配网关键要素，所述配网要素包括评估区域内的内部数据和外部数据；S2、通过配网关键要素对集合神经网络进行训练，获得风险评估模型，所述集合神经网络采用优化算法进行训练；S3、通过风险评估模型动态评估配网风险，将预测样本集输入风险评估模型，风险评估模型输出预测结果对配网风险进行评估。本发明根据不同配网要素进行聚类，可大大降低风险预测的机器模型难度，集合多个机器学习对配网风险进行动态评估，对大量数据信息进行有效的分析，能更全面合理地评估风险，避免或减少由于配电网故障引起的停电损失，提高供电可靠性和电能质量。

主权项：1.一种基于配网要素和神经网络的配网风险评估方法，其特征在于，包括以下步骤：S1、对配网要素进行聚类，获取配网关键要素，所述配网要素包括评估区域内的内部数据和外部数据；S2、通过配网关键要素对集合神经网络进行训练，获得风险评估模型，所述集合神经网络采用优化算法进行训练；S3、通过风险评估模型动态评估配网风险，将预测样本集输入风险评估模型，风险评估模型输出预测结果对配网风险进行评估；步骤S1中，对配网要素进行聚类的方式为；首先预设所述配网要素的预设聚类数目，获取预设聚类数目的聚类误差，由预设聚类误差确定配网要素的最优聚类数目；根据配网要素最优聚类数目，将配网要素聚类，获得多个配网关键要素；根据配网要素最优聚类数目，将配网要素聚类的方式为：将配网要素的数据输入，随机选择一个点作为初始聚类中心点，根据训练数据与聚类中心点的距离计算成为下一聚类中心的概率，轮盘法选出下一聚类中心，判断聚类中心数目是否达到最优聚类数目，若没有达到，继续进行聚类，若达到最优聚类数目，将每个配网要素分配到与聚类中心欧式距离最近的点，依据均值重新计算各族聚类中心，若收敛则输出聚类结果，若不收敛重新进行分配到与聚类中心欧式距离最近的点，依据均值重新计算各族聚类中心，直到收敛；集合神经网络包括神经网络、支持向量机、极限学习机和或其他机器学习；步骤S2中，采用优化算法对集合神经网络进行训练的方式为：设置优化算法的种群规模、粒子维度数目、最大迭代次数、横向交叉概率和纵向交叉概率参数；计算每个优化粒子的适配值，得到优化粒子的个体最优值和全局最优值；再将所述优化粒子的个体最优值和全局最优值进行比较，取适配值更优者作为当前最优位置对集合神经网络的参数进行调整；采用优化算法对集合神经网络进行训练时，建立优化粒子与风险评估模型的权值和阈值之间的映射，即将风险评估模型的权值和阈值编码成实数向量表示种群中的个体，所述权值与阈值构成了优化算法的初始种群；采用优化算法对集合神经网络进行训练时，优化对象包括修正量对隐含层与输出层之间的连接权值、输出层各神经元的阈值、输入层与隐含层之间的连接权值、进行隐含层各神经元的阈值；步骤S2中，为优化集合神经网络中不同机器学习结果的权重，采用虚拟预测计算不同机器学习模型的相对误差熵值与变异程度系数，包括以下步骤：S21、计算第j个机器学习模型在第t时刻的相对误差的比重pjt，pjt的计算公式为： 式中，ejt为t时刻第j种机器学习预测方法的预测相对误差；yt为t时刻的实际值；yjt为t时刻第j种机器学习预测方法的预测值；k为机器学习模型数目；S22、计算第j个机器学习模型的预测相对误差的熵值Hj，Hj的计算公式为： 式中，n表示学习总时长，pjt为t时刻第j个机器学习模型的相对误差的比重；S23、计算第j个机器学习模型的预测相对误差的变异程度系数Dj，Dj的计算公式为：Dj＝1-Hj式中，Hj为第j个机器学习模型的预测相对误差的熵值；S24、计算第j个机器学习模型的权重系数Wj，Wj的计算公式为： 式中，Dj为第j个机器学习模型的预测相对误差的变异程度系数，k为机器学习模型数目，

全文数据：

权利要求：

百度查询： 广东电网有限责任公司广州供电局 基于配网要素和神经网络的配网风险评估方法