CN105354764A - 一种评估电网检修方案的方法 - Google Patents

Abstract

一种评估电网检修方案的方法。其包括首先根据实际情况中的天气情况、地理条件、电网拓扑、业务分布和人员配备在内的因素确定影响电网检修方案的各项指标；采用主成分分析法从上述指标中提取出重要的m项指标作为关键指标，用于对电网检修方案进行评估；利用上述关键指标建立决策树模型，并对决策树模型进行训练；使用上述训练完毕的决策树模型对待评估的电网检修方案进行评估等步骤。本发明效果：首先建立评估电网检修方案的指标体系，之后对该指标体系进行主成分分析，提取出关键指标，最后通过关键指标建立决策树模型，并利用模型对电网检修方案进行合理评估。本发明方法能够减少评估中的比较次数，简化评估过程，有利于建立检修方案知识库。

Description

一种评估电网检修方案的方法

技术领域

本发明属于计算机控制技术领域，特别是涉及一种评估电网检修方案的方法。

背景技术

电网是电力系统的实体网络，是电网智能化的主要部分，其安全性与可靠性将会直接影响电力传输的稳定性。由于不同的地域条件、天气情况、网络拓扑和一些其他的因素都会对电网运行产生不同的影响，因此需定期对电网进行检修，以减小这些因素对电网运行的影响。在对电网进行检修前，必须做好充分的准备工作，制定完备的检修方案，确保在检修期间，电网的各项业务不会受到影响。一个好的检修方案会保证在检修过程中，电网的运行更为安全可靠。因此，在对电网进行检修前，需要一套完备的检修方案评估方法来对检修方案进行评估，以保证检修方案的合理性，这将是检修工作的一项必不可少的重要环节。但目前存在的问题是评估指标混乱，并且评估方法不够规范。

发明内容

为了解决上述问题，本发明的目的在于提供一种评估电网检修方案的方法。

为了达到上述目的，本发明提供的评估电网检修方案的方法包括按顺序执行的下列步骤：

步骤1)首先根据实际情况中的天气情况、地理条件、电网拓扑、业务分布和人员配备在内的因素确定影响电网检修方案的各项指标；

步骤2)采用主成分分析法从上述指标中提取出重要的m项指标作为关键指标，用于对电网检修方案进行评估；

步骤3)利用上述关键指标建立决策树模型，并对决策树模型进行训练；训练所需要的学习数据是将从事电力行业专家给出的实际情况因素转化为具体量化指标获得，然后采用C4.5决策树模型定义学习数据中的各个变量，每个变量选取信息增益率最高者作为当前选择属性，通过连续输入大量学习数据反复执行决策树，最终获得具有合理评估指标的决策树模型；在每次执行决策树模型后，采用后减枝方法，删除对评估方案影响较小的指标，以避免重复运算；

步骤4)使用上述训练完毕的决策树模型对待评估的电网检修方案进行评估，提取待评估方案中的m项关键指标，输入决策树模型进行评估，当评估结果为不合理时，输出与该不合理节点最近的合理节点以供用户参考。

