CN112529056B - 一种用于配电网大面积停电的研判方法 - Google Patents

一种用于配电网大面积停电的研判方法 Download PDF

Info

Publication number
CN112529056B
CN112529056B CN202011393980.8A CN202011393980A CN112529056B CN 112529056 B CN112529056 B CN 112529056B CN 202011393980 A CN202011393980 A CN 202011393980A CN 112529056 B CN112529056 B CN 112529056B
Authority
CN
China
Prior art keywords
information
power failure
work order
area
level
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011393980.8A
Other languages
English (en)
Other versions
CN112529056A (zh
Inventor
余剑锋
何云良
吴华华
郑翔
马翔
尚宁
王正国
张爽
林少娃
石赟超
孙钢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd filed Critical Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202011393980.8A priority Critical patent/CN112529056B/zh
Publication of CN112529056A publication Critical patent/CN112529056A/zh
Application granted granted Critical
Publication of CN112529056B publication Critical patent/CN112529056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Remote Sensing (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Quality & Reliability (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种用于配电网大面积停电的研判方法，包括构建结构化地址索引、用户用电地址匹配、数据清洗、孤立森林异常检测、人工筛选大面积停电异常工单、随机森林模型进行训练、结果输出、地址匹配、预警并向停电范围内的客户发送短信提醒。本方法可以对配电网大面积停电进行研判，改善传统配电网抢修指挥业务仅依赖95598故障工单的被动抢修模式，大幅缩短用户停电时间，为全天候响应和快速组织处理大面积停电提供基础，提前研判区域出现大面积停电，通知相关用电客户，减少经济损失。

