基于層次分析法和神經(jīng)網(wǎng)絡(luò)電網(wǎng)安全態(tài)勢分析

摘 要： 對于電網(wǎng)的安全態(tài)勢分析是依據(jù)評估指標(biāo)完成的。由于安全評估指標(biāo)間存在非線性關(guān)系，導(dǎo)致對安全態(tài)勢分析的效果不佳。提出一種基于層次分析法和神經(jīng)網(wǎng)絡(luò)的電網(wǎng)安全態(tài)勢分析評估方法，運用層次分析法對電網(wǎng)的多個邏輯結(jié)構(gòu)進行分層，對影響安全態(tài)勢的因素進行權(quán)值設(shè)定，獲取各影響因素的權(quán)重，按照權(quán)重大小選擇對電網(wǎng)安全干擾較高的影響因素，通過歷史評估數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練后，完成電網(wǎng)的安全評估。實驗結(jié)果說明改進方法可對電網(wǎng)安全進行準(zhǔn)確評估，并且評估精度較高。

關(guān)鍵詞： 層次分析法； 神經(jīng)網(wǎng)絡(luò)； 電網(wǎng)安全； 安全評估

中圖分類號： TN911?34； TP22 文獻標(biāo)識碼： A 文章編號： 1004?373X（2016）15?0145?04

Abstract： The power grid safety situation analysis is realized based on the evaluation index. Since the nonlinear relationship among the safety assessment indexes causes the bad effect of security situation analysis， an evaluation method of power grid security situation analysis based on analytic hierarchy process （AHP） and neural network is proposed. The AHP is used to layer the multiple logical structures of the power grid， and the factors effecting on the security situation is set with weight. And then the weight of each influence factor is acquired， and according to which the influence factor with high power grid security interfe?rence is selected. The neural network model was trained with historical evaluation data to accomplish the power grid safety assessment. Experimental results show that the improved method can evaluate the power grid security accurately， and has high evaluation precision.

Keywords： analytic hierarchy process； neural network； power grid security； security assessment

0 引 言

電網(wǎng)安全關(guān)系到國家安全和社會穩(wěn)定，是電力企業(yè)生存和發(fā)展的根本。又由于電網(wǎng)系統(tǒng)龐大而復(fù)雜的綜合性，需要考慮的安全評估指標(biāo)較多[1?2]。不同電網(wǎng)安全評估指標(biāo)之間大都存在非線性關(guān)系，導(dǎo)致傳統(tǒng)方法無法準(zhǔn)確描述不同指標(biāo)間存在的關(guān)聯(lián)性，得到的電網(wǎng)安全評估結(jié)果存在較大偏差。在這種情況下，塑造有效的電網(wǎng)評估模型，成為相關(guān)學(xué)者的重點研究方向[3?6]。

文獻[7]提出融合因子分析法和層次分析法的電網(wǎng)評估方法，該方法的評估結(jié)果具有一定的有效性，但是存在較高的局限性。文獻[8]分析了采用模糊聚類和模糊推理產(chǎn)生穩(wěn)定性電壓評估的決策樹方法，實現(xiàn)電網(wǎng)電壓安全的有效評估，具有較高的效率，但是魯棒性較低。文獻[9]依據(jù)系統(tǒng)性能論以及層次分析法的電網(wǎng)安全評估方法，通過塑造電網(wǎng)優(yōu)勢函數(shù)對電網(wǎng)安全進行評估，當(dāng)系統(tǒng)性能存在較大波動時，該方法的評估精度將大大降低，穩(wěn)定性較差。文獻[10]提出通過模糊神經(jīng)網(wǎng)絡(luò)模型的電網(wǎng)評估模型，存在效率高和容易陷入局部最佳解的問題。

針對上述各種方法存在的問題，本文提出了一種基于層次分析法和神經(jīng)網(wǎng)絡(luò)的電網(wǎng)安全評估方法，采用層次分析法對全部可以影響電網(wǎng)安全的因素進行分析，運算各影響因素的權(quán)值，按照權(quán)重選擇對電網(wǎng)安全干擾最高的因素，將該因素當(dāng)成神經(jīng)網(wǎng)絡(luò)的輸入并塑造神經(jīng)網(wǎng)絡(luò)模型，依據(jù)歷史評估數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練后，對電網(wǎng)安全進行評估。實驗結(jié)果說明所提方法具有較高的評估準(zhǔn)確性。

1 層次分析法和神經(jīng)網(wǎng)絡(luò)的電網(wǎng)安全評估

層次分析法與神經(jīng)網(wǎng)絡(luò)結(jié)合的電網(wǎng)安全評估過程是：采用層次分析法構(gòu)建電網(wǎng)層次結(jié)構(gòu)，基于該結(jié)構(gòu)對影響電網(wǎng)安全評估的因素賦予權(quán)重，并通過層次分析軟件獲取電網(wǎng)安全的影響因素以及權(quán)重，按照權(quán)重大小選擇對電網(wǎng)安全干擾最高的因素，并將該因素當(dāng)成神經(jīng)網(wǎng)絡(luò)的輸入并塑造神經(jīng)網(wǎng)絡(luò)模型，通過歷史評估數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練后，對電網(wǎng)安全進行評估。在塑造的神經(jīng)網(wǎng)絡(luò)模型中，本文將影響因素數(shù)據(jù)當(dāng)成神經(jīng)元輸入層的輸入，運算結(jié)果看成網(wǎng)絡(luò)的輸出。

