一种电力系统的风险评估方法、装置、设备及存储介质与流程

本发明涉及数字电网与人工智能的，特别是涉及一种电力系统的风险评估方法、装置、设备及存储介质。

背景技术：

1、随着化石能源的衰竭以及环境气候的渐渐恶劣，能源转型不得不加快步伐，以风能、太阳能为代表的可再生新能源大量连接电网，可再生能源的发电天然具有随机性和不确定性，这进一步扩大了电力系统运行的不确定性，一旦电力系统出现严重故障，将对经济和社会产生巨大的冲击和损失。

2、电力系统的规模和复杂度急剧增加，这也增加了电网风险评估的难度，传统的电力系统风险评估方法主要采用概率统计方法和基于物理模型的仿真方法，其中，概率统计方法通常基于历史数据，利用概率论和统计学原理建立数学模型来预测未来风险，然而，这种方法的不足之处在于难以准确描述各历史变量之间的复杂依赖关系，以及无法应对新能源大规模接入所带来的新挑战；基于物理模型的仿真方法则需要建立精确的电力系统物理模型，模型参数和模型结构的不确定性很大，模型的复杂度和计算成本也很高。

3、为此，为了更加准确地评估电力系统风险，目前亟需开发一种新的方法和技术，为电力系统的安全稳定运行和可持续发展提供科学的支撑。

技术实现思路

1、本发明要解决的技术问题是：提供一种电力系统的风险评估方法、装置、设备及存储介质，提高风险评估计算的速度及准确度。

2、为了解决上述技术问题，本发明提供了一种电力系统的风险评估方法，包括：

3、获取电力系统的多类历史数据，对每类历史数据进行数据预处理，以使将所述多类历史数据转换为均匀分布历史序列；

4、计算所述均匀分布历史序列中任意两个第一变量的最大互信息值，并基于所述最大互信息值，得到所述任意两个第一变量的信息系数，并基于所述信息系数，确定最大信息系数；

5、基于所述最大信息系数，构建贝叶斯网络模型；

6、基于所述贝叶斯网络模型，得到多个均匀分布离散样本，并对每个均匀分布离散样本进行数据还原，得到每个均匀分布离散样本对应的原始历史数据；

7、对所述原始历史数据进行系统状态采样，计算所述每个系统状态对应的累计风险值，整合所有系统状态对应的所述累计风险值，得到电力系统的风险评估值。

8、在一种可能的实现方式中，对每类历史数据进行数据预处理，以使将所述多类历史数据转换为均匀分布历史序列，具体包括：

9、基于核密度估计，计算每类历史数据的边缘概率密度估计值；

10、对所述边缘概率密度估计值进行积分处理，得到每类历史数据的边缘分布函数，并计算所述边缘分布函数的反函数；

11、基于所述反函数，计算每类历史数据对应的第一变量，整合所有第一变量，生成均匀分布历史序列。

12、在一种可能的实现方式中，基于核密度估计，基于核密度估计，计算每类历史数据的边缘概率密度估计值，其中，所述边缘概率密度估计值的计算方式如下所示：

13、

14、式中，fx(αi)为边缘概率密度估计值，αij为历史数据αi的第j个数据点；n为数据量；h为带宽；k为核函数，取为正态分布函数。

15、在一种可能的实现方式中，计算所述均匀分布历史序列中任意两个第一变量的最大互信息值，并基于所述最大互信息值，得到任意两个第一变量的信息系数，具体包括：

16、选取所述均匀分布历史序列中任意两个第一变量，生成第一网格，对所述第一网格进行x轴和y轴划分，得到网格划分数；

17、基于所述网格划分数，设置多种划分方式，并计算每种划分方式下任意两个第一变量对应的最大互信息值；

18、对所述最大互信息值进行归一化处理，得到归一化互信息值，选取所述归一化互信息值中的最大值，得到任意两个第一变量的信息系数。

19、在一种可能的实现方式中，基于所述最大信息系数，构建贝叶斯网络模型，具体包括：

20、将所述均匀分布历史序列中的所有第一变量作为网络节点，并将所述最大信息系数对应的两个第一变量作为边，随机生成多个贝叶斯网络结构；

21、基于评分搜索函数，计算每个贝叶斯网络结构对应的搜索评分，选取搜索评分最高值对应的贝叶斯网络结构为最优贝叶斯网络结构；

22、基于最大似然估计方法，计算所述最优贝叶斯网络结构的网络参数，基于所述最优贝叶斯网络结构和所述网络参数，构建贝叶斯网络模型。

23、在一种可能的实现方式中，对每个均匀分布离散样本进行数据还原，得到每个均匀分布离散样本对应的原始历史数据，具体包括：

24、基于随机数生成器，生成每个均匀分布离散样本对应的随机数，将所述随机数输入到预设数据转换公式中，以使将所述随机数转换成原始历史数据，其中，所述预设数据转换公式如下所示：

