申请/专利权人：湖北凌云电力建设有限公司

申请日：2020-06-02

公开（公告）日：2024-03-19

公开（公告）号：CN111860940B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06F16/182;G06V10/764;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.23#专利申请权的转移;2024.02.06#专利申请权的转移;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明涉及煤矿配电网络技术领域，涉及一种基于逻辑回归算法的煤矿配电网络停电事故预测方法。其包括：步骤S1、通过煤矿配电网络的SCADA系统收集多个电力设备的工作电流，工作电压、工作时长及其停电记录信息；步骤S2、搭建Hadoop集群并录入步骤S1中收集的数据；步骤S3、搭建Spark集群，对步骤S2中的数据进行提取和预处理，并生成数据矩阵集合；步骤S4、根据步骤S3中获取的数据矩阵集合，针对每个电力设备均构建逻辑回归模型；步骤S5、将步骤S1中获取的最新数据代入步骤S4中构建的逻辑回归模型中，对每个电力设备的停电概率进行预测。本发明能够较佳地针对煤矿配电网络中的单个电力设备进行预测模型搭建，并实现单个电力设备停电概率的预测。

主权项：1.一种基于逻辑回归算法的煤矿配电网络停电事故预测方法，其包括如下步骤：步骤S1、通过煤矿配电网络的SCADA系统收集多个电力设备的工作电流，工作电压、工作时长及其停电记录信息；步骤S2、搭建Hadoop集群并录入步骤S1中收集的数据，录入的数据内容包括每个电力设备的设备名称以及相对应的工作时长、工作电压、工作电流和停电记录，且每次录入的数据以单个电力设备进行归类；步骤S3、搭建Spark集群，对步骤S2中的数据进行提取和预处理，并生成数据矩阵集合；步骤S4、根据步骤S3中获取的数据矩阵集合，针对每个电力设备均构建逻辑回归模型；步骤S5、将步骤S1中获取的最新数据代入步骤S4中构建的逻辑回归模型中，对每个电力设备的停电概率进行预测；步骤S3中的数据预处理包括数据清洗，数据清洗包括对明显异常数据、工作时长数据、工作电压数据和工作电流数据的处理；对工作电压数据v1v2v3v4...vn和工作电流数据i1i2i3i4...in的处理包括如下步骤，步骤S31、计算工作电压数据和工作电流数据的算术平均值其中X表示电压或电流；步骤S32、计算工作电压数据和工作电流数据的剩余误差VI，步骤S33、根据贝塞尔法计算工作电压数据和工作电流数据的均方根偏差o，步骤S34、若任一工作电压数据满足则Vi为粗大误差数据，将被舍弃，若任一工作电压数据满足则Vi为正常误差内数据，将被保留；若任一工作电流数据满足则Ii为粗大误差数据，将被舍弃，若任一工作电流数据满足则Ii为正常误差内数据，将被保留；步骤S4中，构建逻辑回归模型具体包括如下步骤，步骤S41、将步骤3中获取的对应电力设备的数据矩阵集合的70％的数据作为训练集，训练集用于注入逻辑回归算法中生成对应电力设备的逻辑回归模型；剩余30％的数据作为数据集，数据集用于测试所生成模型的质量；步骤S42、根据Sigmoid函数，定义逻辑回归模型的预测函数为其中θT为条件概率的参数矩阵，x为一组工作时长、工作电压、工作电流和停电记录的数据矩阵；步骤S43、根据预测结果是一个二分类结果，这里将预测函数进行整合得到样本函数，样本函数为PY|X；θ＝hθxy1-hθ1-y；步骤S44、根据逻辑回归的极大似然估计法来进行参数矩阵的获取，将得到的样本函数相乘得到似然函数将似然函数转化为对数似然函数步骤S45、将步骤S41中获取的训练集代入对数似然函数中，计算对数似然函数的最大值，最大值表示的最大的概率，再通过使用梯度下降算法，来计算误差的最小值；对对数似然函数进行求解，通过对数似然函数求偏导得到更新方向进而获取更新函数为其中，通过梯度下降方法定义误差为预测值和真实值的差值，通过迭代完成对参数矩阵的更新，进而获取逻辑回归模型最优的参数；步骤S46、采用K折验证法获取最优逻辑回归模型。

全文数据：

权利要求：

百度查询： 湖北凌云电力建设有限公司 一种基于逻辑回归算法的煤矿配电网络停电事故预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD