(19)中华 人民共和国 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 202111507594.1 (22)申请日 2021.12.10 (71)申请人 华北电力大 学 地址 102206 北京市昌平区回龙观北农路2 号 (72)发明人 王愈轩　章思远　黄永章　 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 40/06(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/20(2019.01) (54)发明名称 一种基于LSTM-XGboost组合的防冰技改项 目投资预测方法及装置 (57)摘要 本发明适用 于输电线路防冰技改投资预测 领域， 提供了一种基于LSTM ‑XGboost组合的防冰 技改项目投资预测方法及装置， 其中上述方法包 括： 获取防冰技改项目历史数据； 根据收集的历 史数据信息， 采用MIC(最大信息系数)方法分析 历史数据之间的相关性； 对数据进行归一化预处 理， 并将其按比例划分训练集和测试集； 构建 LSTM和XGboost预测模型， 并对模型进行超参数 设置； 将训练集数据代入LSTM和XGboost模型进 行训练学习； 将测试集数据代入训练好的LS TM和 XGboost模型进行预测， 得到LS TM和XGboost预测 结果； 根据预测结果， 采用数学误差倒数法构建 组合预测模型， 并输出组合预测值； 根据组合模 型预测值， 计算预测值的平均绝对百分误差、 均 方根误差和平均绝对误差， 用以评价组合模型的 预测效果。 权利要求书2页 说明书7页 附图2页 CN 114186736 A 2022.03.15 CN 114186736 A 1.一种基于LSTM ‑XGboost组合的防冰技改项目投资预测方法及装置， 其特征在于包 括： 历史数据收集； MIC(最大信息系数)数据信息分析、 数据预处理、 划分训练集和测试集、 LSTM和XGboost模型超参数设置、 LS TM和XGboost模型训练集学习、 LS TM和XGboo st模型对测 试集进行 预测、 数学误差倒数法构建组合模型、 预测结果分析。 2.如权利要求1所述的历史数据收集， 其特征在于， 包括线路防冰技改投资、 线路投运 时长、 线路初期建设金额、 电压等级、 防冰技改措施、 线路技改区段比例、 技改前后线路跳闸 次数变化率、 技改前后线路停 运时间变化率、 技改前后年检修运 维成本变化率、 技改前后风 险值变化 率， 总计10个历史数据信息 。 3.如权利要求2所述的技改前后线路跳闸次数变化率， 其特征在于， 在实际应用中可通 过 计算技改前后线路跳闸 次数变化 率。 其中， p2为技改前后线路跳闸次数变化率， λ1为技改前线路跳闸次数， λ2为技改后线路 跳闸次数。 4.如权利要求2所述的技改前后线路停运 时间变化率， 其特征在于， 在实际应用中可通 过 计算技改前后线路停运时间变化 率。 其中， p3为技改前后线路停运时间变化率， 为技改前线路跳闸停运时间， 为技改后 线路跳闸停运时间。 5.如权利要求2所述的技改前后 年检修运维成本变化率， 其特征在于， 在实际应用中可 通过 计算技改前后年检修 运维成本变化 率： 其中， p4为技改前后线路年检修运维成本变化率， δ1为技改前线路年检修运维成本， δ2 为技改后线路年检修 运维成本 。 6.如权利要求2所述的计算技改前后线路风险值变化率， 其特征在于， 在实际应用中可 通过 计算得到技改前后线路风险值变化 率， 其中， p5为技改前后线路风险值变化率， α1为技改前线路风险值， α2为技改后线路风险 值。 风险值的取值方法可按照α ＝ μ ×ω×τ计算得到 。 其中， α 为风险值， μ为事故发生可能性取值， 取值标准如表1所示； ω为事故发生频率取 值， 取值标准如表 2所示； τ 为事故 发生造成后果 严重性取值， 取值标准如表3所示。 表1事故发生可能性 μ取值 表2事故发生概率ω取值权　利　要　求　书 1/2 页 2 CN 114186736 A 2表3线路τ 取值 7.数学误差倒数法构建组合模型， 其特征在于， 通过将划分好的训练集数据代入LSTM 和XGboost模型进行训练学习； 将测试集数据代入训练好的LSTM和XGb oost模型进行预测， 得到LSTM和XGboost预测结果； 根据LSTM和XGboost预测结果， 采用误差倒数法 对LSTM、 XGboost模型预测结果进行加权组合， 得 到组合模型 预测输出。 其中， 所述λtLSTM、 λtXGboost分别为LSTM和XGboost模型的预测值的绝对误差， 所述 分别为LSTM和XGbo ost模型的预测值， 所述 为真实值。 8.一种基于LSTM ‑XGboost组合的防冰技改项目投资预测装置， 其特征在于， 包括： 输入 单元， 用于获取防冰技改项目历史数据信息包括线路防冰技改投资、 线路投运时长、 线路初 期建设金额、 电压等级、 防冰技改措施、 线路技改区段比例、 技改前后线路跳闸次数变化率、 技改前后线路停 运时间变化率、 技改前后年检修运维成本变化率、 技改前后风险值变化率； 程序运行单元， 根据输入单元的数据信息， 将其代入LSTM、 XGboost预测模 型进行训练、 测试 计算； 预测输出 单元， 用于完成组合模型 预测结果输出及性能评价。 9.一种终端设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至8 任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114186736 A 3