[发明专利]一种配电网可靠性预测方法、装置、设备和介质

说明书

本申请公开了一种配电网可靠性预测方法、装置、设备和介质，方法包括：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待预测月份的预安排时户数和故障停电时户数预测值计算各区供电局或全局在待预测月份的可靠性指标预测结果。本申请解决了现有的基于回归预测模型的配电网可靠性预测方法，缺少对时间序列相关性的考虑，导致可靠性预测结果精度不高的技术问题。

技术领域

本申请涉及配电网技术领域，尤其涉及一种配电网可靠性预测方法、装置、设备和介质。

背景技术

供电可靠性是衡量电力系统质量及功能的主要指标，随着科技的发展以及社会经济水平的不断提高，人们的生产、生活离不开持续可靠的电力供电，用户对供电可靠性的重视程度也持续提升，供电企业的客户满意度与供电可靠性指标关系密切。

配电系统是处于输变电系统和电力用户之间的重要一环，其可靠性直接影响用户对电网公司供电能力和运行水平的信赖和满意程度。配电网可靠性是电网规划、网架结构水平、设备健康状态以及运营管理水平等多方面的综合体现。随着城市配电网规模的不断扩大，如何快速、有效的对配电网进行可靠性评估与预测，并且依据预测结果提出建设性的意见，用来指导可靠性工作是研究的热点，具有重要的理论意义和实践价值。

现有技术在进行配电网进行可靠性评估与预测时，通常基于人工神经网络、支持向量机或极限学习机等回归预测模型进行配电网可靠性预测，在可靠性影响因素与可靠性指标之间建立映射关系，但该方法缺少对时间序列相关性的考虑，导致可靠性预测结果精度不高。

发明内容

本申请提供了一种配电网可靠性预测方法、装置、设备和介质，用于解决现有的基于回归预测模型的配电网可靠性预测方法，缺少对时间序列相关性的考虑，导致可靠性预测结果精度不高的技术问题。

有鉴于此，本申请第一方面提供了一种配电网可靠性预测方法，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。

可选的，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。

可选的，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。

可选的，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。