[发明专利]电网覆冰预测方法、装置、设备和存储介质

说明书

本申请实施例公开了一种电网覆冰预测方法、电网覆冰预测装置、计算机设备和计算机可读存储介质。其中，电网覆冰预测方法通过历史数据以生成训练样本集以对初始模型训练得到第一预测模型；根据第一预测模型进行预测以得到第一预测结果，判断第一预测模型和第一预测结果是否满足精度条件；若第一预测结果或第一预测模型不满足精度条件，则根据优化算法对第一预测模型进行迭代调参，以得到第二预测模型；根据第二预测模型进行预测以得到第二预测结果，将第二预测结果作为预测结果并输出；若第一预测结果及第一预测模型都满足精度条件，则将第一预测结果作为预测结果并输出。因此，本申请能够更高计算精度的电网覆冰灾害风险预测。

技术领域

本申请属于气象灾害预测技术领域，特别是涉及一种电网覆冰预测方法、电网覆冰预测装置、计算机设备和计算机可读存储介质。

背景技术

随着全球低温、雨雪、冰冻等灾害性天气频发，恶劣气候引起的电网灾害事件不断上升，尤其是电力线路覆冰造成的危害愈发严重，轻则引起闪络跳闸，重则发生输电线路金具损坏、断线倒塔等事故，严重威胁电网安全运行，且造成重大的经济损失和社会影响。输电线路覆冰灾害问题已成为当前威胁线路安全的最大威胁之一。电网覆冰灾害主要是由冻雨形成的雨凇、湿雪形成的雪淞、大雾形成的雾凇等造成的，并受微地形、微气象等条件影响最大。目前，现有技术已开展了输电线路覆冰灾害预测预警的相关研究，其中包括基于事件演化动力学的风险评估方法、基于情景分析的灾害风险评估方法、基于历史灾情数据的灾害风险评估方法以及基于大数据智能算法的灾害风险评估方法等。

然而现有方法都存在尤其明显的缺陷：基于事件演化动力学的风险评估方法和基于情景分析的灾害风险评估方法注重事件演化的物理过程分析，但覆冰灾害存在历史规律性和影响因子不确定性，该方法不能充分发挥历史数据的价值；基于历史灾情数据的评估一般经历了极值评估法、概率评估法和模糊评估法3个阶段，而极值评估法通常在风险评估时存在比较明显的偏差，概率评估法在遇到数据样本较少而无法准确获得样本的概率分布时，评估结果将会出现较大的偏差，模糊评估法评估结果多是关系或模糊集，无法直接进行比较；基于情景分析的风险评估大都是对灾害风险场景的模拟，而对出现某种灾害风险评估的具体有效执行的模拟还未涉及，同样存在一定的局限性；基于大数据智能算法的灾害风险评估方法主要依赖于历史数据的积累和经验，结合相关模型通过初步的机器学习方法进行覆冰灾害风险评估，但一般的智能算法仅停留在片面的机器学习过程，不能够深入学习覆冰灾害风险特征，进而使得预测预警准确率较低。基于此，迫切需要一种主动性更强、智能程度更高、应用范围更广的输电线路覆冰灾害风险预测预警方法。

前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

发明内容

基于此，有必要针对上述问题，提出了一种电网覆冰预测方法、电网覆冰预测装置、计算机设备和计算机可读存储介质，能够有效地对电网覆冰灾害风险进行预测。

本申请解决其技术问题是采用以下的技术方案来实现的：

本申请提供了一种电网覆冰预测方法，包括如下步骤：获取历史覆冰灾害数据和线路覆冰物理数据以生成训练样本集；建立初始化模型，并根据训练样本集对初始化模型进行训练，以获取第一参数并对初始化模型进行设置，以得到第一预测模型；根据第一预测模型进行预测以得到第一预测结果，判断第一预测模型和第一预测结果是否满足精度条件；若第一预测结果或第一预测模型不满足精度条件，则根据优化算法对第一预测模型进行迭代调参，以得到第二预测模型；根据第二预测模型进行预测以得到第二预测结果，将第二预测结果作为预测结果并输出；若第一预测结果及第一预测模型都满足精度条件，则将第一预测结果作为预测结果并输出。