[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

说明书

本发明公开了一种台风灾害下停电网格分布预测方法、系统、设备和介质，包括：基于机器学习中的Stacking集成思想，构建一个包括基学习器层和元学习器层的两层Stacking集成模型。通过将待研究区域进行1km×1km的网格划分，以网格为单位选取影响停电的电网数据、气象数据、地理数据中的重要特征作为所构建模型的样本数据，最后利用ArcGIS对预测结果进行可视化。本发明表明，利用Stacking将多个算法进行集成的模型能够实现台风灾害下的停电网格分布预测，对于提高电网公司在台风灾害下的应对能力具有重要意义。

技术领域

本发明涉及电网防灾减灾技术领域，特别是涉及一种台风灾害下停电网格分布预测方法、系统、设备和介质。

背景技术

台风灾害下的停电预测能够减少电网在台风灾害下的受灾损失、提高电网的防灾减灾能力。台风灾害下的停电受电网因素、气象因素、地理因素的影响，若是仅仅从设备故障建模分析出发，则考虑因素显得片面，且难以上升到系统层面的停电预测。因此，若能有方法将影响停电的多方面重要因素进行考虑并实现台风灾害下的网格是否停电的预测，则可以更好、更准确地实现停电预测。

目前，在灾害下停电预测问题上大多数采用的是单一机器学习算法，单一机器学习算法在实现过程中可能会出现对模型产生偏置的情况。另外，对于机器学习中的三种集成方式——Bagging、Boosting、Stacking，现有研究大多采用Bagging集成的算法进行预测或者基于Boosting集成的算法进行预测，但是，该方法可能存在偏置问题。

发明内容

本发明的目的是：提供一种台风灾害下停电网格分布预测方法、系统、设备和介质，能够克服现有预测分布方法中模型偏置问题，提高电网灾害下的防灾应急能力。

为了实现上述目的，本发明提供了一种台风灾害下停电网格分布预测方法，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。

进一步地，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。

进一步地，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：网格中是否发生用户停电；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。

进一步地，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；