在步骤1)中，所述的指标包括：

1.1)检修时的温度：取值范围为-20-50，数值代表温度值，小于-20按-20取值，大于50按50取值；该指标一般由天气预报产生；

1.2)检修时的湿度：取值范围为0-100，数值代表湿度值；该指标一般由天气预报产生；

1.3)检修时的风力大小：取值范围为0-12，0代表无风，12代表12级风及以上；该指标一般由天气预报产生；

1.4)检修时的下雨情况：取值范围为0-4，0代表无雨，1代表小雨，2代表中雨，3代表大到暴雨；该指标一般由天气预报产生；

1.5)检修时的下雪情况：取值范围为0-4，0代表无雪，1代表小雪，2代表中雪，3代表大到暴雪；该指标一般由天气预报产生；

1.6)检修点的地理情况：取值范围为0-2，0代表地势平坦，1代表崎岖丘陵，2代表高山大河；

1.7)检修开始时间：取值范围为0-24，浮点数值，表示检修开始的时间；

1.8)检修预计持续时间：取值范围为0-不限，浮点数值，以小时为单位，表示预计检修持续时间；

1.9)参与人员数量：取值范围1-不限，表示参与检修工作的人员数量；

1.10)参与人员平均工作年限：取值范围0-40，浮点数值，表示参与检修工作的人员的平均工作年限；

1.11)参与人员和谐程度：取值范围为0或者1；0代表参与检修的人员关系不和谐，1代表参与检修人员关系和谐；

1.12)检修点承载业务数量：取值范围为0-不限，表示检修点上承载的电网业务数量；

1.13)检修点承载业务平均重要度：赋值范围为1-5，浮点数据，表示检修点上承载的电网业务的平均重要度；

1.14)是否为业务分配新的保护路径：取值范围为1或0，表示是否为检修点上承载的业务分配新的保护路径；

1.15)是否将重要度大于m的业务分配到割边、割点上：取值范围为1或0，表示是否将重要度大于m的业务分配到网络拓扑上的割边、割点上；

1.16)去除检修点后增加的割边数量：取值范围为0-不限，表示去除检修点后，网络拓扑增加的割边数量；

1.17)去除检修点后增加的割点数量：取值范围为0-不限，表示去除检修点后，网络拓扑增加的割点数量。

在步骤2)中，所述的采用主成分分析法从上述指标中提取出重要的m项指标作为关键指标的方法包括按顺序执行的下列步骤；

步骤2.1)指标数值归一化：首先对各项指标的数值进行归一化处理；

步骤2.2)计算各项指标数值平均值：之后计算各项指标对应数值的平均值：

$\stackrel{\‾}{x_i}=\frac{1}{p}\underset{k=1}{\overset{p}{\Σ}}{x}_{ki}$

其中p为维数；

步骤2.3)计算协方差矩阵：随后计算协方差矩阵其中p为维数；

$s_{ij}=\frac{1}{n-1}\underset{k=1}{\overset{n}{\Σ}}(x_{ki}-\stackrel{\‾}{x_i})(x_{kj}-\stackrel{\‾}{x_j})$

步骤2.4)计算矩阵特征值及特征向量：之后求出协方差矩阵的特征值λ_i及对应的特征向量a_i；∑的前m个较大的特征值λ₁≥λ₂≥…≥λ_m≥0就是前m个主成分对应的方差，对应的单位特征向量就是主成分F_i上的载荷系数，则原变量的第i个主成分Fi为：

$F_i=a_i^T{X}_i$

主成分的信息贡献率用来反映信息量的大小，为：

${\∂}_i={\mathrm{\λ}}_i/\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i$

最终要选择几个主成分，即F1,F2…Fm中m的确定是通过方差累积贡献率G(m)来确定，为：

$G\left(m\right)=\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i/\underset{k=1}{\overset{p}{\Σ}}{\mathrm{\λ}}_k$

当累积贡献率大于用户输入阈值K时，就认为足够反映原始变量的信息，对应的m即为抽取的前m个主成分即m项指标；

步骤2.5)输出主成分：即待评估方案若合理，输出符合检修条件的m项指标；若评估结果为不合理，输出与待评估方案中最接近的合理的m项指标。

本发明提供的评估电网检修方案的方法的效果：首先建立评估电网检修方案的指标体系，之后对该指标体系进行主成分分析，提取出关键指标，最后通过关键指标建立决策树模型，并利用模型对电网检修方案进行合理评估。本发明方法能够减少评估中的比较次数，简化评估过程，有利于建立检修方案知识库。

