CN116433045A - 一种电力应急物资的精准供应管理方法及系统 - Google Patents
一种电力应急物资的精准供应管理方法及系统 Download PDFInfo
- Publication number
- CN116433045A CN116433045A CN202310292041.1A CN202310292041A CN116433045A CN 116433045 A CN116433045 A CN 116433045A CN 202310292041 A CN202310292041 A CN 202310292041A CN 116433045 A CN116433045 A CN 116433045A
- Authority
- CN
- China
- Prior art keywords
- emergency
- prediction result
- weather
- information
- target
- 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
- 239000000463 material Substances 0.000 title claims abstract description 147
- 238000007726 management method Methods 0.000 title claims abstract description 65
- 230000002159 abnormal effect Effects 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000010586 diagram Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 11
- 238000001556 precipitation Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 13
- 230000005856 abnormality Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000004904 shortening 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电力应急物资的精准供应管理方法及系统,涉及智能管理领域,所述方法包括:分析预测天气信息得到天气风险指数;获取设备管理平台的设备运行信息,形成目标分析数据集;获取电网历史应急数据库,并训练异常预测模型;得到目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果;得到目标历史应急方案集,其中包括多个方案;全局寻优得到最优方案;根据最优方案对所述风险位置预测结果进行应急供应预调拨。解决了现有存在应急物资供应准确性不高、应急物资储备分布合理性差,物资保障处于被动地位的问题。达到了提高应急物资供应精准性,进而提高电网应急物资保障水平的效果。
Description
技术领域
本发明涉及智能管理领域,尤其涉及一种电力应急物资的精准供应管理方法及系统。
背景技术
随着社会的发展,各行各业对于电力资源的应用越来越广泛,同时电量需求也越来越大,因此保障用户用电稳定,提高电力应急处理效率十分重要。电力应急物资供应保障成为更加重要的电力供应需求。其中,电力应急物资包括电力抢修恢复所需要的所有专业物资。现有技术中在处理电力应急物资供应问题时,其对于应急物资的需求仍然依靠历史经验主观确定,由于缺乏科学合理的依据,使得电力应急物资供应种类不具针对性,最终导致电力应急处理精度差。示范性的如某区域突然断电故障,此时需要的应急物资可能包括应急发电车、应急照明灯塔、应急救援服等类型的应急物资。因此,研究利用计算机科学技术对电力应急物资进行精准化的供应管理,对于提高电力应急故障处理效率,缩短电网恢复供电的时间具有重要意义。
然而,现有技术中处理电力异常时,对于应急物资的分析缺乏科学合理的依据,存在应急物资供应准确性不高、应急物资储备分布合理性差,物资保障处于被动地位,影响最终应急管理效果的技术问题。
发明内容
本发明的目的是提供一种电力应急物资的精准供应管理方法及系统,用以解决现有技术中处理电力异常时,对于应急物资的分析缺乏科学合理的依据,存在应急物资供应准确性不高、应急物资储备分布合理性差,物资保障处于被动地位,影响最终应急管理效果的技术问题。
鉴于上述问题,本发明提供了一种电力应急物资的精准供应管理方法及系统。