25、

26、式中，为第ns次抽样得到的第w个均匀分布离散样本对应的随机数，为第ns次抽样得到的第w个均匀分布离散样本对应的原始历史数据，为反函数。

27、在一种可能的实现方式中，对所述原始历史数据进行系统状态采样，计算所述每个系统状态对应的累计风险值，具体包括：

28、建立电网风险评估指标体系，其中，所述电网风险评估指标体系包括年停电电量期望值和电力不足概率；

29、将每个原始历史数据分类为独立变量和非独立变量；

30、当原始历史数据被分类为独立变量时，基于非序贯蒙特卡洛模拟对所述独立变量进行系统状态抽样，得到第一状态采样数据；

31、当确定电力系统的发电总容量不满足负荷，且电力系统中出现潮流越限及节点电压越限情况时，基于预设的负荷切除策略，对所述第一状态采样数据进行负荷消减处理，得到每个系统状态对应的第一负荷削减量；

32、基于所述第一状态采样数据和所述第一负荷削减量，计算第一年停电电量期望值和第一电力不足概率，基于所述第一年停电电量期望值和所述第一电力不足概率，得到每个系统状态对应的第一累计风险值；

33、当原始历史数据分类为非独立变量时，基于所述最优贝叶斯网络结构对所述非独立变量进行系统状态采样，得到第二状态采样数据；

34、当确定电力系统的发电总容量不满足负荷，且电力系统中出现潮流越限及节点电压越限情况时，基于预设的负荷切除策略，对所述第二状态采样数据进行负荷消减处理，得到每个系统状态对应的第二负荷削减量；

35、基于所述第二状态采样数据和所述第二负荷削减量，计算第二年停电电量期望值和第二电力不足概率，基于所述第二年停电电量期望值和所述第二电力不足概率，得到每个系统状态对应的第二累计风险值。

36、本发明还提供了一种电力系统的风险评估装置，包括：数据预处理模块、数据计算模块、模型构建模块、数据还原模块和风险评估值计算模块；

37、其中，所述数据预处理模块，用于获取电力系统的多类历史数据，对每类历史数据进行数据预处理，以使将所述多类历史数据转换为均匀分布历史序列；

38、所述数据计算模块，用于计算所述均匀分布历史序列中任意两个第一变量的最大互信息值，并基于所述最大互信息值，得到所述任意两个第一变量的信息系数，并基于所述信息系数，确定最大信息系数；

39、所述模型构建模块，用于基于所述最大信息系数，构建贝叶斯网络模型；

40、所述数据还原模块，用于基于所述贝叶斯网络模型，得到多个均匀分布离散样本，并对每个均匀分布离散样本进行数据还原，得到每个均匀分布离散样本对应的原始历史数据；

41、所述风险评估值计算模块，用于对所述原始历史数据进行系统状态采样，计算所述每个系统状态对应的累计风险值，整合所有系统状态对应的所述累计风险值，得到电力系统的风险评估值。

42、在一种可能的实现方式中，所述数据预处理模块，用于对每类历史数据进行数据预处理，以使将所述多类历史数据转换为均匀分布历史序列，具体包括：

43、基于核密度估计，计算每类历史数据的边缘概率密度估计值；

44、对所述边缘概率密度估计值进行积分处理，得到每类历史数据的边缘分布函数，并计算所述边缘分布函数的反函数；

45、基于所述反函数，计算每类历史数据对应的第一变量，整合所有第一变量，生成均匀分布历史序列。

46、在一种可能的实现方式中，所述数据预处理模块，用于基于核密度估计，基于核密度估计，计算每类历史数据的边缘概率密度估计值，其中，所述边缘概率密度估计值的计算方式如下所示：

47、

48、式中，fx(αi)为边缘概率密度估计值，αij为历史数据αi的第j个数据点；n为数据量；h为带宽；k为核函数，取为正态分布函数。

49、在一种可能的实现方式中，所述数据计算模块，用于计算所述均匀分布历史序列中任意两个第一变量的最大互信息值，并基于所述最大互信息值，得到任意两个第一变量的信息系数，具体包括：

