基于層次分析法和神經網絡電網安全態勢分析

摘 要： 對于電網的安全態勢分析是依據評估指標完成的。由于安全評估指標間存在非線性關系，導致對安全態勢分析的效果不佳。提出一種基于層次分析法和神經網絡的電網安全態勢分析評估方法，運用層次分析法對電網的多個邏輯結構進行分層，對影響安全態勢的因素進行權值設定，獲取各影響因素的權重，按照權重大小選擇對電網安全干擾較高的影響因素，通過歷史評估數據對神經網絡模型進行訓練后，完成電網的安全評估。實驗結果說明改進方法可對電網安全進行準確評估，并且評估精度較高。

關鍵詞： 層次分析法； 神經網絡； 電網安全； 安全評估

中圖分類號： TN911?34； TP22 文獻標識碼： 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

電網安全關系到國家安全和社會穩定，是電力企業生存和發展的根本。又由于電網系統龐大而復雜的綜合性，需要考慮的安全評估指標較多[1?2]。不同電網安全評估指標之間大都存在非線性關系，導致傳統方法無法準確描述不同指標間存在的關聯性，得到的電網安全評估結果存在較大偏差。在這種情況下，塑造有效的電網評估模型，成為相關學者的重點研究方向[3?6]。

文獻[7]提出融合因子分析法和層次分析法的電網評估方法，該方法的評估結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生穩定性電壓評估的決策樹方法，實現電網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]依據系統性能論以及層次分析法的電網安全評估方法，通過塑造電網優勢函數對電網安全進行評估，當系統性能存在較大波動時，該方法的評估精度將大大降低，穩定性較差。文獻[10]提出通過模糊神經網絡模型的電網評估模型，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網絡的電網安全評估方法，采用層次分析法對全部可以影響電網安全的因素進行分析，運算各影響因素的權值，按照權重選擇對電網安全干擾最高的因素，將該因素當成神經網絡的輸入并塑造神經網絡模型，依據歷史評估數據對神經網絡模型進行訓練后，對電網安全進行評估。實驗結果說明所提方法具有較高的評估準確性。

1 層次分析法和神經網絡的電網安全評估

層次分析法與神經網絡結合的電網安全評估過程是：采用層次分析法構建電網層次結構，基于該結構對影響電網安全評估的因素賦予權重，并通過層次分析軟件獲取電網安全的影響因素以及權重，按照權重大小選擇對電網安全干擾最高的因素，并將該因素當成神經網絡的輸入并塑造神經網絡模型，通過歷史評估數據對神經網絡模型進行訓練后，對電網安全進行評估。在塑造的神經網絡模型中，本文將影響因素數據當成神經元輸入層的輸入，運算結果看成網絡的輸出。

1.1 塑造電網層次結構和電網安全評估指標體系

1.1.1 電網層次結構

層次分析法（Analytical Hierarchy Process，AHP）是一種將定性和定量相結合的，系統化、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安全的因素，獲取各因素的權值，并采集對電網安全干擾最高的因素。

塑造電網的層次結構，如圖1所示。假設構建目標為電網的安全與否，第1層包括全部影響電網安全的主因素，子因素則列于下一層。

1.1.2 電網安全影響因素及其權重的選擇

在上述電網層次結構的基礎上，設置電網安全性指標體系如圖2所示，包括安全輸電能力、靜態電壓安全性、拓撲結構脆弱性、暫態安全性和風險指標等五方面。

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

分析表1，從電網安全影響因素的權重值可以看出，電壓裕度和負荷裕度對電網安全影響重大，選擇表1中7個權重較大的因素，也就是表1中被標注“*”的因素作為神經網絡的輸入，并通過歷史評估數據對神經網絡模型進行訓練后，實現電網安全評估。

