一种变电站防汛风险概率预测方法与流程

本发明属于电力系统防汛风险预测，具体涉及一种变电站防汛风险概率预测方法。

背景技术：

1、近年来，强降雨、台风、强对流等极端天气频发，由强降雨等自然灾害引发的电力安全事故给变电站设备的正常运行带来了极大的威胁和挑战，为提升变电站防汛能力，避免不及时的防汛应对措施给变电站设备带来不可承受的强大冲击，有效预防和遏制各类电力安全生产事故，切实防止电网大面积停电事故的发生，提前对各种自然灾害进行风险预测评估工作，并根据预测评估结果及时排查，消除隐患，是目前能够确保电网安全稳定运行的重要手段。

2、目前，对变电站的防汛工作多基于气象局发出的极端天气气象预警，然后根据历史数据的经验判断和简单模型的初步应用，再依靠人工经验判断和人工定点、蹲点相互结合完成，存在人工经验判断易产生漏洞，人工定点、蹲点工作效率低、工作强度高，大数据信息利用不充分，历史数据挖掘不深入，模型简单所带来的局限性偏差以及缺乏动态适应性等问题；为解决上述问题，开发一种变电站防汛风险概率预测方法很有必要。

技术实现思路

1、本发明的目的是为了克服现有技术的不足，而提供一种变电站防汛风险概率预测方法，能够更高效地利用多个方面的数据，通过改进的deepar算法和优化预测模型准确预测变电站防汛风险预测概率，提高变电站在防汛方面的安全性和可靠性，为变电站的防汛工作提供决策支撑，从而提高变电站防汛工作的综合处理能力，进而保障变电站在极端天气条件下仍可尽量保持正常安全运行的能力。

2、本发明的目的是这样实现的：一种变电站防汛风险概率预测方法，包括如下步骤：

3、步骤a，收集与变电站相关的历史多维防汛数据；

4、步骤b，对历史多维防汛数据进行数据预处理和防汛特征优选；

5、步骤c，基于优选出的历史防汛特征，利用改进deepar算法构建防汛风险概率预测模型；

6、步骤d，引入注意力机制优化预测模型；

7、步骤e，引入动态l2正则化策略优化预测模型；

8、步骤f，引入多模态数据融合优化预测模型；

9、步骤g，收集该变电站多维防汛数据的实时数据；

10、步骤h，对实时多维防汛数据进行数据预处理和防汛特征优选；

11、步骤i，基于优选出的实时防汛特征，利用优化后的防汛风险概率预测模型对变电站进行防汛风险概率预测，输出防汛风险概率值和预测结果。

12、所述步骤a和所述步骤g中，多维防汛数据包括变电站的设备防水信息、地理环境信息、水文特征信息、微气象信息和历史洪水信息，其中设备防水信息包括设备防水等级和设备安装高度数据，其中地理环境信息包括集水井容积、集水井水泵排水量、周边地形数据、地势高低数据和排水路径数据，其中水文特征信息包括平均水位、最高水位、最低水位、径流量和流速数据，其中微气象信息包括变电站所在区域的降雨量、降雨时长和降雨强度数据，其中历史洪水信息包括洪水发生时间段和洪水等级数据。

