一种停电数据分类预测方法、系统、存储介质及计算设备技术方案

本发明专利技术公开了一种停电数据分类预测方法、系统、存储介质及计算设备，本发明专利技术基于停电数据获取停电特征和电气耦合特征，通过分类预测模型实现停电数据分类预测，为用电企业提供规划基础，为电网公司提供决策参考。为电网公司提供决策参考。为电网公司提供决策参考。

【技术实现步骤摘要】
一种停电数据分类预测方法、系统、存储介质及计算设备


[0001]本专利技术涉及一种停电数据分类预测方法、系统、存储介质及计算设备，属于输配电技术与信息科学的交叉领域。

技术介绍

[0002]电网在运行过程中，电网企业的智慧电力大数据平台会存储相应的数据，通过存储的数据，能够查看和追溯电网状况；停电数据是其中一种常见的电网数据，目前针对停电数据，主要用以故障判断，对数据分类预测研究相对较少。现在很多用电企业为了提前做好停电规划，急需停电数据分类预测技术。

技术实现思路

[0003]本专利技术提供了一种停电数据分类预测方法、系统、存储介质及计算设备，解决了
技术介绍
中披露的问题。
[0004]为了解决上述技术问题，本专利技术所采用的技术方案是：
[0005]一种停电数据分类预测方法，包括：
[0006]从停电数据中提取停电特征；
[0007]基于停电数据，根据区域间的电气耦合关系，构建区域间的关系矩阵；
[0008]对区域间的关系矩阵进行分解，获得区域间的电气耦合特征；
[0009]将停电特征和电气耦合特征输入预先训练的分类预测模型，获得停电数据分类预测结果。
[0010]从停电数据中提取停电特征，具体过程为：
[0011]利用决策树算法，计算停电数据各特征与停电问题的皮尔逊相关系数；
[0012]将皮尔逊相关系数绝对值大于阈值的特征作为停电特征。
[0013]区域间的关系矩阵为：
[0014][0015]其中，为区域间的关系矩阵，P
ij,k
′
为区域i和区域j同时发生第k
′
种故障的概率，i∈[1,n]，j∈[1,n]，n为区域数量。
[0016]的具体公式为：
[0017][0018]其中，f
i.k
′
为停电数据中区域i发生第k
′
种故障的次数，M为故障种类，f
ij.k
′
为停电数据中区域i和区域j同时发生第k
′
种故障的次数，N
i
为与区域i存在断面的区域集合。
[0019]对区域间的关系矩阵进行LU分解，获得区域间的电气耦合特征。
[0020]分类预测模型为因子分解机模型，因子分解机模型中加入L2
‑
范数正则化，采用交替方向乘子法进行训练。
[0021]加入L2
‑
范数正则化后的优化目标函数为：
[0022][0023]其中，Θ为因子分解机模型参数，为损失函数，为输入向量x
i
′
时的输出预测值，y(x
i
′
)为输入向量x
i
′
时的输出真实值，λ
θ
为L2
‑
范数正则化系数，N为输入向量的总数，θ为L2
‑
范数正则化参数，Φ为θ的集合。
[0024]一种停电数据分类预测系统，包括：
[0025]特征提取模块：从停电数据中提取停电特征；
[0026]关系矩阵构建模块：基于停电数据，根据区域间的电气耦合关系，构建区域间的关系矩阵；
[0027]特征获取模块：对区域间的关系矩阵进行分解，获得区域间的电气耦合特征；
[0028]分类预测模块：将停电特征和电气耦合特征输入预先训练的分类预测模型，获得停电数据分类预测结果。
[0029]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行停电数据分类预测方法。
[0030]一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行停电数据分类预测方法的指令。
[0031]本专利技术所达到的有益效果：本专利技术基于停电数据获取停电特征和电气耦合特征，通过分类预测模型实现停电数据分类预测，为用电企业提供规划基础，为电网公司提供决
策参考。
附图说明
[0032]图1为本专利技术方法的流程图。
具体实施方式
