CN111275298B - 一种基于电网的地质灾害风险预警方法 - Google Patents

一种基于电网的地质灾害风险预警方法 Download PDF

Info

Publication number
CN111275298B
CN111275298B CN202010041151.7A CN202010041151A CN111275298B CN 111275298 B CN111275298 B CN 111275298B CN 202010041151 A CN202010041151 A CN 202010041151A CN 111275298 B CN111275298 B CN 111275298B
Authority
CN
China
Prior art keywords
risk
data
sample set
power grid
interval
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010041151.7A
Other languages
English (en)
Other versions
CN111275298A (zh
Inventor
吴和俊
熊志刚
王敏康
陆宇宁
程田宝
胡驰远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dayou Industrial Co ltd Hangzhou Science And Technology Development Branch
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang Dayou Industrial Co ltd Hangzhou Science And Technology Development Branch
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Dayou Industrial Co ltd Hangzhou Science And Technology Development Branch, Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang Dayou Industrial Co ltd Hangzhou Science And Technology Development Branch
Priority to CN202010041151.7A priority Critical patent/CN111275298B/zh
Publication of CN111275298A publication Critical patent/CN111275298A/zh
Application granted granted Critical
Publication of CN111275298B publication Critical patent/CN111275298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明披露了一种基于电网的地质灾害风险预警方法，方法包括如下步骤：采集数据；预处理数据；对数据采用SMOTE+Tomek Links算法进行数据重采样；将重采样后的数据输入GBDT模型；将GBDT模型的输出的结果用于风险评估。所述系统包括采集模块、预处理模块、GBDT算法模块和风险评估模块，本发明涉及的方法利用现有的电网大数据和机器学习等相关技术，对电网中每个塔杆、电力线路和电力通道在未来一段时间内可能出现地质灾害情况做出预测，并给维修人员提供科学的维修依据。

Description

一种基于电网的地质灾害风险预警方法
技术领域
本发明涉及一种地质灾害分析预警方法，特别涉及一种基于电网的地质灾害风险预警方法。
背景技术
我国是一个地质灾害多发的国家，平均每年5级以上的地震总数高达20次，高频地震对电网的安全防护是一个重大考验，现有技术中，基于电网的地质灾害预警系统通常是在地质灾害发生后做事后防护，请参考公开的发明专利：一种电网地震预警方法及系统(CN108898798 A)，该技术方案的中各个变电站之间圈定一个圆，不同的变电站之间可根据变电站的电压大小而设置监测圆半径，在每个圆内设置地震波监测点，相邻的监测点之间通讯连接，通过监测地震波达到对地震的预警，该技术方案无法通过电网设备本身事先对地质灾害进行预测。
发明内容
本发明其中一个目的在于提供一种基于电网的地质灾害风险预警方法，其中所述预警方法可通过现有的大数据、人工智能等技术对包括电力线路、电力通道和塔杆故障等风险进行预测，从而可以事先对有风险或故障的设备预先防护和维修。
本发明其中一个目的在于提供一种基于电网的地质灾害风险预警方法，所述方法采结合电力线路和通道状况、电网维修数据、植被数据、地质沙层数据、塔杆数据以及气象数据作为建模数据，通过数据挖掘和处理，用于监测地质灾害信息、电力线路和通道的损耗信息。
本发明其中一个目的在于提供一种基于电网的地质灾害风险预警方法，所述方法采用独热编码(one-hot encoding)将非数值型特征转换为数值型特征，用于GBDT模型训练。
本发明其中一个目的在于提供一种基于电网的地质灾害风险预警方法，所述方法采用SMOTE算法对少数类样本集上采样并重建新样本集，使得少数类样本集和多数类样本集之间保持数据平衡。
本发明其中一个目的在于提供一种基于电网的地质灾害风险预警方法，所述方法对Tomek Links算法对多数类样本集进行下采样，通过删除Tomek Links对的方式剔除多数类样本集中的噪点，可以避免少数类新建样本集的边界入侵多数类样本集现象。
为了实现上述至少一个发明目的，本发明进一步提供一种基于电网的地质灾害风险预警方法,包括如下步骤：
采集数据；
预处理数据，所述数据包括正类样本集和负类样本集，正类样本集为少数类样本集，负类样本集为多数类样本集；
采用SMOTE+Tomek links算法对数据进行样本重采样；
将重采样后的数据输入GBDT模型；
将GBDT模型的输出的结果进行风险评估。
根据本发明一个较佳实施例，所述数据包括数值特征和类别特征，其中采用独热编码将类别特征转换为数值特征。
根据本发明一个较佳实施例，预处理数据中，包括：根据已采集的数据，采用平均数、中位数、行众数和列众数中任意一种填补同类缺失数据，其中已采集的数据包括历史数据。
根据本发明一个较佳实施例，预处理数据中，包括：统计气象数据中的降雨量、降雪量、气温、湿度、风速的平均值、最大值、最小值、频数和频率，采用GBDT模型选择并确定特征。
根据本发明一个较佳实施例，对数据重采样步骤中，采用SMOTE算法对少数类样本集进行上采样，形成第一重建样本，所述第一重建样本集包括原多数类样本集和上采样后的新样本集，采用Tomek links算法对第一重建样本中多数类样本集进行下采样，并删除Tomek links对或Tomek links对中的多数类样本
根据本发明一个较佳实施例，预处理数据中，包括采用独热编码将类别特征转换为数值特征。
根据本发明一个较佳实施例，采集数据中，包括对塔杆以及电力线路或电力通道周围植被、土壤、岩石状态进行数据采集。
根据本发明一个较佳实施例，所述风险评估以塔杆为对象，方法包括如下步骤：
划分由若干个连续塔杆组成的预测区间；
对预测区间内的每一塔杆风险进行预测；
计算每一塔杆和每一预测区间的风险概率；
预测和计算同一电力线路的风险和风险概率；
预测和计算同一电力通道的风险和风险概率。
根据本发明一个较佳实施例，在上述风险评估方法中，若预测区间内存在至少一塔杆存在风险，则判定该预测区间为有风险区间，标记该风险区间为1；若该预测区间内所有塔杆都无风险，则判定该预测区间为无风险区间，记该预测区间为0。
根据本发明另一较佳实施例，在上述风险评估方法中，若预测区间被判定为有风险区间，则计算所有该预测区间内每一塔杆的风险概率，将预测的塔杆中最大的风险概率作为该预测区间的风险概率。
根据本发明另一较佳实施例，在上述风险评估方法中，同一电力线路由多个预测区间组成，计算同一电力线路中所有预测区间的风险状态，记风险状态出现最多的为该同一电力线路的风险状态。
根据本发明另一较佳实施例，在上述风险评估方法中，同一电力线路由多个预测区间组成，计算同一电力线路中所有预测区间的风险概率，记风险概率最大值为该电力线路风险概率。
为了实现本发明上述至少一个发明目的，本发明进一步提供一种基于电网的地质灾害风险预警系统，所述系统采用上述方法实施，包括：
采集模块、预处理模块，GBDT算法模块和风险评估模块。
附图说明
图1显示的是本发明一种基于电网的地质灾害风险预警方法流程示意图；
图2显示的是本发明一种基于电网的地质灾害风险预警方法步骤示意图；
图3显示的是本发明电力线路或电力通道风险预测和评估流程示意图；
图4显示的是本发明一种风险评估表；
图5显示的是本发明另一种风险评估表；
图6显示的是本发明另一种风险评估表。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。
基于电网的风险预警系统包括采集模块、预处理模块、GBDT算法模块和风险评估模块，其中采集模块用于数据的采集归类，采集的数据包括塔杆自身的电力线路或通道数据、塔杆结构数据、气象数据、地质数据等，其中塔杆结构数据包括塔杆的水平载荷、垂直载荷、重力载荷、塔杆自身的弯曲角度、抗弯强度以及安装维修时的附加载荷等作为塔杆受力性能分析数据，其中电力线路或通道数据包括电力载荷，故障数据、隐患数据等，气象数据包括风向、风速、气温、雨雪等。地质数据包括植被种类、植被数量、土壤岩石状况以及一段时间内的地震强度和频率等，需要说明的是，所述数据可采用对应的传感器获取相应特征，本发明所述的特征是该领域技术人员对数据类型的一种技术术语，可以理解的是，对特征的描述不是本发明的限制。
