[发明专利]一种自适应的两级电网缺陷物资预测方法

说明书

本发明公开了一种自适应的两级电网缺陷物资预测方法，包括，基于缺陷物资数据和气象数据，对每个基学习器进行最优化训练，得到均方误差；对所述基学习器的RMSE进行排序，自适应选择所述均方误差最小值对应的基学习器模型作为预测模型；遍历全局的物资数据，得到二级缺陷物资预测模型。本发明通过自适应基学习器选择模型，实现了一个模型对所有区县的所有缺陷物资的预测；另一方面通过自适应的基学习器的选择，相比单一模型，整体上降低了缺陷物资的预测误差。

技术领域

本发明涉及物资需求预测的技术领域，尤其涉及一种自适应的两级电网缺陷物资预测方法。

背景技术

电网系统的平稳健康运行，对人民生产生活非常重要，但是电网系统太过庞大，设备也不可能一直完好无损的运行，极端天气、突发情况以及设备老化等都可能导致电网故障。

对于电网的设备物资而言，主要有三类：日常设备物资、应急设备物资和重大灾害缺陷物资；本发明主要针对的是应急设备物资，当设备发生故障时，就需要在各地仓库备有以进行更换来保证电网的正常运行，但是各地仓库应该每类物资应该采购多少，才能既不缺物资，又不会过度仓储，就成了一个值得研究的问题，目前关于缺陷设备的预测，大多研究都集中于提升某一类物资的预测精度。

但是电网系统中，不同的区域、不同的物资数据分布很不一样，以修文县的真实数据分布为例，本体、复合绝缘子和金具本体的分布不一样，同时可以看到，数据的分布没有很强的规律性；因此，要实现对电网层次化的缺陷物资的精准预测，不可能实现一个模型适应于所有的缺陷物资。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

本发明提供了一种自适应的两级电网缺陷物资预测方法，能够解决对各个区县各类物资的自适应模型选择精准预测的问题。

为解决上述技术问题，本发明提供如下技术方案：包括，基于缺陷物资数据和气象数据，对每个基学习器进行最优化训练，得到均方误差；对所述基学习器的RMSE进行排序，自适应选择所述均方误差最小值对应的基学习器模型作为预测模型；遍历全局的物资数据，得到二级缺陷物资预测模型。

作为本发明所述的自适应的两级电网缺陷物资预测方法的一种优选方案，其中：所述基学习器包括，岭回归模型、LASSO回归模型、ENET回归模型、GBDT回归模型、XgBoost回归模型和BP神经网络回归模型。

作为本发明所述的自适应的两级电网缺陷物资预测方法的一种优选方案，其中：所述缺陷物资数据包括，处理措施、处理情况描述、缺陷等级、调管单位、设备类别、发现时间、缺陷原因、缺陷部位、生产厂家、出厂年月、投运日期、缺陷原因类别、缺陷所属区域。

作为本发明所述的自适应的两级电网缺陷物资预测方法的一种优选方案，其中：所述优化训练需利用区县集合和区县各类物资数据集合，所述区县集合包括，乌当、云岩、修文、南明、双龙、城北、小河、开阳、息烽、惠水、清镇、白云、花溪、金阳、龙里。

作为本发明所述的自适应的两级电网缺陷物资预测方法的一种优选方案，其中：所述区县各类物资数据集合包括，金具本体、本体、拉线本体、混凝土电杆、瓷质绝缘子、CPU插件、架空导线、分合闸接触器、充电模块、复合绝缘子。

作为本发明所述的自适应的两级电网缺陷物资预测方法的一种优选方案，其中：利用所述岭回归模型、所述lasso回归模型和所述ENET回归模型对所述物资缺陷数据进行优化求解，包括，