一种恶劣气象条件下的电网风险控制方法和装置与流程

1.本技术涉及电网风险控制技术领域，特别是涉及一种恶劣气象条件下的电网风险控制方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.电力设施运行的自然环境逐年恶化。近年来，由于环境污染的加重导致电力设施的污秽程度增加，绝缘水平降低。另外，局部雷击、咫风、覆冰等灾害性天气，也增加了电网发生事故的概率。
3.目前，电网企业主要是采取在变电设备的外部涂刷保护材料、加装爬裙等措施来应对恶劣气象条件，但污闪事故仍时有发生。在极端的恶劣气象条件下，仅依靠涂刷的保护材料不足以抵御气象灾害，容易危及电力设施的正常供电。因此，在恶劣气象条件下对电网进行风险控制就显得十分必要。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高电网设备在恶劣气象条件下的运行安全性的一种恶劣气象条件下的电网风险控制方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种恶劣气象条件下的电网风险控制方法。所述方法包括：
6.获取目标气象的气象数据，以及所述目标气象关联的电网设备的电力数据；
7.对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段；
8.根据所述故障时间段，确定所述电网设备对应的风险关联设备；
9.对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果。
10.在其中一个实施例中，对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段，包括：
11.获取所述目标气象对应的电力数据预测模型；
12.通过所述电力数据预测模型，对所述气象数据和所述电网设备的电力数据进行预测处理，得到所述电网设备在预设未来时间段的预测电力数据；
13.根据所述预测电力数据，确定出所述预设未来时间段中的故障时间段。
14.在其中一个实施例中，对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果，包括：
15.确定所述电网设备的电力数据和所述风险关联设备的电力数据的多个目标优化函数；
16.对所述多个目标优化函数、所述电网设备的电力数据、所述预测电力数据和所述
风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的多目标解集；
17.对所述多目标解集进行筛选处理，得到所述电网设备和所述风险关联设备的风险控制结果。
18.在其中一个实施例中，对所述多个目标优化函数、所述电网设备的电力数据、所述预测电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的多目标解集，包括：
19.根据所述多个目标优化函数，构建得到多目标优化模型；
20.通过所述多目标优化模型，对所述电网设备的电力数据、所述预测电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的帕累托解集；
21.将所述帕累托解集作为所述多目标解集。
22.在其中一个实施例中，根据所述故障时间段，确定所述电网设备对应的风险关联设备，包括：
23.根据电力系统的拓扑结构和所述电网设备在所述电力系统中的拓扑位置，确定所述电力系统中的故障区域，以及位于所述故障区域中的所述电网设备的候选关联设备；
24.通过故障设备预测模型，对所述故障时间段和所述候选关联设备的电力数据进行故障概率预测处理，得到所述候选关联设备的预测故障概率；
25.根据所述预测故障概率，对所述候选关联设备进行筛选处理，得到所述电网设备对应的风险关联设备。
26.在其中一个实施例中，获取目标气象的气象数据，以及所述目标气象关联的电网设备的电力数据，包括：
27.获取所述目标气象的气象特征数据和气象持续时间，作为所述目标气象的气象数据；
28.从气象关联库中，查询得到所述目标气象关联的电网设备，并获取所述电网设备的电力数据。
29.第二方面，本技术还提供了一种恶劣气象条件下的电网风险控制装置。所述装置包括：
30.数据获取模块，用于获取目标气象的气象数据，以及所述目标气象关联的电网设备的电力数据；
31.时间预测模块，用于对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段；
32.关联确定模块，用于根据所述故障时间段，确定所述电网设备对应的风险关联设备；
33.结果得到模块，用于对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果。
34.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
35.获取目标气象的气象数据，以及所述目标气象关联的电网设备的电力数据；
