【技术实现步骤摘要】
台风灾害下停电网格分布预测方法、系统、设备和介质
[0001]本专利技术涉及电网防灾减灾
,特别是涉及一种台风灾害下停电网格分布预测方法、系统、设备和介质。
技术介绍
[0002]台风灾害下的停电预测能够减少电网在台风灾害下的受灾损失、提高电网的防灾减灾能力。台风灾害下的停电受电网因素、气象因素、地理因素的影响,若是仅仅从设备故障建模分析出发,则考虑因素显得片面,且难以上升到系统层面的停电预测。因此,若能有方法将影响停电的多方面重要因素进行考虑并实现台风灾害下的网格是否停电的预测,则可以更好、更准确地实现停电预测。
[0003]目前,在灾害下停电预测问题上大多数采用的是单一机器学习算法,单一机器学习算法在实现过程中可能会出现对模型产生偏置的情况。另外,对于机器学习中的三种集成方式——Bagging、Boosting、Stacking,现有研究大多采用Bagging集成的算法进行预测或者基于Boosting集成的算法进行预测,但是,该方法可能存在偏置问题。
技术实现思路
[0004]本专利技术的目的是:提供一种台风灾害下停电网格分布预测方法、系统、设备和介质,能够克服现有预测分布方法中模型偏置问题,提高电网灾害下的防灾应急能力。
[0005]为了实现上述目的,本专利技术提供了一种台风灾害下停电网格分布预测方法,包括:
[0006]根据ArcGIS对目标区域进行网格划分,获得目标区域的网格集合;
[0007]获取所述网格集合中每个网格的第一数据,其中,所述第一数据包括 ...
【技术保护点】
【技术特征摘要】
1.一种台风灾害下停电网格分布预测方法,其特征在于,包括:根据ArcGIS对目标区域进行网格划分,获得目标区域的网格集合;获取所述网格集合中每个网格的第一数据,其中,所述第一数据包括:特征变量数据和因变量数据,其中,所述特征变量数据包括:台风对应的气象数据;对所述第一数据进行预处理,获得第二数据,其中,所述预处理包括:对所述第一数据进行数据归一化、构造新变量、分类变量处理与转换处理,获得第二数据;将所述第二数据输入到预设的Stacking集成模型进行训练与预测,获得台风灾害下停电的预测结果,其中,所述Stacking集成模型包括:基学习器层和元学习器层。2.根据权利要求1所述的台风灾害下停电网格分布预测方法,其特征在于,在获得台风灾害下停电的预测结果之后,还包括:将所述预测结果进行可视化处理,具体为:将预测得到的每个网格的预测结果形成csv文件,将所述csv文件输入到ArcGIS中,并连接到已划分网格的地图的图层中,并将预测结果分类显示。3.根据权利要求1所述的台风灾害下停电网格分布预测方法,其特征在于,所述特征变量数据还包括:电网数据、和地理数据,所述因变量数据包括:用户停电数据,当网格发生用户停电,则Y=1,否则Y=0;其中,所述电网数据包括:杆塔数、箱变数、台变数、拉线数、用户数和线路长度;所述地理数据包括:经度、纬度、地表类型、海拔、坡向、坡度和下垫面类型。4.根据权利要求1所述的台风灾害下停电网格分布预测方法,其特征在于,所述将所述第二数据输入到预设的Stacking集成模型进行训练与预测,获得台风灾害下停电的预测结果,包括:将所述第二数据划分为K部分,利用其中的K-1份作为训练数据,剩余的一份作为测试数据;将所述训练数据和测试数据作为基学习器中各个模型的基础数据,并对所述每个模型进行K次训练,训练完成之后对原始测试集预测,一个模型会对应K个预测结果,再将K个预测结果取平均;得到各个基模型运行K次之后的平均值,同时拼接每一基模型对训练数据集的预测结果代入下一层;将各个基模型得到的预测结果,拼接上各个样本真实的标签,代入第二层模型进行训练,获得台风灾害下停电的预测结果。5.一种台风灾害下停电网格分布预测系统,其特征在于,包括:网格模块、数据获取模块、数据处理模块和预测模块,其中,所述网格模块,用于根据ArcGIS对目标区域进行网格划分,获得目标区域的网格集合;所述数据获取模块,用于获取所述网格集合中...
【专利技术属性】
技术研发人员:魏瑞增,王磊,黄勇,郑晓光,周恩泽,王彤,刘淑琴,罗颖婷,李妍,李晖,
申请(专利权)人:广东电网有限责任公司电力科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。