本發(fa)明(ming)涉及風險預警領域，具體是指智能化(hua)電力設施氣象(xiang)災害風險預警系統。

背景技術：

1、電(dian)力(li)設施(shi)作(zuo)為基(ji)礎設施(shi)的(de)(de)重要(yao)組成部分(fen)(fen)，其(qi)穩定運行直接關系(xi)(xi)到(dao)社會經濟活動(dong)的(de)(de)正(zheng)常(chang)開展(zhan)。然而，電(dian)力(li)設施(shi)的(de)(de)運作(zuo)深受環(huan)(huan)境(jing)因素，尤其(qi)是(shi)氣象(xiang)(xiang)條件(jian)的(de)(de)影響。目前，氣象(xiang)(xiang)災(zai)害預(yu)警(jing)與電(dian)力(li)設施(shi)安全之間的(de)(de)關聯主要(yao)依賴(lai)于gis（地(di)理信(xin)息系(xi)(xi)統）。通過gis，可以直觀地(di)展(zhan)示電(dian)力(li)設施(shi)所(suo)在地(di)區的(de)(de)氣象(xiang)(xiang)環(huan)(huan)境(jing)，包(bao)括實時和歷史(shi)氣象(xiang)(xiang)數據。一(yi)般的(de)(de)氣象(xiang)(xiang)預(yu)測(ce)模型基(ji)于歷史(shi)氣象(xiang)(xiang)數據的(de)(de)分(fen)(fen)析，然而，當電(dian)網(wang)規模龐大時，這種整(zheng)體性的(de)(de)分(fen)(fen)析可能過于寬泛，無(wu)法精準識別出電(dian)網(wang)中的(de)(de)關鍵敏感點，從而限制了預(yu)警(jing)系(xi)(xi)統的(de)(de)實用價值和針對性。

技術實現思路

1、針對上(shang)述情(qing)況，為克服現有技(ji)術的(de)(de)(de)(de)(de)缺陷，本(ben)發明提供了智(zhi)能化(hua)電(dian)力(li)設(she)施氣(qi)象(xiang)災害(hai)(hai)風險(xian)預(yu)警(jing)系(xi)(xi)統(tong)，針對氣(qi)象(xiang)災害(hai)(hai)預(yu)警(jing)與電(dian)力(li)設(she)施安(an)全之間(jian)的(de)(de)(de)(de)(de)關(guan)(guan)(guan)聯主(zhu)要依(yi)賴于(yu)(yu)gis的(de)(de)(de)(de)(de)問題，利(li)用傳感(gan)(gan)器網(wang)絡(luo)、自動(dong)氣(qi)象(xiang)站和遙感(gan)(gan)技(ji)術實(shi)時(shi)(shi)監測(ce)(ce)并收(shou)集電(dian)力(li)設(she)施所在(zai)地(di)區的(de)(de)(de)(de)(de)各種(zhong)氣(qi)象(xiang)相關(guan)(guan)(guan)數(shu)據(ju)；針對一般的(de)(de)(de)(de)(de)氣(qi)象(xiang)預(yu)測(ce)(ce)模(mo)(mo)型(xing)(xing)基(ji)于(yu)(yu)歷(li)史氣(qi)象(xiang)數(shu)據(ju)的(de)(de)(de)(de)(de)分析，整體性(xing)的(de)(de)(de)(de)(de)分析可(ke)能過于(yu)(yu)寬泛，無法精(jing)準識別出電(dian)網(wang)中的(de)(de)(de)(de)(de)關(guan)(guan)(guan)鍵(jian)敏感(gan)(gan)點的(de)(de)(de)(de)(de)問題，采用改(gai)進的(de)(de)(de)(de)(de)transformer生成模(mo)(mo)型(xing)(xing)對氣(qi)象(xiang)相關(guan)(guan)(guan)數(shu)據(ju)進行綜合分析，生成災害(hai)(hai)預(yu)測(ce)(ce)模(mo)(mo)型(xing)(xing)，提高氣(qi)象(xiang)災害(hai)(hai)預(yu)測(ce)(ce)的(de)(de)(de)(de)(de)實(shi)時(shi)(shi)性(xing)和準確性(xing)；同時(shi)(shi)，在(zai)改(gai)進的(de)(de)(de)(de)(de)transformer生成模(mo)(mo)型(xing)(xing)中添(tian)加多(duo)尺度(du)(du)局部注意力(li)機制(zhi)減少無關(guan)(guan)(guan)信(xin)息的(de)(de)(de)(de)(de)影響，同時(shi)(shi)捕獲不(bu)同因素的(de)(de)(de)(de)(de)上(shang)下級依(yi)賴關(guan)(guan)(guan)系(xi)(xi)，增(zeng)強模(mo)(mo)型(xing)(xing)對邊界信(xin)息的(de)(de)(de)(de)(de)敏感(gan)(gan)度(du)(du)，提高模(mo)(mo)型(xing)(xing)對電(dian)網(wang)中的(de)(de)(de)(de)(de)關(guan)(guan)(guan)鍵(jian)敏感(gan)(gan)點提取的(de)(de)(de)(de)(de)準確性(xing)，提高預(yu)警(jing)系(xi)(xi)統(tong)的(de)(de)(de)(de)(de)實(shi)用價值(zhi)和針對性(xing)。