可以理解的是，所述数据包括数值特征和类别特征，类别特征在地质灾害的预测中起到非常重要的作用，为了将上述类别特征转换为数值特征，本法明采用独热编码将类别特征编码为数值特征，需要说明的是，独热编码后的类别特征作为一种状态码，有多少个状态就有多少个比特，并且每个状态码只有一个比特是激活状态，该激活状态比特显示为1，类别特征处理的过程中，可根据需要的转化的类别特征数量决定独热编码位制。
请参考图1-3，数据采集过程中，存在部分数据缺失现象，需要对数据进行填补或删除，所述预处理模块用于数据填补和删除，其中填补的规则如下
预采集数据；
将类别特征通过独热编码转换为数值特征；
对于存在缺失值的同类特征，可以根据已采集同类特征的平均数、中位数，或者行/列众数进行填充，本发明优选同类特征的中位数填补缺失的数据。
其中若同类特征缺失值达到一半以上，则删除该类特征。
进一步地，由于地质灾害环境中风险数据出现的次数较少，属于类别不平衡数据。为了解决该问题,本发明采用SMOTE(Synthetic Minority Over-sampling Technique)算法对少数类样本集M进行上采样，以生成第一重建样本集，需要说明的是，少数类样本集中的数据为风险数据，多数类样本集中的数据为正常数据，其中第一重建样本集生成方法包括如下步骤：
采用K近邻算法计算距离少数类样本集M中任意一个样本最近的K个近邻点；
随机选取K个邻近点中的一个用于生成新样本集C，新样本集C生成公式为：
其中/>为随机选取的近邻点，xi为第i个样本点，δ∈[0,1]随机数,xnew为新样本集C，新样本集C和原多数类样本集构成所述第一重建样本集。
需要说明的是，上述距离指的是样本之间的n维欧式距离，其中n的数值可根据少数类样本集中特征种类数目而选择。
进一步地，对少数类样本集进行上采样的过程中，新样本集容易出现样本“入侵”现象，也就是说，少数类样本集的扩增会使得样本噪点或样本空间边界“入侵”多数类样本集，为了解决该问题，本发明采用Tomek Links算法清除对应的少数类样本集扩增过程中的噪点或“入侵”边界。包括如下步骤：
将扩增后的总样本集分成少数类样本集M1和多数类样本集N，其中所述总样本集包括第一重建样本集和原多数类样本集；
计算M1中样本点到N中样本点之间的距离，获取两样本点之间的最小距离d(xi,xj)，其中xi和xj分别属于少数类样本集和多数类样本集的样本点，若不存在第三个样本点xl，使得d(xl,xi)＜d(xi,xj)或d(xl,xj)＜d(xi,xj)成立，则(xi,xj)为Tomek Links对，删除Tomek Links对或Tomek Links对中多数类样本，以形成第二重建样本，通过Tomek Links算法可使得样本之间的类别边界更加明确。其中将第二重建样本投入到GBDT模型中训练，以获取最佳模型。
本发明选择GBDT模型采用了boost中的boosting tree(提升树)，并采用梯度提升算法gradient boost在残差减少的方向上建立新的模型，每一分类器都根据上一分类器产生残差值进行训练，并通过回归树作为基学习器，其中梯度提升算法gradient boost迭代过程中，选择梯度下降的方向并通过损失函数拟合状况判断数据和合理性，损失函数包括但不仅限于平方损失函数、绝对值损失函数、指数损失函数、对数损失函数和Huber损失函数中的任意一种。由于梯度提升算法gradient boost需要按照损失函数的梯度拟合残差，拟合的数值是连续的，因此本发明优选采用回归树作为基学习器。
需要说明的是，GBDT模型需要设置初始参数，其中初始参数包括：学习率learning_rate，弱学习器数n_estimators，每一个学习器的最大深度max_depth，划分时考虑的最大特征数max_features等。输入特征后，根据损失函数的拟合状况调整上述初始参数，以获得最佳模型。
将GBDT模型所输出的数据对电力通道风险、电力线路风险和塔杆风险进行预测，请参考图3，其中该方法包括如下步骤：
划分由若干个连续塔杆组成的预测区间；
对预测区间内的每一塔杆风险进行预测；
计算每一塔杆和每一预测区间的风险概率；
预测和计算同一电力线路的风险和风险概率；
预测和计算同一电力通道的风险和风险概率。
请参考图4-6显示的风险评估表，本发明中以塔杆为主要对象采集数值特征和类别特征，针对塔杆所采集的特征作为第一风险分析依据，设一第一预测区间，所述第一预测区间由第若干个塔杆组成，若第一区间内的任意一塔杆被预测为有风险，则所述第一预测区间被判定为有风险，记该第一区间的风险为1，表示存在风险，并计算所述第一预测区间内每一塔杆的风险种类和风险概率；提取第一预测区间内所有塔杆中最高的风险概率，并将该风险概率作为第一预测区间的风险概率。若第一预测区间内所有塔杆都被预测为无风险，记该第一预测区间的风险为0，表示无风险，则第一预测区间被判定为无风险。
请参考图5和6，上述预测区间优选将同一电力线路上的塔杆划分为多个预测区间，每一个预测区间内的塔杆是连续的，通过所述GBDT算法模块和风险评估模块，获得同一电力线路下的多个预测区间的风险状况和风险概率。其中记同一电力线路中所有区间出现风险次数最多的为本电力线路风险类型，同时记同一电力线路所有预测区间风险最高的概率为该电力线路的风险概率。
进一步地，所述风险评估模块还用于将每一区间和每一电力线路中风险概率进行排序，其中排序方式可以采用包括但不仅限于枚举值实现，并分析提取影响风险概率最大的数据，并分析风险形成原因。
本发明可根据塔杆和预测区间的风险状况预测电力通道的风险和风险概率，预测方法和预测电力线路相同，需要说明的是，所述电力通道具有国家标准，预测方法可在国家标准基础上执行。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明，本发明的目的已经完整并有效地实现，本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

