强对流天气架空线停电风险预测方法及装置制造方法及图纸

本发明专利技术公开了一种强对流天气架空线停电风险预测方法及装置，属于配电网大数据技术领域，所述方法包括：获取训练数据集，训练数据集包括特征数据及其对应的数据标签，训练数据包括强对流气象特征数据、地理特征数据和电网状态特征数据；初始化决策树；将训练数据及其对应的数据标签作为决策树的输入，计算其目标函数及决策树中每个叶子的输出置信度；根据每个叶子的输出置信度，选取可生成新树的叶子，生成新的决策树；直到遍历完训练数据集中所有的特征数据，得到用于计算架空线停电概率的稀疏决策树。本发明专利技术可高效构建决策树，并具有较好预测精度。预测精度。预测精度。

【技术实现步骤摘要】
强对流天气架空线停电风险预测方法及装置


[0001]本专利技术涉及配电网大数据
，具体涉及一种强对流天气架空线停电风险预测方法及装置。

技术介绍

[0002]随着经济社会发展，电网系统变电站、配电网络覆盖面不断扩大，大风、雷电、雾霾等灾害性天气对电网安全运行产生的侵扰随之增大，在极端天气的影响下，10kV配电架空线更容易发生跳闸，造成区域电网线路故障停运，影响居民正常的生产生活。
[0003]目前，虽然有较多关于电网气象灾害风险评估及预防方面的研究，但主要集中在冰雪、大风等天气对配电网络的影响。随着雾霾、覆冰等恶劣天气不断增多，电网设备正常运行受到了极大影响，许多电力科研单位开展了对电网气象灾害的深度分析并寻求防治措施。中国电力科学研究院发起了“中国电网应对极端自然灾害技术现状”的广泛调研，明确了我国电网所面临的气象灾害类型及特点，研究各自地区电网灾害的气象影响因素及时空分布特征，为气象灾害预警及防御策略奠定了基础。
[0004]当前强对流天气下对架空线停电预测的研究分析较少，主要集中在基于神经网络的架空线停电预测。比如，公开号为CN108596449A的中国专利技术专利申请公开了一种考虑天气对配电网故障概率影响的配电网可靠性预测方法，其实现步骤为：(1)分析配电网元件故障概率与天气变量的关联关系；(2)兼顾模型可应用性与模型精确性来选取主要的天气变量；(3)形成基于可学习稀疏决策树的配电网元件故障率预测方法；(4)结合配电网元件故障概率预测结果和配电网可靠性计算方法，对配电网可靠性进行预测。本专利技术能够针对不同天气变量对配电网元件故障概率的影响，对配电网可靠性进行预测。
[0005]基于神经网络的架空线停电预测方法是将这些因素显示集合在一起进行特征提取并输入至神经网络中，得到最后预测的置信度。但由于架空线停电预测的影响因素较多，且差异性很大，如天气因素、地理因素、历史故障因素等，这些因素互相之间数值、物理含义等差异很大。输入特征的数值差异导致神经网络训练难以收敛，导致其难以实现高性能的架空线停电预测精度；并且由于神经网络的不可解释性，预测结果很难有合理的物理含义解释。

