一种配网故障停电预测方法及存储介质技术

本发明专利技术公开了一种配网故障停电预测方法及存储介质，方法包括：步骤S1，获取故障停电可靠性指标和故障停电主要影响因素；步骤S2，以所述故障停电可靠性指标和故障停电主要影响因素为训练集，利用相关向量机构建停电预测模型；步骤S3，利用基于惯性权重的萤火虫算法对所述停电预测模型进行优化，得到优化后的停电预测模型；步骤S4，将故障停电影响因素输入优化后的停电预测模型进行故障停电预测；借助预测结果，可以对影响用户进行事先通知，将突发事件转变为预安排时间，极大减少停电造成的影响，还可对停电原因进行分析和排查，根据设备运行状态数据提前进行检查，降低了设备损坏的风险。风险。风险。

【技术实现步骤摘要】
一种配网故障停电预测方法及存储介质


[0001]本专利技术涉及配网停电预测
，具体涉及一种配网故障停电预测方法及存储介质。

技术介绍

[0002]配网供电可靠性与居民生活能否正常用电密切相关，而故障因素是影响供电可靠性的关键因素之一，保障配网的正常运行以及停电后实施合理有效的应对措施是生产运营监控部门的重要工作。
[0003]受配网自身因素及外部环境因素等故障因素的影响，配网会进行故障停电，若无法有效对停电进行有效预测及管理，不仅导致用户对电力服务不满，还给居民的日常生活带来巨大不便，甚至造成严重的商业经济损失，因此，为了尽可能快速恢复供电和减小停电的影响，对停电事件进行预测势在必行。

