[發明專利]臺風災害下停電網格分布預測方法、系統、設備和介質

在審

• 申請號: 202111148765.6
• 申請日: 2021-09-28
• 公開（公告）號: CN113887798A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 魏瑞增;王磊;黃勇;鄭曉光;周恩澤;王彤;劉淑琴;羅穎婷;李妍;李暉
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/29;G06Q50/06;G06N20/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;鐘文瀚

1.一種臺風災害下停電網格分布預測方法，其特征在于，包括：

根據ArcGIS對目標區域進行網格劃分，獲得目標區域的網格集合；

獲取所述網格集合中每個網格的第一數據，其中，所述第一數據包括：特征變量數據和因變量數據，其中，所述特征變量數據包括：臺風對應的氣象數據；

對所述第一數據進行預處理，獲得第二數據，其中，所述預處理包括：對所述第一數據進行數據歸一化、構造新變量、分類變量處理與轉換處理，獲得第二數據；

將所述第二數據輸入到預設的Stacking集成模型進行訓練與預測，獲得臺風災害下停電的預測結果，其中，所述Stacking集成模型包括：基學習器層和元學習器層。

2.根據權利要求1所述的臺風災害下停電網格分布預測方法，其特征在于，在獲得臺風災害下停電的預測結果之后，還包括：

將所述預測結果進行可視化處理，具體為：將預測得到的每個網格的預測結果形成csv文件，將所述csv文件輸入到ArcGIS中，并連接到已劃分網格的地圖的圖層中，并將預測結果分類顯示。

3.根據權利要求1所述的臺風災害下停電網格分布預測方法，其特征在于，所述特征變量數據還包括：電網數據、和地理數據，所述因變量數據包括：用戶停電數據，當網格發生用戶停電，則Y＝1，否則Y＝0；其中，

所述電網數據包括：桿塔數、箱變數、臺變數、拉線數、用戶數和線路長度；

所述地理數據包括：經度、緯度、地表類型、海拔、坡向、坡度和下墊面類型。

4.根據權利要求1所述的臺風災害下停電網格分布預測方法，其特征在于，所述將所述第二數據輸入到預設的Stacking集成模型進行訓練與預測，獲得臺風災害下停電的預測結果，包括：

將所述第二數據劃分為K部分，利用其中的K－1份作為訓練數據，剩余的一份作為測試數據；

將所述訓練數據和測試數據作為基學習器中各個模型的基礎數據，并對所述每個模型進行K次訓練，訓練完成之后對原始測試集預測，一個模型會對應K個預測結果，再將K個預測結果取平均；

得到各個基模型運行K次之后的平均值，同時拼接每一基模型對訓練數據集的預測結果代入下一層；

將各個基模型得到的預測結果，拼接上各個樣本真實的標簽，代入第二層模型進行訓練，獲得臺風災害下停電的預測結果。

5.一種臺風災害下停電網格分布預測系統，其特征在于，包括：網格模塊、數據獲取模塊、數據處理模塊和預測模塊，其中，

所述網格模塊，用于根據ArcGIS對目標區域進行網格劃分，獲得目標區域的網格集合；

所述數據獲取模塊，用于獲取所述網格集合中每個網格的第一數據，其中，所述第一數據包括：特征變量數據和因變量數據，其中，所述特征變量數據包括：臺風對應的氣象數據；

所述數據處理模塊，用于對所述第一數據進行預處理，獲得第二數據，其中，所述預處理包括：對所述第一數據進行數據歸一化、構造新變量、分類變量處理與轉換處理，獲得第二數據；

所述預測模塊，用于將所述第二數據輸入到預設的Stacking集成模型進行訓練與預測，獲得臺風災害下停電的預測結果，其中，所述Stacking集成模型包括：基學習器層和元學習器層。

6.根據權利要求5所述的臺風災害下停電網格分布預測系統，其特征在于，所述系統還包括：可視化模塊，用于將所述預測結果進行可視化處理，具體為：將預測得到的每個網格的預測結果形成csv文件，將所述csv文件輸入到ArcGIS中，并連接到已劃分網格的地圖的圖層中，并將預測結果分類顯示。

7.根據權利要求5所述的臺風災害下停電網格分布預測系統，其特征在于，所述特征變量數據還包括：電網數據、和地理數據，所述因變量數據包括：用戶停電數據，當網格發生用戶停電，則Y＝1，否則Y＝0；其中，

所述電網數據包括：桿塔數、箱變數、臺變數、拉線數、用戶數和線路長度；

所述地理數據包括：經度、緯度、地表類型、海拔、坡向、坡度和下墊面類型。