一种国家电网覆冰灾害预测方法技术

本发明专利技术公开了一种国家电网覆冰灾害预测方法，涉及机器学习领域，用于对国家电网的电力塔杆、电力传输线路和电力传输通道进行覆冰灾害预测，包括如下步骤：采集历史信息，形成完整的历史数据，完整的历史数据的干维度即为数据特征，对数据特征进行选择，对LightGBM模型的参数进行调整，对LightGBM模型进行训练，采集当前信息，形成完整的当前数据，利用训练好的LightGBM模型进行覆冰灾害预测。本发明专利技术所提供的方法可以对电力塔杆、电力传输线路和电力传输通道发生覆冰灾害的风险做出预测，提前部署应对措施。

A prediction method of icing disaster in national power grid

【技术实现步骤摘要】
一种国家电网覆冰灾害预测方法
本专利技术涉及机器学习领域，具体涉及一种国家电网覆冰灾害预测方法。
技术介绍
覆冰灾害对电力传输的危害在于，电网系统覆冰严重时会断线、倒塔杆，导致大面积停电事故，且事故发生在严冬季节，大雪封山，公路结冻，难于抢修，造成长时间停电。因此，冰雪、冻雨是许多国家电网系统所面临的严重威胁之一。自20世纪40年代以来，冰灾的威胁是半个多世纪来电力系统工业界与学术界一直竭力应对的一大技术难题。2008年中国南方电网的冰灾、1998年美国东北部和加拿大东南部的冰灾给电力系统基础设施严重的威胁。但是，目前国家电网对于线路出现覆冰灾害的主要应对措施还处于加强防护和对于出现问题以后的应急，并没有对国家电网的电力塔杆、电力传输线路和电力传输通道出现覆冰灾害的可能性提前做出预警。
技术实现思路
为解决前述问题，本专利技术提供了一种国家电网覆冰灾害预测方法，以对电力塔杆、电力传输线路和电力传输通道发生覆冰灾害的风险做出预测。为了达到上述目的，本专利技术采用如下技术方案：一种国家电网覆冰灾害预测方法，所述国家电网覆冰灾害预测方法用于对国家电网的电力塔杆、电力传输线路和电力传输通道进行覆冰灾害预测，包括如下步骤：采集历史信息，对历史信息进行整理，形成完整的历史数据，完整的历史数据具有若干维度，所述维度即为数据特征；采用LightGBM模型对数据特征进行选择，得到训练特征；采用差分进化算法对LightGBM模型的参数进行调整，基于调整后的参数，利用训练特征对LightGBM模型进行训练；采集当前信息，对当前信息进行整理，形成完整的当前数据；基于完整的当前数据，利用训练好的LightGBM模型进行覆冰灾害预测。可选的，采集历史信息包括观冰站上报历史信息、气象历史信息、PMS系统历史信息、国网覆冰预警中心历史信息、现场维修部门部署历史信息以及覆冰告警等级；所述观冰站上报历史信息包括第一天气状况、第一气温、第一湿度、第一风速、第一风向、线路设计覆冰厚度、有无模拟导线；所述气象历史信息包括第二天气状况、第二气温、第二湿度、第二风速、第二风向；所述PMS系统历史信息包括塔杆子信息、线路子信息、导线子信息；所述国网覆冰预警中心历史信息包括历史线路覆冰子信息、短期覆冰预测子信息；现场维修部门部署历史信息包括线路缺陷子信息、隐患子信息、故障子信息。可选的，对历史信息进行整理，形成完整的历史数据具体包括：基于国家电网的电力传输线路，将与同一条电力传输线路相关的历史信息及其子信息作为一条完整的历史数据，一条完整的历史数据下，不同的历史信息及其子信息作为该完整的历史数据下不同的维度；对历史信息进行整理，确定各个历史信息下的数值子信息和/或非数值子信息；对各个历史信息下缺失的数值子信息补充完整；对各个历史信息下的非数值子信息进行独热编码；独热编码后，对气象历史信息构建气象子信息，构建的气象子信息包括每日温度、每日湿度、每日风速以及每日气压的平均统计、最大值统计、最小值统计，还包括月平均降雨频数统计、月平均降雨频率统计、月平均降雪频数统计、月平均降雪频率统计。