[发明专利]一种台风灾害下10kV杆塔受损风险评估方法及系统

权利要求书

1.一种台风灾害下10kV杆塔受损风险评估方法，其特征在于，包括以下步骤：

步骤S1，收集研究区域的数据，所述数据包括台风信息、电网信息和地理信息；

步骤S2，对数据进行处理与分析，建立输入信息数据体系，所述处理与分析包括数据预处理、分类变量处理、样本均衡、相关性分析和变量剔除；

步骤S3，基于多种机器学习算法，建立各算法下的台风灾害下10kV杆塔受损风险评估模型，输入步骤S2处理完成的数据，对各模型进行训练和测试，并对研究区域10kV杆塔进行受损风险评估；

步骤S4，以拟合优度和时间两类指标作为模型评价指标，对比各模型的风险评估结果，基于层次分析法和熵权法对各指标进行综合赋权，选择最优模型，并将风险评估结果进行可视化。

2.如权利要求1所述的台风灾害下10kV杆塔受损风险评估方法，其特征在于：步骤S1中，台风信息由气象部门提供，包括台风下的最大阵风风速V；电网信息由电力部门提供，包括杆塔设计风速V_d、运行年限T、是否加固F、特殊区段Spe、所处位置Loc和土质情况Soi；地理信息包括经度Lon、纬度Lat、海拔Alt、坡向SA、坡度Sl、坡位SP、下垫面类型US、地表类型ST和地表粗糙度R。

3.如权利要求2所述的台风灾害下10kV杆塔受损风险评估方法，其特征在于：步骤S2的实现方式包括以下子步骤，

步骤S2.1，数据预处理包括数据的缺省值填充、基准换算、标准化，实现如下，

对于数据不全的杆塔，采用中位数填充方式处理离散型数值变量，插值填充方式处理连续型数值变量，众数填充的方式处理分类变量；

将风速按Alt为杆塔所处海拔高度进行折算；

将存在量纲的原始数据进行标准化处理；

步骤S2.2，分类变量处理，包括对离散型多分类变量采用独热编码，所述多分类变量包括所处位置Loc、土质情况Soi、坡位SP、下垫面类型US和地表类型ST；

步骤S2.3，样本均衡，包括采用CondensedNearestNeighbour算法下采样组合SMOTE算法过采样对受损样本进行样本均衡；

步骤S2.4，相关性分析，对于连续型变量和二分类变量，绘制相关性热力图，由参数间的皮尔逊相关性系数大小判断拥有强相关性的变量，并综合考虑各因素对相关性较强的变量进行剔除；对于多分类变量，首先对变量进行独热编码，然后两两组合进行卡方检验，判断其显著性差异，用P值作为指标进行相关性判断，最后综合各多分类变量间的相关性和变量类型，剔除相应变量。

4.如权利要求1或2或3所述的台风灾害下10kV杆塔受损风险评估方法，其特征在于：步骤S3采用5种机器学习算法分别建立台风灾害下10kV杆塔受损风险评估模型，包括AdaBoost、梯度提升回归、K近邻回归、随机森林、支持向量回归算法。

5.如权利要求1或2或3所述的台风灾害下10kV杆塔受损风险评估方法，其特征在于：步骤S4中，拟合优度指标包括平均绝对误差MAE、均方误差MSE、矫正决定系数R²_adj；时间指标包括训练时间Ttest、预测时间Trun。

6.如权利要求1或2或3所述的台风灾害下10kV杆塔受损风险评估方法，其特征在于：步骤S4最优模型选择实现方式包括以下子步骤，

步骤S4.1，基于层次分析法的指标主观赋权，输出主观权值计算结果；

步骤S4.2，基于熵权法的指标客观赋权，输出客观权值计算结果；

步骤S4.3，综合赋权，包括采用线性加权的方式进行综合权值的计算如下，

ω＝αω₁+(1-α)ω₂

式中，ω为综合权值，α为主观权重比例系数，ω₁为基于AHP的主观权值计算结果，(1-α)为客观权重比例系数，ω₂为基于熵权法的客观权值计算结果；

对各指标进行综合赋权后，根据各指标的综合权值对各种算法计算综合得分，对比各算法综合得分以选择所需场景下的最优模型，综合得分越高，代表综合考虑当前模型主观偏好性和客观性下该模型越优。