[发明专利]一种面向敏感用户的电压暂降事件预测方法、介质及系统

权利要求书

1.一种面向敏感用户的电压暂降事件预测方法，其特征在于，包括：

获取敏感用户的供电母线；

获取预设时间段内所述供电母线每次发生电压暂降事件的第一历史参数，并进行预处理，得到第一训练样本，其中，所述第一历史参数包括：第一历史时间，第一历史日期，历史电压暂降幅值，第一历史天气，以及，敏感用户因所述预设时间段内的电压暂降事件造成的平均经济损失值；

获取所述预设时间段内所述供电母线日常正常运行的第二历史参数，并进行预处理，得到第二训练样本，其中，所述第二历史参数包括：第二历史时间，第二历史日期，历史电压幅值，第二历史天气，以及，经济损失值；

采用所述第一训练样本和所述第二训练样本训练深度神经网络DNN，得到训练后的预测网络；

将采集的预测参数预处理后输入所述预测网络，得到电压预测幅值，其中，所述预测参数包括：预测时间，预测日期，以及，预测天气；

若所述电压预测幅值小于第一预设阈值，则预测发生电压暂降事件，以向运维人员预警。

2.根据权利要求1所述的面向敏感用户的电压暂降事件预测方法，其特征在于：对于所述第一历史时间、所述第二历史时间和所述预测时间，所述预处理包括：

将时间转化为分钟计量，且若该时间对应的秒钟超过30s，则将分钟加1。

3.根据权利要求1所述的面向敏感用户的电压暂降事件预测方法，其特征在于，对于所述第一历史日期、所述第二历史日期和所述预测日期，所述预处理包括：

计算日期与当年一月一日的间隔天数。

4.根据权利要求1所述的面向敏感用户的电压暂降事件预测方法，其特征在于，对于所述历史电压暂降幅值和所述历史电压幅值，所述预处理包括：

将幅值进行标幺值化处理；

其中，所述标幺值化处理的计算式为：U^*表示标幺值，U_B表示所述供电母线的供电电压等级；

当对所述历史电压暂降幅值进行预处理时，U表示历史电压暂降幅值；

当对所述历史电压幅值进行预处理时，U表示历史电压幅值。

5.根据权利要求1所述的面向敏感用户的电压暂降事件预测方法，其特征在于，对于所述第一历史天气、所述第二历史天气和所述预测天气，所述预处理包括：

将天气中的空气湿度进行归一化处理，使空气湿度位于[0，1]区间内；

将天气中的阴晴数据分为晴天、多云、雷雨三种天气，并对晴天赋值1，对多云赋值2，对雷雨赋值3。

6.根据权利要求1所述的面向敏感用户的电压暂降事件预测方法，其特征在于：所述第一训练样本为预处理后的第一历史时间，第一历史日期，历史电压暂降幅值，第一历史天气，以及，敏感用户因所述预设时间段内的电压暂降事件造成的平均经济损失值构成的五维向量，且所述第一训练样本的标签值为历史电压暂降幅值；

所述第二训练样本为预处理后的第二历史时间，第二历史日期，历史电压幅值，第二历史天气，以及，经济损失值构成的五维向量，且所述第二训练样本的标签值为历史电压暂降幅值，所述经济损失值为0。

7.根据权利要求1所述的面向敏感用户的电压暂降事件预测方法，其特征在于：所述训练深度神经网络DNN的步骤中，将所述第一训练样本和所述第二训练样本随机分为预设样本比例的训练集和验证集。

8.根据权利要求1所述的面向敏感用户的电压暂降事件预测方法，其特征在于：所述训练深度神经网络DNN的步骤中，当深度神经网络DNN连续预设次数输出的预测值计算得到的损失函数值不小于第二预设阈值，则完成所述训练；

其中，所述损失函数值的计算式为：

loss表示损失函数值，h_i表示第i个训练样本的预测值，G_i表示第i个训练样本的真实值。