一种数据与模型联合驱动的安全风险评估预警方法技术

本发明专利技术公开了一种数据与模型联合驱动的安全风险评估预警方法，该方法包括以下步骤：S1、设定风险因素及其评估指标，组建多层面的安全风险评估体系；S2、组建分布式监测网络，实时获取风险因素中的风险源数据；S3、利用数据驱动确定风险源数据可靠性并实现风险预评估；S4、将风险因素模糊化，并设定风险等级构建风险评估模型；S5、对实时采集得到的风险源数据进行风险评估预警。本发明专利技术通过构建数据和模型联合驱动的综合风险评估体系，能够全面、准确地评估电网系统的安全风险，利用历史数据和当前状态对未来的安全风险进行预测，提前做好预防措施，避免安全事故的发生；实时监测电网系统状态，并在出现异常情况时及时预警。并在出现异常情况时及时预警。并在出现异常情况时及时预警。

【技术实现步骤摘要】
一种数据与模型联合驱动的安全风险评估预警方法


[0001]本专利技术涉及安全风险评估
，具体来说，涉及一种数据与模型联合驱动的安全风险评估预警方法。

技术介绍

[0002]电网是连接发电厂和电力用户的系统，它将电力从发电厂输送到各个用电场所。随着经济的发展和技术的进步，电力需求不断增长，电网的规模和复杂度也在不断扩大。电网系统的安全问题一直是电力行业关注的焦点，因为电力供应的中断可能会导致经济损失和生命财产损失。
[0003]目前，电网的发展趋势是智能化、数字化、高效化和清洁化。为了实现这一目标，电网需要不断地进行技术创新和升级，以满足新的能源要求和电力市场需求。在电网系统的安全管理方面，需要采用先进的技术手段和方法，实现对电网系统的实时监测、预警和快速响应，以提高电网系统的可靠性和安全性。
[0004]电网安全风险评估预警是在电网系统中发现潜在的安全风险，提前采取预防措施，以确保电网系统的安全运行。这种预警可以通过分析电网系统中的各种数据来实现，包括气象数据、传感器数据、负荷数据、电压数据等。通过对这些数据的实时监测和分析，可以发现电网系统中的异常情况，从而预测潜在的安全风险，并采取相应的措施来消除或降低风险。
[0005]现有的技术手段包括传感器技术、人工智能技术、数据挖掘技术、云计算技术等。传感器技术可以实时监测电网系统中的各种数据，并将这些数据传输到数据中心进行分析和处理。人工智能技术可以通过对电网系统中的数据进行分析，实现对电网系统的智能化管理和控制。数据挖掘技术可以挖掘电网系统中隐藏的规律和关联，以实现对电网系统的优化管理。云计算技术可以为电网系统提供强大的计算和存储能力，以支持实时监测和预警处理。这些技术手段的应用可以大大提高电网系统的安全性和可靠性。
[0006]虽然现有技术中的安全风险评估预警已经在一定程度上提高了电网系统的安全性能，但仍存在一些缺陷、不足与待改进之处，包括：1、数据获取不充分：安全风险评估预警的精度和可靠性直接受限于数据的质量和数量。目前在电网系统中，监测设备和数据采集系统尚存在一定程度的不足，无法实现全方位、多层次的数据获取。
[0007]2、风险评估指标缺失：当前安全风险评估指标体系还存在缺失，无法覆盖所有安全风险源，如对于天气异常、人为破坏等难以预测的安全事件，缺乏有效的预警指标。
[0008]3、预警模型过于简单：目前大多数安全风险评估预警模型采用的是传统的数学模型，模型过于简单，无法充分考虑风险因素之间的相互影响和非线性关系，导致预警精度有限。
[0009]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0010]针对相关技术中的问题，本专利技术提出一种数据与模型联合驱动的安全风险评估预警方法，以克服现有相关技术所存在的上述技术问题。
