[发明专利]一种面向电网气象灾害的应急物资需求预测方法及系统

权利要求书

1.一种面向电网气象灾害的应急物资需求预测方法，其特征在于，包括：

获取当前时刻电网事故发生时的气象数据、设备数据、地理环境数据及事故规模数据；或者当前时刻事故未发生时的气象数据、设备数据及地理环境数据；

将所述数据输入到包含输入信息与输出信息关联关系的预测网络，输出当前的物资需求预测结果；

其中，包含输入信息与输出信息关联关系的预测网络通过构建的事故-物资需求案例集，对应急物资需求预测模型进行训练得到；

所述事故-物资需求案例集以处理后的历史时刻电网事故发生时的气象数据、设备数据和地理环境数据，以及事故规模数据作为案例输入，以实际物资需求量数据作为案例输出；

所述应急物资需求预测模型基于深度置信网络构建。

2.如权利要求1所述的一种面向电网气象灾害的应急物资需求预测方法，其特征在于，所述气象数据包括风力、降水量和降雪量的考虑累积效应的时序信息数据，以及气温、湿度和雷击故障时刻的精细化气象信息；

所述设备数据包括设备电压等级、运行年限、技术状态和设备消缺率信息；

所述地理环境数据包括海拔高度和高程值信息数据；

所述事故规模数包括各电压等级线路和设备损毁情况数据；

所述物资需求量数据包括事故抢修任务所需的各类物资实际需求种类和数量。

3.如权利要求1所述的一种面向电网气象灾害的应急物资需求预测方法，其特征在于，所述气象数据包括考虑累积作用的时序气象信息和事故发生时的瞬时气象信息；考虑累积效应的时序气象信息以多元回归分析方法进行处理，对事故发生时刻前设定时间的气象信息进行采样，根据最小二乘估计法计算得具有累积效应的气象信息。

4.如权利要求1所述的一种面向电网气象灾害的应急物资需求预测方法，其特征在于，对于电网事故发生时的设备数据进行处理的过程，包括：

获取设备运行年限、电压等级、设备自身安全系数、技术状态、运行缺陷、故障停运率参数；

根据危险指数法，对上述设备因素的参数进行量化；

根据主成分分析法，对量化后的设备因素进行降维和处理，得到适合作为输入因素的设备因素。

5.如权利要求1所述的一种面向电网气象灾害的应急物资需求预测方法，其特征在于，以地势起伏参数、高程标准差、局部全曲率为量化指标，对地理环境数据进行量化处理。

6.如权利要求1所述的一种面向电网气象灾害的应急物资需求预测方法，其特征在于，所述应急物资需求预测模型基于深度置信网络构建，具有两个隐藏层的四层神经网络，利用事故-物资需求案例集，通过无监督训练和有监督学习对网络进行训练，得到包含输入信息与输出信息关联关系的预测网络。

7.如权利要求1所述的一种面向电网气象灾害的应急物资需求预测方法，其特征在于，将预测网络的输出设定为应急人员、应急资源、应急设备及工具、设备元件四类，根据应急物资的分类情况，以每类人员或物资的输出训练一个相应的网络，每个网络的输出为同类物资，设置预测模型的并行训练和输出结构。

8.一种面向电网气象灾害的应急物资需求预测系统，其特征在于，包括：

数据获取模块，用于获取当前时刻电网事故发生时的气象数据、设备数据、地理环境数据及事故规模数据；或者当前时刻事故未发生时的气象数据、设备数据及地理环境数据；

数据预测模块，用于将所述数据输入到包含输入信息与输出信息关联关系的预测网络，输出当前的物资需求预测结果；

其中，数据预测模块包括：

事故-物资需求案例集单元，用于以处理后的历史时刻电网事故发生时的气象数据、设备数据和地理环境数据，以及事故规模数据作为案例输入，以实际物资需求量数据作为案例输出；构建事故-物资需求案例集；

应急物资需求预测模型单元，用于基于深度置信网络构建应急物资需求预测模型；

模型训练单元，用于通过构建的事故-物资需求案例集，对应急物资需求预测模型进行训练，得到包含输入信息与输出信息关联关系的预测网络。