50、选取所述均匀分布历史序列中任意两个第一变量，生成第一网格，对所述第一网格进行x轴和y轴划分，得到网格划分数；

51、基于所述网格划分数，设置多种划分方式，并计算每种划分方式下任意两个第一变量对应的最大互信息值；

52、对所述最大互信息值进行归一化处理，得到归一化互信息值，选取所述归一化互信息值中的最大值，得到任意两个第一变量的信息系数。

53、在一种可能的实现方式中，所述模型构建模块，用于基于所述最大信息系数，构建贝叶斯网络模型，具体包括：

54、将所述均匀分布历史序列中的所有第一变量作为网络节点，并将所述最大信息系数对应的两个第一变量作为边，随机生成多个贝叶斯网络结构；

55、基于评分搜索函数，计算每个贝叶斯网络结构对应的搜索评分，选取搜索评分最高值对应的贝叶斯网络结构为最优贝叶斯网络结构；

56、基于最大似然估计方法，计算所述最优贝叶斯网络结构的网络参数，基于所述最优贝叶斯网络结构和所述网络参数，构建贝叶斯网络模型。

57、在一种可能的实现方式中，所述数据还原模块，用于对每个均匀分布离散样本进行数据还原，得到每个均匀分布离散样本对应的原始历史数据，具体包括：

58、基于随机数生成器，生成每个均匀分布离散样本对应的随机数，将所述随机数输入到预设数据转换公式中，以使将所述随机数转换成原始历史数据，其中，所述预设数据转换公式如下所示：

59、

60、式中，为第ns次抽样得到的第w个均匀分布离散样本对应的随机数，为第ns次抽样得到的第w个均匀分布离散样本对应的原始历史数据，为反函数。

61、在一种可能的实现方式中，所述风险评估值计算模块，用于对所述原始历史数据进行系统状态采样，计算所述每个系统状态对应的累计风险值，具体包括：

62、建立电网风险评估指标体系，其中，所述电网风险评估指标体系包括年停电电量期望值和电力不足概率；

63、将每个原始历史数据分类为独立变量和非独立变量；

64、当原始历史数据被分类为独立变量时，基于非序贯蒙特卡洛模拟对所述独立变量进行系统状态抽样，得到第一状态采样数据；

65、当确定电力系统的发电总容量不满足负荷，且电力系统中出现潮流越限及节点电压越限情况时，基于预设的负荷切除策略，对所述第一状态采样数据进行负荷消减处理，得到每个系统状态对应的第一负荷削减量；

66、基于所述第一状态采样数据和所述第一负荷削减量，计算第一年停电电量期望值和第一电力不足概率，基于所述第一年停电电量期望值和所述第一电力不足概率，得到每个系统状态对应的第一累计风险值；

67、当原始历史数据分类为非独立变量时，基于所述最优贝叶斯网络结构对所述非独立变量进行系统状态采样，得到第二状态采样数据；

68、当确定电力系统的发电总容量不满足负荷，且电力系统中出现潮流越限及节点电压越限情况时，基于预设的负荷切除策略，对所述第二状态采样数据进行负荷消减处理，得到每个系统状态对应的第二负荷削减量；

69、基于所述第二状态采样数据和所述第二负荷削减量，计算第二年停电电量期望值和第二电力不足概率，基于所述第二年停电电量期望值和所述第二电力不足概率，得到每个系统状态对应的第二累计风险值。

70、本发明还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的电力系统的风险评估方法。

71、本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的电力系统的风险评估方法。

72、本发明实施例一种电力系统的风险评估方法、装置、设备及存储介质，与现有技术相比，具有如下有益效果：

73、通过获取电力系统的多类历史数据，将多类历史数据转换为均匀分布历史序列；计算均匀分布历史序列中任意两个第一变量的最大互信息值，基于最大互信息值，得到并基于任意两个第一变量的信息系数，确定最大信息系数；基于最大信息系数，构建贝叶斯网络模型；基于贝叶斯网络模型，得到多个均匀分布离散样本，对每个均匀分布离散样本进行数据还原，得到每个均匀分布离散样本对应的原始历史数据；对原始历史数据进行系统状态采样，计算每个系统状态对应的累计风险值，整合所有系统状态对应的累计风险值，得到电力系统的风险评估值；与现有技术相比，本发明的技术方案能提高风险评估计算的速度及准确度。