[发明专利]基于神经网络的配变重过载识别预警方法及终端设备

权利要求书

1.一种基于神经网络的配变重过载识别预警方法，用于对某日台区配变的重过载事件进行识别并预警，其特征在于，包括以下步骤：

1)获取待识别的各台区配变的基础数据，对所述基础数据进行预处理；

2)基于预处理后的基础数据对各台区配变进行粗预测分类，所述粗预测分类的类别包括一级安全、二级安全和二级关注；

3)判断是否存在属于二级关注的台区配变，若是，则采用训练好的GRU型神经网络对属于所述二级关注的台区配变进行精预测，基于精预测结果输出配变预警信息，若否，则输出配变正常信息。

2.根据权利要求1所述的基于神经网络的配变重过载识别预警方法，其特征在于，所述基础数据包括内部数据和外部数据，其中，内部数据包括变压器台账数据、用户档案数据、网络拓扑关系、配电变压器改造记录和历史气象，外部数据包括补充气象信息、用户类型及地理位置和节假日标签。

3.根据权利要求1所述的基于神经网络的配变重过载识别预警方法，其特征在于，所述预处理包括数据格式变换、数据集成、数据清洗和缺失数据填补。

4.根据权利要求3所述的基于神经网络的配变重过载识别预警方法，其特征在于，采用基于相似性的递推方法实现所述缺失数据填补。

5.根据权利要求1所述的基于神经网络的配变重过载识别预警方法，其特征在于，所述基于预处理后的基础数据对各台区配变进行粗预测分类具体为：

101)基于所述基础数据获得历史各时间点的负载率，判断过去54周的最高负载率是否不超过50％，若是，则判定相应配变为一级安全，若否，则执行步骤102)；

102)判断是否存在上年同一日期±7天的最大负载率不超过50％且最近7天最大负载率不超过50％，若是，则判定相应配变为二级安全，若否，则判定相应配变为二级关注。

6.根据权利要求1所述的基于神经网络的配变重过载识别预警方法，其特征在于，所述GRU型神经网络基于Keras深度学习工具的TensorFlow框架构建。

7.根据权利要求1所述的基于神经网络的配变重过载识别预警方法，其特征在于，所述GRU型神经网络进行精预测时，以D-1日的多点负载率和D日气象预报数据集合作为输入特征量，输出量为预测日的多点负载率，D表示预测日。

8.根据权利要求1所述的基于神经网络的配变重过载识别预警方法，其特征在于，步骤3)中，所述GRU型神经网络执行每日动态预测。

9.根据权利要求1所述的基于神经网络的配变重过载识别预警方法，其特征在于，所述GRU型神经网络训练时，通过综合评价指标RMSE、MAPE和C_overload评估预测的性能。

10.一种终端设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器调用所述计算机程序执行如权利要求1的配变重过载识别预警方法的步骤。