基于自适应赋权的配电网态势感知及评估方法和存储介质

本发明涉及机器智能，尤其涉及一种基于自适应赋权的配电网态势感知及评估方法和存储介质。

背景技术：

1、配电网的态势感知可用于全面了解其运行状况，如监测电压、电流、电阻、电容等电气量的变化。这种手段有助于及时发现配电网运行态势的变化，并实现宏观把控。随着智能配电网的发展，数据采集和监测量呈快速增长趋势，包括电表、传感器、智能电器等设备每天产生大量数据。由于多元负荷接入和用户多样化需求，配电网的运行状态变得愈加复杂和多样化，也带来许多挑战和风险，这造成配电系统面临的风险增加，需要全面监测和管理。因此，对配电管理的要求日趋提高。

2、但传统的配电网运行态势感知体系在计算速度、安全性评估等多个环节上难以满足智能配电网发展的需求。建立一个有效的智能配电网态势感知体系，以增强配电系统的态势感知能力，成为当前智能配电网发展的迫切需求。为此，需要采用新技术和新方法实时处理和分析海量数据，快速识别智能配电网中存在的问题。同时，也需要采用先进的安全评估方法，确保智能配电网的安全性和可靠性。这样才能建立一个高效、可靠的智能配电网态势感知体系，保障智能配电网的安全、稳定运行。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提供一种基于自适应赋权的配电网态势感知及评估方法，其通过构建贝叶斯网络，以最大化极大熵为准则，通过多次迭代修正权重，可避免权重主观性与模糊性过强的问题，从而可提高配电网态势感知及评估的准确性。

2、本发明的第二个目的在于提供一种计算机可读存储介质。

3、本发明的第三个目的在于提供一种电子设备。

4、为达到上述目的，本发明通过以下技术方案实现：

5、一种基于自适应赋权的配电网态势感知及评估方法，包括：

6、选取多个配电网指标，并根据配电网指标之间的从属关系按照层次划分建立配电网安全风险评估指标体系；

7、构建所述配电网安全风险评估指标体系中基础层指标间的判断矩阵；

8、根据所述判断矩阵得到基础层指标的初始权重；

9、采用权重自学习方法对所述初始权重进行修正，得到基础层指标的最优权重；

10、根据所述最优权重计算基础层指标评分，并根据所述基础层指标评分计算配电网安全态势总评分，以完成配电网安全风险评估。

11、优选的，所述配电网安全风险评估指标体系包括三层，其中，第一层为目标层，第二层为中间层，第三层为基础层，中间层指标包括供电能力指标、网络架构指标和电能质量指标，基础层指标包括从属于供电能力指标的电流载重率、电流轻载率和电流过载率，以及从属于网络架构指标的线损率、线路联络率和从属于电能质量指标的综合电压合格率。

12、优选的，采用标度法构建基础层指标间的判断矩阵。

13、优选的，所述采用标度法构建基础层指标间的判断矩阵的步骤包括：

14、获取各个基础层指标在多节点算例中的重要程度；

15、两两比较基础层指标的重要程度的相对大小，以确定两两基础层指标的标度值，并根据所述标度值构建所述判断矩阵。

16、优选的，在构建所述判断矩阵之后，所述方法还包括：对所述判断矩阵的一致性进行校验。

17、优选的，根据平均随机一致性指标ri对所述判断矩阵的一致性进行校验，一致性校验方法采用如下公式表示：

18、

19、式中，ri为平均随机一致性指标，n为矩阵的阶数，λmax为判断矩阵最大特征根，cr为一致性指标，其中，cr小于或者等于预设值时，所述判断矩阵的一致性满足预设条件。

20、优选的，所述根据所述判断矩阵得到基础层指标的初始权重的步骤包括：

21、计算所述判断矩阵的最大特征值，并根据所述最大特征值得到相应的最大特征向量；

22、将所述最大特征向量求模归一化后得到基础层指标的初始权重。

23、优选的，所述采用权重自学习方法对所述初始权重进行修正，得到基础层指标的最优权重的步骤包括：基于贝叶斯网络对配电网指标进行建模，得到贝叶斯网络模型，以最大化极大熵为目标，采用梯度下降法对贝叶斯网络模型中各基础层指标的权重值进行修正，得到所述最优权重。

