台风天气下电网设备故障率预测方法、装置及存储介质制造方法及图纸

本申请公开了台风天气下电网设备故障率预测方法、装置及存储介质，方法包括：以历史电缆信息以及预先建立的台风模型构建计及风速的电缆失效概率模型；以历史高压开关柜信息以及预先建立的降雨量模型构建计及降水的高压开关柜失效概率模型；以深度学习轻度量化梯度提升机算法、电缆失效概率模型以及高压开关柜失效概率模型构建电网设备故障率预测模型，利用区域设备历史运行信息进行训练；以区域设备当前运行信息作为训练后的电网设备故障率预测模型的输入，输出电网设备故障率预测结果。本申请的有益效果：提高最终电网设备故障率预测模型的预测准确性以及时效性，便于运行人员及时制定应急响应计划，提高电力系统对台风灾害的防御能力。

【技术实现步骤摘要】

本申请涉及电网设备故障预测，尤其涉及台风天气下电网设备故障率预测方法、装置及存储介质。

技术介绍

1、台风主要来源于海洋，逼近时携带大量水汽，因此容易引发暴雨天气。台风、暴雨两种气象现象对电力系统的安全构成严重威胁。

2、当前，电力系统在经济社会中的关键性愈发显著，电力系统在出现大范围故障时可能引发巨大的经济损失。尽管气象部门通常能够提供台风登陆前的准确预警信息，然而，电力部门常常面临着难以准确评估台风危害性以及制定有效安全防御措施的挑战。历史经验表明，电力系统在应对台风等自然灾害时存在一定的脆弱性。深度学习算法已经在电力系统故障率预测方面取得显著进度，但在台风灾害环境下的应用相对有限。因此，如何有效整合气象部门的预测信息，以精准预测台风天气条件下电网设备的故障概率成为迫切需要解决的问题。

3、相关技术中对电网设备故障率预测通常采用建立设备的物理模型，并结合实时监测数据，可以对设备的运行状态和可能的故障进行预测，或是获取历史故障数据以及历史天气数据进行机器学习，识别出与故障发生相关的模式和趋势，并据此进行故障预测。然而，物理模型可能本文档来自技高网...

【技术保护点】

1.台风天气下电网设备故障率预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的台风天气下电网设备故障率预测方法，其特征在于，

3.如权利要求2所述的台风天气下电网设备故障率预测方法，其特征在于，

4.如权利要求1所述的台风天气下电网设备故障率预测方法，其特征在于，

5.如权利要求1所述的台风天气下电网设备故障率预测方法，其特征在于，

6.如权利要求1所述的台风天气下电网设备故障率预测方法，其特征在于，

7.如权利要求1所述的台风天气下电网设备故障率预测方法，其特征在于，还包括：

<p>8.如权利要求1...

【技术特征摘要】

1.台风天气下电网设备故障率预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的台风天气下电网设备故障率预测方法，其特征在于，

3.如权利要求2所述的台风天气下电网设备故障率预测方法，其特征在于，

4.如权利要求1所述的台风天气下电网设备故障率预测方法，其特征在于，

5.如权利要求1所述的台风天气下电网设备故障率预测方法，其特征在于，

6.如权利要求1所述的台风天气下电网设备故障率...

【专利技术属性】
技术研发人员：皮俊波，齐世雄，吴华华，刘东，孙文多，项中明，郑翔，沈曦，曹帅，黄启航，陈益渊，宋昕，张志雄，卢航，田旭，周霄，王尚玉，马翔，
申请(专利权)人：国网浙江省电力有限公司金华供电公司，
类型：发明
国别省市：