CN113988322A - 一种基于配网维修数据分析的预检方法及系统 - Google Patents
一种基于配网维修数据分析的预检方法及系统 Download PDFInfo
- Publication number
- CN113988322A CN113988322A CN202111074828.8A CN202111074828A CN113988322A CN 113988322 A CN113988322 A CN 113988322A CN 202111074828 A CN202111074828 A CN 202111074828A CN 113988322 A CN113988322 A CN 113988322A
- Authority
- CN
- China
- Prior art keywords
- data
- work order
- maintenance
- inspection
- dimension
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 73
- 238000007689 inspection Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000009826 distribution Methods 0.000 title claims abstract description 25
- 238000007405 data analysis Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000008439 repair process Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 7
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 102100036790 Tubulin beta-3 chain Human genes 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101000713575 Homo sapiens Tubulin beta-3 chain Proteins 0.000 description 1
- 101000713585 Homo sapiens Tubulin beta-4A chain Proteins 0.000 description 1
- 102100036788 Tubulin beta-4A chain Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了配电网维修技术领域的一种基于配网维修数据分析的预检方法及系统，预检方法包括：获取维修工单数据；依照维修工单数据从构建的预检关联度数据集中检索出需要预检的设备信息，并形成预检工单数据。预检方法充分利用了历史检修数据，提高了预检方案的准确性和针对性，具有较高的可信性和可行性。
Description
技术领域
本发明属于配电网维修技术领域，具体涉及一种基于配网维修数据分析的预检方法及系统。
背景技术
在电网的业务服务中，配网抢修业务是电网服务很重要的一个环节，在配网抢修过程中，因为抢修业务的多样性、多发性，以及引起原因的复杂性，导致在配网抢修过程中，数据呈现出非规律性，而且数据之间也没有较为明显的相关性用于挖掘。现有技术中对于预检方案的制定主要依靠技术人员的工作经验，主观性强，对历史检修数据运用的深度不够，制定的预检方案准确性以及针对性都不强。
发明内容
为解决现有技术中的不足，本发明提供一种基于配网维修数据分析的预检方法及系统，充分利用了历史检修数据，提高了预检方案的准确性和针对性，具有较高的可信性和可行性。
为达到上述目的，本发明所采用的技术方案是：
第一方面，提供一种基于配网维修数据分析的预检方法，包括：获取维修工单数据；依照维修工单数据从构建的预检关联度数据集中检索出需要预检的设备信息，并形成预检工单数据。
进一步地，所述预检关联度数据集的构建方法，包括：对历史维修工单数据进行清洗和筛选，然后拆分为空间维度数据、时间维度数据和设备维度数据；将空间维度数据、时间维度数据和设备维度数据分为时间-空间维度数据和时间-设备维度数据两类，并对这两类数据进行聚类分析、存储，得到预检关联度数据集；其中，时间-空间维度数据的聚类结果表示在某一个时间维度下，具备数据相关性的地点；时间-设备维度数据的聚类结果表示在某一个时间维度下，具备数据相关性的设备。
进一步地，当所有的维修和预检工作都完成后，将当前完成的维修工单数据加入历史维修工单数据。
进一步地，在历史维修数据中，将设备故障发生时间作为基准维度。
