[发明专利]一种电网暴雨灾害长期预测方法、装置和系统

说明书

本公开涉及一种电网暴雨灾害长期预测方法、装置和系统。其中，方法包括：选取目标地区待测月份之前的N个月的历史电网降水数据序列，其中，N大于或等于4；通过小波分解，将所述历史电网降水数据序列分解成J个不同模态下的电网降水数据序列，其中J为log₂N的整数部分；通过自回归移动平均模型对各模态下的电网降水数据序列进行预测；通过小波重构，将各模态下的电网降水数据序列还原成所述待测月份的电网降水预测数据序列。本公开实施例通过对待测月份之前的N个月的历史电网降水数据序列进行小波分解、自回归移动平均运算以及小波重构，生成了电网降水预测数据序列，从而实现了电网暴雨灾害长期预测。

技术领域

本公开涉及电网技术领域，尤其涉及一种电网暴雨灾害长期预测方法、装置和系统。

背景技术

电网暴雨灾害会在短时间内带来大量降水，导致杆塔塔基和变电站等重要电力设施长时间浸水，造成电网线路跳闸和重要电力设备损坏；极易引发洪涝和滑坡等次生灾害，导致输电杆塔倾斜和倒塔，严重时将造成大面积停电事故。夏季暴雨不仅是电网安全运行的重要隐患，也是水电经济和安全运行的关键因素，提前预测的时间越长，应对暴雨灾害越充分，长期预测能提前1个月预测未来整个夏季的暴雨发生情况，可指导提前部署应对措施，降低电网暴雨损失，提高水库运行经济性。因此，电网暴雨灾害长期预测的研究具有重要的意义和工程实用价值。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种电网暴雨灾害长期预测方法、装置和系统。

本公开提供了一种电网暴雨灾害长期预测方法，包括：

选取目标地区待测月份之前的N个月的历史电网降水数据序列，其中，N大于或等于4；

通过小波分解，将所述历史电网降水数据序列分解成J个不同模态下的电网降水数据序列，其中J为log₂N的整数部分；

通过自回归移动平均模型对各模态下的电网降水数据序列进行预测；

通过小波重构，将各模态下的电网降水数据序列还原成所述待测月份的电网降水预测数据序列。

可选的，通过自回归移动平均模型对各模态下的电网降水数据序列进行预测，包括：

对各模态下的电网降水数据序列进行自回归分析；

对各模态下的电网降水数据序列进行移动平均分析。

可选的，小波分解和小波重构的计算公式如下：

其中，f(x)为历史电网降水数据序列或电网降水预测数据序列，ψ_j,k(x)为不同模态下的电网降水数据序列或不同模态下的电网降水数据序列的预测值，j＝0,1,2,...,J-1，k＝0,1,2,...,2^j-1，

可选的，对各模态下的电网降水数据序列进行预测的计算公式如下：

其中，ε_t是白噪声且均值为0，c是常数，φ_i是自回归系数，μ是常数，θ_i是移动平均系数。

本公开提供了一种电网暴雨灾害长期预测装置，包括：

降水数据序列选取模块，用于选取目标地区待测月份之前的N个月的历史电网降水数据序列，其中，N大于或等于4；

降水数据序列分解模块，用于通过小波分解，将所述历史电网降水数据序列分解成J个不同模态下的电网降水数据序列，其中J为log₂N的整数部分；