Claims (7)

1.一种基于电网的地质灾害风险预警方法,包括如下步骤：
采集数据；
预处理所述数据，所述数据包括正类样本集和负类样本集，正类样本集为少数类样本集，负类样本集为多数类样本集；
根据已采集的数据采用平均数、中位数、行众数和列众数中任意一种填补同类缺失数据，其中已采集的数据包括历史数据；
所述数据包括类别特征和数值特征，采用独热编码将类别特征转换为数值特征，用于数据预处理；
采用SMOTE+Tomek links算法对数据进行样本重采样；对数据重采样步骤中，采用SMOTE算法对少数类样本集进行上采样，形成第一重建样本，所述第一重建样本集包括原多数类样本集和上采样后的新样本集，采用Tomek links算法对所述第一重建样本中多数类样本集进行下采样，删除Tomek links对或Tomek links对中的多数类样本；
将重采样后的数据输入GBDT模型；
根据GBDT模型输出的结果评估风险。
2.根据权利要求1所述的一种基于电网的地质灾害风险预警方法，其特征在于，所述预处理数据步骤中，包括：统计气象数据中的降雨量、降雪量、气温、湿度、风速的平均值、最大值、最小值、频数和频率，采用GBDT模型选择并确定特征。
3.根据权利要求1-2中任意一项权利要求所述的一种基于电网的地质灾害风险预警方法，其特征在于，风险评估以塔杆为对象，包括如下步骤：
划分由若干个连续塔杆组成的预测区间；
对预测区间内的每一塔杆风险进行预测；
计算每一塔杆和每一预测区间的风险概率；
预测和计算同一电力线路的风险和风险概率；
预测和计算同一电力通道的风险和风险概率。
4.根据权利要求3所述的一种基于电网的地质灾害风险预警方法，其特征在于，所述风险评估方法中，若预测区间内至少一塔杆存在风险，则判定该预测区间为有风险区间，标记该有风险区间为1；若该预测区间内所有塔杆都无风险，则判定该预测区间为无风险区间，记该预测区间为0。
5.根据权利要求4所述的一种基于电网的地质灾害风险预警方法，其特征在于，所述风险评估方法中，若预测区间被判定为有风险区间，则计算该预测区间内每一塔杆的风险概率，并将预测的塔杆中的最大风险概率作为该预测区间的风险概率。
6.根据权利要求5所述的一种基于电网的地质灾害风险预警方法，其特征在于，所述风险评估方法中，同一电力线路或电力通道由多个预测区间组成，计算同一电力线路或电力通道中所有预测区间的风险状态，记风险状态出现最多的为该同一电力线路或电力通道的风险状态。
7.根据权利要求6所述的一种基于电网的地质灾害风险预警方法，其特征在于，所述风险评估方法中，同一电力线路或电力通道由多个预测区间组成，计算同一电力线路或电力通道中所有预测区间的风险概率，记风险概率最大值为该电力线路或电力通道的风险概率。
CN202010041151.7A 2020-01-15 2020-01-15 一种基于电网的地质灾害风险预警方法 Active CN111275298B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010041151.7A CN111275298B (zh) 2020-01-15 2020-01-15 一种基于电网的地质灾害风险预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010041151.7A CN111275298B (zh) 2020-01-15 2020-01-15 一种基于电网的地质灾害风险预警方法