36.对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段；
37.根据所述故障时间段，确定所述电网设备对应的风险关联设备；
38.对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果。
39.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
40.获取目标气象的气象数据，以及所述目标气象关联的电网设备的电力数据；
41.对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段；
42.根据所述故障时间段，确定所述电网设备对应的风险关联设备；
43.对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果。
44.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
45.获取目标气象的气象数据，以及所述目标气象关联的电网设备的电力数据；
46.对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段；
47.根据所述故障时间段，确定所述电网设备对应的风险关联设备；
48.对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果。
49.上述恶劣气象条件下的电网风险控制方法、装置、计算机设备、存储介质和计算机程序产品，获取目标气象的气象数据，以及目标气象关联的电网设备的电力数据；对气象数据和电网设备的电力数据进行故障时间预测处理，得到电网设备的故障时间段；根据故障时间段，确定电网设备对应的风险关联设备；对电网设备的电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的风险控制结果。采用本方法，能够在恶劣气象条件下抓好对电网设备和风险关联设备异常运行方式的风险预控，合理优化电网运行方式，从而有效的提升了电网设备和风险关联设备在气象恶劣条件下抵御风险的能力，进而提高了电网设备在恶劣气象条件下的运行安全性。
附图说明
50.图1为一个实施例中恶劣气象条件下的电网风险控制方法的应用环境图；
51.图2为一个实施例中恶劣气象条件下的电网风险控制方法的流程示意图；
52.图3为一个实施例中得到电网设备和风险关联设备的风险控制结果步骤的流程示意图；
53.图4为另一个实施例中恶劣气象条件下的电网风险控制方法的流程示意图；
54.图5为一个实施例中恶劣气象条件下的电网风险控制装置的结构框图；
55.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
56.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
57.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
58.本技术实施例提供的一种恶劣气象条件下的电网风险控制方法，可以应用于如图1所示的应用环境中。其中，服务器101通过网络与电力系统102进行通信。数据存储系统可以存储服务器101需要处理的数据。数据存储系统可以集成在服务器101上，也可以放在云上或其他网络服务器上。服务器101获取目标气象的气象数据，以及目标气象关联的电网设备的电力数据；对气象数据和电网设备的电力数据进行故障时间预测处理，得到电网设备的故障时间段；根据故障时间段，确定电网设备对应的风险关联设备；对电网设备的电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的风险控制结果；服务器101还可以将风险控制结果发送至电力系统102，以供电力系统102根据风险控制结果来调控相关的电力设备。其中，服务器101可以用独立的服务器或者是多个服务器组成的服务器集群来实现。电力系统102可以由多个电力设备来实现，如输电线路、变电站等。
59.在一个实施例中，如图2所示，提供了一种恶劣气象条件下的电网风险控制方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
60.步骤s201，获取目标气象的气象数据，以及目标气象关联的电网设备的电力数据。
61.其中，目标气象是指较为恶劣的气象。如目标气象可以是大雪、冰冻、低温、大风、高温炎热、强降雨和连续降雨等天气。目标气象关联的电网设备是指电力系统中会受到目标气象较大影响的电力设备。电力数据是指电网设备在运行方面的数据，可以包括当前时间的运行数据和历史时间的运行数据。
62.具体地，服务器可以预先将恶劣气象设置为目标气象，如果检测到预设未来时间段会出现目标气象，则服务器可以主动获取目标气象的气象数据，例如目标气象的气象特征数据和气象持续时间。根据目标气象的影响因素，确定与影响因素关联的电网设备，以及获取电网设备的电力数据。
