一种基于深度学习的电网大风灾害预警方法及装置制造方法及图纸

一种基于深度学习的电网大风灾害预警方法及装置，采集雷达数据作输入数据，输入至预先训练好的风速预测模型中并输出风速信息；该风速信息作为预先训练好的风灾预警模型的输入要素；风灾预警模型结合同时期自动气象观测站数据，对风速信息进行修正，输出排除了由于微地形信息产生的误差后的风速修订信息，据此对大风灾害进行分级预警，实时提供分等级的大风位置预警，解决了电网风害精细化预报难题，其中强对流大风形成1km×1km空间分辨率，0‑120分钟预报结果；形成业务运行软件系统，进一步提高大风灾害预警预报精度，提升了电网及设备防灾减灾的针对性、应急抢险效率，提高了电网安全运行水平和社会用电可靠性。

【技术实现步骤摘要】
一种基于深度学习的电网大风灾害预警方法及装置
本专利技术涉及气象预报
，更具体地，涉及一种基于深度学习的电网大风灾害预警方法及装置。
技术介绍
电网的正常运行与气象条件密切相关，气象变化对电网负荷的高峰出现时间以及峰值有显著影响，并且气象灾害还会威胁电网的安全运行，由于自然灾害在成的电网系统稳定性破坏事故仅次于设别故障，而成为威胁电网安全的第二大因素，因此有效的、提前的对电网运行气象环境以及气象灾害进行预测和预警，是实现防灾减灾的有效途径，具有重要意义。在气象灾害中，大风对于电网系统中的输电线路的影响最为严重，通常大风灾害包括：引起杆塔倒塔、中断电力输送，吹起异物引发线路短路、引发联动故障造成更大的停电范围，风力异常造成线路舞动、诱发风偏闪络，降低重合闸成功率。现有技术中，中国专利(CN109902885B)提出了“基于深度学习混合CNN-LSTM模型的台风预测方法”，对台风是否形成以及形成后的路径和强度进行预测；中国专利申请(CN109492756A)提出了“基于深度学习的多要素导线舞动预警方法及相关装置”以获得输电线路本文档来自技高网...

【技术保护点】
1.一种基于深度学习的电网大风灾害预警方法，其特征在于，/n所述方法的步骤如下：/n步骤1，采集雷达数据，形成输入数据；/n步骤2，将输入数据输入至预先训练好的风速预测模型中；其中所述风速预测模型是采用深度学习算法对样本数据进行训练后得到，所述风速预测模型能够根据所输入的样本数据输出风速信息；/n步骤3，获取风速预测模型输出的风速信息，作为预先训练好的风灾预警模型的输入要素，输入到风灾预警模型中；其中所述风灾预警模型结合同时期自动气象观测站数据，对风速信息进行拟合修正，所述风灾预警模型能够输出排除了由于微地形信息产生的误差后的风速修订信息；/n步骤4，获取风速修订信息，对大风灾害分级预警。/n

【技术特征摘要】
1.一种基于深度学习的电网大风灾害预警方法，其特征在于，
所述方法的步骤如下：
步骤1，采集雷达数据，形成输入数据；
步骤2，将输入数据输入至预先训练好的风速预测模型中；其中所述风速预测模型是采用深度学习算法对样本数据进行训练后得到，所述风速预测模型能够根据所输入的样本数据输出风速信息；
步骤3，获取风速预测模型输出的风速信息，作为预先训练好的风灾预警模型的输入要素，输入到风灾预警模型中；其中所述风灾预警模型结合同时期自动气象观测站数据，对风速信息进行拟合修正，所述风灾预警模型能够输出排除了由于微地形信息产生的误差后的风速修订信息；
步骤4，获取风速修订信息，对大风灾害分级预警。


2.根据权利要求1所述的一种基于深度学习的电网大风灾害预警方法，其特征在于，
步骤1中，雷达数据包括从当前体扫回波中获得的最大回波强度、最大回波强度对应高度、对流单体回波顶高、回波强度的时变、径向速度、几何中心位置、云含水量、云的形状、风切变、近地湿度、对应自动站的风速、中气旋、反射率、经纬度。


3.根据权利要求2所述的一种基于深度学习的电网大风灾害预警方法，其特征在于，
步骤2中，所述风速预测模型的训练方法包括：
步骤2.1，采集雷达历史数据作为风速预测模型的输入样本数据，所述雷达历史数据包括从历史体扫回波中获得的最大回波强度、最大回波强度对应高度、对流单体回波顶高、回波强度的时变、径向速度、几何中心位置、云含水量、云的形状、风切变、近地湿度、对应自动站的风速、中气旋、反射率、经纬度；
步骤2.2，依据输入样本数据得到用于表征风速和风向的风速信息，并将该风速信息作为风速预测模型的输出样本数据；
步骤2.3，将输入样本数据和输出样本数据组合为样本数据，所述样本数据包括从历史体扫回波中获得的最大回波强度、最大回波强度对应高度、对流单体回波顶高、回波强度的时变、径向速度、几何中心位置、云含水量、云的形状、风切变、近地湿度、对应自动站的风速、中气旋、反射率、经纬度，以及历史体扫回波对应的风速和风向；
步骤2.4，将多个样本数据组合为样本数据集，以样本数据集内全部输入样本数据作为风速预测模型的输入数据，以样本数据集内全部输出样本数据作为风速预测模型的输出数据，自底层向顶层，逐层开展非监督学习，对各层权重参数进行训练；
步骤2.5，基于训练得到的各层权重参数，适用wake-sleep算法，自顶层向底层，逐层开展监督学习，对各层权重参数进行调整；
步骤2.6，将样本数据集内全部输入样本数据输入到训练和调整后的风速预测模型中，获取训练和调整后的风速预测模型输出的测试数据；当所述测试数据与输出样本数据之间的误差满足预设要求，则以训练和调整后的模型作为最终可用的风速预测模型；当所述测试数据与输出样本数据之间的误差无法满足预设要求，则返回步骤2.4，对模型进行训练和调整。


4.根据权利要求3所述的一种基于深度学习的电网大风灾害预警方法，其特征在于，
所述风速预测模型是深度学习神经网络模型，包括输入层、3层隐层、输出层；其中，
所述输入...

【专利技术属性】
技术研发人员：梁允，姚德贵，李哲，郭志民，卢明，王超，刘善峰，王津宇，王磊，李帅，苑司坤，高阳，
申请(专利权)人：国网河南省电力公司电力科学研究院，河南九域恩湃电力技术有限公司，国家电网有限公司，
类型：发明
国别省市：河南;41