进一步地，所述聚类分析采用Affinity Propagation 算法。
第二方面，提供一种基于配网维修数据分析的预检系统，包括：数据获取模块，用于获取维修工单数据；预检工单生成模块，用于依照维修工单数据从构建的预检关联度数据集中检索出需要预检的设备信息，并形成预检工单数据。
与现有技术相比，本发明所达到的有益效果：
（1）本发明通过构建的预检关联度数据集，制定预检方案，充分利用了历史检修数据，提高了预检方案的准确性和针对性，具有较高的可信性和可行性；
（2）本发明通过历史维修工单数据，通过属性分类和分级，再运用AffinityPropagation 算法，最终确定维设备故障关联性数据，然后依据最新的故障信息来获取预检信息；在这整个过程中，即结合了实施过程中的相关流程，也通过对历史数据的计算和分析，并充分结合实时的现场数据，因此具有较高的可信性和可行性；最后的预检数据使用方式，充分将实时情况考虑其中；通过本发明的信息化的方案，可以使整个配抢、维修流程在整个信息化管理过程中更为顺畅，为整个配抢工作带来实质化的改进。
附图说明
图1是本发明实施例提供的一种基于配网维修数据分析的预检方法的主要流程示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
如图1所示，一种基于配网维修数据分析的预检方法，包括：获取维修工单数据；依照维修工单数据从构建的预检关联度数据集中检索出需要预检的设备信息，并形成预检工单数据。
所述预检关联度数据集的构建方法，包括：对历史维修工单数据进行清洗和筛选，然后拆分为空间维度数据、时间维度数据和设备维度数据；将空间维度数据、时间维度数据和设备维度数据分为时间-空间维度数据和时间-设备维度数据两类，并对这两类数据进行聚类分析、存储，得到预检关联度数据集；其中，时间-空间维度数据的聚类结果表示在某一个时间维度下，具备数据相关性的地点；时间-设备维度数据的聚类结果表示在某一个时间维度下，具备数据相关性的设备。
本实施例利用维修历史业务，对历史数据做聚类分析，得到聚类数据之后，依据实际业务特点，在新的维修数据出现的时候，可以以此相关性分析得出需要预检的设备信息，这样为维修工作提供指导。
本实施例技术方案具体包括如下步骤，如图1所示：
步骤SS1：对所有的历史维修工单数据进行清洗和筛选，将历史维修工单数据分解为三个维度表示[t，d，m]， 其中，t表示时间，d表示地点，m表示设备。
历史维修工单数据分解逻辑如下：
1、获取维修数据的设备故障发生时间
在历史维修数据中，将设备故障发生时间作为基准维度，是数据拆分分解分析的基准，此时间定义为配网设备故障发生时间，此发生时间是后期数据聚类中，唯一用来标识和后期数据选取的主要标识。
2、维修信息中的设备地点和设备类型数据
设备地点和设备类型数据是维修信息中的两个基础数据，本实施例做数据分析时，使用这两类最基础的数据，以保证数据的完整性。将设备的地址、设备类型和第一点中的发生数据相结合，可以得到设备的统计数据，此统计数据，依赖于时间跨度和区域的设定范围，这也是在实际的操作中，需要在依据是数据情况去判断和测试的。本实施例在这里假设时间维度跨度为1小时，区域以一个行政区域的片区为基准。
这三个维度均为维修数据中必然具备的属性数据，但是在本实施例中，它们具有极其重要的地位。以此三个基本属性为数据源，保证了本实施例在数据选取上的普适性。此三个维度的数据在清洗和筛选之后，作为历史维修工单数据池数据，为下面SS2中聚合提供数据源。
步骤SS2：对SS1清洗过的历史维修工单数据进行拆分形成[t，d]， [t，m] 两个组合，然后对所有的历史维修工单数据的这两类维度数据进行聚合。
本步骤中，需要将SS1中的数据源分解为两类。其中设备故障时间维度和故障设备地点维度相结合，形成时间-地点数据，本实施例中用[t, d]表示；设备故障时间维度和设备类型数据相结合，形成时间-设备数据，本发明中使用[t, m]来表示，这样就将SS1中的数据源分解形成的两类聚合所需要的最重要的数据源。
数据的聚合算法有很多，经过和实际业务相关度的对比考察之后，本实施例选择Affinity Propagation 算法。此算法相比于传统的聚类算法，在聚类性能和效率方面都有很大的提升。最重要的是，它的预设较为简单，对于非规数据，不需要指定最终聚类族的个数，它可以根据提供的数据决定聚类的数目；而且此模型对数据的初始值不敏感，对于维修数据这种较为分散的时序数据，是很合适的一种选择；另外，AP（Affinity Propagation）算法对初始相似度矩阵数据的对称性没有要求，而且相比于k-centers聚类方法，其结果的平方差误差较小。它有两个重要的参数：
