[发明专利]台风灾害下停电网格分布预测方法、系统、设备和介质

权利要求书

1.一种台风灾害下停电网格分布预测方法，其特征在于，包括：

根据ArcGIS对目标区域进行网格划分，获得目标区域的网格集合；

获取所述网格集合中每个网格的第一数据，其中，所述第一数据包括：特征变量数据和因变量数据，其中，所述特征变量数据包括：台风对应的气象数据；

对所述第一数据进行预处理，获得第二数据，其中，所述预处理包括：对所述第一数据进行数据归一化、构造新变量、分类变量处理与转换处理，获得第二数据；

将所述第二数据输入到预设的Stacking集成模型进行训练与预测，获得台风灾害下停电的预测结果，其中，所述Stacking集成模型包括：基学习器层和元学习器层。

2.根据权利要求1所述的台风灾害下停电网格分布预测方法，其特征在于，在获得台风灾害下停电的预测结果之后，还包括：

将所述预测结果进行可视化处理，具体为：将预测得到的每个网格的预测结果形成csv文件，将所述csv文件输入到ArcGIS中，并连接到已划分网格的地图的图层中，并将预测结果分类显示。

3.根据权利要求1所述的台风灾害下停电网格分布预测方法，其特征在于，所述特征变量数据还包括：电网数据、和地理数据，所述因变量数据包括：用户停电数据，当网格发生用户停电，则Y＝1，否则Y＝0；其中，

所述电网数据包括：杆塔数、箱变数、台变数、拉线数、用户数和线路长度；

所述地理数据包括：经度、纬度、地表类型、海拔、坡向、坡度和下垫面类型。

4.根据权利要求1所述的台风灾害下停电网格分布预测方法，其特征在于，所述将所述第二数据输入到预设的Stacking集成模型进行训练与预测，获得台风灾害下停电的预测结果，包括：

将所述第二数据划分为K部分，利用其中的K－1份作为训练数据，剩余的一份作为测试数据；

将所述训练数据和测试数据作为基学习器中各个模型的基础数据，并对所述每个模型进行K次训练，训练完成之后对原始测试集预测，一个模型会对应K个预测结果，再将K个预测结果取平均；

得到各个基模型运行K次之后的平均值，同时拼接每一基模型对训练数据集的预测结果代入下一层；

将各个基模型得到的预测结果，拼接上各个样本真实的标签，代入第二层模型进行训练，获得台风灾害下停电的预测结果。

5.一种台风灾害下停电网格分布预测系统，其特征在于，包括：网格模块、数据获取模块、数据处理模块和预测模块，其中，

所述网格模块，用于根据ArcGIS对目标区域进行网格划分，获得目标区域的网格集合；

所述数据获取模块，用于获取所述网格集合中每个网格的第一数据，其中，所述第一数据包括：特征变量数据和因变量数据，其中，所述特征变量数据包括：台风对应的气象数据；

所述数据处理模块，用于对所述第一数据进行预处理，获得第二数据，其中，所述预处理包括：对所述第一数据进行数据归一化、构造新变量、分类变量处理与转换处理，获得第二数据；

所述预测模块，用于将所述第二数据输入到预设的Stacking集成模型进行训练与预测，获得台风灾害下停电的预测结果，其中，所述Stacking集成模型包括：基学习器层和元学习器层。

6.根据权利要求5所述的台风灾害下停电网格分布预测系统，其特征在于，所述系统还包括：可视化模块，用于将所述预测结果进行可视化处理，具体为：将预测得到的每个网格的预测结果形成csv文件，将所述csv文件输入到ArcGIS中，并连接到已划分网格的地图的图层中，并将预测结果分类显示。

7.根据权利要求5所述的台风灾害下停电网格分布预测系统，其特征在于，所述特征变量数据还包括：电网数据、和地理数据，所述因变量数据包括：用户停电数据，当网格发生用户停电，则Y＝1，否则Y＝0；其中，

所述电网数据包括：杆塔数、箱变数、台变数、拉线数、用户数和线路长度；

所述地理数据包括：经度、纬度、地表类型、海拔、坡向、坡度和下垫面类型。