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
基于信息增益融合的变电站防汛能力综合评估方法、系统 Download PDFInfo
- Publication number
- CN116307709A CN116307709A CN202310236821.4A CN202310236821A CN116307709A CN 116307709 A CN116307709 A CN 116307709A CN 202310236821 A CN202310236821 A CN 202310236821A CN 116307709 A CN116307709 A CN 116307709A
- Authority
- CN
- China
- Prior art keywords
- transformer substation
- flood control
- flood
- evaluation
- assessment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000004927 fusion Effects 0.000 title claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 96
- 230000003068 static effect Effects 0.000 claims abstract description 48
- 230000002265 prevention Effects 0.000 claims abstract description 39
- 238000012502 risk assessment Methods 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000001364 causal effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013477 bayesian statistics method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
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
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,aij表示第i个指标相对于第j个指标的重要性,同时aij>0,aji=1/aij,aii=1。
表2 1-9比例标度法
变电站防汛评估指标判断矩阵IB、IC、ID分别如表3、4、5所示。
表3 IB判断矩阵
表4 IC判断矩阵
表5 ID判断矩阵
计算防汛指标权重矩阵W1={w1j,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=λmaxw (2)
式中,I表示防汛评估指标判断矩阵;λmax表示I的最大特征值;w表示λmax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w1B=[0.667,0.333],w1C=[0.152,0.117,0.290,0.441],w1D=[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
WP2=(w1,w2,w3,...,wn) (5)
式中,n表示二级指标个数,且w1+w2+w3+...+wn=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RP2为P2评级矩阵,可得二级因素综合评价向量为
KP2=WP2·RP2 (6)
对各一级因素P1做综合评价,设RP1为P1评级矩阵,即
RP1=KP2 (7)
然后取P1权重向量为WP1,得到变电站静态防汛等级评估向量K即为
K=WP1·RP1=[k1,k2,k3,...,km] (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
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,fα和Fα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
计算信息增益g(α,β1)和g(α,β2),即
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310236821.4A CN116307709B (zh) | 2023-03-13 | 2023-03-13 | 基于信息增益融合的变电站防汛能力综合评估方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310236821.4A CN116307709B (zh) | 2023-03-13 | 2023-03-13 | 基于信息增益融合的变电站防汛能力综合评估方法、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116307709A true CN116307709A (zh) | 2023-06-23 |
CN116307709B CN116307709B (zh) | 2024-06-11 |
Family
ID=86833772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310236821.4A Active CN116307709B (zh) | 2023-03-13 | 2023-03-13 | 基于信息增益融合的变电站防汛能力综合评估方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307709B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150630A (zh) * | 2023-10-26 | 2023-12-01 | 中铁建大桥工程局集团第三工程有限公司 | 一种基于层次分析法的超大断面地铁车站稳定性评价方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040249678A1 (en) * | 2003-06-03 | 2004-12-09 | Henderson E. Devere | Systems and methods for qualifying expected risk due to contingent destructive human activities |
US20200336590A1 (en) * | 2018-11-21 | 2020-10-22 | Beijing Yutian Technology Co. Ltd | Emergency communication command management system |
CN112686536A (zh) * | 2020-12-29 | 2021-04-20 | 南京邮电大学 | 一种基于模糊综合评判的电网应灾能力量化评估方法 |
CN113256138A (zh) * | 2021-06-01 | 2021-08-13 | 安徽建筑大学 | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 |
CN113344735A (zh) * | 2021-05-19 | 2021-09-03 | 南方电网数字电网研究院有限公司 | 电网设备的防灾减灾监测预警系统 |
CN114266450A (zh) * | 2021-12-06 | 2022-04-01 | 国网河南省电力公司电力科学研究院 | 一种基于实况数据的变电站防汛能力评估方法 |
CN114548739A (zh) * | 2022-02-15 | 2022-05-27 | 国网河南省电力公司电力科学研究院 | 一种变电站防汛风险组合评估方法 |
CN114897350A (zh) * | 2022-05-09 | 2022-08-12 | 中国城市规划设计研究院 | 一种综合防灾能力评估方法、装置、设备及介质 |
CN115115225A (zh) * | 2022-06-28 | 2022-09-27 | 国网河南省电力公司电力科学研究院 | 基于组合赋权的变电站静态防汛能力模糊综合评估方法 |
CN115147024A (zh) * | 2022-09-05 | 2022-10-04 | 杭州元声象素科技有限公司 | 一种地理加权回归的网格化险情处理方法和系统 |
CN115187090A (zh) * | 2022-07-18 | 2022-10-14 | 上海维智卓新信息科技有限公司 | 基于模糊评价算法的防涝数据处理方法及装置 |
CN115330163A (zh) * | 2022-08-03 | 2022-11-11 | 国网安徽省电力有限公司电力科学研究院 | 基于大数据的城市电网多灾害事故预防预警应急平台 |
CN115630752A (zh) * | 2022-11-30 | 2023-01-20 | 中国矿业大学(北京) | 基于动态模糊综合贝叶斯网络的pba车站施工风险评估方法 |
-
2023
- 2023-03-13 CN CN202310236821.4A patent/CN116307709B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040249678A1 (en) * | 2003-06-03 | 2004-12-09 | Henderson E. Devere | Systems and methods for qualifying expected risk due to contingent destructive human activities |
US20200336590A1 (en) * | 2018-11-21 | 2020-10-22 | Beijing Yutian Technology Co. Ltd | Emergency communication command management system |
CN112686536A (zh) * | 2020-12-29 | 2021-04-20 | 南京邮电大学 | 一种基于模糊综合评判的电网应灾能力量化评估方法 |
CN113344735A (zh) * | 2021-05-19 | 2021-09-03 | 南方电网数字电网研究院有限公司 | 电网设备的防灾减灾监测预警系统 |
CN113256138A (zh) * | 2021-06-01 | 2021-08-13 | 安徽建筑大学 | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 |
CN114266450A (zh) * | 2021-12-06 | 2022-04-01 | 国网河南省电力公司电力科学研究院 | 一种基于实况数据的变电站防汛能力评估方法 |
CN114548739A (zh) * | 2022-02-15 | 2022-05-27 | 国网河南省电力公司电力科学研究院 | 一种变电站防汛风险组合评估方法 |
CN114897350A (zh) * | 2022-05-09 | 2022-08-12 | 中国城市规划设计研究院 | 一种综合防灾能力评估方法、装置、设备及介质 |
CN115115225A (zh) * | 2022-06-28 | 2022-09-27 | 国网河南省电力公司电力科学研究院 | 基于组合赋权的变电站静态防汛能力模糊综合评估方法 |
CN115187090A (zh) * | 2022-07-18 | 2022-10-14 | 上海维智卓新信息科技有限公司 | 基于模糊评价算法的防涝数据处理方法及装置 |
CN115330163A (zh) * | 2022-08-03 | 2022-11-11 | 国网安徽省电力有限公司电力科学研究院 | 基于大数据的城市电网多灾害事故预防预警应急平台 |
CN115147024A (zh) * | 2022-09-05 | 2022-10-04 | 杭州元声象素科技有限公司 | 一种地理加权回归的网格化险情处理方法和系统 |
CN115630752A (zh) * | 2022-11-30 | 2023-01-20 | 中国矿业大学(北京) | 基于动态模糊综合贝叶斯网络的pba车站施工风险评估方法 |
Non-Patent Citations (3)
Title |
---|
张玮玮;王颖;许浩恩;俞布;: "阶段性动态风险评估方法在暴雨灾害风险评估中的应用", 干旱气象, no. 04, 15 August 2017 (2017-08-15), pages 163 - 170 * |
陈超: "基于风险理论的受端电网动态无功电压支撑规划研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》, 15 December 2011 (2011-12-15), pages 042 - 218 * |
陈述;石法起;朱忠荣;吴凯;: "水电厂生产环境安全性态演化的集对分析方法", 中国安全科学学报, no. 05, 15 May 2016 (2016-05-15), pages 156 - 161 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150630A (zh) * | 2023-10-26 | 2023-12-01 | 中铁建大桥工程局集团第三工程有限公司 | 一种基于层次分析法的超大断面地铁车站稳定性评价方法 |
CN117150630B (zh) * | 2023-10-26 | 2024-02-23 | 中铁建大桥工程局集团第三工程有限公司 | 一种基于层次分析法的超大断面地铁车站稳定性评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116307709B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112001626A (zh) | 一种台风天气下的配电网韧性评价方法、存储介质及设备 | |
CN113902308A (zh) | 一种基于互联网的抽水蓄能电站安全状况评价方法 | |
CN116307709B (zh) | 基于信息增益融合的变电站防汛能力综合评估方法、系统 | |
CN113112090B (zh) | 基于综合互信息度的主成分分析的空间负荷预测方法 | |
Yi et al. | Intelligent prediction of transmission line project cost based on least squares support vector machine optimized by particle swarm optimization | |
CN111967777B (zh) | 一种储能促进清洁能源利用价值的综合评价方法 | |
CN114399235B (zh) | 一种基于雨情数据判定灾害风险等级的方法及系统 | |
CN111598457A (zh) | 一种电力无线网络质量的确定方法及装置 | |
Peng et al. | Research on the random multi-attribute decision-making methods with trapezoidal fuzzy probability based on prospect theory | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
CN109193779B (zh) | 一种分布式风力发电最大容量评估方法 | |
Zhou et al. | Fuzzy PSA evaluation method for passive residual heat removal system | |
CN113659636A (zh) | 分布不确定性条件下N-k分布鲁棒机组控制方法及装置 | |
CN115018277A (zh) | 一种基于网络分析法的新能源消纳潜力评估方法及装置 | |
CN114548641A (zh) | 一种考虑多能源协调的配电网弹性指标评估方法 | |
CN112653121B (zh) | 一种新能源微电网参与电网调频能力的评估方法及装置 | |
CN114169590A (zh) | 一种基于多情景划分的水库入库径流预报校正方法和系统 | |
Rao et al. | Research of Wind Power Generation Characteristics in Southern China Based on Improved Non-Parametric Kernel Density Estimation | |
Bolin et al. | Research on the evaluation index system of the rational utilization rate of Gansu new energy under the background of double-carbon | |
CN115358495B (zh) | 一种风电功率预测综合偏差率的计算方法 | |
CN117875764A (zh) | 园区综合能源系统评估方法和装置 | |
Chen et al. | A weighted combination forecasting model for power load based on forecasting model selection and fuzzy scale joint evaluation | |
Chen et al. | Evaluation Of Electricity Market Operation Efficiency Based On Analytic Hierarchy Process-Grey Relational Analysis | |
Wu et al. | Comprehensive Evaluation Method of Virtual Power Plant Based on Hydropower Suppressing Wind Power Fluctuation | |
CN118228910A (zh) | 待恢复变电站节点优先级评估方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |