本發(fā)明涉及電力技術(shù)領(lǐng)域，特別是涉及一種配電網(wǎng)供電可靠性預(yù)測方法和系統(tǒng)。

背景技術(shù)：

配電網(wǎng)供電的安全可靠程度與國民生產(chǎn)生活有密切的關(guān)聯(lián)，配電網(wǎng)供電可靠性一定程度上體現(xiàn)了供電企業(yè)在電網(wǎng)的建設(shè)、改造以及運行維護等方面的綜合能力。進一步提升配電網(wǎng)的供電可靠性，不僅可以最大限度滿足電力用戶的用電需求，同時也有利于促進電網(wǎng)建設(shè)的進一步完善和發(fā)展。

傳統(tǒng)的配電網(wǎng)供電可靠性工作重點在配電網(wǎng)的管理，近年來逐漸由被動管理轉(zhuǎn)化為主動預(yù)防。已有相關(guān)的技術(shù)提出通過人工神經(jīng)網(wǎng)絡(luò)、支持向量機(supportvectormachine，svm)等方法對影響城市電網(wǎng)可靠性的因素進行分析，進而對配電網(wǎng)供電可靠性做出預(yù)測。

這些技術(shù)中雖然預(yù)測算法逐漸創(chuàng)新優(yōu)化，但預(yù)測結(jié)果的精確度較差。

技術(shù)實現(xiàn)要素：

基于此，有必要針對預(yù)測結(jié)果的精確度較差的問題，提供一種配電網(wǎng)供電可靠性預(yù)測方法和系統(tǒng)。

一種配電網(wǎng)供電可靠性預(yù)測方法，包括以下步驟：

根據(jù)配電網(wǎng)的網(wǎng)架結(jié)構(gòu)、技術(shù)裝備參數(shù)、設(shè)備質(zhì)量參數(shù)、故障因子以及運行維護參數(shù)選取多種影響供電可靠性的原始指標(biāo)因素；

對所述原始指標(biāo)因素進行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化指標(biāo)因素，計算各個標(biāo)準(zhǔn)化指標(biāo)因素與預(yù)設(shè)的可靠性評價指標(biāo)之間的相關(guān)系數(shù)，根據(jù)所述相關(guān)系數(shù)從所述指標(biāo)因素中篩選出對供電可靠性影響較為明顯的核心指標(biāo)因素；

根據(jù)所述核心指標(biāo)因素構(gòu)建徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，獲取所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隱含層的最優(yōu)中心向量、最優(yōu)基寬向量和最優(yōu)輸出權(quán)重，根據(jù)所述最優(yōu)中心向量、最優(yōu)基寬向量和最優(yōu)輸出權(quán)重獲取供電可靠性預(yù)測模型，根據(jù)所述供電可靠性預(yù)測模型對配電網(wǎng)供電可靠性進行預(yù)測。

一種配電網(wǎng)供電可靠性預(yù)測系統(tǒng)，包括：

指標(biāo)因素選取模塊，用于根據(jù)配電網(wǎng)的網(wǎng)架結(jié)構(gòu)、技術(shù)裝備參數(shù)、設(shè)備質(zhì)量參數(shù)、故障因子以及運行維護參數(shù)選取多種影響供電可靠性的原始指標(biāo)因素；

原始數(shù)據(jù)篩選模塊，用于對所述原始指標(biāo)因素進行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化指標(biāo)因素，計算各個標(biāo)準(zhǔn)化指標(biāo)因素與預(yù)設(shè)的可靠性評價指標(biāo)之間的相關(guān)系數(shù)，根據(jù)所述相關(guān)系數(shù)從所述指標(biāo)因素中篩選出對供電可靠性影響較為明顯的核心指標(biāo)因素；

預(yù)測模型訓(xùn)練模塊，用于根據(jù)所述核心指標(biāo)因素構(gòu)建徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，獲取所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隱含層的最優(yōu)中心向量、最優(yōu)基寬向量和最優(yōu)輸出權(quán)重，根據(jù)所述最優(yōu)中心向量、最優(yōu)基寬向量和最優(yōu)輸出權(quán)重獲取供電可靠性預(yù)測模型，根據(jù)所述供電可靠性預(yù)測模型對配電網(wǎng)供電可靠性進行預(yù)測。

上述配電網(wǎng)供電可靠性預(yù)測方法和系統(tǒng)，選取多種影響供電可靠性的指標(biāo)因素；利用相關(guān)性分析，對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，計算多種影響供電可靠性的指標(biāo)與可靠性評價指標(biāo)之間的相關(guān)系數(shù)，定性分析出對供電可靠性影響較為明顯的指標(biāo)；構(gòu)建徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)并優(yōu)化隱含層的中心向量、基寬向量和輸出權(quán)重，完成對供電可靠性預(yù)測模型的訓(xùn)練。預(yù)測過程中，充分考慮了多方面的供電可靠性影響因素，適用于多輸入變量的情況。利用相關(guān)性分析理論對特征指標(biāo)進行預(yù)篩選處理，有效提升了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的預(yù)測精度、穩(wěn)定性和泛化性能。此外，優(yōu)化了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，克服了其收斂速度較慢、容易落入局部最優(yōu)點的弊端，設(shè)置參數(shù)少，有效減少預(yù)測模型的訓(xùn)練時間，提高了預(yù)測精度。通過上述預(yù)測方法和系統(tǒng)，在樣本數(shù)據(jù)準(zhǔn)確的情況下，可對供電可靠性進行更加全面的分析和預(yù)測，對于引導(dǎo)供電企業(yè)制定可靠性提升策略提供了科學(xué)有效的參考依據(jù)。

附圖說明

圖1為一實施例中配電網(wǎng)供電可靠性預(yù)測方法的流程圖；

圖2為一實施例中影響供電可靠性指標(biāo)分類圖；

圖3為一實施例中影響供電可靠率rs-1主要指標(biāo)對比圖；

圖4為一實施例中徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程圖；

圖5為一實施例中配電網(wǎng)供電可靠性預(yù)測系統(tǒng)結(jié)構(gòu)圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明的技術(shù)方案進行說明。

如圖1所示，本發(fā)明提供一種配電網(wǎng)供電可靠性預(yù)測方法，可包括以下步驟：

步驟s1：根據(jù)配電網(wǎng)的網(wǎng)架結(jié)構(gòu)、配電網(wǎng)的技術(shù)裝備參數(shù)、配電網(wǎng)設(shè)備質(zhì)量參數(shù)、配電網(wǎng)故障因子以及配電網(wǎng)運行維護參數(shù)選取多種影響供電可靠性的原始指標(biāo)因素。

