一种电网气象风险预警模型的检验方法及系统与流程

本发明属于电网风险预警技术领域，具体涉及一种电网气象风险预警模型的检验方法及系统。

背景技术：

架空输电线路作为电网的主要设备，分布广泛且长期暴露于自然环境中，在正常运行中面临的风险主要来源于外部的气象环境，由恶劣气象条件或气象灾害引起的线路物理失效及电气失效是线路故障的首要原因。随着电网规模的不断扩大和延伸，灾害性天气对电网安全运行的影响越来越大。能够引起输电线路故障的原因主要包括覆冰、舞动、风偏、雷击等，其中可能引发输电线路大面积跳闸故障的覆冰、舞动等原因都与气象因素关系密切。为了进一步提升电网防灾减灾能力，提高电网安全稳定运行水平，近年来涌现了许多针对能引发电网故障的各类气象灾害的预警技术、预警模型和预警系统的研究，并取得了一定的成果。如基于机器学习算法的各类输电线路覆冰舞动预警方法，针对夏季强对流的预警方法，架空输电线路大风灾害预警方法，台风预警方法，风偏预警方法等等。提前发布的及时有效的预警信息有助于提前做好针对性的防御措施，保障输电线路安全运行。

通过对电网气象风险预警进行检验，可以以反馈的方式改善预警模型，逐步提高预警模型的可用性及准确度。但是目前电网气象预警技术的发展仍处于起步阶段，对于电网气象风险预警方法的检验尚缺乏标准，仍需进一步完善。电网气象风险预警一般是基于气象预测的基础上进行的，关于气象预报数据的检验方法和指标已有成熟的体系。本发明参考气象预报校验中的相关方法，提出一种电网气象风险预警检验方法及系统，在气象检验指标的基础上加以改善以检验电网气象风险预警方法、预警系统等的效果。

技术实现要素：

为解决现有技术中存在的不足，本发明的目的在于，提供一种电网气象风险预警模型的检验方法及系统，本发明通过将电网气象风险预警结果与实际故障发生情况进行比对与校验，可以以反馈的方式改善预警模型，逐步提高预警模型的可用性及准确度。