附图说明

图1为本发明提供的评估电网检修方案的方法流程图。

图2为本发明提供的评估电网检修方案的方法中所采用的降维方法流程图。

具体实施方式

下面结合附图和具体实施例对本发明提供的评估电网检修方案的方法进行详细说明。

本发明提出的评估电网检修方案的方法是：根据天气情况、地理条件、电网拓扑、业务分布、人员配备等因素建立一套完备的电网检修方案的指标体系；根据提出的指标体系和已有的检修方案评估结果，提出关键指标；根据关键指标建立模型，并通过已有的检修方案评估结果进行学习，最终给出评估方法。

如图1所示，本发明提供的评估电网检修方案的方法包括按顺序执行的下列步骤：

步骤1)首先根据实际情况中的天气情况、地理条件、电网拓扑、业务分布和人员配备在内的因素确定影响电网检修方案的各项指标；

步骤2)采用主成分分析法从上述指标中提取出重要的m项指标作为关键指标，用于对电网检修方案进行评估；

由于步骤1)中确定的指标过于庞大繁琐，但有些指标在评估电网检修方案时并不重要，因此需要对上述指标进行降维；

步骤3)利用上述关键指标建立决策树模型，并对决策树模型进行训练；训练所需要的学习数据是将从事电力行业专家给出的实际情况因素转化为具体量化指标获得，然后采用C4.5决策树模型定义学习数据中的各个变量，每个变量选取信息增益率最高者作为当前选择属性，通过连续输入大量学习数据反复执行决策树，最终获得具有合理评估指标的决策树模型；在每次执行决策树模型后，采用后减枝方法，删除对评估方案影响较小的指标，以避免重复运算；

步骤4)使用上述训练完毕的决策树模型对待评估的电网检修方案进行评估，提取待评估方案中的m项关键指标，输入决策树模型进行评估，当评估结果为不合理时，输出与该不合理节点最近的合理节点以供用户参考。