1.2 基于層次分析法和神經網絡的電網安全評估

1.2.1 BP神經網絡原理

BP神經網絡是目前使用最廣泛的一種網絡，包括輸入層、若干隱含層以及輸出層。BP算法是一種監督式的學習算法，其通過梯度檢索方法對已知的學習樣本進行分析，進而確保網絡的實際輸出值與期望輸出值的均方值誤差最小。BP神經網絡的結構見圖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神經網絡的電網安全評估

神經網絡的拓撲結構是由網絡的層數、各層的節點數以及節點之間的連接方式組成的。本文研究采用層次分析法結合BP神經網絡對輸電網的安全運行過程進行建模評價。BP神經網絡可以有一個或多個隱含層，而三層的BP神經網絡能夠完成任意的[n]維到[m]維的映射，即一個隱含層已經完全能夠模擬任意的非線性關系。

通過基于層次分析后的電網安全評估指標體系，塑造3層神經網絡。將表1中7個權重較大的因素作為神經網絡的輸入。在BP神經網絡模型中采用三層網絡，輸入節點是層次分析法中的7個影響因素，輸出節點是1，隱層的節點數為6。學習方式是BP神經網絡算法。

實現電網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安全評估模型。實驗采用層次分析法，從國家電網公司某分電網評估歷史數據中采集5組電網安全評估重要因素權重樣本數據，如表2所示。并將這些樣本數據當成神經網絡的輸入值，將各組數據的評估結果作為期望輸出值對神經網絡進行訓練，神經網絡的輸入量是評估數據指標通過歸一化處理后的值。并將這些權重作為神經網絡的7個輸入節點，設置隱含層節點數為6，輸出節點數為1，該節點用來表示綜合評價結果。

將表2中的樣本數據列入神經網絡模型，以得到預期的輸出結果，對神經網絡進行測試訓練，設置學習速率為0.02，學習精度為0.001，通過訓練2次后，神經網絡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，輸出驗證結果如表3所示。分析表3可得，神經網絡預測輸出值同期望輸出結果間的誤差達到了0.001，輸出電網安全等級同期望輸出結果相匹配，說明本文提出的基于層次分析法和神經網絡的電網安全評估方法是有效的，可用于實際電網安全等級的評價。

為了進一步驗證本文方法的準確性，對比分析本文方法和文獻[8]方法的評估精度，兩種方法的輸出結果和期望的輸出結果對比情況如圖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，本文方法對電網安全的評估精度較高。實驗結果說明，通過本文提出的層次分析法分析出的輸入因素越重要，風險評估的結果越佳，并且降低了神經網絡結構的復雜性，提高了學習效率，大大增強了電網安全評估精度。

3 結 論

本文提出一種基于層次分析法和神經網絡的電網安全評估方法，將層次分析法和神經網絡相結合，用于評估電網的安全。采用層次分析法塑造電網層次結構，對全部干擾電網安全的因素進行分析，獲取各影響因素的權重，按照權重大小選擇對電網安全干擾較高的影響因素，并將這些影響因素當成神經網絡的輸入，同時塑造神經網絡模型，通過歷史評估數據對神經網絡模型進行訓練后，完成電網的安全評估。實驗結果說明，所提方法可對電網安全進行準確評比，并且評估精度也較高。

參考文獻

[1] 張東霞，姚良忠，馬文媛.中外智能電網發展戰略[J].中國電機工程學報，2013，33（31）：1?14.

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

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

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

[5] 尚文，王維民，齊鵬逸，等.基于條件規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.計及故障重構的含分布式電源配電網可靠性評估[J].電力系統自動化，2013，37（4）：35?40.

[7] 郭創新，陸海波，俞斌，等.電力二次系統安全風險評估綜述[J].電網技術，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連鎖故障預警方法[J].電網技術，2013，37（6）：1659?1665.

[9] 趙繼超，袁越，傅質馨，等.基于Copula理論的風光互補發電系統可靠性評估[J].電力自動化設備，2013，31（1）：124?129.

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