1.1 塑造電網(wǎng)層次結(jié)構(gòu)和電網(wǎng)安全評估指標(biāo)體系

1.1.1 電網(wǎng)層次結(jié)構(gòu)

層次分析法（Analytical Hierarchy Process，AHP）是一種將定性和定量相結(jié)合的，系統(tǒng)化、層次化的多方案分析方法。本文通過層次分析法分析干擾電網(wǎng)安全的因素，獲取各因素的權(quán)值，并采集對電網(wǎng)安全干擾最高的因素。

塑造電網(wǎng)的層次結(jié)構(gòu)，如圖1所示。假設(shè)構(gòu)建目標(biāo)為電網(wǎng)的安全與否，第1層包括全部影響電網(wǎng)安全的主因素，子因素則列于下一層。

1.1.2 電網(wǎng)安全影響因素及其權(quán)重的選擇

在上述電網(wǎng)層次結(jié)構(gòu)的基礎(chǔ)上，設(shè)置電網(wǎng)安全性指標(biāo)體系如圖2所示，包括安全輸電能力、靜態(tài)電壓安全性、拓撲結(jié)構(gòu)脆弱性、暫態(tài)安全性和風(fēng)險指標(biāo)等五方面。

由圖2可知，影響電網(wǎng)安全狀態(tài)的因素很多。在獲得電網(wǎng)安全性評估指標(biāo)體系之后，通過層次分析法對影響電網(wǎng)安全評估的因素賦予權(quán)重，使用層次分析軟件獲取電網(wǎng)安全的影響因素以及權(quán)重，獲取結(jié)果如表1所示。

分析表1，從電網(wǎng)安全影響因素的權(quán)重值可以看出，電壓裕度和負荷裕度對電網(wǎng)安全影響重大，選擇表1中7個權(quán)重較大的因素，也就是表1中被標(biāo)注“*”的因素作為神經(jīng)網(wǎng)絡(luò)的輸入，并通過歷史評估數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練后，實現(xiàn)電網(wǎng)安全評估。

1.2 基于層次分析法和神經(jīng)網(wǎng)絡(luò)的電網(wǎng)安全評估

1.2.1 BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)是目前使用最廣泛的一種網(wǎng)絡(luò)，包括輸入層、若干隱含層以及輸出層。BP算法是一種監(jiān)督式的學(xué)習(xí)算法，其通過梯度檢索方法對已知的學(xué)習(xí)樣本進行分析，進而確保網(wǎng)絡(luò)的實際輸出值與期望輸出值的均方值誤差最小。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)見圖3。圖3 中的[x1，x2，…，xm]為輸入特征向量，[y1，y2，…，yn]為輸出特征向量。

1.2.2 基于BP神經(jīng)網(wǎng)絡(luò)的電網(wǎng)安全評估

神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)是由網(wǎng)絡(luò)的層數(shù)、各層的節(jié)點數(shù)以及節(jié)點之間的連接方式組成的。本文研究采用層次分析法結(jié)合BP神經(jīng)網(wǎng)絡(luò)對輸電網(wǎng)的安全運行過程進行建模評價。BP神經(jīng)網(wǎng)絡(luò)可以有一個或多個隱含層，而三層的BP神經(jīng)網(wǎng)絡(luò)能夠完成任意的[n]維到[m]維的映射，即一個隱含層已經(jīng)完全能夠模擬任意的非線性關(guān)系。

通過基于層次分析后的電網(wǎng)安全評估指標(biāo)體系，塑造3層神經(jīng)網(wǎng)絡(luò)。將表1中7個權(quán)重較大的因素作為神經(jīng)網(wǎng)絡(luò)的輸入。在BP神經(jīng)網(wǎng)絡(luò)模型中采用三層網(wǎng)絡(luò)，輸入節(jié)點是層次分析法中的7個影響因素，輸出節(jié)點是1，隱層的節(jié)點數(shù)為6。學(xué)習(xí)方式是BP神經(jīng)網(wǎng)絡(luò)算法。

實現(xiàn)電網(wǎng)安全評估的過程如下：

2 實驗分析

為了驗證本文方法的有效性需要進行相關(guān)的實驗分析，實驗采用的對比方法為文獻[8]提出的基于模糊聚類的電網(wǎng)安全評估模型。實驗采用層次分析法，從國家電網(wǎng)公司某分電網(wǎng)評估歷史數(shù)據(jù)中采集5組電網(wǎng)安全評估重要因素權(quán)重樣本數(shù)據(jù)，如表2所示。并將這些樣本數(shù)據(jù)當(dāng)成神經(jīng)網(wǎng)絡(luò)的輸入值，將各組數(shù)據(jù)的評估結(jié)果作為期望輸出值對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，神經(jīng)網(wǎng)絡(luò)的輸入量是評估數(shù)據(jù)指標(biāo)通過歸一化處理后的值。并將這些權(quán)重作為神經(jīng)網(wǎng)絡(luò)的7個輸入節(jié)點，設(shè)置隱含層節(jié)點數(shù)為6，輸出節(jié)點數(shù)為1，該節(jié)點用來表示綜合評價結(jié)果。

