[发明专利]配网故障数量总体趋势预测方法、预测装置与处理器

说明书

本申请提供了一种配网故障数量总体趋势预测方法、预测装置与处理器。该方法包括获取与配网故障相关的基础数据，基础数据包括历史数据、资产数据、环境数据、服务数据和运行信息；采用主成分分析法对基础数据进行分析，得到影响配网故障数量的主要因素；构建预测模型；采用预测模型对主要因素进行分析，得到配网故障数量的变化趋势。该方案通过获取与配网故障相关的基础数据，采用主成分分析法对基础数据进行分析，得到影响配网故障数量的主要因素，构建预测模型，然后采用预测模型对主要因素进行分析，得到配网故障数量的变化趋势，实现了对配网故障总数的变化趋势的精准预测。

技术领域

本申请涉及配网故障预测领域，具体而言，涉及一种配网故障数量总体趋势预测方法、预测装置、计算机可读存储介质与处理器。

背景技术

现阶段配网基础数据总量十分庞大，已经达到“大数据”级别，如何有效利用这些数据资源就成为当前的热门话题。在技术层面，随着分布式计算与分布式存储技术的不断发展，电力大数据的深入挖掘已经成为可能，其潜在的商业价值更是有待各个电力企业去开发。在配网故障管控领域，如果能够利用大数据的分析方法实现对故障趋势的预测，则无疑将成为一项十分有意义的工作，不但可以指导现场故障抢修资源的合理调配，还可以为配网的运维策略提供有效的辅助决策。基于上述想法，本申请提出了一种配网故障数量总体趋势预测方法，可实现对配网故障总数的趋势进行预判和预测。

发明内容

本申请的主要目的在于提供一种配网故障数量总体趋势预测方法、预测装置、计算机可读存储介质与处理器，以解决现有技术中缺乏一种高精度的配网故障数量总体趋势预测方法的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种配网故障数量总体趋势预测方法，包括：获取与配网故障相关的基础数据，所述基础数据包括历史数据、资产数据、环境数据、服务数据和运行信息；采用主成分分析法对所述基础数据进行分析，得到影响所述配网故障数量的主要因素；构建预测模型；采用所述预测模型对所述主要因素进行分析，得到所述配网故障数量的变化趋势。

进一步地，所述预测模型为非平稳时间序列模型。

进一步地，构建非平稳时间序列模型，包括如下步骤：步骤1，对原始数据进行预处理，所述预处理包括剔除异常值，若原始时间序列非等间隔，采用线性内插值法等间隔所述原始时间序列；步骤2，对预处理后的原始时间序列进行单位根平稳性检验；步骤3，若所述预处理后的原始时间序列平稳，则说明所述原始时间序列是平稳时间序列，对所述原始时间序列进行白噪声检验；步骤4，若所述预处理后的原始时间序列不平稳，则说明所述原始时间序列是非平稳时间序列，采用差分方法对所述原始时间序列进行平稳化，返回所述步骤2进行平稳性检验；步骤5，若所述平稳时间序列是白噪声序列，输出分析结果；步骤6，若所述平稳时间序列不是白噪声序列，对所述平稳时间序列建模；步骤7，对建模后的所述平稳时间序列进行所述步骤3的操作，检验有用信息是否充分提取。

进一步地，所述步骤6中的对所述平稳时间序列建模，包括：根据所述平稳时间序列的自相关函数、偏自相关函数的特点对所述平稳时间序列进行模式识别；确定ARIMA模型的p参数值和d参数值；估计所述ARIMA模型除所述p参数值和所述d参数值以外的其他参数。

根据本申请的另一个方面，提供了一种配网故障数量总体趋势预测装置，包括：获取单元，用于获取与配网故障相关的基础数据，所述基础数据包括历史数据、资产数据、环境数据、服务数据和运行信息；第一分析单元，用于采用主成分分析法对所述基础数据进行分析，得到影响所述配网故障数量的主要因素；构建单元，用于构建预测模型；第二分析单元，用于采用所述预测模型对所述主要因素进行分析，得到所述配网故障数量的变化趋势。

根据本申请的又一个方面，提供了一种计算机可读存储介质，所述计算机可读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计算机可读存储介质所在设备执行任意一种所述的配网故障数量总体趋势预测方法。