一种用于电力安全风险评估的智能风险评估方法及其系统的制作方法
【技术领域】
[0001] 本发明涉及一种电力风险评估方法，尤其涉及一种用于电力安全风险评估的智能 风险评估方法，同时也涉及用于实现该方法的智能风险评估系统，属于电力系统可靠性技 术领域。
【背景技术】
[0002] 供电企业在进行安全风险评估过程中，面临多种作业方式。例如，变电运行、变电 检修施工、送电运行、送电检修施工、配电运行、配电检修施工、调度通信自动化、高压油务 仪表作业、内线及计量作业、车辆交通等。每种作业方式在进行作业过程中，面临的诸多风 险因素会造成人员伤害或经济损失。其中，伤害方式包括：触电、高压坠落、机械伤害、火灾、 误操作、中毒、物体打击、交通事故、灼伤、动物伤害等。另外，风险造成的事故后果也不尽相 同，而且大多采用模糊语言表达，例如，特大事故、重大事故、一般事故、轻微事故等。
[0003] 风险因素的复杂性及模糊语言的存在，给安全风险评估工作带来了很大困难。在 现有的电力安全风险评估系统中，针对存在的风险因素，主要采用LEC法（格雷厄姆评价 法）、PR法以及模糊综合评定法进行评估。但这三种常用的方法均具有一定的局限性。
[0004] 首先，LEC方法简单易行，危险程度的级别划分比较清楚、醒目。但其每个等级的 分值都是根据经验进行确定的。当综合多种因素进行考虑时，通常采用模糊语言进行描述。 而用该方法来解决综合评价问题就显得很困难。其次，PR法（可能性和后果的分组和评价 准则）采用可能性评价指标（P)和事故影响程度指标（R)进行评价。然而风险的可能性以 及事故影响程度同样根据经验而得。因此该方法与LEC方法类似，在解决涉及诸多影响因 素和模糊语言问题时，同样存在一定的局限性。
[0005] 模糊综合评定法不同于上述两种方法。该方法是一种基于模糊数学的综合评标方 法，根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因 素制约的事物或对象做出一个总体的评价，能较好地解决模糊的、难以量化的问题，适合各 种非确定性问题的解决。但是，在具体应用过程中还有不少工作要做，例如评定矩阵的形 成、调整等工作需要依赖人工完成。
[0006] 在电力系统安全风险管控中，虽然采用模糊综合评定法可以很好模仿人的思维方 式解决模糊的、难以量化的问题。但是它需要利用专家的先验知识进行近似推理，缺乏在 线自学习或自调整的能力，因此能否自动生成、调整评定矩阵，成为进行模糊综合评价的难 题。
【发明内容】
[0007] 针对现有技术的不足，本发明所要解决的首要技术问题在于提供一种用于电力安 全风险评估的智能风险评估方法。
[0008] 本发明所要解决的另一个技术问题在于提供一种用于电力安全风险评估的智能 风险评估系统。
[0009] 为实现上述发明目的，本发明采用下述的技术方案：
[0010] -种用于电力安全风险评估的智能风险评估方法，包括如下步骤：
[0011] 步骤1，根据供电企业的作业方式，确定输入的风险因素集；
[0012] 步骤2,对输入的风险因素集中的风险因素进行模糊化处理，确定风险因素在评定 集中的所占比例；
[0013] 步骤3,模糊推理风险因素与风险评估结果之间的模糊规则，并计算每条模糊规则 的适用度；
[0014] 步骤4,对风险因素中的每条模糊规则的适用度进行归一化处理；
[0015] 步骤5,根据模糊规则和模糊规则的适用度计算各个模糊规则的输出，并进行解模 糊化处理，得到风险评估结果。
[0016] 其中较优地，所述步骤2具体包括如下步骤：首先，根据风险因素的风险程度，确 定风险因素的评定集；
[0017] 然后，根据公式：
计算每个评定集 的隶属函数；
[0018] 其中，O1为评定集u ,的隶属函数，X1为风险因子，{a Db11C1I为前提参数。
[0019] 其中较优地，所述隶属函数的形状随着所述前提参数的变化而改变，所述前提参 数通过自学习过程来获取。
[0020] 其中较优地，所述自学习过程包括如下步骤：
[0021] 首先，根据采用的隶属函数曲线形状和电网运行要求，确定前提参数的初始值；
[0022] 其次，根据电力系统输入的风险因素X和风险评估结果y使用最小二乘法计算结 论参数；
[0023] 最后，根据得到的所述结论参数对风险评估结果的输出误差进行计算，将误差作 为输入反向传到风险因素的输入端，采用梯度下降法更新前提参数。
[0024] 其中较优地，所述根据电力系统输入的风险因素X和风险评估结果y使用最小二 乘法计算结论参数，采用如下计算公式：
[0025] t= Σ (vkx)pk= (v iX) P1+(V1Y) qi+v^!+
[0026] (v2x) P2+ (v2y) q2+v2r1...
[0027] (vMx) pM+ (vMy) qM+vMrM= A Θ
[0028] 其中，列向量Θ的元素构成所述结论参数的集合，即Θ = (P1, q!，r!，p2, q2, r2, · · · pM, qM, rM}，行向量 A 的元素构成 vkx 的集合，即 A = Iv1X, v2x，vMx}， ^为每个风险因素X与风险评估结果y之间的模糊规则适用度占所有模糊规则适用度的比 例。
[0029] 其中较优地，在步骤3中，所述每条模糊规则的适用度通过公式：
[0030] 其中，W表示模糊规则的适用度，M为模糊规则的个数，O1S评定集的隶属函数。
[0031] 其中较优地，在步骤4中，所述归一化处理是确定电力系统中每个风险因素X与风 险评估结果y之间的模糊规则适用度占所有模糊规则适用度的比例。
[0032] 其中较优地，在步骤5中，根据模糊规则和模糊规则的适用度采用公式：
i 十算各个模糊规则的输出；
[0033] 其中，
为每个风险因素X与风险评估结果y之间的模糊规则适用度占所 有模糊规则适用度的比例，F为每个风险因素X与相应输出y之间的模糊规则。
[0034] 其中较优地，所述用于电力安全风险评估的智能风险评估方法，还包括如下步 骤：
[0035] 步骤6,分析各个风险因素的风险评估结果并采取预防措施。
[0036] -种用于电力安全风险评估的智能风险评估系统，用于实现上述的智能风险评估 方法，包括风险因素获取单元、风险因素处理单元、归一化处理单元、输出处理单元以及风 险评估结果分析处理单元；其中，
[0037] 所述风险因素获取单元用以确定输入的风险因素集，并将其发送到风险因素处理 单元和输出处理单元；
[0038] 所述风险因素处理单元包括模糊化处理模块和模糊推理模块；
[0039] 所述模糊化处理模块对输入的风险因素集中的风险因素进行模糊化处理，得到每 个评定集的隶属函数；
[0040] 所述模糊推理模块接收所述输出处理单元传送来的风险评估结果，对风险因素与 风险评估结果之间的模糊规则进行模糊推理，根据评定集的隶属函数计算每条模糊规则的 适用度；
[0041] 所述归一化处理单元接收风险因素处理单元传送来的所述适用度，计算每条模糊 规则适用度占所有模糊规则适用度的比例，得到归一化处理结果；
[0042] 所述输出处理单元包括输出模块和处理模块；
[0043] 所述输出模块