Publications (2)

Publication Number Publication Date
CN111275298A CN111275298A (zh) 2020-06-12
CN111275298B true CN111275298B (zh) 2023-11-28

Family

ID=71003209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010041151.7A Active CN111275298B (zh) 2020-01-15 2020-01-15 一种基于电网的地质灾害风险预警方法

Country Status (1)

Country Link
CN (1) CN111275298B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930348A (zh) * 2012-10-19 2013-02-13 广东电网公司电力科学研究院 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法
WO2014101636A1 (zh) * 2012-12-31 2014-07-03 北京邮电大学 一种电力通信网风险评估方法
CN104574217A (zh) * 2015-01-22 2015-04-29 国家电网公司 一种智能配电网在线风险评估方法
CN106570651A (zh) * 2016-11-09 2017-04-19 国家电网公司 一种输电线路绝缘子污闪风险评估方法
CN106611245A (zh) * 2016-12-21 2017-05-03 国网福建省电力有限公司 一种基于gis的电网台风灾害风险评估方法
CN107194803A (zh) * 2017-05-19 2017-09-22 南京工业大学 一种p2p网贷借款人信用风险评估的装置
CN107256447A (zh) * 2017-05-15 2017-10-17 国家电网公司 10kV配网架空线路雷害风险状态层级式多因素综合评估方法
CN107807309A (zh) * 2017-10-27 2018-03-16 广东电网有限责任公司中山供电局 一种基于大数据的输电线路故障预警方法及系统
CN109214604A (zh) * 2018-11-02 2019-01-15 国网湖南省电力有限公司 基于Adaboost的输变电设备的雾霾灾害风险预测方法及系统
CN109243145A (zh) * 2018-07-23 2019-01-18 中国电力科学研究院有限公司 一种输电线路地质灾害的分区评估预警方法及系统
CN109492783A (zh) * 2018-11-14 2019-03-19 中国电力科学研究院有限公司 一种基于gbdt的电力计量设备故障风险预测方法
KR102042645B1 (ko) * 2018-12-21 2019-11-27 (주)위세아이텍 복합모형을 활용한 선로 위험도 예측 장치 및 방법
CN110675243A (zh) * 2019-08-30 2020-01-10 北京银联金卡科技有限公司 一种融合机器学习的信贷预测逾期方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100578488C (zh) * 2008-04-21 2010-01-06 国网武汉高压研究院 电网雷害分布确定方法
US9609074B2 (en) * 2014-06-18 2017-03-28 Adobe Systems Incorporated Performing predictive analysis on usage analytics

