(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 202111646547.5 (22)申请日 2021.12.2 9 (71)申请人 广东电网有限责任公司 地址 510000 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司电力科 学研 究院 (72)发明人 魏瑞增　王磊　黄勇　饶章权　 田翔　周恩泽　何浣　刘淑琴　 章坚　刘通　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 郭浩辉 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06N 5/00(2006.01) (54)发明名称 基于多源异构数据的杆塔受损预测方法、 装 置及存储介质 (57)摘要 本发明公开了基于多源异构数据的杆塔受 损预测方法、 装置及存储介质。 该方法通过获取 样本数据集， 所述样本数据集包括各个网格区域 的特征数据集和标签集， 所述特征数据集包括各 个网格区域的台风数据、 各个网格区域的电网数 据和各个网格区域的地理数据； 所述网格区域为 根据预设尺度对预测区域进行网格划分后得到 的区域； 将所述预测区域的预测数据集输入至基 于GBDT的风灾杆塔受损预测模型， 得到 各个网格 区域的杆塔受损比例。 本发明技术方案实现了在 台风灾害发生前， 对特定区域中杆塔受损概率的 准确预测。 权利要求书2页 说明书9页 附图1页 CN 114399097 A 2022.04.26 CN 114399097 A 1.一种基于多源异构数据的杆塔受损预测方法， 其特 征在于， 包括以下步骤： 获取样本数据集， 所述样本数据集包括各个网格区域的特征数据集和标签集， 所述特 征数据集包括各个网格区域的台风数据、 各个网格区域的电网数据和各个网格区域的地理 数据； 所述网格区域 为根据预设尺度对预测区域进行网格划分后得到的区域； 对所述样本数据集进行预处理后， 根据预设比例将所述样本数据集划分为训练数据集 和验证数据集； 根据GBDT算法建立风灾杆塔受损预测模型后， 根据所述训练数据集训练所述风灾杆塔 受损预测模型， 根据所述验证数据集对所述 风灾杆塔受损预测模型进行验证； 将所述预测区域的预测数据集输入至所述风灾杆塔受损预测模型， 得到各个网格区域 的杆塔受损比例。 2.根据权利要求1所述的基于多源异构数据的杆塔受损预测方法， 其特征在于， 所述台 风数据包括各个网格区域的最大阵风风速、 各个网格区域的台风登陆时的10级风圈半径大 小、 台风登陆地 点是否在所述预测区域和各个网格区域的台风 等级； 所述电网数据包括各个网格区域的线路长度、 各个网格区域的杆塔总数和各个网格区 域的拉线数量； 所述地理数据包括各个网格区域的经度、 各个网格区域的维度、 各个网格区域的海拔、 各个网格区域的坡度、 各个网格区域的坡向、 各个网格区域的地表类型和各个网格区域的 下垫面类型。 3.根据权利要求2所述的基于多源异构数据的杆塔受损预测方法， 其特征在于， 所述标 签集包括各个网格区域的杆塔受损数量和各个网格区域的杆塔受损比例。 4.根据权利要求3所述的基于多源异构数据的杆塔受损预测方法， 其特征在于， 根据 所 述各个网格区域的述杆塔受损率和各个网格区域的杆塔数量计算所述预测区域的受损杆 塔总数。 5.根据权利要求4所述的基于多源异构数据的杆塔受损预测方法， 其特征在于， 根据 各 个网格区域 实际的杆塔受损数量、 预测的杆塔受损数量、 预测数量误差和预测误差比例， 计 算所述风灾杆塔受损预测模型的第一评估结果和 第二评估结果； 所述预测数量误差为实际 的杆塔受损数量和预测的杆塔受损数量之 间的差值， 所述预测误差比例为所述差值与实际 的杆塔受损数量之间的比值。 6.根据权利要求5所述的基于多源异构数据的杆塔受损预测方法， 其特征在于， 根据以 下公式计算所述 风灾杆塔受损预测模型的第一评估结果： 其中， y_pre为所述预测的杆塔受损 数量,Y_act为所述实际的杆塔受损 数量,s为所述 预测数量误差， n(|y_pre ‑Y_act|>s)为所述预测数量误差超过s的所述网格 区域的数量， N 为所述网格区域的总数。 7.根据权利要求6所述的基于多源异构数据的杆塔受损预测方法， 其特征在于， 根据以 下公式计算所述 风灾杆塔受损预测模型的第二评估结果：权　利　要　求　书 1/2 页 2 CN 114399097 A 2其中， y_pre为所述预测的杆塔受损 数量,Y_act为所述实际的杆塔受损 数量,r为所述 预测误差比例， 为所述预测误差比例超过r的所述网格区域的数量， N 为所述网格区域的总数。 8.根据权利要求1至7任一项所述的基于多源异构数据的杆塔受损预测方法， 其特征在 于， 所述风灾杆塔受损预测模型的最终输出模型为： 其中， A为指示函数， 当X属于叶子区域Eq,j时A为1， 否则A为0； φq为第q棵决策树， J为第q 棵决策树叶子节点的数目， X为特征数据集， F0(X)为所述风灾杆塔受损预测模型的初始化 模型。 9.一种基于多源异构数据的杆塔受损预测装置， 其特征在于， 包括样本数据获取模块、 样本数据处 理模块、 模型训练模块和杆塔受损预测模块； 所述样本数据获取模块用于获取样本数据集， 所述样本数据集包括各个网格区域的特 征数据集和标签集， 所述特征数据集包括各个网格区域的台风数据、 各个网格区域的电网 数据和各个网格区域的地理数据； 所述网格区域为根据预设尺度对预测区域进行网格划分 后得到的区域； 所述样本数据处理模块用于对所述样本数据集进行预处理后， 根据预设比例将所述样 本数据集划分为训练数据集和验证数据集； 所述模型训练模块用于根据GBDT算法建立风灾杆塔受损预测模型后， 根据所述训练数 据集训练所述风灾杆塔受损预测模型， 根据所述验证数据集对所述风灾杆塔受损预测模型 进行验证； 所述杆塔受损预测模块用于将预测数据集输入至所述风灾杆塔受损预测模型， 得到各 个网格区域的杆塔受损比例。 10.一种可读存储介质， 其特征在于， 所述可读存储介质包括存储的计算机程序， 所述 计算机程序执行时， 控制所述可读存储介质所在的设备执行如权利要求 1至8中任意一项 所 述的基于多源异构数据的杆塔受损预测方法。权　利　要　求　书 2/2 页 3 CN 114399097 A 3