將表2中的樣本數(shù)據(jù)列入神經(jīng)網(wǎng)絡(luò)模型，以得到預(yù)期的輸出結(jié)果，對神經(jīng)網(wǎng)絡(luò)進行測試訓(xùn)練，設(shè)置學(xué)習(xí)速率為0.02，學(xué)習(xí)精度為0.001，通過訓(xùn)練2次后，神經(jīng)網(wǎng)絡(luò)的誤差曲線斜率接近于零，滿足精度要求。

然后對5組檢驗樣本進行安全評價，輸出驗證結(jié)果如表3所示。分析表3可得，神經(jīng)網(wǎng)絡(luò)預(yù)測輸出值同期望輸出結(jié)果間的誤差達到了0.001，輸出電網(wǎng)安全等級同期望輸出結(jié)果相匹配，說明本文提出的基于層次分析法和神經(jīng)網(wǎng)絡(luò)的電網(wǎng)安全評估方法是有效的，可用于實際電網(wǎng)安全等級的評價。

為了進一步驗證本文方法的準(zhǔn)確性，對比分析本文方法和文獻[8]方法的評估精度，兩種方法的輸出結(jié)果和期望的輸出結(jié)果對比情況如圖4和圖5所示。

對比分析圖4和圖5可得，相比文獻[8]方法，本文方法的預(yù)測值同實際值間具有較高的匹配度，誤差較低，本文方法對電網(wǎng)安全的評估精度較高。實驗結(jié)果說明，通過本文提出的層次分析法分析出的輸入因素越重要，風(fēng)險評估的結(jié)果越佳，并且降低了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，提高了學(xué)習(xí)效率，大大增強了電網(wǎng)安全評估精度。

3 結(jié) 論

本文提出一種基于層次分析法和神經(jīng)網(wǎng)絡(luò)的電網(wǎng)安全評估方法，將層次分析法和神經(jīng)網(wǎng)絡(luò)相結(jié)合，用于評估電網(wǎng)的安全。采用層次分析法塑造電網(wǎng)層次結(jié)構(gòu)，對全部干擾電網(wǎng)安全的因素進行分析，獲取各影響因素的權(quán)重，按照權(quán)重大小選擇對電網(wǎng)安全干擾較高的影響因素，并將這些影響因素當(dāng)成神經(jīng)網(wǎng)絡(luò)的輸入，同時塑造神經(jīng)網(wǎng)絡(luò)模型，通過歷史評估數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練后，完成電網(wǎng)的安全評估。實驗結(jié)果說明，所提方法可對電網(wǎng)安全進行準(zhǔn)確評比，并且評估精度也較高。

參考文獻

[1] 張東霞，姚良忠，馬文媛.中外智能電網(wǎng)發(fā)展戰(zhàn)略[J].中國電機工程學(xué)報，2013，33（31）：1?14.

[2] 孫玉嬌，周勤勇，申洪.未來中國輸電網(wǎng)發(fā)展模式的分析與展望[J].電網(wǎng)技術(shù)，2013，37（7）：1929?1935.

[3] 田洪迅，袁蓉，趙淵.含分布式電源的配網(wǎng)可靠性概率計算[J].電網(wǎng)技術(shù)，2013，37（6）：1562?1569.

[4] 牛東曉，魏亞楠.基于FHNN相似日聚類自適應(yīng)權(quán)重的短期電力負荷組合預(yù)測[J].電力系統(tǒng)自動化，2013，37（3）：54?57.

[5] 尚文，王維民，齊鵬逸，等.基于條件規(guī)則與故障樹法的燃氣輪機故障診斷[J].機電工程，2013，30（7）：798?802.

[6] 李志鏗，汪隆君，王鋼，等.計及故障重構(gòu)的含分布式電源配電網(wǎng)可靠性評估[J].電力系統(tǒng)自動化，2013，37（4）：35?40.

[7] 郭創(chuàng)新，陸海波，俞斌，等.電力二次系統(tǒng)安全風(fēng)險評估綜述[J].電網(wǎng)技術(shù)，2013，37（1）：112?118.

[8] 吳旭，張建華，趙天陽，等.基于模糊聚類和模糊推理的電網(wǎng)連鎖故障預(yù)警方法[J].電網(wǎng)技術(shù)，2013，37（6）：1659?1665.

[9] 趙繼超，袁越，傅質(zhì)馨，等.基于Copula理論的風(fēng)光互補發(fā)電系統(tǒng)可靠性評估[J].電力自動化設(shè)備，2013，31（1）：124?129.

[10] 孫春山.基于電網(wǎng)實時運行條件下的風(fēng)電場運行風(fēng)險評估[D].北京：華北電力大學(xué)，2013.