[发明专利]基于气象数据的配电网抢修工单数量预测方法

说明书

本发明公开了一种基于气象数据的配电网抢修工单数量预测方法，包括获取历史气象数据并量化处理；获取预测区域内与气象因素相关的配电网抢修工单数据及对应的地理位置数据；选取若干类历史气象数据作为预测模型的输入数据；根据获取的数据建立抢修工单数量神经网络预测模型、抢修工单数量时间序列预测模型和抢修工单数量平滑指数预测模型；得到最终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。本发明利用基于气象敏感的预测模型对故障数量进行预测，同时采用最大信息熵原理对预测结果动态加权，使用多模型加权的方式提高了模型的预测精度，而且也实现了对配电网的抢修工单进行科学可靠的预测。

技术领域

本发明具体涉及一种基于气象数据的配电网抢修工单数量预测方法。

背景技术

随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。

配电网是指从输电网或地区发电厂接受电能，并通过配电设施就地分配或按电压逐级分配给各类用户的电力网。因此，配电网的可靠运行对于用户的可靠用电具有重要意义。

但是，配网供电可靠性受天气影响大，降雨、雷电、温度等都影响配网设备运行的可靠性。而且，配电网设备点多面广，设备质量参差不齐，受资金与配网规模限制无法将所有设备均纳入监测和监控范围。目前，对于配电网的抢修人员有限，“以抢代修”的配电网运维策略已难以满足要求。同时，由于无法对配电网的抢修工单进行预测，从而导致配电网运行时无法事先进行抢修人员的预备，从使得配电网抢修时人手不足，严重影响了配电网的安全可靠运行。

发明内容

本发明的目的在于提供一种能够对配电网的抢修工单进行科学可靠的预测的基于气象数据的配电网抢修工单数量预测方法。

本发明提供的这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。

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、风向和湿度等。

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。

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。

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。

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。