(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 202111615350.5 (22)申请日 2021.12.27 (71)申请人 深圳供电局有限公司 地址 518000 广东省深圳市罗湖区深南 东 路4020号电力调度通信大楼 (72)发明人 焦丰顺　艾精文　邓永生　邵志奇　 李铎　张杰　李宝华　张瑞锋　 (74)专利代理 机构 深圳汇智容达专利商标事务 所(普通合伙) 44238 代理人 徐文城 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/06(2006.01) (54)发明名称 一种气电互补能源系统状态评估方法与系 统、 存储介质 (57)摘要 本发明涉及一种气电互补能源系统状态评 估方法与系统、 存储介质， 包括： 获取气电互补能 源系统的当前状态数据； 将所述 当前状态数据输 入预先训练好的神经网络进行处理， 输出当前气 电互补能源系统的可靠性、 弹性、 脆性的评估值； 根据所述当前气电互补能源系统的可靠性、 弹 性、 脆性的评估值进行展示， 并根据所述当前气 电互补能源系统的可靠性、 弹性、 脆性的评估值 与预设阈值的比较结果进行告警提示。 通过本发 明， 能够全面评价气电互补能源系统的性能， 可 以作为对现有评估方法的补充， 为系统规划建 设、 安全运行提供更加科学、 合理的决策依据， 进 而提升气电综合能源系统运行的稳定性和运营 经济性。 权利要求书2页 说明书5页 附图1页 CN 114169799 A 2022.03.11 CN 114169799 A 1.一种气电互补能源系统状态评估方法， 其特 征在于， 包括以下步骤： 获取气电互补能源系统的当前状态数据； 将所述当前状态数据输入预先训练好的神经网络进行处理， 输出当前气电互补能源系 统的可靠性、 弹性、 脆 性的评估值； 根据所述当前气电互补能源系统 的可靠性、 弹性、 脆性的评估值进行展示， 并根据 所述 当前气电互补能源系统的可靠性、 弹性、 脆性的评估值与预设阈值的比较结果进行告警提 示。 2.根据权利要求1所述的方法， 其特 征在于， 所述神经网络的训练方式如下： 获取气电互补能源系统 的历史状态数据， 根据所述历史状态数据分析影响所述气电互 补能源系统状态的多种影响因素； 根据所述多种影响因素建立影响因素集F， 并将所述影响因素集F的因素划分为可靠性 因素集K、 弹性因素集T和脆 性因素集C； 从所述历史状态数据中提取与所述可靠性因素集K、 弹性因素集T和脆性因素集C中的 影响因素对应的状态数据， 并所述可靠性因素集K、 弹性因素集T和脆性因素集C中的影响因 素对应的状态数据的可靠性、 弹性和脆 性进行标注； 搭建神经网络， 利用所述可靠性因素集K、 弹性因素集T和脆性因素集C 中的影响因素对 应的状态数据， 以及对应的可靠性、 弹性和脆 性标注结果对神经网络进行训练。 3.根据权利要求2所述的方法， 其特征在于， 所述神经网络采用粒子群算法、 遗传算法 和深度学习算法中的一种或至少两种组合进行训练。 4.根据权利要求2所述的方法， 其特征在于， 所述根据所述当前气电互补能源系统 的可 靠性、 弹性、 脆 性的评估值进行展示， 包括： 采用绿色图元、 橙色图元和紫色图元分别表示系统的可靠性、 弹性、 脆性， 其中， 评估值 越高， 则对应的颜色越深， 评估值越低， 则对应的颜色越浅 。 5.一种气电互补能源系统状态评估系统， 其特 征在于， 包括： 数据获取 单元， 用于获取气电互补能源系统的当前状态数据； 评估单元， 用于将所述当前状态数据输入预先训练好的神经网络进行处理， 输出当前 气电互补能源系统的可靠性、 弹性、 脆 性的评估值； 以及 展示和提示单元， 用于根据 所述当前气电互补能源系统 的可靠性、 弹性、 脆性的评估值 进行展示， 并根据所述当前气电互补能源系统的可靠性、 弹性、 脆性的评估值与预设阈值的 比较结果进行告警提 示。 6.根据权利要求5所述的系统， 其特 征在于， 所述神经网络的训练方式如下： 获取气电互补能源系统 的历史状态数据， 根据所述历史状态数据分析影响所述气电互 补能源系统状态的多种影响因素； 根据所述多种影响因素建立影响因素集F， 并将所述影响因素集F的因素划分为可靠性 因素集K、 弹性因素集T和脆 性因素集C； 从所述历史状态数据中提取与所述可靠性因素集K、 弹性因素集T和脆性因素集C中的 影响因素对应的状态数据， 并所述可靠性因素集K、 弹性因素集T和脆性因素集C中的影响因 素对应的状态数据的可靠性、 弹性和脆 性进行标注； 搭建神经网络， 利用所述可靠性因素集K、 弹性因素集T和脆性因素集C 中的影响因素对权　利　要　求　书 1/2 页 2 CN 114169799 A 2应的状态数据， 以及对应的可靠性、 弹性和脆 性标注结果对神经网络进行训练。 7.根据权利要求6所述的系统， 其特征在于， 所述神经网络采用粒子群算法、 遗传算法 和深度学习算法中的一种或至少两种组合进行训练。 8.根据权利要求6所述的系统， 其特 征在于， 所述展示和提 示单元， 用于： 采用绿色图元、 橙色图元和紫色图元分别表示可靠性、 弹性、 脆性， 其中， 评估值越高， 则对应的颜色越深， 评估值越低， 则对应的颜色越浅 。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序包括程序指令， 所述程序指令当被处理器执行时使所述处理器执行如 权利要求1 ‑4中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114169799 A 3