Description

一种用于配电网大面积停电的研判方法
技术领域
本发明属于配电网智能管理领域，尤其是涉及一种用于配电网大面积停电的研判方法。
背景技术
配电网故障抢修效率与人们的生活质量息息相关,直接影响供电可靠率，间接影响到经济效率和社会稳定。由于中低压配电网运行环境复杂、作业类型繁杂，故障多发且情况多样，同时又直接面向最终电力用户，需要建立全天候的故障相应管理机制，以保障最优质的供电服务质量。如何最大限度缩短用户停电时间、全天候响应和快速组织处理各类故障便成为配电网供电抢修指挥的核心问题。
发明内容
有鉴于此，本发明旨在提出一种用于配电网大面积停电的研判方法，可以对配电网大面积停电进行研判，改善传统配电网抢修指挥业务仅依赖 95598故障工单的被动抢修模式，大幅缩短用户停电时间，为全天候响应和快速组织处理大面积停电提供基础，提前研判区域出现大面积停电，通知相关用电客户，减少经济损失。
为达到上述目的，本发明的技术方案是这样实现的：
一种用于配电网大面积停电的研判方法，包括：
步骤1：构建结构化地址索引：基于现有五级地址数据，将全部的地址词条提取后去重，得到分词词库，构建五级地址库；
步骤2：用户用电地址匹配：利用自然语言理解文本搜索方法，将原始电力工单信息中的用户用电地址信息与五级地址库相关联，使原始电力工单信息中的用户用电地址与五级地址库内地址标识相匹配；
步骤3：数据清洗：在原始电力工单信息中选取包含用户信息、拓扑信息、停电数据信息、工单数据信息、供电单位信息以及标准代码数据信息的筛选后电力工单信息；
步骤4：孤立森林异常检测：对筛选出的原始电力工单信息使用孤立森林模型进行检测，得到异常工单信息；
步骤5：人工筛选大面积停电异常工单：人工对得到的异常工单信息进行筛选，标记其中的异常工单带有大面积停电特征；
步骤6：模型训练：使用包含大面积停电特征的工单信息，对随机森林模型进行训练；
步骤7：预测：对训练后的随机森林模型预测准确率是否达标进行判断；
步骤8：重新特征选择：如果随机森林模型准确率未达标，则重新返回步骤5进行特征筛选；
步骤9：结果输出：将新的筛选后电力工单信息输入训练好的随机森林模型进行判断，输出带有大面积停电特征的工单；
步骤10：地址匹配：把输出的带有大面积停电特征的工单与建立的五级地址库进行匹配标记；
步骤11：预警并向停电范围内的客户发送短信：当某一区域内带有大面积停电特征的工单超出预设阀值后，则研判此区域出现大面积停电，预警并向停电范围内的客户发送短信提醒。
进一步的，在步骤1中：构建五级地址库包括：一级(省)、二级(市)、三级(区县)、四级(街道/乡镇)、五级(社区/行政村)。
进一步的，在步骤3中：用户信息包括：用户基本信息、用电地址信息及用户台区关系信息。
进一步的，在步骤3中：拓扑信息包括：线路信息、线路关系信息、台区信息及线路台区信息。
进一步的，在步骤3中：停电数据信息包括：计划停电信息及故障临时停电信息。
进一步的，在步骤3中：工单数据信息包括：工单受理信息及工单处理信息。
进一步的，在步骤3中：供电单位信息包括：供电单位数据信息；标准代码数据信息包括：标准代码数据信息。
相对于现有技术，本发明一种用于配电网大面积停电的研判方法，具有以下优势：
本发明一种用于配电网大面积停电的研判方法，可以对配电网大面积停电进行研判，改善传统配电网抢修指挥业务仅依赖95598故障工单的被动抢修模式，大幅缩短用户停电时间，为全天候响应和快速组织处理大面积停电提供基础，提前研判区域出现大面积停电，通知相关用电客户，减少经济损失。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
在附图中：
图1为本发明实施例一种用于配电网大面积停电的研判方法流程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示，一种用于配电网大面积停电的研判方法，包括：
步骤1：构建结构化地址索引：基于现有五级地址数据，将全部的地址词条提取后去重，得到分词词库，构建五级地址库；
步骤2：用户用电地址匹配：利用自然语言理解文本搜索方法，将原始电力工单信息中的用户用电地址信息与五级地址库相关联，使原始电力工单信息中的用户用电地址与五级地址库内地址标识相匹配；
步骤3：数据清洗：在原始电力工单信息中选取包含用户信息、拓扑信息、停电数据信息、工单数据信息、供电单位信息以及标准代码数据信息的筛选后电力工单信息；
步骤4：孤立森林异常检测：对筛选出的原始电力工单信息使用孤立森林模型进行检测，得到异常工单信息；
步骤5：人工筛选大面积停电异常工单：人工对得到的异常工单信息进行筛选，标记其中的异常工单带有大面积停电特征；
步骤6：模型训练：使用包含大面积停电特征的工单信息，对随机森林模型进行训练；
步骤7：预测：对训练后的随机森林模型预测准确率是否达标进行判断；