第一方面,本发明提供了一种电力应急物资的精准供应管理方法,所述方法通过一种电力应急物资的精准供应管理系统实现,其中,所述方法包括:通过天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数;获取设备管理平台的设备运行信息,并结合所述天气风险指数形成目标分析数据集;获取电网历史应急数据库,并利用所述电网历史应急数据库中的数据训练得到异常预测模型;将所述目标分析数据集输入所述异常预测模型,得到目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果;将所述异常概率预测结果和所述异常类型预测结果在所述电网历史应急数据库中遍历,得到目标历史应急方案集,其中,所述目标历史应急方案集包括多个方案;将所述多个方案作为目标寻优空间,并在所述目标寻优空间中进行全局寻优,得到最优方案;根据所述最优方案对所述风险位置预测结果进行应急供应预调拨。
第二方面,本发明还提供了一种电力应急物资的精准供应管理系统,用于执行如第一方面所述的一种电力应急物资的精准供应管理方法,其中,所述系统包括:通过第一得到模块,其用于通过天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数;形成模块,其用于获取设备管理平台的设备运行信息,并结合所述天气风险指数形成目标分析数据集;第二得到模块,其用于获取电网历史应急数据库,并利用所述电网历史应急数据库中的数据训练得到异常预测模型;第三得到模块,其用于将所述目标分析数据集输入所述异常预测模型,得到目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果;第四得到模块,其用于将所述异常概率预测结果和所述异常类型预测结果在所述电网历史应急数据库中遍历,得到目标历史应急方案集,其中,所述目标历史应急方案集包括多个方案;第五得到模块,其用于将所述多个方案作为目标寻优空间,并在所述目标寻优空间中进行全局寻优,得到最优方案;执行模块,其用于根据所述最优方案对所述风险位置预测结果进行应急供应预调拨。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数;获取设备管理平台的设备运行信息,并结合所述天气风险指数形成目标分析数据集;获取电网历史应急数据库,并利用所述电网历史应急数据库中的数据训练得到异常预测模型;将所述目标分析数据集输入所述异常预测模型,得到目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果;将所述异常概率预测结果和所述异常类型预测结果在所述电网历史应急数据库中遍历,得到目标历史应急方案集,其中,所述目标历史应急方案集包括多个方案;将所述多个方案作为目标寻优空间,并在所述目标寻优空间中进行全局寻优,得到最优方案;根据所述最优方案对所述风险位置预测结果进行应急供应预调拨。达到了提高应急物资供应精准性,进而提高电网应急物资保障水平的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本发明一种电力应急物资的精准供应管理方法的流程示意图;
图2为本发明一种电力应急物资的精准供应管理方法中计算所述天气风险指数的流程示意图;
图3为本发明一种电力应急物资的精准供应管理方法中融合所述第一模型和所述第二模型得到所述异常预测模型的流程示意图;
图4为本发明一种电力应急物资的精准供应管理方法中将所述第二历史应急方案添加至所述目标历史应急方案集的流程示意图;
图5为本发明一种电力应急物资的精准供应管理方法中根据所述第一待调拨物资信息进行所述风险位置预测结果的应急供应预调拨的流程示意图;
图6为本发明一种电力应急物资的精准供应管理系统的结构示意图。
附图标记说明:
第一得到模块11,形成模块12,第二得到模块13,第三得到模块14,第四得到模块15,第五得到模块16,执行模块17。
具体实施方式
本发明通过提供一种电力应急物资的精准供应管理方法及系统,解决了现有技术中处理电力异常时,对于应急物资的分析缺乏科学合理的依据,存在应急物资供应准确性不高、应急物资储备分布合理性差,物资保障处于被动地位,影响最终应急管理效果的技术问题。达到了提高应急物资供应精准性,进而提高电网应急物资保障水平的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,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他实施例,都属于本发明保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
请参阅附图1,本发明提供了一种电力应急物资的精准供应管理方法,其中,所述方法应用于一种电力应急物资的精准供应管理系统,所述方法具体包括如下步骤:
步骤S100:通过所述天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数;
进一步的,如附图2所示,本发明步骤S100包括:
步骤S110:获取第一天气阈值;
步骤S120:判断所述预测天气信息是否符合所述第一天气阈值,得到第一判断结果;
步骤S130:其中,所述预测天气信息包括预测风力、预测降水、预测雷暴、预测气压、预测云量;
步骤S140:其中,所述第一天气阈值包括第一阈值、第二阈值、第三阈值、第四阈值、第五阈值;