[0033]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0034]如图1所示，一种停电数据分类预测方法，包括以下步骤：
[0035]步骤1，从停电数据中提取停电特征；
[0036]步骤2，基于停电数据，根据区域间的电气耦合关系，构建区域间的关系矩阵；
[0037]步骤3，对区域间的关系矩阵进行分解，获得区域间的电气耦合特征；
[0038]步骤4，将停电特征和电气耦合特征输入预先训练的分类预测模型，获得停电数据分类预测结果。
[0039]上述方法基于停电数据获取停电特征和电气耦合特征，通过分类预测模型实现停电数据分类预测，为用电企业提供规划基础，为电网公司提供决策参考。
[0040]停电数据中包含多个停电特征，分类预测之前需要对这些停电特征进行筛选，不能选择太多或太少，如果选择太少，则信息内容可能会很低，如果选择了太多，不相关的特征会增加计算复杂度和成本，因此这里采用决策树算法提取停电特征，即采用皮尔逊相关系数衡量不同特征在决策树上做的贡献，通过贡献度的大小选择特征，具体过程如下：
[0041]11)利用决策树算法，计算停电数据各特征与停电问题的皮尔逊相关系数；
[0042]假设停电数据中包含c个特征X1、X2、...、X
c
，特征与停电问题的皮尔逊相关系数计算如下：
[0043][0044]其中，ρ
X,Y
为皮尔逊相关系数，cov(X,Y)为X与Y的协方差，σX为X的标准差，σY为Y的标准差，μ
X
为X的平均值，μ
Y
为Y的平均值，E()表示期望；
[0045]12)将皮尔逊相关系数绝对值大于阈值的特征作为停电特征；
[0046]皮尔逊相关系数的取值范围为[
‑
1,1]，皮尔逊相关系数绝对值越大，则表明X与Y相关度越高，即X的贡献越大；因此可将皮尔逊相关系数进行排序，筛选出将大于阈值的皮尔逊相关系数，将这些皮尔逊相关系数相应的特征作为停电特征。
[0047]为了利用更多的有效特征，可在停电数据的基础上获得更多空间特征，即根据区域间的电气耦合关系，获得区域间的电气耦合特征。
[0048]假设两个区域之间存在断面，则定义这两个区域为电力系统上的相邻区域，相邻区域间具有极高的电气耦合关系，若一个区域发生停电，其相邻的区域也极有可能停电，因造构建区域间的关系矩阵具体如下：
[0049][0050]其中，P
ij,k
′
为区域i和区域j同时发生第k
′
种故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种停电数据分类预测方法，其特征在于，包括：从停电数据中提取停电特征；基于停电数据，根据区域间的电气耦合关系，构建区域间的关系矩阵；对区域间的关系矩阵进行分解，获得区域间的电气耦合特征；将停电特征和电气耦合特征输入预先训练的分类预测模型，获得停电数据分类预测结果。2.根据权利要求1所述的一种停电数据分类预测方法，其特征在于，从停电数据中提取停电特征，具体过程为：利用决策树算法，计算停电数据各特征与停电问题的皮尔逊相关系数；将皮尔逊相关系数绝对值大于阈值的特征作为停电特征。3.根据权利要求1所述的一种停电数据分类预测方法，其特征在于，区域间的关系矩阵为：其中，为区域间的关系矩阵，P
ij,k
′
为区域i和区域j同时发生第k
′
种故障的概率，i∈[1,n]，j∈[1,n]，n为区域数量。4.根据权利要求3所述的一种停电数据分类预测方法，其特征在于，的具体公式为：其中，f
i.k
′
为停电数据中区域i发生第k
′
种故障的次数，M为故障种类，f
ij.k
′
为停电数据中区域i和区域j同时发生第k
′
种故障的次数，N
i
为与区域i存在断面的区域集合。5.根据权利要求1所述的一种停电数据分类预测方法，其特征在于，对区域间的关系矩阵进行LU分解，获得区域间的电气耦合特征。6.根据权利要求1所述的一种停电数据分类预测方法，其特征在于，分类预测模型为因
子分解机模型，因子分解机模...

【专利技术属性】
技术研发人员：赵永生，赵爱华，谈军，刘赟，胡彦斐，程敏，周宇，吴轲，隋仕伟，
申请(专利权)人：国电南瑞南京控制系统有限公司，
类型：发明
国别省市：