[发明专利]一种城网配变重过载短期预警模型的建模方法

说明书

本发明涉及一种城网配变重过载短期预警模型的建模方法，包括：集建模所需相关变量的原始数据；设计并计算预警模型的特征变量，对特征变量进行筛选；通过单变量logistic回归，比较查全率和查准率，确定核心变量；采用逐步回归法，依次加入其他变量，优化得到预警模型；将实际数据带入预警模型进行预测，得出配变重过载的概率清单并排序；根据历史温度和历史重过载数量建立loess方程，并根据预报温度预测配变重过载数，再从概率清单中选取相应的数量作为当周的重过载预警清单；利用当年数据对历史数据建立的预警模型进行预测验证，若预警结果好则直接使用，否则优化预警模型；该方法有利于建立准确的配变重过载短期预警模型。

技术领域

本发明涉及信息自动化技术领域，特别涉及一种城网配变重过载短期预警模型的建模方法。

背景技术

由于近年来经济的持续稳定发展，城区用电负荷出现了相应的较快增长，每年均有配变发生重过载的现象，供电单位满足用户用电需求的难度也在不断提高。同时由于配网资金有限，不能完全满足改造需求。因此，科学地开展配变重过载的短期预警工作，可为改造规划提供参考，提高配网对迎峰度夏期间峰荷的应急能力，还能够为独立判断、分析各地市重过载程度、合理分配资源提供客观依据。

城市配变在迎峰度夏期间更易受到夏季高温影响产生重过载情况，预警需求较大。另外由于城区配网的信息化建设开展较早，可为分析预警模型提供较好的数据支撑。

发明内容

本发明的目的在于提供一种城网配变重过载短期预警模型的建模方法，该方法有利于建立准确的配变重过载短期预警模型。

为实现上述目的，本发明采用的技术方案是：一种城网配变重过载短期预警模型的建模方法，按照如下步骤建立预警模型：

步骤1：根据预警模型的整体框架，采集建模所需相关变量的原始数据，即特征参数，并基于一定的数据清洗规则对原始数据进行清洗，以确保进入预警模型的数据质量；

步骤2：根据短期数据的特征，设计并计算预警模型的特征变量，根据单个自变量与因变量之间的显著性关系，对特征变量进行筛选；

步骤3：通过单变量logistic回归，比较单变量回归模型的查全率和查准率，确定核心变量；在已有核心变量的基础上，采用逐步回归法，依次加入其他变量，比较预警模型的查全率和查准率，不断优化，进而建立预警模型；

步骤4：将实际数据带入预警模型对配变短期的重过载现象进行预测，得出配变重过载的概率清单，并按概率从高到低进行排序；根据历史温度和历史重过载数量建立loess方程，并利用预警周的预报温度对该周的配变重过载数量进行预测；最后，根据loess方程预测的重过载数，从概率清单中按高到低选取相应的数量，作为当周的重过载预警清单；

步骤5：根据历史数据建立的预警模型，将当年数据代入并进行预测验证，如果预警结果优于设定值，则直接使用该预警模型，否则通过调整预警模型的自变量、优化loess方程的方式优化预警模型；

步骤6：输出预警模型和预警结果。

进一步的，根据去年和发布日前一月4周的数据建立Logistic回归模型，带入本周数据，生成预测配变发生重过载概率清单；结合loess模型预测的重过载数量，从概率清单中按高到低选取相应的数量，作为当周的重过载预警清单。

进一步的，在步骤2中，根据单个自变量与因变量之间的显著性关系，对特征变量进行筛选的方法如下：如果单个自变量与因变量之间的显著性水平小于设定值，则将此自变量纳入后续的建模的候选变量中。

本发明的有益效果提供了一种城网配变重过载短期预警模型的建模方法，该方法建立的配变重过载中期预警模型可以通过联合Loess回归方程和Logistic回归模型对配变迎峰度夏期间每周的重载情况进行预警，提高了判断的准确性，为独立判断、分析各地市重过载程度、合理分配资源提供客观依据。