可选的，对各个历史信息下缺失的数值子信息补充完整时，如果某一历史信息下的数值子信息缺失量超过一半，则删除该历史信息及其数值子信息；如果该历史信息下的数值子信息缺失量未超过一半，则使用该历史信息下数值子信息的平均数、中位数或行/列众数对该历史信息补充完整。可选的，对非数值子信息进行独热编码时，将同一历史信息下的各个非数值子信息分别作为状态值，所述状态值的位数与该历史信息下的各个非数值子信息的个数相等，每个状态值中只有一位为1，其余位为0。可选的，采用差分进化算法对LightGBM模型的参数进行调整具体包括：确定需要优化的LightGBM模型参数，对需要优化的LightGBM模型参数形成原始种群，对原始种群计算个体适应度值，进行变异操作和交叉操作，判断是否达到预设迭代次数，如果达到预设迭代次数，则输出结果，如果为未达到预设迭代次数，则继续计算个体适应度值，进行变异操作和交叉操作，直至达到预设迭代次数。可选的，需要调整的LightGBM模型参数包括：基分类器个数、树最大深度、叶节点数、学习率、工具箱数、单个叶子上数据的最小数量、每次迭代中随机选择特征的比例、不进行重采样的情况下随机选择的数据。可选的，所述LightGBM模型输出的AUC值作为LightGBM模型的适应度值。可选的，覆冰告警等级包括0级、1级、2级、3级，0级为无覆冰，1级和2级为严重覆冰，3级为轻微覆冰；历史线路覆冰子信息和短期覆冰预测子信息中，覆冰持续时间<5h为0级，若5h≤覆冰持续时间<10h为3级，10h≤覆冰持续时间<15h为2级，覆冰持续时间≥15h为1级。可选的，利用训练好的LightGBM模型进行覆冰灾害预测，包括对电力塔杆预测、对电力传输线路预测和对电力传输通道预测；对待预测区域的国家电网的电力传输线路划分第一区间，在任一第一区间内，任一电力塔杆的预测结果为严重覆冰，则该第一区间电力塔杆的覆冰灾害发生状态为严重覆冰；且对应的覆冰灾害风险发生概率为该第一区间内所有电力塔杆预测结果为严重覆冰的概率最大值；在任一第一区间内，所有电力塔杆的预测结果均不为严重覆冰，则计算该第一区间内每个电力塔杆的预测结果为无覆冰的概率、轻微覆冰的概率以及严重覆冰的概率，并对该第一区间内所有电力塔杆无覆冰的概率求和、轻微覆冰的概率求和以及严重覆冰的概率求和，求和后的最大值所对应的预测结果为该第一区间的覆冰灾害发生状态，且对应的覆冰灾害发生概率为该第一区间内所有电力塔杆预测结果为严重覆冰的平均概率；对电力传输线路的预测为：收集待预测区域内任一第一区间的电力塔杆的覆冰灾害发生状态，出现次数最多的覆冰灾害发生状态为该第一区间的电力传输线路的覆冰灾害发生状态；对待预测区域的国家电网的电力传输通道划分第二区间，对电力传输通道的预测为：收集待预测区域内任一第二区间的电力塔杆的覆冰灾害发生状态，出现次数最多的覆冰灾害发生状态为该第二区间的电力传输通道的覆冰灾害发生状态。可选的，采集的当前信息与采集的历史信息的类目相同；对当前信息进行整理，形成完整的当前数据，与对历史信息进行整理，形成完整的历史数据的步骤相同。本专利技术具有如下有益效果：1、由于国家电网遭遇覆冰灾害的数据来源不同，脏数据比较多，因此，对采集的数据进行处理，对缺失的数据补全，对非数值型的数据进行编码，不仅便于计算机识别，也避免了脏数据、缺失数据对算法效果造成负面影响。而由于覆冰灾害数据来源较多，并且数据的维度较高，因此，采用LightGBM模型进一步筛选出数量合适的最优数据作为训练集，避免数据冗余导致计算速度减慢，同时还能保证数据的准确以及预测结果的准确；2、先采用差分进化算法对LightGBM模型的参数进行调优本文档来自技高网...