配電網(wǎng)的供電可靠性與電網(wǎng)自身供應(yīng)能力、運行維護水平以及外界因素密切相關(guān)。為保證對供電可靠性分析的全面性，從配電網(wǎng)的網(wǎng)架結(jié)構(gòu)、配電網(wǎng)的技術(shù)裝備參數(shù)、設(shè)備質(zhì)量參數(shù)、故障因子以及運行維護參數(shù)等五個方面選取30個影響供電可靠性的指標(biāo)，作為供電可靠性預(yù)測模型輸入變量。其中配電網(wǎng)的網(wǎng)架結(jié)構(gòu)關(guān)系到供電能力和供電穩(wěn)定性，即配電網(wǎng)對負荷變化的承受能力和抗毀能力；技術(shù)裝備參數(shù)和設(shè)備質(zhì)量參數(shù)、故障因子關(guān)系到設(shè)備的故障率和故障排除時間，評價的是配網(wǎng)運行的防故障能力和故障發(fā)生后的快速甄別、定位、隔離能力；運行維護水平主要涉及帶電作業(yè)水平以及配電網(wǎng)快速復(fù)電能力。

供電可靠性指標(biāo)分類如圖2所示。電網(wǎng)的網(wǎng)架結(jié)構(gòu)的科學(xué)性和合理性是影響供電可靠性的重要因素，合理的網(wǎng)架結(jié)構(gòu)可以在任意元件發(fā)生故障時實現(xiàn)電力負荷的有效轉(zhuǎn)移，并盡量減少用戶的停電時間；配電網(wǎng)技術(shù)裝備水平主要包括線路的絕緣化及電纜化程度、配電網(wǎng)自動化建設(shè)及維護水平；配電網(wǎng)設(shè)備包括配電變壓器、開關(guān)柜線路、桿塔、金具、避雷器等多種設(shè)備，設(shè)備的使用壽命以及發(fā)生故障的次數(shù)對于供電可靠性有著較大的影響；配電網(wǎng)故障主要受自然因素、外力因素以及運行維護施工的影響；配電網(wǎng)運行維護水平主要涉及帶電作業(yè)水平以及配電網(wǎng)快速復(fù)電能力等等。五個方面的具體指標(biāo)如表1所示。

表1影響供電可靠性指標(biāo)

步驟s2：對所述原始指標(biāo)因素進行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化指標(biāo)因素，計算各個標(biāo)準(zhǔn)化指標(biāo)因素與預(yù)設(shè)的可靠性評價指標(biāo)之間的相關(guān)系數(shù)，根據(jù)所述相關(guān)系數(shù)從所述指標(biāo)因素中篩選出對供電可靠性影響較為明顯的核心指標(biāo)因素。

由于影響配電網(wǎng)供電可靠性的因素多種多樣，因此需要對多種因素進行篩選，挑出核心的因素。可通過相關(guān)性分析(correlationanalysis，ca)篩選核心指標(biāo)因素。相關(guān)性分析是通過計算相關(guān)系數(shù)來衡量和評價變量之間的強弱關(guān)系。供電可靠性評價指標(biāo)包括供電可靠率、用戶平均停電時間等多種評價指標(biāo)。在一個實施例中，可選取供電可靠率rs-1為評價指標(biāo)，利用spss(statisticalproductandservicesolutions，統(tǒng)計產(chǎn)品與服務(wù)解決方案)工具進行相關(guān)性分析計算。供電可靠率rs-1為在統(tǒng)計期間內(nèi)，對用戶有效供電時間總小時數(shù)與統(tǒng)計期間小時數(shù)的比值，其公式為

式中，rs-1為可靠性評價指標(biāo)，t1為用戶平均停電時間，t2為一個統(tǒng)計周期的時間長度。

在一個實施例中，可以對原始數(shù)據(jù)進行z-score標(biāo)準(zhǔn)化處理。通過對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，可以消除原始變量量綱不同的影響?；谠紨?shù)據(jù)的均值和標(biāo)準(zhǔn)差，通過以下公式將原始指標(biāo)因素使用z-score標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化指標(biāo)因素。具體可采用以下公式：

式中，d'為標(biāo)準(zhǔn)化指標(biāo)因素，d為原始指標(biāo)因素，為原始指標(biāo)因素的均值，δ為原始指標(biāo)因素的標(biāo)準(zhǔn)差。

所述相關(guān)系數(shù)可以是皮爾遜相關(guān)系數(shù)或斯皮爾曼秩相關(guān)系數(shù)。皮爾遜相關(guān)系數(shù)用于度量兩個變量之間線性相關(guān)性的強弱，其具有一定的應(yīng)用條件：1)必須假設(shè)數(shù)據(jù)是成對地從正態(tài)分布中取得的；2)數(shù)據(jù)至少在邏輯范疇內(nèi)必須是等間距的。其數(shù)學(xué)定義為：

其中：n為樣本數(shù)量；xi和yi為兩變量的變量值；r即為皮爾遜相關(guān)系數(shù)。皮爾遜相關(guān)系數(shù)取值范圍是[-1,1]，r＝1表示為完全正相關(guān)，r＝-1為完全負相關(guān)，r＝0表示不存在線性相關(guān)關(guān)系。|r|越接近于1線性相關(guān)程度越好，|r|越接近于0線性相關(guān)程度越弱。應(yīng)當(dāng)說明的是，這里的樣本指的是對上述標(biāo)準(zhǔn)化指標(biāo)因素的取樣結(jié)果，即，對每項標(biāo)準(zhǔn)化指標(biāo)因素，分別取若干個樣本值，xi代表當(dāng)前處理的標(biāo)準(zhǔn)化指標(biāo)因素對應(yīng)的第i個樣本，代表前處理的標(biāo)準(zhǔn)化指標(biāo)因素的樣本均值，yi代表第i個樣本的可靠性評價指標(biāo)，代表各個可靠性評價指標(biāo)的均值。

由于相關(guān)系數(shù)是對總體的部分樣本進行計算得到的，因此不能直接斷定樣本來源的總體滿足顯著的相關(guān)關(guān)系，需要通過假設(shè)檢驗的方式進行推斷，即利用假設(shè)檢驗的方式從數(shù)學(xué)上說明結(jié)論的正確性。其基本步驟為：

