【技术实现步骤摘要】
本专利技术涉及配电网状态预测领域，尤其是涉及一种配电网故障预警方法、系统、设备及存储介质。
技术介绍
1、配电网是联系用户和电力系统的中间环节，配电网的供电可靠性是衡量电能质量相当重要的因素。通过供电可靠性的分析与研究，从中发现配电网相对薄弱的环节，联系当地经济的发展，制定措施提高供电可靠性，从而可以提供更优质的电能质量，创造更高的社会效益。进入迎峰度夏期间，配电台区居民用户用电量迅猛增加，电力负荷达到一年中的最高峰。随着社会用电量的增长，配电变压器重过载和重三相不平衡现象日益突出，因重过载和重三相不平衡引起的配网频繁停电日益得到电网管理人员的重视。配网频繁停电，不仅导致用户对电力服务投诉增多，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。
2、而在配电网发生事故时，目前工作流程是接到停电区域的用户来电，然后抢修工作人员到现场测试，根据实地情况了解停电事故发生的原因，排除停电故障后进行复电。但这种方式无法提前对配电网进行故障的预警，导致配电网运维人员难以准确及时地了解到配电网的运行状况，无法做到迅速响应与维护，进而导致配电网故障进一步升级。
3、由此可见，如何对配电网变压器的故障进行及时准确地预测，已经成为本领域技术人员所要亟待解决的技术问题。
技术实现思路
1、本专利技术提供一种配电网故障预警方法、系统、设备及存储介质，以对配电网变压器的运行状态进行有效的评估，预测故障发生概率，从而实现及时的配电网故障预警。
2、为了解决上述技术
3、根据最小冗余最大相关算法对获取到的配电网的变压器运行状态的历史数据集进行处理，得到与所述历史数据集对应的维度特征标签，其中所述维度特征标签包括电力负荷特征标签和环境信息维度标签；
4、根据所述维度特征标签，对所述历史数据集进行分类处理，以得到平衡数据集；
5、在第一训练过程中，将所述平衡数据集分别输入至各个数据模型中，基于每一所述数据模型的输出结果，确定第一目标数据模型；其中，所述数据模型至少包括logistics回归模型、高斯朴素贝叶斯模型和马尔可夫链模型；
6、在第二训练过程中，将所述平衡数据集输入至符合预设权重条件的数据模型中进行处理，基于对应的所述数据模型的输出结果，以确定第二目标数据模型；
7、在第三训练过程中，基于voting集成策略算法对各个所述数据模型的弱分类器进行整合优化，并将所述平衡数据集输入至整合优化后的弱分类器中，以确定第三目标数据模型；
8、基于梯度提升决策树算法对所述第一目标数据模型、第二目标数据模型和第三目标数据模型进行优化整合，得到故障预测模型；
9、根据所述故障预测模型得到的故障预测结果，向至少一个电力终端发送预警信息，其中所述电力终端包括电力维护人员终端和电网运行终端。
10、进一步地，所述根据最小冗余最大相关算法对获取到的配电网的变压器运行状态的历史数据集进行处理之前，还包括：
11、根据所述配电网的变压器运行状态获取运行数据并进行数据清洗，得到初始数据集；
12、基于将所述初始数据集进行时间序列的分解，得到所述初始数据集的趋势、季节性和残差成分的第一特征，并根据时间步获取所述初始数据集滞后和滚动的第二特征；
13、将所述第一特征和所述第二特征扩增整合到所述初始数据集中，得到所述历史数据集。
14、进一步地，所述根据所述维度特征标签，对所述历史数据集进行分类处理，以得到平衡数据集，包括：
15、根据所述维度特征标签对所述历史数据集进行运行状态的分类，得到待平衡数据集；
16、基于所述运行状态的分类结果，通过k均值聚类算法对所述待平衡数据集进行平衡处理得到所述平衡数据集。
17、进一步地，所述在第一训练过程中，将所述平衡数据集分别输入至各个数据模型中，基于每一所述数据模型的输出结果，确定第一目标数据模型，包括：
18、对所述平衡数据集进行抽样，得到若干个平衡子集，将所述平衡子集分为训练集和测试集；
19、将每个所述训练集输入至所述每一所述数据模型中进行训练，得到训练好的数据模型，将所述测试集输入至所述每个所述训练好的数据模型中进行预测，得到第一预测结果；
20、对所述第一预测结果进行预测准确率的评估，确定对应的第一目标数据模型。
21、进一步地，所述在第二训练过程中，将所述平衡数据集输入至符合预设权重条件的数据模型中进行处理，基于对应的所述数据模型的输出结果，以确定第二目标数据模型，包括：
22、分配权重至各个所述数据模型的弱分类器中，通过权重系数选择符合预设权重条件的数据模型；
23、将所述平衡数据集输入至符合预设权重条件的数据模型中，得到第二预测结果；
24、根据所述第二预测结果判断所述数据模型的权重是否满足第一预设要求，若否，则对权重值进行调整，重复执行所述第二训练过程直至得到满足所述第一预设要求的数据模型。
