本发明属于电力系统，具体涉及一种台风灾害下电网停电区域预测方法、系统、存储介质及电子设备。
背景技术：
1、台风作为极端天气的一种，具有极强破坏力，近年来发生频率和强度不断上升。电网几乎每年都要遭到台风不同程度的破坏，且致灾台风频数整体呈增加趋势。台风期间电力系统故障频发，造成严重的经济损失，对日常和生产生活产生极为严重的影响。
2、电力系统具有结构复杂和设备类型多样化的特点，该特点导致其在遭遇极端灾害侵袭后，极易出现大面积、连锁型故障，且对其评估存在着困难。市面上缺乏对台风灾害后电网是否会停电的预测机制，导致运维抢修人员无法提前采取有效措施，以减小台风对电网及其使用人员的造成的损失和影响。
技术实现思路
1、本发明的目的就是为了解决上述背景技术存在的不足，提供一种台风灾害下电网停电区域预测方法、系统、存储介质及电子设备，能够有效预测台风灾害下电网区域是否会发生停电，从而有效指导运维抢修人员进行维护保障工作。
2、本发明采用的技术方案是：一种台风灾害下电网停电区域预测方法，包括以下步骤：
3、基于待预测电网区域的历史台风灾害相关状态数据，生成样本集；所述样本集的输入为待预测电网区域的台风灾害相关状态数据，训练标签为停电或者不停电的分类结论；
4、采用不同的降维方式分别处理样本集，生成对应的训练集；
5、采用不同的训练集训练不同的机器学习算法模型，得到若干个不同预测模型；
6、根据每个预测模型的评价指标确定最优的预测模型；
7、将待预测电网区域当前的台风灾害相关状态数据输入至最优的预测模型，得到待预测电网区域是否停电的预测结果。
8、上述技术方案中，待预测电网区域的台风灾害相关状态数据包括：待预测电网区域的气象信息、地理信息和电气设备信息。
9、上述技术方案中，所述气象信息包括预测区域的最大风速、风向、第一设定风速持续时间、第二设定风速持续时间、降雨量、温度和湿度。
10、上述技术方案中，所述地理信息包括经度、纬度、有无用户、海拔、坡向、下垫面类型和地表类型。
11、上述技术方案中，所述电气设备信息包括：用户数量、台变数量、箱变数量、杆塔数量、拉线数量、无拉线数量和线路长度。
12、上述技术方案中，在预测模型的训练和使用过程中，将待预测电网区域的台风灾害相关状态数据进行预处理后作为预测模型的输入；所述预处理的过程包括：使用独热编码对台风灾害相关状态数据中的字符型分类变量进行处理；对所有台风灾害相关状态数据进行归一化处理。
13、上述技术方案中，所述降维方式包括特征选取和主成分分析。
14、上述技术方案中，所述机器学习算法模型包括：k近邻算法模型、梯度提升决策树模型、极端随机树模型、随机森林模型、支持向量机模型。
15、上述技术方案中，所述评价指标包括接收者操作特征曲线下面积、准确率和f1分数。
16、上述技术方案中，针对任一个预测模型分别计算其各评价指标的值，并求取该预测模型所有评价指标的均值作为该预测模型的得分；将得分最高的预测模型作为最优的预测模型。
17、上述技术方案中，在任一个预测模型的训练过程中，针对该预测模型生成不同的超参数组合；基于对应的训练集，训练每个超参数组合下的机器学习算法模型，得到不同的初始模型；选择评价指标评分最高的初始模型，作为预测模型。
18、上述技术方案中，所述评价指标包括接收者操作特征曲线下面积、准确率和f1分数。
19、上述技术方案中，在任一个预测模型的训练过程中，还包括：针对任一个训练完成的初始模型分别计算其各评价指标的值，并求取该初始模型所有评价指标的均值作为该初始模型的评价指标评分。
20、本发明还提供了一种台风灾害下电网停电区域预测系统，包括样本集生成模型、训练集生成模块、模型训练模块、模型选择模块、预测执行模块；其中，
21、样本集生成模型用于根据待预测电网区域的历史的台风灾害相关状态数据，生成样本集；
22、训练集生成模块用于采用不同的降维方式分别处理样本集，生成对应的训练集；
23、模型训练模块用于采用不同的训练集训练不同的机器学习算法模型，得到若干个不同预测模型；
24、模型选择模块用于根据每个预测模型的评价指标确定最优的预测模型；
25、预测执行模块用于将待预测电网区域当前的台风灾害相关状态数据输入至最优的预测模型，得到待预测电网区域是否停电的预测结果。
26、上述技术方案中，待预测电网区域的台风灾害相关状态数据包括：待预测电网区域的气象信息、地理信息和电气设备信息。
27、上述技术方案中，所述气象信息包括预测区域的最大风速、风向、第一设定风速持续时间、第二设定风速持续时间、降雨量、温度和湿度。
28、上述技术方案中，所述地理信息包括经度、纬度、有无用户、海拔、坡向、下垫面类型和地表类型。
29、上述技术方案中，所述电气设备信息包括：用户数量、台变数量、箱变数量、杆塔数量、拉线数量、无拉线数量和线路长度。