24、为达到上述目的，本发明第二方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，可实现上述所述的基于自适应赋权的配电网态势感知及评估方法。

25、为达到上述目的，本发明第三方面提供了一种电子设备，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述所述的基于自适应赋权的配电网态势感知及评估方法。

26、本发明至少具有以下技术效果：

27、本发明选取多个配电网指标，并根据配电网指标之间的从属关系按照顶、中间层和基础层层次划分建立配电网安全风险评估指标体系，然后采用标度法构建配电网安全风险评估指标体系中基础层指标间的判断矩阵，并对判断矩阵进行一致性校验，在校验满足条件后，才根据判断矩阵计算其最大特征向量，并处理得到基础层指标的初始权重，之后基于贝叶斯网络对配电网指标进行建模，得到贝叶斯网络模型，然后以最大化极大熵为目标，采用梯度下降法对贝叶斯网络模型中各基础层指标的权重值进行多次迭代修正，得到最优权重，基于该方法得到的最优权重完成的配电网安全风险评估，可避免权重主观性与模糊性过强的问题，从而可提高配电网态势感知及评估的准确性。

28、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种基于自适应赋权的配电网态势感知及评估方法，其特征在于，包括：

2.如权利要求1所述的基于自适应赋权的配电网态势感知及评估方法，其特征在于，所述配电网安全风险评估指标体系包括三层，其中，第一层为目标层，第二层为中间层，第三层为基础层，中间层指标包括供电能力指标、网络架构指标和电能质量指标，基础层指标包括从属于供电能力指标的电流载重率、电流轻载率和电流过载率，以及从属于网络架构指标的线损率、线路联络率和从属于电能质量指标的综合电压合格率。

3.如权利要求1所述的基于自适应赋权的配电网态势感知及评估方法，其特征在于，采用标度法构建基础层指标间的判断矩阵。

4.如权利要求3所述的基于自适应赋权的配电网态势感知及评估方法，其特征在于，所述采用标度法构建基础层指标间的判断矩阵的步骤包括：

5.如权利要求4所述的基于自适应赋权的配电网态势感知及评估方法，其特征在于，在构建所述判断矩阵之后，所述方法还包括：对所述判断矩阵的一致性进行校验。

6.如权利要求5所述的基于自适应赋权的配电网态势感知及评估方法，其特征在于，根据平均随机一致性指标ri对所述判断矩阵的一致性进行校验，一致性校验方法采用如下公式表示：

7.如权利要求1所述的基于自适应赋权的配电网态势感知及评估方法，其特征在于，所述根据所述判断矩阵得到基础层指标的初始权重的步骤包括：

8.如权利要求1所述的基于自适应赋权的配电网态势感知及评估方法，其特征在于，所述采用权重自学习方法对所述初始权重进行修正，得到基础层指标的最优权重的步骤包括：基于贝叶斯网络对配电网指标进行建模，得到贝叶斯网络模型，以最大化极大熵为目标，采用梯度下降法对贝叶斯网络模型中各基础层指标的权重值进行修正，得到所述最优权重。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-8中任一项所述的基于自适应赋权的配电网态势感知及评估方法。

10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-8中任一项所述的基于自适应赋权的配电网态势感知及评估方法。

技术总结
本发明公开了一种基于自适应赋权的配电网态势感知及评估方法和存储介质，该方法包括：选取多个配电网指标，并根据配电网指标之间的从属关系按照层次划分建立配电网安全风险评估指标体系；构建配电网安全风险评估指标体系中基础层指标间的判断矩阵；根据判断矩阵得到基础层指标的初始权重；采用权重自学习方法对初始权重进行修正，得到基础层指标的最优权重；根据最优权重计算基础层指标评分，并根据基础层指标评分计算配电网安全态势总评分，以完成配电网安全风险评估。本发明能够从最大化极大熵的角度缓解传统赋权法得到的权重主观程度过大的问题，使权重具有更高的客观性，进而提高配电网态势评估的准确性与可信度。

技术研发人员：张俊,刘浩,苏运,田英杰,张浩然,许沛东,杨帆
受保护的技术使用者：武汉大学
技术研发日：
技术公布日：2024/1/15