步骤S150:所述预测风力与所述第一阈值、所述预测降水与所述第二阈值、所述预测雷暴与所述第三阈值、所述预测气压与所述第四阈值、所述预测云量与所述第五阈值均具备对应关系;
步骤S160:根据所述第一判断结果,计算所述天气风险指数。
进一步的,本发明步骤S160包括:
步骤S161:获取所述第一判断结果中的第一结果,其中,所述第一结果是指判断所述预测风力是否符合所述第一阈值得到的结果;
步骤S162:根据所述第一结果,若是不符合,调用预设风力风险评估方案生成第一风险指数,若是符合,将所述第一风险指数记作0;
步骤S163:基于所述第一风险指数,累加得到所述天气风险指数。
具体而言,所述一种电力应急物资的精准供应管理方法应用于一种电力应急物资的精准供应管理系统,可以通过对天气预测平台实时预测分析的天气情况和设备管理平台实时采集到的设备运行情况进行综合分析,从而对电网异常进行智能化预测,进而结合电网历史应急数据库匹配应急物资调拨方案,实现对电网异常的针对性物资预调拨,达到提高应急物资精准供应的效果。
所述天气预测平台、设备管理平台均与精准供应管理系统通信连接,其中,所述天气预测平台通过分析各智能设备采集到的天气变化信息,实现对特定区域在预设周期内的天气预测。其中,所述预设周期是指由相关应急物资管理人员设置的进行电网应急物资调度管理的频率周期。示范性的如应急物资管理人员每小时进行依次应急物资的储备分布调整处理,因此将预设周期设为一小时,并存储在系统中,从而由系统每一小时对所述天气预测平台的实时预测天气信息进行获取一次。也就是说,通过所述天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数。具体来说,首先由电网应急管理技术人员等专家人员设置不会对电网设备运行产生影响的天气各指标的正常变化范围,即预设所述第一天气阈值,并存储在系统中。然后系统自动判断所述预测天气信息是否符合所述第一天气阈值并得到第一判断结果。其中,所述预测天气信息包括所述天气预测平台实时预测到的预测风力、预测降水、预测雷暴、预测气压、预测云量。对应的,所述第一天气阈值包括第一阈值、第二阈值、第三阈值、第四阈值、第五阈值,且所述预测风力与所述第一阈值、所述预测降水与所述第二阈值、所述预测雷暴与所述第三阈值、所述预测气压与所述第四阈值、所述预测云量与所述第五阈值之间均具备对应关系。最后,根据所述第一判断结果计算得到所述天气风险指数。
所述第一判断结果计算得到所述天气风险指数具体来说,首先获取所述第一判断结果中的第一结果,其中,所述第一结果是指判断所述预测风力是否符合所述第一阈值得到的结果。然后根据所述第一结果,若是所述预测风力不符合所述第一阈值,说明此时天气预测平台预测到未来预设周期内风力异常,会对电网设备运行产生不利影响,此时系统自动调用预设风力风险评估方案并生成风力的第一风险指数,若是所述预测风力符合所述第一阈值,说明未来预设周期内风力正常,不会造成电网设备运行异常,此时系统自动将所述第一风险指数记作0,即风力对电网无威胁。在依次分析得到降水、雷暴、气压和云量的判断结果后,将各个天气指标的风险指数进行累加,得到的结果即为所述天气风险指数。
通过天气预测平台中的预测天气信息,分析计算得到天气风险指数,为预测区域中电网异常提供参考和依据,实现了提高电网异常预测准确性的技术目标,达到了提高因极端天气导致电网运行异常的异常预测准确性的技术效果。
步骤S200:获取所述设备管理平台的设备运行信息,并结合所述天气风险指数形成目标分析数据集;
具体而言,所述设备管理平台是指对电网供电时的各个电力设备的运行情况相关指标参数进行监测管理的智能平台,且所述设备管理平台与所述精准供应管理系统通信连接,可将设备实时运行数据传输至系统以供分析。具体来说,通过所述设备管理平台得到电网设备的设备运行信息,并将该设备运行信息与前述分析计算得到的所述天气风险指数组合,共同作为目标分析数据集。其中,所述目标分析数据集用于后续精准供应管理系统的智能化处理分析,并为物资精准供应管理提供基础。通过实时接收设备管理平台收集到的设备运行信息,实现了对电网设备运行情况的客观监测目标,进一步以该设备运行信息为基础,对电网设备运行进行异常预测,达到了提高电网异常预测实时性、可靠性的技术效果。
步骤S300:获取电网历史应急数据库,并利用所述电网历史应急数据库中的数据训练得到异常预测模型;
进一步的,如附图3所示,本发明步骤S300包括:
步骤S310:提取所述电网历史应急数据库中的第一历史应急数据;
步骤S320:其中,所述第一历史应急数据包括第一历史天气风险指数、第一历史设备运行信息、第一历史异常风险标识;
步骤S330:其中,所述第一历史异常风险标识包括第一异常概率、第一异常类型及第一风险位置;
步骤S340:将所述第一历史应急数据作为训练数据,并划分所述训练数据得到第一数据组、第二数据组;
步骤S350:训练所述第一数据组得到第一模型,训练所述第二数据组得到第二模型;
步骤S360:融合所述第一模型和所述第二模型得到所述异常预测模型。