(1)根據(jù)各個標(biāo)準(zhǔn)化指標(biāo)因素構(gòu)建樣本，對所述樣本與可靠性評價指標(biāo)提出原假設(shè)h0和備擇假設(shè)h1；其中，原假設(shè)認為所述樣本與可靠性評價指標(biāo)無顯著相關(guān)關(guān)系，備擇假設(shè)認為所述樣本與可靠性評價指標(biāo)具有顯著相關(guān)關(guān)系；

(2)根據(jù)樣本容量選擇檢驗統(tǒng)計量，例如t統(tǒng)計量、z統(tǒng)計量；

(3)計算檢驗統(tǒng)計量的觀測值和對應(yīng)的概率p；

(4)確定顯著性水平?jīng)Q策α并作出決策。如果檢驗統(tǒng)計量的概率p小于顯著性水平α，則拒絕原假設(shè)，證實了備擇假設(shè)，認為兩個總體具有顯著的相關(guān)關(guān)系，可計算樣本中各個標(biāo)準(zhǔn)化指標(biāo)因素與預(yù)設(shè)的可靠性評價指標(biāo)之間的皮爾遜相關(guān)系數(shù)；反之，如果檢驗統(tǒng)計量的概率p大于或等于顯著性水平α，則不能拒絕原假設(shè)，認為兩個總體不存在相關(guān)關(guān)系，可計算樣本中各個標(biāo)準(zhǔn)化指標(biāo)因素與預(yù)設(shè)的可靠性評價指標(biāo)之間的斯皮爾曼秩相關(guān)系數(shù)。

其中，步驟(2)的統(tǒng)計量視乎樣本容量大小而選擇。

z統(tǒng)計量適用于樣本容量n大于預(yù)設(shè)值(例如，n＞30)的大樣本平均值差異性檢驗的方法。它是用標(biāo)準(zhǔn)正態(tài)分布的理論來推斷差異發(fā)生的概率，從而比較兩個平均數(shù)的差異是否顯著。其值的計算公式為：

其中，是樣本的平均數(shù)；μ0是已知總體的平均數(shù)；s是樣本的標(biāo)準(zhǔn)差；n是樣本容量。查z界值表，確定概率p值，再依據(jù)下表2對差異顯著性關(guān)系表作出判斷。其中，樣本即對上述標(biāo)準(zhǔn)化指標(biāo)因素的取樣結(jié)果，已知總體即對上述標(biāo)準(zhǔn)化指標(biāo)因素的統(tǒng)計結(jié)果，是與“抽樣”對應(yīng)的一個概念，抽樣從已知總體中產(chǎn)生。

表2z值與差異顯著性關(guān)系表

t統(tǒng)計量適用于樣本容量n小于或等于預(yù)設(shè)值(例如，n≤30)的小樣本，總體標(biāo)準(zhǔn)差σ未知的正態(tài)分布。當(dāng)總體分布是正態(tài)分布，如總體標(biāo)準(zhǔn)差未知且樣本容量小于30，那么樣本平均數(shù)與總體平均數(shù)的離差統(tǒng)計量呈t分布。t統(tǒng)計量計算公式為：

其中，是樣本的平均數(shù)；μ0是已知總體的平均數(shù)；s是樣本的標(biāo)準(zhǔn)差；n是樣本容量。其中，樣本即對上述標(biāo)準(zhǔn)化指標(biāo)因素的取樣結(jié)果，已知總體即對上述標(biāo)準(zhǔn)化指標(biāo)因素的統(tǒng)計結(jié)果，是與“抽樣”對應(yīng)的一個概念，抽樣從已知總體中產(chǎn)生。

t檢驗是通過計算得到的t統(tǒng)計量，根據(jù)自由度df＝n-1，查t界值表，確定概率p值，再依據(jù)下表3對差異顯著性關(guān)系表作出判斷。

表3t值與差異顯著性關(guān)系表

值得一提的是，表2和表3中的數(shù)值可以采用上述值，也根據(jù)實際需要自行設(shè)定。

在一個實施例中，利用spss可計算選用的30個影響供電可靠性的指標(biāo)與供電可靠率rs-1的皮爾遜相關(guān)系數(shù)。

在實際操作中，選擇雙尾顯著性檢驗進行spss相關(guān)性計算檢驗。雙尾顯著性檢驗是指備擇假設(shè)沒有特定的方向性，并含有符號“≠”的假設(shè)檢驗。原假設(shè)和備擇假設(shè)是一個完備事件組，而且相互對立。例如：原假設(shè)為h0：m＝m0，備擇假設(shè)為h1：m≠m0，即為雙尾檢驗。

利用spss數(shù)據(jù)處理和檢驗后分析，可得出環(huán)網(wǎng)率、站間聯(lián)絡(luò)率、絕緣化率、架空線絕緣化率、電纜化與供電可靠率rs-1有顯著的相關(guān)性。

在相關(guān)系數(shù)滿足顯著性進行檢驗的基礎(chǔ)之上有以下經(jīng)驗結(jié)論：

當(dāng)相關(guān)系數(shù)r的絕對值大于或等于第一閾值(例如，|r|≥0.8)時，可視為兩個變量之間高度相關(guān)；

當(dāng)相關(guān)系數(shù)r的絕對值大于或等于第二閾值且小于第一閾值(例如，0.5≤|r|<0.8)時，可視為中度相關(guān)；

當(dāng)相關(guān)系數(shù)r的絕對值大于或等于第三閾值且小于第二閾值(例如，0.3≤|r|<0.5)時，視為低度相關(guān)；

當(dāng)相關(guān)系數(shù)r的絕對值小于第三閾值(例如，|r|<0.3)時，說明兩個變量之間的相關(guān)程度極弱，可視為不相關(guān)。

將滿足顯著性檢驗的指標(biāo)提取出來，相應(yīng)分析結(jié)果如表4所示：

表4皮爾遜相關(guān)性分析與供電可靠率rs-1顯著相關(guān)指標(biāo)