【技术保护点】
1.一种国家电网覆冰灾害预测方法，其特征在于，所述国家电网覆冰灾害预测方法用于对国家电网的电力塔杆、电力传输线路和电力传输通道进行覆冰灾害预测，包括如下步骤：/n采集历史信息，对历史信息进行整理，形成完整的历史数据，完整的历史数据具有若干维度，所述维度即为数据特征；/n采用LightGBM模型对数据特征进行选择，得到训练特征集；/n采用差分进化算法对LightGBM模型的参数进行调整，基于调整后的参数，利用训练特征集中的特征对LightGBM模型进行训练；/n采集当前信息，对当前信息进行整理，形成完整的当前数据；/n基于完整的当前数据，利用训练好的LightGBM模型进行覆冰灾害预测。/n

【技术特征摘要】
1.一种国家电网覆冰灾害预测方法，其特征在于，所述国家电网覆冰灾害预测方法用于对国家电网的电力塔杆、电力传输线路和电力传输通道进行覆冰灾害预测，包括如下步骤：
采集历史信息，对历史信息进行整理，形成完整的历史数据，完整的历史数据具有若干维度，所述维度即为数据特征；
采用LightGBM模型对数据特征进行选择，得到训练特征集；
采用差分进化算法对LightGBM模型的参数进行调整，基于调整后的参数，利用训练特征集中的特征对LightGBM模型进行训练；
采集当前信息，对当前信息进行整理，形成完整的当前数据；
基于完整的当前数据，利用训练好的LightGBM模型进行覆冰灾害预测。


2.根据权利要求1所述的国家电网覆冰灾害预测方法，其特征在于，采集历史信息包括观冰站上报历史信息、气象历史信息、PMS系统历史信息、国网覆冰预警中心历史信息、现场维修部门部署历史信息以及覆冰告警等级；
所述观冰站上报历史信息包括第一天气状况、第一气温、第一湿度、第一风速、第一风向、线路设计覆冰厚度、有无模拟导线；
所述气象历史信息包括第二天气状况、第二气温、第二湿度、第二风速、第二风向；
所述PMS系统历史信息包括塔杆子信息、线路子信息、导线子信息；
所述国网覆冰预警中心历史信息包括历史线路覆冰子信息、短期覆冰预测子信息；
现场维修部门部署历史信息包括线路缺陷子信息、隐患子信息、故障子信息。


3.根据权利要求1所述的国家电网覆冰灾害预测方法，其特征在于，对历史信息进行整理，形成完整的历史数据具体包括：
基于国家电网的电力传输线路，将与同一条电力传输线路相关的历史信息及其子信息作为一条完整的历史数据，一条完整的历史数据下，不同的历史信息及其子信息作为该完整的历史数据下不同的维度；
对历史信息进行整理，确定各个历史信息下的数值子信息和/或非数值子信息；
对各个历史信息下缺失的数值子信息补充完整；
对各个历史信息下的非数值子信息进行独热编码；
独热编码后，对气象历史信息构建气象子信息，构建的气象子信息包括每日温度、每日湿度、每日风速以及每日气压的平均统计、最大值统计、最小值统计，还包括月平均降雨频数统计、月平均降雨频率统计、月平均降雪频数统计、月平均降雪频率统计。


4.根据权利要求3所述的国家电网覆冰灾害预测方法，其特征在于，对各个历史信息下缺失的数值子信息补充完整时，如果某一历史信息下的数值子信息缺失量超过一半，则删除该历史信息及其数值子信息；如果该历史信息下的数值子信息缺失量未超过一半，则使用该历史信息下数值子信息的平均数、中位数或行/列众数对该历史信息补充完整。


5.根据权利要求3所述的国家电网覆冰灾害预测方法，其特征在于，对非数值子信息进行独热编码时，将同一历史信息下的各个非数值子信息分别作为状态值，所述状态值的位数与该历史信息下的各个非数值子信息的个数相等，每个状态值中只有一位为1，其余位为0。...

【专利技术属性】
技术研发人员：吴和俊，熊志刚，王敏康，陆宇宁，程田宝，胡驰远，
申请(专利权)人：杭州华网信息技术有限公司，
类型：发明
国别省市：浙江;33