[发明专利]一种电力调度故障处理操作量预测方法

说明书

本发明公开一种电力调度故障处理操作量预测方法，包括：获取电网故障历史数据；对电网故障历史数据进行量化处理，对气象数据和电力负荷进行标签化处理；对量化处理后的数据进行样本平衡；基于平衡后的数据搭建线性拟合模型，根据数据权重甄选关键的训练数据类型；确定并搭建DBN模型；利用电网故障历史数据对DBN模型进行训练；利用DBN模型预测将来一段时间内的电力调度故障处理操作量。本发明可对未来7天内电力调度故障处理操作量进行有效预测。作为电力调度值班计划的依据，在预先预测知晓故障处理操作量多的情况下提前安排加强值班。为电力调度运行的提前风险管控有重大意义，改变了现有事后应急处理的窘境。

技术领域

本发明涉及电网调度控制技术领域，特别涉及一种电力调度故障处理操作量预测方法。

背景技术

电力调度值班应合理安排值班人数，以满足值班工作量的要求。目前，广西电网调度值班方式主要依据计划工作量安排，在故障多发期间因调度值班人员不足导致的故障处理时间长、人员过劳，工作量堵塞等问题长期存在。电力调度故障处理操作量的可靠预测是实现合理调度潮汐值班的前提条件，如果无法提前预测调度故障处理操作量，将不能很好地提前做好值班人员的排班安排，因此有必要对现有技术进行改进。

发明内容

本发明的目的是提供一种电力调度故障处理操作量预测方法，可以解决现有技术中不能提前预测调度故障处理操作量而导致的在故障多发期间因调度值班人员不足导致的故障处理时间长、人员过劳、工作量堵塞等问题。

本发明的目的是通过以下技术方案实现的：

本发明提供一种电力调度故障处理操作量预测方法，包括以下步骤：

步骤S1、获取电网故障历史数据；

步骤S2、对电网故障历史数据进行量化处理，形成电力调度故障处理操作量数据，对气象数据和电力负荷进行标签化处理；

步骤S3、对量化处理后的数据按SMOTE算法进行样本平衡；

步骤S4、基于平衡后的数据搭建线性拟合模型，根据数据权重甄选关键的训练数据类型；

步骤S5、确定并搭建DBN模型；

步骤S6、调节网络参数、选择适宜训练算法，利用电网故障历史数据对DBN 模型进行训练；

步骤S7、利用DBN模型预测将来一段时间内的电力调度故障处理操作量。

进一步的，所述对电网故障历史数据进行量化处理包括：

步骤S201、以某一时间单位作为区间划分，将该某一时间单位内的每一项电网故障类型赋予分值，同一类电网故障类型分值相同，电网故障将转化为直观反映调度故障处理操作量的分值；

步骤S202、统计该某一时间单位内同一类电网故障类型出现的次数，计算同一类电网故障类型的总分值，形成量化的电网故障操作数据。

进一步的，所述时间单位按小时或天为单位。

进一步的，所述同一类电网故障类型的总分值＝每一项电网故障类型的单一分值×该电网故障类型出现的次数。

进一步的，所述关键的训练数据类型包括气温、降雨量、云量、气压、风速、电力负荷。

进一步的，所述电网故障历史数据包括故障时的气象数据、电力负荷。

本发明提出了一种应用于调度潮汐排班的电网故障处理操作量预测算法，可对未来7天内电力调度故障处理操作量进行有效预测。作为电力调度值班计划的依据，在预先预测知晓故障处理操作量多的情况下提前安排加强值班。可以提前合理地安排具体时段的值班人员数量，有效避免故障多发期因调度人员不足导致的一系列问题。将实现对未来短期内的电力调度故障处理操作量预测，为电力调度运行的提前风险管控有重大意义，改变了现有事后应急处理的窘境。