CN106960281A

CN106960281A - 一种基于神经网络的电力通信网风险管理系统

Info

Publication number: CN106960281A
Application number: CN201710180009.9A
Authority: CN
Inventors: 不公告发明人
Original assignee: Large Shenzhen Kechuang Technology Development Co Ltd
Current assignee: Large Shenzhen Kechuang Technology Development Co Ltd
Priority date: 2017-03-23
Filing date: 2017-03-23
Publication date: 2017-07-18

Abstract

本发明提供了一种基于神经网络的电力通信网风险管理系统，包括风险指标确定模块、训练模块、更新模块和风险评估模块，所述风险指标确定模块用于确定电力通信网风险指标，所述训练模块采用所述风险指标的历史数据对神经网络进行训练，所述更新模块用于调整所述训练好的神经网络以适应风险指标数据变化，得到更新的神经网络，所述风险评估模块将所述变化的风险指标数据输入所述更新的神经网络，得到电力通信网风险评估值。本发明的有益效果为：实现了电力通信网风险的准确评估。

Description

一种基于神经网络的电力通信网风险管理系统

技术领域

本发明涉及电力通信技术领域，具体涉及一种基于神经网络的电力通信网风险管理系统。

背景技术

电力通信网连接着电力系统的各个环节，负责传输生产和管理信息，是电力系统的重要基础设施，对电网安全、稳定运行起着重要作用。对电力通信网风险进行管理，对降低通信风险和保障电网安全具有重要意义。目前风险管理技术普遍采用统计数据结合专家经验的方式来进行。

现有风险管理技术中存在风险指标选取不合理、风险评估精度差和时效性不强等问题。

发明内容

针对上述问题，本发明旨在提供一种基于神经网络的电力通信网风险管理系统。

本发明的目的采用以下技术方案来实现：

提供了一种基于神经网络的电力通信网风险管理系统，包括风险指标确定模块、训练模块、更新模块和风险评估模块，所述风险指标确定模块用于确定电力通信网风险指标，所述训练模块采用所述风险指标的历史数据对神经网络进行训练，所述更新模块用于调整所述训练好的神经网络以适应风险指标数据变化，得到更新的神经网络，所述风险评估模块将所述变化的风险指标数据输入所述更新的神经网络，得到电力通信网风险评估值。

本发明的有益效果为：实现了电力通信网风险的准确评估。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构连接示意图；

附图标记：

风险指标确定模块1、训练模块2、更新模块3、风险评估模块4。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种基于神经网络的电力通信网风险管理系统，包括风险指标确定模块1、训练模块2、更新模块3和风险评估模块4，所述风险指标确定模块1用于确定电力通信网风险指标，所述训练模块2采用所述风险指标的历史数据对神经网络进行训练，所述更新模块3用于调整所述训练好的神经网络以适应风险指标数据变化，得到更新的神经网络，所述风险评估模块4将所述变化的风险指标数据输入所述更新的神经网络，得到电力通信网风险评估值。

本实施例实现了电力通信网风险的准确评估。

优选的，所述风险指标确定模块1，将各设备故障率作为风险指标并采用下式进行处理：

式中，N_i表示第i个风险指标数据处理后的值，x_i表示第i个风险指标数据原始值，x_i-max和x_i-min分别为第i个风险指标数据所能达到的最大值和最小值。

本优选实施例通过对风险指标数据进行处理，将风险指标数据限制在更小的区域范围内，进而降低了计算复杂度，提高了风险指标数据观测直观性。

优选的，所述训练模块2采用风险指标的历史数据对神经网络进行训练；

所述神经网络采用输入层、规则层和输出层3层结构，具体训练过程为：

(1)将指标数据的差异映射到规则层节点的适应度：

式中，A_j(N_t)为第j个规则层节点在t时刻的适应度，N_t为t时刻输入的风险指标数据，N_t＝[N₁(t),N₂(t),…,N_n(t)]，n为风险指标个数，N_i(t)为N_t的第i个分量，H_ij[N_i(t)]为第j个规则层节点的第i个隶属度函数，c_ij(t)和σ_ij为隶属度函数中心和宽度，m为规则层节点数；

