基于高效数据降维的配电网风灾停电用户数量预测模型

侯慧; 朱韶华; 俞菊芳; 李显强; 魏瑞增; 黄勇

doi:10.7500/AEPS20210317005

您当前的位置：

首页 >

文章列表页 >

基于高效数据降维的配电网风灾停电用户数量预测模型

学术研究 | 更新时间：2025-06-16

- 基于高效数据降维的配电网风灾停电用户数量预测模型
- Prediction Model for User Number in Power Outage Caused by Wind Disaster for Distribution Networks Based on High-efficient Data Dimensionality Reduction
- 电力系统自动化 2022年46卷第7期页码：69-76
- 作者机构：
  
  1.武汉理工大学自动化学院,湖北省武汉市 430070
  2.中国能源建设集团浙江省电力设计院有限公司,浙江省杭州市 310012
  3.广东省电力装备可靠性重点实验室,广东电网有限责任公司电力科学研究院,广东省广州市 510080
- 作者简介：
  
  侯慧(1981—)，女，博士，副教授，博士生导师，主要研究方向：电力系统风险评估。E-mail：houhui@whut.edu.cn
  朱韶华(1997—)，男，硕士研究生，主要研究方向：电网防灾减灾技术。E-mail：614648538@qq.com
  俞菊芳(1995—)，女，硕士，主要研究方向：电网防灾减灾技术。E-mail：15071396227@163.com
  李显强（1973—），男，通信作者，博士，讲师，主要研究方向：电力系统风险评估。E-mail：lxq@whut.edu.cn
- 基金信息：
  
  教育部产学合作协同育人资助项目(201902056044);中国南方电网有限责任公司科技项目（GDKJXM20198441(036100KK52190053)
- DOI：10.7500/AEPS20210317005
  中图分类号：
- 收稿：2021-03-17，
  
  修回：2021-10-19，
  
  网络出版：2022-01-25，
  
  纸质出版：2022-04-10
- 稿件说明：
移动端阅览
侯慧,朱韶华,俞菊芳等.基于高效数据降维的配电网风灾停电用户数量预测模型[J].电力系统自动化,2022,46(7):69-76.

HOU Hui,ZHU Shaohua,YU Jufang,et al.Prediction Model for User Number in Power Outage Caused by Wind Disaster for Distribution Networks Based on High-efficient Data Dimensionality Reduction[J].Automation of Electric Power Systems,2022,46(7):69-76.
侯慧,朱韶华,俞菊芳等.基于高效数据降维的配电网风灾停电用户数量预测模型[J].电力系统自动化,2022,46(7):69-76. DOI： 10.7500/AEPS20210317005.

HOU Hui,ZHU Shaohua,YU Jufang,et al.Prediction Model for User Number in Power Outage Caused by Wind Disaster for Distribution Networks Based on High-efficient Data Dimensionality Reduction[J].Automation of Electric Power Systems,2022,46(7):69-76. DOI： 10.7500/AEPS20210317005.

摘要

风灾可能会导致配电网大面积停电，有效的配电网停电用户数量预测可以为应急抢修提供辅助指导。文中提出了一种基于高效数据降维的配电网停电用户数量预测模型。首先，基于数据驱动的方法，考虑所有特征变量即全局变量构建了基于随机森林算法的配电网停电用户数量预测模型。然后，利用部分依赖图详细分析了台风期间影响配电网停电用户的多种特征变量与响应变量之间的关系，进行了特征降维，降维后二次建模形成了更高效的配电网停电用户数量预测模型。与考虑全局变量的预测模型相比，特征降维后配电网停电用户数量预测模型在一定程度上减轻了数据收集的工作负担、提高了计算效率，为电网防灾减灾提供了有效依据。

Abstract

Wind disaster may lead to large-scale power failure in distribution networks. Effective prediction of user number in power outage for distribution networks can provide auxiliary guidance for emergency repair. This paper proposes a prediction model for user number in power outage for distribution networks based on high-efficient data dimensionality reduction. First

based on the data-driven method and considering all characteristic variables

i.e.

global variables

a prediction model for user number in power outage for distribution networks based on random forest algorithm is constructed. Then

the relationship between various characteristic variables and response variables affecting power outage users of distribution networks during typhoon is analyzed in detail by using partial dependence plots. The characteristic dimension is reduced and the secondary modeling forms a more efficient prediction model for user number in power outage for distribution networks after dimensionality reduction. Compared with the prediction model considering global variables

the prediction model for user number in power outage for distribution networks after characteristic dimensionality reduction reduces the burden of data collection to a certain extent

improves the calculation efficiency

and provides an effective basis for disaster prevention and mitigation of power grid.

关键词

Keywords

references

安学民，孙华东，张晓涵，等 . 美国得州“2.15”停电事件分析及启示［J］. 中国电机工程学报， 2021 ， 41 （ 10 ）： 3407 - 3415 .

AN Xuemin ， SUN Huadong ， ZHANG Xiaohan ， et al . Analysis and lessons of Texas power outage event on February 15， 2021 ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 10 ）： 3407 - 3415 .

