[发明专利]一种基于逻辑回归算法的煤矿配电网络停电事故预测方法

说明书

本发明涉及煤矿配电网络技术领域，涉及一种基于逻辑回归算法的煤矿配电网络停电事故预测方法。其包括：步骤S1、通过煤矿配电网络的SCADA系统收集多个电力设备的工作电流，工作电压、工作时长及其停电记录信息；步骤S2、搭建Hadoop集群并录入步骤S1中收集的数据；步骤S3、搭建Spark集群，对步骤S2中的数据进行提取和预处理，并生成数据矩阵集合；步骤S4、根据步骤S3中获取的数据矩阵集合，针对每个电力设备均构建逻辑回归模型；步骤S5、将步骤S1中获取的最新数据代入步骤S4中构建的逻辑回归模型中，对每个电力设备的停电概率进行预测。本发明能够较佳地针对煤矿配电网络中的单个电力设备进行预测模型搭建，并实现单个电力设备停电概率的预测。

技术领域

本发明涉及煤矿配电网络技术领域，具体地说，涉及一种基于逻辑回归算法的煤矿配电网络停电事故预测方法。

背景技术

煤矿企业的停电对于矿区作业的影响十分严重，往往突入其来的停电事故中，电力监控室的工作人员无法立即寻找出解决方案，进而会导致矿区作业设备停止工作，进而产生严重的后果，如矿区内的抽风机设备停止工作会导致作业区煤矿矿底出现氧气含量下降和有害气体的累积的危险，危害矿工生命。

故提前预测停电事故的概率有助于电力监控室工作人员提前对可能发生停电事故的设备进行人工检查，提前预防可能出现的停电事故，提前设定配电方案。而现有技术中再次领域缺乏相关的解决方案。

发明内容

本发明提供了一种基于逻辑回归算法的煤矿配电网络停电事故预测方法，其能够克服现有技术的某种或某些缺陷。

根据本发明的一种基于逻辑回归算法的煤矿配电网络停电事故预测方法，其包括如下步骤：

步骤S1、通过煤矿配电网络的SCADA系统收集多个电力设备的工作电流，工作电压、工作时长及其停电记录信息；

步骤S2、搭建Hadoop集群并录入步骤S1中收集的数据，录入的数据内容包括每个电力设备的设备名称以及相对应的工作时长、工作电压、工作电流和停电记录，且每次录入的数据以单个电力设备进行归类；

步骤S3、搭建Spark集群，对步骤S2中的数据进行提取和预处理，并生成数据矩阵集合；

步骤S4、根据步骤S3中获取的数据矩阵集合，针对每个电力设备均构建逻辑回归模型；

步骤S5、将步骤S1中获取的最新数据代入步骤S4中构建的逻辑回归模型中，对每个电力设备的停电概率进行预测。

作为优选，步骤S1中所述的多个电力设备包括输电线路、柱上配电变压器、发电设备、断路器、负荷开关、熔断器、隔离开关、重合器、分段器、开关站、环网单元、箱变和电缆分接箱中的一个或多个。

作为优选，步骤S3中的数据预处理包括数据清洗，数据清洗包括对明显异常数据、工作时长数据、工作电压数据和工作电流数据的处理。

作为优选，对明显异常数据的处理，包括通过莱茵达准则将明显异常数据剔除。

作为优选，对工作时长数据的处理，包括以对应电力设备最后一次维护时间作为开始时间进行计算工作时长。

作为优选，对工作电压数据(v₁v₂v₃v₄...v_n)和工作电流数据(i₁i₂i₃i₄...i_n)的处理包括如下步骤，

步骤S31、计算工作电压数据和工作电流数据的算术平均值其中X表示电压或电流；

步骤S32、计算工作电压数据和工作电流数据的剩余误差V_I，