[发明专利]一种基于恶劣天气跳闸事故的电网故障预测方法及系统

权利要求书

1.一种基于恶劣天气跳闸事故的电网故障预测方法，其特征在于，包括：

获取历史恶劣天气与跳闸事故的数据；

采用聚类算法模型和离散化采样方法对获取的数据进行预处理，得到训练样本；

构建跳闸事故预测模型，并利用训练样本对模型进行训练，得到训练好的跳闸事故预测模型；

将待预测的天气数据输入训练好的跳闸事故预测模型，得到预测结果。

2.如权利要求1所述的一种基于恶劣天气跳闸事故的电网故障预测方法，其特征在于，所述历史恶劣天气与跳闸事故的数据包括：发生恶劣天气时对应的温度、暴雨、大风、雷击、冰雹、霜冻信息，以及该天气是否发生跳闸事故。

3.如权利要求1所述的一种基于恶劣天气跳闸事故的电网故障预测方法，其特征在于，所述预处理包括：采用聚类算法对历史恶劣天气与跳闸事故的数据进行相关性判定并剔除非相关数据，得到初始样本数据。

4.如权利要求3所述的一种基于恶劣天气跳闸事故的电网故障预测方法，其特征在于，所述对历史恶劣天气与跳闸事故的数据进行相关性判定并剔除非相关数据，具体为：先通过K-means聚类算法将分散的数据聚成k类，利用轮廓稀疏确定最佳k值，再分别计算每类的数据离群因子，将离群因子过大的数据判定为非相关并剔除。

5.如权利要求4所述的一种基于恶劣天气跳闸事故的电网故障预测方法，其特征在于，采用数据点离群因子描述元素的离群点程度，将数据点离群因子值大于2的点判定为离群点，将其判定为非相关数据并剔除。

6.如权利要求1所述的一种基于恶劣天气跳闸事故的电网故障预测方法，其特征在于，所述预处理还包括：采用离散化采样方法将初始样本数据转变为均匀数据集。

7.如权利要求1所述的一种基于恶劣天气跳闸事故的电网故障预测方法，其特征在于，所述跳闸事故预测模型采用BP神经网络。

8.一种基于恶劣天气跳闸事故的电网故障预测系统，其特征在于，包括：

数据获取模块，被配置为：获取历史恶劣天气与跳闸事故的数据；

预处理模块，被配置为：采用聚类算法模型和离散化采样方法对获取的数据进行预处理，得到训练样本；

模型训练模块，被配置为：构建跳闸事故预测模型，并利用训练样本对模型进行训练，得到训练好的跳闸事故预测模型；

预测模块，被配置为：将待预测的天气数据输入训练好的跳闸事故预测模型，得到预测结果。

9.一种终端设备，其包括处理器和存储器，处理器用于实现各指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-7所述的方法中的步骤。

10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，该程序被处理器执行时执行权利要求1-7所述的方法中的步骤。