(2)对适应度进行加权拟合，作为风险评估值输出：

式中，F(N_t)为输出的风险评估值，w_j(t)为A_j(N_t)的重要性权重。

本优选实施例通过计算每个指标数据与同一个规则层节点之间的适应度，将指标数据之间的差异映射为规则层节点的适应度差异，并将差异传递到输出层。

优选的，所述更新模块3用于调整神经网络规则层节点数目以适应风险指标变化，得到更新的神经网络，所述调整规则层节点数目包括增加节点和合并节点；

所述增加节点条件为：

E＝|F(N_t)-F|>T₁

式中，F(N_t)为样本输出，F为输出风险评估值，T₁为第一误差门限，T₁∈[0.002,0.01]，若满足条件则在距离指标数据最近的地方增加规则层节点；

所述合并节点条件为：

式中，c_a和c_b为规则层节点a和b的中心，cov(c_a,c_b)为c_a、c_b的协方差，D(c_a)为c_a标准差，D(c_b)为c_b的标准差，T₂为第二误差门限，T₂∈[0.8,1]，若满足条件，则将两个规则层节点a和b合并为一个节点a。

本优选实施例通过更新模块对网络更新，提升了风险评估机制的学习能力和适应能力，该机制能够随指标体系结构的变化动态调整网络自身的结构，并且在训练过程中能够依据评估误差增加、合并规则节点，合理控制规则节点的数量，进而从根本上提高了风险评估机制的评估精度和适应能力。

采用本发明电力通信网风险管理系统对电力通信网风险进行评估，T₁取不同值时，对风险评估时间和风险评估准确性进行统计分析，同未采用本发明相比，产生的有益效果如下表所示：

T₁	风险评估时间缩短	风险评估准确性提高
			0.002	20％	31％
0.004	25％	24％
			0.006	30％	20％
0.008	32％	15％
			0.01	36％	10％

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims

1.一种基于神经网络的电力通信网风险管理系统，其特征是，包括风险指标确定模块、训练模块、更新模块和风险评估模块，所述风险指标确定模块用于确定电力通信网风险指标，所述训练模块采用所述风险指标的历史数据对神经网络进行训练，所述更新模块用于调整所述训练好的神经网络以适应风险指标数据变化，得到更新的神经网络，所述风险评估模块将所述变化的风险指标数据输入所述更新的神经网络，得到电力通信网风险评估值。

2.根据权利要求1所述的一种基于神经网络的电力通信网风险管理系统，其特征是，所述风险指标确定模块，将各设备故障率作为风险指标并采用下式进行处理：

N_{i} = l n (\frac{x_{i} - x_{i - m i n}}{x_{i - m a x} - x_{i - m i n}} + 1)

3.根据权利要求2所述的一种基于神经网络的电力通信网风险管理系统，其特征是，所述训练模块采用风险指标的历史数据对神经网络进行训练；

(1)将指标数据的差异映射到规则层节点的适应度：

A_{j} (N_{t}) = e^{- Σ_{i = 1}^{n} H_{i j} [N_{i} (t)]} = e^{- Σ_{i = 1}^{n} \frac{{[N_{i} (t) - c_{i j} (t)]}^{2}}{σ_{i j}}}, j &Element; [1, m]

(2)对适应度进行加权拟合，作为风险评估值输出：

F (N_{t}) = Σ_{j = 1}^{m} A_{j} (N_{t}) w_{j} (t)

4.根据权利要求3所述的一种基于神经网络的电力通信网风险管理系统，其特征是，所述更新模块用于调整神经网络规则层节点数目以适应风险指标变化，得到更新的神经网络，所述调整规则层节点数目包括增加节点和合并节点。

5.根据权利要求4所述的一种基于神经网络的电力通信网风险管理系统，其特征是，所述增加节点条件为：

E＝|F(N_t)-F|>T₁

式中，F(N_t)为样本输出，F为输出风险评估值，T₁为第一误差门限，T₁∈[0.002,0.01]，若满足条件则在距离指标数据最近的地方增加规则层节点。

6.根据权利要求5所述的一种基于神经网络的电力通信网风险管理系统，其特征是，所述合并节点条件为：

S = 1 - \frac{2 cov (c_{a}, c_{b})}{D (c_{a}) \times D (c_{b})} > T_{2}