本发明采用如下的技术方案：

一种电网气象风险预警模型的检验方法，其特征在于，所述方法包括以下步骤：

步骤1、采集待检验电网气象风险预警模型对于选定区域内线路发布的近m年的预警结果历史数据和该线路实际故障发生情况历史数据；

步骤2、基于步骤1采集的历史数据，分别记录并统计每一次预警结果和实际故障发生情况；

步骤3、预先设定电网气象风险预警校验指标，并基于步骤2的统计结果，计算电网气象风险预警校验指标值；

步骤4：基于步骤3的计算结果以及预设的评价标准，对待检验电网气象风险预警模型进行评价。

本发明还进一步采用以下优选技术方案：

在步骤2中，基于历史数据统计发布风险预警实际也发生了故障的次数naw；

发布风险预警但实际未发生故障的次数nfw；

未发布预警但实际发生了故障的次数nmw；

未发布预警实际也无故障的次数nnw。

步骤3中，所述电网气象风险预警指标包括预警正确率、预警准确率、虚警率、漏警率。

步骤3中，根据以下公式计算预警正确率：

其中，acr表示预警正确率，有预警并且实际发生了故障和未预警和实际未发生故障的情况均视为预警正确，naw+nnw表示预警正确的次数；

根据以下公式计算预警准确率：

其中，awr表示预警准确率，有预警并且实际发生了故障的情况视为预警准确，naw+nmw表示实际故障发生的总次数；

根据以下公式计算漏警率：

其中，mwr表示漏警率，naw+nmw表示实际故障发生的总次数；

根据以下公式计算计算虚警率：

其中，fwr表示虚警率，有预警但是实际未发生故障的情况视为虚报，naw+nfw表示发布的预警总次数。

所述电网气象风险预警指标还包括g-means指标；

根据以下公式计算g-means指标。

步骤4中，步骤3的计算结果中，预警正确率acr大于90％且预警准确率awr不小于90％时，评价结果为优秀；

预警正确率acr在[75％,90％)范围之内且预警准确率awr不小于75％时，评价结果为良好；

预警正确率acr在[60％,75％)范围之内且预警准确率awr不小于60％时，评价结果为合格；

预警正确率acr小于60％时，评价结果为不合格。

所述检验方法还包括步骤5：基于步骤4的评价结果输出待检验电网气象风险预警模型评价报告。

步骤5中，经过评估被评为不合格的待检验电网气象风险预警模型，输出停止使用该模型，并进行修改使其预警正确率acr不小于60％的建议；

经过评估被评为合格和/或良好的待检验电网气象风险预警模型，输出该模型可用，但需要继续提升模型准确率的建议；

经过评估被评优秀的待检验电网气象风险预警模型，输出该模型可用，但需要提高g-means值，降低漏警率和虚警率的建议。

一种用于上述的电网气象风险预警模型的检验方法的电网气象风险预警模型的检验系统，所述系统包括数据统计模块、计算模块、判断模块以及建议模块，其特征在于：

数据统计模块基于待检验预警模型对于选定区域内线路发布的近m年的预警结果历史数据和该线路实际故障发生情况历史数据，统计发布风险预警实际也发生了故障的次数naw；发布风险预警但实际未发生故障的次数nfw；未发布预警但实际发生了故障的次数nmw；未发布预警实际也无故障的次数nnw；

计算模块基于数据统计模块的统计结果，计算电网气象风险预警校验指标值；其中，电网气象风险预警指标包括预警正确率、预警准确率、虚警率、漏警率；

判断模块基于计算模块的计算结果，对待检验电网气象风险预警模型进行评价；

建议模块基于判断模块的评价结果输出对于待检验电网气象风险预警模型的改善建议。

计算模块根据以下公式计算预警正确率：

其中，acr表示预警正确率，有预警并且实际发生了故障和未预警和实际未发生故障的情况均视为预警正确，naw+nnw表示预警正确的次数；

计算模块根据以下公式计算预警准确率：

其中，awr表示预警准确率，有预警并且实际发生了故障的情况视为预警准确，naw+nmw表示实际故障发生的总次数；

计算模块根据以下公式计算漏警率：

其中，mwr表示漏警率，naw+nmw表示实际故障发生的总次数；

计算模块根据以下公式计算计算虚警率：

其中，fwr表示虚警率，有预警但是实际未发生故障的情况视为虚报，naw+nfw表示发布的预警总次数。

电网气象风险预警指标还包括g-means指标；

根据以下公式计算g-means指标。

判断模块中预设有评价标准，如下：

预警正确率acr大于90％且预警准确率awr不小于90％时，评价结果为优秀；

预警正确率acr在[75％,90％)范围之内且预警准确率awr不小于75％时，评价结果为良好；

预警正确率acr在[60％,75％)范围之内且预警准确率awr不小于60％时，评价结果为合格；

预警正确率acr小于60％时，评价结果为不合格。

判断模块的评价结果为不合格时，建议模块输入以下建议：

停止使用该模型，并进行修改使其预警正确率acr至少不小于60％；

评价结果为合格和/或良好时，建议模块输入以下建议：

该模型可用，但需要继续提升模型准确率的建议；

评价结果为优秀时，建议模块输出以下建议：

该模型可用，但需要提高g-means值，降低漏警率和虚警率。

建议模块在输出相应建议的同时，输出计算模块的所有计算结果，以供用户参考。

本发明的有益效果在于，与现有技术相比，本发明通过在气象检验指标的基础上加以改善提出电网气象风险预警模型检验方法及系统。目前电网气象预警技术的发展仍处于起步阶段，近年来涌现了许多针对电网气象灾害的预警模型的研究。但是，对于这些电网气象风险预警模型的检验尚缺乏统一标准，无法直观评定其优劣。本发明可以评估预警模型的效果，按照评价指标将其评定为不同的等级，并根据等级评价结果形成反馈建议以促进模型的进一步完善。

附图说明

图1本发明一种电网气象风险预警模型的校验方法的流程图。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

本发明提出了一种电网气象风险预警模型的检验方法，该方法通过将电网气象风险预警结果与实际故障发生情况进行比对与校验，可以以反馈的方式改善预警模型，逐步提高预警模型的可用性及准确度。

