技術(shù)特征：

1.一種基于大數(shù)據(jù)相關(guān)性分析的配電網(wǎng)供電可靠性預(yù)測(cè)方法，其特征在于：

該方法依次包括以下步驟：

步驟1、收集電力企業(yè)的配電網(wǎng)大數(shù)據(jù)，該配電網(wǎng)大數(shù)據(jù)包括量測(cè)數(shù)據(jù)、運(yùn)營(yíng)數(shù)據(jù)以及外部數(shù)據(jù)；

步驟2、采用粗糙集理論從收集到的配電網(wǎng)大數(shù)據(jù)中提取出與配網(wǎng)供電可靠性的相關(guān)性較強(qiáng)的條件因素；

步驟3、利用提取出的條件因素搭建BP神經(jīng)網(wǎng)絡(luò)進(jìn)行配網(wǎng)供電可靠性評(píng)估預(yù)測(cè)。

2.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)相關(guān)性分析的配電網(wǎng)供電可靠性預(yù)測(cè)方法，其特征在于：

所述步驟2依次包括以下步驟：

步驟2-1、按照所有的條件屬性和決策屬性供電可靠率RS-3對(duì)所述配電網(wǎng)大數(shù)據(jù)進(jìn)行分類，以形成知識(shí)庫(kù)；

步驟2-2、根據(jù)所有條件屬性對(duì)所述知識(shí)庫(kù)中的樣本進(jìn)行劃分，得到整體的不可分辨關(guān)系U/R，同時(shí)，按照決策屬性供電可靠率RS-3對(duì)知識(shí)庫(kù)中的樣本進(jìn)行劃分，得到一個(gè)不可分辨關(guān)系X，根據(jù)式1判斷出全局U/R肯定屬于供電可靠率RS-3的集合，這些集合的并集即為X的正域POS_全局(X)；

步驟2-3、先按順序依次判斷刪減某個(gè)條件屬性后計(jì)算得到的POS_刪減(X)與POS_全局(X)是否相等，若相等即判定刪減的條件屬性為非核心條件屬性，不相等則判定其為核心條件屬性，再將所有的核心條件屬性放入集合Core中；

步驟2-4、判斷POS_Core(X)＝POS_全局(X)是否成立，若成立，則得到的集合Core即為全局屬性的最小屬性約簡(jiǎn)集合，若不成立，則再計(jì)算每個(gè)非核心條件屬性的重要性，按照重要性由大到小的順序依次加入到集合Core中，直至POS_Core(X)＝POS_全局(X)。

3.根據(jù)權(quán)利要求1或2所述的一種基于大數(shù)據(jù)相關(guān)性分析的配電網(wǎng)供電可靠性預(yù)測(cè)方法，其特征在于：

所述步驟3依次包括以下步驟：

步驟3-1、先根據(jù)提取出的條件因素的歷史數(shù)據(jù)生成輸入向量，并以其所對(duì)應(yīng)的供電可靠率RS-3的歷史數(shù)據(jù)作為輸出向量，再根據(jù)式2將以上輸入向量和輸出向量進(jìn)行歸一化處理，使處理后的數(shù)據(jù)均勻分布在[-1,1]內(nèi)，同時(shí)，將處理后的數(shù)據(jù)隨機(jī)選取70％作為訓(xùn)練數(shù)據(jù)，剩余的30％作為測(cè)試數(shù)據(jù)；

式中，x、y分別為輸入向量、輸出向量；

步驟3-2、選用三層的BP神經(jīng)網(wǎng)絡(luò)，以提取出的條件因素的個(gè)數(shù)n作為神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)，隱含層神經(jīng)元個(gè)數(shù)m取2n+1，預(yù)測(cè)值選用供電可靠率RS-3，即輸出層神經(jīng)元個(gè)數(shù)k為1，通過(guò)式3、4、5、6計(jì)算神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出與期望輸出的誤差，若該誤差不滿足精度要求，則從輸出層反向傳播該誤差以調(diào)整連接權(quán)值和閾值，使神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出和期望輸出的誤差逐漸減小，直至滿足精度要求；

上式中，H為隱含層的輸出，w_ij為輸入層與隱含層的連接權(quán)值，a_j為隱含層閾值，O為輸出層的預(yù)測(cè)輸出，w_jk為隱含層與輸出層的連接權(quán)值，b_k為輸出層閾值，z_k為期望輸出，e為輸出層的預(yù)測(cè)輸出與期望輸出的誤差；

步驟3-3、在[-ε_init,ε_init]內(nèi)隨機(jī)取值來(lái)初始化BP神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值賦值，其中，n和m分別為輸入層和輸出層神經(jīng)元個(gè)數(shù)；

步驟3-4、將所述訓(xùn)練數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)生成預(yù)測(cè)模型，所述測(cè)試數(shù)據(jù)則經(jīng)過(guò)預(yù)測(cè)模型進(jìn)行供電可靠率RS-3的預(yù)測(cè)，并與測(cè)試數(shù)據(jù)的實(shí)際供電可靠率RS-3進(jìn)行對(duì)比分析，調(diào)整參數(shù)直至得出能滿足要求精度的模型。

4.根據(jù)權(quán)利要求3所述的一種基于大數(shù)據(jù)相關(guān)性分析的配電網(wǎng)供電可靠性預(yù)測(cè)方法，其特征在于：所述步驟3-3中，初始化BP神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值賦值后，采用遺傳算法優(yōu)化出最佳的初始權(quán)重和閾值。

5.根據(jù)權(quán)利要求1或2所述的一種基于大數(shù)據(jù)相關(guān)性分析的配電網(wǎng)供電可靠性預(yù)測(cè)方法，其特征在于：所述步驟1中，電力企業(yè)的外部數(shù)據(jù)采用網(wǎng)絡(luò)爬蟲技術(shù)從互聯(lián)網(wǎng)中搜集得到。