[发明专利]基于神经网络的配电网在极端高温下停电的预测方法

说明书

本发明涉及配电网灾害预测技术领域，公开了基于神经网络的配电网在极端高温下停电的预测方法，包括以下步骤：收集配电网在极端高温下发生停电故障的故障集；建立配电网历史极端高温下的故障样本库A；建立配电网历史极端高温下的非故障样本库B；故障样本库A和非故障样本库B整合在一起，构成训练样本库X；基于训练样本库X，采用长短时记忆神经网络，对配电网在极端高温下的停电概率和停电时长进行预测，建立停电预测模型；基于停电预测模型，输入需要预测的某个时刻的本体参数、气象参数、运行状态参数，可得到配电网在此次极端高温过程中可能的停电概率与停电时长。

技术领域

本发明涉及配电网灾害预测技术领域，具体为基于神经网络的配电网在极端高温下停电的预测方法。

背景技术

由于全球气候模式的变化，极端高温事件的确伴随着自然气候变化在发生。然而，近几十年来，极端高温事件的频率、持续时间和强度的增加显然与观察到的地球变暖有关，并且可以归因于人类活动。虽然背景温度升高1摄氏度似乎并不显著，但由此导致的极端高温事件严重性的增加在观察到的气象记录中已经很明显，而这具有广泛而重大的影响。

配电网的安全运行关系到供电可靠性，配电网极易受极端高温的影响发生故障进而停电。配电网受极端高温影响而发生断线、金具损坏事故频繁发生，其严重程度远大于极端高温对主网输变电设备的影响。其在影响了电网安全稳定运行的同时对应急抢修、快速复电提出了很高的要求。因此，在电力负荷稳定需求的大前提下，对配电网在极端高温下的停电的准确预测需求紧迫性显著增强，提出配电网在极端高温下停电预测方法已刻不容缓。

目前，在极端高温的预测方面，专业气象机构通过多年的发展已经能提前几天对一些关键气象因素进行较为准确的预测，但仅靠气象预测无法满足对电网特别是配电网的极端高温相关故障的预测预警需求。如何结合现有的气象预测成果，在历史上配电网极端高温故障灾害样本的基础上，采用统计方法，结合配电网的台帐数据和运行状态数据，实现配电网极端高温下的停电预测是十分必要的。

发明内容

针对现有技术的不足，本发明提供基于神经网络的配电网在极端高温下停电的预测方法，可以预测未来发生极端高温时的停电情况，包括停电概率与停电时长，解决了仅靠气象预测无法满足对电网特别是配电网的极端高温相关故障的预测预警需求的问题。

为实现上述目的，本发明采用以下技术方案：

基于神经网络的配电网在极端高温下停电的预测方法，包括以下步骤：

S1、收集配电网在极端高温下发生停电故障的故障集；

S2、针对每一个停电故障，匹配故障发生时的本体参数、气象参数、运行状态参数、故障发生后的停电时长数据，建立配电网历史极端高温下的故障样本库A；

S3、收集在该极端高温过程中，配电网没有发生停电故障时的本体参数、气象参数、运行状态参数，形成配电网历史极端高温下的非故障样本库B；

S4、故障样本库A和非故障样本库B整合在一起，构成训练样本库X；

S5、基于步骤4中的训练样本库X，采用长短时记忆神经网络，对配电网在极端高温下的停电概率和停电时长进行预测，建立停电预测模型；

S6、基于步骤5中的停电预测模型，输入需要预测的某个时刻的本体参数、气象参数、运行状态参数，可得到配电网在此次极端高温过程中可能的停电概率与停电时长。

进一步的，极端高温步骤S2中，本体参数包括配电网的杆塔信息和线路信息，气象参数包括温度、湿度、风速、降水量，运行状态参数包括电流信息与开关状态信息，停电时长是指极端高温发生后到下一次投运前的配电网停电时长。