[发明专利]一种农网配变重过载短期预警模型的建模方法

摘要

本发明涉及一种农网配变重过载短期预警模型的建模方法，包括集建模所需相关变量的原始数据；设计并计算预警模型的特征变量，比较查全率和查准率得到最优的变量组合；筛选完后重新用logistic回归拟合，优化得到预警模型；将实际数据带入预警模型进行预测，得出配变重过载的概率清单并排序；借助预测模型对未来新数据分布与温度的变化关系进行动态建模，建立loess模型，对逻辑回归产生出来的概率值进行调整，获取可靠的预测结果。从概率清单中选取相应的数量作为当周的重过载预警清单；利用当年数据对历史数据建立的预警模型进行预测验证，若预警结果好则直接使用，否则优化预警模型；该方法有利于建立准确的配变重过载短期预警模型。

主权项

一种农网配变重过载短期预警模型的建模方法，其特征在于：包括以下步骤：步骤S1：根据预警模型的整体框架，采集收集建模所需相关变量的原始数据，即特征参数，制定数据清洗规则，对原始数据进行清洗；步骤S2：分析短期数据的特征，设计并计算预警模型的特征变量，根据单个自变量与因变量之间的显著性关系，对特征变量进行筛选；步骤S3：通过单变量logistic 回归模型，比较单变量回归模型的查全率和查准率，确定核心变量；在已有核心变量的基础上，采用逐步回归法，依次加入其他变量，比较预警模型的查全率和查准率，不断优化，进而建立预警模型；步骤S4：将实际数据带入预警模型对配变短期的重过载现象进行预测，得出配变重过载的概率清单，并按概率从高到低进行排序；根据历史温度和历史重过载数量建立局部加权回归loess 方程，并利用预警周的预报温度对该周的配变重过载数量进行预测；最后，根据loess 方程预测的重过载数，从概率清单中按高到低选取相应的数量，作为当周的重过载预警清单；步骤S5：根据历史数据建立的预警模型，将当年数据代入并进行预测验证，如果预警结果优于设定值，则直接使用该预警模型，否则通过调整预警模型的自变量、优化loess 方程的方式优化预警模型；步骤S6：输出预警模型和预警结果。