63.进一步地，预设未来时间段可以是下一天，还可以当天的未来几个小时，也可以是当班时间段，进而服务器可以在不同时间段对电力系统中的设备进行风险预控，实现气象恶劣条件下电网运行危险点“隔日预分析、当日分析、当班分析”的分层预控。
64.步骤s202，对气象数据和电网设备的电力数据进行故障时间预测处理，得到电网设备的故障时间段。
65.其中，故障时间段是指预测处理后得到的电网设备可能会发生故障的时间段。
66.具体地，服务器根据气象数据和电网设备的电力数据，预测得到电网设备在预设未来时间段的预测电力数据，根据电力安全条件，对预测电力数据进行判断，得到不满足电力安全条件的预测电力数据，并将不满足电力安全条件的预测电力数据对应的时间段确定
为电网设备的故障时间段。
67.步骤s203，根据故障时间段，确定电网设备对应的风险关联设备。
68.其中，风险关联设备是指因电网设备的异常运行而连带存在运行风险的电力设备。可以理解的是，在常规情况下，电力系统是按照周期来运行调控各个电力设备的，因而不同时间段的同一电力设备运行的电力数据存在不同，导致电力设备受到的影响大小也不同，因此，服务器可以以故障时间段为依据来确定出电网设备对应的风险关联设备。
69.具体地，服务器可以先根据电力系统中各个电力设备之间的拓扑结构，来确定出与上述电网设备存在关联的电力设备，并将其作为候选关联设备；然后根据故障时间段从候选关联设备中筛选出电网设备对应的风险关联设备。
70.步骤s204，对电网设备的电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的风险控制结果。
71.其中，风险控制结果是指针对电网设备和风险关联设备进行优化运行的调控策略；风险控制结果用于降低电网设备和风险关联设备在恶劣气象条件下的运行风险。
72.其中，多目标是指在恶劣气象条件下需要达到多电网设备和风险关联设备的多个目标。多目标优化是指在多个目标之间寻求最优解，即求解电网设备和风险关联设备的风险控制结果。
73.具体地，因为电网设备和风险关联设备的设备参数不同，所以在对电网设备和风险关联设备进行优化处理时，需要考虑多个优化目标，因此服务器可以通过多目标优化算法，对电网设备的电力数据和风险关联设备的电力数据进行优化处理，进而得到能够同时满足电网设备和风险关联设备的风险控制结果。服务器还可以将风险控制结果发送至电力系统，以供电力系统根据风险控制结果来调控电网设备和风险关联设备。
74.上述恶劣气象条件下的电网风险控制方法中，获取目标气象的气象数据，以及目标气象关联的电网设备的电力数据；对气象数据和电网设备的电力数据进行故障时间预测处理，得到电网设备的故障时间段；根据故障时间段，确定电网设备对应的风险关联设备；对电网设备的电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的风险控制结果。采用本方法，能够在恶劣气象条件下抓好对电网设备和风险关联设备异常运行方式的风险预控，合理优化电力系统在目标气象下的运行方式，从而有效的提升了电网设备和风险关联设备在气象恶劣条件下抵御风险的能力，进而提高了电网设备在恶劣气象条件下的运行安全性。
75.在一个实施例中，上述步骤s202，对气象数据和电网设备的电力数据进行故障时间预测处理，得到电网设备的故障时间段，具体包括如下内容：获取目标气象对应的电力数据预测模型；通过电力数据预测模型，对气象数据和电网设备的电力数据进行预测处理，得到电网设备在预设未来时间段的预测电力数据；根据预测电力数据，确定出预设未来时间段中的故障时间段。
76.其中，电力数据预测模型是指能够根据气象数据预测得到未来时间段的电力数据变化情况的模型。预设未来时间段是指根据目标气象的气象持续时间设置的时间段；预设未来时间段的时间段包含或长于气象持续时间的时间段。
77.具体地，服务器可以根据目标气象的气象类型，从模型库中获取到与该气象类型对应的电力数据预测模型；其中，电力数据预测模型根据历史时间段的气象数据和电力数
据训练得到。将气象数据中的气象特征数据和气象持续时间，以及电网设备的电力数据和该电网设备的电力数据对应的时间段输入到电力数据预测模型中，以通过电力数据预测模型对气象特征数据、气象持续时间、电网设备的电力数据和该电网设备的电力数据对应的时间段进行预测处理，输出电网设备在预设未来时间段的预测电力数据。服务器通过判断预设未来时间段的预测电力数据是否超过预设安全阈值，来确定出预设未来时间段中的故障时间段，可以是将超过预设安全阈值的预测电力数据所对应的时间段，确定为故障时间段。
78.在本实施例中，通过电力数据预测模型，对气象数据和电网设备的电力数据进行预测处理，得到电网设备在预设未来时间段的预测电力数据；进而通过判断预测电力数据是否超过预设安全阈值来确定出预设未来时间段中的故障时间段，通过预测得到的预设未来时间段的预测电力数据实现了电网设备的故障时间段的分析判断，以便后续步骤能够通过故障时间段确定出风险关联设备，并对风险关联设备进行风险管控，有利于提高风险关联设备在气象恶劣条件下的运行安全性。
