[发明专利]一种应用配电网全业务大数据的人工智能预测模型构方法

说明书

本发明涉及电网技术领域，且公开了一种应用配电网全业务大数据的人工智能预测模型构方法，其特征在于，包括以下步骤：1)数据预处理：选择配电网业务的业务数据进行分析与验证，整体数据集分为训练集和测试集，所述特征为交易数据和技术指标，交易数据需要进行归一化处理，技术指标是由交易数据计算获得，在计算过程中已经包含归一化过程。该应用配电网全业务大数据的人工智能预测模型构方法，可以对配电网可靠性薄弱点、高损耗点、安全隐患点精准定位和分级，对配电网疲劳老化、质量隐患设备快速梳理，全面把握运维检修重点线路和设备，为配电网技改方案提供指导依据。

技术领域

本发明涉及电网技术领域，具体为一种应用配电网全业务大数据的人工智能预测模型构方法。

背景技术

随着配电网的复杂度越来越高，整体覆盖面积广，运维检修业务复杂，设备变更频繁，网络连接多样、运行方式多变等特点，导致配网故障复杂多变，负荷变化频繁。为了更好地对配网负荷变化，设备故障等关键环节，提供有效的供电可靠性分析手段变得尤为迫切。供电可靠性受系统负荷，元件可靠性性能，元件电气性能和网架结构等影响，通过研究若能将四个方面的运行数据进入深度模型中学习，最终生成供电可靠性影响分析模型，得以提高可靠性评估水平，从而为提升供电可靠性提供分析决策手段。相关模型应利用多种统计标准训练学习，从而反映供电服务指挥过程中经济状态、整体现状与特点。从外部环境研究使分析模型相关功能及流程设计，一方面要因地制宜，提供具有直接客户应用的能够分层次分区域的运作模式，另一方面又提供支撑服务的质量监督与管控的方式。研究生成的模型根据问题特点、类型、规律等解决过程，评估其可靠性，充分展现协作效果和业务协调运行效果。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种应用配电网全业务大数据的人工智能预测模型构方法，解决了上述背景技术提出的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种应用配电网全业务大数据的人工智能预测模型构方法，包括以下步骤：

1)数据预处理：选择配电网业务的业务数据进行分析与验证，整体数据集分为训练集和测试集，所述特征为交易数据和技术指标，交易数据需要进行归一化处理，技术指标是由交易数据计算获得，在计算过程中已经包含归一化过程；

2)建立数据库：把步骤一处理过的数据建立为配电网大数据业务模型分析系统进行业务分析预测的基础，其次，其他数据源是来自与配电网公司的各类业务系统，如经分系统、网管系统等，除了从外部系统获取业务数据之外，系统还支持人工手动录入相关业务数据的功能，从市场、经分和BOSS等外部系统周期性的获得数据后，ETL模块进行数据、转换和装载的过程，用户从数据源抽取出所需的数据，经过数据清洗，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去；

3)通过建立业务数据模型，将存储在数据库中的过滤和清洗后数据，进一步按各类业务数据划分和提炼，并分类存储，为业务分析和支撑预测提供基础；

4)建立预测模型：充分利用数据库内数据，构建的如下模型构建配网负荷模型、供电可靠性分析模型、安全运行风险预警模型、投资成本效能分析模型、优质服务要点研究模型等五大模型。

优选的，所述配网负荷预测模型,负荷虽然分为不同类型，但大部分同时间和外部环境条件紧密相关，以历史负荷、历史气象数据和用电大户投运时间等作为时间序列数据进入深度模型进行学习，最终生成负荷预测模型,并且可通过迭代学习进化负荷预测模型，通过该模型得以提升电力负荷预测的准确度。