一种基于双向长短期记忆网络的县级停电风险预测方法与流程

本申请涉及数据处理的，具体涉及一种基于双向长短期记忆网络的县级停电风险预测方法。

背景技术：

1、随着科技的发展，现有配电网停电风险预测方法通常依赖完整的配电网拓扑结构、设备运行参数以及历史故障记录，通过分析线路状态、设备健康状态和负荷变化情况实现停电风险判断。

2、但是，实际县级区域中存在数据获取困难的问题，导致设备级、线路级风险分析方法难以大范围应用。同时，停电风险受到气象变化、雷达回波、预警状态、电网承载能力等多种因素共同影响，不同来源的数据存在空间和时间表达不一致的问题，现有方法难以实现多源数据的有效融合。此外，停电事件具有发生频率低、样本数量少的特点，传统预测方法容易受到样本不足影响，难以学习停电发生前的连续变化规律；同时，强对流天气对配电网影响具有持续性和区域扩散性，现有方法难以捕获天气变化与停电风险之间的长时间时序关联关系。

3、因此，如何在缺少完整配电网拓扑、多源数据异构以及停电样本稀疏的情况下，实现县级区域小时级停电风险精准预测，成为亟需解决的技术问题。

技术实现思路

1、本申请提供了一种基于双向长短期记忆网络的县级停电风险预测方法，便于在缺少完整配电网拓扑、多源数据异构以及停电样本稀疏的情况下，实现县级区域小时级停电风险精准预测。

2、在本申请的第一方面提供了一种基于双向长短期记忆网络的县级停电风险预测方法，所述方法包括：获取目标县级区域对应的气象数据、雷达数据、预警数据、电网数据和历史停电数据；根据所述目标县级区域建立数据关联关系，将所述气象数据和所述电网数据转换为县级特征数据；对所述雷达数据、所述预警数据和所述历史停电数据进行区域匹配和时间统一，生成小时级风险数据；融合所述县级特征数据和所述小时级风险数据，形成县小时级特征数据；基于所述县小时级特征数据确定时间变化特征、雷达影响变化特征和区域关联特征，以形成停电风险预测数据；根据所述停电风险预测数据构建48小时变化序列，并输入至双向长短期记忆网络模型，生成所述目标县级区域预测时间段内的停电风险预测结果。

3、在本申请的第二方面提供了一种基于双向长短期记忆网络的县级停电风险预测装置，所述装置包括获取模块和处理模块，其中，所述获取模块，用于获取目标县级区域对应的气象数据、雷达数据、预警数据、电网数据和历史停电数据；所述处理模块，用于根据所述目标县级区域建立数据关联关系，将所述气象数据和所述电网数据转换为县级特征数据；所述处理模块，还用于对所述雷达数据、所述预警数据和所述历史停电数据进行区域匹配和时间统一，生成小时级风险数据；所述处理模块，还用于融合所述县级特征数据和所述小时级风险数据，形成县小时级特征数据；所述处理模块，还用于基于所述县小时级特征数据确定时间变化特征、雷达影响变化特征和区域关联特征，以形成停电风险预测数据；所述处理模块，还用于根据所述停电风险预测数据构建48小时变化序列，并输入至双向长短期记忆网络模型，生成所述目标县级区域预测时间段内的停电风险预测结果。

4、在本申请的第三方面提供了一种电子设备，所述电子设备包括处理器和存储器；所述存储器有存储计算机程序，其中，所述计算机程序在被所述处理器执行时实现如上所述的一种基于双向长短期记忆网络的县级停电风险预测方法。

5、在本申请的第四方面提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储有指令，当所述指令被执行时，执行如上所述的一种基于双向长短期记忆网络的县级停电风险预测方法。

6、综上所述，本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

7、通过融合气象数据、雷达数据、预警数据、电网数据和历史停电数据，突破了传统停电预测方法依赖单一数据来源的问题，能够从气象变化、电网基础状态以及历史停电规律多个维度综合分析停电风险，使预测结果更加符合实际运行环境。通过根据目标县级区域建立数据关联关系，将不同空间表达方式的气象数据和电网数据统一转换为县级特征数据，解决了气象数据按照网格分布、电网数据按照设备分布而导致的数据空间不一致问题，使不同来源的数据能够在县级区域尺度下进行关联分析，提高了区域化停电风险分析能力。

