CN113887823A - 一种基于知识推理故障停电线路自适应提取方法 - Google Patents
一种基于知识推理故障停电线路自适应提取方法 Download PDFInfo
- Publication number
- CN113887823A CN113887823A CN202111226783.1A CN202111226783A CN113887823A CN 113887823 A CN113887823 A CN 113887823A CN 202111226783 A CN202111226783 A CN 202111226783A CN 113887823 A CN113887823 A CN 113887823A
- Authority
- CN
- China
- Prior art keywords
- power failure
- line
- maintenance
- fault
- power
- 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.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 108
- 238000004458 analytical method Methods 0.000 claims abstract description 56
- 238000013024 troubleshooting Methods 0.000 claims abstract description 27
- 238000007726 management method Methods 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000003058 natural language processing Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 18
- 230000001360 synchronised effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 5
- 238000011835 investigation Methods 0.000 abstract description 4
- 238000013523 data management Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于知识推理故障停电线路自适应提取方法，涉及电力管理技术领域，包括：基于知识图谱、自然语言处理人工智能技术，实现对多个系统的停电事件记录进行一致性分析和管理；当出现停电告警事件时，对告警区域内所有的供电线路进行排查系数分析，根据排查系数大小依次对供电线路进行排查；找到故障停电线路后，生成对应的线路维修任务至电力维修中心，电力维修中心对接收到的线路维修任务进行维修序值分析，并合理安排对应的维修人员进行维修；同时对故障停电线路进行停电联动分析，得到对应的停电联动线路，然后对停电联动线路进行排查，起到主动预防的作用，进一步提高故障排查效率，减少用户停电时间，提高供电服务质量。
Description
技术领域
本发明涉及电力管理技术领域，具体是一种基于知识推理故障停电线路自适应提取方法。
背景技术
目前电力公司对停电事件的数据质量及可靠性业绩指标要求正在不断提高。停电数据方面，由于各生产系统与可靠性系统之间业务及规则的差异特性，在进行停电事件汇聚和归集的过程中，会存在数据丢失情况，导致各生产系统与可靠性系统归集后的停电事件记录在停电时长、停电影响范围、停电时户数等方面不一致的情况普遍存在需要通过人工进行比对，工作量大且环节繁琐，严重影响了数据治理的效率；
同时当出现停电告警事件时，较难发现故障区域以及停电影响范围，依靠人工排查的效率低下，很难准确快速获得故障停电线路，不能够及时得到维修，存在无法减少用户停电时间，提高事故抢修工作效率，提高供电服务质量的问题；为此，我们提出一种基于知识推理故障停电线路自适应提取方法。
发明内容
为了解决上述方案存在的问题，本发明提供了一种基于知识推理故障停电线路自适应提取方法。本发明基于知识图谱、自然语言处理等人工智能技术，实现对多个系统的停电事件记录进行一致性分析和管理，保证数据质量，为后续分析工作开展提供可靠的数据来源，有效提高数据治理的效率；当出现停电告警事件时，对告警区域内所有的供电线路进行排查系数分析，根据排查系数大小依次对供电线路进行排查，以尽快找到故障停电线路，提高排查效率；找到故障停电线路后，对故障停电线路进行停电联动分析，然后对停电联动线路进行排查，起到主动预防的作用，进一步提高故障排查效率，减少用户停电时间，提高供电服务质量。
