CN116307709A - 基于信息增益融合的变电站防汛能力综合评估方法、系统 - Google Patents

Abstract

本发明公开了一种基于信息增益融合的变电站防汛能力综合评估方法、系统，属于电力风险评估技术领域。首先从灾害理论角度出发，建立涵盖孕灾环境和承灾体等多模态因素的变电站静态防汛能力评估指标体系，结合专家领域先验知识使用层次分析法对各项评估指标进行赋权，通过模糊综合评价方法建立变电站静态防汛等级评估子模型；而后将致灾因子纳入考量构建变电站动态防风险评估指标体系，利用模糊贝叶斯网络得到变电站动态防汛能力评估子模型；最后利用信息增益融合策略，对两个子模型进行权重分配，建立基于信息增益融合的变电站防汛能力综合评估模型，实现了对变电站防汛风险能力高精度评估。

Description

基于信息增益融合的变电站防汛能力综合评估方法、系统

技术领域

本发明属于电力风险评估技术领域，具体涉及一种基于信息增益融合的变电站防汛能力综合评估方法、系统。

背景技术

随着国家经济的迅猛发展，人民生产生活对电力的需求持续快速增长，电网的安全运行直接影响社会经济的发展、人民的生活及社会的稳定。变电站作为电网运输电力的关键枢纽，其安全稳定运行是保障电网安全可靠供电的必要条件。近年来，极端的气象灾害频发，强降水所带来的内涝、滑坡、冲击等极端天气和次生灾害，给变电站及其附属设施的安全运行带来了严峻挑战。“迎峰度夏”期间，不及时的防汛应对措施将会给变电站设备的正常运行带来极大的冲击，因此防汛工作是保障电网供电可靠性的一个重要环节。

目前，变电站的防汛主要是采取工程措施，如堵、排为主的传统方式，以保障变电站汛期安全，施工方案也通常是以圬工墙体、水泵抽排水等方式为主。对于非工程措施，包含防汛能力评估、防汛预测等管理措施不够重视，目前也没有明确的评估方法，但可以借鉴其他洪涝灾害防治效果评估方面的经验用于变电站的防汛能力评估。

依据评估方式的不同，防洪灾害风险评估主要有3中方法：灾情统计法、情景模拟法和指标体系法。灾情统计法是通过历史灾情数据进行建模，来进行灾害风险评估，但评估结果容易受到历史资料少或不完备的限制，导致评估结果与实际情况差别较大。情景模拟法是结合某地区的雨量情况，建立水文水动力模型，然后进行风险评估，该方法在一定程度上反映了物理过程相应机制，但模型缺少系统可靠性和风险性的分析。指标体系法是通过分析灾害成因和形成机理，围绕承灾体、孕灾环境和致灾因子来选择符合研究对象的风险评估指标，并建立风险评估模型，该方法适用于多指标综合评估，但在确定指标、指标权重和隶属度方面存在一定主观性，因此需要结合其他方法对风险进行评估。贝叶斯网络的因果关系的传递性以及不确定性可以较好的提高风险评估模型客观科学性。

综上所述，目前尚缺乏科学合理的变电站防汛能力评估方法。但是结合相似领域先验知识，采用上述机器学习和统计学方法，利用组合模型融合两者优势，可以为本发明所提出的基于信息增益融合的变电站防汛能力综合评估方法提供可靠的研究思路。

发明内容

有鉴于此，本发明针对现有技术的不足，提供的一种基于信息增益融合的变电站防汛能力综合评估方法。

为解决上述技术问题，本发明所采取的技术方案是：一种基于信息增益融合的变电站防汛能力综合评估方法，包括以下步骤：

S1、构建变电站静态防汛等级评估子模型：根据静态站点数据建立变电站静态防汛等级评估指标体系，对多模态评估指标进行统一量化，静态站点数据包括孕灾环境和承灾体；利用层次分析法对评估指标进行赋权；通过模糊综合评价方法建立变电站静态防汛等级评估子模型；

S2、构建变电站动态防汛能力评估子模型：在静态站点数据的基础上，引入致灾因子，构建变电站动态防风险评估指标体系，利用模糊贝叶斯网络得到变电站动态防汛能力评估子模型；

S3、构建变电站防汛能力综合评估模型：利用信息增益融合策略，对变电站静态防汛等级评估子模型和变电站动态防汛能力评估子模型进行权重分配，得到基于信息增益融合的变电站防汛能力综合评估方法。