步骤8：重新特征选择：如果随机森林模型准确率未达标，则重新返回步骤5进行特征筛选；
步骤9：结果输出：将新的筛选后电力工单信息输入进入训练好的随机森林模型进行判断，输出带有大面积停电特征的工单；
步骤10：地址匹配：把输出的带有大面积停电特征的工单与建立的五级地址库进行匹配标记；
步骤11：预警并向停电范围内的客户发送短信：当某一区域内带有大面积停电特征的工单超出预设阀值后，则研判此区域出现大面积停电，预警并向停电范围内的客户发送短信提醒。
如图1所示，在步骤1中：构建五级地址库包括：一级(省)、二级(市)、三级(区县)、四级(街道/乡镇)、五级(社区/行政村)。
如图1所示，在步骤3中：用户信息包括：用户基本信息、用电地址信息及用户台区关系信息。
如图1所示，在步骤3中：拓扑信息可以包括：线路信息、线路关系信息、台区信息及线路台区信息。
如图1所示，在步骤3中：停电数据信息可以包括：计划停电信息及故障临时停电信息。
如图1所示，在步骤3中：工单数据信息包括：工单受理信息及工单处理信息。
如图1所示，在步骤3中：供电单位信息包括：供电单位数据信息；标准代码数据信息包括：标准代码数据信息。
在本实施例中，信息类型与对应可以包含内容如下：
Figure BDA0002813921460000061
Figure BDA0002813921460000071
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种用于配电网大面积停电的研判方法，其特征在于：包括：
步骤1：构建结构化地址索引：基于现有五级地址数据，将全部的地址词条提取后去重，得到分词词库，构建五级地址库；
步骤2：用户用电地址匹配：利用自然语言理解文本搜索方法，将原始电力工单信息中的用户用电地址信息与五级地址库相关联，使原始电力工单信息中的用户用电地址与五级地址库内地址标识相匹配；
步骤3：数据清洗：在原始电力工单信息中选取包含用户信息、拓扑信息、停电数据信息、工单数据信息、供电单位信息以及标准代码数据信息的筛选后电力工单信息；
步骤4：孤立森林异常检测：对筛选出的原始电力工单信息使用孤立森林模型进行检测，得到异常工单信息；
步骤5：人工筛选大面积停电异常工单：人工对得到的异常工单信息进行筛选，标记其中的异常工单带有大面积停电特征；
步骤6：模型训练：使用包含大面积停电特征的工单信息，对随机森林模型进行训练；
步骤7：预测：对训练后的随机森林模型预测准确率是否达标进行判断；
步骤8：重新特征选择：如果随机森林模型准确率未达标，则重新返回步骤5进行特征筛选；
步骤9：结果输出：将新的筛选后电力工单信息输入训练好的随机森林模型进行判断，输出带有大面积停电特征的工单；
步骤10：地址匹配：把输出的带有大面积停电特征的工单与建立的五级地址库进行匹配标记；
步骤11：预警并向停电范围内的客户发送短信：当某一区域内带有大面积停电特征的工单超出预设阈值后，则研判此区域出现大面积停电，预警并向停电范围内的客户发送短信提醒。
2.根据权利要求1所述的一种用于配电网大面积停电的研判方法，其特征在于：在步骤1中：构建五级地址库包括：一级是省级、二级是市级、三级是区县级、四级是街道级或乡镇级、五级是社区级或行政村级。
3.根据权利要求1所述的一种用于配电网大面积停电的研判方法，其特征在于：在步骤3中：用户信息包括：用户基本信息、用电地址信息及用户台区关系信息。
4.根据权利要求1所述的一种用于配电网大面积停电的研判方法，其特征在于：在步骤3中：拓扑信息包括：线路信息、线路关系信息、台区信息及线路台区信息。
5.根据权利要求1所述的一种用于配电网大面积停电的研判方法，其特征在于：在步骤3中：停电数据信息包括：计划停电信息及故障临时停电信息。
6.根据权利要求1所述的一种用于配电网大面积停电的研判方法，其特征在于：在步骤3中：工单数据信息包括：工单受理信息及工单处理信息。
7.根据权利要求1所述的一种用于配电网大面积停电的研判方法，其特征在于：在步骤3中：供电单位信息包括：供电单位数据信息；标准代码数据信息包括：标准代码数据信息。
CN202011393980.8A 2020-12-02 2020-12-02 一种用于配电网大面积停电的研判方法 Active CN112529056B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011393980.8A CN112529056B (zh) 2020-12-02 2020-12-02 一种用于配电网大面积停电的研判方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011393980.8A CN112529056B (zh) 2020-12-02 2020-12-02 一种用于配电网大面积停电的研判方法