步骤S400:将所述目标分析数据集输入所述异常预测模型,得到目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果;
具体而言,所述电网历史应急数据库中包含电网在自从投入应用之后,经历过的所有应急处理事件中每次应急事件的所有相关数据信息。例如电网异常位置、异常原因,历史上处理此次异常时的方案,包括使用的应急物资及其来源、数量,应急处理后对此次应急的复判分析数据,如应急成本、应急处理过程中的不足等等。进一步的,利用所述电网历史应急数据库中的数据训练得到异常预测模型。其中,所述异常预测模型用于智能化分析目标分析数据集,从而得到电网异常预测结果。
具体来说,首先提取所述电网历史应急数据库中的任意一次历史上处理应急时的物资供应管理数据等,并将其作为所述第一历史应急数据。其中,所述第一历史应急数据包括第一历史天气风险指数、第一历史设备运行信息、第一历史异常风险标识。其中,所述第一历史异常风险标识包括第一异常概率、第一异常类型及第一风险位置。接下来,将所述第一历史应急数据作为训练数据,并随机划分所述训练数据,从而得到的划分结果中,任意一个数据组即为所述第一数据组,所述第二数据组是指与所述第一数据组不同的其他任意一个数据组。进一步的,依次基于所述第一数据组进行计算机学习,并对应的得到第一模型,基于所述第二数据组训练得到第二模型。最后,利用集成融合原理对得到的各个模型进行融合,并将得到的集成融合模型作为得到所述异常预测模型。通过对电网历史应急数据进行采集得到数据库,并以数据库中的历史应急数据作为训练数据,训练构建异常预测模型,实现了为系统预测电网异常提供智能化的模型基础的技术目标。最终,将所述目标分析数据集输入所述异常预测模型进行智能分析,从而得到模型的输出结果,即为所述目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果。通过异常预测模型对目标分析数据集的智能化分析处理,得到了电网异常位置、异常类型以及异常概率的预测,智能化得到的异常预测结果为系统精准化的应急物资预调拨提供了参考,达到了提高应急物资预调拨准确性、全面性、有效性的技术效果。
步骤S500:将所述异常概率预测结果和所述异常类型预测结果在所述电网历史应急数据库中遍历,得到目标历史应急方案集,其中,所述目标历史应急方案集包括多个方案;
进一步的,如附图4所示,本发明步骤S500包括:
步骤S510:提取所述电网历史应急数据库中的第二历史应急数据;
步骤S520:将所述异常概率预测结果、所述异常类型预测结果与所述第二历史应急数据进行对比,得到对比结果;
步骤S530:根据所述对比结果计算得到第一匹配度,并判断所述第一匹配度是否满足预设匹配阈值;
步骤S540:若是满足,提取所述第二历史应急数据中的第二历史应急方案;
步骤S550:将所述第二历史应急方案添加至所述目标历史应急方案集。
具体而言,随机提取所述电网历史应急数据库中的与所述第一历史应急数据不同的、任意一次历史上处理应急时的物资供应管理数据等,并将其作为所述第二历史应急数据。接着,将所述异常概率预测结果、所述异常类型预测结果与所述第二历史应急数据中的第二历史异常概率和类型进行综合对比,并得到对比结果。接下来,根据所述对比结果计算得到第一匹配度,并判断所述第一匹配度是否满足预设匹配阈值。其中,所述预设匹配阈值是指对两次应急事件事件相似程度的度量,为认为二者相似,即匹配的匹配范围。当所述第一匹配度满足预设匹配阈值时,说明所述第二历史应急数据中的历史应急事件,与当前的预测到的异常之间的相似程度较高,因此对应历史上对该第二历史应急数据中的应急事件的处理方案,相对适用于此次预测到的异常的应急处理,因此,系统自动提取所述第二历史应急数据中的第二历史应急方案,并将所述第二历史应急方案添加至所述目标历史应急方案集。
通过分析电网历史应急数据库中的各次历史应急方案,并对比匹配得到最适配当前应急预测情况的物资供应方案,实现了为当前应急物资预调拨提供方案指导的目标。
步骤S600:将所述多个方案作为目标寻优空间,并在所述目标寻优空间中进行全局寻优,得到最优方案;
具体而言,通过依次分析历史应急数据库中各次历史应急事件,并将与此次预测到的异常进行对比,得到与此次异常相似的历史应急事件,进一步调取相似历史应急事件在历史应急过程中使用的物资供应方案,即组成目标历史应急方案集,并将其作为寻优候选方案。也就是说,将所述多个方案作为目标寻优空间,利用禁忌搜索算法原理在所述目标寻优空间中进行全局寻优,最终得到的方案即作为所述最优方案。通过分析电网历史应急数据库中的各次历史应急方案,并对比匹配得到最适配当前应急预测情况的物资供应方案,实现了为当前应急物资预调拨提供方案指导的目标。
步骤S700:根据所述最优方案对所述风险位置预测结果进行应急供应预调拨。
进一步的,如附图5所示,本发明步骤S700包括:
步骤S710:采集电力应急物资的实时储备信息,并根据所述实时储备信息生成可视化物资储备图;
步骤S720:基于预设区域方案,获得所述风险位置预测结果的第一预设物资区域;
步骤S730:基于所述可视化物资储备图,得到所述第一预设物资区域的第一预设储备信息;