如图1所示，本发明的一种电网气象风险预警模型的校验方法具体包括如下步骤：

步骤1、采集待检验电网气象风险预警模型对于选定区域内线路发布的近m年的预警结果历史数据和该线路实际故障发生情况历史数据。

在本发明的一个实施例中，采集某气象风险预警模型的某2年的预警结果历史数据和其对应的线路实际故障发生情况历史数据。

步骤2、基于步骤1采集的历史数据，即，基于预警结果和实际故障发生情况的对应关系，分别记录每一次预警结果和与其对应的实际故障发生情况并进行统计。具体地，基于历史数据统计发布了风险预警实际也发生了故障的次数naw；发布了风险预警但实际未发生故障的次数nfw；未预警但实际发生了故障的次数nmw以及未预警实际也无故障的次数nnw。其中，未预警是指该模型的预测结果为没有风险。

具体地，在上述实施例中，根据步骤2对该风险预警模型某2年的历史数据进行统计分类，获得以下数据。

发布了预警实际也发生了故障的次数naw：13次；

有预警但实际未发生故障的次数nfw：12次；

未预警但实际发生了故障的次数nmw：1次；

未预警实际也无故障的次数nnw：349次。

步骤3、基于步骤2的统计结果，设定电网气象风险预警校验指标，并计算电网气象风险预警指标值，以对电网气象风险预警方法进行评价。其中，该电网气象风险预警检验指标包括预警正确率、预警准确率、虚警率、漏警率以及g-means指标。

具体地，预警正确率检验公式如下：

其中，acr表示预警正确率，有预警并且实际发生了故障和未预警和实际未发生故障的情况均视为预警正确，naw+nnw表示预警正确的次数。

预警准确率检验公式如下：

其中，awr表示预警准确率，有预警并且实际发生了故障的情况视为预警准确，naw+nmw表示实际故障发生的总次数，预警准确的次数占故障总次数的百分比即为预警准确率。

漏警率检验公式如下：

其中，mwr表示漏警率，未预警但是实际上有故障发生的情况视为漏报，naw+nmw表示实际故障发生的总次数，漏报的次数占故障总次数的百分比即为漏警率。

虚警率检验公式如下：

其中，fwr表示虚警率，有预警但是实际未发生故障的情况视为虚报，naw+nfw表示发布的预警总次数，虚报的次数占预警总次数的百分比即为虚警率。

并且，考虑到电力气象风险预警多属于少数类样本的预测问题，在预测故障是否发生时大都存在故障与运行数据样本不平衡的问题，因此引入用于衡量不平衡分类效果的g-means指标，将其也纳入到电网气象风险预警检验指标中。

g-means指标检验公式如下：

上述实施例中，基于步骤2和的统计数据以及步骤3的计算公式，分别计算该模型的预警正确率、预警准确率、虚警率、漏警率。其计算结果为：

预警正确率acr为96.53％；预警准确率awr为92.86％；虚警率mwr为48％；漏警率fwr为7.14％。

考虑到样本数较少，因此，引入基于g-means指标计算公式计算g-means值，其计算结果为：0.9474。

步骤4、通过对各项电网气象风险预警检验指标的分析结果得出整体评价结果。预警正确率、预警准确率越高，漏警率、虚警率越低说明电网气象预警方法可用性和准确性越好，g-means指标的值越高，说明该预警方法的效果越好。

具体地，将评价等级分为优秀、良好、合格、不合格四个等级，各个等级对应的评价指标取值范围如下所示：

优秀：90％≤awr≤100％，acr≥90％；

良好：75％≤awr＜90％，acr≥75％；

合格：60％≤awr＜75％，acr≥60％；

不合格：awr＜60％。

在上述实施例中，根据步骤4的评价等级可知，该模型预警正确率acr为96.53％，预警准确率awr为92.86％，评价结果为性能优秀。

需要说明的是，对于某些风险预警模型而言，虚警率较高是可以接受的。如舞动预警模型，首先有记录的舞动样本较少，其次发生了大范围舞动事件后，线路大都采取了加装间隔棒等防舞动措施，基于之前的训练样本得到的模型会存在一些空报情况。另外，舞动记录数据获取手段单一，受制于人生活和工作习惯的影响，舞动记录可能并未完全反映出输电线路舞动真实情况。在实际应用中，在准确率、正确率指标优秀的情况下，部分模型可能存在虚警率较高的问题。因此，在设定评价等级时，将虚警率、漏警率不作为主要指标。但是，对处于同一等级的不同预警模型，可以依据虚警率、漏警率的值再进一步地比较模型的预警效果，即，虚警率、漏警率越低，说明该预警模型的预警效果更佳。