技术实现思路

[0006]本专利技术所要解决的技术问题在于如何实现强对流天气架空线停电高精度预测。
[0007]本专利技术通过以下技术手段实现解决上述技术问题的：
[0008]一方面，本专利技术提出了一种强对流天气架空线停电风险预测方法，所述方法包括：
[0009]获取训练数据集，所述训练数据集包括特征数据及其对应的数据标签，所述训练数据包括强对流气象特征数据、地理特征数据和电网状态特征数据；
[0010]初始化决策树；
[0011]将所述训练数据及其对应的数据标签作为所述决策树的输入，计算其目标函数R
(d,x,y)以及所述决策树中每个叶子的输出置信度；
[0012]根据每个叶子的输出置信度，选取可生成新树的叶子，生成新的决策树；
[0013]直到遍历完所述训练数据集中所有的特征数据，得到稀疏决策树；
[0014]利用所述稀疏决策树，计算目标地区的架空线停电概率。
[0015]本专利技术设计并利用强对流气象特征数据、地理特征数据和电网状态特征数据训练可优化稀疏决策树，使其具备根据输入信息预测强对流天气下架空线停电概率的能力；而决策树算法本身对于输入数据维度的差异性处理能力较好，能够很好的应对天气因素、地理因素等因素的数值上差异，并且决策树在每一步增加叶子构成子树时，每一个新树的产生，都是来自于旧树可再分的叶子，而不是对于旧树不可再分的叶子，因此本实施例中的决策树是一种非对称结构的稀疏可优化的决策树，可以高效地构建决策树，同时具备很好的防止过拟合能力，能够在实际部署中获得较好的预测精度。
[0016]进一步地，所述强对流气象特征数据包括强对流雷达强度最大值、雷电电流大小和雷电回击次数，其中，所述强对流雷达强度最大值为设定时间段内的最大值，所述雷电电流大小为设定时间段内的平均值，所述雷达回击次数为设定时间段内的雷电回击次数；
[0017]所述地理特征数据包括局部地理特征和全局地理特征；
[0018]所述电网状态特征数据包括载次数、重载次数和缺陷次数。
[0019]进一步地，所述获取训练集，包括：
[0020]从停电信号前一段时间内获取对应的所述特征数据；
[0021]基于标签值域，获得该时间段内的所述特征数据与标签信息的配对，所述标签值域为：
[0022][0023]进一步地，经初始化后的所述决策树为：
[0024]d＝(d
un
，δ
un
，d
split
，δ
split
，K，H)
[0025]其中，d
un
为d中不改变的叶子，δ
un
为不改变叶子对应的预测结果，d
split
为d中要进行再分的叶子，δ
split
为要进行再分的叶子对应的特征，H为叶子总数，K为分割符。
[0026]进一步地，所述目标函数R(d，x，y)为：
[0027]R(d，x，y)＝l(d，x，y)+λH
d
[0028]其中，d表示所述决策树的参数，x表示输入的特征数据，y表示所述特征数据对应的标签，l(d，x，y)表示直接根据标签对决策树参数进行优化，λH
d
表示正则化项。
[0029]进一步地，所述根据每个叶子的输出置信度，选取可生成新树的叶子，生成新的决策树，包括：
[0030]根据每个所述叶子的输出置信度判断架空线的状态；
[0031]若架空线的状态为停电状态，则确定所述叶子为可生成新树的叶子；
[0032]若架空线的状态为正常状态，则确定所述叶子为不可生成新树的叶子。
[0033]此外，本专利技术还提出了一种强对流天气架空线停电风险预测装置，所述装置包括：
[0034]获取模块，用于获取训练数据集，所述训练数据集包括特征数据及其对应的数据标签，所述训练数据包括强对流气象特征数据、地理特征数据和电网状态特征数据；
[0035]初始化模块，用于初始化决策树；
[0036]训练模块，用于将所述训练数据及其对应的数据标签作为所述决策树的输入，计算其目标函数R(d，x，y)以及所述决策树中每个叶子的输出置信度；
[0037]决策树更新模块，用于根据每个叶子的输出置信度，选取可生成新树的叶子，生成新的决策树；
[0038]输出模块，用于直到遍历完所述训练数据集中所有的特征数据，得到稀疏决策树；
[0039]预测模块，用于利用所述稀疏决策树，计算目标地区的架空线停电概率。
[0040]进一步地，所述强对流气象特征数据包括强对流雷达强度最大值、雷电电流大小和雷电回击次数，其中，所述强对流雷达强度最大值为设定时间段内的最大值，所述雷电电流大小为设定时间段内的平均值，所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种强对流天气架空线停电风险预测方法，其特征在于，所述方法包括：获取训练数据集，所述训练数据集包括特征数据及其对应的数据标签，所述训练数据包括强对流气象特征数据、地理特征数据和电网状态特征数据；初始化决策树；将所述训练数据及其对应的数据标签作为所述决策树的输入，计算其目标函数R(d，x，y)以及所述决策树中每个叶子的输出置信度；根据每个叶子的输出置信度，选取可生成新树的叶子，生成新的决策树；直到遍历完所述训练数据集中所有的特征数据，得到稀疏决策树；利用所述稀疏决策树，计算目标地区的架空线停电概率。2.如权利要求1所述的强对流天气架空线停电风险预测方法，其特征在于，所述强对流气象特征数据包括强对流雷达强度最大值、雷电电流大小和雷电回击次数，其中，所述强对流雷达强度最大值为设定时间段内的最大值，所述雷电电流大小为设定时间段内的平均值，所述雷达回击次数为设定时间段内的雷电回击次数；所述地理特征数据包括局部地理特征和全局地理特征；所述电网状态特征数据包括载次数、重载次数和缺陷次数。3.如权利要求2所述的强对流天气架空线停电风险预测方法，其特征在于，所述获取训练集，包括：从停电信号前一段时间内获取对应的所述特征数据；基于标签值域，获得该时间段内的所述特征数据与标签信息的配对，所述标签值域为：4.如权利要求1所述的强对流天气架空线停电风险预测方法，其特征在于，经初始化后的所述决策树为：d＝(d
un
，δ
un
，d
split，
δ
split，
K，H)其中，d
un
为d中不改变的叶子，δ
un
为不改变叶子对应的预测结果，d
split
为d中要进行再分的叶子，δ
split
为要进行再分的叶子对应的特征，H为叶子总数，K为分割符。5.如权利要求1所述的强对流天气架空线停电风险预测方法，其特征在于，所述目标函数R(d，x，y)为：其中，d表示所述决策树的参数，x表示输入的特征数据，y表示所述特征数据对应的标签，表示直接根据标签对决策树参数进行优化，λH
d
表示正则化项。6.如权利要求1所述的强对流天气架空线停电风险预测方法，其特征在于，所述根据每个叶子的输出置信度，选取可生成新树...

【专利技术属性】
技术研发人员：骆晨，吴凯，冯玉，吴少雷，戚振彪，徐飞，张征凯，周建军，陈振宁，刘蔚，娄伟，王明，赵成，史亮，
申请(专利权)人：国网安徽省电力有限公司，
类型：发明
国别省市：