(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211052084.4 (22)申请日 2022.08.31 (71)申请人 广东电网有限责任公司广州供电局 地址 510620 广东省广州市天河区天河南 二路2号 (72)发明人 周凯　许中　刘剑　熊国锟　 范伟男　莫文雄　刘俊翔　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 杜柱东 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 基于梯形云模型的极端天气易损馈线状态 评价方法及 介质 (57)摘要 本发明公开了一种基于梯形云模型的极端 天气易损馈线状态评价方法及介质， 方法将天气 指标纳入馈线状态评价体系， 然后针对定量的馈 线状态评分向定性的状态等级转换过程中存在 的数据随机性和模糊性问题， 应用模糊理论中的 梯形云算法进行求解， 通过生 成馈线整体的状态 等级云模型， 再生成待评价馈线的评分云模型， 计算各等级云模 型与评分云模型之间的相似度， 最终划分出待评价馈线受极端天气影响后的状 态等级， 实现极端天气条件下对配电网馈线状态 评价。 本发明方法对传统云模型进行了改进， 使 用梯形云使云模 型更符合设备运维实际， 方法计 及气象指标， 更 具有全面性。 权利要求书3页 说明书7页 附图1页 CN 115392739 A 2022.11.25 CN 115392739 A 1.基于梯形云模型的极端天气易损馈线状态评价方法， 其特 征在于， 包括以下步骤： S1、 以极端天气下易受损故障的馈线作为样本， 取其历史状态数据集和对应的历史天 气数据集， 计算每条样本 馈线的综合得分， 得到样本 馈线综合得分数据集； S2、 根据专 家意见对样本 馈线应属的状态进行评 定并划分为 4类状态等级； S3、 按照划分的状态等级， 将样本馈线综合得分数据集划分为4类等级云训练集， 分别 输入逆向梯形云发生器提取 出4类状态等级数值特 征； S4、 将得到的4类状态等级数值特征和指定云滴数N1输入正向梯形云发生器， 生成4类状 态等级云； S5、 对具体某条馈线进行状态评价时， 采集其状态数据以及评价前五个不同时次的天 气预报数据， 对每 个时次的数据进行评分计算， 构成该待评价馈线的实时评分数据集； S6、 将得到的实时评分数据集输入 逆向梯形云发生器提取 数值特征； S7、 将步骤S6 得到的数值特征和指定云滴数N2输入正向梯形云发生器， 生成待评价 设备 的评分云； S8、 分别计算步骤S7得到的待评价设备的评分云与步骤S4得到的4类状态等级云的相 似度； S9、 将待评价馈线划分入与其相似度最高的状态等级中， 输出状态等级结果。 2.根据权利要求1所述的基于梯形云模型的极端天气易损馈线状态评价方法， 其特征 在于， 步骤S1具体为： 以多条极端天气下易受损故障的馈线作为样本， 取其历史状态数据集Ds1和对应的历史 天气数据集Dw1， 根据二级指标权 重向量， 通过公式(1)计算出每条样本 馈线的综合得分： Slevel＝0.696WsDs1+0.304WwDw1  (1) 其中， Ws＝(0.109  0.039 0.065 0.264 0.085 0.064 0.091 0.022 0.048 0.03 0.006  0.019 0.038 0.011 0.014)T， 为馈线设备二级指标权重向量， 其中的数值分别为电缆、 架 空线、 柱上开关、 台架设备以及配电房设备的本体、 附属部件和试验检测三项评价内容的权 值， Ww＝(0.096  0.343 0.446 0.115)T， 为极端天气二级指标权重向量， 其 中的数值分别为 平均气温、 天降雨 量、 最大小时风速、 极端天气跳闸频次 四项内容的权值。 3.根据权利要求2所述的基于梯形云模型的极端天气易损馈线状态评价方法， 其特征 在于， 步骤S2具体为： 根据专家意见对多条样本馈线应属的状态进行评定， 由专家对样本馈线应属的状态进 行划分， 判断依据为所选历史状态下 的样本馈线是否因极端天气导致发生了故障， 以及根 据专家运维经验， 馈线是否应给予更高的关注度， 划分为 “正常”、“注意”、“异常”、“严重”4 类等级。 4.根据权利要求3所述的基于梯形云模型的极端天气易损馈线状态评价方法， 其特征 在于， 步骤S3具体为： 按照划分的状态等级， 将样本馈线综合得分数据集Slevel划分为S1， S2， S3， S4， 4类等级云 训练集， 分别输入 逆向梯形云发生器， 提取 出4类状态等级云的期望、 熵以及超熵。 5.根据权利要求4述的基于梯形云模型的极端天气易损馈线状态评价方法， 其特征在 于， 步骤S3中， 输入 逆向梯形云发生器提取4类 状态等级数值特 征， 具体包括以下步骤： S31、 计算输入数据集的均值 和方差SX；权　利　要　求　书 1/3 页 2 CN 115392739 A 2S32、 求云模型的左期望值Ex1和右期望值Ex2， 当输入为样本馈线的综合得分数据集时， 期望赋值公式为公式(2)， 当输入为待评价馈线的实时评分数据集时， 其中， i＝1,2,3,4分别代 表状态等级 “正常”、“注意”、“异常”以及“严重”； S33、 计算云模型的熵En： 其中， n表示数据集数据量， S34、 计算云模型的超熵He： S35、 输出云模型C的数值特 征{Ex1,Ex2,En,He}。 6.根据权利要求5所述的基于梯形云模型的极端天气易损馈线状态评价方法， 其特征 在于， 步骤S4具体为： 将步骤S3中得到的4类状态等级数值特征和指定云滴数N1输入正向梯形云发生器， 生成 4类状态等级云模型Clevel_i:{Ex1i,Ex2i,Eni,Hei}， i＝1,2,3,4， 分别代表 “正常”、“注意”、 “异常”、“严重”4类等级； 具体为： 输入数据集的云模型 数值特征{Ex1,Ex2,En,He}， 正向梯形云发生器内， 进行以下步骤： S41、 生成一个以En 为期望， He为方差的正态分布随机数En n； S42、 生成一个以Ex1为期望， 以En n为方差的正态随机数x1； S43、 若x1≥Ex2， 令x1＝0， 然后进行S4 4， 若否， 直接进行S4 4； S44、 生成一个以Ex2为期望， 以En n为方差的正态随机数x2； S45、 若x2≤Ex1， 令x2＝0， 然后进行S46， 若否， 直接进行S46； S46、 令 作为云模型中云滴的横坐标， 根据公式(5)计算确定度作为云滴的 纵坐标： S47、 输出坐标为(x, μ(x) )的N个云滴组成的云模型。 7.根据权利要求1所述的基于梯形云模型的极端天气易损馈线状态评价方法， 其特征 在于， 步骤S5具体为： 对具体某条馈线进行状态评价时， 采集其状态数据Ds2以及评价前五个不同时次 的天气 预报数据Dw2， 对每个时次的数据进行评分计 算， 构成该待 评价馈线的实时评分数据集， 评分权　利　要　求　书 2/3 页 3 CN 115392739 A 3