2、本(ben)發明提供(gong)的智能化電力設施氣(qi)象災害風險預警系統，包括數(shu)(shu)據(ju)采集模(mo)(mo)(mo)塊(kuai)、數(shu)(shu)據(ju)分(fen)析與(yu)建模(mo)(mo)(mo)模(mo)(mo)(mo)塊(kuai)、預警與(yu)決策支持模(mo)(mo)(mo)塊(kuai)、可視化與(yu)報告模(mo)(mo)(mo)塊(kuai)和聯動響應(ying)模(mo)(mo)(mo)塊(kuai)；

3、所述數(shu)(shu)(shu)據(ju)(ju)采(cai)集模(mo)塊利(li)用傳(chuan)感器網絡、自動氣象站(zhan)和(he)遙感技術收集實(shi)時的氣象數(shu)(shu)(shu)據(ju)(ju)，監測電力設(she)施(shi)的關鍵參(can)數(shu)(shu)(shu)，并將氣象數(shu)(shu)(shu)據(ju)(ju)和(he)電力設(she)施(shi)的關鍵參(can)數(shu)(shu)(shu)作為(wei)原(yuan)始數(shu)(shu)(shu)據(ju)(ju)傳(chuan)輸至數(shu)(shu)(shu)據(ju)(ju)分析(xi)與建模(mo)模(mo)塊；

4、所述數(shu)據(ju)分析(xi)與(yu)建(jian)模模塊使用改進的transformer生成(cheng)模型對(dui)原(yuan)始(shi)數(shu)據(ju)進行處理分析(xi)，識別潛(qian)在的氣(qi)(qi)象(xiang)災(zai)(zai)害(hai)(hai)風險(xian)，構建(jian)災(zai)(zai)害(hai)(hai)預(yu)測模型，預(yu)測特定氣(qi)(qi)象(xiang)條(tiao)件下電(dian)力設施可能遭(zao)受的影(ying)響，生成(cheng)氣(qi)(qi)象(xiang)災(zai)(zai)害(hai)(hai)風險(xian)預(yu)測信息，并傳輸至預(yu)警與(yu)決(jue)策(ce)支持模塊進行預(yu)警；

5、所(suo)述預警(jing)與決策(ce)支(zhi)持模塊(kuai)接收氣象災害風險預測信息并(bing)檢測，當(dang)檢測到(dao)高風險氣象條件時，自動觸發(fa)預警(jing)機制，生成(cheng)預警(jing)信息，向電(dian)力公司、應急(ji)管理部門(men)和相(xiang)關工作人員發(fa)送預警(jing)信息，提供決策(ce)支(zhi)持工具，幫助(zhu)電(dian)力運(yun)營商制定預防措施(shi)和緊急(ji)響(xiang)應計劃；

6、所(suo)述可視化與(yu)報告模塊提供用(yong)戶互動界面，顯(xian)示氣(qi)象數據、氣(qi)象災害(hai)風險預(yu)測信(xin)息(xi)和(he)預(yu)警信(xin)息(xi)，以便進(jin)行回顧性(xing)分析(xi)和(he)改進(jin)系統(tong)性(xing)能；