步骤S740:提取所述最优方案中物资需求信息;
步骤S750:对比所述第一预设储备信息与所述物资需求信息,得到第一待调拨物资信息;
步骤S760:根据所述第一待调拨物资信息进行所述风险位置预测结果的应急供应预调拨。
进一步的,本发明还包括如下步骤:
步骤S771:基于所述预设区域方案,获得所述风险位置预测结果的第二预设物资区域;
步骤S772:基于所述可视化物资储备图,得到所述第二预设物资区域的第二预设储备信息;
步骤S773:基于所述物资需求信息和所述第一待调拨物资信息,分析得到所述第二预设储备信息的第二待调拨物资信息;
步骤S774:根据所述第二待调拨物资信息进行所述风险位置预测结果的应急供应预调拨。
具体而言,在根据所述最优方案对所述风险位置预测结果进行应急供应预调拨前,首先采集电力应急物资的实时储备信息,并根据所述实时储备信息生成可视化物资储备图,示范性的如,各类应急物资存储位置、存储数量等。然后,基于预设区域方案获得所述风险位置预测结果的第一预设物资区域。其中,所述预设区域方案包括多个区域方案,是指以所述风险位置预测结果中的位置中心为圆点,以不同半径为基础划成的区域范围。接下来,基于所述可视化物资储备图得到所述第一预设物资区域的第一预设储备信息。此时,提取所述最优方案中物资需求信息,并对比所述第一预设储备信息与所述物资需求信息,得到第一待调拨物资信息。最后根据所述第一待调拨物资信息进行所述风险位置预测结果的应急供应预调拨。
进一步的,为了避免第一预设物资区域中的物资无法满足所述物资需求信息中的物资,此时基于所述预设区域方案,获得所述风险位置预测结果的第二预设物资区域,也就是说,以所述风险位置预测结果中的位置中心为圆点,以大于第一预设物资区域中的区域半径得到所述第二预设物资区域的第二预设储备信息。接下来,基于所述物资需求信息和所述第一待调拨物资信息,分析得到所述第二预设储备信息的第二待调拨物资信息。最后根据所述第二待调拨物资信息进行所述风险位置预测结果的应急供应预调拨。通过遍历分析得到的最优方案,对模型预测的异常位置进行针对性的应急物资预调拨,从而为电网异常提供针对性的物资保障,从而提升应急物资保障水平、缩短电网恢复供电的时间。
综上所述,本发明所提供的一种电力应急物资的精准供应管理方法具有如下技术效果:
通过天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数;获取设备管理平台的设备运行信息,并结合所述天气风险指数形成目标分析数据集;获取电网历史应急数据库,并利用所述电网历史应急数据库中的数据训练得到异常预测模型;将所述目标分析数据集输入所述异常预测模型,得到目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果;将所述异常概率预测结果和所述异常类型预测结果在所述电网历史应急数据库中遍历,得到目标历史应急方案集,其中,所述目标历史应急方案集包括多个方案;将所述多个方案作为目标寻优空间,并在所述目标寻优空间中进行全局寻优,得到最优方案;根据所述最优方案对所述风险位置预测结果进行应急供应预调拨。达到了提高应急物资供应精准性,进而提高电网应急物资保障水平的技术效果。
实施例二
基于与前述实施例中一种电力应急物资的精准供应管理方法,同样发明构思,本发明还提供了一种电力应急物资的精准供应管理系统,请参阅附图6,所述系统包括:
第一得到模块11,其用于通过天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数;
形成模块12,其用于获取设备管理平台的设备运行信息,并结合所述天气风险指数形成目标分析数据集;
第二得到模块13,其用于获取电网历史应急数据库,并利用所述电网历史应急数据库中的数据训练得到异常预测模型;
第三得到模块14,其用于将所述目标分析数据集输入所述异常预测模型,得到目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果;
第四得到模块15,其用于将所述异常概率预测结果和所述异常类型预测结果在所述电网历史应急数据库中遍历,得到目标历史应急方案集,其中,所述目标历史应急方案集包括多个方案;
第五得到模块16,其用于将所述多个方案作为目标寻优空间,并在所述目标寻优空间中进行全局寻优,得到最优方案;
执行模块17,其用于根据所述最优方案对所述风险位置预测结果进行应急供应预调拨。
进一步的,所述系统中的所述第一得到模块11还用于:
获取第一天气阈值;
判断所述预测天气信息是否符合所述第一天气阈值,得到第一判断结果;
其中,所述预测天气信息包括预测风力、预测降水、预测雷暴、预测气压、预测云量;
其中,所述第一天气阈值包括第一阈值、第二阈值、第三阈值、第四阈值、第五阈值;
所述预测风力与所述第一阈值、所述预测降水与所述第二阈值、所述预测雷暴与所述第三阈值、所述预测气压与所述第四阈值、所述预测云量与所述第五阈值均具备对应关系;
根据所述第一判断结果,计算所述天气风险指数。
进一步的,所述系统中的所述第一得到模块11还用于:
