[發(fā)明專利]一種配網(wǎng)搶修時(shí)長(zhǎng)預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010475793.8
• 申請(qǐng)日: 2020-05-29
• 公開（公告）號(hào): CN111667108A
• 公開（公告）日: 2020-09-15
• 發(fā)明（設(shè)計(jì)）人: 李翀;付文杰;劉林青;段子荷;李夢(mèng)宇;李杰琳
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)河北省電力有限公司電力科學(xué)研究院;國(guó)網(wǎng)河北能源技術(shù)服務(wù)有限公司;國(guó)家電網(wǎng)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06Q10/00;G06Q50/06
• 代理公司: 石家莊新世紀(jì)專利商標(biāo)事務(wù)所有限公司 13100
• 代理人: 張棟然

本發(fā)明涉及一種配網(wǎng)搶修時(shí)長(zhǎng)預(yù)測(cè)方法，其包括如下步驟：引入客戶報(bào)修訴求工單文本信息并進(jìn)行數(shù)據(jù)預(yù)處理，將工單文本中的非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，并通過樸素貝葉斯模型進(jìn)行分類，篩選真實(shí)故障報(bào)修工單；依據(jù)篩選故障報(bào)修工單，獲取對(duì)應(yīng)配網(wǎng)搶修數(shù)據(jù)建立聚類細(xì)分模型，確定不同類別的標(biāo)桿時(shí)長(zhǎng)區(qū)間，劃分故障緊急等級(jí)；結(jié)合用戶基本信息，根據(jù)細(xì)分結(jié)果，結(jié)合故障發(fā)生當(dāng)日的氣象因素建立GBDT回歸預(yù)測(cè)模型，預(yù)測(cè)新上報(bào)搶修工作時(shí)長(zhǎng)；本發(fā)明整個(gè)分析過程無需大量人員參與，節(jié)約人力財(cái)力的同時(shí)利用文本挖掘技術(shù)將搶修單、投訴工單進(jìn)行分類，篩選故障報(bào)修信息，提高了分析結(jié)果的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于配電網(wǎng)領(lǐng)域，具體涉及一種配網(wǎng)搶修時(shí)長(zhǎng)預(yù)測(cè)方法。

背景技術(shù)

配網(wǎng)故障的發(fā)生嚴(yán)重影響電網(wǎng)公司供電可靠性，憑借現(xiàn)有方法能夠有效降低故障發(fā)生率，但是還不能達(dá)到完全避免配網(wǎng)故障的水平。因此，如何提高故障搶修效率引起越來越多的關(guān)注，成為急需解決的問題。

現(xiàn)有提升配網(wǎng)搶修效率的方法主要從故障搶修效益、配網(wǎng)自動(dòng)化、故障應(yīng)急預(yù)案等方面進(jìn)行研究，對(duì)配網(wǎng)搶修時(shí)長(zhǎng)的研究尚少。但是，配網(wǎng)搶修時(shí)長(zhǎng)對(duì)提高搶修效率起著極其重要的作用，因此，本發(fā)明提出一種配網(wǎng)故障搶修時(shí)長(zhǎng)預(yù)警方法。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種配網(wǎng)搶修時(shí)長(zhǎng)預(yù)測(cè)方法，以解決當(dāng)前配網(wǎng)搶修作業(yè)效率不高、復(fù)電時(shí)間不明確，電力用戶對(duì)電網(wǎng)供電滿意度不高的問題，構(gòu)建基于配網(wǎng)搶修時(shí)長(zhǎng)的搶修效率提升方法。

本發(fā)明所采用的技術(shù)方案是：

一種配網(wǎng)搶修時(shí)長(zhǎng)預(yù)測(cè)方法，其包括如下步驟：

(1)引入客戶報(bào)修訴求工單文本信息并進(jìn)行數(shù)據(jù)預(yù)處理，將工單文本中的非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，并通過樸素貝葉斯模型進(jìn)行分類，篩選真實(shí)故障報(bào)修工單；

(2)依據(jù)篩選故障報(bào)修工單，獲取對(duì)應(yīng)配網(wǎng)搶修數(shù)據(jù)建立聚類細(xì)分模型，確定不同類別的標(biāo)桿時(shí)長(zhǎng)區(qū)間，劃分故障緊急等級(jí)；

(3)結(jié)合用戶基本信息，根據(jù)細(xì)分結(jié)果，結(jié)合故障發(fā)生當(dāng)日的氣象因素建立GBDT回歸預(yù)測(cè)模型，預(yù)測(cè)新上報(bào)搶修工作時(shí)長(zhǎng)。

進(jìn)一步的，所述客戶報(bào)修訴求工單文本信息來源于95598系統(tǒng)受理用戶的故障報(bào)修單。

進(jìn)一步的，配網(wǎng)搶修數(shù)據(jù)的因素包括一級(jí)分類、二級(jí)分類、三級(jí)分類、派工用時(shí)、到達(dá)現(xiàn)場(chǎng)用時(shí)、工單處理時(shí)長(zhǎng)以及搶修總時(shí)長(zhǎng)。

進(jìn)一步的，所述數(shù)據(jù)預(yù)處理基于文本分詞的標(biāo)點(diǎn)符號(hào)處理、同義詞處理以及停用詞處理。

進(jìn)一步的，利用自然語言處理技術(shù)，將工單文本中的非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，所述自然語言技術(shù)是基于分詞結(jié)果，依據(jù)工單--主題--分詞關(guān)系，通過訓(xùn)練生成傾向于同時(shí)出現(xiàn)在多個(gè)同類型工單文檔中的主題，以便進(jìn)行下一步文本分類。

進(jìn)一步的，所述樸素貝葉斯模型基于客戶工單的主題計(jì)算該工單為某一主題內(nèi)容的概率，通過選定的樸素貝葉斯算法構(gòu)建分類模型，最終實(shí)現(xiàn)給定投訴工單的自動(dòng)分類。

進(jìn)一步的，所述聚類細(xì)分模型是基于kmeans的快速聚類，隨機(jī)選取K個(gè)對(duì)象作為初始的聚類中心，計(jì)算每個(gè)對(duì)象與各個(gè)種子聚類中心之間的距離，并把每個(gè)對(duì)象分配給距離它最近的聚類中心，如此迭代，直至各類中心不發(fā)生變化。

進(jìn)一步的，所述標(biāo)桿時(shí)長(zhǎng)區(qū)間是分類模型結(jié)果中不同故障類別中的置信區(qū)間。

進(jìn)一步的，所述用戶基本信息包括用戶姓名以及通信聯(lián)系方式，主要用于及時(shí)反饋預(yù)測(cè)停送電信息。

進(jìn)一步的，所述GBDT回歸預(yù)測(cè)模型通過迭代預(yù)測(cè)上次預(yù)測(cè)值和實(shí)際值的殘差，構(gòu)建多個(gè)弱學(xué)習(xí)器CART樹，要求模型預(yù)測(cè)的樣本損失盡可能的小，最后結(jié)果即是所有預(yù)測(cè)值之和。

本發(fā)明的積極效果為：