8、通过对雷达数据、预警数据和历史停电数据进行区域匹配和时间统一处理，将原本分散的天气影响信息、预警状态信息和停电变化信息转换为小时级风险数据，使不同时间粒度的数据能够对应到同一时间尺度，能够更加准确地反映强天气发生、发展以及对电网产生影响的动态过程。通过融合县级特征数据和小时级风险数据，形成县小时级特征数据，使数据同时包含目标县级区域的基础电网状态和实时风险变化状态，避免仅依赖天气因素或者历史停电记录进行判断，提高了停电风险分析的完整性。

9、通过构建时间变化特征、雷达影响变化特征和区域关联特征，使模型能够识别停电风险形成过程中的多维变化规律。其中，时间变化特征能够反映天气和电网状态随时间演变的趋势，雷达影响变化特征能够反映强对流天气持续影响过程，区域关联特征能够反映相邻县级区域之间天气变化传递产生的影响，从而提升对复杂天气条件下停电风险的识别能力。通过基于停电风险预测数据构建48小时变化序列，并利用双向长短期记忆网络模型进行分析，能够同时学习停电发生前较长时间范围内的变化趋势以及临近停电时间的异常变化，提高了对停电风险时序规律的捕获能力，避免传统方法仅根据当前时刻状态进行判断导致预测滞后的问题。

10、本技术方案在缺少完整配电网物理拓扑、数据来源复杂以及停电样本数量有限的情况下，通过多源数据统一关联、县级尺度特征构建以及时序深度学习分析，实现了面向县级行政区域的小时级停电风险精准预测，提高了停电预警的准确性、实时性和区域适用能力。

1.一种基于双向长短期记忆网络的县级停电风险预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于双向长短期记忆网络的县级停电风险预测方法，其特征在于，所述根据所述目标县级区域建立数据关联关系，将所述气象数据和所述电网数据转换为县级特征数据，具体包括：

3.根据权利要求1所述的基于双向长短期记忆网络的县级停电风险预测方法，其特征在于，所述对所述雷达数据、所述预警数据和所述历史停电数据进行区域匹配和时间统一，生成小时级风险数据，具体包括：

4.根据权利要求1所述的基于双向长短期记忆网络的县级停电风险预测方法，其特征在于，所述融合所述县级特征数据和所述小时级风险数据，形成县小时级特征数据，具体包括：

5.根据权利要求1所述的基于双向长短期记忆网络的县级停电风险预测方法，其特征在于，所述基于所述县小时级特征数据确定时间变化特征、雷达影响变化特征和区域关联特征，以形成停电风险预测数据，具体包括：

6.根据权利要求1所述的基于双向长短期记忆网络的县级停电风险预测方法，其特征在于，所述根据所述停电风险预测数据构建48小时变化序列，并输入至双向长短期记忆网络模型，生成所述目标县级区域预测时间段内的停电风险预测结果，具体包括：

7.根据权利要求6所述的基于双向长短期记忆网络的县级停电风险预测方法，其特征在于，所述将所述48小时变化序列输入至所述双向长短期记忆网络模型，通过所述双向长短期记忆网络模型提取所述48小时变化序列中的时间变化关系和风险变化关系，生成风险特征数据，具体包括：

8.一种基于双向长短期记忆网络的县级停电风险预测装置，其特征在于，所述装置用于执行如权利要求1至7任意一项所述的基于双向长短期记忆网络的县级停电风险预测方法，所述装置包括获取模块和处理模块，其中，

9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器；所述存储器有存储计算机程序，其中，所述计算机程序在被所述处理器执行时实现如权利要求1至7中任意一项所述的一种基于双向长短期记忆网络的县级停电风险预测方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1至7任意一项所述的一种基于双向长短期记忆网络的县级停电风险预测方法。