一种电压暂降风险的域评估方法

1.本发明涉及电压暂降风险评估技术领域，特别是一种电压暂降风险的域评估方法。


背景技术：

2.随着工业水平的提高及电网的不断扩大，设备趋于集成化与精密化，人们对于电能质量的要求也越来越高。频发的电压暂降给配备有大量敏感设备的高精尖工业用户造成了巨额经济损失，并已成为最严重的一类电能质量问题。
3.鉴于成本原因，电压暂降监测终端并非全网布置，大量无监测数据节点的电压暂降风险难以评估。目前在电压暂降风险评估研究上，有研究通过大规模电压暂降随机抽样仿真，计算相应暂降特征量，分析电网电压暂降风险水平。还有研究基于状态估计原理通过测量数据构建状态估计方程，估计不完全量测点的暂降特征指标，分析暂降风险，但在多电源的复杂电力系统中，由于方程维数高、故障路径搜索复杂、运算量大、计算繁琐等问题，效果欠佳，难以应用。此外，还有研究考虑电压耐受特征评估电压暂降经济损失，量化电压暂降风险水平。但以上方法仅考虑了电压暂降风险的发生可能性与影响严重性的一者，所得结果较为片面，缺乏对两者的综合度量。且电网侧与用户侧暂降风险影响因素的多样性与用户耐受能力不确定性区域的存在使得电压暂降风险存在不确定性与模糊性，而目前电压暂降风险评估研究采用确定特征量描述风险的方式难以刻画电压暂降风险的不确定性与模糊性，且所得结果也不够直观。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种电压暂降风险的域评估方法，通过异构数据特征融合的双通道并联混合神经网络改善了传统电压暂降状态估计方程维数高、模型复杂、计算繁琐的问题，提升了估计性能，有效反映了电压暂降的发生可能性；考虑了电压暂降的多元影响，丰富了对电压暂降影响严重性的考虑；通过数据挖掘手段以风险域的形式进行电压暂降风险评估，有效刻画了电压暂降风险的模糊性与不确定性，更为全面、直观地给出电压暂降风险水平，具备较好的工程应用价值。
5.为实现上述目的，本发明采用如下技术方案：一种电压暂降风险的域评估方法，包括以下步骤：
6.步骤1：构建双通道并联混合神经网络模型用于残余电压估计；对输入数据进行预处理；利用预处理后所得数据训练并测试模型，待模型训练与测试完成后，模型具备残余电压估计能力，可实现无监测数据节点的残余电压估计，反映电压暂降发生可能性；
7.步骤2：电压暂降损失风险元辨识；从造成影响、安全性与用户心理角度辨识不同电压暂降损失风险元，后基于pca得到电压暂降综合损失风险元，全面评估电压暂降损失风险水平，刻画电压暂降影响严重性。
8.步骤3：电压暂降风险域描绘；利用残余电压估计结果与电压暂降综合损失风险元
25.其它影响损失e3指电压暂降生产过程受扰后，除生产中断影响损失e1、重启动影响损失e2外的其它未说明的影响损失，如因过程中断未能及时完成生产目标而带来的影响损失。
26.4)之后，通过隶属度刻画电压暂降事件引起用户生产受扰的不确定状态，量化电压暂降总影响损失风险元；首先，将电压暂降耐受曲线划分为a、b、c、d、e共五个区域，其中a为正常运行区域，e为非正常运行区域，b、c、d共同组成不确定区域，u
max
、u
min
分别为不确定区域内残余电压标幺值的最大值、最小值；t
max
、t
min
分别为不确定区域内持续时间的最大值、最小值；之后，结合能量损失公式，构建隶属度函数m(t,u)如下式(3)；
[0027][0028]
式中：t为持续时间；u为残余电压；u
max
、u
min
分别为不确定区域内残余电压标幺值的最大值、最小值；t
max
、t
min
分别为不确定区域内持续时间的最大值、最小值；
[0029]
综上，电压暂降总影响损失风险元ee表示为下式(4)；
[0030]ee
＝m(t,u)
·
(e1+e2+e3) (4)。
[0031]