本发明的目的可以通过以下技术方案实现：
一种基于知识推理故障停电线路自适应提取方法，包括如下步骤：
步骤一：基于知识图谱、自然语言处理等人工智能技术，实现对多个系统的停电事件记录进行一致性分析和管理；
步骤二：当出现停电告警事件时，对告警区域内所有的供电线路进行排查系数分析，根据排查系数大小依次对供电线路进行排查；
步骤三：找到故障停电线路后，生成对应的线路维修任务至电力维修中心，电力维修中心对接收到的线路维修任务进行维修序值分析，并合理安排对应的维修人员进行维修；
步骤四：找到故障停电线路后，对故障停电线路进行停电联动分析，得到对应的停电联动线路，然后对停电联动线路进行排查，判断是否出现故障问题。
进一步地，对多个系统的停电事件记录进行一致性分析和管理的具体过程如下：
S11：基于文本相似度对停电事件记录进行汇集：利用自然语义处理技术实现各系统停电事件记录之间的相互关联，将文本相似度超过γ％的停电事件记录进行统合，形成确定的停电事件记录；其中γ为预设值；
S12：将停电事件记录写入图数据库：利用知识图谱中“实体-关系”特性存储各类停电事件记录，并支持通过WEB进行查询、维护和导出。
进一步地，所述图数据库还用于结合中压电网拓扑，从若干个维度自动比对汇集后的停电事件记录，得到停电分析结果；并将停电分析结果打上时间戳存储至图数据库；其中维度包括停电时长、停电影响范围、停电时户数和故障停电线路。
进一步地，所述排查系数的具体计算方法为；
S21：获取告警区域内所有的供电线路；根据时间戳，从图数据库调取系统当前时间前九十天内的停电分析结果；
S22：针对同一供电线路，统计该供电线路的停电次数并标记为停电频次P1，统计停电时长≥预设时长阈值的次数为超停频次P2，将对应的停电时长与预设时长阈值进行差值计算，并将差值求和得到超停总值CT；利用公式CS＝P2×k1+CT×k2计算得到超停系数CS；其中k1、k2均为系数因子；
S23：根据停电影响范围和停电时户数对每次停电的停电波及值QWi进行评估；统计QWi≥波及阈值的次数为超波及频次P3，将对应的停电波及值与波及阈值进行差值计算，并将差值求和得到超波及总值CJ；利用公式QJ＝P3×k3+CJ×k4计算得到超波及系数QJ，其中k3、k4均为系数因子；
S24：利用公式PC＝P1×g3+CS×g4+QJ×g5计算得到排查系数PC，其中g3、g4、g5均为系数因子。
进一步地，维修人员的具体维修过程如下：
若线路维修任务数量为一，则维修人员直接到达对应故障停电线路处进行维修；若线路维修任务数量大于一，则对维修序值最大的线路维修任务进行维修；维修完成后，重新对剩余线路维修任务进行维修序值分析，继续对维修序值最大的线路维修任务进行维修，以此类推。
进一步地，其中维修序值的计算方法为：
获取线路维修任务位置与维修人员位置之间的距离差为维修距离L1；
获取线路维修任务对应的故障停电线路，将该故障停电线路的架设年限标记为N1，将该故障停电线路的总长度标记为L2，将该故障停电线路的供电总户数标记为ND；
利用公式WX＝(N1×d1+L2×d2+ND×d3)/(L1×d4)计算得到对应线路维修任务的维修序值WX，其中d1、d2、d3、d4均为系数因子。
进一步地，对故障停电线路进行停电联动分析，具体为：
将当前故障停电线路标记为目标线路；从图数据库调取系统当前时间前九十天内的停电分析结果，采集所有停电分析结果中的故障停电线路；
针对同一故障停电线路，统计该故障停电线路与目标线路同步停电的次数为同步停电频次W1；将该故障停电线路与目标线路最近一次同步停电时刻与系统当前时间进行时间差计算得到缓冲时长HT；
利用公式LD＝(W1×d5)/(HT×d6)计算得到该故障停电线路的停电联动值LD，其中d5、d6为预设系数因子；若LD大于联动阈值，则将对应故障停电线路标记为目标线路的停电联动线路。
进一步地，若某一故障停电线路与目标线路出现在同一停电分析结果中，此时则认为该故障停电线路与目标线路同步停电。
与现有技术相比，本发明的有益效果是：
1、本发明基于知识图谱、自然语言处理等人工智能技术，实现对多个系统的停电事件记录进行一致性分析和管理；利用自然语义处理技术实现各系统停电事件记录之间的相互关联，将文本相似度超过γ％的停电事件记录进行统合，形成确定的停电事件记录；然后将停电事件记录写入图数据库；保证数据质量，为后续分析工作开展提供可靠的数据来源，有效提高数据治理的效率；
