买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：无锡学院

摘要：本发明提供一种考虑多种气象因子的电网故障预测方法及系统，旨在提高电网故障预测的准确性和效率。该方法首先收集电网各个线路的历史故障数据和相应的气象数据，包括温度、湿度、风速和降雨量，并将这些数据映射到预定义的气象区间内以计算不同条件下的故障概率指数。接着，利用卷积神经网络构建气象因子故障概率模型，卷积神经网络能够从历史故障和气象数据中提取深层次特征，通过历史数据训练得到的模型不仅能够适应数据的复杂性，还能够实现更为准确的故障预测。通过实时采集的气象数据和电力数据，模型能够预测各个线路的故障概率，进而通过与预设的故障阈值进行比较，筛选出潜在的风险预警线路。

主权项：1.一种考虑多种气象因子的电网故障预测方法，其特征在于，具体步骤包括：步骤1：获取电网系统的各个线路的历史故障数据和历史气象数据，所述故障数据包括发生短路故障、开路故障、设备故障和过载故障的次数，所述气象数据包括发生各类故障时线路所处环境的温度、湿度、风速和降雨量数据；步骤2：划分温度、湿度、风速和降雨量的气象区间，每个气象区间分别有高中低三个区间，将历史气象数据中的温度、湿度、风速和降雨量数据分别和温度、湿度、风速和降雨量的气象区间进行映射，计算不同气象区间下各类故障的故障概率指数；步骤3：构建基于卷积神经网络的气象因子故障概率模型，并将发生故障时的故障时线路所处环境的温度、湿度、风速和降雨量数据作为训练集，对应的故障概率指数作为标签，对于气象因子故障概率模型进行训练；步骤4：实时采集电网系统各个线路的气象数据和各个线路的电力数据，将实时的气象数据输入至训练完毕的气象因子故障概率模型中，获取各个线路的各类故障的故障概率指数；步骤5：对各个线路的各种故障的故障概率指数和实时的电力数据进行数据分析，获得各个线路的预测故障概率，并与故障阈值比较，筛选出风险预警线路；其中，实时采集电网系统各个线路的气象数据包括各个线路所处环境的温度、湿度、风速和降雨量数据，实时采集的各个线路的电力数据包括电压数据、功率因数和频率数据；将实时的气象数据输入至训练完毕的气象因子故障概率模型中，将获取各个线路各类故障的故障概率指数依次标定为、、和，生成线路的预测故障概率所依据的公式为： ；其中，表示第个线路的预测故障概率，、和分别表示第个线路的实时电压数据、功率因数和频率数据，表示第个线路类故障的故障概率指数，表示故障类型，为故障类型的编号，，其中表示短路故障，表示开路故障，表示设备故障，表示过载故障。

全文数据：

权利要求：

百度查询： 无锡学院 一种考虑多种气象因子的电网故障预测方法及系统