第49卷第3期：1205-1212高电压技术Vol.49,No.3:1205-12122023年3月31日HighVoltageEngineeringMarch31,2023DOI:10.13336/j.1003-6520.hve.202205662023年3月31日第49卷March基于网格化多源异构数据的台风灾害下杆塔受损数量预测侯慧1，刘超1，陈希1，吴细秀1，魏瑞增2，何浣2（1.武汉理工大学自动化学院，武汉430070；2.广东电网有限责任公司电力科学研究院广东省电力装备可靠性重点实验室，广州510080）摘要：台风灾害下受灾区域杆塔受损数量预测对提高电网公司防灾减灾能力具有重要意义。为此从全新的统计学习角度出发，基于气象数据、电网数据、地理数据等多源异构数据原始样本，对数据进行分类变量处理、特征筛选、标准化等预处理，并以网格内的杆塔受损数量为响应变量，基于梯度提升决策树算法构建台风灾害下杆塔受损数量预测模型，对台风灾害下配网10kV杆塔受损数量进行预测。利用广东省徐闻县的数据样本对模型进行训练测试与验证，仿真结果表明所提方法可较为准确地预测台风灾害下配网杆塔受损数量，为电网公司的灾前风险量化评估、制定应急方案等提供辅助决策参考。关键词：台风；杆塔受损数量预测；多源异构数据；统计学习；梯度提升决策树PredictiononNumberofDamagedTowersUnderTyphoonDisastersBasedonGriddedMulti-sourceHeterogeneousDataHOUHui1,LIUChao1,CHENXi1,WUXixiu1,WEIRuizeng2,HEHuan2(1.SchoolofAutomation,WuhanUniversityofTechnology,Wuhan430070,China;2.GuangdongKeyLaboratoryofElectricPowerEquipmentReliability,ElectricPowerResearchInstituteofGuangdongPowerGridCo.,Ltd.,Guangzhou510080,China)Abstract：Thepredictionofthedamagednumberoftowersintyphoon-affectedareasisofgreatsignificancetoimprovingthedisasterpreventionandmitigationcapacityofpowergrid.Fromaperspectiveofbrand-newstatisticallearning,basedontheoriginalsamplesofmulti-sourceheterogeneousdatasuchasmeteorologicaldata,powergriddata,andgeograph-icaldata,wepre-processthedatasuchasclassificationvariableprocessing,featurescreening,standardization,etc.Takingthedamagednumberoftowersinthegridastheresponsevariable,weconstructthepredictionmodelofdamagednumberoftowersundertyphoondisastersbasedonthegradientliftingdecisiontreealgorithm,andpredictthedamagequantityof10kVtowerindistributionnetworkundert...