30、上述技术方案中，模型训练模块在预测模型的训练过程中，预测执行模块在预测模型的使用过程中，均将待预测电网区域的台风灾害相关状态数据进行预处理后作为预测模型的输入；所述预处理的过程包括：使用独热编码对台风灾害相关状态数据中的字符型分类变量进行处理；对所有台风灾害相关状态数据进行归一化处理。
31、上述技术方案中，训练集生成模块所采用的降维方式包括特征选取和主成分分析。
32、上述技术方案中，模型训练模块所采用的机器学习算法模型包括：k近邻算法模型、梯度提升决策树模型、极端随机树模型、随机森林模型、支持向量机模型。
33、上述技术方案中，模型选择模块所采用的评价指标包括接收者操作特征曲线下面积、准确率和f1分数。
34、上述技术方案中，模型选择模块针对任一个预测模型分别计算其各评价指标的值，并求取该预测模型所有评价指标的均值作为该预测模型的得分；将得分最高的预测模型作为最优的预测模型。
35、上述技术方案中，模型训练模块在任一个预测模型的训练过程中，针对该预测模型生成不同的超参数组合；基于对应的训练集，训练每个超参数组合下的机器学习算法模型，得到不同的初始模型；选择评价指标评分最高的初始模型，作为预测模型。
36、上述技术方案中，所述评价指标包括接收者操作特征曲线下面积、准确率和f1分数。
37、上述技术方案中，模型训练模块在任一个预测模型的训练过程中，还包括：针对任一个训练完成的初始模型分别计算其各评价指标的值，并求取该初始模型所有评价指标的均值作为该初始模型的评价指标评分。
38、本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述技术方案所述的台风灾害下电网停电区域预测方法。
39、本发明还提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如上述技术方案所述的台风灾害下电网停电区域预测方法。
40、本发明的有益效果是：本发明基于与台风灾害相关联的电网区域历史数据作为样本集训练预测模型，保证预测模型能够有效反映电网区域的状态与是否停电之间的关联性，有效保证预测精度。本发明通过不同的降维方式和机器学习模型构建若干个不同的预测模型，并基于评价指标选取最优的模型进行后续应用，充分考虑了不同台风情况以及电网不同状态下的泛化性，保证模型在不同条件下的预测精度。
41、进一步地，本发明采用待预测电网区域的气象信息、地理信息和电气设备信息作为预测模型的输入，能够预测结果充分考虑与台风灾害相关联的数据，保证预测精度。同时本发明所选取的具体的气象信息、地理信息和电气设备信息能够有效突出台风灾害及其影响范围和能力的特性，进一步提高是否停电的预测精度。
42、进一步地，本发明采用独热编码和归一化对模型输入数据进行预处理，有效提高了模型对数据处理的效率，提高了模型的计算成本和精度。
43、进一步地，本发明所选择的降维方式包括特征选取和主成分分析，能够有效处理数据冗余，提高预测模型的运算效率。
44、进一步地，本发明所选择机器学习算法模型包括：k近邻算法模型、梯度提升决策树模型、极端随机树模型、随机森林模型、支持向量机模型，能够满足不同数据特性的需求，保证最优预测模型的选择范围广度，进一步提高预测模型精度。
45、进一步地，本发明所选择的评价指标包括接收者操作特征曲线下面积、准确率和f1分数；能够有效选择最优的超参数组合和最优模型，保证模型的预测精度。
46、进一步地，本发明通过评价指标，针对每个模型选择最优的超参数组合，有效提高模型的预测精度。
47、进一步地，本发明通过计算3个评价指标的均值作为超参数组合和预测模型的评价标准，充分考虑了模型的多样化特性，保证最终的选出的最优模型能够有效反映待测区域的特性，进一步提高预测精度。
1.一种台风灾害下电网停电区域预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种台风灾害下电网停电区域预测方法，其特征在于：待预测电网区域的台风灾害相关状态数据包括：待预测电网区域的气象信息、地理信息和电气设备信息。
3.根据权利要求2所述的一种台风灾害下电网停电区域预测方法，其特征在于：所述气象信息包括预测区域的最大风速、风向、第一设定风速持续时间、第二设定风速持续时间、降雨量、温度和湿度。
4.根据权利要求2所述的一种台风灾害下电网停电区域预测方法，其特征在于：所述地理信息包括经度、纬度、有无用户、海拔、坡向、下垫面类型和地表类型。
5.根据权利要求2所述的一种台风灾害下电网停电区域预测方法，其特征在于：所述电气设备信息包括：用户数量、台变数量、箱变数量、杆塔数量、拉线数量、无拉线数量和线路长度。
6.根据权利要求1所述的一种台风灾害下电网停电区域预测方法，其特征在于：在预测模型的训练和使用过程中，将待预测电网区域的台风灾害相关状态数据进行预处理后作为预测模型的输入；所述预处理的过程包括：使用独热编码对台风灾害相关状态数据中的字符型分类变量进行处理；对所有台风灾害相关状态数据进行归一化处理。