7、所述聯動(dong)響(xiang)應模塊與電(dian)(dian)力(li)系統聯動(dong)，實現電(dian)(dian)力(li)的自動(dong)化控制(zhi)和(he)保護(hu)動(dong)作，包括調(diao)整負荷分配、斷(duan)開易受損(sun)線路或(huo)啟(qi)動(dong)備(bei)用電(dian)(dian)源(yuan)，協調(diao)應急資源(yuan)調(diao)度，確保在災害發(fa)生時能夠迅速恢復(fu)電(dian)(dian)力(li)供(gong)應。

8、進一步的，所述數(shu)據分(fen)析(xi)與建(jian)模(mo)模(mo)塊使(shi)用改進的transformer生成模(mo)型(xing)對原始數(shu)據進行處理分(fen)析(xi)，具體包括以下步驟(zou)：

9、步驟s1：數據預(yu)處理，將(jiang)原始數據進(jin)行去噪(zao)和(he)歸一化處理，得到預(yu)處理數據；

10、步驟s2：條件(jian)(jian)生成(cheng)(cheng)對抗(kang)(kang)網絡構建(jian)，使用生成(cheng)(cheng)器和(he)判別器組成(cheng)(cheng)生成(cheng)(cheng)對抗(kang)(kang)網絡，并(bing)添加具有引導生成(cheng)(cheng)過程的(de)條件(jian)(jian)輸(shu)入(ru)信息(xi)和(he)隨機噪聲(sheng)，構建(jian)條件(jian)(jian)生成(cheng)(cheng)對抗(kang)(kang)網絡；

11、步(bu)驟s3：生(sheng)成器(qi)構(gou)(gou)建，使用u-net作為基礎架(jia)構(gou)(gou)，并加入(ru)注意力門控進(jin)行特(te)征提取和拼接；

12、步(bu)驟s4：判別(bie)器構建，使用patchgan（patch-based?gan）作為判別(bie)器，以局部(bu)級別(bie)區分(fen)真假圖(tu)像(xiang)，判別(bie)器的(de)網絡結構包括(kuo)一(yi)個(ge)(ge)輸入層(ceng)(ceng)、四(si)層(ceng)(ceng)卷積層(ceng)(ceng)和一(yi)個(ge)(ge)輸出層(ceng)(ceng)，每個(ge)(ge)卷積層(ceng)(ceng)包含2*2的(de)二維卷積、零填充(chong)、批量歸一(yi)化及relu激(ji)活函數；

13、步驟s5：transformer模型構(gou)建(jian)，使用編碼器(qi)-解碼器(qi)結(jie)構(gou)構(gou)建(jian)transformer模型，生(sheng)成重(zhong)構(gou)數據(ju)；

14、步驟s6：模型訓練(lian)，設置迭(die)代次(ci)數和輸入條件，生(sheng)(sheng)成(cheng)(cheng)(cheng)隨(sui)機噪聲，使用(yong)transformer模型對(dui)預(yu)(yu)處理數據(ju)(ju)進行(xing)處理，得(de)到重構(gou)數據(ju)(ju)；使用(yong)生(sheng)(sheng)成(cheng)(cheng)(cheng)器接收(shou)隨(sui)機噪聲和條件輸入，生(sheng)(sheng)成(cheng)(cheng)(cheng)預(yu)(yu)測(ce)數據(ju)(ju)；使用(yong)判別器區分生(sheng)(sheng)成(cheng)(cheng)(cheng)器生(sheng)(sheng)成(cheng)(cheng)(cheng)的(de)數據(ju)(ju)和真實數據(ju)(ju)，并計算判別器和生(sheng)(sheng)成(cheng)(cheng)(cheng)器損(sun)失，進行(xing)迭(die)代訓練(lian)，直到達到預(yu)(yu)定的(de)迭(die)代次(ci)數，得(de)到訓練(lian)好的(de)災害預(yu)(yu)測(ce)模型；

15、步驟s7：損失函數計(ji)(ji)算(suan)，計(ji)(ji)算(suan)條件生成對(dui)抗網絡的損失，所用公式(shi)如下：

16、<msub><mi>l</mi><mi>cgan</mi></msub><mi>g,d</mi></mfenced><mi>=</mi><msub><mi>e</mi><mi>x,y</mi></msub><mrow><mi>logd</mi><mi>x,y</mi></mfenced></mrow></mfenced><mo>+</mo><msub><mi>e</mi><mi>x,z</mi></msub><mi>[</mi><mrow><mi>log</mi&gt;<mrow><mi>1-d</mi><mi>x,g(x,z)</mi></mfenced></mrow></mfenced></mrow><mi>]</mi>；

