统的误差进行计算，采用前馈神经网 络中的BP算法，将误差由智能风险评估系统的输出端（输出处理单元）反向传到风险因素 的输出入端（风险因素获取单元），用梯度下降的办法更新前提参数，从而优化隶属函数的 形状。
[0118] 智能风险评估系统在线学习的时候，每个风险因素的变化都会造成前提参数和结 论参数的变化。例如在其余条件相同时，当工作人员先后工作于车辆来往频繁的高速公路 和蛇、蜂出没的树林环境时，由于前后两种环境的风险因素明显不同，导致结论参数对智能 风险评估系统的误差较大。通过采用BP算法和梯度下降法使得智能风险评估系统的误差 不断减小直至满足精度要求，在线学习前后智能风险评估系统的前提参数和结论参数将发 生显著变化。这种学习策略对于智能风险评估系统的参数更新是非常重要的。
[0119] 在本发明所提供的智能风险评估系统中，通过采用将模糊推理与神经网络自学习 能力相结合的思想，解决在评价过程中遇到的诸多风险因素及模糊语言存在带来的困难问 题，使用神经模糊系统建立的评价模型能够避免传统的LEC、PR等评价方法中权重确定的 主观性因素，使评价更具客观性和精确性。神经模糊系统模型是依据所收集到的足够的样 本数据，将样本数据分为训练样本和测试样本，通过训练和学习，找出输入变量和输出变量 之间的关系，从而实现样本的评价结果，尤其在当有新的样本加入数据评价集时，神经模糊 系统法可以利用训练网络中的成熟经验进行评价，相比传统评价方法来说具有更大的扩展 性。
[0120] 上面对本发明所提供的用于电力安全风险评估的智能风险评估方法及其系统进 行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它 所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。
【主权项】
1. 一种用于电力安全风险评估的智能风险评估方法，其特征在于包括如下步骤： 步骤1，根据供电企业的作业方式，确定输入的风险因素集； 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； 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； 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； 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。2. 如权利要求1所述的用于电力安全风险评估的智能风险评估方法，其特征在于所述 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；隶属函数； 其中，O1为评定集ui的隶属函数，Xi为风险因子，{ai，h，cj为前提参数。3. 如权利要求2所述的用于电力安全风险评估的智能风险评估方法，其特征在于： 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。4. 如权利要求3所述的用于电力安全风险评估的智能风险评估方法，其特征在于所述 自学习过程包括如下步骤： 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； 其次，根据电力系统输入的风险因素和风险评估结果使用最小二乘法计算结论参数； 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。5. 如权利要求4所述的用于电力安全风险评估的智能风险评估方法，其特征在于： 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： t=S (VkX)Pk= (V1X)P1+(V1Y)QfV1IT1 + (v2x)p2+(v2y)q2+v2r1... OmX)Pm+ (vMy)qM+vMrM=A0 其中，列向量0的元素构成所述结论参数的集合，即0 = (P1,qn!T1,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。6. 如权利要求1所述的用于电力安全风险评估的智能风险评估方法，其特征在于：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。7. 如权利要求1所述的用于电力安全风险评估的智能风险评估方法，其特征在于： 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与相应输出y之间的 模糊规则适用度占所有模糊规则适用度的比例。8. 如权利要求1所述的用于电力安全风险评估的智能风险评估方法，其特征在于：模糊规则的输出； 其中，为每个风险因素X与风险评估结果yt间的模糊规则$用度占所有模 糊规则适用度的比例，F为每个风险因素X与风险评估结果y之间的模糊规则。9. 如权利要求1所述的用于电力安全风险评估的智能风险评估方法，其特征在于还包 括如下步骤： 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。10. -种用于电力安全风险评估的智能风险评估系统，用于实现权利要求1~9中任意 一项所述的智能风险评估方法，其特征在于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， 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； 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； 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； 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； 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； 所述输出处理单元包括输出模块和处理模块； 所述输出模块接收风险因素获取单元传送来的风险因素集，生成每个风险因素对应的 风险评估结果，并将所述风险评估结果传送到风险因素处理单元； 所述处理模块根据每个风险因素的模糊规则和归一化处理单元传送来的归一化处理 结果，计算各模糊规则的输出并进行解模糊化处理，将处理后的风险评估结果传输到风险 评估结果分析处理单元； 所述风险评估结果分析处理单元接收输出处理单元传送来的风险评估结果，分析各个 风险因素的风险评估结果并采取预防措施。
【专利摘要】本发明公开一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：步骤1，根据供电企业的作业方式，确定输入的风险因素集；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；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；步骤4，对风险因素的每条模糊规则的适用度进行归一化处理；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。该方法既具有知识归纳学习能力，又能够自动调整隶属度函数的参数，从而有效地提高评价结果的准确性和有效性。
【IPC分类】G06Q50/06, G06Q10/06
【公开号】CN105046389
【申请号】CN201510080199
【发明人】黄文涛, 史立勤, 金坚贞, 陈宏富, 谭平, 王兰香, 周磊, 叶辉
【申请人】国家电网公司, 国网浙江省电力公司培训中心, 北京科东电力控制系统有限责任公司
【公开日】2015年11月11日
【申请日】2015年2月13日