由于皮爾遜相關(guān)系數(shù)必須假設(shè)數(shù)據(jù)是成對地從正態(tài)分布中取得的，并且數(shù)據(jù)在邏輯范疇內(nèi)必須是等間距的。如果這兩條件不符合，一種可能的解決方法就是采用斯皮爾曼秩相關(guān)系數(shù)來代替皮爾遜相關(guān)系數(shù)。斯皮爾曼秩相關(guān)系數(shù)用來評價當(dāng)用單調(diào)函數(shù)表征兩個變量之間的關(guān)系時的效果如何，不要求變量滿足正態(tài)分布。斯皮爾曼秩相關(guān)系數(shù)通常被認為是排列后的變量之間的皮爾遜相關(guān)系數(shù)，其計算方法如下：假設(shè)原始指標(biāo)因素xi和yi已經(jīng)按從大到小的順序排列，記xi′和yi′為原始指標(biāo)因素xi和yi在排列后數(shù)據(jù)所在的位置，則xi′和yi′稱為變量xi和yi的秩次。

di＝x′i-y′i

其中：n為樣本數(shù)量；xi和yi為兩變量的變量值；r即為皮爾遜相關(guān)系數(shù)；di為xi與yi的秩次之差。斯皮爾曼秩相關(guān)系數(shù)的符號表示x與y之間的方向。當(dāng)x隨y的增加而增加，則相關(guān)系數(shù)為正數(shù)；當(dāng)x隨y的增加而減小，則相關(guān)系數(shù)為負數(shù)。當(dāng)x與y相關(guān)系數(shù)的絕對值為1時表示變量之間滿足嚴(yán)格的單調(diào)函數(shù)關(guān)系。

在一個實施例中，利用spss可計算選用的30個影響供電可靠性的指標(biāo)與供電可靠率rs-1的斯皮爾曼秩相關(guān)系數(shù)。同樣選擇雙尾顯著性檢驗，數(shù)據(jù)處理分析得到，環(huán)網(wǎng)率、站間聯(lián)絡(luò)率、線路平均分段數(shù)、絕緣化率、架空線絕緣化率、電纜化率、裸導(dǎo)線中壓線路故障率、中壓故障停電急修到位平均時間、預(yù)試定檢總次數(shù)、減少用戶平均停電時間、自然因素引起的故障次數(shù)、外力因素引起的故障次數(shù)與供電可靠性存在顯著相關(guān)關(guān)系。

將有顯著相關(guān)關(guān)系的指標(biāo)提取出來，相應(yīng)分析結(jié)果如表5所示：

表5斯皮爾曼相關(guān)性分析與供電可靠率rs-1顯著相關(guān)指標(biāo)

可對兩種相關(guān)性方法的分析結(jié)果進行對比分析，進行權(quán)衡后篩選出影響供電可靠性的主要指標(biāo)。

由于相關(guān)性強弱分析中認為|r|<0.3時兩個變量之間的相關(guān)程度極弱，可視為不相關(guān)，因此將相關(guān)性表現(xiàn)為極弱的指標(biāo)篩除掉。

以供電可靠率rs-1作為供電可靠性評價指標(biāo)，皮爾遜相關(guān)性分析得到的結(jié)果與斯皮爾曼相關(guān)性分析得到的結(jié)果對比如圖3所示。對比兩種方法得到的結(jié)果，篩選出的主要影響供電可靠性的指標(biāo)為環(huán)網(wǎng)率、站間聯(lián)絡(luò)率、絕緣化率、架空線絕緣化率、電纜化率、預(yù)試定檢的次數(shù)、自然因素引起的故障次數(shù)、外力因素引起的故障次數(shù)等8個指標(biāo)。

步驟s3：根據(jù)所述核心指標(biāo)因素構(gòu)建徑向基函數(shù)(radialbasisfunction，rbf)神經(jīng)網(wǎng)絡(luò)，獲取所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隱含層的最優(yōu)中心向量、最優(yōu)基寬向量和最優(yōu)輸出權(quán)重，根據(jù)所述最優(yōu)中心向量、最優(yōu)基寬向量和最優(yōu)輸出權(quán)重獲取供電可靠性預(yù)測模型，根據(jù)所述供電可靠性預(yù)測模型對配電網(wǎng)供電可靠性進行預(yù)測。

rbf神經(jīng)網(wǎng)絡(luò)是一種由輸入層、隱含層和輸出層構(gòu)成的三層前饋神經(jīng)網(wǎng)絡(luò)，隱含層神經(jīng)元的運算函數(shù)采用具有良好局部特性的徑向基函數(shù)，使得輸入僅在一個局部的區(qū)間內(nèi)通過隱含層產(chǎn)生一定的輸出，而區(qū)間外輸出基本為零，故其具有諸多優(yōu)點，如非線性逼近能力強、網(wǎng)絡(luò)結(jié)構(gòu)簡單等。rbf神經(jīng)網(wǎng)絡(luò)能避開局部最小問題，但對樣本數(shù)據(jù)選取的要求較高。

rbf神經(jīng)網(wǎng)絡(luò)隱含層的作用函數(shù)常取高斯基函數(shù)，該層神經(jīng)元j的輸出為：

x＝[x1x2lxn]^t∈rⁿ

cj＝[c1jc2jlcijlcnj]^t

式中：j為徑向基層神經(jīng)元數(shù)，x為神經(jīng)網(wǎng)絡(luò)的輸入向量，cj為中心向量，b＝(b1,b2,l,bj)為基寬向量。

整個網(wǎng)絡(luò)的輸出為：

y＝wh^t

w＝[w1w2lwj]

h＝[h1h2lhj]

上述三式中：y為網(wǎng)絡(luò)的輸出向量，w為徑向基層與輸出層間的權(quán)向量，h為隱含層的輸出，即輸出層的輸入向量，wi為輸出權(quán)重。

在實際應(yīng)用中，rbf關(guān)鍵需要確定中心向量cj、基寬向量bj和輸出權(quán)重wj。rbf神經(jīng)網(wǎng)絡(luò)隱含層中心的數(shù)量對計算速度的影響尤為顯著，中心數(shù)量過多將使網(wǎng)絡(luò)的計算量明顯增加。傳統(tǒng)的rbf神經(jīng)網(wǎng)絡(luò)一般采用聚類算法和最小二乘法求取以上三個向量參數(shù)，網(wǎng)絡(luò)訓(xùn)練的精度和速度都較差，因此可采用粒子群算法(particleswarmoptimization，pso)對rbf的隱含層參數(shù)進行優(yōu)化，以提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率。

pso算法將問題的搜索空間比作鳥群飛行空間，將每只鳥抽象為一個粒子，用于表示尋優(yōu)問題的一個待選解，優(yōu)化得到的最優(yōu)解等同于鳥群尋找的食物。所有粒子都有自身的位置及速度以決定其飛行的距離和方向，速度根據(jù)其自身經(jīng)驗及群體經(jīng)驗進行動態(tài)調(diào)整。d維空間中第i個粒子的速度和位置分別為vi＝[vi,1,vi,2,lvi,d]和xi＝[xi,1,xi,2,lxi,d]，在每一次迭代中，確定t時間每個粒子所經(jīng)過的最佳位置pb以及群體所發(fā)現(xiàn)的最佳位置gb，通過跟蹤更新這兩個最佳位置，按照下二式更新粒子的速度和位置。

vi,j(t+1)＝vi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)]

xi,j(t+1)＝xi,j(t)+vi,j(t+1),j＝1,2,ld

上述兩式中，vi,j(t+1)為第j次迭代中第i個粒子在t+1時刻的速度，vi,j(t)為第j次迭代中第i個粒子在t時刻的速度，c1和c2為學(xué)習(xí)因子，r1和r2為0到1之間的隨機數(shù)，d為目標(biāo)函數(shù)中需要優(yōu)化的變量個數(shù)，pi,j為第j次迭代中的個體歷史最佳位置，pg,j為第j次迭代中的全局最佳位置，xi,j(t)為第j次迭代中第i個粒子在t時刻的位置，xi,j(t+1)為第j次迭代中第i個粒子在t+1時刻的位置。