在一较佳的实施例中，步骤2中，构建电压分段距离ds用于刻画残余电压u与一组安全电压限值间的相近程度，进而量化电压暂降安全损失风险元es，具体见式(5)、式(6)；
[0032][0033][0034]
式中：u为残余电压；u0,u1,
…
,u
t
分别为不同安全电压限值；dv为u＝0时与安全电压限值的距离，表示安全威胁最严重的情况。
[0035]
在一较佳的实施例中，步骤2中，基于topsis法利用残余电压、暂降幅值严重性指标msi，见式(7)，对用户心理损失风险元ec进行评分，以反映这部分难以量化的损失风险水平；
[0036][0037]
式中：u为残余电压；u
max
、u
min
分别为不确定区域内残余电压标幺值的最大值、最小值；t
max
、t
min
分别为不确定区域内持续时间的最大值、最小值。
[0038]
在一较佳的实施例中，步骤3具体包括：(1)电压暂降风险点集生成；(2)电压暂降风险域描绘。
[0039]
在一较佳的实施例中，电压暂降风险点集生成具体包括以下步骤：
[0040]
1)由第d个样本的残余电压估计结果vd与电压暂降综合损失风险元ed得到无标签电压暂降风险点od＝(vd,ed)，n个电压暂降风险点共同组成无标签电压暂降风险点集o＝{o1,o2,
…
,od,
…
,on}(d＝1,
…
,n)。
[0041]
2)以电压暂降风险点集o中各风险点为圆心，扫描半径ε为半径做圆，该圆形区域为此风险点的邻域；
[0042]
3)遍历所有风险点，寻找核心点，并逐一连接其邻域内的核心点，邻域内点数大于或等于密度阈值λ的点称为核心点；
[0043]
4)对于非核心点，将其连接至邻域内最近的核心点，并称为边界点；
[0044]
5)将连接在一起的风险点视为同一簇类，同一簇类内点的风险级别一致，最终得到x1,x2,
…
,xm共m个簇类；至此，完成对无标签点集o的电压暂降风险判定，得到有标签电压暂降风险点集o
′
。
[0045]
在一较佳的实施例中，电压暂降风险域描绘具体包括以下步骤：
[0046]
1)针对有标签电压暂降风险点集o
′
的簇类x1，选取该簇类中最下方边缘点q0为初始点，将其存入凸包点集qc中；
[0047]
2)计算x1中剩余点与q0连线对于x轴的夹角θ
x
，选取x1中使θ
x
最小的点为q1并存入qc中，此时x1中所有点均在q
0-q1连线的同侧；
[0048]
3)以q1为起点，q0为前置点，从x1的剩余点中搜索新凸包点q2并存入qc中，使起点q1到前置点q0的连线与起点q1到新凸包点q2连线间的夹角θa最大，此时x1中所有点均在q
0-q
1-q2连线的同侧；
[0049]
4)以qc中的最新凸包点qs为起点，次新凸包点q
s-1
为前置点，重复第3)步，在x1的剩余点中搜索下一新凸包点q
s+1
存入qc中，直至q
s+1
已在qc中出现，此时凸包点集qc实现首尾闭合；
[0050]
5)将qc中所有凸包点q0,q1,
…
,qv，v表示凸包点总数，逐一相连，此时x1中所有点均位于q
0-q1‑…‑qv
连线的同一侧，q
0-q1‑…‑qv
连线即为簇类x1的凸包，凸包内数据点均为同一风险级别；
[0051]
6)对于有标签电压暂降风险点集o
′
的其它簇类x2,
…
,xm，重复第1)步至第5)步，完成电压暂降风险域描绘。
[0052]
在一较佳的实施例中，步骤4中，得到各风险等级电压暂降风险域后，即可对新电压暂降事件进行电压风险评估；首先，根据根据步骤1与步骤2，计算得到新电压暂降事件的残余电压估计结果与电压暂降综合损失风险元，生成新电压暂降风险点；
[0053]
对于新电压暂降风险点，若其位于某一电压暂降风险域内，则判定该风险点的风险级别与该风险域所描述的风险级别一致；若其位于所有电压暂降风险域外，则计算该风险点到各风险域的最短距离，并判定其风险级别与最短距离最小的电压暂降风险域一致，之后，将该风险点纳入该风险域的凸包点集内，运用凸包包裹法更新电压暂降风险域。