2、当出现停电告警事件时，对告警区域内所有的供电线路进行排查系数分析，根据排查系数大小依次对供电线路进行排查，以尽快找到故障停电线路，提高了排查效率；排查人员可由一般工作人员担任，避免人员不足，同时减少维修人员的故障排查时间，提高维修效率；
3、找到故障停电线路后，电力维修中心对接收到的线路维修任务进行维修序值分析，维修人员根据维修序值WX大小依次对线路维修任务进行维修，进一步提高维修效率；同时找到故障停电线路后，对故障停电线路进行停电联动分析，得到对应的停电联动线路，然后对停电联动线路进行排查，判断是否出现故障问题，起到主动预防的作用，进一步提高故障排查效率，减少用户停电时间，提高供电服务质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于知识推理故障停电线路自适应提取方法，包括如下步骤：
步骤一：基于知识图谱、自然语言处理等人工智能技术，实现对多个系统的停电事件记录进行一致性分析和管理，具体包括：
S11：基于文本相似度对停电事件记录进行汇集：将95598、调度、作业管控、用电信息采集等多个系统的停电事件记录汇聚到一起，利用自然语义处理技术实现用电信息采集系统停电事件记录与其他各系统停电事件记录之间的相互关联，将文本相似度超过γ％的停电事件记录进行统合，形成确定的停电事件记录；其中γ为预设值；
S12：将停电事件记录写入图数据库：利用知识图谱中“实体-关系”特性存储各类停电事件记录，并支持通过WEB进行查询、维护和导出；
结合中压电网拓扑，从停电时长、停电影响范围、停电时户数、故障停电线路等几个维度自动比对汇集后的停电事件记录，得到停电分析结果；并将停电分析结果打上时间戳存储至图数据库；
其中停电分析结果包括各个停电维度特征，以图形、图表等视觉方式呈现、并进行交互处理，用于增强数据呈现效果，使用户更方便直观地观察数据、理解数据，进而发现数据中隐藏的信息；停电维度特征包括停电时长、停电影响范围、停电时户数、故障停电线路等；其中一个停电事件中可以包含多个故障停电线路；多个故障停电线路可以分布于不同区域；
本发明基于知识图谱、自然语言处理等人工智能技术，实现对多个系统的停电事件记录进行一致性分析和管理，保证数据质量，为后续分析工作开展提供可靠的数据来源，有效提高数据治理的效率；
步骤二：当出现停电告警事件时，对告警区域内所有的供电线路进行排查系数分析，根据排查系数大小依次对供电线路进行排查，找出故障停电线路；具体步骤为：
S21：获取告警区域内所有的供电线路；根据时间戳，从图数据库调取系统当前时间前九十天内的停电分析结果；
S22：针对同一供电线路，根据停电分析结果，统计该供电线路的停电次数并标记为停电频次P1，将该供电线路每次停电时的停电时长与预设时长阈值相比较；若停电时长≥预设时长阈值，则将对应的停电时长标记为超停时长；
统计超停时长出现的次数为超停频次P2，将超停时长与预设时长阈值进行差值计算，并将对应差值求和得到超停总值CT；
将超停频次、超停总值进行归一化处理并取其数值，利用公式CS＝P2×k1+CT×k2计算得到超停系数CS；其中k1、k2均为预设系数因子；
S23：将该供电线路每次停电时的停电影响范围标记为Wi，停电时户数标记为Hi；其中停电影响范围表示为停电区域面积大小(单位为平方米)；停电时户数表示为停电区域内的住户数；其中i表示第i次停电；
根据停电影响范围和停电时户数对每次停电的停电波及值QWi进行评估，具体为：
式中，g1、g2为预设系数因子；
将停电波及值QWi与波及阈值相比较；统计QWi≥波及阈值的次数为超波及频次P3，将对应的停电波及值与波及阈值进行差值计算，并将差值求和得到超波及总值CJ；
将超波及频次、超波及总值进行归一化处理并取其数值，利用公式QJ＝P3×k3+CJ×k4计算得到超波及系数QJ，其中k3、k4均为系数因子；
S24：将停电频次、超停系数、超波及系数进行归一化处理并取其数值，利用公式PC＝P1×g3+CS×g4+QJ×g5计算得到排查系数PC，其中g3、g4、g5均为系数因子；
由于对供电线路进行排查，判断是否为故障停电线路，并不要求排查人员具有较高的专业知识，所以排查人员可由一般工作人员担任，然后根据排查系数PC大小依次对供电线路进行排查，以尽快找到故障停电线路，提高了排查效率；找到故障停电线路后，再由专业的电路维修人员进行维修，避免维修人员不足，同时减少电路维修人员的故障排查时间，提高维修效率；