进一步地，步骤S1包括：

S11、构建变电站静态防汛等级评估指标体系：选取孕灾环境以及承灾体构建多层次变电站静态防汛等级评估指标体系；孕灾环境包括地形地貌、土壤植被、水文情况和山洪泥石流隐患；承灾体包括变电站电压等级、站址情况、防汛物资储备和站内排水系统；

S12、层次分析法赋权：结合专家先验知识，依据1-9比例标度法，建立防汛评估指标判断矩阵，通过计算每个防汛评估指标判断矩阵的特征向量可以得到防汛指标权重矩阵，计算出某一个层次的评估指标相对于上一层次的每一个评估指标的单排序权值后，再与上一层次每个评估指标自身的权值进行加权综合，最后算出该层的全部评估指标与最高层次的评估指标相比后的相对的权值；从下而上逐次计算，得到变电站静态防汛等级评估指标最终相对排序的权值，而后进行一致性检验；

S13、模糊综合评价：对各级因素做综合评价，综合权重向量和评级矩阵计算得到综合评估向量，根据最大隶属度原则得到最终评价结果。

进一步地，步骤S2包括：

S21、构建模糊贝叶斯网络先验模型：结合变电站防汛案例经验，将致灾因子动态气象数据纳入指标体系，构建变电站动态汛情风险评估指标体系，从而建立贝叶斯网络先验模型；

S22、建立汛情先验数据模糊表：优选K次抛物型隶属函数，对动态气象数据进行离散模糊化，结合气象隶属图、孕灾环境量化表和承灾体量化表，建立汛情先验数据模糊表；

S23、计算汛情风险概率：统计先验数据模糊表，对不同汛情风险条件下，每个节点属性等级出现的次数进行计数，并计算各个属性等级在各风险条件下的百分比，采用拉普拉斯估计法对概率计算表进行标准化处理，进而得出动态汛情风险概率计算表，最后进行模糊贝叶斯分类，得出变电站动态汛情风险评估结果。

进一步地，步骤S3包括：

结合静态防汛等级评估子模型和动态防汛能力评价子模型结果，计算原始信息熵以及条件信息熵，再根据信息增益计算进行子模型权重分配，最终得到基于信息增益融合的变电站防汛能力综合评估结果。

本发明的另一个目的，提供一种基于信息增益融合的变电站防汛能力综合评估系统，包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于信息增益融合的变电站防汛能力综合评估方法。

本发明的另一个目的，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上所述的基于信息增益融合的变电站防汛能力综合评估方法。

与现有技术相比，本发明的有益效果如下：

针对变电站防汛风险能力评估多维影响指标因素的复杂性及高精度评估要求。本发明提出一种基于信息增益融合的变电站防汛能力综合评估方法从灾害理论角度出发，建立涵盖孕灾环境和承灾体等多模态因素的变电站静态防汛能力评估指标体系，结合专家领域先验知识使用层次分析法对各项评估指标进行赋权，通过模糊综合评价方法建立变电站静态防汛等级评估子模型；而后将致灾因子纳入考量构建变电站动态防风险评估指标体系，利用模糊贝叶斯网络得到变电站动态防汛能力评估子模型；最后利用信息增益融合策略，对两个子模型进行权重分配，从而得到最终的变电站防汛能力综合评估结果。

本发明提出的基于信息增益融合的变电站防汛能力综合评估方法从一定程度上缓解了以堵、排为主的传统工程措施防汛相关工作的被动性。为及时运行维护变电站、加强站内防汛设施建设提供了一定的依据，结合变电站微气象预报，还可提前调度防汛物资，以降低洪涝灾害对变电站运营的影响。为以后将考虑多因素的汛情风险评估对象从变电站扩展到其他电网设施，为输配电设备洪涝灾害防控及其资源配置提供依据，具有良好的应用前景。

附图说明

图1为本发明实施例提供的基于信息增益融合的变电站防汛能力综合评估方法流程图；

图2为本发明实施例提供的变电站防汛贝叶斯网络图；

图3为本发明实施例提供的基于信息增益融合的变电站防汛能力综合评估流程图；

图4为本发明实施例提供的性能指标对比图；

图5为本发明实施例提供的精确度指标对比图；

图6为本发明实施例提供的运行时长对比图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，基于信息增益融合的变电站防汛能力综合评估方法，包括以下步骤：

步骤S1、变电站静态防汛等级评估子模型构建：根据孕灾环境和承灾体数据等静态站点数据建立变电站静态防汛等级评估指标体系，对多模态评价指标进行统一量化，利用层次分析法对评估指标进行赋权，通过模糊综合评价方法建立变电站静态防汛等级评估子模型；

步骤S2、变电站动态防汛能力评估子模型构建：在静态站点数据的基础上，引入致灾因子动态气象数据，构建变电站动态防风险评估指标体系，利用模糊贝叶斯网络得到变电站动态防汛能力评估子模型；

步骤S3、变电站防汛能力综合评估模型构建：利用信息增益融合策略，对变电站静态防汛等级评估子模型和变电站动态防汛能力评估子模型进行权重分配，得到基于信息增益融合的变电站防汛能力综合评估方法。

首先需要构建变电站静态防汛等级评估子模型，S1具体实施步骤包括：

步骤S11、变电站静态防汛等级评估指标体系构建：

整理归纳变电站防汛数据，根据评估需求构建变电站静态防汛能力评估指标体系P，并对变电站防汛数据进行量化处理；选取地形地貌、土壤植被、水文情况和山洪泥石流隐患等孕灾环境以及变电站电压等级、站址情况、防汛物资储备和站内排水系统等承灾体构建多层次变电站静态防汛等级评估指标体系如表1所示。

表1 变电站静态防汛等级评估指标体系

步骤S12、层次分析法赋权：

依据1-9比例标度法，如表2所示，建立防汛评估指标判断矩阵I，即

式中，n表示指标个数，a_ij表示第i个指标相对于第j个指标的重要性，同时a_ij＞0，a_ji＝1/a_ij，a_ii＝1。

表2 1-9比例标度法

变电站防汛评估指标判断矩阵I_B、I_C、I_D分别如表3、4、5所示。

表3 I_B判断矩阵

表4 I_C判断矩阵

表5 I_D判断矩阵

计算防汛指标权重矩阵W₁＝{w_1j,j＝1,2,...,n}。各防汛评估指标的权重可以通过计算每个防汛评估指标判断矩阵的特征向量得出，即

Iw＝λ_maxw (2)

式中，I表示防汛评估指标判断矩阵；λ_max表示I的最大特征值；w表示λ_max对应的特征向量，然后将w进行归一化处理得到

即为当前层次的各个防汛评估指标对于上一层次某个防汛评估指标的权重向量，具体结果为w_1B＝[0.667,0.333]，w_1C＝[0.152,0.117,0.290,0.441]，w_1D＝[0.161,0.100,0.252,0.487]。

计算出某一个层次的评估指标相对于上一层次的每一个评估指标的单排序权值后，再与上一层次每个评估指标自身的权值进行加权综合，最后可以算出该层的全部评估指标与最高层次的评估指标相比后的相对的权值。这样从下而上逐次计算，就可以得到变电站静态防汛等级评估指标最终相对排序的权值。

一致性检验针对变电站防汛实际问题，需要对计算得出的初始权重值进行一致性检验，这样可以有效避免判断矩阵中的人为主观判断造成的误差，只有通过一致性检验，才能进行后续的结果分析，首先计算一致性指标CI，其定义为

接着查询平均的随机一致性指标RI，如表6所示。

表6 随机一致性指标RI取值

最后计算一致性比率CR，即

CR＝CI/RI (4)

当0<CR<0.10时，表示判断矩阵I的一致性偏离程度相对较小，每个指标的权重值分配合理；相反，应进行对于判断矩阵的调整，直到能够满足一致性的要求，本实例可通过一致性检验要求。

步骤S13、模糊综合评价：

对变电站静态防汛等级评估指标体系中各二级指标P2做出综合评价，由于评价集对P2中各评估标准相同，其中P2的权重向量为

W_P2＝(w₁,w₂,w₃,...,w_n) (5)

式中，n表示二级指标个数，且w₁+w₂+w₃+...+w_n＝1，该权重向量由前述步骤层次分析法得到。

对各二级因素P2做综合评价，设R_P2为P2评级矩阵，可得二级因素综合评价向量为

K_P2＝W_P2·R_P2 (6)

对各一级因素P1做综合评价，设R_P1为P1评级矩阵，即

R_P1＝K_P2 (7)

然后取P1权重向量为W_P1，得到变电站静态防汛等级评估向量K即为

K＝W_P1·R_P1＝[k₁,k₂,k₃,...,k_m] (8)

式中，m变电站静态防汛等级评价集合元素个数，表示k表示变电站静态防汛等级评价集合中各等级的隶属度，根据最大隶属度原则，选取K中最大的隶属度所对应的等级视为最终评价结果。

