[发明专利]基于BP神经网络的配电网极端灾害下停电预测方法及系统

权利要求书

1.一种基于BP神经网络的配电网极端灾害下停电预测方法，其特征在于，包括以下步骤：

步骤1：收集配电网在极端自然灾害下发生停电故障的故障集；

步骤2：针对故障集中每一个停电故障，匹配故障发生时的本体参数、气象参数、极端灾害类型、运行状态参数、故障发生后的停电时长数据，建立配电网历史极端灾害下的故障样本库A；

步骤3：针对统计的每一类极端灾害类型，收集在该气象灾害过程中，相同本体参数下的配电网没有发生停电故障时的气象参数、运行状态参数，形成配电网历史极端灾害下的非故障样本库B，非故障的样本库B中的停电时长标记为0；

步骤4：对故障样本库A和非故障样本库B中的本体参数、气象参数、极端灾害类型、运行状态参数和故障发生后的停电时长进行数值化预处理，将预处理后的两个样本库整合成训练样本库X；

步骤5：基于步骤4中的训练样本库X，采用BP神经网络方法，对配电网在极端灾害下的停电概率和停电时长进行训练，建立基于BP神经网络的配电网极端灾害下的停电预测模型；

步骤6：在预测阶段，基于步骤5中训练得到的停电预测模型，输入需要预测的某个时刻的极端灾害类型、气象参数、配电网本体参数和运行状态参数，可得到可能的停电概率与停电时长，最终实现配电网极端灾害下的停电概率与停电时长的预测。

2.根据权利要求1所述的基于BP神经网络的配电网极端灾害下停电预测方法，其特征在于，所述的本体参数包括配电网的杆塔信息和线路信息。

3.根据权利要求2所述的基于BP神经网络的配电网极端灾害下停电预测方法，其特征在于，所述的杆塔信息包括：杆塔类型、经度、纬度、海拔高度、地质环境信息、水平档距、垂直档距以及杆塔的绝缘子串型号、串数、绝缘子片数、耐张塔转角。

4.根据权利要求2所述的基于BP神经网络的配电网极端灾害下停电预测方法，其特征在于，所述的线路信息包括：电压等级、线路规格、线路类型、回路数量、输电长度、设计风速、设计冰厚、分裂数和分裂间隙。

5.根据权利要求1所述的基于BP神经网络的配电网极端灾害下停电预测方法，其特征在于，所述的极端灾害类型包括：大风、暴雨、降雪、雨夹雪四种类型。

6.根据权利要求1所述的基于BP神经网络的配电网极端灾害下停电预测方法，其特征在于，所述的气象参数包括：温度、湿度、瞬时风速大小、1小时内的平均风速、瞬时风向、风向与线路夹角、是否有冻雨、是否有降水、降水量、多谱勒雷达原始参数。

7.根据权利要求1所述的基于BP神经网络的配电网极端灾害下停电预测方法，其特征在于，所述的运行状态参数包括电流信息与开关状态信息。