[发明专利]区域电网异常扰动数量预测方法、装置、介质及电子设备

说明书

本发明公开了一种区域电网异常扰动数量预测方法、装置、介质及电子设备。其中，方法包括：采集预测时间之间的预定时间内的区域电网数据，并根据预先训练的LSTM预测模型对区域电网数据进行预测分析，确定第一振荡扰动数量预测结果以及扰动空间预测结果；根据预先训练的GARCH预测模型对区域电网数据进行预测分析，确定第二振荡扰动数量预测结果；利用熵权法对第一振荡扰动数量预测结果以及第二振荡扰动数量预测结果进行融和处理，确定区域电网的异常扰动数量预测结果，异常扰动数量预测结果用于指示区域电网的异常扰动程度；根据异常扰动数量预测结果以及扰动空间预测结果，确定预测时间的异常扰动数量预测结果。

技术领域

本发明涉及电网数据处理技术领域，并且更具体地，涉及一种区域电网异常扰动数量预测方法、装置、介质及电子设备。

背景技术

高效精确的区域电网短期异常扰动数量预测是未来新型电力系统稳定性分析与预防控制的关键技术之一，其旨在提高电网应对新能源、大功率非旋转型电源接入形态下的交流电力系统的运行能力。但是现有的预测方法通过单模型进行区域电网短期异常扰动数量的精度和稳定性不足，无法实现区域电网短期异常扰动数量的准确预测。

发明内容

针对现有技术的不足，本发明提供一种区域电网异常扰动数量预测方法、装置、介质及电子设备。

根据本发明的一个方面，提供了一种区域电网异常扰动数量预测方法，包括：

采集预测时间之间的预定时间内的区域电网数据，并根据预先训练的LSTM预测模型对区域电网数据进行预测分析，确定第一振荡扰动数量预测结果以及扰动空间预测结果；

根据预先训练的GARCH预测模型对区域电网数据进行预测分析，确定第二振荡扰动数量预测结果；

利用熵权法对第一振荡扰动数量预测结果以及第二振荡扰动数量预测结果进行融和处理，确定区域电网的异常扰动数量预测结果，异常扰动数量预测结果用于指示区域电网的异常扰动程度；

根据异常扰动数量预测结果以及扰动空间预测结果，确定预测时间的异常扰动数量预测结果。

可选地，区域电网数据包括日最大振幅、振幅均值、振动数量、最弱阻尼以及均值阻尼时间序列数据，根据预先训练的LSTM模型对区域电网数据进行预测分析，确定第一振荡扰动数量预测结果以及扰动空间预测结果的操作，包括：

根据LSTM预测模型分别对区域电网的预定时间内传感器的日最大振幅、振幅均值、振动数量、最弱阻尼以及均值阻尼时间序列数据进行预测，分别确定每个传感器的传感器振荡扰动数量预测结果；

根据每个传感器的传感器振荡扰动数量预测结果，确定第一振荡扰动数量预测结果以及扰动空间预测结果。

可选地，根据预先训练的GARCH预测模型对区域电网数据进行预测分析，确定第二振荡扰动数量预测结果的操作，包括：

根据GARCH预测模型对预定时间内的振动数量时间序列进行预测，确定区域电网的第二振荡扰动数量预测结果。

可选地，还包括：通过下述步骤对LSTM预测模型进行训练：

采集区域电网历史数据，并对区域电网历史数据进行预处理，确定日最大振幅、振幅均值、数量、最弱阻尼、均值阻尼时间序列数据以及日异常扰动数量数据；

将日最大振幅、振幅均值、振动数量、最弱阻尼、均值阻尼时间序列数据作为输入数据，并将日异常扰动数量数据作为输出，根据ARMA模型对LSTM预测模型进行初始化定阶；

利用遗传算法对LSTM预测模型进行超参数计算，确定LSTM预测模型的超参数。

可选地，还包括：

采集预测时间的日振荡异常扰动数量；