步骤5：基于步骤4的评价结果输出评价报告。具体地，经过评估被评为不合格的预警模型，说明该模型可用性不高，预警准确率低，因此输出停止使用该模型，经进一步修改完善后再投入使用的建议；对于评价等级为合格和良好的模型，输出该模型可用，但可继续提升模型准确率的建议；对于评价等级为优秀的模型，建议可根据g-means值、漏警率、虚警率这三个指标完善模型，如提高g-means值，降低漏警率和虚警率。

在上述实施例中，该模型的评价结果为性能优秀，因此可以输出该模型可用，可通过进一步提高提高g-means值，降低漏警率和虚警率来更佳完善该预警模型的建议。

基于上述方法，本发明还提供一种用于该电网气象风险预警模型的检验方法的电网气象风险预警模型的检验系统，该系统包括数据统计模块、计算模块、判断模块以及建议模块。

具体地，数据统计模块基于待检验预警模型对于选定区域内线路发布的近m年的预警结果历史数据和该线路实际故障发生情况历史数据，统计发布风险预警实际也发生了故障的次数naw；发布风险预警但实际未发生故障的次数nfw；未发布预警但实际发生了故障的次数nmw；未发布预警实际也无故障的次数nnw。

计算模块基于数据统计模块的统计结果，计算电网气象风险预警校验指标值；其中，电网气象风险预警指标包括预警正确率、预警准确率、虚警率、漏警率。

具体地，计算模块根据以下公式计算预警正确率：

其中，acr表示预警正确率，有预警并且实际发生了故障和未预警和实际未发生故障的情况均视为预警正确，naw+nnw表示预警正确的次数；

计算模块根据以下公式计算预警准确率：

其中，awr表示预警准确率，有预警并且实际发生了故障的情况视为预警准确，naw+nmw表示实际故障发生的总次数；

计算模块根据以下公式计算漏警率：

其中，mwr表示漏警率，naw+nmw表示实际故障发生的总次数；

计算模块根据以下公式计算计算虚警率：

其中，fwr表示虚警率，有预警但是实际未发生故障的情况视为虚报，naw+nfw表示发布的预警总次数。

考虑到电力气象风险预警多属于少数类样本的预测问题，在预测故障是否发生时大都存在故障与运行数据样本不平衡的问题，因此引入常用于衡量不平衡分类效果的g-means指标，将其也纳入到电网气象风险预警检验指标中。因此，计算模块还通过以下公式计算g-means指标：

判断模块基于计算模块的计算结果，对待检验网气象风险预警模型进行评价。具体地，在计算模块的计算结果中，预警正确率acr大于90％且预警准确率awr不小于90％时，评价结果为优秀；预警正确率acr在[75％,90％)范围之内且预警准确率awr不小于75％时，评价结果为良好；预警正确率acr在[60％,75％)范围之内且预警准确率awr不小于60％时，评价结果为合格；预警正确率acr小于60％时，评价结果为不合格。

建议模块基于判断模块的评价结果输出对于待检验电网气象风险预警模型的改善建议。

具体地，判断模块的评价结果为不合格时，建议模块输入以下建议：停止使用该模型，并进行修改使其预警正确率acr至少不小于60％。

评价结果为合格和/或良好时，建议模块输入以下建议：该模型可用，但需要继续提升模型准确率的建议。

评价结果为优秀时，建议模块输出以下建议：该模型可用，但需要提高g-means值，降低漏警率和虚警率。

并且，建议模块在输出上述建议时，输出计算模块的所有计算结果，以供用户参考。

本发明的有益效果在于，与现有技术相比，本发明通过在气象检验指标的基础上加以改善提出电网气象风险预警模型检验方法。目前电网气象预警技术的发展仍处于起步阶段，近年来涌现了许多针对电网气象灾害的预警模型的研究。但是，对于这些电网气象风险预警模型的检验尚缺乏统一标准，无法直观评定其优劣。本发明可以评估预警模型的效果，按照评价指标将其评定为不同的等级，并根据等级评价结果形成反馈建议以促进模型的进一步完善。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。