[發明專利]極端事件預測方法、裝置、設備和存儲介質

有效

• 申請號: 202111485320.7
• 申請日: 2021-12-07
• 公開（公告）號: CN113887845B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 楊洋;石延輝;張海鳳;袁海;廖毅;洪樂洲;楊陽;吳夢凡;吳桐;張朝斌;張博;黃家豪;李凱協;賴皓;黃鍇;廖名洋;張卓杰;姚言超;夏杰;李金安;秦金鋒;許浩強;王蒙;葉志良;袁振峰;黃兆;嚴偉;蔡斌;關就;廖聰;李莉;趙曉杰;孔瑋琦;王越章
• 申請（專利權）人: 中國南方電網有限責任公司超高壓輸電公司廣州局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 左幫勝

本申請涉及一種極端事件預測方法、裝置、計算機設備、存儲介質和計算機程序產品。所述方法包括：獲取電力系統在第一歷史時段內的歷史電氣參數；獲取歷史電氣參數的吉布斯測度；將吉布斯測度輸入至預先訓練的事件預測模型中，得到事件預測模型輸出的預測信息，預測信息用于指示第一歷史時段之后的目標未來時刻電力系統是否會發生極端事件；其中，事件預測模型包括基于XGBoost算法構造的多個神經網絡層以及用于鏈接神經網絡層的擴展卷積網絡。采用本方法能夠實現對極端事件的預測。

技術領域

本申請涉及電力系統技術領域，特別是涉及一種極端事件預測方法、裝置、計算機設備、存儲介質和計算機程序產品。

背景技術

在電力系統運行過程中，會發生諸如電力系統短路、電力系統中振蕩幅度異常等極端事件。上述極端事件一旦發生，就會對電力系統的運行造成影響。

因此，亟需一種方法能夠對極端事件的發生進行預測。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠預測極端事件發生的極端事件預測方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。

第一方面，本申請提供了一種極端事件預測方法。該方法包括：

獲取電力系統在第一歷史時段內的歷史電氣參數；

獲取歷史電氣參數的吉布斯測度；

將吉布斯測度輸入至預先訓練的事件預測模型中，得到事件預測模型輸出的預測信息，預測信息用于指示第一歷史時段之后的目標未來時刻電力系統是否會發生極端事件；

其中，事件預測模型包括基于XGBoost算法構造的多個神經網絡層以及用于鏈接神經網絡層的擴展卷積網絡。

在其中一個實施例中，該獲取電力系統在第一歷史時段內的歷史電氣參數，包括：

獲取電力系統在第一歷史時段包括的各個歷史采樣時刻下的歷史電氣參數；

對應的，獲取歷史電氣參數的吉布斯測度，包括：

獲取各歷史采樣時刻下的歷史電氣參數的吉布斯測度。

在其中一個實施例中，該多個神經網絡層中的第n個神經網絡層的輸入為將前n-1個神經網絡層中各個神經網絡層的輸出結果通過擴展卷積網絡進行卷積運算后得到的運算結果，卷積運算的卷積核的尺寸是根據前n-1個神經網絡層中各個神經網絡層的輸出結果的總數量確定的。

在其中一個實施例中，該事件預測模型的訓練過程包括：

獲取訓練樣本集；

構造初始事件預測模型，初始事件預測模型包括基于XGBoost算法構造的單個神經網絡層；

針對初始事件預測模型執行多次目標訓練過程，并在每次執行目標訓練過程之后得到不同的候選事件預測模型，直至某次執行目標訓練過程得到的候選事件預測模型滿足目標條件為止；

其中，第i次目標訓練過程包括：

獲取執行第i-1次目標訓練過程得到的候選事件預測模型，并在獲取到的候選事件預測模型中添加新的神經網絡層，得到第i次目標訓練過程對應的候選事件預測模型；

基于訓練樣本集對第i次目標訓練過程對應的候選事件預測模型進行訓練。

在其中一個實施例中，該目標條件，包括：

某次執行目標訓練過程得到的候選事件預測模型輸出的候選預測信息與候選預測信息對應的實際信息之間的KL距離值小于預設值，其中，候選預測信息與實際信息具有相同的時間屬性。

在其中一個實施例中，該獲取訓練樣本集，包括：