[发明专利]一种适用于恶劣天气引起的电网故障预测方法

权利要求书

1.一种适用于恶劣天气引起的电网故障预测方法，其特性在于，包括：

收集气象数据及电网故障计数记录，对收集的数据进行预处理；

根据预处理后的的数据提取天气特征及对故障级别进行分类，分析二者的关联关系，并根据所述关联关系建立线性方程；

基于所述线性方程及贝叶斯神经网络建立电网故障预测模型，实现恶劣天气引起的电网故障预测。

2.如权利要求1所述的适用于恶劣天气引起的电网故障预测方法，其特征在于：所述数据预处理过程包括，

数据清洗：空缺值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗；

数据变换：对数据进行特征构造、数据分级及数据量化；

数据集成：对数据变换后的数据进行数据统计，将数据合并到统一的数据存储中；

采用基于聚类的离群样本检测策略对数据样本中仍可能出现异常的样本进行检测剔除。

3.如权利要求1或2所述的适用于恶劣天气引起的电网故障预测方法，其特征在于：定义预处理后的数据包括，

Y∈{x*,y*}

其中，x*表示天气特征数据值，y*表示电网故障计数数据值，Y表示数据集。

4.如权利要求3所述的适用于恶劣天气引起的电网故障预测方法，其特征在于：所述天气特征包括，

每周平均和最大风速、每周平均和最大降雨以及一周内的闪电天数。

5.如权利要求3所述的适用于恶劣天气引起的电网故障预测方法，其特征在于：所述故障级别的分类包括将所述故障计数分为三个故障级别。

6.如权利要求5所述的适用于恶劣天气引起的电网故障预测方法，其特征在于：所述线性方程的建立包括，

其中，y*_min表示最小值，y*_max表示最大值，Y'∈{x₁*,y₁*}表示线性变换后值，x₁*、y₁*分别表示线性变换后的天气特征数据值及电网故障计数数据值。

7.如权利要求1～5任一项所述的适用于恶劣天气引起的电网故障预测方法，其特征在于：所述电网故障预测模型包括，

将预测分布定义为分类分布，其公式表示如下：

其中，σ²表示高斯分布后的概率差，p_D(y^*|x^*)表示分类分布值，w表示样本数量值，μ∈R^d表示概率分布的全部参数数量，C表示迭代次数。

8.如权利要求7所述的适用于恶劣天气引起的电网故障预测方法，其特征在于：所述电网故障预测模型还包括，

方差的定义可以评估预测模型的预测结果的不确定性，称为预测误差，表示为：

其中，Var_q表示预测误差，表示无偏估计量，q_θ(y^*|x^*)表示分布概率。