1、preference：参考度或称为偏好参数，是相似度矩阵中横轴纵轴索引相同的点，如s(i,i)，若按欧氏距离计算其值应为0，但在AP聚类中其表示数据点i作为聚类中心的程度，因此不能为0。迭代开始前假设所有点成为聚类中心的能力相同，因此参考度一般设为相似度矩阵中所有值得最小值或者中位数，但是参考度越大则说明个数据点成为聚类中心的能力越强，则最终聚类中心的个数则越多；
2、damping factor：阻尼因子，用于减少吸引信息和归属信息以防止更新减少吸引度和归属度信息时数据振荡。
依据此算法，本实施例将时间-地点数据，即[t, d]和时间-设备数据，即[t, m]分别作为样本数据输入，其中两个核心参数：damping factor(阻尼因子)设置为0.75,preference不设置值，意味着设置为相似矩阵的中位数。随后可以得到对此样本数据的聚类分析结果，即多个时间段，地点的相关度矩阵以及多个时间段，设备的相关度矩阵。
步骤SS3：依据SS2的聚类分析结果，得出时间维度t 和地点维度d的聚类结果；以及时间维度t和设备维度m的聚类结果。这两类聚类结果表示，在某一个时间维度下，某些地点会出现数据相关性；另外，在某一个时间维度下，某些设备会出现明显的数据相关性。在得到将这两类结果数据之后，对数据进行存储，形成两类预检数据。
在本步骤中，将SS2中获取的相关度矩阵数据依据时间维度进行保存。形成地点、设备预检相关度数据。
步骤SS4：在得到新的维修工单，维修完成之后，对维修的地点、设备进行录入，依据SS3中形成的预检数据，即可得到是相关的需要预检的设备以及需要预检关注的地区。
在本步骤SS4，当出现一个新的检修任务工单后，维修人员到达现场，对设备进行维修，维修完成之后，输入设备故障发生时间以及故障设备地点、故障设备类型之后，查询由步骤SS3中产生预检相关度数据，这时候可以得到是故障相关度可能性的设备，此时，依据结果，对相关的设备进行预检，以此来预防其相关的设备出现故障。
步骤SS5：当所有的维修和预检工作都完成后，将当前完成的维修工单数据回到SS1的步骤，作为新的输入数据，修正和完善系统数据，使得相关度算法更加符合准确，符合现场需求。
在本步骤中，当维修完成之后，新的维修数据将将会进入历史维修数据库中，重新按步骤SS1中的步骤开始清洗数据，将数据分类，然后计算相关度。这样一直不断的使用目前的现场数据修正数据，使得维修关联度数据更加准确。
本实施例结合实用性、指导性、经济性等角度，结合行业规范和操作确认维修预检指标，并通过历史维修工单数据，通过属性分类和分级，再运用Affinity Propagation 算法，最终确定维设备故障关联性数据，然后依据最新的故障信息来获取预检信息。在这整个过程中，即结合了实施过程中的相关流程，也通过对历史数据的计算和分析，并充分结合实时的现场数据，因此具有较高的可信性和可行性。最后的预检数据使用方式，也相对于传统的完全依赖于历史数据分析的方式有了很大的改进，充分将实时情况考虑其中。通过本发明的信息化的方案，可以使整个配抢、维修流程在整个信息化管理过程中更为顺畅，为整个配抢工作带来实质化的改进。
实施例二：
基于实施例一所述的一种基于配网维修数据分析的预检方法，本实施例提供一种基于配网维修数据分析的预检系统，包括：数据获取模块，用于获取维修工单数据；预检工单生成模块，用于依照维修工单数据从构建的预检关联度数据集中检索出需要预检的设备信息，并形成预检工单数据。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种基于配网维修数据分析的预检方法，其特征是，包括：
获取维修工单数据；
依照维修工单数据从构建的预检关联度数据集中检索出需要预检的设备信息，并形成预检工单数据。
2.根据权利要求1所述的基于配网维修数据分析的预检方法，其特征是，所述预检关联度数据集的构建方法，包括：
对历史维修工单数据进行清洗和筛选，然后拆分为空间维度数据、时间维度数据和设备维度数据；
将空间维度数据、时间维度数据和设备维度数据分为时间-空间维度数据和时间-设备维度数据两类，并对这两类数据进行聚类分析、存储，得到预检关联度数据集；其中，时间-空间维度数据的聚类结果表示在某一个时间维度下，具备数据相关性的地点；时间-设备维度数据的聚类结果表示在某一个时间维度下，具备数据相关性的设备。
3.根据权利要求2所述的基于配网维修数据分析的预检方法，其特征是，当所有的维修和预检工作都完成后，将当前完成的维修工单数据加入历史维修工单数据。
4.根据权利要求2所述的基于配网维修数据分析的预检方法，其特征是，在历史维修数据中，将设备故障发生时间作为基准维度。
5. 根据权利要求2所述的基于配网维修数据分析的预检方法，其特征是，所述聚类分析采用Affinity Propagation 算法。
6.一种基于配网维修数据分析的预检系统，其特征是，包括：
