【技术实现步骤摘要】
基于数值气象数据与机器学习的电网故障预测方法及系统
本专利技术涉及电力系统风险评估
，特别涉及一种基于数值气象数据与机器学习的电网故障预测方法及系统。
技术介绍
电网运行状态及风险评估是维持电力系统安全稳定运行的重要环节。中国能源富集区和负荷消费中心呈逆向分布的特征，使得我国采取了超/特高压、长距离输电的方式传输电能；远距离输电线路所穿越地区可能会遭遇高温、暴雨、大风、雷电、冰雪等极端气象条件，受气象因素的影响也更为复杂。随着电力行业的快速发展、已建及在建电网规模的不断扩大，全球气象条件的整体变化局势，这极大地增加了电网运行状态及风险评估、防控的难度。为提升电网运行的安全性和稳定性，抵御极端天气灾害的影响，基于数值天气预报系统、数值气象大数据的电网风险评估、风险防控理论与方法对电网的智能调度以及稳定运行具有重要意义。目前，对气象因素作用下电网运行故障风险进行分析主要采取了调度经验与数据驱动相结合的方法。一方面，参考电网调度运行人员的经验，综合考虑电网潮流分布情况、设备运行状态以及历史故障信息，粗略评价电网运行风...
【技术保护点】
1.一种基于数值气象数据与机器学习的电网故障预测方法，其特征在于，包括以下步骤：/n步骤S1，获取待分析区域的电力系统中电网基础数据、历史故障数据和历史数值气象数据；/n步骤S2，基于所述历史故障数据计算各元件的历史宏观可靠性指标数据；/n步骤S3，利用机器学习理论，构建所述各元件的历史宏观可靠性指标数据与所述历史数值气象数据的关联模型；/n步骤S4，获取各元件的在线数值气象预报数据，输入所述关联模型中，得到各元件的在线可靠性数据，基于所述在线可靠性数据进行待分析区域的电力系统故障预测；/n步骤S5，当所述在线数值气象预报数据过期后，将所述在线数值气象预报数据转化为所述历史...
【技术特征摘要】
1.一种基于数值气象数据与机器学习的电网故障预测方法，其特征在于，包括以下步骤：
步骤S1，获取待分析区域的电力系统中电网基础数据、历史故障数据和历史数值气象数据；
步骤S2，基于所述历史故障数据计算各元件的历史宏观可靠性指标数据；
步骤S3，利用机器学习理论，构建所述各元件的历史宏观可靠性指标数据与所述历史数值气象数据的关联模型；
步骤S4，获取各元件的在线数值气象预报数据，输入所述关联模型中，得到各元件的在线可靠性数据，基于所述在线可靠性数据进行待分析区域的电力系统故障预测；
步骤S5，当所述在线数值气象预报数据过期后，将所述在线数值气象预报数据转化为所述历史数值气象数据，基于电网元件的在线故障事件记录，获取与该历史数值气象数据对应的历史故障数据，并将对应的历史故障数据与历史数据气象数据输入所述神经网络进行训练。
2.根据权利要求1所述的基于数值气象数据与机器学习的电网故障预测方法，其特征在于，所述电网基础数据包括各元件的地理位置信息和电气参数。
3.根据权利要求1所述的基于数值气象数据与机器学习的电网故障预测方法，其特征在于，若为机组型元件，则所述机组型元件的历史宏观可靠性指标数据包括：强迫停运率、平均失效前时间、平均修复前时间。
4.根据权利要求1所述的基于数值气象数据与机器学习的电网故障预测方法，其特征在于，若为线路型元件，则所述线路型元件的历史宏观可靠性指标数据包括：持续强迫停运率和暂时强迫停运率。
5.根据权利要求1所述的基于数值气象数据与机器学习的电网故障预测方法，其特征在于，所述步骤S3包括：
对所述历史数值气象数据进行预处理；
将同一元件的历史宏观可靠性指标数据与预处理后的历史数值气象数据成对地划分为训练集和验证集；
对单个元件建立神经网络，将所述训练集中的历史可靠性数据与历史数值气象数据，成对、分批次地输入所述神经网络中进行训练；
利用所述验证集中的历史可靠性数据与历史数值气象数据，对训练完成的神经网络进行初步评估，以对所述预测故障神经网络的超参数调整，得到所述关联模型。
6.一种基于数值气象数据与机器学...
【专利技术属性】
技术研发人员：钟海旺，张广伦，程通，夏清，康重庆，
申请(专利权)人：清华大学，国网河北省电力有限公司，国家电网有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。