[发明专利]一种国家电网树线放电预测方法

权利要求书

1.一种国家电网树线放电预测方法，其特征在于，所述国家电网树线放电预测方法用于对国家电网的电力塔杆、电力传输线路以及电力传输通道进行树线放电风险预测，包括如下步骤：

采集历史信息，对历史信息进行整理，形成完整的历史数据，完整的历史数据具有若干维度；

采用MAHAKIL算法对完整的历史数据进行重采样，形成训练数据集；

利用训练数据集训练LightGBM模型；

采集当前信息，对当前信息进行整理，形成完整的当前数据；

基于完整的当前数据，利用训练好的LightGBM模型进行树线放电风险预测。

2.根据权利要求1所述的国家电网树线放电预测方法，其特征在于，采集历史信息包括现场维修部门部署历史信息、塔杆及线路台账历史信息、树木类型历史信息、净空距离历史信息和气象历史信息；

现场维修部门部署历史信息包括线路缺陷子信息、隐患子信息、故障子信息；

气象历史信息包括天气状况子信息、气温子信息、湿度子信息、风速子信息、风向子信息。

3.根据权利要求2所述的国家电网树线放电预测方法，其特征在于，对历史信息进行整理，形成完整的历史数据具体包括：

基于国家电网的电力传输线路，将与同一条电力传输线路相关的历史信息及其子信息作为一条完整的历史数据，一条完整的历史数据下，不同的历史信息及其子信息作为该完整的历史数据下不同的维度；

对历史信息进行整理，确定各个历史信息下的数值子信息和/或非数值子信息；

对各个历史信息下缺失的数值子信息补充完整；

对各个历史信息下的非数值子信息进行独热编码；

独热编码后，对气象历史信息构建气象子信息，构建的气象子信息包括每日温度、每日湿度、每日风速以及每日气压的平均统计、最大值统计、最小值统计，还包括月平均降雨频数统计、月平均降雨频率统计、月平均降雪频数统计、月平均降雪频率统计。

4.根据权利要求3所述的国家电网树线放电预测方法，其特征在于，对各个历史信息下缺失的数值子信息补充完整时，如果某一历史信息下的数值子信息缺失量超过一半，则删除该历史信息及其数值子信息；如果该历史信息下的数值子信息缺失量未超过一半，则使用该历史信息下数值子信息的平均数、中位数或行/列众数对该历史信息补充完整。

5.根据权利要求3所述的国家电网树线放电预测方法，其特征在于，对非数值子信息进行独热编码时，将同一历史信息下的各个非数值子信息分别作为状态值，所述状态值的位数与该历史信息下的各个非数值子信息的个数相等，每个状态值中只有一位为1，其余位为0。

6.根据权利要求1所述的国家电网树线放电预测方法，其特征在于，采用MAHAKIL算法对完整的历史数据进行重采样具体包括：

从完整的历史数据中筛选出正类样本，所述正类样本为完整的历史数据中与树线放电相关的数据；

将筛选出的正类样本记为bin，对于bin中的每一个正类样本计算马氏距离，计算公式为：

其中，d为马氏距离，x为正类样本，μ为正类样本的均值，T为转置矩阵符号，S为正类样本的协方差矩阵，N为正类样本的维度的个数，是对正类样本中每个维度的均值；

按照马氏距离对bin排序并标号，将bin从标号的中位数处一分为二，分别记为bin1、bin2，并且按标号为bin1、bin2中的每个样本指定一个唯一标签；

分别从bin1、bin2中各自随机选择一个正类样本，构成样本对，计算样本对均值，作为重采样的新的样本。

7.根据权利要求1所述的国家电网树线放电预测方法，其特征在于，需要优化的LightGBM参数包括：基分类器个数、树最大深度、叶节点数、学习率、工具箱数、单个叶子上数据的最小数量、每次迭代中随机选择特征的比例、不进行重采样的情况下随机选择的数据。

8.根据权利要求1所述的国家电网树线放电预测方法，其特征在于，所述LightGBM模型输出的AUC值作为LightGBM模型的适应度值。