李東有

摘 要：電力系統(tǒng)作為國民生活的重要部分，其設(shè)備安全風(fēng)險評估意義重大。電力系統(tǒng)設(shè)備如果頻繁發(fā)生故障，可能會引起事故發(fā)生，給國家和人民造成巨大的損失。本文闡述了電力系統(tǒng)設(shè)備安全風(fēng)險評估指標(biāo)的選擇原則以及電力系統(tǒng)設(shè)備安全風(fēng)險評估體系的構(gòu)造方法。將硬件設(shè)備、軟件設(shè)備、信息系統(tǒng)安全、網(wǎng)絡(luò)系統(tǒng)安全以及供配電質(zhì)量作為評估體系的指標(biāo)，利用主成分分析法對這6項指標(biāo)進行提取，提取結(jié)果將作為硬件設(shè)備的一項特征指標(biāo)，其他因素作為一項綜合指標(biāo)。以BP神經(jīng)網(wǎng)絡(luò)為理論基礎(chǔ)，在設(shè)定電力系統(tǒng)設(shè)備安全風(fēng)險特征值的前提下，給出了電力系統(tǒng)設(shè)備安全風(fēng)險的評估方法。

關(guān)鍵詞：電力系統(tǒng);安全風(fēng)險評估;主成分分析;神經(jīng)網(wǎng)絡(luò)

中圖分類號：TM732文獻標(biāo)識碼：A文章編號：1003-5168（2021）25-0057-03

Safety Risk Assessment of Power System Equipment Based on Neural Network

LI Dongyou

（State Grid Changchun Power Supply Company， Changchun Jilin 130012）

Abstract： As an important part of national life， power system equipment safety risk assessment is of great significance. If power system equipment fails frequently， it can cause accidents and property losses to the country and people. This paper expounds the selection principle of power system equipment safety risk assessment index and the construction method of power system equipment safety risk assessment system. Hardware equipment， software equipment， information system security， network system security and power supply and distribution quality are taken as the indicators of the evaluation system. The six indicators are extracted by principal component analysis. The extraction result is that hardware equipment is taken as a characteristic index and other factors are taken as a comprehensive index. Based on BP neural network theory， the evaluation method of power system equipment safety risk is given on the premise of setting the characteristic value of power system equipment safety risk.

Keywords： power system;security risk assessment;principal component analysis;neural network

20世紀(jì)以來，安全科學(xué)不斷發(fā)展，各項理論體系不斷完善[1]。安全風(fēng)險主要是指事故出現(xiàn)的可能性，其包括影響因素、風(fēng)險事件以及事件損失[2]。因此，在現(xiàn)實生活中，風(fēng)險評估具有十分重要的意義。風(fēng)險評估的主要手段是將定量方法與定性方法相結(jié)合，對整個系統(tǒng)的狀況進行評估，并將評估結(jié)果應(yīng)用到實際生產(chǎn)中，從而保證生產(chǎn)安全。就電力系統(tǒng)而言，安全風(fēng)險包括以專家經(jīng)驗為基礎(chǔ)和以特定評估算法為基礎(chǔ)的評估原理。以專家經(jīng)驗為基礎(chǔ)的評估是指在風(fēng)險評估體系建成之后，相關(guān)部門組織電力專家針對體系中的各項指標(biāo)及權(quán)重進行評價，根據(jù)評價結(jié)果計算各項風(fēng)險的發(fā)生率，最終確定風(fēng)險值[3]。層次分析法等模糊數(shù)學(xué)理論以及熵權(quán)系數(shù)法是應(yīng)用較為廣泛的評估方法。層次分析法是將評估對象的結(jié)構(gòu)關(guān)系進行層次結(jié)構(gòu)化，構(gòu)造判斷矩陣使兩兩因素之間進行比較，考慮相對值[4];在確定某一準(zhǔn)則層的比重后，再綜合考慮準(zhǔn)則層對目標(biāo)層的影響。熵權(quán)系數(shù)法是在各項指標(biāo)權(quán)重的計算中加入信息熵的概念，當(dāng)系統(tǒng)發(fā)生事故的概率越接近于50%時，熵值便會越大[5]。之后，判斷指標(biāo)之間的相對權(quán)重，綜合計算各項指標(biāo)對目標(biāo)層的權(quán)重，進而得到精確的評估模型。除此之外，作為交叉學(xué)科理論的神經(jīng)網(wǎng)絡(luò)也是電力系統(tǒng)安全風(fēng)險評估的重要應(yīng)用理論。神經(jīng)網(wǎng)絡(luò)模型包括感知器、反傳網(wǎng)絡(luò)等30多種模型[6]。本文將以BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，評估電力系統(tǒng)設(shè)備的安全風(fēng)險。

1 相關(guān)概念

電力系統(tǒng)裝備安全風(fēng)險評估的意義在于了解該系統(tǒng)設(shè)備當(dāng)前或?qū)戆l(fā)生問題的位置，并對這些問題提出合理的應(yīng)對措施[7]。評估過程比較復(fù)雜，大致可分為三部分：一是電力系統(tǒng)設(shè)備安全風(fēng)險評估指標(biāo)的確定;二是電力系統(tǒng)設(shè)備安全風(fēng)險評估體系的構(gòu)造;三是電力系統(tǒng)設(shè)備安全風(fēng)險評估方法的確定。

1.1 電力系統(tǒng)設(shè)備安全風(fēng)險評估指標(biāo)

電力系統(tǒng)設(shè)備安全風(fēng)險評估指標(biāo)必須能夠全面反映電力系統(tǒng)的信息[8]。因此，在挑選電力系統(tǒng)設(shè)備安全風(fēng)險評估指標(biāo)時，需要遵循以下原則：①科學(xué)性，所選的設(shè)備指標(biāo)反映評價內(nèi)涵和目標(biāo);②通用性，由于所建立的評估模型需要適用于不同地區(qū)，因此所選的設(shè)備指標(biāo)應(yīng)滿足多個區(qū)域的評估要求;③可操作性，所選擇的設(shè)備指標(biāo)應(yīng)該易于量化，便于模型的計算及操作;④獨立性，若指標(biāo)之間存在一定的聯(lián)系，則會造成錯誤的評價結(jié)果，因此，為使得結(jié)果合理，應(yīng)保持指標(biāo)的獨立性;⑤前瞻性，所選設(shè)備的指標(biāo)應(yīng)符合電力系統(tǒng)的發(fā)展方向，順應(yīng)其發(fā)展潮流[9]。

1.2 電力系統(tǒng)設(shè)備安全風(fēng)險評估體系

電力系統(tǒng)設(shè)備安全風(fēng)險評估體系應(yīng)具有層次化的結(jié)構(gòu)，同時能夠合理反映該系統(tǒng)設(shè)備的風(fēng)險水平。不同的電力系統(tǒng)應(yīng)該對應(yīng)不同的層次結(jié)構(gòu)。

2 電力系統(tǒng)設(shè)備安全風(fēng)險評估過程

2.1 評估指標(biāo)的確定

根據(jù)評估指標(biāo)的確定原則，將硬件設(shè)備、軟件設(shè)備、信息系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)及供配電質(zhì)量作為該模型中的評估指標(biāo)。采集相關(guān)數(shù)據(jù)，并利用主成分分析法，將5種指標(biāo)進行分類，如圖1所示。

圖1中橫坐標(biāo)“1～5”分別代表硬件設(shè)備、軟件設(shè)備、信息系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)以及供配電質(zhì)量，縱坐標(biāo)代表影響系數(shù)。從圖1中折線的斜率變化可以看出，第1項可作為一類指標(biāo)，第2、3、4、5項可作為一項綜合評估指標(biāo)。據(jù)此，可將第1項和綜合評估指標(biāo)作為參考量，依據(jù)BP神經(jīng)網(wǎng)絡(luò)模型進行評價。

2.2 神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)模型[10]起源于神經(jīng)生物學(xué)。它的計算過程類似于生物學(xué)中的神經(jīng)元的反應(yīng)過程。神經(jīng)元數(shù)學(xué)模型如圖2所示，圖中的符號說明如表1所示。其中，f[u]₁決定了在輸入x_1，x₂，…，x_n的共同作用下，達到閾值[θi]的輸出形式。

圖3是兩種激發(fā)函數(shù)的圖像[11]。本文采用的模型使用第二種激發(fā)函數(shù)。

其中，單個神經(jīng)元的完整數(shù)學(xué)模型表達式為

BP神經(jīng)網(wǎng)絡(luò)是一種多層前向網(wǎng)絡(luò)，以最小均方誤差計算為基礎(chǔ)。當(dāng)反向傳播算法應(yīng)用至前饋多層網(wǎng)絡(luò)時，將Sigmoid當(dāng)作激發(fā)函數(shù)，并根據(jù)以下步驟對w_ij進行遞歸求取計算。對于每層具有n個神經(jīng)元時，對于第[k]層第i個神經(jīng)元，則有n個權(quán)系數(shù)w_i1，w_i2，…，w_jn。此外，選取多一個w_jn+1用來表示θ_i。在輸入樣本[x]時，取x=x₁，x₂，…，x_n，1。

