[发明专利]一种基于RF-LSTM的配电网台风天气下薄弱环节识别方法

说明书

本发明公开了一种基于RF‑LSTM的配电网台风天气下薄弱环节识别方法，本发明利用组合RF‑LSTM算法，提高了台风天气下传统RF算法对配电网薄弱环节识别的精度和可靠性；同时，通过对配电网网架设备进行薄弱环节识别，提升了台风天气来临前运维工作的主动性和针对性，降低了台风天气导致故障发生的概率。

技术领域

本发明属于配电网检测技术领域，具体涉及一种基于RF-LSTM的配电网台风天气下薄弱环节识别方法。

背景技术

配电网作为连接大电网和用户的枢纽，在电力系统中起到了至关重要的作用。而极端天气的频发一方面对社会生产生活造成影响，另一方面也对配电网的正常稳定运行形成威胁。因此，在极端天气来临前，对配电网薄弱环节进行主动识别，科学合理安排有针对性的检修，不仅能够提高配电网抵御极端天气灾害的能力，同时也对缩短停电面积与时长，提高运维检修的效率性和经济性有着重大意义。

为了提高极端天气下主动运维的针对性，现有方法大多采用灾前预警的方法，通过建立基于典型故障与环境场景关联识别的配电网运行风险预警方法，对各种故障场景下的配电网运行风险提供预警，虽然对于电网常规气象影响下的故障能够有效辨识和预警，但对于极端自然灾害场景缺乏针对性。配电网故障态感知技术能够进行配电网安全预警和防灾判别，实现配电网在台风、雷暴和冰雪等极端天气的主动防御功能，保障电网安全稳定运行，但对于预警和灾前的主动运维工作没有进行深度关联；此外，通过气象信息，结合环境信息及地形地貌信息预测台风及暴雨的时空演变趋势，并按地理特征修正预测结果，使停电防御系统对台风及暴雨灾害具备一定的预警及决策支持能力，能够一定程度上优化灾前运维调配流程，提高运维的主动性和针对性，但多维数据间缺乏深度融合，难以发掘更深层次的关联关系。大数据和深度学习等技术在处理配电网海量多维的数据时尤为高效，因此近年来在配电网中得到大量运用，而对极端天气下配电网的多维数据进行深度挖掘和关联分析仍然亟待深入研究。

发明内容

针对现有技术中的上述不足，本发明提供的基于RF-LSTM的配电网台风天气下薄弱环节识别方法解决了现有技术中缺乏对配电网运行相关多维数据间的深度挖掘和关联分析，进而难以实现台风天气下的配电网薄弱环节识别的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于RF-LSTM的配电网台风天气下薄弱环节识别方法，包括以下步骤：

S1、采集并分析与配电网故障相关的多维数据，构建特征变量数据库；

S2、构建故障预测模型，并利用特征变量数据库中的数据对其进行训练；

S3、在台风天气前，对配电网的短时潮流进行预测，并将预测结果输入至训练好的故障预测模型，预测配电网台风天气前的短期故障概率；

S4、根据短期故障概率确定对应的薄弱等级，实现配电网台风天气下的薄弱环节识别。

进一步地，所述步骤S1中的多维数据包括设备数据、运行数据和气象数据；

所述步骤S1具体为：基于采集的多维数据和配电网历史运行数据的对应关系，通过层次分析法进行特征变量提取，并对特征变量涉及的多维数据和配电网历史运行数据进行处理分类、清洗和变换，进而构建特征变量数据库；

所述特征变量数据库存储了每组特征变量与对应故障概率，其中，特征向量包括设备因素变量、运行因素变量和气象因素变量。

进一步地，对多维数据和配电网历史运行数据进行标准化处理，并将其通过归一化方程进行[0,1]之间的尺度变换，尺度变换的公式具体为：

式中，x_i′(k)表示特征变量k的第i个数据经过变换后的结果，m为数据样本总数，n为特征变量类型总数。

进一步地，所述步骤S2中的故障预测模型为基于RF算法构建的配电网网架故障预测模型；