停电预测方法与流程

技术特征：
1.一种停电预测方法，其特征在于，包括：从第一目标区域的样本数据中提取数据，构成训练基分类器的子训练集，其中，所述基分类器包括：多个不同学习模型，其中，所述学习模型与所述子训练集一一对应；基于所述学习模型对应的子训练集对所述学习模型进行训练，得到所述学习模型对应的目标学习模型；基于集成学习中的投票法集成所述多个不同目标学习模型，得到强学习器；将当前区域的目标停电数据输入至所述强学习器进行预测得到预测结果，其中，所述预测结果包括：停电或者不停电。2.根据权利要求1所述的方法，其特征在于，从第一目标区域中的样本数据提取数据构成训练基分类器的子训练集，包括：基于自助聚集算法以随机有放回的方式抽取所述样本数据构建所述子训练集。3.根据权利要求1所述的方法，其特征在于，所述学习模型包括：深度神经网络模型、xgboost、因式分解模型。4.根据权利要求1所述的方法，其特征在于，从第一目标区域中的样本数据提取数据构成训练基分类器的子训练集之前，还包括：确定样本数据中各种类型的数据特征；基于基尼系数确定所述各种类型的数据特征对应的重要性分数；将所述重要性分数同预定阈值进行比较，确定所述重要性分数大于所述预定阈值的数据特征为目标数据特征。5.根据权利要求4所述的方法，其特征在于，从第一目标区域中的样本数据提取数据构成训练基分类器的子训练集，包括：基于所述预定规则从包括有所述目标数据特征的样本数据，提取数据构成所述子训练集。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：确定与所述第一目标区域相邻的第二目标区域；构建所述第一目标区域与所述第二目标区域的关联矩阵；对所述关联矩阵进行qr矩阵分解，构造所述第一目标区域所述第二目标区域的空间位置特征，将所述空间位置特征作为所述数据特征对所述学习模型进行训练。7.一种停电预测装置，其特征在于，包括：提取模块，用于从第一目标区域的样本数据中提取数据，构成训练基分类器的子训练集，其中，所述基分类器包括：多个不同学习模型，其中，所述学习模型与所述子训练集一一对应；训练模块，用于基于所述学习模型对应的子训练集对所述学习模型进行训练，得到所述学习模型对应的目标学习模型；集成模块，用于基于集成学习中的投票法集成所述多个不同目标学习模型，得到强学习器；预测模块，用于将当前区域的目标停电数据输入至所述强学习器进行预测得到预测结果，其中，所述预测结果包括：停电或者不停电。8.根据权利要求7所述的装置，其特征在于，所述提取模块，包括：
提取单元，用于基于自助聚集算法以随机有放回的方式抽取所述样本数据构建所述子训练集。9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至6中任意一项所述停电预测方法。10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述停电预测方法。

技术总结
本申请公开了一种停电预测方法。其中，该方法包括：从第一目标区域的样本数据中提取数据，构成训练基分类器的子训练集，其中，基分类器包括：多个不同学习模型，其中，学习模型与子训练集一一对应；基于学习模型对应的子训练集对学习模型进行训练，得到学习模型对应的目标学习模型；基于集成学习中的投票法集成多个不同目标学习模型，得到强学习器；将当前区域的目标停电数据输入至强学习器进行预测得到预测结果，其中，预测结果包括：停电或者不停电。本申请解决了由于相关技术中缺乏对停电情况的预测方法造成的供电可靠性差，影响用户用电体验的技术问题。体验的技术问题。体验的技术问题。


技术研发人员：马晓琴 薛晓慧 罗红郊 孟祥甫 郭小鹤 马占海 薛峪峰 雷晓萍 佟芳 张俊超 严嘉正 杨军 张启君
受保护的技术使用者：国网青海省电力公司 国家电网有限公司
技术研发日：2021.07.23
技术公布日：2021/10/23