在步骤1)中，所述的指标包括：

1.1)检修时的温度：取值范围为-20-50，数值代表温度值，小于-20按-20取值，大于50按50取值。该指标一般由天气预报产生；

1.2)检修时的湿度：取值范围为0-100，数值代表湿度值。该指标一般由天气预报产生；

1.3)检修时的风力大小：取值范围为0-12，0代表无风，12代表12级风及以上。该指标一般由天气预报产生；

1.4)检修时的下雨情况：取值范围为0-4，0代表无雨，1代表小雨，2代表中雨，3代表大到暴雨。该指标一般由天气预报产生；

1.5)检修时的下雪情况：取值范围为0-4，0代表无雪，1代表小雪，2代表中雪，3代表大到暴雪。该指标一般由天气预报产生；

1.6)检修点的地理情况：取值范围为0-2，0代表地势平坦，1代表崎岖丘陵，2代表高山大河；

1.7)检修开始时间：取值范围为0-24，浮点数值，表示检修开始的时间；

1.8)检修预计持续时间：取值范围为0-不限，浮点数值，以小时为单位，表示预计检修持续时间；

1.9)参与人员数量：取值范围1-不限，表示参与检修工作的人员数量。

1.10)参与人员平均工作年限：取值范围0-40，浮点数值，表示参与检修工作的人员的平均工作年限。

1.11)参与人员和谐程度：取值范围为0或者1。0代表参与检修的人员关系不和谐，1代表参与检修人员关系和谐；

1.12)检修点承载业务数量：取值范围为0-不限，表示检修点上承载的电网业务数量；

1.13)检修点承载业务平均重要度：赋值范围为1-5，浮点数据，表示检修点上承载的电网业务的平均重要度；

1.14)是否为业务分配新的保护路径：取值范围为1或0，表示是否为检修点上承载的业务分配新的保护路径；

1.15)是否将重要度大于m的业务分配到割边、割点上：取值范围为1或0，表示是否将重要度大于m的业务分配到网络拓扑上的割边、割点上；

1.16)去除检修点后增加的割边数量：取值范围为0-不限，表示去除检修点后，网络拓扑增加的割边数量；

1.17)去除检修点后增加的割点数量：取值范围为0-不限，表示去除检修点后，网络拓扑增加的割点数量。

如图2所示，在步骤2)中，所述的采用主成分分析法从上述指标中提取出重要的m项指标作为关键指标的方法包括按顺序执行的下列步骤；

步骤2.1)指标数值归一化：首先对各项指标的数值进行归一化处理；

步骤2.2)计算各项指标数值平均值：之后计算各项指标对应数值的平均值：

$\stackrel{\‾}{x_i}=\frac{1}{p}\underset{k=1}{\overset{p}{\Σ}}{x}_{ki}$

其中p为维数，本发明中p为17。

步骤2.3)计算协方差矩阵：随后计算协方差矩阵其中p为维数，本发明中p为17。

$s_{ij}=\frac{1}{n-1}\underset{k=1}{\overset{n}{\Σ}}(x_{ki}-\stackrel{\‾}{x_i})(x_{kj}-\stackrel{\‾}{x_j})$

步骤2.4)计算矩阵特征值及特征向量：之后求出协方差矩阵的特征值λ_i及对应的特征向量a_i；∑的前m个较大的特征值λ₁≥λ₂≥…≥λ_m≥0就是前m个主成分对应的方差，对应的单位特征向量就是主成分F_i上的载荷系数，则原变量的第i个主成分Fi为：

$F_i=a_i^T{X}_i$

主成分的信息贡献率用来反映信息量的大小，为：

${\∂}_i={\mathrm{\λ}}_i/\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i$

最终要选择几个主成分，即F1,F2…Fm中m的确定是通过方差累积贡献率G(m)来确定，为：

$G\left(m\right)=\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i/\underset{k=1}{\overset{p}{\Σ}}{\mathrm{\λ}}_k$

当累积贡献率大于用户输入阈值K时，就认为足够反映原始变量的信息，对应的m即为抽取的前m个主成分即m项指标；

步骤2.5)输出主成分：即待评估方案若合理，输出符合检修条件的m项指标；若评估结果为不合理，输出与待评估方案中最接近的合理的m项指标。

Claims (3)

1.一种评估电网检修方案的方法，其特征在于：所述的评估电网检修方案的方法包括按顺序执行的下列步骤：

步骤1)首先根据实际情况中的天气情况、地理条件、电网拓扑、业务分布和人员配备在内的因素确定影响电网检修方案的各项指标；

步骤2)采用主成分分析法从上述指标中提取出重要的m项指标作为关键指标，用于对电网检修方案进行评估；

步骤3)利用上述关键指标建立决策树模型，并对决策树模型进行训练；训练所需要的学习数据是将从事电力行业专家给出的实际情况因素转化为具体量化指标获得，然后采用C4.5决策树模型定义学习数据中的各个变量，每个变量选取信息增益率最高者作为当前选择属性，通过连续输入大量学习数据反复执行决策树，最终获得具有合理评估指标的决策树模型；在每次执行决策树模型后，采用后减枝方法，删除对评估方案影响较小的指标，以避免重复运算；

步骤4)使用上述训练完毕的决策树模型对待评估的电网检修方案进行评估，提取待评估方案中的m项关键指标，输入决策树模型进行评估，当评估结果为不合理时，输出与该不合理节点最近的合理节点以供用户参考。

