[发明专利]一种国家电网机械外破预测方法

说明书

本发明公开了一种国家电网机械外破预测方法，涉及机器学习领域，用于对国家电网的电力塔杆、电力传输线路和电力传输通道进行机械外破风险预测，包括如下步骤：采集历史信息，形成完整的历史数据，对完整的历史数据进行重采样，训练Catboost模型，采集当前信息，形成完整的当前数据，利用训练好的Catboost模型进行机械外破风险预测。本发明所提供的方法可以预测电力塔杆、电力传输线路以及电力传输通道发生机械外破风险的概率和风险等级，提前部署应对措施。

【技术领域】

本发明涉及机器学习领域，具体涉及一种国家电网机械外破预测方法。

【背景技术】

随着经济的发展，各地区基础设施建设都在如火如荼地开展。在工程建设中，各种大型工程机械，如吊车、挖掘机等在工地来回穿梭，给附近的电力塔杆以及电力传输线路带来了不小的风险。这种工程机械对电力塔杆以及电力传输线路造成损毁的风险即称之为机械外破风险。由于少数施工人员的安全知识和安全意识存在问题，使得大型工程机械与高压线路之间的安全距离难以得到有效控制，极易发生放电、碰线事故，导致大面积停电。这不仅给肇事者带来人身伤害、给电力企业造成损失，也对工地周边的工厂和居民的用电造成影响。但是，目前对于国家电网的电力塔杆、电力传输线路出现机械外破的主要应对措施还处于加强防护和对于出现问题以后的应急，并没有对国家电网的电力塔杆、电力传输线路和电力传输通道出现机械外破风险的可能性提前做出预警。

【发明内容】

为解决前述问题，本发明提供了一种国家电网机械外破预测方法，以预测电力塔杆、电力传输线路以及电力传输通道发生机械外破风险的概率和风险等级。

为了达到上述目的，本发明采用如下技术方案：

一种国家电网机械外破预测方法，所述国家电网机械外破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机械外破风险预测，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，所述维度即为数据特征；

采用SMOTE+Tomek Links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Catboost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Catboost模型进行机械外破风险预测。

可选的，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。

可选的，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。