步骤三：找到故障停电线路后，生成对应的线路维修任务至电力维修中心，线路维修任务携带有故障停电线路的位置信息；
电力维修中心对接收到的线路维修任务进行分析，并合理安排对应的维修人员进行维修；具体维修过程如下：
若线路维修任务数量为一，则维修人员直接到达对应故障停电线路处进行维修；
若线路维修任务数量大于一，则对若干个线路维修任务进行维修序值分析，首先对维修序值最大的线路维修任务进行维修，维修完成后，重新对剩余线路维修任务进行维修序值分析，继续对维修序值最大的线路维修任务进行维修，以此类推；本发明中维修人员根据维修序值WX大小依次对线路维修任务进行维修，进一步提高维修效率；
其中维修序值的计算方法为：
将线路维修任务的位置与维修人员位置进行距离差计算，得到维修距离L1；
获取线路维修任务对应的故障停电线路，将该故障停电线路的架设年限标记为N1，将该故障停电线路的总长度标记为L2，将该故障停电线路的供电总户数标记为ND；
利用公式WX＝(N1×d1+L2×d2+ND×d3)/(L1×d4)计算得到对应线路维修任务的维修序值WX，其中d1、d2、d3、d4均为系数因子；
在本实施例中，该方法还包括：找到故障停电线路后，对故障停电线路进行停电联动分析，得到对应的停电联动线路，然后对停电联动线路进行排查，判断是否出现故障问题，起到主动预防的作用，进一步提高故障排查效率；具体为：
从图数据库调取系统当前时间前九十天内的停电分析结果；
将当前找到的故障停电线路标记为目标线路，采集所有停电分析结果中的故障停电线路，若某一故障停电线路与目标线路出现在同一停电分析结果中，此时则认为该故障停电线路与目标线路同步停电；
针对同一故障停电线路，统计该故障停电线路与目标线路同步停电的次数为同步停电频次W1；将该故障停电线路与目标线路最近一次同步停电时刻与系统当前时间进行时间差计算得到缓冲时长HT；
利用公式LD＝(W1×d5)/(HT×d6)计算得到该故障停电线路的停电联动值LD，其中d5、d6为预设系数因子；
将停电联动值LD与联动阈值相比较，若LD大于联动阈值，则将对应故障停电线路标记为目标线路的停电联动线路。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理：
一种基于知识推理故障停电线路自适应提取方法，在工作时，首先基于文本相似度对停电事件记录进行汇集，将95598、调度、作业管控、用电信息采集等多个系统的停电事件记录汇聚到一起，将文本相似度超过γ％的停电事件记录进行统合，形成确定的停电事件记录；然后将停电事件记录写入图数据库，利用知识图谱中“实体-关系”特性存储各类停电事件记录，结合中压电网拓扑，从停电时长、停电影响范围、停电时户数、故障停电线路等几个维度自动比对汇集后的停电事件记录，得到停电分析结果；并将停电分析结果打上时间戳存储至图数据库，保证数据质量，为后续分析工作开展提供可靠的数据来源，有效提高数据治理的效率；
当出现停电告警事件时，对告警区域内所有的供电线路进行排查系数分析，根据排查系数大小依次对供电线路进行排查，找出故障停电线路，提高排查效率；找到故障停电线路后，生成对应的线路维修任务至电力维修中心，电力维修中心对接收到的线路维修任务进行维修序值分析，维修人员根据维修序值WX大小依次对线路维修任务进行维修，进一步提高维修效率；同时找到故障停电线路后，对故障停电线路进行停电联动分析，得到对应的停电联动线路，然后对停电联动线路进行排查，判断是否出现故障问题，起到主动预防的作用，进一步提高故障排查效率，减少用户停电时间，提高供电服务质量。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于知识推理故障停电线路自适应提取方法，其特征在于，包括如下步骤：
步骤一：基于知识图谱、自然语言处理技术，实现对多个系统的停电事件记录进行一致性分析和管理；
步骤二：当出现停电告警事件时，对告警区域内所有的供电线路进行排查系数分析，根据排查系数大小依次对供电线路进行排查；
步骤三：找到故障停电线路后，生成对应的线路维修任务至电力维修中心，电力维修中心对接收到的线路维修任务进行维修序值分析，并合理安排对应的维修人员进行维修；
步骤四：找到故障停电线路后，对故障停电线路进行停电联动分析，得到对应的停电联动线路，然后对停电联动线路进行排查，判断是否出现故障问题。
2.根据权利要求1所述的一种基于知识推理故障停电线路自适应提取方法，其特征在于，对多个系统的停电事件记录进行一致性分析和管理的具体过程如下：