2.根据权利要求1所述的评估电网检修方案的方法，其特征在于：在步骤1)中，所述的指标包括：

1.1)检修时的温度：取值范围为-20-50，数值代表温度值，小于-20按-20取值，大于50按50取值；该指标一般由天气预报产生；

1.2)检修时的湿度：取值范围为0-100，数值代表湿度值；该指标一般由天气预报产生；

1.3)检修时的风力大小：取值范围为0-12，0代表无风，12代表12级风及以上；该指标一般由天气预报产生；

1.4)检修时的下雨情况：取值范围为0-4，0代表无雨，1代表小雨，2代表中雨，3代表大到暴雨；该指标一般由天气预报产生；

1.5)检修时的下雪情况：取值范围为0-4，0代表无雪，1代表小雪，2代表中雪，3代表大到暴雪；该指标一般由天气预报产生；

1.6)检修点的地理情况：取值范围为0-2，0代表地势平坦，1代表崎岖丘陵，2代表高山大河；

1.7)检修开始时间：取值范围为0-24，浮点数值，表示检修开始的时间；

1.8)检修预计持续时间：取值范围为0-不限，浮点数值，以小时为单位，表示预计检修持续时间；

1.9)参与人员数量：取值范围1-不限，表示参与检修工作的人员数量；

1.10)参与人员平均工作年限：取值范围0-40，浮点数值，表示参与检修工作的人员的平均工作年限；

1.11)参与人员和谐程度：取值范围为0或者1；0代表参与检修的人员关系不和谐，1代表参与检修人员关系和谐；

1.12)检修点承载业务数量：取值范围为0-不限，表示检修点上承载的电网业务数量；

1.13)检修点承载业务平均重要度：赋值范围为1-5，浮点数据，表示检修点上承载的电网业务的平均重要度；

1.14)是否为业务分配新的保护路径：取值范围为1或0，表示是否为检修点上承载的业务分配新的保护路径；

1.15)是否将重要度大于m的业务分配到割边、割点上：取值范围为1或0，表示是否将重要度大于m的业务分配到网络拓扑上的割边、割点上；

1.16)去除检修点后增加的割边数量：取值范围为0-不限，表示去除检修点后，网络拓扑增加的割边数量；

1.17)去除检修点后增加的割点数量：取值范围为0-不限，表示去除检修点后，网络拓扑增加的割点数量。

3.根据权利要求1所述的评估电网检修方案的方法，其特征在于：在步骤2)中，所述的采用主成分分析法从上述指标中提取出重要的m项指标作为关键指标的方法包括按顺序执行的下列步骤；

步骤2.1)指标数值归一化：首先对各项指标的数值进行归一化处理；

步骤2.2)计算各项指标数值平均值：之后计算各项指标对应数值的平均值：

$\stackrel{\‾}{x_i}=\frac{1}{p}\underset{k=1}{\overset{p}{\Σ}}{x}_{ki}$

其中p为维数；

步骤2.3)计算协方差矩阵：随后计算协方差矩阵∑(s_ij)_p×p，其中p为维数；

$s_{ij}=\frac{1}{n-1}\underset{k=1}{\overset{n}{\Σ}}(x_{ki}-\stackrel{\‾}{x_i})(x_{kj}-\stackrel{\‾}{x_j})$

步骤2.4)计算矩阵特征值及特征向量：之后求出协方差矩阵的特征值λ_i及对应的特征向量a_i；∑的前m个较大的特征值λ₁≥λ₂≥…≥λ_m≥0就是前m个主成分对应的方差，对应的单位特征向量就是主成分F_i上的载荷系数，则原变量的第i个主成分Fi为：

$F_i=a_i^T{X}_i$

主成分的信息贡献率用来反映信息量的大小，为：

${\∂}_i={\mathrm{\λ}}_i/\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_i$

最终要选择几个主成分，即F1,F2…Fm中m的确定是通过方差累积贡献率G(m)来确定，为：

$G\left(m\right)=\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i/\underset{k=1}{\overset{p}{\Σ}}{\mathrm{\λ}}_k$

当累积贡献率大于用户输入阈值K时，就认为足够反映原始变量的信息，对应的m即为抽取的前m个主成分即m项指标；

步骤2.5)输出主成分：即待评估方案若合理，输出符合检修条件的m项指标；若评估结果为不合理，输出与待评估方案中最接近的合理的m项指标。