(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111502122.7 (22)申请日 2021.12.09 (71)申请人 国网江苏省电力有限公司盐城供电 分公司 地址 224000 江苏省盐城市解 放南路189号 申请人 国网江苏省电力有限公司滨 海县供 电分公司 　 国网江苏省电力有限公司 (72)发明人 周顺　刘继　曹康栖　孟亚宏　 (74)专利代理 机构 苏州市港澄专利代理事务所 (普通合伙) 32304 代理人 浦蓉 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) G06F 30/27(2020.01) G06F 111/08(2020.01) G06F 113/04(2020.01) (54)发明名称 一种基于风险评估模型的低压配电网连锁 故障预警方法 (57)摘要 本发明公开了一种基于风险评估模型的低 压配电网连锁故障预警方法， 所述方法包括： 数 据采集及处理： 对低压配电网的负荷数据、 天气 数据和故障数据进行采集， 并对采集到的数据进 行数据预处理； 故障特征选择： 采用改进的G ‑ ReliefF算法进行低压配电网故障特征的最优化 选择； 连锁故障搜索： 根据线路停运模型和关键 线路模型进行后续故障搜索， 生成事故链并对其 进行评价； 故障预警： 计算元件与线路的风险评 估系数， 通过风险评估系数确定故障发生概率， 最终对故障进行综合风险评估， 计算风险等级。 本发明用于预测和掌握低压配电网的安全运行 状态、 发现潜在的危险及判断故障发展趋势， 以 提高故障预警的准确性， 进而避免大面积停电的 发生。 权利要求书4页 说明书9页 附图2页 CN 114254818 A 2022.03.29 CN 114254818 A 1.一种基于风险评估模型的低压配电网连锁故障预警方法， 其特征在于， 所述方法包 括以下步骤： 步骤1、 数据采集及处理： 对低压配电网的负荷数据、 天气数据和故障数据进行采集， 并 对采集到的数据进 行数据预 处理， 数据预处理包括数据 清洗、 数据变换、 数据集成和离群样 本剔除； 步骤2、 故障特征选择： 采用改进的G ‑ReliefF算法进行低压配电网故障特征的最优化 选择； 步骤3、 连锁故障搜索： 为了更好地搜索连锁故障， 将线路开断设为初始故障， 然后根据 线路停运模型和关键线路模型进行后续故障搜索， 最终生成事故链并对其进行评价； 步骤4、 故障预警： 低压配电网的风险评估模型计算元件与线路的风险评估系数， 通过 风险评估系数确定故障发生 概率， 最终对故障进行综合 风险评估， 计算 风险等级。 2.根据权利要求1所述的一种基于风险评估模型的低压配电网连锁故障预警方法， 其 特征在于， 所述 步骤1具体包括如下内容： a.数据清洗： 包含数据空缺值处理、 数据异常值处理、 数据重复值处理； 数据空缺值处 理是对原始数据中记录缺 失和记录中的某个缺失字段缺 失进行剔除或补充； 数据异常值处 理是根据原始数据的特点， 制 定相应的规则对偏差过大 的数据进行剔除或替换； 数据重复 值处理是根据数据自身的特点， 对重复的数据进行剔除； b.数据变换： 将原有的数据转换为易于分析和应用的形式， 包含特征构造、 数据分级及 数据量化； c.数据集成： 进行数据统计， 将数据合并到某个统一的数据库中， 馈线故障风险预警所 需数据来自于不同的配电信息管理系统， 需要对原 始数据进行统计分析与合并； d.离群样本剔除： 经过前述预处理的原始数据中会包含异常的样本， 与同一数据集中 的绝大部 分数据差异很大， 这种数据称之为离群样本； 采用基于统计的、 基于邻近值或基于 聚类的方法， 加以识别和剔除。 3.根据权利要求2所述的一种基于风险评估模型的低压配电网连锁故障预警方法， 其 特征在于， 由于各特征变量的影响程度与其取值范围有密切关系， 所有变量 都预先按式(1) 进行归一 化处理： 其中， x为归一 化前的数据， xmax、 xmin分别为原 始数据中同类数据的最大值和最小值。 4.根据权利要求1所述的一种基于风险评估模型的低压配电网连锁故障预警方法， 其 特征在于， 所述步骤2中采用改进的G ‑ReliefF算法进行低压配电网故障特征的最优化选择 具体包括如下内容： 1)样本近邻的计算公式为 式中： 特征A、 B分别用n维数组表示， A＝{a1,a2,…,an}， B＝{b1,b2,…,bn}每个样本为n 维空间的一个点；权　利　要　求　书 1/4 页 2 CN 114254818 A 22)样本特 征差计算公式为 式中样本R1和样本R2在特征A上的差用dif f(A,R1,R2)表示； 3)特征权重计算公式为 式中： diff(A,R1,Hj)代表样本R和Hj关于特征A的差异； Hj与Mj分别代表训练集中与样本 R距离最近的同类样 本与不同类样 本； m代表抽样次数； K代表近邻样 本数； P(C)是第C类样 本 数占样本总数的比例； 4)配电网主 要故障特 征矩阵 配电网主要故 障特征种类为m*， 每个评价对象包含的评价指标个数为n； 特征矩阵中选 择 作为“参考序列”， 剩余特征分别作为 “比较序列 ”； 5)关联相关系数 第k时刻比较序列XTi与参考序列XTo的相对差值作为XTi对XTo在k时刻的关联相关系 数， 记为 式中： Δ0i(min)＝min(i)min(k)|XTo(k)‑XTi(k)|称为两级最小差， 即XTo与所有XTi的最小 绝对差值中再选 出一个最小的差值； Δ0i(max)＝max(i)max(k)|XTo(k)‑XTi(k)|称为两级 最大 差， 即XTo与所有XTi的最大绝对差值中再选出一个最大的差值； |XTo(k)‑XTi(k)|＝Δ0i(k)称 为参考序列与比较序列在第k时刻的绝对差值； P为分辨系数， 主观上体现研究者对Δ0i (max)的重 视程度， 在客观上反映系统各个因子对关联度的间接影响程度； 6)故障特 征评价指标 综合考虑特征的重要性与冗余 性， 定义如下的特 征评价指标： 其中， 为归一化后的Relief权重， 该值越大， 表示该特征与 配电网故障之间的 关系越密切； ρi,j∈[0,1]为序列之间的相关性指标， ρi,j的值越大， 表示特征fi与已选特征 集s中的特征越冗余； t为相关性指标所占的惩罚因子， 当t的值较大时， 相当于加重了由相 关系数描述的冗余 性的惩罚力度， 使冗余度越小的特 征综合权 重越大， 越容 易被选中。 5.根据权利要求1所述的一种基于风险评估模型的低压配电网连锁故障预警方法， 其权　利　要　求　书 2/4 页 3 CN 114254818 A 3