17、式(shi)中(zhong)，為生成器，為判別器，為輸入數(shu)據(ju)，為真(zhen)實數(shu)據(ju)，為隨機噪聲，為對(dui)數(shu)函(han)數(shu)，表示和(he)的(de)期望(wang)，表示和(he)的(de)期望(wang)，為條件生成對(dui)抗網絡的(de)損失函(han)數(shu)；

18、進一步(bu)的，在步(bu)驟s3中，生成器構(gou)建，具體包括(kuo)以下(xia)步(bu)驟：

19、步驟(zou)s31：網(wang)絡結構，生成器的網(wang)絡包括輸入層(ceng)(ceng)、五個卷積層(ceng)(ceng)、兩個最大池化層(ceng)(ceng)、兩個上(shang)采樣層(ceng)(ceng)和一(yi)個輸出層(ceng)(ceng)；

20、步驟s32：特(te)征(zheng)收縮(suo)，輸入條件輸入信息和隨機噪(zao)聲，使用卷積(ji)層進行特(te)征(zheng)提取，并使用最大池(chi)化層進行下采樣，生(sheng)成不(bu)同級別(bie)的(de)收縮(suo)特(te)征(zheng)圖(tu)；

21、步驟s33：特征擴(kuo)張(zhang)，使用2*2二維上采(cai)樣(yang)操作生(sheng)成(cheng)不同級別的擴(kuo)張(zhang)特征圖；

22、步驟s34：圖像(xiang)拼(pin)接(jie)，使用注意(yi)力門(men)控將相同(tong)級別的收縮(suo)特(te)征(zheng)圖和擴(kuo)張特(te)征(zheng)圖進行拼(pin)接(jie)，得(de)到拼(pin)接(jie)特(te)征(zheng)圖；

23、步(bu)驟(zou)s35：輸(shu)出圖像，使用1*1二維卷積和dropout層對(dui)拼接特征圖進行處理，并使用線性函數(shu)進行激活，輸(shu)出最終的預測圖像；

24、進(jin)一步的(de)，在步驟s5中，transformer模型構建，具(ju)體(ti)包括以下步驟：

25、步驟s51：編碼(ma)器，使(shi)用(yong)efficientnet卷積網絡進行(xing)特(te)(te)征(zheng)提取，提取預處理(li)數(shu)(shu)據中的特(te)(te)征(zheng)信息，輸出編碼(ma)特(te)(te)征(zheng)數(shu)(shu)據；

26、步(bu)驟s52：添加transformer層(ceng)，在編碼(ma)(ma)器之后，加入融合(he)多尺度局部注意力機制和自我注意的transformer層(ceng)，捕捉編碼(ma)(ma)特(te)征數據中的長程依賴關系，輸出依賴特(te)征數據；

27、步(bu)驟s53：解碼器，使用2*2二維(wei)卷積層和(he)上采樣操(cao)作對輸出的(de)編碼特征數據(ju)和(he)依賴特征數據(ju)進行(xing)重構(gou)，輸出重構(gou)數據(ju)；

28、進(jin)一步的，步驟(zou)s52中(zhong)，所述多尺度局部注意力(li)機制，具體包(bao)括以下步驟(zou)：

29、步(bu)驟s521：獲取隱(yin)藏(zang)狀(zhuang)態，獲取編碼(ma)器處理預處理數(shu)(shu)據(ju)(ju)時產生的編碼(ma)特征數(shu)(shu)據(ju)(ju)的隱(yin)藏(zang)狀(zhuang)態,其中，為(wei)索引，表示(shi)在當前(qian)時間(jian)步(bu)長上的隱(yin)藏(zang)狀(zhuang)態，表示(shi)總的時間(jian)步(bu)長；

30、步(bu)驟(zou)s522：定義(yi)局(ju)部(bu)上(shang)下文(wen)窗口，對于(yu)每(mei)個(ge)，定義(yi)一個(ge)大小為(wei)的(de)局(ju)部(bu)上(shang)下文(wen)窗口，其中，是當(dang)前時間(jian)步(bu)的(de)偏移量，窗口包括(kuo)從到的(de)隱藏狀(zhuang)態；