[0054]
与现有技术相比，本发明具有以下有益效果：本发明通过双通道并联混合神经网络的残余电压数据驱动估计模型，改善了传统电压暂降状态估计方程维数高、模型复杂、计算繁琐的问题，提升了估计性能，有效反映了电压暂降的发生可能性；从安全性与用户心理角度辨识电压暂降损失风险元，丰富了对电压暂降影响严重性的考虑；结合残余电压估计结果与电压暂降损失风险元，以数据挖掘手段，生成电压暂降风险点集，描绘电压暂降风险域，充分考虑了电压暂降风险的模糊性与不确定性，更为全面、直观地给出电压暂降风险水平，方便有关人员根据评估结果制定电压暂降防治策略。
附图说明
[0055]
图1为本发明优选实施例的流程图。
[0056]
图2为本发明优选实施例的双通道并联混合神经网络结构示意图；
[0057]
图3为本发明优选实施例的电压暂降耐受曲线区域划分示意图；
[0058]
图4为本发明优选实施例的基于凸包包裹法的电压暂降风险域描绘示意图。
具体实施方式
[0059]
下面结合附图及实施例对本发明做进一步说明。
[0060]
应该指出，以下详细说明都是例示性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
[0061]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式；如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0062]
一种电压暂降风险的域评估方法，参考图1，包括以下方面：
[0063]
1.构建双通道并联混合神经网络模型用于残余电压估计，反映非监测点电压暂降发生可能性。双通道并联混合神经网络模型含有2个输入通道，其中dnn通道的输入数据为一维测量数据，cnn通道的输入数据为二维网架拓扑数据。对以上输入数据进行预处理，后将预处理后的输入数据输入该模型进行训练测试，使模型具备残余电压估计能力。
[0064]
2.考虑电压暂降的多元影响，从经济性、安全性与用户心理角度辨识不同电压暂降损失风险元，基于pca得到电压暂降综合损失风险元，全面评估电压暂降损失风险水平，刻画电压暂降影响严重性。
[0065]
3.利用残余电压估计结果与电压暂降综合损失风险元生成无标签电压暂降风险点集，并运用dbscan得到有标签电压暂降风险点集，后考虑电压暂降风险的模糊性与不确定性，以有标签电压暂降风险点集为基础，得到不同等级电压暂降风险域的凸包点集，并在此基础上，通过凸包算法描绘不同电压等级的电压暂降风险域。
[0066]
4.基于所得不同等级电压暂降风险域，对新电压暂降风险点进行电压暂降风险评估。若新风险点位于风险域内，则判定该风险点风险等级与该风险域一致；若新风险点位于所有风险域外，则计算该风险点到各风险域的最短距离，判定该风险点风险等级与最短距离最小的风险域一致，并将该风险点纳入该风险域的凸包点集，重新运用凸包法更新电压暂降风险域。
[0067]
具体包括以下步骤：
[0068]
步骤1：基于双通道并联混合神经网络的残余电压估计模型
[0069]
(1)本方法以状态估计思想为基础，通过监测点测量数据估计非监测点的残余电压，并考虑到网架拓扑对残余电压的影响，构建双通道并联混合神经网络用于残余电压估计，其基本模型如下图2。
[0070]
该模型含两个输入通道：
[0071]
一路为dnn模型，用于挖掘一维测量数据与无监测数据节点残余电压的关联关系，输入数据为一维测量数据，包括监测点母线残余电压测量值、故障信息(包括故障线路、故障距离、故障类型、故障阻抗)以及待估计点的基本信息(如节点名称、电压等级等)；
[0072]
另一路为cnn模型，用于挖掘二维网架拓扑数据与无监测数据节点残余电压的空间关系，输入数据为二维网架拓扑数据，选用邻接矩阵a＝(a
ij
)m
×
m作为输入，用于反映网架拓扑情况，矩阵元素a
