[发明专利]基于气象数据的配电网抢修工单数量预测方法

权利要求书

1.一种基于气象数据的配电网抢修工单数量预测方法，包括如下步骤：

S1.获取预测区域内的历史气象数据，并对历史气象数据进行量化处理；

S2.获取预测区域内与气象因素相关的配电网抢修工单数据；

S3.获取预测区域内配电网抢修工单所对应的地理位置数据；

S4.在步骤S1获取的历史气象数据中，选取若干类历史气象数据作为预测模型的输入数据；

S5.根据步骤S2～S4获取的数据，建立抢修工单数量神经网络预测模型；

S6.根据步骤S2～S4获取的数据，建立抢修工单数量时间序列预测模型；

S7.根据步骤S2～S4获取的数据，建立抢修工单数量平滑指数预测模型；

S8.综合步骤S5～S7所建立的预测模型得到最终的配电网抢修工单数量预测模型；

S9.采用步骤S8得到的配电网抢修工单数量预测模型对预测区域内的抢修工单数据进行预测。

2.根据权利要求1所述的基于气象数据的配电网抢修工单数量预测方法，其特征在于步骤S1所述的历史气象数据，具体包括最高温度、最低温度、白天天气、夜间天气、风速、风向和湿度。

3.根据权利要求1所述的基于气象数据的配电网抢修工单数量预测方法，其特征在于步骤S1所述的对历史气象数据进行量化处理，具体为将历史气象数据均进行归一化。

4.根据权利要求1～3之一所述的基于气象数据的配电网抢修工单数量预测方法，其特征在于步骤S4所述的选取若干类历史气象数据作为预测模型的输入数据，具体为计算各类历史气象数据与配电网抢修工单数据之间的最大相关矩阵，并根据相关系数的大小，选取相关系数最大的若干类历史气象数据作为预测模型的输入数据。

5.根据权利要求1～3之一所述的基于气象数据的配电网抢修工单数量预测方法，其特征在于步骤S5所述的抢修工单数量神经网络预测模型，具体为采用Elman神经网络作为抢修工单数量神经网络预测模型。

6.根据权利要求1～3之一所述的基于气象数据的配电网抢修工单数量预测方法，其特征在于步骤S6所述的抢修工单数量时间序列预测模型，具体为采用自回归综合滑动平均模型作为抢修工单数量时间序列预测模型。

7.根据权利要求1～3之一所述的基于气象数据的配电网抢修工单数量预测方法，其特征在于步骤S8所述的综合步骤S5～S7所建立的预测模型得到最终的配电网抢修工单数量预测模型，具体为采用最大信息熵原理对每种预测模型的结果进行加权计算，从而得到最终的配电网抢修工单数量预测模型。