获取所述第一判断结果中的第一结果,其中,所述第一结果是指判断所述预测风力是否符合所述第一阈值得到的结果;
根据所述第一结果,若是不符合,调用预设风力风险评估方案生成第一风险指数,若是符合,将所述第一风险指数记作0;
基于所述第一风险指数,累加得到所述天气风险指数。
进一步的,所述系统中的所述第二得到模块13还用于:
提取所述电网历史应急数据库中的第一历史应急数据;
其中,所述第一历史应急数据包括第一历史天气风险指数、第一历史设备运行信息、第一历史异常风险标识;
其中,所述第一历史异常风险标识包括第一异常概率、第一异常类型及第一风险位置;
将所述第一历史应急数据作为训练数据,并划分所述训练数据得到第一数据组、第二数据组;
训练所述第一数据组得到第一模型,训练所述第二数据组得到第二模型;
融合所述第一模型和所述第二模型得到所述异常预测模型。
进一步的,所述系统中的所述第四得到模块15还用于:
提取所述电网历史应急数据库中的第二历史应急数据;
将所述异常概率预测结果、所述异常类型预测结果与所述第二历史应急数据进行对比,得到对比结果;
根据所述对比结果计算得到第一匹配度,并判断所述第一匹配度是否满足预设匹配阈值;
若是满足,提取所述第二历史应急数据中的第二历史应急方案;
将所述第二历史应急方案添加至所述目标历史应急方案集。
进一步的,所述系统中的所述执行模块17还用于:
采集电力应急物资的实时储备信息,并根据所述实时储备信息生成可视化物资储备图;
基于预设区域方案,获得所述风险位置预测结果的第一预设物资区域;
基于所述可视化物资储备图,得到所述第一预设物资区域的第一预设储备信息;
提取所述最优方案中物资需求信息;
对比所述第一预设储备信息与所述物资需求信息,得到第一待调拨物资信息;
根据所述第一待调拨物资信息进行所述风险位置预测结果的应急供应预调拨。
进一步的,所述系统中的所述执行模块17还用于:
基于所述预设区域方案,获得所述风险位置预测结果的第二预设物资区域;
基于所述可视化物资储备图,得到所述第二预设物资区域的第二预设储备信息;
基于所述物资需求信息和所述第一待调拨物资信息,分析得到所述第二预设储备信息的第二待调拨物资信息;
根据所述第二待调拨物资信息进行所述风险位置预测结果的应急供应预调拨。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种电力应急物资的精准供应管理方法和具体实例同样适用于本实施例的一种电力应急物资的精准供应管理系统,通过前述对一种电力应急物资的精准供应管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种电力应急物资的精准供应管理系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种电力应急物资的精准供应管理方法,其特征在于,所述精准供应管理方法应用于一种电力应急物资的精准供应管理系统,所述精准供应管理系统与天气预测平台、设备管理平台通信连接,所述精准供应管理方法包括:
通过所述天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数;
获取所述设备管理平台的设备运行信息,并结合所述天气风险指数形成目标分析数据集;
获取电网历史应急数据库,并利用所述电网历史应急数据库中的数据训练得到异常预测模型;
将所述目标分析数据集输入所述异常预测模型,得到目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果;
将所述异常概率预测结果和所述异常类型预测结果在所述电网历史应急数据库中遍历,得到目标历史应急方案集,其中,所述目标历史应急方案集包括多个方案;
将所述多个方案作为目标寻优空间,并在所述目标寻优空间中进行全局寻优,得到最优方案;
根据所述最优方案对所述风险位置预测结果进行应急供应预调拨。
2.根据权利要求1所述精准供应管理方法,其特征在于,所述通过所述天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数,包括:
获取第一天气阈值;
判断所述预测天气信息是否符合所述第一天气阈值,得到第一判断结果;
其中,所述预测天气信息包括预测风力、预测降水、预测雷暴、预测气压、预测云量;
其中,所述第一天气阈值包括第一阈值、第二阈值、第三阈值、第四阈值、第五阈值;
所述预测风力与所述第一阈值、所述预测降水与所述第二阈值、所述预测雷暴与所述第三阈值、所述预测气压与所述第四阈值、所述预测云量与所述第五阈值均具备对应关系;
根据所述第一判断结果,计算所述天气风险指数。
3.根据权利要求2所述精准供应管理方法,其特征在于,所述根据所述第一判断结果,计算所述天气风险指数,包括:
获取所述第一判断结果中的第一结果,其中,所述第一结果是指判断所述预测风力是否符合所述第一阈值得到的结果;
根据所述第一结果,若是不符合,调用预设风力风险评估方案生成第一风险指数,若是符合,将所述第一风险指数记作0;
基于所述第一风险指数,累加得到所述天气风险指数。