S11：基于文本相似度对停电事件记录进行汇集：利用自然语义处理技术实现各系统停电事件记录之间的相互关联，将文本相似度超过γ％的停电事件记录进行统合，形成确定的停电事件记录；其中γ为预设值；
S12：将停电事件记录写入图数据库：利用知识图谱中“实体-关系”特性存储各类停电事件记录，并支持通过WEB进行查询、维护和导出。
3.根据权利要求2所述的一种基于知识推理故障停电线路自适应提取方法，其特征在于，所述图数据库还用于结合中压电网拓扑，从若干个维度自动比对汇集后的停电事件记录，得到停电分析结果；并将停电分析结果打上时间戳存储至图数据库；其中维度包括停电时长、停电影响范围、停电时户数和故障停电线路。
4.根据权利要求3所述的一种基于知识推理故障停电线路自适应提取方法，其特征在于，所述排查系数的具体计算方法为；
S21：获取告警区域内所有的供电线路；根据时间戳，从图数据库调取系统当前时间前九十天内的停电分析结果；
S22：针对同一供电线路，统计该供电线路的停电次数并标记为停电频次P1，统计停电时长≥预设时长阈值的次数为超停频次P2，将对应的停电时长与预设时长阈值进行差值计算，并将差值求和得到超停总值CT；利用公式CS＝P2×k1+CT×k2计算得到超停系数CS；其中k1、k2均为系数因子；
S23：根据停电影响范围和停电时户数对每次停电的停电波及值QW i进行评估；统计QWi≥波及阈值的次数为超波及频次P3，将对应的停电波及值与波及阈值进行差值计算，并将差值求和得到超波及总值CJ；利用公式QJ＝P3×k3+CJ×k4计算得到超波及系数QJ，其中k3、k4均为系数因子；
S24：利用公式PC＝P1×g3+CS×g4+QJ×g5计算得到排查系数PC，其中g3、g4、g5均为系数因子。
5.根据权利要求1所述的一种基于知识推理故障停电线路自适应提取方法，其特征在于，维修人员的具体维修过程如下：
若线路维修任务数量为一，则维修人员直接到达对应故障停电线路处进行维修；若线路维修任务数量大于一，则对维修序值最大的线路维修任务进行维修；维修完成后，重新对剩余线路维修任务进行维修序值分析，继续对维修序值最大的线路维修任务进行维修，以此类推。
6.根据权利要求5所述的一种基于知识推理故障停电线路自适应提取方法，其特征在于，其中维修序值的计算方法为：
获取线路维修任务位置与维修人员位置之间的距离差为维修距离L1；
获取线路维修任务对应的故障停电线路，将该故障停电线路的架设年限标记为N1，将该故障停电线路的总长度标记为L2，将该故障停电线路的供电总户数标记为ND；
利用公式WX＝(N1×d1+L2×d2+ND×d3)/(L1×d4)计算得到对应线路维修任务的维修序值WX，其中d1、d2、d3、d4均为系数因子。
7.根据权利要求3所述的一种基于知识推理故障停电线路自适应提取方法，其特征在于，对故障停电线路进行停电联动分析，具体为：
将当前故障停电线路标记为目标线路；从图数据库调取系统当前时间前九十天内的停电分析结果，采集所有停电分析结果中的故障停电线路；
针对同一故障停电线路，统计该故障停电线路与目标线路同步停电的次数为同步停电频次W1；将该故障停电线路与目标线路最近一次同步停电时刻与系统当前时间进行时间差计算得到缓冲时长HT；
利用公式LD＝(W1×d5)/(HT×d6)计算得到该故障停电线路的停电联动值LD，其中d5、d6为预设系数因子；若LD大于联动阈值，则将对应故障停电线路标记为目标线路的停电联动线路。
8.根据权利要求7所述的一种基于知识推理故障停电线路自适应提取方法，其特征在于，若某一故障停电线路与目标线路出现在同一停电分析结果中，此时则认为该故障停电线路与目标线路同步停电。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111226783.1A CN113887823A (zh) | 2021-10-21 | 2021-10-21 | 一种基于知识推理故障停电线路自适应提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111226783.1A CN113887823A (zh) | 2021-10-21 | 2021-10-21 | 一种基于知识推理故障停电线路自适应提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113887823A true CN113887823A (zh) | 2022-01-04 |
Family
