(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 202211229257.5 (22)申请日 2022.10.08 (71)申请人 广东电力交易中心有限责任公司 地址 510080 广东省广州市越秀区东 风东 路761号丽丰中心12 楼 (72)发明人 王浩浩　罗锦庆　黄远明　林少华　 王宁　舒康安　别佩　陈青　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 苟冬梅 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06F 17/18(2006.01) G06F 17/11(2006.01) (54)发明名称 基于增量插值的输电线路阻塞风险概率评 估方法及产品 (57)摘要 本申请实施例涉及电力系统领域， 公开了一 种基于增量插值的输电线路阻塞风险概率评估 方法及产品， 包括： 将待评估时段的特征输入优 化的改良神经网络中， 得到分位数下对应的待取 值阻塞风险； 采用线性插值的方式， 对所述分位 数下对应的待取值阻塞风险基于预设算法进行 处理， 得到阻塞风险概率评估模型； 按照预设间 隔对所述分位数进行赋值， 利用所述优化的改良 神经网络和所述阻塞风险概率评估模 型， 获取目 标线路的阻塞风险概率评估结果。 通过使用历史 数据训练优化的改良神经网络， 并使用增量插值 法对分位数下的输出结果进行改进， 可以避免分 位数交叉的问题， 精确的输出线路阻塞的累积分 布函数， 实现对阻塞严重程度的全面评估。 权利要求书3页 说明书13页 附图2页 CN 115545477 A 2022.12.30 CN 115545477 A 1.一种基于增量插值的输电线路阻塞风险概 率评估方法， 其特 征在于， 包括： 将待评估时段的特征输入优化的改良神经网络 中， 得到分位数下对应的待取值阻塞风 险， 所述优化的改良神经网络由优化的一般性全连接神经网络和优化的限定层组成； 采用线性插值的方式， 对所述分位数下对应的待取值阻塞风险基于预设算法进行处 理， 得到阻塞风险概 率评估模型； 按照预设间隔对所述分位数进行赋值， 利用所述优化的改良神经网络和所述阻塞风险 概率评估模型， 获取目标线路的阻塞风险概 率评估结果。 2.根据权利要求1所述的基于增量插值的输电线路阻塞风险概率评估方法， 其特征在 于， 将待评估时段的特征输入优化的改良神经网络中， 得到分位数下对应的待取值阻塞风 险， 包括： 将所述待评估时段的特征输入所述优化的一般全连接神经网络， 输出分位数下对应的 隐藏变量； 将所述分位数下对应的隐藏变量输入所述优化的限定层， 根据 所述限定层中分位数下 对应的隐藏神经元， 对所述分位数下对应的隐藏变量进行处理， 得到分位数下对应的待取 值阻塞风险。 3.根据权利要求1所述的基于增量插值的输电线路阻塞风险概率评估方法， 其特征在 于， 采用线性插值的方式， 对所述分位数下对应的待 取值阻塞风险基于预设算法进 行处理， 得到阻塞风险概 率评估模型， 包括： 当αi<α <αi+1， i＝1,2, …,m‑1时， 对所述分位数下对应的待取值阻塞风险按照如下算法 计算得到非尾部待取值阻塞风险： 当0<α<α1或1>α >αm时， 对所述分位数下对应的待取值阻塞风险按照如下算法计算得到 尾部待取值阻塞风险： 其中， α为所述分位数， m为所述分位数的数目， 为所述待取值阻塞风险， x为所 述待评估时段的特 征， t′为待评估时段， ( λL, νL)和( λR, νR)为指数分布的参数； 将所述非尾部待取值阻塞风险和所述尾部待取值阻塞风险组成所述阻塞风险概率评 估模型。 4.根据权利要求2所述的基于增量插值的输电线路阻塞风险概率评估方法， 其特征在 于， 所述优化的限定层， 按照如下 方式获得： 将一般全连接神经网络输出的分位数下对应的隐藏变量输入限定层的第一隐藏神经 元中， 输出第一分位数 下对应的待取值阻塞风险作为第一输出 结果； 将所述第一输出结果输入下一分位数下对应的隐藏神经元中， 并将每次得到的输出结 果叠加至上一隐藏神经元的输出结果上， 依次进 行最终得到所述分位数下对应的待取值阻权　利　要　求　书 1/3 页 2 CN 115545477 A 2塞风险； 根据所述分位数下对应的待取值阻塞风险计算限定层的损失函数， 并根据所述限定层 的损失函数优化限定层的可训练参数， 得到所述优化的限定层。 5.根据权利要求3所述的基于增量插值的输电线路阻塞风险概率评估方法， 其特征在 于， 所述指数分布的参数( λL, νL)和( λR, νR)的取值按照如下 方式进行计算： 根据第一尾部分位数与第 一尾部分位数对应的待取值阻塞风险， 代入如下方程计算所 述指数参数( λL, νL)： 根据第二尾部分位数与第 二尾部分位数对应的待取值阻塞风险， 代入如下方程计算所 述指数参数( λR, νR)： 其中， m为所述分位数的数目， 和 为所述第一尾部分位数与 第一尾部分位数对应的待取值阻塞风险， 和 为所述第二尾 部分位数与第二尾部分位数对应的待取值阻塞风险， ( λL, νL)和( λR, νR)为指数分布的参数。 6.根据权利要求4所述的基于增量插值的输电线路阻塞风险概率评估方法， 其特征在 于， 将所述第一输出结果输入下一分位数下对应的隐藏神经元中， 并将每次得到的输出结 果叠加至上一隐藏神经 元的输出 结果上， 按照如下 方式进行计算： q( αi,x)＝q( αi‑1,x)+ReLU(wi·h+bi)； 其中， q( αi,x)为第i输出结果， i＝2, …,m， m为所述分位数的数目， q( αi‑1,x)为第i ‑1输 出结果， θi＝[wi,bi]为第i隐藏神经元的可训练参数， h为所述分位数下对应的隐藏变量， ReLU(x)为激活函数， ReLU(x)＝max{0,x}。 7.一种基于增量插值的输电线路阻塞风险概 率评估装置， 其特 征在于， 包括： 分位数下待取值阻塞风险模块， 用于将待评估时段的特征输入优化的改良神经网络 中， 得到分位数下对应的待取值阻塞风险， 所述优化的改良神经网络由优化的一般性全连 接神经网络和优化的限定层组成； 插值模块， 用于采用线性插值的方式， 对所述分位数下对应的待取值阻塞风险基于预 设算法进行处 理， 得到阻塞风险概 率评估模型； 结果获取模块， 用于按照预设间隔对所述分位数进行赋值， 利用所述优化的改良神经 网络和所述阻塞风险概 率评估模型， 获取目标线路的阻塞风险概 率评估结果。 8.一种电子设备， 其特征在于， 包括存储器、 处理器及存储在存储器上的计算机程序， 所述处理器执行所述计算机程序以实现权利要求 1‑6中任一所述的基于增量插值的输电线 路阻塞风险概 率评估方法中的步骤。权　利　要　求　书 2/3 页 3 CN 115545477 A 3