一种极端天气下电网区域性精细化风险预测方法及系统与流程

本发明涉及风险预警，具体涉及一种极端天气下电网区域性精细化风险预测方法及系统。

背景技术：

1、近年来，全球气候变暖引发了诸如雷击、台风、冰灾、山火和暴雨等一系列极端自然灾害。这些灾害具有广域性、突发性和破坏性，对庞大的电力系统构成巨大威胁。电力作为经济建设和人民生活的基本能源，其安全优质的供应依赖于稳定可靠的电力网络。相较于平原地区，特殊地形，如山地、丘陵等复杂地形下的输电设备在气象参数变化方面面临更大挑战，加上自然灾害的不确定性，使得电力公司在抵御灾害方面面临困难，从而导致电力网络在灾害天气中更容易出现故障。

2、为应对自然灾害，电力公司通常分为“灾前防御、灾中应急、灾后抢修”三个阶段进行抗灾工作。然而，灾中应急风险较大，应急措施受限；灾后抢修成本高且耗时长，影响社会正常生产生活。因此，电网应对自然灾害的重点应放在灾前防御阶段。预警作为灾前防御的关键环节，需要借助故障概率模型预测电网故障概率，以辅助电网调度人员提前采取有效措施减少损失。

3、尽管国内外在自然灾害下电网风险预警方面已经取得了一定进展，但该研究方向仍属于电力行业的新兴领域，涉及气象学、灾害学、地质学等多方面知识。目前预警研究的重点主要在于故障概率模型的确定，但尚未充分将气象信息和故障信息进行融合，也没有考虑灾害天气不断变化的实际情况，导致电网故障预测的准确性较低，以及自然灾害下抗灾能力较差。

技术实现思路

1、为了克服上述目前电网故障预测的准确性较低，以及自然灾害下抗灾能力较差的缺陷，本发明提供一种极端天气下电网区域性精细化风险预测方法，所述方法包括：

2、获取待预测的电网区域的实时气象数据和实时电网设备信息；

3、将所述实时气象数据输入到极端天气事件预测模型，确定预测的第一极端天气事件；

4、将所述实时气象数据和所述实时电网设备信息输入到第一关联模型，确定电网故障风险第一预测结果；

5、将所述第一极端天气事件输入到第二关联模型，确定电网故障风险第二预测结果；

6、根据所述电网故障风险第一预测结果和所述电网故障风险第二预测结果，确定所述电网区域的电网故障风险。

7、可选的，所述电网区域的确定过程包括：

8、获取电网拓扑数据、电网相关的地形数据、层级区域划分数据、历史气象数据和历史灾害数据；

9、根据所述电网拓扑数据、所述地形数据和所述层级区域划分数据，进行电网拓扑分析，确定电网连通性，所述电网连通性包括电网中存在依赖关系的区域信息；

10、根据所述历史气象数据和所述历史灾害数据，确定不同区域的风险评估结果；

11、根据所述电网连通性和所述不同区域的风险评估结果，将城市电网划分为多个电网区域，其中每个电网区域具有独立的电网结构，并且在灾害发生时具有独立的管理恢复能力。

12、可选的，还包括：

13、对所述实时气象数据进行预处理，确定预处理后的所述实时气象数据；

14、所述预处理包括以下一种或多种处理：数据清洗、异常值检测或数据插补。

15、可选的，还包括：

16、若所述实时气象数据中的任一参数超过其对应的极端天气事件阈值，则确定所述参数对应的第二极端天气事件；

17、对所述第二极端天气事件进行空间分布分析，确定所述第二极端天气事件对所述电网区域产生的影响。

18、可选的，所述将所述第一极端天气事件输入到第二关联模型，确定电网故障风险第二预测结果包括：

19、根据所述第一极端天气事件、所述第二极端天气事件和不同极端天气事件之间的关联性，确定所述实时气象数据对应的所有极端天气事件。

20、将所述所有极端天气事件输入到第二关联模型，确定电网故障风险第二预测结果。

21、可选的，所述获取待预测的电网区域的实时气象数据和实时电网设备信息之后，还包括：

22、对所述实时气象数据和所述实时电网设备信息进行特征提取，确定用于表征电网故障风险的特征信息；

23、所述将所述实时气象数据和所述实时电网设备信息输入到第一关联模型，确定电网故障风险第一预测结果包括：

24、将所述特征信息输入到第一关联模型，确定电网故障风险第一预测结果。

25、可选的，所述实时电网设备信息包括实时电网设备状态数据和实时电网负荷数据。

26、可选的，所述第一关联模型的建立过程包括：

27、获取所述电网区域的历史气象数据、历史电网设备信息和历史电网故障风险；

28、针对不同类型极端天气事件，对所述历史气象数据、所述历史电网设备信息和所述历史电网故障风险进行样本均衡处理；

29、采用样本均衡处理后的所述历史气象数据、所述历史电网设备信息和所述历史电网故障风险，对原始关联模型进行训练，得到所述第一关联模型。

30、可选的，所述第二关联模型的建立过程包括：

31、获取所述电网区域的历史极端天气事件和电网设备的历史运行数据；

32、根据所述历史极端天气事件和所述历史运行数据，分析极端天气事件对所述电网设备产生的影响；

33、根据所述极端天气事件对所述电网设备产生的影响，建立极端天气事件与电网故障风险之间的第二关联模型。

34、可选的，还包括：

35、若根据所述电网故障风险和风险预警指标，确定触发电网风险预警，则向电网运营商发送所述电网区域的风险预警信息。

36、另一方面，本发明还提供一种极端天气下电网区域性精细化风险预测系统，包括：

37、数据获取模块，用于获取待预测的电网区域的实时气象数据和实时电网设备信息；

38、极端天气预测模块，用于将所述实时气象数据输入到极端天气事件预测模型，确定预测的第一极端天气事件；

39、故障风险预测模块，用于将所述实时气象数据和所述实时电网设备信息输入到第一关联模型，确定电网故障风险第一预测结果；将所述第一极端天气事件输入到第二关联模型，确定电网故障风险第二预测结果；

40、故障风险确定模块，用于根据所述电网故障风险第一预测结果和所述电网故障风险第二预测结果，确定所述电网区域的电网故障风险。

41、可选的，还包括：

42、区域划分模块，用于获取电网拓扑数据、电网相关的地形数据、层级区域划分数据、历史气象数据和历史灾害数据；根据所述电网拓扑数据、所述地形数据和所述层级区域划分数据，进行电网拓扑分析，确定电网连通性，所述电网连通性包括电网中存在依赖关系的区域信息；根据所述历史气象数据和所述历史灾害数据，确定不同区域的风险评估结果；根据所述电网连通性和所述不同区域的风险评估结果，将城市电网划分为多个电网区域，其中每个电网区域具有独立的电网结构，并且在灾害发生时具有独立的管理恢复能力。

43、可选的，所述数据获取模块，还用于对所述实时气象数据进行预处理，确定预处理后的所述实时气象数据；所述预处理包括以下一种或多种处理：数据清洗、异常值检测或数据插补。

44、可选的，所述极端天气预测模块，还用于若所述实时气象数据中的任一参数超过其对应的极端天气事件阈值，则确定所述参数对应的第二极端天气事件；对所述第二极端天气事件进行空间分布分析，确定所述第二极端天气事件对所述电网区域产生的影响。

45、可选的，所述故障风险预测模块，还用于根据所述第一极端天气事件、所述第二极端天气事件和不同极端天气事件之间的关联性，确定所述实时气象数据对应的所有极端天气事件。将所述所有极端天气事件输入到第二关联模型，确定电网故障风险第二预测结果。

46、可选的，所述数据获取模块，还用于对所述实时气象数据和所述实时电网设备信息进行特征提取，确定用于表征电网故障风险的特征信息。

47、可选的，所述实时电网设备信息包括实时电网设备状态数据和实时电网负荷数据。

48、可选的，还包括：

49、风险预警模块，用于若根据所述电网故障风险和风险预警指标，确定触发电网风险预警，则向电网运营商发送所述电网区域的风险预警信息。

50、另一方面，本发明还提供一种计算机设备，其特征在于，包括：一个或多个处理器；

51、所述处理器，用于存储一个或多个程序；

52、当所述一个或多个程序被所述一个或多个处理器执行时，实现上述中任意一项所述的极端天气下电网区域性精细化风险预测方法。

53、另一方面，本发明还提供一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现上述中任意一项所述的极端天气下电网区域性精细化风险预测方法。

54、与现有技术相比，本发明的有益效果为：

55、本发明提供一种极端天气下电网区域性精细化风险预测方法，包括：获取待预测的电网区域的实时气象数据和实时电网设备信息；将实时气象数据输入到极端天气事件预测模型，确定预测的第一极端天气事件；将实时气象数据和实时电网设备信息输入到第一关联模型，确定电网故障风险第一预测结果；将第一极端天气事件输入到第二关联模型，确定电网故障风险第二预测结果；根据电网故障风险第一预测结果和电网故障风险第二预测结果，确定电网区域的电网故障风险。本发明中整合了气象信息和电网故障信息，并且通过电网区域的实时气象数据反映了灾害天气不断变化的实际情况，因此能够快速响应天气变化，实时对风险进行预警，提高了风险预警的准确性和效率，有助于提高电力系统的抗灾能力，确保电力供应的安全和稳定。