[發明專利]基于機器學習的區域電網地質災害預報模型構建方法

在審

• 申請號: 201911341955.2
• 申請日: 2019-12-24
• 公開（公告）號: CN111144637A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 蘇華英;王永剛;王寧;單克;唐建興;趙翔宇;田年杰;汪明清
• 申請（專利權）人: 貴州電網有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06Q50/26;G06N20/00
• 代理公司: 成都拓荒者知識產權代理有限公司 51254
• 代理人: 鄒廣春

本發明公開了一種基于機器學習的區域電網地質災害預報模型構建方法，包括步驟：S1、正負樣本集構建；S2、影響因子構建；S3、機器學習模型搭建與訓練；S4、模型預測檢驗。本發明所提供的電網地質災害預報方法，直接以災點構建樣本，在精確的災點坐標范圍內構建各影響因子，提高了模型的精準性和針對性。利用機器學習方法，實現影響因子特征自動學習，模型自動學習提取重要特征、自動分配因子權重，避免了認為干擾帶來的隨意性和片面性。該方法具有較強的可擴展性，只需要提供新的影響因子、新的災害樣本，就能動態的更新模型，進一步提高模型的準確性。

技術領域

本發明涉及電網輸電線路防災技術領域，尤其涉及一種基于機器 學習的區域電網輸電線路受強降水影響下的次生地質災害預報模型 的構建方法。

背景技術

近年來，隨著中國電網的迅速發展，電網系統運行電壓等級不斷 提高，電網規模不斷擴大。隨著“西電東送”等高電壓以及遠距離輸 電線路的建設，越來越多重要線路穿越了山區、丘陵及河流湖泊等危 險地勢區域。夏季雨季期間，暴雨災害頻發，暴雨會在短時間內帶來 大量降水，對地表產生巨大沖刷作用，極易引發次生地質災害。其中， 發生在重要電網通道內的地質災害嚴重威脅電網安全，輕則桿塔塔基 受損，重則桿塔傾斜、變形、倒塔并引發線路故障，產生昂貴的設備 維修費用和巨大的電量損失。

目前電網地質災害研究以監測為主，通過大量監測儀器實時采集 周圍土壤形變信息監測滑坡災害發展情況，監測預警的針對性強、準 確性高，但對滑坡災害提前預防、電網安全生產指導意義不高。因此 需要開展電網地質災害預報方法研究。

當前出現的地質災害預報方法以統計預報方法為主，多數方法雖 然考慮了地質條件、歷史災情等因素的影響，但是易發性區劃都以區 域劃分為主，精細程度不夠。另外，傳統的統計方法，不能夠準確描 述地質條件、降水和地質災害之間復雜的非線性耦合關系。另一方面， 傳統預報方法中，地災影響因子的選取、因子權重的分配存在較大的 人為干擾，存在片面性。再者，預報模型可擴展性不足：新的靜態數 據、災害數據不能動態的引入模型，更新模型參數。

發明內容

本發明的目的在于解決上述問題，提供一種針對區域電網輸電線 路受強降雨次生地質災害的預報模型構建方法，以提高災害預報能力， 便于電網相關部門提前采取應對措施，以達到科學防治電網地質災害， 降低強降雨次生地質災害對電網的影響面，減少社會經濟損失。

為實現本發明的目的，提供一種基于機器學習的區域電網地質 災害預報模型構建方法，包括以下步驟：

S1、構建地質災害的正負樣本集，所述正負樣本集為兩類互斥樣 本的集合；

S2、構建地質災害的影響因子；

S3、搭建機器學習模型，并對所述機器學習模型進行訓練；

S4、通過所述機器學習模型進行預測，并對預測結果進行檢驗。

優選的，步驟S1中，所述正負樣本集由實際發生在電網輸電設 備5km范圍內的由降雨導致的有明確時間和地理坐標的地質災害個 例構建的正樣本和由正樣本附近的負樣本共同構成。

優選的，所述負樣本由同一時間下距離正樣本5km以外20km以 內區域的雨量觀測點構成，且以所述雨量觀測點為中心的5km范圍內 當日無地質災害發生。

優選的，步驟S2中，所述影響因子包括地質因子、地災因子和 降雨因子。

優選的，所述地質因子包括地形、高差、土地利用、坡度和巖性。

優選的，所述地災因子由每條正負樣本為中心的20km范圍內的 歷史地質災害頻率構成。

優選的，所述降雨因子由災害發生前1-20天內的有效雨量和災 害發生前24小時內最大小時雨強構成。