[0011]为此，本专利技术采用的具体技术方案如下：一种数据与模型联合驱动的安全风险评估预警方法，该方法包括以下步骤：S1、设定风险因素及其评估指标，组建多层面的安全风险评估体系；S2、组建分布式监测网络，实时获取风险因素中的风险源数据；S3、利用数据驱动确定风险源数据可靠性并实现风险预评估；S4、将风险因素模糊化，并设定风险等级构建风险评估模型；S5、对实时采集得到的风险源数据进行风险评估预警。
[0012]进一步的，设定风险因素及其评估指标，组建多层面的安全风险评估体系包括以下步骤：S11、按照电网系统风险发生的逻辑顺序，将风险因素划分为风险源状态、管理控制能力及风险目标能力三个层面；S12、确定风险源状态、管理控制能力及风险目标能力各自对应的评估指标，并将属于风险源状态的评估指标作为风险源数据；S13、依据贝叶斯网络的结构特征组建评估指标
‑
风险因素
‑
风险评估预警三个层级的安全风险评估体系。
[0013]进一步的，组建分布式监测网络，实时获取风险因素中的风险源数据包括以下步骤：S21、将电网系统划分若干监测区域，每个监测区域内设置有一个汇聚网关节点，并为每个汇聚网关节点配置一个中继节点；S22、每个监测区域中配置若干监测节点；S23、监测节点实时采集风险源数据并经过中继节点发送至汇聚网关节点。
[0014]进一步的，汇聚网关节点与中继节点作为监测网络的传输层，监测节点作为监测网络的感知层；中继节点接收监测区域内所有监测节点采集的风险源数据进行融合并发送至汇聚网关节点。
[0015]进一步的，利用数据驱动确定风险源数据可靠性并实现风险预评估包括以下步骤：S31、将同一个监测区域内的若干监测节点作为整体；S32、结合历史监测数据分别计算每个监测节点自身的可靠度，筛选并剔除可靠性异常的监测节点；S33、设定节点认证机制对监测区域内新加监测节点进行认证；S34、将保留的监测节点采集的风险源数据进行融合，并进行风险预评估，确定该风险源数据对应的风险概率。
[0016]进一步的，结合历史监测数据分别计算每个监测节点自身的可靠度，筛选并剔除可靠性异常的监测节点包括以下步骤：S321、记录当前监测节点采集得到的实时数据，选取前12h内的均值数据作为历史
数据，将实时数据减去历史数据的绝对值与直接可靠性系数的乘积作为直接可靠度；S322、获取当前监测区域内所有监测节点的实时数据并求取平均值，将当前监测节点的实时数据减去平均值的绝对值与相对可靠性系数的乘积作为相对可靠度；S323、设定监测节点的监测周期，获取当前监测节点前一个监测周期的直接可靠度与相对可靠度的平均值作为该监测节点的历史可靠度；S324、分别设定直接可靠度、相对可靠度及历史可靠度的权重值，并将三者与各自权重值的相乘后相加得到综合可靠度；S325、将综合可靠度低于阈值的监测节点进行剔除。
[0017]进一步的，将保留的监测节点采集的风险源数据进行融合，并进行风险预评估，确定该风险源数据对应的风险概率包括以下步骤：S341、将监测区域内保留的监测节点采集的同一类型的风险源数据进行融合得到融合源数据，计算公式为：
[0018]式中，R
Date
表示融合源数据；Z表示综合可靠度；S表示实时采集的风险源数据；m表示监测节点的数量；i表示第i个监测节点；S342、记录监测区域各个监测周期的融合源数据作为历史风险数据，将前n个监测周期的历史风险数据作为历史样本集合；S343、利用核密度估计算法对监测区域当前的融合数据进行风险概率计算，并确定预评估状态。