如圖4，pso-rbf訓(xùn)練預(yù)測模型包括以下步驟：

(1)初始化粒子群體，即確定粒子群的大小及搜索維度。并設(shè)置pso相關(guān)參數(shù)，包括慣性系數(shù)ω、學(xué)習(xí)因子c1和c2、最大迭代次數(shù)以及粒子最大速度vmax等。

(2)根據(jù)粒子群的大小及搜索維度將每個粒子對應(yīng)的中心向量、基寬向量和輸出權(quán)重代入rbf神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法中，利用訓(xùn)練樣本得到輸出的預(yù)測值。

(3)根據(jù)訓(xùn)練樣本計算出初始化種群單個粒子的mse(meansquarederror，均方誤差)，將其作為粒子適應(yīng)度fi。

(4)對每個粒子，將其當(dāng)前適應(yīng)度fi與一次迭代中每個粒子所經(jīng)過的個體歷史最佳位置pb對比，若fi＞pb說明當(dāng)前的適應(yīng)度更高，則將用當(dāng)前位置更新個體歷史最佳位置pb，否則保持pb不變。同理比較當(dāng)前適應(yīng)值fi與一次迭代中群體所發(fā)現(xiàn)的全局最佳位置gb，當(dāng)fi＞gb更新全局最佳位置gb，否則保持gb不變。

(5)根據(jù)所述個體歷史最佳位置和全局最佳位置，按照公式更新每個粒子的速度與位置。當(dāng)?shù)螖?shù)達到最大迭代次數(shù)限制或最佳適應(yīng)度達到設(shè)定閾值即停止尋優(yōu)過程。

(6)通過pso算法得到的最優(yōu)中心向量cj、基寬向量bj和輸出權(quán)重wj后，利用rbf神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，代入公式y(tǒng)＝wh^t，即可計算出模型預(yù)測值。

上述配電網(wǎng)供電可靠性預(yù)測方法，基于相關(guān)性分析及pso-rbf的配電網(wǎng)供電可靠性預(yù)測模型有良好的預(yù)測精度、穩(wěn)定性和泛化性能。具體表現(xiàn)為：

(1)可以充分考慮多方面多角度的供電可靠性影響因素，適用于多輸入變量的情況，有利于對供電可靠性更加全面的分析預(yù)測。

(2)對輸入的原始數(shù)據(jù)進行相關(guān)性分析的處理，篩選出對供電可靠性影響較為明顯的指標(biāo)，有效的實現(xiàn)了輸入數(shù)據(jù)的降維，提升了rbf神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的預(yù)測精度和穩(wěn)定性。

(3)利用粒子群優(yōu)化算法對神經(jīng)網(wǎng)絡(luò)的中心向量、基寬向量和輸出權(quán)重進行優(yōu)化，有效減少預(yù)測模型的訓(xùn)練時間和預(yù)測精度。

(4)根據(jù)訓(xùn)練好的模型對影響供電可靠性指標(biāo)的相關(guān)因素進行靈敏度分析可以獲得對供電可靠性指標(biāo)較敏感的相關(guān)特征量。

在一個實施例中，本發(fā)明還提供一種配電網(wǎng)供電可靠性預(yù)測系統(tǒng)，如圖5所示，可包括：

指標(biāo)因素選取模塊10，用于根據(jù)配電網(wǎng)的網(wǎng)架結(jié)構(gòu)、技術(shù)裝備參數(shù)、設(shè)備質(zhì)量參數(shù)、故障因子以及運行維護參數(shù)選取多種影響供電可靠性的原始指標(biāo)因素；

配電網(wǎng)的供電可靠性與電網(wǎng)自身供應(yīng)能力、運行維護水平以及外界因素密切相關(guān)。為保證對供電可靠性分析的全面性，從配電網(wǎng)的網(wǎng)架結(jié)構(gòu)、配電網(wǎng)的技術(shù)裝備參數(shù)、設(shè)備質(zhì)量參數(shù)、故障因子以及運行維護參數(shù)等五個方面選取30個影響供電可靠性指標(biāo)，作為供電可靠性預(yù)測模型輸入變量。

原始數(shù)據(jù)篩選模塊20，用于對所述原始指標(biāo)因素進行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化指標(biāo)因素，計算各個標(biāo)準(zhǔn)化指標(biāo)因素與預(yù)設(shè)的可靠性評價指標(biāo)之間的相關(guān)系數(shù)，根據(jù)所述相關(guān)系數(shù)從所述指標(biāo)因素中篩選出對供電可靠性影響較為明顯的核心指標(biāo)因素；

由于影響配電網(wǎng)供電可靠性的因素多種多樣，因此需要對多種因素進行篩選，挑出核心的因素?？赏ㄟ^相關(guān)性分析篩選核心指標(biāo)因素。相關(guān)性分析是通過計算相關(guān)系數(shù)來衡量和評價變量之間的強弱關(guān)系。供電可靠性評價指標(biāo)包括供電可靠率、用戶平均停電時間等多種評價指標(biāo)。在一個實施例中，可選取供電可靠率rs-1為評價指標(biāo)，利用spss(statisticalproductandservicesolutions，統(tǒng)計產(chǎn)品與服務(wù)解決方案)工具進行相關(guān)性分析計算。供電可靠率rs-1為在統(tǒng)計期間內(nèi)，對用戶有效供電時間總小時數(shù)與統(tǒng)計期間小時數(shù)的比值，其公式為

式中，rs-1為可靠性評價指標(biāo)，t1為用戶平均停電時間，t2為一個統(tǒng)計周期的時間長度。

在一個實施例中，可以對原始數(shù)據(jù)進行z-score標(biāo)準(zhǔn)化處理。通過對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，可以消除原始變量量綱不同的影響。基于原始數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，通過以下公式將原始指標(biāo)因素使用z-score標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化指標(biāo)因素。具體可采用以下公式：

