CN119293488A 一种电网韧性评估方法及系统 （国网浙江省电力有限公司杭州市临平区供电公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119293488A(43)申请公布日2025.01.10

(21)申请号202411805678.7

(22)申请日2024.12.10

(71)申请人国网浙江省电力有限公司杭州市临平区供电公司

地址311222浙江省杭州市临平区南苑街

道藕花洲大街398号

申请人国网浙江省电力有限公司杭州供电

公司

(72)发明人丁叶强陈悦黄佳斌朱鹏姜建唐洪良汪莹洁

(74)专利代理机构广州三环专利商标代理有限公司44202

专利代理师温玲

GO6F

GO6F

GO6N

GO6N

GO6N

GO6Q

GO6Q

18/214(2023.01)

18/23(2023.01)3/04(2023.01)

3/0455(2023.01)

3/084(2023.01)

10/0639(2023.01)

50/06(2024.01)

(51)Int.CI.

GO6F18/213(2023.01)

权利要求书3页说明书20页附图4页

(54)发明名称

一种电网韧性评估方法及系统

(57)摘要

CN119293488A本发明公开了一种电网韧性评估方法及系统，其中方法包括：将采集到的目标区域电网的监测指标数据和环境指标数据输入至预先训练好的电网韧性评估模型中进行评估识别，以得到韧性评估结果；所述监测指标数据包括电压数据、电流数据、谐波数据和功率数据，所述环境指标数据包括温湿度数据、线损数据和频率数据；其中，所述电网韧性评估模型的构建过程包括对其中的数据扩充过程、特征提取模型、特征降维模型和分类器模型分别进行训练，以得到所述电网韧性评估模型。本发明通过优化模型的训练过程以提高评估模型的评估的准确性

CN119293488A

在第一环节中，构建宏微观双核函数以对所述电力监测指标数据和所述线路环境指标数据作为样本数据进行聚类，得到初步聚类结果，对所述初步聚类结果进行聚类特性分析，得到聚类特性分析结果

基于所述聚类特性分析结果，利用SMO算法对所述样本数据进行扩充，得到指标扩充数据集

在第二环节中，将所述指标扩充数据集输入神经网络模型中进行训练，通过混沌反馈机制和正则化策略进行模型的参数优化以得到特征提取模型，并基于所述特征提取模型输出第一指标特征数据集

在第三环节中，将所述第一指标特征数据集输入自编码器并通过动态路由决策进行参数重构优化以构建得到特征降维模型，并基于所述特征降维模型输出第二指标特征数据集

在第四环节中，将所述第二指标特征数据集输入高阶神经网络模型中进行训练，并动态调整模型梯度更新速率以构建得到所述电网韧性评估模型

S2

S3

S4

S5

CN119293488A权利要求书1/3页

2

1.一种电网韧性评估方法，其特征在于，包括：

将采集到的目标区域电网的电力监测指标数据和线路环境指标数据输入至预先训练好的电网韧性评估模型中进行评估识别，以得到韧性评估结果；

其中，所述电网韧性评估模型被设计为构建过程中的数据扩充、特征提取、特征降维和分类器分类环节进行的训练，以得到训练好的所述电网韧性评估模型。

2.如权利要求1所述的电网韧性评估方法，其特征在于，所述电网韧性评估模型的构建过程包括：

在第一环节中，构建宏微观双核函数以对所述电力监测指标数据和所述线路环境指标数据作为样本数据进行聚类，得到初步聚类结果，对所述初步聚类结果进行聚类特性分析，得到聚类特性分析结果；

基于所述聚类特性分析结果，利用SMO算法对所述样本数据进行扩充，得到指标扩充数据集；

在第二环节中，将所述指标扩充数据集输入神经网络模型中进行训练，通过混沌反馈机制和正则化策略进行模型的参数优化以得到特征提取模型，并基于所述特征提取模型输出第一指标特征数据集；

在第三环节中，将所述第一指标特征数据集输入自编码器并通过动态路由决策进行参数重构优化以构建得到特征降维模型，并基于所述特征降维模型输出第二指标特征数据集；

在第四环节中，将所述第二指标特征数据集输入高阶神经网络模型中进行训练，并动态调整模型梯度更新速率以构建得到所述电网韧性评估模型。

3.如权利要求2所述的电网韧性评估方法，其特征在于，所述特征提取模型的训练过程包括：

在第一训练过程中，通过所述混沌反馈机制调整神经网络模型的学习率，并基于所述正则化策略动态调整神经网络