技术实现思路

[0004]针对上述问题，专利技术人提供了一种配网故障停电预测方法及存储介质，可对故障停电进行可靠预测，有助于避免发生重大停电事故，提高应对停电事件的主动性。
[0005]根据第一方面，本专利技术提供了一种配网故障停电预测方法，包括如下步骤：
[0006]步骤S1：获取故障停电可靠性指标和故障停电主要影响因素；
[0007]步骤S2：以所述故障停电可靠性指标和故障停电主要影响因素为训练集，利用相关向量机构建停电预测模型；
[0008]步骤S3：利用基于惯性权重的萤火虫算法对所述停电预测模型进行优化，得到优化后的停电预测模型；
[0009]步骤S4：将故障停电影响因素输入优化后的停电预测模型进行故障停电预测。
[0010]进一步地，所述步骤S1中，所述故障停电主要影响因素的获取步骤包括：
[0011]步骤S11：获取故障停电影响因素；
[0012]步骤S12：根据层次分析法从所述故障停电影响因素中选取出故障停电主要影响因素。
[0013]进一步地，所述步骤S12包括：
[0014]步骤S121：将故障停电影响因素分为目标层、基准层和因素层；
[0015]步骤S122：对同一层次内，两两因素之间的相对重要性进行比较，得到判断矩阵；
[0016]步骤S123：层次单排序并进行一致性检验；
[0017]步骤S124：层次总排序并进行一致性检验；
[0018]步骤S125：根据通过一致性检验的层次总排序结果，选取总权重最大的多个因素作为故障停电主要影响因素。
[0019]进一步地，所述故障停电影响因素包括：自然因素、外部因素、内部因素和客户因素。
[0020]进一步地，所述步骤S3包括：
[0021]步骤S31：设置萤火虫算法基本参数；
[0022]步骤S32：初始化萤火虫位置及亮度，并进行迭代搜索；
[0023]步骤S33：萤火虫位置和亮度更新；
[0024]步骤S34：判断相邻两次迭代的萤火虫的位置和亮度是否相同，若不同，则判断是否满足迭代停止的条件，若满足，则停止迭代，输出优化的停电预测模型参数；若相同，则引入惯性权重，再次更新萤火虫位置和亮度；
[0025]步骤S35：基于优化的停电预测模型参数重新训练停电预测模型，得到优化后的停电预测模型。
[0026]进一步地，萤火虫的亮度更新公式为：
[0027][0028]其中，H
ij
为萤火虫i到萤火虫j的距离为r
ij
条件下，萤火虫i相对于萤火虫j的相对亮度；
[0029]所述步骤S33中，萤火虫的位移公式为：
[0030]x
j
(t+1)＝x
i
(t)+L(x
j
(t)
‑
x
i
(t))+α(t)
×
ε
j
[0031]其中，x
i
和x
j
为萤火虫i对萤火虫j所处的空间位置；L为萤火虫i相对于萤火虫j的吸引度；α为步长因子；ε
j
为加入的随机干扰项；t为迭代次数；
[0032]所述步骤S34中，引入惯性权重后的萤火虫的位移公式为：
[0033]x
j
(t+1)＝ω(t)x
i
(t)+L(x
j
(t)
‑
x
i
(t))+α(t)
×
ε
j
[0034]ω表示惯性权重。
[0035]进一步地，所述步长因子α的更新公式为：
[0036]α＝0.4/(1+exp(0.015
×
(t
‑
maxN)/3))
[0037]其中，t为迭代次数；maxN为最大迭代次数。
[0038]进一步地，所述故障停电可靠性指标包括：用户平均故障停电次数、用户平均故障停电时长、故障停电平均持续时间、故障停电平均缺供电量、故障停电平均用户数和故障停电时户数。
[0039]根据第二方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序能够被处理器执行以实现如上所述的方法的步骤。
[0040]相比现有技术，本专利技术的有益效果：
[0041]本专利技术提供的方法，结合自然因素、外部因素、内部因素和客户因素等数据来对未来短期、中期的停电情况进行预测，为生产运营监控中心制定检修计划、应急策略等提供帮助。借助预测结果，可以对影响用户进行事先通知，将突发事件转变为预安排时间，极大减少停电造成的影响；还可对停电原因进行分析和排查，根据设备运行状态数据提前进行检查，降低了设备损坏的风险；并且，对于配网运营监控部门来说，可靠的停电预测能够实现整个管理、监控和执行过程的闭环，避免发生重大停电事故，提高应对停电事件的主动性。
附图说明
[0042]图1为本专利技术提供的配网故障停电预测方法示意图；
[0043]图2为本专利技术提供的配网故障停电预测方法的流程图；
[0044]图3为本专利技术提供的故障停电影响因素分类汇总图。
具体实施方式
[0045]下面通过具体实施方式结合附图对本专利技术作进一步详细说明。
[0046]实施例1
[0047]如图1
‑
2所示，本专利技术提供了一种配网故障停电预测方法，包括如下步骤：
[0048]步骤S1：获取故障停电可靠性指标和故障停电主要影响因素。其中，故障停电可靠性指标包括：用户平均故障停电次数、用户平均故障停电时长、故障停电平均持续时间、故障停电平均缺供电量、故障停电平均用户数和故障停电时户数。
[0049][0050]故障停电主要影响因素的获取步骤包括：
[0051]步骤S11：获取故障停电影响因素。故障停电影响因素包括：自然因素、外部因素、内部因素和客户因素。具体分类如图3所示。
[0052]步骤S12：根据层次分析法从所述故障停电影响因素中选取出故障停电主要影响因素。具体为：
[0053]步骤S121：将故障停电影响因素分为目标层、基准层和因素层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配网故障停电预测方法，其特征在于，包括如下步骤：步骤S1：获取故障停电可靠性指标和故障停电主要影响因素；步骤S2：以所述故障停电可靠性指标和故障停电主要影响因素为训练集，利用相关向量机构建停电预测模型；步骤S3：利用基于惯性权重的萤火虫算法对所述停电预测模型进行优化，得到优化后的停电预测模型；步骤S4：将故障停电影响因素输入优化后的停电预测模型进行故障停电预测。2.如权利要求1所述的方法，其特征在于，所述步骤S1中，所述故障停电主要影响因素的获取步骤包括：步骤S11：获取故障停电影响因素；步骤S12：根据层次分析法从所述故障停电影响因素中选取出故障停电主要影响因素；所述步骤S12包括：步骤S121：将故障停电影响因素分为目标层、基准层和因素层；步骤S122：对同一层次内，两两因素之间的相对重要性进行比较，得到判断矩阵；步骤S123：层次单排序并进行一致性检验；步骤S124：层次总排序并进行一致性检验；步骤S125：根据通过一致性检验的层次总排序结果，选取总权重最大的多个因素作为故障停电主要影响因素。3.如权利要求2所述的方法，其特征在于，所述故障停电影响因素包括：自然因素、外部因素、内部因素和客户因素。4.如权利要求1所述的方法，其特征在于，所述步骤S3包括：步骤S31：设置萤火虫算法基本参数；步骤S32：初始化萤火虫位置及亮度，并进行迭代搜索；步骤S33：萤火虫位置和亮度更新；步骤S34：判断相邻两次迭代的萤火虫的位置和亮度是否相同，若不同，则判断是否满足迭代停止的条件，若满足，则停止迭代，输出优化的停电预测模型参数；若相同，则引入惯性权重，再次更新萤火虫位置和亮度；步骤S35：基于优化的停电预测模型参数重新训练停电预测模型，得到优化后的停电预测模型。5.如权利要求4所述的方法，其特征在于，萤火虫的亮度更新公式为：其中，H
ij
为萤火虫i到萤火虫j的距离为r
...

【专利技术属性】
技术研发人员：陆万荣，
申请(专利权)人：昆明能讯科技有限责任公司，
类型：发明
国别省市：