4.根据权利要求1所述精准供应管理方法,其特征在于,所述获取电网历史应急数据库,并利用所述电网历史应急数据库中的数据训练得到异常预测模型,包括:
提取所述电网历史应急数据库中的第一历史应急数据;
其中,所述第一历史应急数据包括第一历史天气风险指数、第一历史设备运行信息、第一历史异常风险标识;
其中,所述第一历史异常风险标识包括第一异常概率、第一异常类型及第一风险位置;
将所述第一历史应急数据作为训练数据,并划分所述训练数据得到第一数据组、第二数据组;
训练所述第一数据组得到第一模型,训练所述第二数据组得到第二模型;
融合所述第一模型和所述第二模型得到所述异常预测模型。
5.根据权利要求4所述精准供应管理方法,其特征在于,所述将所述异常概率预测结果和所述异常类型预测结果在所述电网历史应急数据库中遍历,得到目标历史应急方案集,包括:
提取所述电网历史应急数据库中的第二历史应急数据;
将所述异常概率预测结果、所述异常类型预测结果与所述第二历史应急数据进行对比,得到对比结果;
根据所述对比结果计算得到第一匹配度,并判断所述第一匹配度是否满足预设匹配阈值;
若是满足,提取所述第二历史应急数据中的第二历史应急方案;
将所述第二历史应急方案添加至所述目标历史应急方案集。
6.根据权利要求1所述精准供应管理方法,其特征在于,所述根据所述最优方案对所述风险位置预测结果进行应急供应预调拨,包括:
采集电力应急物资的实时储备信息,并根据所述实时储备信息生成可视化物资储备图;
基于预设区域方案,获得所述风险位置预测结果的第一预设物资区域;
基于所述可视化物资储备图,得到所述第一预设物资区域的第一预设储备信息;
提取所述最优方案中物资需求信息;
对比所述第一预设储备信息与所述物资需求信息,得到第一待调拨物资信息;
根据所述第一待调拨物资信息进行所述风险位置预测结果的应急供应预调拨。
7.根据权利要求6所述精准供应管理方法,其特征在于,在所述根据所述第一待调拨物资信息进行所述风险位置预测结果的应急供应预调拨之后,还包括:
基于所述预设区域方案,获得所述风险位置预测结果的第二预设物资区域;
基于所述可视化物资储备图,得到所述第二预设物资区域的第二预设储备信息;
基于所述物资需求信息和所述第一待调拨物资信息,分析得到所述第二预设储备信息的第二待调拨物资信息;
根据所述第二待调拨物资信息进行所述风险位置预测结果的应急供应预调拨。
8.一种电力应急物资的精准供应管理系统,其特征在于,所述精准供应管理系统包括:
第一得到模块,其用于通过天气预测平台得到预设周期内的预测天气信息,并分析所述预测天气信息得到天气风险指数;
形成模块,其用于获取设备管理平台的设备运行信息,并结合所述天气风险指数形成目标分析数据集;
第二得到模块,其用于获取电网历史应急数据库,并利用所述电网历史应急数据库中的数据训练得到异常预测模型;
第三得到模块,其用于将所述目标分析数据集输入所述异常预测模型,得到目标预测结果,其中,所述目标预测结果是指异常概率预测结果、异常类型预测结果和风险位置预测结果;
第四得到模块,其用于将所述异常概率预测结果和所述异常类型预测结果在所述电网历史应急数据库中遍历,得到目标历史应急方案集,其中,所述目标历史应急方案集包括多个方案;
第五得到模块,其用于将所述多个方案作为目标寻优空间,并在所述目标寻优空间中进行全局寻优,得到最优方案;
执行模块,其用于根据所述最优方案对所述风险位置预测结果进行应急供应预调拨。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310292041.1A CN116433045A (zh) | 2023-03-23 | 2023-03-23 | 一种电力应急物资的精准供应管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310292041.1A CN116433045A (zh) | 2023-03-23 | 2023-03-23 | 一种电力应急物资的精准供应管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116433045A true CN116433045A (zh) | 2023-07-14 |
Family
ID=87088272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310292041.1A Pending CN116433045A (zh) | 2023-03-23 | 2023-03-23 | 一种电力应急物资的精准供应管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116433045A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882701A (zh) * | 2023-07-27 | 2023-10-13 | 上海洲固电力科技有限公司 | 一种基于零碳模式的电力物资智能调度系统及其方法 |