[0019]进一步的，利用核密度估计算法对监测区域当前的融合数据进行风险概率计算，并确定预评估状态包括以下步骤：S3431、结合历史样本集合，利用风险概率公式计算监测区域当前监测周期的融合数据的风险概率；S3432、根据监测区域连续的风险概率的变化率对当前监测区域进行预评估，若风险概率小于安全阈值且变化率小于变化阈值时，则判断该监测区域为安全运行状态，若风险概率小于安全阈值且变化率大于变化阈值时，则判断该监测区域为风险潜存状态，若风险概率大于安全阈值时，则判定该监测区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据与模型联合驱动的安全风险评估预警方法，其特征在于，该方法包括以下步骤：S1、设定风险因素及其评估指标，组建多层面的安全风险评估体系；S2、组建分布式监测网络，实时获取所述风险因素中的风险源数据；S3、利用数据驱动确定所述风险源数据可靠性并实现风险预评估；S4、将所述风险因素模糊化，并设定风险等级构建风险评估模型；S5、对实时采集得到的所述风险源数据进行风险评估预警。2.根据权利要求1所述的一种数据与模型联合驱动的安全风险评估预警方法，其特征在于，所述设定风险因素及其评估指标，组建多层面的安全风险评估体系包括以下步骤：S11、按照电网系统风险发生的逻辑顺序，将风险因素划分为风险源状态、管理控制能力及风险目标能力三个层面；S12、确定所述风险源状态、所述管理控制能力及所述风险目标能力各自对应的评估指标，并将属于所述风险源状态的评估指标作为风险源数据；S13、依据贝叶斯网络的结构特征组建评估指标
‑
风险因素
‑
风险评估预警三个层级的安全风险评估体系。3.根据权利要求2所述的一种数据与模型联合驱动的安全风险评估预警方法，其特征在于，所述组建分布式监测网络，实时获取所述风险因素中的风险源数据包括以下步骤：S21、将电网系统划分若干监测区域，每个所述监测区域内设置有一个汇聚网关节点，并为每个所述汇聚网关节点配置一个中继节点；S22、每个所述监测区域中配置若干监测节点；S23、所述监测节点实时采集风险源数据并经过所述中继节点发送至所述汇聚网关节点。4.根据权利要求3所述的一种数据与模型联合驱动的安全风险评估预警方法，其特征在于，所述汇聚网关节点与所述中继节点作为监测网络的传输层，所述监测节点作为所述监测网络的感知层；所述中继节点接收所述监测区域内所有所述监测节点采集的所述风险源数据进行融合并发送至所述汇聚网关节点。5.根据权利要求3所述的一种数据与模型联合驱动的安全风险评估预警方法，其特征在于，所述利用数据驱动确定所述风险源数据可靠性并实现风险预评估包括以下步骤：S31、将同一个所述监测区域内的若干所述监测节点作为整体；S32、结合历史监测数据分别计算每个所述监测节点自身的可靠度，筛选并剔除可靠性异常的所述监测节点；S33、设定节点认证机制对所述监测区域内新加监测节点进行认证；S34、将保留的所述监测节点采集的所述风险源数据进行融合，并进行风险预评估，确定该风险源数据对应的风险概率。6.根据权利要求5所述的一种数据与模型联合驱动的安全风险评估预警方法，其特征在于，所述结合历史监测数据分别计算每个所述监测节点自身的可靠度，筛选并剔除可靠性异常的所述监测节点包括以下步骤：S321、记录当前所述监测节点采集得到的实时数据，选取前12h内的均值数据作为历史
数据，将所述实时数据减去所述历史数据的绝对值与直接可靠性系数的乘积作为直接可靠度；S322、获取当前所述监测区域内所有所述监测节点的实时数据并求取平均值，将当前所述监测节点的实时数据减...

【专利技术属性】
技术研发人员：仲启磊，余磊，刘超，刘宝升，李洪斌，郝小龙，犹锋，刘坤，彭启伟，韩斌，曹岑，吕进，贾政，师惠忠，程鼎，许能，樊卫东，胡启杨，马明宇，
申请(专利权)人：南京南瑞信息通信科技有限公司，
类型：发明
国别省市：