79.在一个实施例中，如图3所示，上述步骤s204，对电网设备的电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的风险控制结果，具体包括如下内容：
80.步骤s301，确定电网设备的电力数据和风险关联设备的电力数据的多个目标优化函数。
81.其中，目标优化函数本质上是一个最优化问题，用于求解最佳的控制方案。目标优化函数是针对电力设备(如电网设备和风险关联设备)的运行性能构建得到的。
82.具体地，服务器根据电网设备的设备参数，以及电网设备的电力数据的数据约束条件，构建得到一个或多个目标优化函数；同时，服务器还根据和风险关联设备的设备参数，以及风险关联设备的电力数据的数据约束条件，构建得到一个或多个目标优化函数；则服务器得到电网设备和风险关联设备的多个目标优化函数。
83.步骤s302，对多个目标优化函数、电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的多目标解集。
84.其中，多目标解集是指处理得到的针对电网设备和风险关联设备的风险控制策略集合。
85.具体地，服务器可以多目标优化算法，对多个目标优化函数、电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，如通过帕累托模型对多个目标优化函数、电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，进而处理得到电网设备和风险关联设备的多目标解集。
86.步骤s303，对多目标解集进行筛选处理，得到电网设备和风险关联设备的风险控制结果。
87.可以理解的是，多目标解集中包含有多个风险控制策略，即多目标解集中包含不止一个最优解，因而服务器需要从多目标解集中进一步筛选出一个最优解作为风险控制结果。
88.具体地，服务器可以确定多目标解集中各个最优解之间的支配关系，得到多目标解集中的强支配最优解；以最优解a和最优解b为例，假设有两个目标优化函数，若最优解a
对应的两个目标函数值都比最优解b对应的两个目标函数值好，则称最优解a强帕累托支配最优解b，即最优解a为强支配最优解。进而服务器可以将强支配最优解作为电网设备和风险关联设备的风险控制结果。
89.本实施例中，通过多目标优化模型，对多个目标优化函数、电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的多目标解集；然后从多目标解集中筛选得到电网设备和风险关联设备的风险控制结果，实现了电网设备和风险关联设备的最优风险控制决策的合理获取，以便合理优化电网在气象恶劣条件下的运行方式，从而有效的提升了电网设备和风险关联设备在气象恶劣条件下抵御风险的能力，提高了电网设备在恶劣气象条件下的运行安全性。
90.在一个实施例中，上述步骤s302，对多个目标优化函数、电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的多目标解集，具体包括如下内容：根据多个目标优化函数，构建得到多目标优化模型；通过多目标优化模型，对电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的帕累托解集；将帕累托解集作为多目标解集。
91.其中，多目标优化模型是指用于对电力数据进行多目标优化处理的模型。例如，多目标优化模型可以是帕累托模型。
92.具体地，服务器可以基于多个目标优化函数来构建得到多目标优化模型，多目标优化模型可以通过公式(1)进行表示。
[0093][0094]
式中，ji(y)表示第i个目标优化函数；n为目标优化函数的总数量；y为最优解；rn表示n维实数集合。
[0095]
在实际应用中，目标优化函数可以是降低设备负荷的控制函数，还可以是降低设备运行成本的控制函数，也可以是预防设备电压越限的控制函数；进而通过多目标优化处理，在降低设备负荷的控制、降低设备运行成本的控制函数和预防设备电压越限的控制函数之间权衡出最优解。
[0096]
服务器可以通过多目标优化模型，对电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行帕累托求解，以实现对电网设备的电力数据、预测电力数据和风险关联设备的电力数据的多目标优化处理，则得到电网设备和风险关联设备的帕累托解集；进而将帕累托解集作为电网设备和风险关联设备在故障时间段的多目标解集。
[0097]
在本实施例中，通过构建得到的多目标优化模型，对电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的帕累托解集，然后将帕累托解集作为多目标解集，通过帕累托求解方式实现了多目标解集的求解，以便后续步骤中能够基于多目标解集确定出电网设备和风险控制设备的风险控制结果，进而通过风险控制结果来优化电网设备和风险控制设备在故障时间段的运行方式。
[0098]
