接收風險因素獲取單元傳送來的風險因素集，生成每個風險因素對 應的風險評估結果，并將所述風險評估結果傳送到風險因素處理單元；
[0044] 所述處理模塊根據(jù)每個風險因素的模糊規(guī)則和歸一化處理單元傳送來的歸一化 處理結果，計算各模糊規(guī)則的輸出并進行解模糊化處理，將處理后的風險評估結果傳輸?shù)?風險評估結果分析處理單元；
[0045] 所述風險評估結果分析處理單元接收輸出處理單元傳送來的風險評估結果，分析 各個風險因素的風險評估結果并采取預防措施。
[0046] 本發(fā)明所提供的用于電力安全風險評估的智能風險評估方法及其系統(tǒng)，通過將神 經網絡引入到模糊評估系統(tǒng)中，代替人們處理模糊評估系統(tǒng)時遇到的部分繁雜的智能性工 作，克服了模糊理論不具備自學習能力和神經網絡無法表達人類自然語言的缺點，能更好 地模擬人類智能而提高工作效率。除此之外，該智能風險評估系統(tǒng)既具有知識歸納學習能 力，又能夠自動調整隸屬度函數(shù)的參數(shù)，從而有效地提高評價結果的準確性和有效性。
【附圖說明】
[0047] 圖1為神經模糊評價系統(tǒng)的結構圖；
[0048] 圖2為本發(fā)明所提供的用于電力安全風險評估的智能風險評估系統(tǒng)的結構示意 圖；
[0049] 圖3為本發(fā)明所提供的用于電力安全風險評估的智能風險評估方法的流程圖；
[0050] 圖4為本發(fā)明所提供的智能風險評估系統(tǒng)中，前提參數(shù)和結論參數(shù)自學習的流程 圖。
【具體實施方式】
[0051] 下面結合附圖和具體實施例對本發(fā)明的技術內容進行詳細說明。
[0052] 本發(fā)明針對電力系統(tǒng)供電企業(yè)在安全風險評估過程中，諸多風險因素和模糊語言 的存在帶來的困難問題，將神經模糊系統(tǒng)引入到安全風險評價系統(tǒng)中，構建用于電力安全 風險評估的智能風險評估系統(tǒng)。該智能風險評估系統(tǒng)既具有知識歸納學習能力，又能夠自 動調整隸屬度函數(shù)的參數(shù)，從而有效地提高評價結果的準確性和有效性。
[0053] 神經網絡和模糊系統(tǒng)都能夠對非線性系統(tǒng)進行映射。其中神經網絡是由大量的簡 單處理單元構成的非線性、自適應性、自組織系統(tǒng)，它以生物神經網絡為模擬基礎，能對信 息進行加工、記憶和處理，并且具有巨量并行性、高度非線性、結構可變性、自組織性和自學 習性等特點，對于處理實數(shù)型精確信息具有較強的計算能力，而且對環(huán)境變化的學習能力 也較強。而模糊系統(tǒng)是建立在模糊集合理論、模糊規(guī)則和模糊推理等概念上的先進的計算 框架，它通過模仿人類思維的模糊綜合判斷推理來處理常規(guī)方法難以解決的模糊信息處理 問題，是對與人類的思維和感知有關的一些現(xiàn)象建模的另一個有力工具。模糊邏輯系統(tǒng)具 有"概念"抽象能力和非線性處理能力，比較適合于表達人的經驗性知識，能夠處理模糊性 的信息。但是模糊邏輯系統(tǒng)缺乏學習和自適應能力，并且模糊邏輯系統(tǒng)隸屬度函數(shù)的選取 和模糊規(guī)則的確定需依經驗而定，具有一定的主觀性。
[0054] 神經模糊系統(tǒng)（FNN)則融合了模糊系統(tǒng)和神經網絡的技術，并利用兩者的優(yōu)點， 使新構成的系統(tǒng)既具有模糊邏輯的處理能力，也具有神經網絡的學習能力和自動模式識別 能力，這樣既可以處理模糊信息和精確信息，也能夠實現(xiàn)精確性聯(lián)想和不精確性聯(lián)想及映 射。這實際上是人類大腦結構和功能的模擬，即模擬大腦神經網絡"硬件"拓撲結構和信息 模糊處理"軟件"的思維功能。