31、步驟s523：計(ji)(ji)算注意(yi)力(li)得(de)分(fen)(fen)，在(zai)窗口內，對于每個的隱藏狀(zhuang)態，計(ji)(ji)算注意(yi)力(li)得(de)分(fen)(fen)，所用公式如下：

32、；

33、式(shi)中(zhong)，，和表示可學習權(quan)重矩陣，為雙曲正切(qie)非線性激活函數(shu)，為轉置(zhi)操作，為時(shi)(shi)間(jian)步長的隱(yin)藏狀(zhuang)態，為自然(ran)數(shu)，取值為<mi>[</mi><mi>t</mi><mi>-</mi><mi>n</mi><mi>,</mi><mi>t+n</mi><mi>]</mi>，表示在時(shi)(shi)間(jian)步長時(shi)(shi)，計(ji)算出的注意力得(de)分；

34、步驟s524：歸一(yi)化注(zhu)意力權(quan)重(zhong)，將注(zhu)意力得分(fen)轉換(huan)為概率(lv)分(fen)布，使用softmax函數(shu)來(lai)實現，得到(dao)歸一(yi)化的注(zhu)意力權(quan)重(zhong)，所用公式如下(xia)：

35、；

36、式(shi)中，為自(zi)然(ran)數，取值為<mi>[</mi><mi>t</mi><mi>-</mi>;<mi>n</mi><mi>,</mi><mi>t+n</mi><mi>]</mi>，表(biao)示時間步長(chang)時，計算出的注(zhu)(zhu)意力得分(fen)，為自(zi)然(ran)指數函數，為歸一(yi)化注(zhu)(zhu)意力權(quan)重；

37、步驟(zou)s525：加權(quan)求和，使用(yong)歸一化后(hou)的注意(yi)(yi)力(li)權(quan)重對窗口內的隱藏狀態(tai)進行(xing)加權(quan)求和，生成當前時間步長的注意(yi)(yi)力(li)向量，所用(yong)公式如下：

38、；

39、式中(zhong)，表示(shi)當前時間(jian)步(bu)長的注意(yi)力向量。

40、采用上述方案本發明取得的有益(yi)效果如下：

41、（1）針(zhen)對氣象(xiang)(xiang)災(zai)害(hai)預警與電(dian)力設施安全之間的(de)關(guan)聯主要依賴于(yu)gis的(de)問(wen)題(ti)，利用傳感器(qi)網絡、自(zi)動氣象(xiang)(xiang)站和遙感技術實(shi)時監(jian)測(ce)并(bing)收集電(dian)力設施所在地(di)區(qu)的(de)各(ge)(ge)種氣象(xiang)(xiang)相(xiang)關(guan)數據；針(zhen)對一般的(de)氣象(xiang)(xiang)預測(ce)模型基于(yu)歷史氣象(xiang)(xiang)數據的(de)分析(xi)，整體性(xing)的(de)分析(xi)可能過(guo)于(yu)寬泛，無(wu)法精準識別出(chu)電(dian)網中的(de)關(guan)鍵敏感點的(de)問(wen)題(ti)，采用改進的(de)transformer生成(cheng)模型對各(ge)(ge)種氣象(xiang)(xiang)相(xiang)關(guan)數據進行綜合分析(xi)，生成(cheng)災(zai)害(hai)預測(ce)模型，提高氣象(xiang)(xiang)災(zai)害(hai)預測(ce)的(de)實(shi)時性(xing)和準確(que)性(xing)；

42、（2）在改進的(de)(de)(de)transformer生成(cheng)模型中添(tian)加(jia)多尺度局部注意力(li)機制減少無(wu)關信息的(de)(de)(de)影響，同(tong)時捕獲不同(tong)因素的(de)(de)(de)上下級(ji)依賴關系，增強模型對邊界(jie)信息的(de)(de)(de)敏(min)感度，提(ti)(ti)高模型對電網中的(de)(de)(de)關鍵敏(min)感點提(ti)(ti)取的(de)(de)(de)準(zhun)確性，提(ti)(ti)高預警(jing)系統的(de)(de)(de)實用價值和針對性，確保在氣象災(zai)害(hai)來臨(lin)前能夠(gou)及時、準(zhun)確地發出預警(jing)，保護電力(li)基礎設施免受(shou)損害(hai)。