式中，d'為標(biāo)準(zhǔn)化指標(biāo)因素，d為原始指標(biāo)因素，為原始指標(biāo)因素的均值，δ為原始指標(biāo)因素的標(biāo)準(zhǔn)差。

所述相關(guān)系數(shù)可以是皮爾遜相關(guān)系數(shù)或斯皮爾曼秩相關(guān)系數(shù)。皮爾遜相關(guān)系數(shù)用于度量兩個變量之間線性相關(guān)性的強弱，其具有一定的應(yīng)用條件：1)必須假設(shè)數(shù)據(jù)是成對地從正態(tài)分布中取得的；2)數(shù)據(jù)至少在邏輯范疇內(nèi)必須是等間距的。其數(shù)學(xué)定義為：

其中：n為樣本數(shù)量；xi和yi為兩變量的變量值；r即為皮爾遜相關(guān)系數(shù)。皮爾遜相關(guān)系數(shù)取值范圍是[-1,1]，r＝1表示為完全正相關(guān)，r＝-1為完全負相關(guān)，r＝0表示不存在線性相關(guān)關(guān)系。|r|越接近于1線性相關(guān)程度越好，|r|越接近于0線性相關(guān)程度越弱。應(yīng)當(dāng)說明的是，這里的樣本指的是對上述標(biāo)準(zhǔn)化指標(biāo)因素的取樣結(jié)果，即，對每項標(biāo)準(zhǔn)化指標(biāo)因素，分別取若干個樣本值，xi代表當(dāng)前處理的標(biāo)準(zhǔn)化指標(biāo)因素對應(yīng)的第i個樣本，代表前處理的標(biāo)準(zhǔn)化指標(biāo)因素的樣本均值，yi代表第i個樣本的可靠性評價指標(biāo)，代表各個可靠性評價指標(biāo)的均值。

由于相關(guān)系數(shù)是對總體的部分樣本進行計算得到的，因此不能直接斷定樣本來源的總體滿足顯著的相關(guān)關(guān)系，需要通過假設(shè)檢驗的方式進行推斷，即利用假設(shè)檢驗的方式從數(shù)學(xué)上說明結(jié)論的正確性。其基本步驟為：

(1)根據(jù)各個標(biāo)準(zhǔn)化指標(biāo)因素構(gòu)建樣本，對所述樣本與可靠性評價指標(biāo)提出原假設(shè)h0和備擇假設(shè)h1；其中，原假設(shè)認為所述樣本與可靠性評價指標(biāo)無顯著相關(guān)關(guān)系，備擇假設(shè)認為所述樣本與可靠性評價指標(biāo)具有顯著相關(guān)關(guān)系；

(2)根據(jù)樣本容量選擇檢驗統(tǒng)計量，例如t統(tǒng)計量、z統(tǒng)計量；

(3)計算檢驗統(tǒng)計量的觀測值和對應(yīng)的概率p；

(4)確定顯著性水平?jīng)Q策α并作出決策。如果檢驗統(tǒng)計量的概率p小于顯著性水平α，則拒絕原假設(shè)，證實了備擇假設(shè)，認為兩個總體具有顯著的相關(guān)關(guān)系，可計算樣本中各個標(biāo)準(zhǔn)化指標(biāo)因素與預(yù)設(shè)的可靠性評價指標(biāo)之間的皮爾遜相關(guān)系數(shù)；反之，如果檢驗統(tǒng)計量的概率p大于或等于顯著性水平α，則不能拒絕原假設(shè)，認為兩個總體不存在相關(guān)關(guān)系，可計算樣本中各個標(biāo)準(zhǔn)化指標(biāo)因素與預(yù)設(shè)的可靠性評價指標(biāo)之間的斯皮爾曼秩相關(guān)系數(shù)。

其中，步驟(2)的統(tǒng)計量視乎樣本容量大小而選擇。

z統(tǒng)計量適用于樣本容量n大于預(yù)設(shè)值(例如，n＞30)的大樣本平均值差異性檢驗的方法。它是用標(biāo)準(zhǔn)正態(tài)分布的理論來推斷差異發(fā)生的概率，從而比較兩個平均數(shù)的差異是否顯著。其值的計算公式為：

其中，是檢驗樣本的平均數(shù)；μ0是已知總體的平均數(shù)；s是樣本的標(biāo)準(zhǔn)差；n是樣本容量。查z界值表，確定概率p值，再依據(jù)表2對差異顯著性關(guān)系表作出判斷。其中，樣本即對上述標(biāo)準(zhǔn)化指標(biāo)因素的取樣結(jié)果，已知總體即對上述標(biāo)準(zhǔn)化指標(biāo)因素的統(tǒng)計結(jié)果，是與“抽樣”對應(yīng)的一個概念，抽樣從已知總體中產(chǎn)生。

表2z值與差異顯著性關(guān)系表

t統(tǒng)計量適用于樣本容量n小于或等于預(yù)設(shè)值(例如，n≤30)的小樣本，總體標(biāo)準(zhǔn)差σ未知的正態(tài)分布。當(dāng)總體分布是正態(tài)分布，如總體標(biāo)準(zhǔn)差未知且樣本容量小于30，那么樣本平均數(shù)與總體平均數(shù)的離差統(tǒng)計量呈t分布。t統(tǒng)計量計算公式為：

其中，是檢驗樣本的平均數(shù)；μ0是已知總體的平均數(shù)；s是樣本的標(biāo)準(zhǔn)差；n是樣本容量。

t檢驗是通過計算得到的t統(tǒng)計量，根據(jù)自由度df＝n-1，查t界值表，確定概率p值，再依據(jù)下表3對差異顯著性關(guān)系表作出判斷。

表3t值與差異顯著性關(guān)系表

值得一提的是，表2和表3中的數(shù)值可以采用上述值，也根據(jù)實際需要自行設(shè)定。

在一個實施例中，利用spss可計算選用的30個影響供電可靠性的指標(biāo)與供電可靠率rs-1的皮爾遜相關(guān)系數(shù)。

在實際操作中，選擇雙尾顯著性檢驗進行spss相關(guān)性計算檢驗。雙尾顯著性檢驗是指備擇假設(shè)沒有特定的方向性，并含有符號“≠”的假設(shè)檢驗。原假設(shè)和備擇假設(shè)是一個完備事件組，而且相互對立。例如：原假設(shè)為h0：m＝m0，備擇假設(shè)為h1：m≠m0，即為雙尾檢驗。

