公开(公告)号：CN118411160B

公开(公告)日：2024-11-05

申请号：CN202410879277.X

申请日：2024-07-02

Applicant: 无锡学院

Inventor： 孙宁 ,  陈豪 ,  颜云松 ,  夏庆锋 ,  周君荣 ,  王松雷 ,  熊雄

IPC: G06Q10/20 ,  G06Q50/06 ,  G06F18/2415 ,  G06F18/214 ,  G06N3/0464 ,  H02J13/00 ,  G01R31/08

Abstract: 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。

公开(公告)号：CN118411160A

公开(公告)日：2024-07-30

申请号：CN202410879277.X

申请日：2024-07-02

Applicant: 无锡学院

Inventor： 孙宁 ,  陈豪 ,  颜云松 ,  夏庆锋 ,  周君荣 ,  王松雷 ,  熊雄

IPC: G06Q10/20 ,  G06Q50/06 ,  G06F18/2415 ,  G06F18/214 ,  G06N3/0464 ,  H02J13/00 ,  G01R31/08

Abstract: 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。