ij
的取值见式(1)。
[0073][0074]
式中：i为节点i；j为节点j；m为节点数。
[0075]
在cnn通道末，通过flatten层将cnn挖掘所得特征扁平化，使其特征维度与dnn一致，并通过concatenate层拼接两路模型挖掘所得特征，实现异构数据特征融合，之后将融合后的数据特征共同传入全连接层，完成残余电压估计。
[0076]
(2)模型构建完成后，首先对以上输入数据进行预处理。部分输入数据没有具体数值。因此，这些数据在输入模型前需要经过量化处理，量化方法采用序号编码方式，序号编码即对无具体数值的变量，如故障类型变量，采用1表示单相接地，2表示两相接地，3表示相间短路，4表示三相短路进行量化表示，其余以此类推。同时，为了消除输入数据量纲的影响，需对输入数据进行标准化处理，标准化方法采用z-score标准化，具体公式如下式(2)。
[0077][0078]
式中：z为z-score标准化处理后数据；x为z-score标准化处理前数据；μ为总体数据均值；σ为总体数据标准差。
[0079]
(3)利用预处理后所得数据训练并测试模型，待模型训练与测试完成后，模型具备残余电压估计能力，可实现无监测数据节点的残余电压估计，反映电压暂降发生可能性。
[0080]
步骤2：电压暂降损失风险元辨识
[0081]
考虑到电压暂降影响的多样性，本方法从造成影响、安全性与用户心理角度辨识电压暂降损失风险元。
[0082]
(1)总影响损失风险元
[0083]
用户受电压暂降扰动后，生产结构或功能缺失，导致过程中断并造成影响损失。本
方法所提总影响损失风险元ee结合生产中断影响损失e1、重启动影响损失e2、其它影响损失e3与隶属度函数得到。
[0084]
1)生产中断影响损失e1[0085]
生产中断影响损失e1是指因电压暂降导致用户生产过程中断而造成的直接影响损失，包括产品报废、停工停产等带来的损失。
[0086]
2)重启动影响损失e2[0087]
重启动影响损失e2是指电压暂降引起生产过程中断后，用户重新恢复到正常生产过程用于维护检修、设备重启所消耗的人力、物力损失。
[0088]
3)其它影响损失e3[0089]
其它影响损失e3指电压暂降生产过程受扰后，除生产中断影响损失e1、重启动影响损失e2外的其它未说明的影响损失，如因过程中断未能及时完成生产目标而带来的影响损失。
[0090]
4)基于隶属度的总影响损失风险元
[0091]
考虑到用户对电压暂降的响应存在不确定性，本方法通过隶属度刻画电压暂降事件引起用户生产受扰的不确定状态，量化电压暂降总影响损失风险元。首先，将电压暂降耐受曲线划分为a、b、c、d、e共五个区域，其中a为正常运行区域，e为非正常运行区域，b、c、d共同组成不确定区域，如下图3，图中u
max
、u
min
分别为不确定区域内残余电压标幺值的最大值、最小值；t
max
、t
min
分别为不确定区域内持续时间的最大值、最小值。之后，结合能量损失公式，构建隶属度函数m(t,u)如下式(3)
[0092][0093]
式中：t为持续时间；u为残余电压；u
max
、u
min
分别为不确定区域内残余电压标幺值的最大值、最小值；t
max
、t
min
分别为不确定区域内持续时间的最大值、最小值。
[0094]
综上，电压暂降总影响损失风险元ee可表示为下式(4)。
[0095]ee
＝m(t,u)
·
(e1+e2+e3) (4)
[0096]
(2)安全损失风险元
[0097]
电压暂降对用户安全生产造成威胁主要是由于电压跌落过多导致。因此，本方法构建电压分段距离ds用于刻画残余电压u与一组安全电压限值间的相近程度，进而量化电压暂降安全损失风险元es，具体见式(5)、式(6)。
[0098][0099][0100]
式中：u为残余电压；u0,u1,
…
,u
t