得到的最终等级评估结果为K＝[0.261,0.256,0.280,0.203]，等级为3级。

S2具体实施步骤包括：

S21、模糊贝叶斯网络先验模型构建：

综合S1步骤中变电站静态防汛风险等级评估指标体系，将气象数据雨量、温度、湿度和极大风速等致灾因子纳入考量建立变电站动态汛情风险评估指标体系如表7所示。

表7 变电站动态汛情风险评估指标体系

根据表7可建立贝叶斯网络先验模型如图2所示。

贝叶斯网络参数也称为条件概率分布，它主要描述两节点之间即变电站动态汛情风险评估指标之间因果关系的强弱，是一种定量分析。为了便于阐述，下文用P表示，假设变电站动态汛情风险评估为事件A，其发生的概率为P(A)，且P(A)＞0，存在模糊事件

模糊状态集合为/>

隶属函数为/>

则模糊事件/>

发生的概率为

模糊条件概率公式：假设模糊事件

且/>

模糊事件/>

发生的条件下模糊事件/>

发生的概率为

模糊全概率公式：假设模糊事件

包含基本模糊事件/>

且

和/>

定义

模糊贝叶斯公式：假设模糊样本空间

为/>

的模糊事件，/>

包含基本模糊事件

且/>

定义

据此可以构建汛情先验数据模糊表和汛情风险概率表。

S22、汛情先验数据模糊表建立：

优选K次抛物型隶属函数，选择合适节点和区间范围，对气象数据进行离散模糊化，隶属函数参数如表8所示。据此可将气象数据划分为[“A”，“B”，“C”，“D”]4级。

表8 K次抛物型隶属函数参数

参照变电站汛情历史案例，结合变电站实际工程背景，分别对孕灾环境和承灾体数据等静态相关评估指标进行评级。由此，根据采样间隔统计变电站不同时刻对应样本的模糊化结果，建立变电站动态汛情先验数据模糊表，如表8所示。

表8变电站汛情先验数据模糊表

步骤S23、获取汛情风险概率计算表：依据动态汛情先验数据概率，采用模糊贝叶斯统计动态汛情风险各类别数量及其占比，衍生获取汛情风险概率计算表，具体步骤如下：

动态汛情风险概率计算表计算：

统计表8中数据，对每个属性值出现的次数进行计数，并计算其百分比，得出动态防汛能力概率计算表，并对其进行拉普拉斯估计标准化处理，概率计算表如表9至表12所示。

表9A11概率计算表

表10A12概率计算表

表11A13概率计算表

表12A1概率计算表

依据模糊贝叶斯概率计算表，可以从先验数据中获取知识，并运用于之后的评估任务中。对某一实例进行评估，通过计算四类评估的似然，可以最终得到动态防汛能力评估计算结果如表13所示。

表13实例某一时刻防汛风险评估结果

在一实例中，S3具体实施步骤包括：

引入信息增益融合策略，利用静态防汛等级评估子模型包含的变电站防汛历史案例先验知识和实际工程背景，增强动态防汛模糊贝叶斯网络节点间的因果关系，矫正信息传递出现的逻辑偏差，对变电站防汛灾害风险进行综合评估。

将变电站防汛能力综合评估结果作为随机事件α，根据变电站防汛的历史数据可以得出该随机事件的信息熵H(α)，将前述步骤得到的变电站静态防汛等级评估子模型的输出结果和动态防汛能力评估子模型的输出结果看作给定的随机事件β₁、β₂，从而得到事件α相对于β₁、β₂的条件信息熵H(α|β₁)和H(α|β₂)，最后得到事件α对应的信息增益g(α,β₁)和g(α,β₂)，信息增益越大，表示事件α对该给定事件的依赖程度越大，即综合评估模型对相应子模型的依赖性越大，所以将信息增益g作为子模型权重分配的衡量指标，具体流程如图3所示。

具体流程如下：

根据变电站防汛历史数据，计算综合评估模型输出结果α的信息熵H(α)，即

式中，f_α和F_α分别表示α的状态和状态空间。

根据静态防汛等级评估子模型输出结果β₁和动态防汛能力评估子模型的输出结果β₂，计算综合评估模型的输出结果α的条件信息熵H(α|β₁)、H(α|β₂)，即

式中，

和/>

分别表示β₁的状态和状态空间,/>

和/>

分别表示β₂的状态和状态空间。

计算信息增益g(α,β₁）和g(α,β₂），即

计算子模型权重向量

其中

至此，基于信息增益融合的变电站防汛能力综合评估方法构建完成。本发明的提出的变电站防汛能力综合评估的Accuracy、Precision、Recall和F1分别为0.799、0.768、0.829、0.802，高于模糊贝叶斯网络模型指标9.6％、16.4％、3.8％、10.9％，具体结果如图4所示。信息增益融合有效增强模糊贝叶斯网络模型中节点因果关系，矫正信息传递过程中所产生的误差，使模型准确率得到提高。

