[发明专利]一种电网暴雨灾害风险预测方法、系统及存储介质

说明书

本发明涉及电力系统的气象灾害技术领域，公开了一种电网暴雨灾害风险预测方法、系统及存储介质；以减轻输电线路遭受的暴雨灾害，提高输电线路应对暴雨灾害的能力和安全稳定运行水平，达到主动性强、智能程度高、应用范围广的目的；本发明根据训练样本数据集初始化受限玻尔兹曼机算法的参数值，反复学习与更新参数值，至受限玻尔兹曼机算法满足训练样本数据集的收敛性，通过验证样本数据集验证受限玻尔兹曼机算法的预测精度E_avg，若预测精度E_avg不在预先设定精度以内，则继续更新参数，直至满足预测精度；进一步建立基于反向传播算法的电网暴雨灾害预测模型，最后根据反向传播算法对电网暴雨灾害预测模型的参数进行调整，并得到暴雨灾害风险预测模型。

技术领域

本发明涉及电力系统的气象灾害技术领域，尤其涉及一种电网暴雨灾害风险预测方法、系统及存储介质。

背景技术

自然灾害给电网带来不可避免的影响，其中暴雨灾害与覆冰、污秽灾害影响范围最广，据统计，在众多灾害中，暴雨灾害占据80％以上。暴雨灾害会导致输电线路倒塔、断线并表现为久性故障，损坏变电站设备，甚至导致受灾厂站全停，严重威胁电网安全运行，且造成了重大的经济损失和社会影响。输电线路暴雨灾害问题已成为当前威胁线路安全的最大威胁之一，我国中东部以及南方地区是暴雨多发区域，受复杂地形特点等因素的影响，输电线路暴雨灾害事故屡有发生，给人们的生活带来了极大的不便和危害。因此，对输电线路暴雨灾害风险分析预警的研究将具有重要的意义和工程实用价值。

目前，国内学者已开展了输电线路暴雨灾害风险预警的相关研究，包括基于事件演化动力学的风险评估方法、基于情景分析的灾害风险评估方法、基于历史灾情数据的灾害风险评估方法、基于指标体系的灾害风险评估方法、基于遥感和GIS技术的灾害风险评估方法以及基于智能算法的灾害风险评估方法等。其中，基于事件演化动力学的风险评估方法和基于情景分析的灾害风险评估方法注重事件演化的物理过程分析，但暴雨灾害存在历史规律性和影响因子不确定性，该方法不能充分发挥历史数据的价值；基于历史灾情数据的评估一般经历了极值评估法、概率评估法和模糊评估法3个阶段，而极值评估法通常在风险评估时存在比较明显的偏差，概率评估法在遇到数据样本较少而无法准确获得样本的概率分布时，评估结果将会出现较大的偏差，模糊评估法评估结果多是关系或模糊集，无法直接进行比较；基于指标体系的风险评估方法被认为是目前最广泛应用也是最有以异议的方法，该方法由于缺少研究复杂灾害的各个风险评估要素之间的联系，以及其演化过程不能非常好地进行模拟，难以体现出灾害的不确定性与动态性，风险评估的结果存在不准性；基于遥感和GIS技术的灾害风险评估往往受限于遥感图像的空间分辨率程度，很难在小尺度的区域内进行比较精准的灾害损失估算及风险评估；基于情景分析的风险评估大都是对灾害风险场景的模拟，而对出现某种灾害风险评估的具体有效执行的模拟还未涉及，同样存在一定的局限性；基于智能算法的灾害风险评估方法主要依赖于历史数据的积累和经验，结合相关模型通过初步的机器学习方法进行暴雨灾害风险评估，但一般的智能算法仅停留在片面的机器学习过程，不能够深入学习暴雨灾害风险特征，进而预测预警准确率较低。

发明内容

本发明目的在于提供一种电网暴雨灾害风险预测方法、系统及存储介质，以减轻输电线路遭受的暴雨灾害，提高输电线路应对暴雨灾害的能力和安全稳定运行水平，达到主动性强、智能程度高、应用范围广的目的。

为实现上述目的，本发明提供了一种电网暴雨灾害风险预测方法，包括以下步骤：

S1：选取历史暴雨灾害的相关数据构建初始样本数据集，将所述初始样本数据集分为训练样本数据集和验证样本数据集，并根据所述训练样本数据集初始化受限玻尔兹曼机算法的参数值；

S2：反复学习与更新所述参数值，直至所述受限玻尔兹曼机算法满足所述训练样本数据集的收敛性；