Publications (2)

Publication Number Publication Date
CN112529056A CN112529056A (zh) 2021-03-19
CN112529056B true CN112529056B (zh) 2022-08-12

Family

ID=74996569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011393980.8A Active CN112529056B (zh) 2020-12-02 2020-12-02 一种用于配电网大面积停电的研判方法

Country Status (1)

Country Link
CN (1) CN112529056B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344432B (zh) * 2021-06-29 2022-05-13 云南电网有限责任公司信息中心 一种区域性客户服务风险的判断方法及装置
CN114872290B (zh) * 2022-05-20 2024-02-06 深圳市信润富联数字科技有限公司 一种注塑件的自适应生产异常监测方法
CN115577122B (zh) * 2022-11-09 2024-04-19 国网安徽省电力有限公司黄山供电公司 一种配电网停电信息知识图谱的构建方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105894172A (zh) * 2015-11-17 2016-08-24 国家电网公司 一种基于营配融合的联合停电研判方法
CN106203830A (zh) * 2016-07-12 2016-12-07 国网江西省电力公司南昌供电分公司 提升配网故障响应和抢修能力的供电服务体系
CN108683713A (zh) * 2018-04-25 2018-10-19 广州供电局有限公司 故障停电信息的推送方法和推送装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110041149A1 (en) * 2009-08-13 2011-02-17 At&T Intellectual Property I, L.P. Geographically diverse on-screen displays for blackouts
US10381869B2 (en) * 2010-10-29 2019-08-13 Verizon Patent And Licensing Inc. Remote power outage and restoration notification

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105894172A (zh) * 2015-11-17 2016-08-24 国家电网公司 一种基于营配融合的联合停电研判方法
CN106203830A (zh) * 2016-07-12 2016-12-07 国网江西省电力公司南昌供电分公司 提升配网故障响应和抢修能力的供电服务体系
CN108683713A (zh) * 2018-04-25 2018-10-19 广州供电局有限公司 故障停电信息的推送方法和推送装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于大数据的95598优质服务管理创新与实践;张爽等;《电力需求侧管理》;20170920(第05期);全文 *
配网线路停电信息监控与分析技术研究;李文芳等;《山东电力技术》;20180525(第05期);全文 *

Also Published As

Publication number Publication date
CN112529056A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
CN112529056B (zh) 一种用于配电网大面积停电的研判方法
EP3968040A1 (en) Abnormal electricity use recognition method and device, and computer readable storage medium
US20200311836A1 (en) Modeling analysis method based on geographic targets
CN102880956B (zh) 支付服务器和支付通道整合方法
CN105427039A (zh) 一种基于责任区的配电网抢修工单高效处理方法
CN109767081B (zh) 电力工单表生成方法及装置
CN108710990B (zh) 基于同期数据的线变台户多级线损分析方法及系统
CN108090165A (zh) 一种基于嵌入式图数据库的图谱变化差异的获取方法
CN107707386A (zh) 基于复合物联网的燃气表故障提示方法及物联网系统
CN113902583B (zh) 利用低压网络设备数据的配网侧运维方法及系统
CN104599068A (zh) 一种综合分析报修信息的用户故障定位方法
CN107862427A (zh) 基于复合物联网的水表节能提示方法及物联网系统
CN105550809A (zh) 一种用于企业信用评估的征信系统
CN112016174A (zh) 一种基于多源配网网架图的户变关系核查方法
CN114818632B (zh) 一种超计划用电限电序位表的编制方法及装置
CN115622260B (zh) 一种多能源组合的集中监控方法及系统
CN116542148A (zh) 一种超级电容器剩余寿命的预测方法及系统
CN107609016A (zh) 基于表达式解析的电力交易数据准确性校验方法
CN114219245B (zh) 基于大数据的乡村电力指数评价方法、装置及存储介质
CN117473594A (zh) 机房部署方法、装置、电子设备及存储介质
CN108229838B (zh) 一种基于客户感知的电网供电质量综合评价方法
CN116562852A (zh) 基于知识图谱的配网停电信息管理系统
CN110059234A (zh) 水务异常事件侦测方法及装置、计算机装置及存储介质
CN109522352A (zh) 工业数据管理系统及方法
CN201251790Y (zh) 蜂巢式人口管理信息采集系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant