本發(fā)明涉及雷害風(fēng)險(xiǎn)評(píng)估，尤其涉及一種雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法和系統(tǒng)。

背景技術(shù)：

1、我國(guó)高壓架空輸電線路大多處于高山曠野，輸電距離較長(zhǎng)，引雷能力強(qiáng)，受雷面積大，容易遭受雷害。根據(jù)統(tǒng)計(jì)數(shù)據(jù)，雷擊故障在電網(wǎng)所有故障因素中的占比達(dá)到40％～60％。雷擊是造成我國(guó)架空輸電線路故障跳閘的首要因素，嚴(yán)重威脅了電力系統(tǒng)安全穩(wěn)定運(yùn)行。

2、傳統(tǒng)的雷害風(fēng)險(xiǎn)評(píng)估方法通常依賴于電磁暫態(tài)仿真軟件(如emtp/atp)和經(jīng)典電氣幾何模型，盡管能夠較為準(zhǔn)確地計(jì)算雷擊跳閘率實(shí)現(xiàn)雷害風(fēng)險(xiǎn)的評(píng)估，但存在計(jì)算效率低，量化評(píng)估能力弱的問(wèn)題，無(wú)法快速運(yùn)用于大規(guī)模輸電線路并提取出針對(duì)性的防雷改造方案，防雷措施的差異性和有效性大打折扣。

3、部分研究者提出的如層次分析法等方法來(lái)進(jìn)行防雷改造方案的評(píng)估仍舊依賴于主觀判斷，所以實(shí)質(zhì)上運(yùn)維人員依然只能根據(jù)雷害風(fēng)險(xiǎn)結(jié)果和運(yùn)行經(jīng)驗(yàn)來(lái)制定防雷決策，難以實(shí)現(xiàn)精準(zhǔn)有效的防雷改造。而隨著電力大數(shù)據(jù)技術(shù)的發(fā)展，針對(duì)難以構(gòu)建準(zhǔn)確機(jī)理模型的復(fù)雜、不確定性系統(tǒng)，諸如神經(jīng)網(wǎng)絡(luò)等具有強(qiáng)非線性映射能力算法已逐步展現(xiàn)其內(nèi)在優(yōu)勢(shì)?？紤]到神經(jīng)網(wǎng)絡(luò)的黑箱性質(zhì)，可解釋神經(jīng)網(wǎng)絡(luò)或神經(jīng)網(wǎng)絡(luò)的解釋方法應(yīng)運(yùn)而出，為輸電線路的雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷提供了技術(shù)手段。因此，有必要提供一種基于可解釋神經(jīng)網(wǎng)絡(luò)的輸電線路雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問(wèn)題。為此，本發(fā)明的第一個(gè)目的在于提供一種雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，該方法能夠準(zhǔn)確高效地計(jì)算雷擊跳閘率實(shí)現(xiàn)雷害風(fēng)險(xiǎn)的準(zhǔn)確高效評(píng)估，并且便于制定有差異性和有效性的防雷措施。

2、本發(fā)明的第二個(gè)目的在于提供一種雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷系統(tǒng)。

3、為達(dá)到上述目的，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

4、一種雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，包括：

5、構(gòu)建用于雷擊跳閘率預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型；

6、建立多源雷害數(shù)據(jù)集，并將所述多源雷害數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；

7、搭建雷擊跳閘率仿真模型，基于所述雷擊跳閘率仿真模型計(jì)算得到與所述訓(xùn)練集對(duì)應(yīng)的雷擊跳閘率；

8、以所述訓(xùn)練集為輸入，所述雷擊跳閘率仿真模型計(jì)算得到的雷擊跳閘率為輸出對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

9、將所述測(cè)試集輸入至訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，得到雷擊跳閘率預(yù)測(cè)值，并基于雷擊跳閘率預(yù)測(cè)值實(shí)現(xiàn)雷害風(fēng)險(xiǎn)評(píng)估。