在一个实施例中，上述步骤s203，根据故障时间段，确定电网设备对应的风险关联设备，具体包括如下内容：根据电力系统的拓扑结构和电网设备在电力系统中的拓扑位置，确定电力系统中的故障区域，以及位于故障区域中的电网设备的候选关联设备；通过故障
设备预测模型，对故障时间段和候选关联设备的电力数据进行故障概率预测处理，得到候选关联设备的预测故障概率；根据预测故障概率，对候选关联设备进行筛选处理，得到电网设备对应的风险关联设备。
[0099]
其中，候选关联设备是指位于故障区域，且与电网设备存在拓扑连接关系的电力设备。故障设备预测模型是指用于预测电力设备在某时间段下的故障概率的模型。
[0100]
具体地，服务器获取电力系统中各个电力设备之间的拓扑结构，以及电网设备在电力系统中的拓扑位置；进而服务器可以根据拓扑结构，确定出拓扑结构中与该拓扑位置存在连接关系的拓扑连接，由存在连接关系的拓扑连接划分得到电力系统中的故障区域，同时，还可以得到位于故障区域中的电网设备的候选关联设备。进而服务器获取候选关联设备的电力数据，将故障时间段和候选关联设备的电力数据输入至预先训练的故障设备预测模型中，以通过故障设备预测模型对候选关联设备的电力数据进行故障预测处理，得到候选关联设备在故障时间段下的预测故障概率。服务器根据预测故障概率，筛选出满足预设故障概率条件的候选关联设备并将其作为电网设备对应的风险关联设备，例如筛选出预测故障概率超过预设概率阈值的候选关联设备作为风险关联设备。
[0101]
在本实施例中，先根据电力系统的拓扑结构和电网设备在电力系统中的拓扑位置，确定出电力系统中的故障区域，以及位于故障区域中的候选关联设备；然后通过故障设备预测模型，对故障时间段和候选关联设备的电力数据进行故障概率预测处理，得到候选关联设备的预测故障概率；最后根据预测故障概率从候选关联设备中筛选得到电网设备对应的风险关联设备，实现了风险关联设备的合理获取，进而能够在风险管控电网设备的同时，还能够风险管控风险关联设备，避免了其他区域的电力设备因电网设备而连带受到影响，大大提升了电力系统在气象恶劣条件下的运行安全性。
[0102]
在一个实施例中，上述步骤s201，获取目标气象的气象数据，以及目标气象关联的电网设备的电力数据，具体包括如下内容：获取目标气象的气象特征数据和气象持续时间，作为目标气象的气象数据；从气象关联库中，查询得到目标气象关联的电网设备，并获取电网设备的电力数据。
[0103]
其中，气象特征数据是指表征气象的特征数据。气象持续时间是指目标气象出现的时间段，例如周一至周三，上午8时至上午12时。
[0104]
具体地，服务器可以通过网络获取目标气象的气象特征数据和气象持续时间，以及目标气象的其他方面的数据，并将获取到的数据均作为目标气象的气象数据。服务器可以根据目标气象的影响因素，从气象关联库中，查询得到目标气象关联的电网设备，并获取电网设备的电力数据。
[0105]
举例说明，假设目标气象是暴雪天气，暴雪天气的影响因素是覆冰，通过覆冰可以查询到关联的电网设备有输电线路，则服务器获取输电线路在历史时间段和当前时间段的电力数据。再例如，假设目标气象是连续强降雨，而连续强降雨天气的影响因素是潮湿，通过潮湿可以查询到关联的电网设备有户外变电站，则服务器获取户外变电站在历史时间段和当前时间段的电力数据。
[0106]
在本实施例中，通过获取目标气象的气象特征数据和气象持续时间作为目标气象的气象数据；以及从气象关联库中，查询得到目标气象关联的电网设备，并获取电网设备的电力数据，实现了目标气象的气象数据和电网设备的电力数据的采集，以便能够通过气象
数据和电力数据，来执行后续的电网风险控制步骤。
[0107]
在一个实施例中，如图4所示，提供了另一种恶劣气象条件下的电网风险控制方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
[0108]
步骤s401，获取目标气象的气象特征数据和气象持续时间，作为目标气象的气象数据；从气象关联库中，查询得到目标气象关联的电网设备，并获取电网设备的电力数据。
[0109]
步骤s402，获取目标气象对应的电力数据预测模型；通过电力数据预测模型，对气象数据和电网设备的电力数据进行预测处理，得到电网设备在预设未来时间段的预测电力数据。
[0110]
步骤s403，根据预测电力数据，确定出预设未来时间段中的故障时间段。
[0111]
步骤s404，根据电力系统的拓扑结构和电网设备在电力系统中的拓扑位置，确定电力系统中的故障区域，以及位于故障区域中的电网设备的候选关联设备。
[0112]
步骤s405，通过故障设备预测模型，对故障时间段和候选关联设备的电力数据进行故障概率预测处理，得到候选关联设备的预测故障概率。
[0113]
步骤s406，根据预测故障概率，对候选关联设备进行筛选处理，得到电网设备对应的风险关联设备。
[0114]
步骤s407，确定电网设备的电力数据和风险关联设备的电力数据的多个目标优化函数；根据多个目标优化函数，构建得到多目标优化模型。
[0115]
步骤s408，通过多目标优化模型，对电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的帕累托解集；将帕累托解集作为多目标解集。
[0116]
步骤s409，对多目标解集进行筛选处理，得到电网设备和风险关联设备的风险控制结果。
[0117]
上述恶劣气象条件下的电网风险控制方法，能够实现以下有益效果：能够在恶劣气象条件下抓好对电网设备和风险关联设备异常运行方式的风险预控，合理优化电网运行方式，从而有效的提升了电网设备和风险关联设备在气象恶劣条件下抵御风险的能力，进而提高了电网设备在恶劣气象条件下的运行安全性。
[0118]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0119]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的恶劣气象条件下的电网风险控制方法的恶劣气象条件下的电网风险控制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个恶劣气象条件下的电网风险控制装置实施例中的具体限定可以参见上文中对于恶劣气象条件下的电网风险控制方法的限定，在此不再赘述。
[0120]
在一个实施例中，如图5所示，提供了一种恶劣气象条件下的电网风险控制装置
500，包括：数据获取模块501、时间预测模块502、关联确定模块503和结果得到模块504，其中：
[0121]
数据获取模块501，用于获取目标气象的气象数据，以及目标气象关联的电网设备的电力数据。
[0122]
时间预测模块502，用于对气象数据和电网设备的电力数据进行故障时间预测处理，得到电网设备的故障时间段。
[0123]
关联确定模块503，用于根据故障时间段，确定电网设备对应的风险关联设备。
[0124]
结果得到模块504，用于对电网设备的电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的风险控制结果。
[0125]
在一个实施例中，时间预测模块502，还用于获取目标气象对应的电力数据预测模型；通过电力数据预测模型，对气象数据和电网设备的电力数据进行预测处理，得到电网设备在预设未来时间段的预测电力数据；根据预测电力数据，确定出预设未来时间段中的故障时间段。
[0126]
在一个实施例中，结果得到模块504，还用于确定电网设备的电力数据和风险关联设备的电力数据的多个目标优化函数；对多个目标优化函数、电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的多目标解集；对多目标解集进行筛选处理，得到电网设备和风险关联设备的风险控制结果。
[0127]
在一个实施例中，恶劣气象条件下的电网风险控制装置500还包括多目标优化模块，用于根据多个目标优化函数，构建得到多目标优化模型；通过多目标优化模型，对电网设备的电力数据、预测电力数据和风险关联设备的电力数据进行多目标优化处理，得到电网设备和风险关联设备的帕累托解集；将帕累托解集作为多目标解集。
[0128]
在一个实施例中，关联确定模块503，还用于根据电力系统的拓扑结构和电网设备在电力系统中的拓扑位置，确定电力系统中的故障区域，以及位于故障区域中的电网设备的候选关联设备；通过故障设备预测模型，对故障时间段和候选关联设备的电力数据进行故障概率预测处理，得到候选关联设备的预测故障概率；根据预测故障概率，对候选关联设备进行筛选处理，得到电网设备对应的风险关联设备。
[0129]
在一个实施例中，数据获取模块501，还用于获取目标气象的气象特征数据和气象持续时间，作为目标气象的气象数据；从气象关联库中，查询得到目标气象关联的电网设备，并获取电网设备的电力数据。
[0130]
上述一种恶劣气象条件下的电网风险控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0131]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算
机程序的运行提供环境。该计算机设备的数据库用于存储气象数据、电力数据、故障时间段、风险控制结果等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种恶劣气象条件下的电网风险控制方法。
[0132]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0133]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0134]
在一个实施例中，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各方法实施例中的步骤。