利用spss數(shù)據(jù)處理和檢驗后分析，可得出環(huán)網(wǎng)率、站間聯(lián)絡(luò)率、絕緣化率、架空線絕緣化率、電纜化與供電可靠率rs-1有顯著的相關(guān)性。

在相關(guān)系數(shù)滿足顯著性進行檢驗的基礎(chǔ)之上有以下經(jīng)驗結(jié)論：

當(dāng)相關(guān)系數(shù)r的絕對值大于或等于第一閾值(例如，|r|≥0.8)時，可視為兩個變量之間高度相關(guān)；

當(dāng)相關(guān)系數(shù)r的絕對值大于或等于第二閾值且小于第一閾值(例如，0.5≤|r|<0.8)時，可視為中度相關(guān)；

當(dāng)相關(guān)系數(shù)r的絕對值大于或等于第三閾值且小于第二閾值(例如，0.3≤|r|<0.5)時，視為低度相關(guān)；

當(dāng)相關(guān)系數(shù)r的絕對值小于第三閾值(例如，|r|<0.3)時，說明兩個變量之間的相關(guān)程度極弱，可視為不相關(guān)。

將滿足顯著性檢驗的指標(biāo)提取出來，相應(yīng)分析結(jié)果如表4所示：

表4皮爾遜相關(guān)性分析與供電可靠率rs-1顯著相關(guān)指標(biāo)

由于皮爾遜相關(guān)系數(shù)必須假設(shè)數(shù)據(jù)是成對地從正態(tài)分布中取得的，并且數(shù)據(jù)在邏輯范疇內(nèi)必須是等間距的。如果這兩條件不符合，一種可能的解決方法就是采用斯皮爾曼秩相關(guān)系數(shù)來代替皮爾遜相關(guān)系數(shù)。斯皮爾曼秩相關(guān)系數(shù)用來評價當(dāng)用單調(diào)函數(shù)表征兩個變量之間的關(guān)系時的效果如何，不要求變量滿足正態(tài)分布。斯皮爾曼秩相關(guān)系數(shù)通常被認為是排列后的變量之間的皮爾遜相關(guān)系數(shù)，其計算方法如下：假設(shè)原始指標(biāo)因素xi和yi已經(jīng)按從大到小的順序排列，記x′i和y′i為原始指標(biāo)因素xi和yi在排列后數(shù)據(jù)所在的位置，則x′i和y′i稱為變量xi和yi的秩次。

di＝x′i-y′i

其中：n為樣本數(shù)量；xi和yi為兩變量的變量值；r即為皮爾遜相關(guān)系數(shù)；di為xi與yi的秩次之差。斯皮爾曼秩相關(guān)系數(shù)的符號表示x與y之間的方向。當(dāng)x隨y的增加而增加，則相關(guān)系數(shù)為正數(shù)；當(dāng)x隨y的增加而減小，則相關(guān)系數(shù)為負數(shù)。當(dāng)x與y相關(guān)系數(shù)的絕對值為1時表示變量之間滿足嚴(yán)格的單調(diào)函數(shù)關(guān)系。

在一個實施例中，利用spss可計算選用的30個影響供電可靠性的指標(biāo)與供電可靠率rs-1的斯皮爾曼秩相關(guān)系數(shù)。同樣選擇雙尾顯著性檢驗，數(shù)據(jù)處理分析得到，環(huán)網(wǎng)率、站間聯(lián)絡(luò)率、線路平均分段數(shù)、絕緣化率、架空線絕緣化率、電纜化率、裸導(dǎo)線中壓線路故障率、中壓故障停電急修到位平均時間、預(yù)試定檢總次數(shù)、減少用戶平均停電時間、自然因素引起的故障次數(shù)、外力因素引起的故障次數(shù)與供電可靠性存在顯著相關(guān)關(guān)系。

將有顯著相關(guān)關(guān)系的指標(biāo)提取出來，相應(yīng)分析結(jié)果如表5所示：

表5斯皮爾曼相關(guān)性分析與供電可靠率rs-1顯著相關(guān)指標(biāo)

可對兩種相關(guān)性方法的分析結(jié)果進行對比分析，進行權(quán)衡后篩選出影響供電可靠性的主要指標(biāo)。

由于相關(guān)性強弱分析中認為|r|<0.3時兩個變量之間的相關(guān)程度極弱，可視為不相關(guān)，因此將相關(guān)性表現(xiàn)為極弱的指標(biāo)篩除掉。

以供電可靠率rs-1作為供電可靠性評價指標(biāo)，皮爾遜相關(guān)性分析得到的結(jié)果與斯皮爾曼相關(guān)性分析得到的結(jié)果對比如圖3所示。對比兩種方法得到的結(jié)果，篩選出的主要影響供電可靠性的指標(biāo)為環(huán)網(wǎng)率、站間聯(lián)絡(luò)率、絕緣化率、架空線絕緣化率、電纜化率、預(yù)試定檢的次數(shù)、自然因素引起的故障次數(shù)、外力因素引起的故障次數(shù)等8個指標(biāo)。

預(yù)測模型訓(xùn)練模塊30，用于根據(jù)所述核心指標(biāo)因素構(gòu)建徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，獲取所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隱含層的最優(yōu)中心向量、最優(yōu)基寬向量和最優(yōu)輸出權(quán)重，根據(jù)所述最優(yōu)中心向量、最優(yōu)基寬向量和最優(yōu)輸出權(quán)重獲取供電可靠性預(yù)測模型，根據(jù)所述供電可靠性預(yù)測模型對配電網(wǎng)供電可靠性進行預(yù)測。

rbf神經(jīng)網(wǎng)絡(luò)是一種由輸入層、隱含層和輸出層構(gòu)成的三層前饋神經(jīng)網(wǎng)絡(luò)，隱含層神經(jīng)元的運算函數(shù)采用具有良好局部特性的徑向基函數(shù)，使得輸入僅在一個局部的區(qū)間內(nèi)通過隱含層產(chǎn)生一定的輸出，而區(qū)間外輸出基本為零，故其具有諸多優(yōu)點，如非線性逼近能力強、網(wǎng)絡(luò)結(jié)構(gòu)簡單等。rbf神經(jīng)網(wǎng)絡(luò)能避開局部最小問題，但對樣本數(shù)據(jù)選取的要求較高。

rbf神經(jīng)網(wǎng)絡(luò)隱含層的作用函數(shù)常取高斯基函數(shù)，該層神經(jīng)元j的輸出為：

x＝[x1x2lxn]^t∈rⁿ

cj＝[c1jc2jlcijlcnj]^t

式中：j為徑向基層神經(jīng)元數(shù)，x為神經(jīng)網(wǎng)絡(luò)的輸入向量，cj為中心向量，b＝(b1,b2,l,bj)為基寬向量。

整個網(wǎng)絡(luò)的輸出為：

y＝wh^t

w＝[w1w2lwj]

h＝[h1h2lhj]

上述三式中：y為網(wǎng)絡(luò)的輸出向量，w為徑向基層與輸出層間的權(quán)向量，h為隱含層的輸出，即輸出層的輸入向量，wi為輸出權(quán)重。

在實際應(yīng)用中，rbf關(guān)鍵需要確定中心向量cj、基寬向量bj和輸出權(quán)重wj。rbf神經(jīng)網(wǎng)絡(luò)隱含層中心的數(shù)量對計算速度的影響尤為顯著，中心數(shù)量過多將使網(wǎng)絡(luò)的計算量明顯增加。傳統(tǒng)的rbf神經(jīng)網(wǎng)絡(luò)一般采用聚類算法和最小二乘法求取以上三個向量參數(shù)，網(wǎng)絡(luò)訓(xùn)練的精度和速度都較差，因此可采用粒子群算法(particleswarmoptimization，pso)對rbf的隱含層參數(shù)進行優(yōu)化，以提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率。

pso算法將問題的搜索空間比作鳥群飛行空間，將每只鳥抽象為一個粒子，用于表示尋優(yōu)問題的一個待選解，優(yōu)化得到的最優(yōu)解等同于鳥群尋找的食物。所有粒子都有自身的位置及速度以決定其飛行的距離和方向，速度根據(jù)其自身經(jīng)驗及群體經(jīng)驗進行動態(tài)調(diào)整。d維空間中第i個粒子的速度和位置分別為vi＝[vi,1,vi,2,lvi,d]和xi＝[xi,1,xi,2,lxi,d]，在每一次迭代中，確定t時間每個粒子所經(jīng)過的最佳位置pb以及群體所發(fā)現(xiàn)的最佳位置gb，通過跟蹤更新這兩個最佳位置，按照下二式更新粒子的速度和位置。

vi,j(t+1)＝vi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)]

xi,j(t+1)＝xi,j(t)+vi,j(t+1),j＝1,2,ld

上述兩式中，vi,j(t+1)為第j次迭代中第i個粒子在t+1時刻的速度，vi,j(t)為第j次迭代中第i個粒子在t時刻的速度，c1和c2為學(xué)習(xí)因子，r1和r2為0到1之間的隨機數(shù)，d為目標(biāo)函數(shù)中需要優(yōu)化的變量個數(shù)，pi,j為第j次迭代中的個體歷史最佳位置，pg,j為第j次迭代中的全局最佳位置，xi,j(t)為第j次迭代中第i個粒子在t時刻的位置，xi,j(t+1)為第j次迭代中第i個粒子在t+1時刻的位置。

如圖4，pso-rbf訓(xùn)練預(yù)測模型包括以下步驟：

(1)初始化粒子群體，即確定粒子群的大小及搜索維度。并設(shè)置pso相關(guān)參數(shù)，包括慣性系數(shù)ω、學(xué)習(xí)因子c1和c2、最大迭代次數(shù)以及粒子最大速度vmax等。

(2)根據(jù)粒子群的大小及搜索維度將每個粒子對應(yīng)的中心向量、基寬向量和輸出權(quán)重代入rbf神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法中，利用訓(xùn)練樣本得到輸出的預(yù)測值。

(3)根據(jù)訓(xùn)練樣本計算出初始化種群單個粒子的mse(meansquarederror，均方誤差)，將其作為粒子適應(yīng)度fi。

(4)對每個粒子，將其當(dāng)前適應(yīng)度fi與一次迭代中每個粒子所經(jīng)過的個體歷史最佳位置pb對比，若fi＞pb說明當(dāng)前的適應(yīng)度更高，則將用當(dāng)前位置更新個體歷史最佳位置pb，否則保持pb不變。同理比較當(dāng)前適應(yīng)值fi與一次迭代中群體所發(fā)現(xiàn)的全局最佳位置gb，當(dāng)fi＞gb更新全局最佳位置gb，否則保持gb不變。

(5)根據(jù)所述個體歷史最佳位置和全局最佳位置，按照公式更新每個粒子的速度與位置。當(dāng)?shù)螖?shù)達到最大迭代次數(shù)限制或最佳適應(yīng)度達到設(shè)定閾值即停止尋優(yōu)過程。

(6)通過pso算法得到的最優(yōu)中心向量cj、基寬向量bj和輸出權(quán)重wj后，利用rbf神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，代入公式y(tǒng)＝wh^t，即可計算出模型預(yù)測值。

上述配電網(wǎng)供電可靠性預(yù)測方法，基于相關(guān)性分析及pso-rbf的配電網(wǎng)供電可靠性預(yù)測模型有良好的預(yù)測精度、穩(wěn)定性和泛化性能。具體表現(xiàn)為：

(1)可以充分考慮多方面多角度的供電可靠性影響因素，適用于多輸入變量的情況，有利于對供電可靠性更加全面的分析預(yù)測。

(2)對輸入的原始數(shù)據(jù)進行相關(guān)性分析的處理，篩選出對供電可靠性影響較為明顯的指標(biāo)，有效的實現(xiàn)了輸入數(shù)據(jù)的降維，提升了rbf神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的預(yù)測精度和穩(wěn)定性。

(3)利用粒子群優(yōu)化算法對神經(jīng)網(wǎng)絡(luò)的中心向量、基寬向量和輸出權(quán)重進行優(yōu)化，有效減少預(yù)測模型的訓(xùn)練時間和預(yù)測精度。

(4)根據(jù)訓(xùn)練好的模型對影響供電可靠性指標(biāo)的相關(guān)因素進行靈敏度分析可以獲得對供電可靠性指標(biāo)較敏感的相關(guān)特征量。

本發(fā)明的配電網(wǎng)供電可靠性預(yù)測系統(tǒng)與本發(fā)明的配電網(wǎng)供電可靠性預(yù)測方法一一對應(yīng)，在上述配電網(wǎng)供電可靠性預(yù)測方法的實施例闡述的技術(shù)特征及其有益效果均適用于配電網(wǎng)供電可靠性預(yù)測系統(tǒng)的實施例中，特此聲明。

以上所述實施例的各技術(shù)特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認為是本說明書記載的范圍。

以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。