10、優(yōu)選的，所述神經(jīng)網(wǎng)絡(luò)模型為包括兩個(gè)隱藏層的bp神經(jīng)網(wǎng)絡(luò)模型。

11、優(yōu)選的，每一隱藏層后設(shè)置有dropout層。

12、優(yōu)選的，在對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時(shí)，基于預(yù)測(cè)結(jié)果采用損失函數(shù)對(duì)所述神經(jīng)網(wǎng)絡(luò)模型的內(nèi)部參數(shù)進(jìn)行優(yōu)化調(diào)節(jié)，所述損失函數(shù)為均方誤差函數(shù)。

13、優(yōu)選的，在對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時(shí)，采用adamw優(yōu)化器優(yōu)化所述神經(jīng)網(wǎng)絡(luò)模型的梯度下降過(guò)程。

14、優(yōu)選的，所述多源雷害數(shù)據(jù)集至少包括地面傾角參數(shù)、擊距系數(shù)、雷電入射角及雷電流幅值分布數(shù)據(jù)。

15、優(yōu)選的，所述雷擊跳閘率仿真模型為改進(jìn)的電氣幾何模型；其中，基于所述地面傾角參數(shù)、擊距系數(shù)、雷電入射角及雷電流幅值分布數(shù)據(jù)搭建改進(jìn)的電氣幾何模型，并且基于改進(jìn)的電氣幾何模型和emtp/atp計(jì)算得到與所述訓(xùn)練集對(duì)應(yīng)的雷擊跳閘率。

16、優(yōu)選的，所述方法還包括基于shap解釋法確定所述多源雷害數(shù)據(jù)集中每一特征參數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的整體貢獻(xiàn)度。

17、優(yōu)選的，基于shap解釋法確定所述多源雷害數(shù)據(jù)集中每一特征參數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的整體貢獻(xiàn)度，包括：

18、對(duì)于每一特征參數(shù)，確定包含所述特征參數(shù)和不包含所述特征參數(shù)的所有特征子集的神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果，所述特征子集為所述多源雷害數(shù)據(jù)集的子集；

19、對(duì)于每一特征參數(shù)，確定所述特征參數(shù)加入到特征子集時(shí)對(duì)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的改變量；

20、平均所有特征子集的邊際貢獻(xiàn)得到每一特征參數(shù)的shap值；

21、基于每一特征參數(shù)的shap值生成所述神經(jīng)網(wǎng)絡(luò)模型的shap值全局分布圖，以便通過(guò)所述shap值全局分布圖直觀示出每一特征參數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的整體貢獻(xiàn)度。

22、為達(dá)到上述目的，本發(fā)明第二方面提供了一種雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷系統(tǒng)，包括：

23、第一構(gòu)建模塊，用于構(gòu)建用于雷擊跳閘率預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型；

24、第二構(gòu)建模塊，用于建立多源雷害數(shù)據(jù)集，并將所述多源雷害數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；

25、第三構(gòu)建模塊，用于搭建雷擊跳閘率仿真模型；

26、仿真計(jì)算模塊，用于基于所述雷擊跳閘率仿真模型計(jì)算得到與所述訓(xùn)練集對(duì)應(yīng)的雷擊跳閘率；

27、訓(xùn)練模塊，用于以所述訓(xùn)練集為輸入，所述雷擊跳閘率仿真模型計(jì)算得到的雷擊跳閘率為輸出對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

28、預(yù)測(cè)評(píng)估模塊，用于將所述測(cè)試集輸入至訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，得到雷擊跳閘率預(yù)測(cè)值，并基于雷擊跳閘率預(yù)測(cè)值實(shí)現(xiàn)雷害風(fēng)險(xiǎn)評(píng)估。

