(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210956251.1 (22)申请日 2022.08.10 (71)申请人 广西电网有限责任公司电力科 学研 究院 地址 530023 广西壮 族自治区南宁市 兴宁 区民主路6 -2号 (72)发明人 张炜　俸波　唐捷　刘阳升　刘鹏　 李珊　 (74)专利代理 机构 南宁东智知识产权代理事务 所(特殊普通 合伙) 45117 专利代理师 裴康明 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 一种强降雨致灾停电用户规模动态预测方 法和系统 (57)摘要 本发明公开了一种强降雨致灾停电用户规 模动态预测方法和系统， 其中该方法通过短期气 象预报信息研判是否启动预测流程； 当需要启动 预测流程时获取电力地理信息图， 并研判电力地 理信息图中供电台区是否处于强降雨影响区域 的边界范围； 当存在供电台区处于强降雨影响区 域的边界范围内时， 分别计算强降雨影 响范围内 的各供电台区的单独面积、 停电用户数、 总面积、 停电用户总数和各供电台区停电预评估准确概 率； 根据获取的数据构建测度供电台区因灾停电 范围的神经网络， 通过神经网络求解、 输出强降 雨所致停电用户规模的预测结果， 实现了基于停 电历史样 本、 降雨实时数据的大数据测度强降雨 致灾停电面积的功能， 克服了处理 高维特征输入 样本的难题。 权利要求书2页 说明书13页 附图2页 CN 115239014 A 2022.10.25 CN 115239014 A 1.一种强降雨 致灾停电用户规模动态预测方法， 其特 征在于， 包括： 获取短期 气象预报信息， 并研判是否启动预测流 程； 当需要启动所述预测流程时， 获取电力地理信息 图， 并研判所述电力地理信息 图中的 供电台区是否处于强降雨影响区域的边界范围； 当存在供电台区处于强降雨影响区域的边界范围内时， 分别计算强降雨影响范围内的 各供电台区的单独面积和停电用户数、 各供电台区的总面积和停电用户总数和各供电台区 停电预评估准确概 率； 根据强降雨影响范围内的强降雨影响范围内的各供电台区的单独面积和 停电用户数、 各供电台区的总面积和停电用户总 数、 各供电台区停电预评估准确 概率和降雨量， 构建测 度供电台区因灾停电范围的神经网络， 所述神经网络求解、 输出因强降雨所致停电用户规 模的预测结果。 2.根据权利要求1所述的强降雨致灾停电用户规模动态预测方法， 其特征在于， 所述预 测结果包括： 强降雨影响范围内的各供电台区的总面积、 强降雨致停电用户规模的动态变 化值、 变化后的停电用户总数以及实时展示图。 3.根据权利要求1所述的强降雨致灾停电用户规模动态预测方法， 其特征在于， 还包 括： 将所述预测结果按照发布规定进行发布。 4.根据权利要求1所述的强降雨致灾停电用户规模动态预测方法， 其特征在于， 强降雨 影响范围内的各供电台区的总面积通过对强降雨影响范围内的各供电台区的单独面积之 和； 强降雨影响范围内的各供电台区的停电用户总数对强降雨影响范围内的各供电台区的 停电用户数之和。 5.根据权利要求1所述的强降雨致灾停电用户规模动态预测方法， 其特征在于， 所述供 电台区停电预评估准确概 率的计算公式为： 上式中， a和b则分别是指历史样本中降雨阈值的最小值与最大值， f(x)是指供电台区 内降雨分布密度函数， d(x)是指防护等级加权系数， 防护等级越高加权系数越低。 6.根据权利要求1所述的强降雨致灾停电用户规模动态预测方法， 其特征在于， 所述神 经网络包括输入层、 隐含层和输出层； 所述输入层的节点包括： 在强降雨持续 时间内强降雨影响范围内的各供电台区的单独 面积、 各供电台区的总面积， 以及对应供电台区停电预评估准确概 率； 所述隐含层用于求 解强降雨 致停电用户规模的动态变化 值和变化后的停电用户总数； 所述输出层用于输出强降雨影响范围内的各供电台区的总面积、 强降雨致停电用户规 模的动态变化 值和变化后的停电用户总数的实时展示图。 7.根据权利要求2所述的强降雨致灾停电用户规模动态预测方法， 其特征在于， 所述强 降雨致停电用户规模的动态变化 值Vn的计算公式为： 权　利　要　求　书 1/2 页 2 CN 115239014 A 2上式中， S2、 S1分别为预测开始时、 强降雨结束时强降雨诱发洪水淹没各供电台区的单 独面积； ΔSin为预测时段Tn内某降雨量r由强降雨转变为大雨、 中雨、 小雨、 微量降雨的面积 之和， 其中， 微量降雨包括零星小雨； ΔSout为降雨量r由其他类型降雨转变为 强降雨的面积 之和， Tn为预测时段， Tn＝{1,2,3 …n}。 8.一种强降雨 致灾停电用户规模动态预测系统， 其特 征在于， 包括： 采集层， 用于通过前置采集服务器采集获取短期气象预报信息， 并研判是否需要启动 预测流程； 当需要启动所述预测流程时， 获取电力地理信息图， 并研判所述电力地理信息图 中的供电台区是否处于强降雨影响区域的边界范围； 同时， 所述前置采集服务器位于安全 接入区， 安全接入区满足使用公用通信网络、 无线通信网络通信方式时接入数据的网络安 全要求， 其中， 所述公用通信网络不包括因特网； 数据层， 用于存 储测度强降雨 致灾供电台区停电范围涉及的数据； 处理层， 通过应用服务器部署求解供计算强 降雨影响范围内的各供电台区的总面积、 停电用户总数和各供电台区停电预评估准确概率； 根据强降雨影响范围内的各供电台区的 总面积、 停电用户总 数和各供电台区停电预评估准确 概率和降雨量， 构建测度供电台区因 灾停电范围的神经网络， 所述神经网络求 解、 输出强降雨所致停电用户规模的预测结果； 应用层， 输出展示强降雨所致停电用户规模的预测结果； 并用于通过网站服务器， 面向 相关企业内的相关技 术人员发布相关强降雨 致灾供电台区停电范围的预测信息 。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的程序， 其中， 在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求 1至7中任意 一项所述的强降雨 致灾停电用户规模动态预测方法。 10.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至7中任意 一项所述的强降雨 致灾停电用户规模动态预测方法。权　利　要　求　书 2/2 页 3 CN 115239014 A 3