25、进一步地，所述在第三训练过程中，基于voting集成策略算法对各个所述数据模型的弱分类器进行整合优化，并将所述平衡数据集输入至整合优化后的弱分类器中，以确定第三目标数据模型，包括：
26、通过将所述平衡数据集分别输入至所述logistics回归模型、高斯朴素贝叶斯模型和马尔可夫链模型进行训练，得到待集成基模型；
27、通过voting集成策略算法对所述待集成基模型进行集成，构建得到集成模型；
28、将所述平衡数据集输入至所述集成模型中进行测试，得到第三预测结果；
29、评估所述第三预测结果是否满足第二预设要求，若否，则对voting集成参数进行调整，重复执行所述第三训练过程直至得到满足所述第二预设要求的第三目标数据模型。
30、进一步地，所述根据所述故障预测模型得到的故障预测结果，向至少一个电力终端发送预警信息，包括：
31、将所述配电网的实时运行数据输入所述故障预测模型，得到所述故障预测结果；
32、根据所述故障预测结果，发送相应的预警信息，所述预警信息包括故障类型信息、持续时间信息和应对措施信息。
33、本专利技术另一实施例提供了一种配电网故障预警系统，包括：
34、数据预处理模块，用于根据最小冗余最大相关算法对获取到的配电网的变压器运行状态的历史数据集进行处理，得到与所述历史数据集对应的维度特征标签，其中所述维度特征标签包括电力负荷特征标签和环境信息维度标签；
35、数据优化模块，用于根据所述维度特征标签，对所述历史数据集进行分类处理，以得到平衡数据集；
36、第一训练模块，用于在第一训练过程中，将所述平衡数据集分别输入至各个数据模型中，基于每一所述数据模型的输出结果，确定第一目标数据模型；其中，所述数据模型至少包括logis本文档来自技高网...
【技术保护点】
1.一种配电网故障预警方法，其特征在于，包括：
2.如权利要求1所述的配电网故障预警方法，其特征在于，所述根据最小冗余最大相关算法对获取到的配电网的变压器运行状态的历史数据集进行处理之前，还包括：
3.如权利要求1所述的配电网故障预警方法，其特征在于，所述根据所述维度特征标签，对所述历史数据集进行分类处理，以得到平衡数据集，包括：
4.如权利要求1所述的配电网故障预警方法，其特征在于，所述在第一训练过程中，将所述平衡数据集分别输入至各个数据模型中，基于每一所述数据模型的输出结果，确定第一目标数据模型，包括：
5.如权利要求1所述的配电网故障预警方法，其特征在于，所述在第二训练过程中，将所述平衡数据集输入至符合预设权重条件的数据模型中进行处理，基于对应的所述数据模型的输出结果，以确定第二目标数据模型，包括：
6.如权利要求1所述的配电网故障预警方法，其特征在于，所述在第三训练过程中，基于Voting集成策略算法对各个所述数据模型的弱分类器进行整合优化，并将所述平衡数据集输入至整合优化后的弱分类器中，以确定第三目标数据模型，
7.如权利要求1所述的配电网故障预警方法，其特征在于，所述根据所述故障预测模型得到的故障预测结果，向至少一个电力终端发送预警信息，包括：
8.一种配电网故障预警系统，其特征在于，包括：
9.一种计算机设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的配电网故障预警方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，其中，所述计算机可读存储介质所在设备执行所述计算机程序时，实现如权利要求1至7中任意一项所述的配电网故障预警方法。
...【技术特征摘要】
1.一种配电网故障预警方法，其特征在于，包括：
2.如权利要求1所述的配电网故障预警方法，其特征在于，所述根据最小冗余最大相关算法对获取到的配电网的变压器运行状态的历史数据集进行处理之前，还包括：
3.如权利要求1所述的配电网故障预警方法，其特征在于，所述根据所述维度特征标签，对所述历史数据集进行分类处理，以得到平衡数据集，包括：
4.如权利要求1所述的配电网故障预警方法，其特征在于，所述在第一训练过程中，将所述平衡数据集分别输入至各个数据模型中，基于每一所述数据模型的输出结果，确定第一目标数据模型，包括：
5.如权利要求1所述的配电网故障预警方法，其特征在于，所述在第二训练过程中，将所述平衡数据集输入至符合预设权重条件的数据模型中进行处理，基于对应的所述数据模型的输出结果，以确定第二目标数据模型，包括：
6.如权利要求1所述的配电网故障预警方法...
【专利技术属性】
技术研发人员：金旻昊，樊立波，韩荣杰，孙智卿，屠永伟，方响，程炜东，张水云，王亿，黄佳斌，来益博，宣羿，蒋建，陈益芳，王奇锋，陆涛，邵鹏程，金森君，李楠，
申请(专利权)人：国网浙江省电力有限公司杭州供电公司，
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。