[發明專利]一種預測線路故障停電和用戶投訴的方法

在審

• 申請號: 202010945310.6
• 申請日: 2020-09-10
• 公開（公告）號: CN112256693A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 晏歡;熊福喜;董清龍;張遠來
• 申請（專利權）人: 泰豪軟件股份有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/2458;G06F16/215;G06F16/248;G06F30/27;G06Q50/06
• 代理公司: 南昌新天下專利商標代理有限公司 36115
• 代理人: 王燕

本發明公開了一種預測線路故障停電和用戶投訴的方法，包括以下步驟：步驟一，原始數據采集；步驟二，故障停電和用戶投訴相關加工；步驟三，故障停電模型訓練；步驟四，故障停電模型預測；步驟五，用戶投訴模型訓練；步驟六，用戶投訴模型預測；其中在上述步驟一中，數據采集模塊主動連接上游系統采集原始數據圖表，并將原始數據結果存放于數據庫中，這些原始數據將用于后續數據加工；該發明通過采用大數據分析技術，從系統功能、實現架構等方面進行分析改進，提出了基于大數據分析技術的電網風險自動預警系統的建設方案，通過與營配調各相關信息系統的互聯互通，有效的實現數據共享，有利于提升電網自動預警的準確性和時效性。

技術領域

本發明涉及自動預警系統維護技術領域，具體為一種預測線路故障停電和用戶投訴的方法。

背景技術

近年來，隨著中國經濟與技術的快速發展，社會總用電量逐年攀升，對于電能的需求不斷增加，針對這種情況國家加大了對電網的建設規模。但隨著電網規模不斷增加，運行機理變得復雜，且隨著現代電力電子工業的發展，大容量非線性電力負荷的大量增加及電力系統長期超負荷運行對電力系統的影響日益受到人們的關注。長期以來由于中國電力嚴重不足，電力系統始終處于嚴重超負荷運行狀態，存在各種不可預測的隱患。近年來，美國、歐洲和俄羅斯電力大停電事故為我國電力系統研究敲響警鐘。為了及時發現電網安全隱患，提高電網運行水平。研究和開發電網安全預警系統已成為主流趨勢；但電網現有自動預警系統存在分析不全面、方法不科學、使用范圍有限等問題，因此，設計一種預測線路故障停電和用戶投訴的方法是很有必要的。

發明內容

本發明的目的在于提供一種預測線路故障停電和用戶投訴的方法，以解決上述背景技術中提出的問題。

為了解決上述技術問題，本發明提供如下技術方案：一種預測線路故障停電和用戶投訴的方法，包括以下步驟：步驟一，原始數據采集；步驟二，故障停電和用戶投訴相關加工；步驟三，故障停電模型訓練；步驟四，故障停電模型預測；步驟五，用戶投訴模型訓練；步驟六，用戶投訴模型預測；

其中在上述步驟一中，數據采集模塊主動連接上游系統采集原始數據圖表，并將原始數據結果存放于數據庫中，這些原始數據將用于后續數據加工；

其中在上述步驟二中，通過采集的上述天氣表、停電相關的信息表、配變相關的表分別各自進行加工處理，在此過程中數據存在很多空值及異常數據，為保證預測精確性，建立一套清洗規則，且清洗規則以故障停電信息表為例：統計該表中各特征缺失情況和占比，若缺失占比為60-100％，且包括60％和100％，因為提供的有用信息很少，此情況直接刪除該特征；若缺失占比為0-60％，且包括0，不包括60％，對于連續型特征根據實際數據分布情況采用前后均值或中間值方式填充缺失值，對于類別型特征采用眾數填充缺失值，其他信息表清洗規則同理，此外，源數據分布在不同的表中，需要對數據進行整合和特征構建，生成預測訓練表；

其中在上述步驟三中，將步驟二中配變故障訓練表數據用于XGBOOST、決策樹和GBDT三種算法中進行模型訓練，三種配變故障模型訓練好后本地保存；

其中在上述步驟四中，啟用步驟三中本地保存的XGBOOST、決策樹和GBDT三個模型，使用故障停電待預測表進行模型預測，將模型計算得到的數據圖表寫入到數據庫中指定的評估表中，將真實值和模型預測值寫入到數據庫中的預測結果表中，通過BI工具進行評估表和結果表的界面展示；

其中在上述步驟五中，在第一個預測配變會出現故障停電的“那一天”，再通過關聯篩選步驟二中得到的用戶投訴預測訓練表的相應數據作為用戶投訴的訓練數據，采用XGBOOST、決策樹和GBDT模型進行訓練，三種用戶投訴模型訓練好后本地保存；

其中在上述步驟六中，啟用步驟五中本地保存的XGBOOST、決策樹和GBDT三個模型，使用故障停電待預測表進行模型預測，將模型計算得到的數據圖表寫入到數據庫中指定的評估表中，將真實值和模型預測值寫入到數據庫中的預測結果表中，通過BI工具進行評估表和結果表的界面展示。