分别为不同安全电压限值；dv为u＝0时与安全电压限值的距离，表示安全威胁最严重的情况。
[0101]
(3)用户心理损失风险元
[0102]
电压暂降造成影响后，企业会要求员工超时工作来完成预定目标，使员工产生抱怨，工作积极性受影响。同时电压暂降导致的生产逾期等问题还会使客户满意度下降、企业声誉受损，进一步影响用户效益。因此，在分析电压暂降损失风险元时，还应考虑用户心理的影响。
[0103]
本节基于topsis法利用残余电压、暂降幅值严重性指标msi(见式(7))对用户心理损失风险元ec进行评分，以反映这部分难以量化的损失风险水平。
[0104][0105]
式中：u为残余电压；u
max
、u
min
分别为不确定区域内残余电压标幺值的最大值、最小值；t
max
、t
min
分别为不确定区域内持续时间的最大值、最小值。
[0106]
(4)电压暂降综合损失风险元
[0107]
由于电压暂降损失风险元包含多种子风险元，若直接用于后续评估模型将使复杂度提高，影响评估效果。因此，本方法通过主成分分析法(principal components analysis，pca)，利用各子风险元生成电压暂降综合损失风险元ed，用于后续电压暂降风险评估。
[0108]
步骤3：电压暂降风险域描绘
[0109]
(1)电压暂降风险点集生成
[0110]
由第d个样本的残余电压估计结果vd与电压暂降综合损失风险元ed得到无标签电压暂降风险点od＝(vd,ed)，n个电压暂降风险点共同组成无标签电压暂降风险点集o＝{o1,o2,
…
,od,
…
,on}(d＝1,
…
,n)。
[0111]
为描绘电压暂降风险域，需先判定电压暂降风险点的风险等级。本方法采用
dbscan通过数据挖掘形式对无标签电压暂降风险点集o进行聚类，给出更为客观的电压暂降风险判定结果。具体步骤如下：
[0112]
1)以电压暂降风险点集o中各风险点为圆心，扫描半径ε为半径做圆，该圆形区域为此风险点的邻域。
[0113]
2)遍历所有风险点，寻找核心点，并逐一连接其邻域内的核心点，邻域内点数大于或等于密度阈值λ的点称为核心点。
[0114]
3)对于非核心点，将其连接至邻域内最近的核心点，并称为边界点。
[0115]
4)将连接在一起的风险点视为同一簇类，同一簇类内点的风险级别一致，最终得到x1,x2,
…
,xm共m个簇类。至此，完成对无标签点集o的电压暂降风险判定，得到有标签电压暂降风险点集o
′
。
[0116]
(2)电压暂降风险域描绘
[0117]
考虑到电压暂降风险的不确定性与模糊性，本节利用有标签电压暂降风险点集o
′
，基于凸包算法描绘电压暂降风险域，用于后续风险评估。
[0118]
凸包是指几何空间中的一个最小凸多边形，对于某一给定点集，若该点集内的所有点均在该最小凸多边形的内部或边上，则称该最小凸多边形为凸包。通过凸包算法处理有标签电压暂降风险点集o
′
，对各风险级别簇类绘制凸包，凸包所围成区域为该风险级别的电压暂降风险域。凸包描绘基于凸包包裹法实现，其基本思想是整个凸包均位于任意一条边的一侧。基于凸包包裹法的电压暂降风险域描绘具体步骤如下：
[0119]
1)针对有标签电压暂降风险点集o
′
的簇类x1，选取该簇类中最下方边缘点q0为初始点，将其存入凸包点集qc中。
[0120]
2)计算x1中剩余点与q0连线对于x轴的夹角θ
x
，选取x1中使θ
x
最小的点为q1并存入qc中，此时x1中所有点均在q
0-q1连线的同侧。
[0121]
3)以q1为起点，q0为前置点，从x1的剩余点中搜索新凸包点q2并存入qc中，使起点q1到前置点q0的连线与起点q1到新凸包点q2连线间的夹角θa最大，此时x1中所有点均在q
0-q
1-q2连线的同侧。
[0122]
4)以qc中的最新凸包点qs为起点，次新凸包点q
s-1
为前置点，重复第3)步，在x1的剩余点中搜索下一新凸包点q
s+1
存入qc中，直至q
s+1
已在qc中出现，此时凸包点集qc实现首尾闭合。
[0123]
5)将qc中所有凸包点q0,q1,
…
,qv(v表示凸包点总数)逐一相连，此时x1中所有点均位于q
0-q1‑…‑qv
连线的同一侧，q
0-q1‑…‑qv
连线即为簇类x1的凸包，凸包内数据点均为同一风险级别。
[0124]
6)对于有标签电压暂降风险点集o
′
的其它簇类x2,
…
,xm，重复第1)步至第5)步，完成电压暂降风险域描绘。基于凸包包裹法的电压暂降风险域描绘流程如图4。
[0125]
步骤4：电压暂降风险评估及风险域更新
[0126]
得到各风险等级电压暂降风险域后，即可对新电压暂降事件进行电压风险评估。首先，根据步骤1与步骤2内容，计算得到新电压暂降事件的残余电压估计结果与电压暂降综合损失风险元，生成新电压暂降风险点。
[0127]
对于以上新电压暂降风险点，若其位于某一电压暂降风险域内，则判定该风险点的风险级别与该风险域所描述的风险级别一致；若其位于所有电压暂降风险域外，则计算
该风险点到各风险域的最短距离，并判定其风险级别与最短距离最小的电压暂降风险域一致，之后，将该风险点纳入该风险域的凸包点集内，运用凸包包裹法更新电压暂降风险域。
[0128]
本发明提出了一种新的电压暂降风险的域评估方法。该方法考虑电压暂降风险的模糊性与不确定性，通过数据挖掘手段，描绘电压暂降风险域，减少了人为主观因素的影响，直观呈现出电压暂降风险等级。在残余电压估计上，构建基于双通道并联混合神经网络的残余电压数据驱动估计模型，实现一维测量数据与二维网架拓扑数据的异构数据特征融合，反映电压暂降发生可能性，改善传统残余电压估计方法方程维数高、计算繁琐的问题，有效提升估计性能。在电压暂降损失风险元辨识上，从经济性、安全性、用户心理角度考虑电压暂降的多元影响，更为全面地刻画了电压暂降的影响严重性。之后，结合残余电压估计结果与电压暂降综合损失风险元，基于dbscan得到有标签电压暂降风险点集，通过凸包算法构建电压暂降风险域，实现综合可能性与严重性的电压暂降风险评估。

技术特征：
1.一种电压暂降风险的域评估方法，其特征在于，包括以下步骤：步骤1：构建双通道并联混合神经网络模型用于残余电压估计；对输入数据进行预处理；利用预处理后所得数据训练并测试模型，待模型训练与测试完成后，模型具备残余电压估计能力，可实现无监测数据节点的残余电压估计，反映电压暂降发生可能性；步骤2：电压暂降损失风险元辨识；从造成影响、安全性与用户心理角度辨识不同电压暂降损失风险元，后基于pca得到电压暂降综合损失风险元，全面评估电压暂降损失风险水平，刻画电压暂降影响严重性；步骤3：电压暂降风险域描绘；利用残余电压估计结果与电压暂降综合损失风险元生成无标签电压暂降风险点集，并运用dbscan得到有标签电压暂降风险点集，后考虑电压暂降风险的模糊性与不确定性，以有标签电压暂降风险点集为基础，得到不同等级电压暂降风险域的凸包点集，并在此基础上，通过凸包算法描绘不同电压等级的电压暂降风险域；步骤4：电压暂降风险评估及风险域更新；根据步骤1与步骤2，计算得到新电压暂降事件的残余电压估计结果与电压暂降综合损失风险元，生成新电压暂降风险点；对于新风险点，若其位于风险域内，则判定该风险点风险等级与该风险域一致；若其位于所有风险域外，则计算该店到各风险域的最短距离并判定该点风险等级与最短距离最小的风险域一致，并将该点纳入该风险域的凸包点集，重新运用凸包包裹法更新电压暂降风险域。2.根据权利要求1所述的一种电压暂降风险的域评估方法，其特征在于，步骤1中，双通道并联混合神经网络模型含两个输入通道：一路为dnn模型，用于挖掘一维测量数据与无监测数据节点残余电压的关联关系，输入数据为一维测量数据，包括监测点母线残余电压测量值、故障信息以及待估计点的基本信息；另一路为cnn模型，用于挖掘二维网架拓扑数据与无监测数据节点残余电压的空间关系，输入数据为二维网架拓扑数据，选用邻接矩阵a＝(a
ij
)m
×
m作为输入，用于反映网架拓扑情况，矩阵元素a
ij
的取值见式(1)；式中：i为节点i；j为节点j；m为节点数；在cnn通道末，通过flatten层将cnn挖掘所得特征扁平化，使其特征维度与dnn一致，并通过concatenate层拼接两路模型挖掘所得特征，实现异构数据特征融合，之后将融合后的数据特征共同传入全连接层，完成残余电压估计。3.根据权利要求1所述的一种电压暂降风险的域评估方法，其特征在于，步骤1中，数据在输入模型前需要经过量化处理，量化方法采用序号编码方式，序号编码即对无具体数值的变量，如故障类型变量，采用1表示单相接地，2表示两相接地，3表示相间短路，4表示三相短路进行量化表示，其余以此类推；同时，对输入数据进行标准化处理，标准化方法采用z-score标准化，具体公式如下式(2)；式中：z为z-score标准化处理后数据；x为z-score标准化处理前数据；μ为总体数据均
值；σ为总体数据标准差。4.根据权利要求1所述的一种电压暂降风险的域评估方法，其特征在于，电压暂降总影响损失风险元e
e
由生产中断影响损失e1、重启动影响损失e2、其它影响损失e3与隶属度函数得到；1)生产中断影响损失e1生产中断影响损失e1是指因电压暂降导致用户生产过程中断而造成的直接影响损失，包括产品报废、停工停产等带来的损失；2)重启动影响损失e2重启动影响损失e2是指电压暂降引起生产过程中断后，用户重新恢复到正常生产过程用于维护检修、设备重启所消耗的人力、物力损失；3)其它影响损失e3其它影响损失e3指电压暂降生产过程受扰后，除生产中断影响损失e1、重启动影响损失e2外的其它未说明的影响损失，如因过程中断未能及时完成生产目标而带来的影响损失；4)通过隶属度刻画电压暂降事件引起用户生产受扰的不确定状态，量化电压暂降总影响损失风险元；首先，将电压暂降耐受曲线划分为a、b、c、d、e共五个区域，其中a为正常运行区域，e为非正常运行区域，b、c、d共同组成不确定区域，u
max
、u
min
分别为不确定区域内残余电压标幺值的最大值、最小值；t
max
、t
min
分别为不确定区域内持续时间的最大值、最小值；之后，结合能量损失公式，构建隶属度函数m(t,u)如下式(3)；式中：t为持续时间；u为残余电压；u
max
、u
min
分别为不确定区域内残余电压标幺值的最大值、最小值；t
max
、t
min
分别为不确定区域内持续时间的最大值、最小值；综上，电压暂降总影响损失风险元e
e
表示为下式(4)；e
e
＝m(t,u)
·
(e1+e2+e3) (4)；式中：e1为生产中断影响损失；e2为重启动影响损失；e3为其它影响损失。5.根据权利要求1所述的一种电压暂降风险的域评估方法，其特征在于，步骤2中，构建电压分段距离d
s
用于刻画残余电压u与一组安全电压限值间的相近程度，进而量化电压暂降安全损失风险元e
s
，具体见式(5)、式(6)；
式中：u为残余电压；u0,u1,
…
,u
t
分别为不同安全电压限值；d
v
为u＝0时与安全电压限值的距离，表示安全威胁最严重的情况。6.根据权利要求1所述的一种电压暂降风险的域评估方法，其特征在于，步骤2中，基于topsis法利用残余电压、暂降幅值严重性指标msi，见式(7)，对用户心理损失风险元e
c
进行评分，以反映这部分难以量化的损失风险水平；式中：u为残余电压；u
max
、u
min
分别为不确定区域内残余电压标幺值的最大值、最小值；t
max
、t
min
分别为不确定区域内持续时间的最大值、最小值。7.根据权利要求1所述的一种电压暂降风险的域评估方法，其特征在于，步骤3具体包括：(1)电压暂降风险点集生成；(2)电压暂降风险域描绘。8.根据权利要求3所述的一种电压暂降风险的域评估方法，其特征在于，电压暂降风险点集生成具体包括以下步骤：1)由第d个样本的残余电压估计结果v
d
与电压暂降综合损失风险元e
d
得到无标签电压暂降风险点o
d
＝(v
d
,e
d
)，n个电压暂降风险点共同组成无标签电压暂降风险点集o＝{o1,o2,
…
,o
d
,
…
,o
n
}(d＝1,
…
,n)；2)以电压暂降风险点集o中各风险点为圆心，扫描半径ε为半径做圆，该圆形区域为此风险点的邻域；3)遍历所有风险点，寻找核心点，并逐一连接其邻域内的核心点，邻域内点数大于或等于密度阈值λ的点称为核心点；4)对于非核心点，将其连接至邻域内最近的核心点，并称为边界点；5)将连接在一起的风险点视为同一簇类，同一簇类内点的风险级别一致，最终得到x1,x2,
…
,x
m
共m个簇类；至此，完成对无标签点集o的电压暂降风险判定，得到有标签电压暂降风险点集o
′
。
9.根据权利要求3所述的一种电压暂降风险的域评估方法，其特征在于，电压暂降风险域描绘具体包括以下步骤：1)针对有标签电压暂降风险点集o
′
的簇类x1，选取该簇类中最下方边缘点q0为初始点，将其存入凸包点集q
c
中；2)计算x1中剩余点与q0连线对于x轴的夹角θ
x
，选取x1中使θ
x
最小的点为q1并存入q
c
中，此时x1中所有点均在q
0-q1连线的同侧；3)以q1为起点，q0为前置点，从x1的剩余点中搜索新凸包点q2并存入q
c
中，使起点q1到前置点q0的连线与起点q1到新凸包点q2连线间的夹角θ
a
最大，此时x1中所有点均在q
0-q
1-q2连线的同侧；4)以q
c
中的最新凸包点q
s
为起点，次新凸包点q
s-1
为前置点，重复第3)步，在x1的剩余点中搜索下一新凸包点q
s+1
存入q
c
中，直至q
s+1
已在q
c
中出现，此时凸包点集q
c
实现首尾闭合；5)将q
c
中所有凸包点q0,q1,
…
,q
v
，v表示凸包点总数，逐一相连，此时x1中所有点均位于q
0-q1‑…‑
q
v
连线的同一侧，q
0-q1‑…‑
q
v
连线即为簇类x1的凸包，凸包内数据点均为同一风险级别；6)对于有标签电压暂降风险点集o
′
的其它簇类x2,
…
,x
m
，重复第1)步至第5)步，完成电压暂降风险域描绘。10.根据权利要求1所述的一种电压暂降风险的域评估方法，其特征在于，步骤4中，得到各风险等级电压暂降风险域后，即可对新电压暂降事件进行电压风险评估；首先，根据步骤1与步骤2，计算得到新电压暂降事件的残余电压估计结果与电压暂降综合损失风险元，生成新电压暂降风险点；对于新电压暂降风险点，若其位于某一电压暂降风险域内，则判定该风险点的风险级别与该风险域所描述的风险级别一致；若其位于所有电压暂降风险域外，则计算该风险点到各风险域的最短距离，并判定其风险级别与最短距离最小的电压暂降风险域一致，之后，将该风险点纳入该风险域的凸包点集内，运用凸包包裹法更新电压暂降风险域。

技术总结
本发明提供了一种电压暂降风险的域评估方法，包括以下步骤：步骤1：构建双通道并联混合神经网络模型；对输入数据进行预处理并利用所得数据完成模型训练与测试，实现无监测数据节点的残余电压估计，反映电压暂降发生可能性；步骤2：从造成影响、安全性与用户心理角度辨识不同电压暂降损失风险元，后基于PCA得到电压暂降综合损失风险元，刻画电压暂降影响严重性；步骤3：利用残余电压估计结果与电压暂降综合损失风险元，通过DBSCAN得到有标签电压暂降风险点集，后基于凸包包裹法描绘不同电压等级电压暂降风险域；步骤4：由步骤1与步骤2算得新电压暂降风险点，根据其与风险域位置关系，实现电压暂降风险评估与电压暂降风险域更新。实现电压暂降风险评估与电压暂降风险域更新。实现电压暂降风险评估与电压暂降风险域更新。


技术研发人员：张逸 吴逸帆 章书旗 张加忠 赵微
受保护的技术使用者：福州大学
技术研发日：2023.06.28
技术公布日：2023/10/6