13、所述步骤i中，预测结果包括洪水淹没范围、洪水水深分布、洪水滞留时间。

14、所述步骤b中，数据预处理为多源数据集成、数据时间同步、数据清洗、数据标准化和归一化、数据重构中的一种或多种。

15、所述步骤b中，防汛特征优选包括自动化特征提取和选择，以及新特征构造。

16、所述步骤d中，引入注意力机制包括选择注意力机制类型和嵌入注意力机制两个子步骤。

17、所述步骤e中，引入动态l2正则化策略包括选择l2正则化关键特征、自定义函数以及在自定义函数中添加正则化项三个子步骤。

18、所述步骤f中，引入多模态数据融合选择多模态数据类型、数据同步与对齐以及在模型层面进行融合三个子步骤。

19、还包括步骤j，使用过程中，随着时间的积累，持续通过历史多维防汛数据、注意力机制、动态l2正则化策略和多模态数据融合迭代与优化预测模型。

20、由于采用了上述技术方案，本发明的有益效果是：

21、本发明基于历史多维防汛数据和实时多维防汛数据，采用数据预处理和防汛特征优选，从多个维度数据方面利用改进deepar算法构建防汛风险概率预测模型，同时引入注意力机制、动态l2正则化策略和多模数据融合技术，能够更高效地利用多个方面的数据，通过改进的deepar算法和优化预测模型准确预测变电站防汛风险预测概率，提高变电站在防汛方面的安全性和可靠性以及实时性，为变电站的防汛工作提供能力更强大的决策支撑，从而提高变电站防汛工作的综合处理能力，进而保障变电站在极端天气条件下仍可尽量保持正常安全运行的能力；

22、本发明采用持续迭代与优化预测模型，随着大数据的积累和电网技术的发展，可使预测模型具备更强的预测能力和适应能力。

技术特征：

1.一种变电站防汛风险概率预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的变电站防汛风险概率预测方法，其特征在于：所述步骤a和所述步骤g中，多维防汛数据包括变电站的设备防水信息、地理环境信息、水文特征信息、微气象信息和历史洪水信息，其中设备防水信息包括设备防水等级和设备安装高度数据，其中地理环境信息包括集水井容积、集水井水泵排水量、周边地形数据、地势高低数据和排水路径数据，其中水文特征信息包括平均水位、最高水位、最低水位、径流量和流速数据，其中微气象信息包括变电站所在区域的降雨量、降雨时长和降雨强度数据，其中历史洪水信息包括洪水发生时间段和洪水等级数据。

3.根据权利要求1所述的变电站防汛风险概率预测方法，其特征在于：所述步骤i中，预测结果包括洪水淹没范围、洪水水深分布、洪水滞留时间。

4.根据权利要求1所述的变电站防汛风险概率预测方法，其特征在于：所述步骤b中，数据预处理为多源数据集成、数据时间同步、数据清洗、数据标准化和归一化、数据重构中的一种或多种。

5.根据权利要求1所述的变电站防汛风险概率预测方法，其特征在于：所述步骤b中，防汛特征优选包括自动化特征提取和选择，以及新特征构造。

6.根据权利要求1所述的变电站防汛风险概率预测方法，其特征在于：所述步骤d中，引入注意力机制包括选择注意力机制类型和嵌入注意力机制两个子步骤。

7.根据权利要求1所述的变电站防汛风险概率预测方法，其特征在于：所述步骤e中，引入动态l2正则化策略包括选择l2正则化关键特征、自定义函数以及在自定义函数中添加正则化项三个子步骤。

8.根据权利要求1所述的变电站防汛风险概率预测方法，其特征在于：所述步骤f中，引入多模态数据融合选择多模态数据类型、数据同步与对齐以及在模型层面进行融合三个子步骤。

9.根据权利要求1所述的变电站防汛风险概率预测方法，其特征在于：还包括步骤j，使用过程中，随着时间的积累，持续通过历史多维防汛数据、注意力机制、动态l2正则化策略和多模态数据融合迭代与优化预测模型。

技术总结
本发明公开了一种变电站防汛风险概率预测方法，首先收集与变电站相关的历史多维防汛数据，对历史数据进行数据预处理和防汛特征优选，基于优选出的历史防汛特征，利用改进DeepAR算法构建防汛风险概率预测模型，期间引入注意力机制、动态L2正则化策略、多模态数据融合优化预测模型；然后收集该变电站多维防汛数据的实时数据，对实时数据进行数据预处理和防汛特征优选，基于优选出的实时防汛特征，利用优化后的防汛风险概率预测模型对变电站进行防汛风险概率预测，输出防汛风险概率值和预测结果；本发明能够更高效地利用多个方面的数据，通过改进的DeepAR算法和优化预测模型准确预测变电站防汛风险预测概率。

技术研发人员：王媛媛,孙明,焦晓波,李麒,常富红,张文丰,狄亚平
受保护的技术使用者：国网河南省电力公司许昌供电公司
技术研发日：
技术公布日：2025/1/23