ID=79004047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111226783.1A Pending CN113887823A (zh) | 2021-10-21 | 2021-10-21 | 一种基于知识推理故障停电线路自适应提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113887823A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453267A (zh) * | 2022-09-15 | 2022-12-09 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种电力信息系统故障诊断系统 |
| CN115577122A (zh) * | 2022-11-09 | 2023-01-06 | 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 |
| CN116562852A (zh) * | 2023-05-17 | 2023-08-08 | 国网安徽省电力有限公司黄山供电公司 | 基于知识图谱的配网停电信息管理系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105259480A (zh) * | 2015-11-27 | 2016-01-20 | 国家电网公司 | 一种调度端小电流单相接地选线方法和系统 |
| CN110727804A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 利用知识图谱处理维修案例的方法、装置及电子设备 |
| CN111641206A (zh) * | 2020-06-03 | 2020-09-08 | 江苏方天电力技术有限公司 | 一种自然灾害后电网故障多级协同排查方法 |
| CN111985653A (zh) * | 2020-06-24 | 2020-11-24 | 国网江苏省电力有限公司 | 基于知识图谱的电网故障知识推荐与知识管理系统及方法 |
| JP2021033952A (ja) * | 2019-08-29 | 2021-03-01 | 中国電力株式会社 | 修理工事優先順位決定方法 |
| CN112491608A (zh) * | 2020-11-24 | 2021-03-12 | 中国建设银行股份有限公司 | 一种灾备方案的确定方法、装置、设备及存储介质 |
| CN112541600A (zh) * | 2020-12-07 | 2021-03-23 | 上海电科智能系统股份有限公司 | 一种基于知识图谱的辅助维修决策方法 |
-
2021
- 2021-10-21 CN CN202111226783.1A patent/CN113887823A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105259480A (zh) * | 2015-11-27 | 2016-01-20 | 国家电网公司 | 一种调度端小电流单相接地选线方法和系统 |
| JP2021033952A (ja) * | 2019-08-29 | 2021-03-01 | 中国電力株式会社 | 修理工事優先順位決定方法 |
| CN110727804A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 利用知识图谱处理维修案例的方法、装置及电子设备 |
| CN111641206A (zh) * | 2020-06-03 | 2020-09-08 | 江苏方天电力技术有限公司 | 一种自然灾害后电网故障多级协同排查方法 |
| CN111985653A (zh) * | 2020-06-24 | 2020-11-24 | 国网江苏省电力有限公司 | 基于知识图谱的电网故障知识推荐与知识管理系统及方法 |
| CN112491608A (zh) * | 2020-11-24 | 2021-03-12 | 中国建设银行股份有限公司 | 一种灾备方案的确定方法、装置、设备及存储介质 |
| CN112541600A (zh) * | 2020-12-07 | 2021-03-23 | 上海电科智能系统股份有限公司 | 一种基于知识图谱的辅助维修决策方法 |
Non-Patent Citations (2)
| Title |
|---|
