一种基于语义向量化归一和自适应回归的电网故障概率预测方法

1.一种基于语义向量化归一和自适应回归的电网故障概率预测方法，其特征在于，所述方法包括：响应于当前更新周期的到来，获取前一更新周期对应的历史故障事件数据；其中，所述历史故障事件数据包括结构化数据和非结构化数据，所述结构化数据包括电网运行数据和气象数据，所述非结构化数据包括故障描述信息和人工运维信息；采用独热编码算法对所述非结构化数据进行编码，并得到语义特征向量；根据所述语义特征向量对所述非结构化数据进行分类处理，并得到语义描述类型；其中，所述语义描述类型用于反映所述非结构化数据的内容所描述的电网状态；以所述结构化数据和所述非结构化数据对应的语义描述类型作为训练集，对至少两个第一故障预测模型进行模型训练，并得到至少两个第二故障预测模型；其中，所述第一故障预测模型为所述前一更新周期训练得出的故障预测模型，所述第二故障预测模型为所述当前更新周期训练得出的故障预测模型，至少两个所述第一故障预测模型包括第一线性回归模型和第一XGBoost回归模型，至少两个所述第二故障预测模型包括第二线性回归模型和第二XGBoost回归模型；分别对各个所述第二故障预测模型进行回测，并根据每个所述第二故障预测模型的回测结果，在各个所述第二故障预测模型中确定最优模型；将所述最优模型部署为用于预测电网故障概率的实时预测模型；其中，所述分别对各个所述第二故障预测模型进行回测，包括：采用回测数据集对所述第二线性回归模型进行回测，并得到由所述第二线性回归模型输出的线性回归预测结果，且对所述线性回归预测结果进行变换，得到第一故障预测概率；采用所述回测数据集对所述第二XGBoost回归模型进行回测，并得到由所述第二XGBoost回归模型输出的第二故障预测概率；根据预设的权重系数、所述第一故障预测概率和所述第二故障预测概率，计算第三故障预测概率；根据预设回测算法和所述第一故障预测概率，计算第一回测结果；其中，所述预设回测算法包括平均绝对误差MAE算法、均方误差MSE算法和R平方算法；根据所述预设回测算法和所述第二故障预测概率，计算第二回测结果；根据所述预设回测算法和所述第三故障预测概率，计算第三回测结果。 2.根据权利要求1所述的方法，其特征在于，所述根据所述语义特征向量对所述非结构化数据进行分类处理，并得到语义描述类型，包括：计算所述语义特征向量与预设的基准特征向量之间的向量距离；根据所述向量距离对所述非结构化数据进行分类处理，并得到所述语义描述类型。 3.根据权利要求1所述的方法，其特征在于，所述根据预设回测算法和所述第一故障预测概率，计算第一回测结果，包括：基于所述第一故障预测概率，采用所述平均绝对误差MAE算法计算第一MAE值；基于所述第一故障预测概率，采用所述均方误差MSE算法计算第一MSE值；基于所述第一故障预测概率，采用所述R平方算法计算得到第一结果，并将1减所述第一结果的差值作为第一R平方值；对所述第一MAE值、所述第一MSE值和所述第一R平方值进行加权求和，并得到所述第一回测结果；所述根据所述预设回测算法和所述第二故障预测概率，计算第二回测结果，包括：基于所述第二故障预测概率，采用所述平均绝对误差MAE算法计算第二MAE值；基于所述第二故障预测概率，采用所述均方误差MSE算法计算第二MSE值；基于所述第二故障预测概率，采用所述R平方算法计算得到第二结果，并将1减去所述第二结果的差值作为第二R平方值；对所述第二MAE值、第二MSE值和所述第二R平方值进行加权求和，并得到所述第二回测结果；所述根据所述预设回测算法和所述第三故障预测概率，计算第三回测结果，包括：基于所述第三故障预测概率，采用所述平均绝对误差MAE算法计算第三MAE值；基于所述第三故障预测概率，采用所述均方误差MSE算法计算第三MSE值；基于所述第三故障预测概率，采用所述R平方算法计算得到第三结果，并将1减去所述第三结果的差值作为第三R平方值；对所述第三MAE值、第三MSE值和所述第三R平方值进行加权求和，并得到所述第三回测结果。 4.一种基于语义向量化归一和自适应回归的电网故障概率预测装置，其特征在于，所述装置包括：数据获取模块，用于响应于当前更新周期的到来，获取前一更新周期对应的历史故障事件数据；其中，所述历史故障事件数据包括结构化数据和非结构化数据，所述结构化数据包括电网运行数据和气象数据，所述非结构化数据包括故障描述信息和人工运维信息；编码模块，用于采用独热编码算法对所述非结构化数据进行编码，并得到语义特征向量；分类模块，用于根据所述语义特征向量对所述非结构化数据进行分类处理，并得到语义描述类型；其中，所述语义描述类型用于反映所述非结构化数据的内容所描述的电网状态；模型训练模块，用于以所述结构化数据和所述非结构化数据对应的语义描述类型作为训练集，对至少两个第一故障预测模型进行模型训练，并得到至少两个第二故障预测模型；其中，所述第一故障预测模型为所述前一更新周期训练得出的故障预测模型，所述第二故障预测模型为所述当前更新周期训练得出的故障预测模型，至少两个所述第一故障预测模型包括第一线性回归模型和第一XGBoost回归模型，至少两个所述第二故障预测模型包括第二线性回归模型和第二XGBoost回归模型；回测模块，用于分别对各个所述第二故障预测模型进行回测，并根据每个所述第二故障预测模型的回测结果，在各个所述第二故障预测模型中确定最优模型；模型部署模块，用于将所述最优模型部署为用于预测电网故障概率的实时预测模型；其中，所述回测模块包括：第一概率获取单元，用于采用回测数据集对所述第二线性回归模型进行回测，并得到由所述第二线性回归模型输出的线性回归预测结果，且对所述线性回归预测结果进行变换，得到第一故障预测概率；第二概率获取单元，用于采用所述回测数据集对所述第二XGBoost回归模型进行回测，并得到由所述第二XGBoost回归模型输出的第二故障预测概率；第三概率获取单元，用于根据预设的权重系数、所述第一故障预测概率和所述第二故障预测概率，计算第三故障预测概率；第一结果获取单元，用于根据预设回测算法和所述第一故障预测概率，计算第一回测结果；其中，所述预设回测算法包括平均绝对误差MAE算法、均方误差MSE算法和R平方算法；第二结果获取单元，用于根据所述预设回测算法和所述第二故障预测概率，计算第二回测结果；第三结果获取单元，用于根据所述预设回测算法和所述第三故障预测概率，计算第三回测结果。 5.一种计算机设备，其特征在于，包括：一个或多个处理器，以及存储器；所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如权利要求1至3中任一项所述基于语义向量化归一和自适应回归的电网故障概率预测方法的步骤。 6.一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3中任一项所述基于语义向量化归一和自适应回归的电网故障概率预测方法的步骤。 7.一种计算机程序产品，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3中任一项所述基于语义向量化归一和自适应回归的电网故障概率预测方法的步骤。