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930348A (zh) * 2012-10-19 2013-02-13 广东电网公司电力科学研究院 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法
WO2014101636A1 (zh) * 2012-12-31 2014-07-03 北京邮电大学 一种电力通信网风险评估方法
CN104574217A (zh) * 2015-01-22 2015-04-29 国家电网公司 一种智能配电网在线风险评估方法
CN106570651A (zh) * 2016-11-09 2017-04-19 国家电网公司 一种输电线路绝缘子污闪风险评估方法
CN106611245A (zh) * 2016-12-21 2017-05-03 国网福建省电力有限公司 一种基于gis的电网台风灾害风险评估方法
CN107256447A (zh) * 2017-05-15 2017-10-17 国家电网公司 10kV配网架空线路雷害风险状态层级式多因素综合评估方法
CN107194803A (zh) * 2017-05-19 2017-09-22 南京工业大学 一种p2p网贷借款人信用风险评估的装置
CN107807309A (zh) * 2017-10-27 2018-03-16 广东电网有限责任公司中山供电局 一种基于大数据的输电线路故障预警方法及系统
CN109243145A (zh) * 2018-07-23 2019-01-18 中国电力科学研究院有限公司 一种输电线路地质灾害的分区评估预警方法及系统
CN109214604A (zh) * 2018-11-02 2019-01-15 国网湖南省电力有限公司 基于Adaboost的输变电设备的雾霾灾害风险预测方法及系统
CN109492783A (zh) * 2018-11-14 2019-03-19 中国电力科学研究院有限公司 一种基于gbdt的电力计量设备故障风险预测方法
KR102042645B1 (ko) * 2018-12-21 2019-11-27 (주)위세아이텍 복합모형을 활용한 선로 위험도 예측 장치 및 방법
CN110675243A (zh) * 2019-08-30 2020-01-10 北京银联金卡科技有限公司 一种融合机器学习的信贷预测逾期方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
考虑降雨诱发次生地质灾害的电网风险评估方法;邓创;刘友波;刘俊勇;黄丹青;;电网技术(第12期);第3825-3832页 *
邵亚洁.基于复合CatBoost 模型的P2P网贷违约分类预测.中国优秀硕士学位论文全文数据库经济与管理科学辑.2019,(第2019年第08期期),第1-36页. *

Also Published As

Publication number Publication date
CN111275298A (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN110738355A (zh) 一种基于神经网络的城市内涝预测方法
CN112598883B (zh) 基于贝叶斯网络的输电线路落雷概率预警方法及预警系统
CN109543870B (zh) 一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法
CN105279612A (zh) 一种基于泊松分布的输电线路跳闸风险评估方法
CN113470316B (zh) 一种基于自编码单分类模型的泥石流监测预警方法
CN115267945A (zh) 一种基于图神经网络的雷电预警方法与系统
CN111311027A (zh) 一种用于输电线路的风速预测方法
CN111325947A (zh) 一种基于长短期记忆网络的风暴潮洪涝预警方法和系统
CN115730684A (zh) 一种基于lstm-cnn模型的空气质量检测系统
CN115331391A (zh) 分布式结构振动监测数据智能化报警与恢复方法
CN116740523A (zh) 一种基于图像多层次融合卷积的回转支承故障诊断方法
CN113985496B (zh) 一种基于lstm-gm神经网络模型的风暴潮智能预报方法
CN111222709A (zh) 一种国家电网树线放电预测方法
CN117332291B (zh) 一种面向分布式光伏的区域资源监测布局方法及系统
CN114594532A (zh) 一种寒潮天气预测方法、装置、电子设备及计算机可读介质
CN110929952A (zh) 基于线路周边环境和敷设类型的光缆故障概率预测方法
CN111275298B (zh) 一种基于电网的地质灾害风险预警方法
CN111291027B (zh) 一种数据预处理方法
CN113821895A (zh) 输电线路覆冰厚度预测模型的构建方法、装置及存储介质
CN111310785A (zh) 一种国家电网机械外破预测方法
CN111696330A (zh) 一种用于输电线路风灾的分类方法和系统
CN113126154A (zh) 一种地震预报的面波频谱分析方法
Zhao et al. Prediction Method of Optical Cable Line Fault Probability Based on Improved KNN Algorithm
CN117196350B (zh) 一种矿山地质环境特征监测与恢复治理方法及系统
CN116295539B (zh) 基于城市地下空间勘探数据的地下空间监测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231031

Address after: 310000 No. 59, Jiefang East Road, Shangcheng District, Hangzhou City, Zhejiang Province

Applicant after: HANGZHOU POWER SUPPLY COMPANY, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd.

Applicant after: ZHEJIANG DAYOU INDUSTRIAL Co.,Ltd. HANGZHOU SCIENCE AND TECHNOLOGY DEVELOPMENT BRANCH

Address before: Room B1-201-28, No. 198, Qidi Road, Xiaoshan Economic and Technological Development Zone, Xiaoshan District, Hangzhou City, Zhejiang Province, 311200

Applicant before: HANGZHOU HUAWANG INFORMATION TECHNOLOGY CO.,LTD.

GR01 Patent grant
GR01 Patent grant