7.根据权利要求1所述的一种台风灾害下电网停电区域预测方法，其特征在于：所述降维方式包括特征选取和主成分分析。
8.根据权利要求1所述的一种台风灾害下电网停电区域预测方法，其特征在于：所述机器学习算法模型包括：k近邻算法模型、梯度提升决策树模型、极端随机树模型、随机森林模型、支持向量机模型。
9.根据权利要求1所述的一种台风灾害下电网停电区域预测方法，其特征在于：所述评价指标包括接收者操作特征曲线下面积、准确率和f1分数。
10.根据权利要求9所述的一种台风灾害下电网停电区域预测方法，其特征在于：针对任一个预测模型分别计算其各评价指标的值，并求取该预测模型所有评价指标的均值作为该预测模型的得分；将得分最高的预测模型作为最优的预测模型。
11.根据权利要求9所述的一种台风灾害下电网停电区域预测方法，其特征在于：在任一个预测模型的训练过程中，针对该预测模型生成不同的超参数组合；基于对应的训练集，训练每个超参数组合下的机器学习算法模型，得到不同的初始模型；选择评价指标评分最高的初始模型，作为预测模型。
12.根据权利要求11所述的一种台风灾害下电网停电区域预测方法，其特征在于：所述评价指标包括接收者操作特征曲线下面积、准确率和f1分数。
13.根据权利要求12所述的一种台风灾害下电网停电区域预测方法，其特征在于：在任一个预测模型的训练过程中，还包括：针对任一个训练完成的初始模型分别计算其各评价指标的值，并求取该初始模型所有评价指标的均值作为该初始模型的评价指标评分。
14.一种台风灾害下电网停电区域预测系统，其特征在于：包括样本集生成模型、训练集生成模块、模型训练模块、模型选择模块、预测执行模块；其中，
15.根据权利要求14所述的一种台风灾害下电网停电区域预测系统，其特征在于：待预测电网区域的台风灾害相关状态数据包括：待预测电网区域的气象信息、地理信息和电气设备信息。
16.根据权利要求15所述的一种台风灾害下电网停电区域预测系统，其特征在于：所述气象信息包括预测区域的最大风速、风向、第一设定风速持续时间、第二设定风速持续时间、降雨量、温度和湿度。
17.根据权利要求15所述的一种台风灾害下电网停电区域预测系统，其特征在于：所述地理信息包括经度、纬度、有无用户、海拔、坡向、下垫面类型和地表类型。
18.根据权利要求15所述的一种台风灾害下电网停电区域预测系统，其特征在于：所述电气设备信息包括：用户数量、台变数量、箱变数量、杆塔数量、拉线数量、无拉线数量和线路长度。
19.根据权利要求14所述的一种台风灾害下电网停电区域预测方法，其特征在于：模型训练模块在预测模型的训练过程中，预测执行模块在预测模型的使用过程中，均将待预测电网区域的台风灾害相关状态数据进行预处理后作为预测模型的输入；所述预处理的过程包括：使用独热编码对台风灾害相关状态数据中的字符型分类变量进行处理；对所有台风灾害相关状态数据进行归一化处理。
20.根据权利要求14所述的一种台风灾害下电网停电区域预测方法，其特征在于：训练集生成模块所采用的降维方式包括特征选取和主成分分析。
21.根据权利要求14所述的一种台风灾害下电网停电区域预测方法，其特征在于：模型训练模块所采用的机器学习算法模型包括：k近邻算法模型、梯度提升决策树模型、极端随机树模型、随机森林模型、支持向量机模型。
22.根据权利要求14所述的一种台风灾害下电网停电区域预测方法，其特征在于：模型选择模块所采用的评价指标包括接收者操作特征曲线下面积、准确率和f1分数。
23.根据权利要求22所述的一种台风灾害下电网停电区域预测方法，其特征在于：模型选择模块针对任一个预测模型分别计算其各评价指标的值，并求取该预测模型所有评价指标的均值作为该预测模型的得分；将得分最高的预测模型作为最优的预测模型。
24.根据权利要求22所述的一种台风灾害下电网停电区域预测方法，其特征在于：模型训练模块在任一个预测模型的训练过程中，针对该预测模型生成不同的超参数组合；基于对应的训练集，训练每个超参数组合下的机器学习算法模型，得到不同的初始模型；选择评价指标评分最高的初始模型，作为预测模型。
25.根据权利要求24所述的一种台风灾害下电网停电区域预测方法，其特征在于：所述评价指标包括接收者操作特征曲线下面积、准确率和f1分数。
26.根据权利要求25所述的一种台风灾害下电网停电区域预测方法，其特征在于：模型训练模块在任一个预测模型的训练过程中，还包括：针对任一个训练完成的初始模型分别计算其各评价指标的值，并求取该初始模型所有评价指标的均值作为该初始模型的评价指标评分。
27.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-10中任一项所述的台风灾害下电网停电区域预测方法。
28.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-10任一项所述的台风灾害下电网停电区域预测方法。