由图5和图6可知，本发明提出的综合评估方法的性能评价指标均为最高，Accuracy和F1分别为0.799和0.802，对比KNN模型，Accuracy和F1分别提升了41.4％和42.2％，对比DT和SVM模型，Accuracy提升了18.0％和16.8％，F1提升了24.1％和20.4％。从模型运行时长来看，DT和SVM模型明显较长，分别为4.86s和5.07s，是组合模型运行时长的3.6倍和3.75倍，再对比KNN模型，虽然KNN模型运行时长较短，但模型准确度太低。

以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (6)

1.一种基于信息增益融合的变电站防汛能力综合评估方法，其特征在于，包括以下步骤：

S1、构建变电站静态防汛等级评估子模型：根据静态站点数据建立变电站静态防汛等级评估指标体系，对多模态评估指标进行统一量化，静态站点数据包括孕灾环境和承灾体；利用层次分析法对评估指标进行赋权；通过模糊综合评价方法建立变电站静态防汛等级评估子模型；

S2、构建变电站动态防汛能力评估子模型：在静态站点数据的基础上，引入致灾因子，构建变电站动态防风险评估指标体系，利用模糊贝叶斯网络得到变电站动态防汛能力评估子模型；

S3、构建变电站防汛能力综合评估模型：利用信息增益融合策略，对变电站静态防汛等级评估子模型和变电站动态防汛能力评估子模型进行权重分配，得到基于信息增益融合的变电站防汛能力综合评估方法。

2.根据权利要求1所述的基于信息增益融合的变电站防汛能力综合评估方法，其特征在于，步骤S1包括：

S11、构建变电站静态防汛等级评估指标体系：选取孕灾环境以及承灾体构建多层次变电站静态防汛等级评估指标体系；孕灾环境包括地形地貌、土壤植被、水文情况和山洪泥石流隐患；承灾体包括变电站电压等级、站址情况、防汛物资储备和站内排水系统；

S12、层次分析法赋权：结合专家先验知识，依据1-9比例标度法，建立防汛评估指标判断矩阵，通过计算每个防汛评估指标判断矩阵的特征向量可以得到防汛指标权重矩阵，计算出某一个层次的评估指标相对于上一层次的每一个评估指标的单排序权值后，再与上一层次每个评估指标自身的权值进行加权综合，最后算出该层的全部评估指标与最高层次的评估指标相比后的相对的权值；从下而上逐次计算，得到变电站静态防汛等级评估指标最终相对排序的权值，而后进行一致性检验；

S13、模糊综合评价：对各级因素做综合评价，综合权重向量和评级矩阵计算得到综合评估向量，根据最大隶属度原则得到最终评价结果。

3.根据权利要求1所述的基于信息增益融合的变电站防汛能力综合评估方法，其特征在于，步骤S2包括：

S21、构建模糊贝叶斯网络先验模型：结合变电站防汛案例经验，将致灾因子动态气象数据纳入指标体系，构建变电站动态汛情风险评估指标体系，从而建立贝叶斯网络先验模型；

S22、建立汛情先验数据模糊表：优选K次抛物型隶属函数，对动态气象数据进行离散模糊化，结合气象隶属图、孕灾环境量化表和承灾体量化表，建立汛情先验数据模糊表；

S23、计算汛情风险概率：统计先验数据模糊表，对不同汛情风险条件下，每个节点属性等级出现的次数进行计数，并计算各个属性等级在各风险条件下的百分比，采用拉普拉斯估计法对概率计算表进行标准化处理，进而得出动态汛情风险概率计算表，最后进行模糊贝叶斯分类，得出变电站动态汛情风险评估结果。

4.根据权利要求1所述的基于信息增益融合的变电站防汛能力综合评估方法，其特征在于，步骤S3包括：

结合静态防汛等级评估子模型和动态防汛能力评价子模型结果，计算原始信息熵以及条件信息熵，再根据信息增益计算进行子模型权重分配，最终得到基于信息增益融合的变电站防汛能力综合评估结果。

5.一种基于信息增益融合的变电站防汛能力综合评估系统，其特征在于，包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4任意一项所述的基于信息增益融合的变电站防汛能力综合评估方法。

6.一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可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至4中任意一项所述的基于信息增益融合的变电站防汛能力综合评估方法。

Images