①對w_ij賦值。對各層的w_ij賦一個比較小的非零隨機數(shù)，同時w_jn+1=-θ_i。因為本模型利用MATLAB運行，所以該賦值過程是計算機的隨機過程。正因如此，不同運行階段，相同的程序代碼所得結(jié)果可能會出現(xiàn)差異。

②輸入樣本值x=x₁，x₂，…，x_n，1，對應(yīng)期望輸出y=y₁，y₂，…，y_n，1。

③計算各層的輸出，對于第k層第i個神經(jīng)元的輸出x_ik，有

⑥當(dāng)求出各層各個權(quán)系數(shù)之后，可以按照既定標(biāo)準(zhǔn)判斷是否符合要求。如果不符合，則返回第③步，反之結(jié)束計算。

3 評估結(jié)果

依據(jù)實際情況進行特征值設(shè)置。針對相關(guān)的電力專家進行問卷調(diào)查，為電力系統(tǒng)安全風(fēng)險設(shè)定評價標(biāo)準(zhǔn)。經(jīng)處理，調(diào)查結(jié)果如表2和表3所示。

利用MATLAB依據(jù)BP神經(jīng)網(wǎng)絡(luò)的計算步驟，編寫程序獲得特征值的平面分布圖，結(jié)果如圖4所示。圖4中，“*”代表電力系統(tǒng)設(shè)備安全風(fēng)險較高的區(qū)域，“〇”代表電力系統(tǒng)設(shè)備安全風(fēng)險較低的區(qū)域。將被測對象的指標(biāo)參數(shù)對應(yīng)特征值的分布區(qū)域，即可判斷出被測對象的風(fēng)險等級。

4 結(jié)語

將BP神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到電力系統(tǒng)設(shè)備安全風(fēng)險的評估中，在主成分分析計算步驟的基礎(chǔ)上，以實際調(diào)查的方式進行數(shù)據(jù)采集，從數(shù)據(jù)的角度客觀反映評估情況。與其他電力系統(tǒng)設(shè)備安全風(fēng)險評估方案相比，該評估模型適用范圍更廣，操作更方便。雖然在實際生活中BP神經(jīng)網(wǎng)絡(luò)在風(fēng)險評估上的應(yīng)用比較廣泛，但是一旦訓(xùn)練誤差估算不合理，就可能出現(xiàn)計算結(jié)果不正確的現(xiàn)象，因此需要合理估算誤差。

參考文獻：

[1]羅義釗，梁海濤，柳玉鑾，等.電力通信網(wǎng)風(fēng)險評估系統(tǒng)的研究[J].通信電源技術(shù)，2020（7）：41-45.

[2]文佳.人工智能算法的船舶電力系統(tǒng)安全風(fēng)險評價[J].艦船科學(xué)技術(shù)，2020（20）：71-73.

[3]戴祖峰.基于BS7799的安全風(fēng)險評估系統(tǒng)的研究及設(shè)計實現(xiàn)[D].西安：西安電子科技大學(xué)，2004：56.

[4]周孝信，史東宇，陳勇，等.基于卷積神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)暫態(tài)穩(wěn)定預(yù)防控制方法[J].電力系統(tǒng)保護與控制，2020（18）：1-8.

[5]周亮，袁烈偉，向堯.基于模糊神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)空間負荷預(yù)測方法研究[J].通信電源技術(shù)，2020（4）：32-33.

[6]何永貴，劉江.基于組合賦權(quán)–云模型的電力物聯(lián)網(wǎng)安全風(fēng)險評估[J].電網(wǎng)技術(shù)，2020（11）：8.

[7]許偉強.基于ISM的電力事故安全風(fēng)險評價研究[J].機電信息，2020（14）：142-143.

[8]熊蕾.GA-BP神經(jīng)網(wǎng)絡(luò)在船舶供電網(wǎng)絡(luò)評價中的應(yīng)用[J].艦船科學(xué)技術(shù)，2020（16）：113-115.

[9]蔣航，劉進，熊俊，等.基于線路二次設(shè)備實時信息的保護定值風(fēng)險評估研究[J].電力系統(tǒng)保護與控制，2020（4）：103-109.

[10]于文滔，楊芳.基于BP神經(jīng)網(wǎng)絡(luò)的架空輸電線路樹障隱患預(yù)測技術(shù)研究[J].通信電源技術(shù)，2020（2）：15-18.

[11]郭昊，何小蕓，孫學(xué)潔，等.國家電網(wǎng)邊緣計算應(yīng)用安全風(fēng)險評估研究[J].計算機工程與科學(xué)，2020（9）：1563-1571.