| 林文贵;刘民培;黄超艺;陈云;许舒冰;黄桂兰;: "有源中压配电网故障实时风险评估及安全预警", 电器与能效管理技术, no. 20, 30 October 2018 (2018-10-30) * |
| 赵永生等: "基于大数据技术的供电可靠性中压停电事件实时智能分析研判与增益研究", 电力大数据, no. 3, 21 March 2019 (2019-03-21) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453267A (zh) * | 2022-09-15 | 2022-12-09 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种电力信息系统故障诊断系统 |
| CN115577122A (zh) * | 2022-11-09 | 2023-01-06 | 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 |
| 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 |
| CN116562852A (zh) * | 2023-05-17 | 2023-08-08 | 国网安徽省电力有限公司黄山供电公司 | 基于知识图谱的配网停电信息管理系统 |
| CN116562852B (zh) * | 2023-05-17 | 2024-06-04 | 国网安徽省电力有限公司黄山供电公司 | 基于知识图谱的配网停电信息管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113887823A (zh) | 一种基于知识推理故障停电线路自适应提取方法 | |
| CN105790441B (zh) | 一种智能变电站继电保护巡检系统 | |
| CN106157174B (zh) | 以减少停电时间与电量为目标的停电计划优化决策方法 | |
| CN111967658B (zh) | 一种基于营配信息集成平台的综合停电分析方法 | |
| CN106356850B (zh) | 安全稳定控制装置故障离线控制策略模型的生成方法 | |
| CN109359950A (zh) | 一种电网监控信息全过程管控的方法 | |
| CN112865316B (zh) | 一种基于大数据的供电服务分析指挥系统及方法 | |
| CN116596512B (zh) | 一种基于信息系统的电力运维安全强化方法和系统 | |
| CN112072642B (zh) | 电力系统运行异常状态预估方法 | |
| CN117728379A (zh) | 用于区域电网的智能运行调度方法 | |
| CN116340437A (zh) | 一种面向大规模多源异构数据的多聚类方法 | |
| CN106557870A (zh) | 一种用于电网合同能源管理项目的节能潜力评估方法 | |
| CN116522746A (zh) | 高耗能企业配电托管方法 | |
| CN117375246A (zh) | 电力设备管理方法、系统及设备 | |
| CN111861186A (zh) | 一种检测电网风险事件并获取停电设备的方法 | |
| CN111915048A (zh) | 一种基于智能分析决策理论技术的新型停电管理方法 | |
| CN117353289A (zh) | 一种基于实时数据流式处理的配电变压器运行状态评估系统及方法 | |
| CN112598257A (zh) | 一种基于大数据特征挖掘的停电分析方法及系统 | |
| CN110930264A (zh) | 一种区域电网跳闸信息管控系统 | |
| CN115033832B (zh) | 用于配网停电检修计划自动校核平衡的方法、系统与终端 | |
| CN111127186A (zh) | 一种基于大数据技术的客户信用等级评价体系的使用方法 | |
| CN113937888B (zh) | 一种电力调度自动化系统黑屏监测方法及系统 | |
| CN111049157B (zh) | 一种配网变压器无功补偿情况分析方法 | |
| CN115935201A (zh) | 一种针对重点应急装备gps及电气量数据采集的监测方法以及装置 | |
| CN112446619B (zh) | 配电网抢修处理方法和装置 |
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 |