台风天气下电网设备故障率预测方法、装置及存储介质与流程

本技术涉及电网设备故障预测，尤其涉及台风天气下电网设备故障率预测方法、装置及存储介质。

背景技术：

1、台风主要来源于海洋，逼近时携带大量水汽，因此容易引发暴雨天气。台风、暴雨两种气象现象对电力系统的安全构成严重威胁。

2、当前，电力系统在经济社会中的关键性愈发显著，电力系统在出现大范围故障时可能引发巨大的经济损失。尽管气象部门通常能够提供台风登陆前的准确预警信息，然而，电力部门常常面临着难以准确评估台风危害性以及制定有效安全防御措施的挑战。历史经验表明，电力系统在应对台风等自然灾害时存在一定的脆弱性。深度学习算法已经在电力系统故障率预测方面取得显著进度，但在台风灾害环境下的应用相对有限。因此，如何有效整合气象部门的预测信息，以精准预测台风天气条件下电网设备的故障概率成为迫切需要解决的问题。

3、相关技术中对电网设备故障率预测通常采用建立设备的物理模型，并结合实时监测数据，可以对设备的运行状态和可能的故障进行预测，或是获取历史故障数据以及历史天气数据进行机器学习，识别出与故障发生相关的模式和趋势，并据此进行故障预测。然而，物理模型可能受到模型复杂性和参数不确定性的影响，而机器学习在处理复杂和非线性关系时需要确保数据的准确性。

4、中国专利《多种自然灾害引发电网设备故障概率分析方法和系统》，公开号：cn113313342a，公开日：2021年04月08日，具体公开了同时综合分析各类告警信息、保信信息等电网运行信息，以及气象、灾害的预测、实测等外部信息，对其中的非结构化、半结构化数据进行识别与处理，并综合灾害引发设备故障的机理模型和历史数据学习等方法对发生故障的概率、时空范围、类型等信息做出较为准确的分析判断。该方案中融合了物理模型以及数据驱动，但并没有解决两者存在的参数误差影响以及训练数据误差影响。

5、中国专利《一种台风气象环境电网设备故障处置预案在线生成方法、系统及存储介质》，公开号：cn 114266370a，公开日：2022年04月01日，具体公开了包括以下步骤：基于大数据的台风气象环境电网设备故障量化评估和故障预案在线智能生成，通过样本数据生成、基于机器学习算法的风险预测模型训练、风险预测模型持久化、电网设备风险在线量化预警、基于气象信息的n-m动态故障集生成、初始化方式数据合格率检查、准稳态时域仿真和潮流信息输出、安控动作和辅助决策信息输出、在线形成故障预案。该方案虽然采用使用准确率和召回率两项指标来评判模型的成绩以提高预测模型的输出准确性、以特征组合的方式增加特征的维度，但基于台风预报与实测信息进行台风中心设定范围内的电网设备信息故障预测，无法提前对可能发生故障的设备进行预防处理，工作人员预防较为困难。

技术实现思路

1、本技术针对现有技术中对台风天气下电网设备故障率预测依赖于采样数据的准确性存在故障预测时效性和前瞻性较差的问题，提供台风天气下电网设备故障率预测方法、装置及存储介质，通过台风机理构建台风模型以及降雨量模型以根据台风现在情况对未处于台风影响下的区域进行台风未来状态的预测，并分别构建计及风速的电缆失效概率模型以及计及降水的高压开关柜失效概率模型，先以单一模型进行参数训练，再以深度学习轻度量化梯度提升机算法、电缆失效概率模型以及高压开关柜失效概率模型构建电网设备故障率预测模型，对融合模型进行参数训练，从而平衡单一模型的权重和融合模型的权重，避免仅用单一模型进行预测忽略因素相互影响造成误差，也避免直接构建融合模型忽略单一特征的影响造成误差，对权重进行调整，以提高最终电网设备故障率预测模型的预测准确性以及时效性，便于运行人员及时制定应急响应计划，提高电力系统对台风灾害的防御能力。

2、为实现上述技术目的，本技术提供的一种技术方案是，台风天气下电网设备故障率预测方法，包括如下步骤：

3、获取历史电缆信息，以历史电缆信息以及预先建立的台风模型构建计及风速的电缆失效概率模型；

4、获取历史高压开关柜信息，以历史高压开关柜信息以及预先建立的降雨量模型构建计及降水的高压开关柜失效概率模型；

5、以深度学习轻度量化梯度提升机算法、电缆失效概率模型以及高压开关柜失效概率模型构建电网设备故障率预测模型，利用区域设备历史运行信息对电网设备故障率预测模型进行训练；获取区域设备当前运行信息，以区域设备当前运行信息作为训练后的电网设备故障率预测模型的输入，输出电网设备故障率预测结果。同时考虑电缆位置风速差异以及积水内涝对高压开关柜的影响，结合区域设备历史运行信息中多维特征数据，构建电网设备故障率预测模型，在台风天气下，能够根据台风信息以及地理信息得到电网受风速以及积水的影响情况，预测电网设备的故障概率，有助于电力部门及时采取故障防范措施，预防台风所带来的电网故障影响，降低灾害损失，确保电力系统的稳定运行。

6、进一步的，所述预先建立的台风模型包括：以台风机理构建台风模型：其中，vrin为位于风眼半径内的瞬时风速，vrout为位于风眼半径外的瞬时风速，veye为平均最大风速，r为与风眼的距离，reye为风眼半径，x为台风沿径向强度衰减参数。

7、进一步的，所述以历史电缆信息以及预先建立的台风模型构建计及风速的电缆失效概率模型：其中，v(t)为t时刻输电线路上的瞬时风速；vd为输电线路的设计风速；l为电缆长度；a、b为影响系数。

8、进一步的，所述预先建立的降雨量模型包括：以台风机理构建降雨量模型：其中，ri为过去第i日一天内的降雨量，τ为降雨衰减系数，rz为直接前期有效降雨量，rs为未来时段的预报雨量，n为过去连续降雨天数。

9、进一步的，所述以历史高压开关柜信息以及预先建立的降雨量模型构建计及降水的高压开关柜失效概率模型包括：根据降雨量模型以及斯皮尔曼相关分析法得到积水程度模型，以积水程度模型以及历史高压开关柜信息构建计及降水的高压开关柜失效概率模型。

10、进一步的，所述利用区域设备历史运行信息对电网设备故障率预测模型进行训练包括：识别区域设备历史运行数据中少数类样本；利用k近邻算法对少数类样本划分得到安全样本、边界样本以及噪声样本；以边界样本构建合成样本，获得包含合成样本的区域设备历史运行信息。

11、进一步的，对电网设备故障率预测模型训练完成后执行：以平均绝对百分比误差或/和均方根误差作为评价指标对电网设备故障率预测模型进行评估。

12、进一步的，还包括：搭建仿真模型模拟台风过境情况，根据模拟的台风过境情况以及电网设备故障率预测模型输出电网设备故障率预测结果。

13、本技术提供的另一种技术方案是，台风天气下电网设备故障率预测装置，用于实现如上述的台风天气下电网设备故障率预测方法，包括：数据处理模块，用于获取区域设备历史运行信息进行数据预处理；机理建模模块，用于根据台风机理以及数据处理模块输出的数据构建计及风速的电缆失效概率模型以及计及降水的高压开关柜失效概率模型；预测分析模块，用于根据机理模块输出的模型以及数据处理模块输出的数据构建电网设备故障率预测模型。

14、本技术提供的又一种技术方案是，计算机可读存储介质，所述存储介质中存储有计算机程序或指令，当所述计算机程序或指令被处理设备执行时，实现如上述的方法。

15、本技术的有益效果：通过台风机理构建台风模型以及降雨量模型以根据台风现在情况对未处于台风影响下的区域进行台风未来状态的预测，并分别构建计及风速的电缆失效概率模型以及计及降水的高压开关柜失效概率模型，先以单一模型进行参数训练，再以深度学习轻度量化梯度提升机算法、电缆失效概率模型以及高压开关柜失效概率模型构建电网设备故障率预测模型，对融合模型进行参数训练，从而平衡单一模型的权重和融合模型的权重，避免仅用单一模型进行预测忽略因素相互影响造成误差，也避免直接构建融合模型忽略单一特征的影响造成误差，对权重进行调整，以提高最终电网设备故障率预测模型的预测准确性以及时效性，便于运行人员及时制定应急响应计划，提高电力系统对台风灾害的防御能力。