[发明专利]一种自然灾害下电力设备故障概率预测方法及系统

权利要求书

1.一种自然灾害下电力设备故障概率预测方法，其特征在于，包括步骤：

(1)采集自然灾害下电力设备事故发生的历史案例；

(2)构建电网自然灾害知识图谱的本体模型，所述本体模型包括若干类实体；

(3)基于所述历史案例和所述本体模型构建图结构储存的电网自然灾害知识图谱，所述电网自然灾害知识图谱包括若干个实体节点，所述实体节点包括设备节点；

(4)采用节点引力算法计算每一个设备节点与其他所有设备节点的节点相似度，并基于这些节点相似度构成相似度特征向量；

(5)构建前馈神经网络分类器，采用所述电网自然灾害知识图谱中所有设备节点的相似度特征向量和历史案例的标签值训练前馈神经网络分类器；

(6)在预测时，采用节点引力算法计算待预测设备节点与其他所有设备节点的节点相似度，并基于节点相似度构成待预测设备节点的相似度特征向量，将待预测设备节点的相似度特征向量输入经过训练的前馈神经网络分类器，得到对不同事故类型发生概率的预测结果。

2.如权利要求1所述的自然灾害下电力设备故障概率预测方法，其特征在于，所述若干类实体包括：地理类实体、气象类实体、设备类实体和事故类实体。

3.如权利要求1所述的自然灾害下电力设备故障概率预测方法，其特征在于，在所述步骤(4)中：对于电网自然灾害知识图谱中每两个设备节点x和y，它们之间的节点相似度S_xy表示为：

通过上式计算得到待预测设备节点与电网自然灾害知识图谱中其他所有设备节点的节点相似度，所有节点相似度组成了相似度特征向量；

式中，实体节点z是x和y的共同邻居节点中的一个，k表示实体节点z的度或称为连接数，分子e_z表示实体节点z的所有邻居节点中满足下面任意一个条件的实体节点的个数：

(a)该邻居节点是实体节点x或实体节点y本身；

(b)该邻居节点同时是实体节点x和实体节点y的邻居节点。

4.如权利要求1所述的自然灾害下电力设备故障概率预测方法，其特征在于，所述前馈神经网络分类器的计算公式为：

Y＝sigmoid(WH+b)

其中，Y表示最终的预测向量，H表示输入的相似度特征向量，W和b是待训练参数。

5.如权利要求1所述的自然灾害下电力设备故障概率预测方法，其特征在于，在步骤(5)中，在训练过程中采用均方损失函数衡量预测向量与历史案例的标签值的偏差值，每一次迭代时均利用反向传播更新模型参数值，直到均方损失函数数值小于预设的目标时结束迭代，得到训练好的前馈神经网络分类器。

6.一种自然灾害下电力设备故障概率预测系统，其特征在于，包括：

采集模块，其采集自然灾害下电力设备事故发生的历史案例；

电网自然灾害知识图谱的本体模型，所述本体模型包括若干类实体；

图结构储存的电网自然灾害知识图谱，其基于所述历史案例和所述本体模型构建，所述电网自然灾害知识图谱包括若干个实体节点，所述实体节点包括设备节点；

特征向量提取模块，其采用节点引力算法计算每一个设备节点与其他所有设备节点的节点相似度，并基于这些节点相似度构成相似度特征向量；

前馈神经网络分类器，采用所述电网自然灾害知识图谱中所有设备节点的相似度特征向量和历史案例的标签值训练前馈神经网络分类器；

其中，在预测时，所述特征向量提取模块采用节点引力算法计算待预测设备节点与其他所有设备节点的节点相似度，并基于节点相似度构成待预测设备节点的相似度特征向量，将待预测设备节点的相似度特征向量输入经过训练的前馈神经网络分类器，得到对不同事故类型发生概率的预测结果。

7.如权利要求6所述的自然灾害下电力设备故障概率预测系统，其特征在于，所述若干类实体包括：地理类实体、气象类实体、设备类实体和事故类实体。