摘要
本发明涉及配电网恢复技术领域,公开了一种配电网恢复成功率预测方法及系统,方法包括:收集配电网运行数据;构建贝叶斯网络,根据配电网特征定义节点,确定边的连接关系,并构建条件概率表;通过马尔可夫决策过程构建恢复策略进行动态优化,通过强化学习算法,对所述恢复策略进行训练,引入蒙特卡罗树搜索算法对所述恢复策略寻找最优解,计算配电网恢复到目标状态的概率,生成不同恢复策略的成功率预测结果。本发明提高了模型的解释性和适应性;实现恢复策略的动态优化,能够适应不同的故障场景和系统状态;提高计算效率,综合考虑了系统拓扑、负荷特性、新能源出力等多方面因素,提高了预测的准确性和实用性,提高系统恢复效率减少停电损失。
技术关键词
配电网运行数据
配电网特征
强化学习算法
计算机可执行指令
搜索算法
节点
贝叶斯网络推理
定义
蒙特卡罗树搜索
贝叶斯网络模型
决策
恢复技术
贪心策略
故障场景
动态
处理器