[0135]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0136]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0137]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0138]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种恶劣气象条件下的电网风险控制方法，其特征在于，所述方法包括：获取目标气象的气象数据，以及所述目标气象关联的电网设备的电力数据；对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段；根据所述故障时间段，确定所述电网设备对应的风险关联设备；对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果。2.根据权利要求1所述的方法，其特征在于，所述对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段，包括：获取所述目标气象对应的电力数据预测模型；通过所述电力数据预测模型，对所述气象数据和所述电网设备的电力数据进行预测处理，得到所述电网设备在预设未来时间段的预测电力数据；根据所述预测电力数据，确定出所述预设未来时间段中的故障时间段。3.根据权利要求2所述的方法，其特征在于，所述对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果，包括：确定所述电网设备的电力数据和所述风险关联设备的电力数据的多个目标优化函数；对所述多个目标优化函数、所述电网设备的电力数据、所述预测电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的多目标解集；对所述多目标解集进行筛选处理，得到所述电网设备和所述风险关联设备的风险控制结果。4.根据权利要求3所述的方法，其特征在于，所述对所述多个目标优化函数、所述电网设备的电力数据、所述预测电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的多目标解集，包括：根据所述多个目标优化函数，构建得到多目标优化模型；通过所述多目标优化模型，对所述电网设备的电力数据、所述预测电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的帕累托解集；将所述帕累托解集作为所述多目标解集。5.根据权利要求1所述的方法，其特征在于，所述根据所述故障时间段，确定所述电网设备对应的风险关联设备，包括：根据电力系统的拓扑结构和所述电网设备在所述电力系统中的拓扑位置，确定所述电力系统中的故障区域，以及位于所述故障区域中的所述电网设备的候选关联设备；通过故障设备预测模型，对所述故障时间段和所述候选关联设备的电力数据进行故障概率预测处理，得到所述候选关联设备的预测故障概率；根据所述预测故障概率，对所述候选关联设备进行筛选处理，得到所述电网设备对应的风险关联设备。6.根据权利要求1所述的方法，其特征在于，所述获取目标气象的气象数据，以及所述
目标气象关联的电网设备的电力数据，包括：获取所述目标气象的气象特征数据和气象持续时间，作为所述目标气象的气象数据；从气象关联库中，查询得到所述目标气象关联的电网设备，并获取所述电网设备的电力数据。7.一种恶劣气象条件下的电网风险控制装置，其特征在于，所述装置包括：数据获取模块，用于获取目标气象的气象数据，以及所述目标气象关联的电网设备的电力数据；时间预测模块，用于对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段；关联确定模块，用于根据所述故障时间段，确定所述电网设备对应的风险关联设备；结果得到模块，用于对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，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至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种恶劣气象条件下的电网风险控制方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标气象的气象数据，以及所述目标气象关联的电网设备的电力数据；对所述气象数据和所述电网设备的电力数据进行故障时间预测处理，得到所述电网设备的故障时间段；根据所述故障时间段，确定所述电网设备对应的风险关联设备；对所述电网设备的电力数据和所述风险关联设备的电力数据进行多目标优化处理，得到所述电网设备和所述风险关联设备的风险控制结果。采用本方法能够提高电网设备在恶劣气象条件下的运行安全性。高电网设备在恶劣气象条件下的运行安全性。高电网设备在恶劣气象条件下的运行安全性。


技术研发人员：袁太平 翟永昌 柯伟 洪巧章 刘超 曾宪伟 邹学通 韦明鸣
受保护的技术使用者：中国南方电网有限责任公司
技术研发日：2023.05.17
技术公布日：2023/7/21