CN116934126A (zh) * | 2023-09-15 | 2023-10-24 | 匠人智慧(江苏)科技有限公司 | 一种智慧园区应急处理系统智能规划方法、系统及存储介质 |
CN117172501A (zh) * | 2023-09-21 | 2023-12-05 | 奇点数联(北京)科技有限公司 | 一种基于数据挖掘的物资分配系统 |
-
2023
- 2023-03-23 CN CN202310292041.1A patent/CN116433045A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882701A (zh) * | 2023-07-27 | 2023-10-13 | 上海洲固电力科技有限公司 | 一种基于零碳模式的电力物资智能调度系统及其方法 |
CN116882701B (zh) * | 2023-07-27 | 2024-05-31 | 上海洲固电力科技有限公司 | 一种基于零碳模式的电力物资智能调度系统及其方法 |
CN116934126A (zh) * | 2023-09-15 | 2023-10-24 | 匠人智慧(江苏)科技有限公司 | 一种智慧园区应急处理系统智能规划方法、系统及存储介质 |
CN116934126B (zh) * | 2023-09-15 | 2023-11-24 | 匠人智慧(江苏)科技有限公司 | 一种智慧园区应急处理系统智能规划方法、系统及存储介质 |
CN117172501A (zh) * | 2023-09-21 | 2023-12-05 | 奇点数联(北京)科技有限公司 | 一种基于数据挖掘的物资分配系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116433045A (zh) | 一种电力应急物资的精准供应管理方法及系统 | |
CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
CN106054104A (zh) | 一种基于决策树的智能电表故障实时预测方法 | |
MX2013000577A (es) | Aprendizaje de maquina para redes electricas. | |
CN110428168A (zh) | 一种计及储能的多能源配电系统协调调度综合评价方法 | |
CN106161138A (zh) | 一种智能自动计量方法及装置 | |
CN113189451A (zh) | 配电网故障定位研判方法、系统、计算机设备和存储介质 | |
CN116865258B (zh) | 一种层级构造的分布式电源智能电网构建方法 | |
CN105956788A (zh) | 一种输变电工程造价的动态管理控制方法 | |
CN116890689B (zh) | 基于车辆识别的充电控制方法、装置、设备及存储介质 | |
CN116011827B (zh) | 一种用于重点小区的停电监测分析与预警系统及方法 | |
CN111143447A (zh) | 一种电网薄弱环节动态监测预警决策系统及方法 | |
CN113036913A (zh) | 一种综合能源设备状态监测方法及装置 | |
CN116468426A (zh) | 基于Apriori算法的电网故障确定方法及存储介质 | |
KR20160074325A (ko) | 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 | |
CN117874688A (zh) | 基于数字孪生的电力数字化异常识别方法及系统 | |
CN116862209B (zh) | 一种新能源汽车充电设施管理方法及系统 | |
CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
Xu et al. | Research on estimation method of mileage power consumption for electric vehicles | |
Aziz et al. | Identifying unusual charging patterns of electric vehicles using artificial intelligence | |
CN113052250A (zh) | 基于气象灾害决策支持方法、系统、装置及介质 | |
CN116502156B (zh) | 一种换流站光ct异常状态智能辨识方法及系统 | |
CN117175695B (zh) | 一种基于柴油发电机组的光伏微网发电方法及系统 | |
CN117808157B (zh) | 基于智能识别的未报备停电行为预测分析系统 | |
CN117543791B (zh) | 电源的供电检测方法、装置、设备及存储介质 |
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 |