数据获取模块，用于获取维修工单数据；
预检工单生成模块，用于依照维修工单数据从构建的预检关联度数据集中检索出需要预检的设备信息，并形成预检工单数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111074828.8A CN113988322A (zh) | 2021-09-14 | 2021-09-14 | 一种基于配网维修数据分析的预检方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111074828.8A CN113988322A (zh) | 2021-09-14 | 2021-09-14 | 一种基于配网维修数据分析的预检方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113988322A true CN113988322A (zh) | 2022-01-28 |
Family
ID=79735776
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111074828.8A Pending CN113988322A (zh) | 2021-09-14 | 2021-09-14 | 一种基于配网维修数据分析的预检方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113988322A (zh) |
-
2021
- 2021-09-14 CN CN202111074828.8A patent/CN113988322A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103870659B (zh) | 一种数控机床故障分析方法 | |
| CN104931857B (zh) | 一种基于d-s证据理论的配电网故障定位方法 | |
| CN107330056B (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
| CN106533754A (zh) | 用于高校教学服务器故障诊断的方法及专家系统 | |
| CN106021545A (zh) | 用于车辆远程诊断与备件检索的方法 | |
| CN107632590B (zh) | 一种基于优先级的底事件排序方法 | |
| CN103115779A (zh) | 一种电动汽车在线状态监测系统 | |
| CN105843936A (zh) | 一种业务数据报表方法与系统 | |
| CN112949874B (zh) | 一种配电终端缺陷特征自诊断方法及系统 | |
| CN104506137A (zh) | 一种设备故障诊断方法和装置 | |
| CN111900713A (zh) | 网源协调下考虑负荷和风电随机性多场景输电网规划方法 | |
| CN115730749A (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
| CN115048361A (zh) | 一种基于大数据的数据库运维风险预警系统及方法 | |
| CN113553312A (zh) | 一种基于电梯生产工艺的数字孪生建设方法 | |
| CN113988322A (zh) | 一种基于配网维修数据分析的预检方法及系统 | |
| CN112052965A (zh) | 可视化的电力设备在线管理系统及管理方法 | |
| Feng et al. | The design and implementation of global energy interconnection digital research platform | |
| CN111381161A (zh) | 一种发电机组远程在线健康状态诊断方法 | |
| CN112765232B (zh) | 核电厂重大设备的数据管理方法及系统 | |
| CN111104441A (zh) | 一种数据采集方法及系统 | |
| CN115542070A (zh) | 一种配网线路故障定位方法及存储介质 | |
| CN112784129A (zh) | 一种泵站设备运维数据监管平台 | |
| CN106056223A (zh) | 用于车辆远程诊断与备件检索的平台 | |
| CN117892212B (zh) | 一种分布式异构能源站点态势感知监测方法 | |
| CN117675206B (zh) | 基于智慧城市政务数据综合管理服务平台及数据治理方法 |
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 |