29、本發(fā)明至少具有以下技術(shù)效果：

30、本發(fā)明采用改進(jìn)的電氣幾何模型對(duì)多源雷害數(shù)據(jù)集進(jìn)行計(jì)算可得到準(zhǔn)確的雷擊跳閘率計(jì)算結(jié)果；本發(fā)明采用神經(jīng)網(wǎng)絡(luò)對(duì)雷擊跳閘率仿真模型得到的雷擊跳閘率仿真值與上述多源雷害數(shù)據(jù)集之間的整體規(guī)律進(jìn)行學(xué)習(xí)逼近，提高了計(jì)算效率；本發(fā)明采用shap解釋法，從多源雷害數(shù)據(jù)集整體的角度對(duì)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果進(jìn)行了解釋，得到了多源雷害數(shù)據(jù)集中每一特征參數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的整體貢獻(xiàn)度，從而能夠便于制定有差異性和有效性的防雷措施。

31、本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本發(fā)明的實(shí)踐了解到。

技術(shù)特征：

1.一種雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，其特征在于，包括：

2.如權(quán)利要求1所述的雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型為包括兩個(gè)隱藏層的bp神經(jīng)網(wǎng)絡(luò)模型。

3.如權(quán)利要求2所述的雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，其特征在于，每一隱藏層后設(shè)置有dropout層。

4.如權(quán)利要求2或3所述的雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，其特征在于，在對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時(shí)，基于預(yù)測(cè)結(jié)果采用損失函數(shù)對(duì)所述神經(jīng)網(wǎng)絡(luò)模型的內(nèi)部參數(shù)進(jìn)行優(yōu)化調(diào)節(jié)，所述損失函數(shù)為均方誤差函數(shù)。

5.如權(quán)利要求2或3所述的雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，其特征在于，在對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時(shí)，采用adamw優(yōu)化器優(yōu)化所述神經(jīng)網(wǎng)絡(luò)模型的梯度下降過(guò)程。

6.如權(quán)利要求1所述的雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，其特征在于，所述多源雷害數(shù)據(jù)集至少包括地面傾角參數(shù)、擊距系數(shù)、雷電入射角及雷電流幅值分布數(shù)據(jù)。

7.如權(quán)利要求6所述的雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，其特征在于，所述雷擊跳閘率仿真模型為改進(jìn)的電氣幾何模型；其中，基于所述地面傾角參數(shù)、擊距系數(shù)、雷電入射角及雷電流幅值分布數(shù)據(jù)搭建改進(jìn)的電氣幾何模型，并且基于改進(jìn)的電氣幾何模型和emtp/atp計(jì)算得到與所述訓(xùn)練集對(duì)應(yīng)的雷擊跳閘率。

8.如權(quán)利要求1所述的雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，其特征在于，所述方法還包括基于shap解釋法確定所述多源雷害數(shù)據(jù)集中每一特征參數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的整體貢獻(xiàn)度。

9.如權(quán)利要求8所述的雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法，其特征在于，基于shap解釋法確定所述多源雷害數(shù)據(jù)集中每一特征參數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的整體貢獻(xiàn)度，包括：

10.一種雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種雷害風(fēng)險(xiǎn)評(píng)估及雷害成因診斷方法和系統(tǒng)，該方法包括：構(gòu)建用于雷擊跳閘率預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型；建立多源雷害數(shù)據(jù)集，并將多源雷害數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；搭建雷擊跳閘率仿真模型，基于雷擊跳閘率仿真模型計(jì)算得到與訓(xùn)練集對(duì)應(yīng)的雷擊跳閘率；以訓(xùn)練集為輸入，雷擊跳閘率仿真模型計(jì)算得到的雷擊跳閘率為輸出對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；將測(cè)試集輸入至訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，得到雷擊跳閘率預(yù)測(cè)值，并基于雷擊跳閘率預(yù)測(cè)值實(shí)現(xiàn)雷害風(fēng)險(xiǎn)評(píng)估。本發(fā)明能夠準(zhǔn)確高效地計(jì)算雷擊跳閘率實(shí)現(xiàn)雷害風(fēng)險(xiǎn)的準(zhǔn)確高效評(píng)估，并且便于制定有差異性和有效性的防雷措施。

技術(shù)研發(fā)人員：方超穎,許軍,鄭鐘楠,程韻初,王曉杰,陳少康,吳澤梁,鄧冶強(qiáng),王羽
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)福建省電力有限公司電力科學(xué)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8