吴勇军，薛禹胜，谢云云，等 . 台风及暴雨对电网故障率的时空影响［J］. 电力系统自动化， 2016 ， 40 （ 2 ）： 20 - 29 .

WU Yongjun ， XUE Yusheng ， XIE Yunyun ， et al . Space-time impact of typhoon and rainstorm on power grid fault probability ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 2 ）： 20 - 29 .

薛禹胜，吴勇军，谢云云，等 . 复合自然灾害下的电力系统稳定性分析［J］. 电力系统自动化， 2016 ， 40 （ 4 ）： 10 - 18 .

XUE Yusheng ， WU Yongjun ， XIE Yunyun ， et al . Power system stability analysis for intercurrent natural disasters ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 4 ）： 10 - 18 .

黄勇，魏瑞增，周恩泽，等 . 台风灾害下输电线路损毁预警方法［J］. 电力系统自动化， 2018 ， 42 （ 23 ）： 142 - 147 .

HUANG Yong ， WEI Ruizeng ， ZHOU Enze ， et al . Early warning method of transmission line damage under typhoon disaster ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 23 ）： 142 - 147 .

时亚军，顾洁，李楠，等 . 基于多源数据融合的恶劣气象下10 kV配变实时状态评估［J］. 高电压技术， 2020 ， 46 （ 2 ）： 448 - 460 .

SHI Yajun ， GU Jie ， LI Nan ， et al . Real-time state assessment of 10 kV distribution transformer under severe weather based on multi-source data fusion ［J］. High Voltage Engineering ， 2020 ， 46 （ 2 ）： 448 - 460 .

李存斌，计丽妍，赵德福，等 . 基于数据驱动的电力系统灾变演化及防控研究与展望［J］. 电力系统自动化， 2020 ， 44 （ 9 ）： 1 - 11 .

LI Cunbin ， JI Liyan ， ZHAO Defu ， et al . Research and prospect of data-driven based disaster evolution and prevention of power system ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 9 ）： 1 - 11 .

GUIKEMA S D ， NATEGHI R ， QUIRING S M ， et al . Predicting hurricane power outages to support storm response planning ［J］. IEEE Access ， 2014 ， 2 ： 1364 - 1373 .

张稳，盛万兴，刘科研，等 . 计及天气因素相关性的配电网故障风险等级预测方法［J］. 电网技术， 2018 ， 42 （ 8 ）： 2391 - 2398 .

ZHANG Wen ， SHENG Wanxing ， LIU Keyan ， et al . A prediction method of fault risk level for distribution network considering correlation of weather factors ［J］. Power System Technology ， 2018 ， 42 （ 8 ）： 2391 - 2398 .

QUIRING S M ， ZHU L Y ， GUIKEMA S D . Importance of soil and elevation characteristics for modeling hurricane-induced power outages ［J］. Natural Hazards ， 2011 ， 58 （ 1 ）： 365 - 390 .

侯慧，于士文，肖祥，等 . 基于空间多源异构数据的台风下输电杆塔风险评估［J］. 电力系统自动化， 2020 ， 44 （ 10 ）： 127 - 134 .

HOU Hui ， YU Shiwen ， XIAO Xiang ， et al . Risk assessment of transmission tower in typhoon based on spatial multi-source heterogeneous data ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 10 ）： 127 - 134 .

LIU H B ， DAVIDSON R A ， APANASOVICH T V . Statistical forecasting of electric power restoration times in hurricanes and ice storms ［J］. IEEE Transactions on Power Systems ， 2007 ， 22 （ 4 ）： 2270 - 2279 .

LIU H B ， DAVIDSON R A ， ROSOWSKY D V ， et al . Negative binomial regression of electric power outages in hurricanes ［J］. Journal of Infrastructure Systems ， 2005 ， 11 （ 4 ）： 258 - 267 .

XU H H ， DENG Y . Dependent evidence combination based on Shearman coefficient and Pearson coefficient ［J］. IEEE Access ， 2018 ， 6 ： 11634 - 11640 .

BREIMAN L . Random forests ［J］. Machine Learning ， 2001 ， 45 （ 1 ）： 5 - 32 .

徐曼，乔颖，鲁宗相 . 短期风电功率预测误差综合评价方法［J］. 电力系统自动化， 2011 ， 35 （ 12 ）： 20 - 26 .

XU Man ， QIAO Ying ， LU Zongxiang . A comprehensive error evaluation method for short-term wind power prediction ［J］. Automation of Electric Power Systems ， 2011 ， 35 （ 12 ）： 20 - 26 .

RASCHKA S . Python machine learning ［M］. Birmingham， UK ： Packt Publishing ， 2015 .

HASTIE T ， TIBSHIRANI R ， FRIEDMAN J . Elements of statistical learning： data mining， inference and prediction ［M］. 2nd ed . Berlin， Germany ： Springer ， 2009 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于数据驱动预测控制的低感知度配电网在线无功优化方法

数据驱动型振荡模式预测方案及谐振抑制分析

考虑量测数据质量的集成储能智能软开关数据驱动电压控制

用电数据驱动的低压配电网负荷随机建模及不平衡评估