[发明专利]一种配电网可靠性预测方法、装置、设备和介质

权利要求书

1.一种配电网可靠性预测方法，其特征在于，包括：

获取若干区供电局在待预测月份前的第一故障停电时户数历史数据；

对所述第一故障停电时户数历史数据进行特征提取，得到第一时序特征变量；

将所述第一时序特征变量输入到长短期记忆神经网络模型进行故障停电时户数预测，得到各区供电局或全局在所述待预测月份的故障停电时户数预测值；

根据各区供电局或全局在所述待预测月份的预安排时户数和所述故障停电时户数预测值计算各区供电局或全局在所述待预测月份的可靠性指标预测结果。

2.根据权利要求1所述的配电网可靠性预测方法，其特征在于，所述对所述第一故障停电时户数历史数据进行特征提取，得到第一时序特征变量，包括：

提取所述第一故障停电时户数历史数据的日期特征、区局名称、预置时间段内的故障停电的天数、故障停电时户数最小值、故障停电时户数平均值、故障停电时户数中位数、故障停电时户数最大值、故障停电时户数标准差、故障停电时户数偏度、时户数日变化量平均值、时户数日变化量最大值、时户数日变化量最小值、时户数日变化量标准差和/或日故障停电时户数，得到第一时序特征变量。

3.根据权利要求1所述的配电网可靠性预测方法，其特征在于，所述对所述第一故障停电时户数历史数据进行特征提取，得到第一时序特征变量，之后还包括：

对所述第一时序特征变量进行预处理。

4.根据权利要求1所述的配电网可靠性预测方法，其特征在于，所述长短期记忆神经网络模型的配置过程为：

获取若干区供电局的第二故障停电时户数历史数据；

对所述第二故障停电时户数历史数据进行特征提取，得到第二时序特征变量；

通过所述第二时序特征变量对长短期记忆神经网络进行训练，得到所述长短期记忆神经网络模型。

5.一种配电网可靠性预测装置，其特征在于，包括：

获取单元，用于获取若干区供电局在待预测月份前的第一故障停电时户数历史数据；

特征提取单元，用于对所述第一故障停电时户数历史数据进行特征提取，得到第一时序特征变量；

预测单元，用于将所述第一时序特征变量输入到长短期记忆神经网络模型进行故障停电时户数预测，得到各区供电局或全局在所述待预测月份的故障停电时户数预测值；

计算单元，用于根据各区供电局或全局在所述待预测月份的预安排时户数和所述故障停电时户数预测值计算各区供电局或全局在所述待预测月份的可靠性指标预测结果。

6.根据权利要求5所述的配电网可靠性预测装置，其特征在于，所述特征提取单元具体用于：

提取所述第一故障停电时户数历史数据的日期特征、区局名称、预置时间段内的故障停电的天数、故障停电时户数最小值、故障停电时户数平均值、故障停电时户数中位数、故障停电时户数最大值、故障停电时户数标准差、故障停电时户数偏度、时户数日变化量平均值、时户数日变化量最大值、时户数日变化量最小值、时户数日变化量标准差和/或日故障停电时户数，得到第一时序特征变量。

7.根据权利要求5所述的配电网可靠性预测装置，其特征在于，还包括：

预处理单元，用于对所述第一时序特征变量进行预处理。

8.根据权利要求5所述的配电网可靠性预测装置，其特征在于，还包括：

配置单元，具体用于：

获取若干区供电局的第二故障停电时户数历史数据；

对所述第二故障停电时户数历史数据进行特征提取，得到第二时序特征变量；

通过所述第二时序特征变量对长短期记忆神经网络进行训练，得到所述长短期记忆神经网络模型。

9.一种配电网可靠性预测设备，其特征在于，所述设备包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的配电网可靠性预测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-4任一项所述的配电网可靠性预测方法。