[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

说明书

本发明属于电网防灾技术领域，具体涉及一种基于BP神经网络的配电网极端灾害下停电预测方法及系统。所述预测方法包括以下步骤：根据配电网极端灾害历史故障样本库，获取故障发生时的本体参数、极端灾害类型、气象参数、运行状态参数和故障发生后的停电时长，同时收集极端灾害下相同本体参数下未发生故障的气象参数、运行状态参数，对各参数进行数值化预处理，整合成训练样本库；采用BP神经网络方法，对训练样本库的停电概率与停电时长进行训练，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。本发明实现了配电网在极端灾害下停电概率与停电时长的预测，适用于各种情况复杂的极端灾害下的配电网的防灾减灾。

技术领域

本发明属于电网防灾技术领域，具体涉及一种基于BP神经网络的配电网极端灾害下停电预测方法及系统。

背景技术

随着全球气候变化，近些年，极端灾害频发，给电网造成了特别严重的灾害，配电网的安全运行关系到供电可靠性，配电网极易受极端灾害的影响发生故障进而停电。配电网受不同极端灾害影响而发生倒断杆、断线、金具损坏事故频繁发生，其严重程度远大于极端灾害对主网输变电设备的影响。在影响了电网安全稳定运行的同时对应急抢修、快速复电提出了很高的要求，因此，在电力负荷稳定需求的大前提下，对配电网在极端灾害下的停电的准确预测需求紧迫性显著增强，提出一种配电网极端灾害下停电预测方法已刻不容缓。

目前，极端灾害的预测方面，专业气象机构通过多年的发展目前已经能对一些关键气象因素进行较为准确的预测，例如冻雨等。在其它气象要素方面目前也达到了一定的准确性，结合不断发展的中尺度数值天气预报系统，研究了3km*3km的精细化气象数值预报，结合降尺度技术，更形成了1km*1km的降尺度预测结果。虽然在气象预测方面的尺度越来越小，但仅靠气象预测无法满足对电网特别是配电网的极端气象灾害相关故障的预测预警需求。如何结合现有的气象预测成果，在历史上配电网极端灾害故障灾害样本的基础上，采用统计方法，结合配电网的台帐数据和运行状态数据，实现配电网极端灾害下的停电预测是十分必要的。

发明内容

为克服上述缺陷，本发明的目的在于提供一种基于BP神经网络的配电网极端灾害下停电预测方法及系统。

为实现上述目的，本发明采用如下技术方案：

一种基于BP神经网络的配电网极端灾害下停电预测方法，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。

优选地，所述的本体参数包括配电网的杆塔信息和线路信息。

优选地，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。