[0055] 首先，介紹神經模糊系統(tǒng)的基本工作原理。該神經模糊系統(tǒng)的學習過程是一種多 變量尋優(yōu)技術。從結構上看，神經模糊系統(tǒng)是神經網絡的模糊化，以模糊集、模糊邏輯系統(tǒng) 為主，利用神經網絡的自組織性和學習性，實現(xiàn)柔性信息處理的最優(yōu)化。神經模糊系統(tǒng)通常 是五層的前向神經網絡。參見圖1，該網絡模型分為5層，分別實現(xiàn)安全風險評估的不同功 能。首先第一層（X 1)為風險因素輸入層。該層中神經元節(jié)點的個數(shù)N為風險因素的個數(shù)。 第二層為模糊化層。神經元的個數(shù)為每個輸入變量隸屬函數(shù)的總和。第三層和第四層共同 完成模糊推理的過程，第三層完成推理的前提參數(shù)（或前件參數(shù)）的確定，第四層完成結論 參數(shù)（或后件參數(shù)）的確定。兩層的神經元個數(shù)為模糊規(guī)則總個數(shù)；第五層為解模糊化層， 神經兀個數(shù)為輸出量z的個數(shù)。設神經模糊系統(tǒng)有N個輸入Xp -個輸出z，且每個輸入分 為M個模糊集，則神經模糊系統(tǒng)有Mn個模糊規(guī)則，為：
)
[0058] 式中，p和r為決定模糊規(guī)則的系數(shù)，k# [1，Μ]，i e [1，N]。
[0059] 接著，介紹根據(jù)上述的神經模糊系統(tǒng)設計而成的用于電力安全風險評估的智能風 險評估系統(tǒng)，以及用于電力安全風險評估的智能風險評估方法。
[0060] 由于在電力系統(tǒng)中，供電企業(yè)涉及諸多作業(yè)方式，通常有變電運行、變電檢修施 工、送電運行、送電檢修施工、配電運行、配電檢修施工、調度通信自動化、高壓油務作業(yè)、內 線及計量作業(yè)、車輛交通等作業(yè)方式。在本發(fā)明所提供的實施例中，以送電運行、送電檢修 施工為例，來闡述神經模糊安全風險評估策略在電力安全風險評估系統(tǒng)中的應用。對于其 他作業(yè)方式中的安全風險因素評估與此類似，在此不再進行贅述。
[0061] 本發(fā)明提供的用于電力安全風險評估的智能風險評估系統(tǒng)，如圖2所示，包括風 險因素獲取單元、風險因素處理單元、歸一化處理單元、輸出處理單元以及風險評估結果分 析處理單元。其中，風險因素獲取單元用以根據(jù)供電企業(yè)的作業(yè)方式，確定輸入的風險因 素，并將所有的風險因素組成風險因素集，發(fā)送到風險因素處理單元和輸出處理單元。
[0062] 風險因素處理單元包括模糊化處理模塊和模糊推理模塊。其中，模糊化處理模塊 對輸入的風險因素集中的風險因素進行模糊化處理，確定風險因素的評定集，根據(jù)評定集 計算每個評定集的隸屬函數(shù)，即確定各個風險因素在評定集中的所占比例。模糊推理模塊 接收輸出處理單元傳送來的風險因素的對應輸出（風險評估結果），對風險因素與風險評 估結果之間的模糊規(guī)則進行模糊推理，根據(jù)評定集的隸屬函數(shù)計算每條模糊規(guī)則的適用 度。并將計算出的適用度傳送到歸一化處理單元。
[0063] 歸一化處理單元接收風險因素處理單元傳送來的每條模糊規(guī)則的適用度，計算電 力系統(tǒng)中每個風險因素與相應輸出之間的模糊規(guī)則適用度占所有模糊規(guī)則適用度的比例， 并將歸一化處理結果傳送到輸出處理單元。
[0064] 輸出處理單元包括輸出模塊和處理模塊。其中，輸出模塊接收風險因素獲取單元 傳送來的風險因素集，根據(jù)風險因素集中的每個風險因素輸入，生成每個風險因素對應的 風險評估結果，并將風險評估結果傳送到風險因素處理單元，以供其對風險因素與風險評 估結果之間的模糊規(guī)則進行模糊推理。處理模塊接收歸一化處理單元傳送來的歸一化處理 結果，根據(jù)每個風險因素的模糊規(guī)則和其歸一化處理結果，采用下面公式計算各模糊規(guī)則 的輸出，并進行解模糊化處理，即得到對各種風險因素的風險評估結果：
[0066] 其中，為每個風險因素X與風險評估結果y之間的模糊規(guī)則適用度占所 有模糊規(guī)則適用度的比例，F(xiàn)為每個風險因素X與風險評估結果y之間的模糊規(guī)則。
[0067] 風險評估結果分析處理單元接收輸出處理單元傳送來的風險評估結果，分析諸多 風險因素的風險評估結果，監(jiān)控人員便可以采取相應的措施來降低風險帶來的后果嚴重 性。
[0068] 在上述智能風險評估系統(tǒng)的基礎上，本發(fā)明進一步提供一種用于電力安全風險評 估的智能風險評估方法。如圖3所示，該智能風險評估方法具體包括如下步驟：
[0069] 步驟1，根據(jù)供電企業(yè)的作業(yè)方式，確定輸入的風險因素集。
[0070] 在供電企業(yè)送電運行、送電檢修施工過程中，存在許多風險