[發明專利]供電服務風險預測方法、系統、存儲介質及計算機設備

在審

• 申請號: 202210075884.1
• 申請日: 2022-01-23
• 公開（公告）號: CN114493238A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 張遠來;髙至平;晏歡;張霞;楊贇
• 申請（專利權）人: 泰豪軟件股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/00;G06K9/62;G06Q50/06;G08B21/18
• 代理公司: 南昌旭瑞知識產權代理事務所(普通合伙) 36150
• 代理人: 劉紅偉

1.一種供電服務風險預測方法，其特征在于，應用于供電系統，所述方法包括：

獲取多個配電設備的歷史供電數據，所述歷史供電數據包括多種樣本數據，以根據所述歷史供電數據獲取各種樣本數據對應的標簽類型；

根據樣本數據對應的標簽類型從預設數據庫中調取與所述樣本數據對應的預設標簽定義規則，并根據所述預設標簽定義規則依次對每種樣本數據進行分類和定義，以得到與所述樣本數據對應的數據集，所述數據集包括子標簽以及與所述子標簽對應的判定結果；

將所有樣本數據對應的數據集進行匯總，以得到訓練集，并根據所述訓練集構建多路決策模型；

獲取所述配電網中任一配電設備的當前供電數據，并匯總所有決策模型對所述配電設備的當前供電數據進行分析后輸出的決策結果，以根據匯總后的決策結果預測所述配電設備的服務風險等級。

2.根據權利要求1所述的供電服務風險預測方法，其特征在于，所述樣本數據包括基礎屬性數據、歷史運行狀態數據、歷史運行環境數據、位置特征數據以及用戶特征數據，所述根據所述預設標簽定義規則依次對每種樣本數據進行分類和定義的步驟包括：

將所述基礎屬性數據分類成投運年限數據、容量數據、供電半徑數據以及檢修記錄數據；

將配電設備的投運年限數據與預設投運年限閥值進行比對，并根據比對結果將對應的配電設備進行投運年限標簽定義，定義設備結果包括新投設備子標簽、老舊設備子標簽以及一般設備子標簽；

將所述容量數據與設備配置容量閥值進行比對，以根據比對結果將與所述容量數據對應的設備進行容量標簽定義，定義設備結果包括接帶容量高子標簽、接帶容量低子標簽、接帶容量一般子標簽；

將所述供電半徑數據與設定的供電半徑閥值進行匹配，以根據匹配結果將所述供電半徑數據對應的設備進行供電半徑標簽定義，定義設備結果包括供電半徑合格子標簽、供電半徑超限子標簽以及供電半徑嚴重超限子標簽；

根據檢修記錄數據判斷與所述檢修記錄數據對應的設備是否存在整體檢修改造，若是則將對應的配電設備定義為總體檢修改造子標簽，若否則定義為部分檢修改造子標簽。

3.根據權利要求2所述的供電服務風險預測方法，其特征在于，所述根據所述預設標簽定義規則依次對每種樣本數據進行分類和定義的步驟還包括：

將所述歷史運行狀態數據分類成負載故障數據、停電故障數據、低電壓故障數據、三相不平衡故障數據；

根據所述負載故障數據統計對應配電設備在第一預設時間內的負載故障發生次數，并將所述負載故障發生次數與預設負載故障頻率閥值進行比對，根據比對結果將對應的配電設備進行負載標簽定義，定義設備結果包括正常子標簽、重載子標簽、過載子標簽以及嚴重過載子標簽。

4.根據權利要求3所述的供電服務風險預測方法，其特征在于，所述將所有樣本數據對應的數據集進行匯總，以得到訓練集，并根據所述訓練集構建多路決策模型的步驟包括：

若訓練集大小為N，隨機且有放回地從所述訓練集中抽取N個訓練樣本，以得到用于訓練決策模型的訓練樣本集，重復提取K次，以生成K組訓練樣本集；

獲取所有子標簽名稱，以根據所有的子標簽名稱獲取所述訓練樣本集的特征維度，根據所述特征維度隨機從訓練樣本集中選擇m個子標簽，以根據每個訓練樣本集對應的m個子標簽構建多個決策模型。

5.根據權利要求1所述的供電服務風險預測方法，其特征在于，所述獲取所述配電網中任一配電設備的當前供電數據，并匯總所有決策模型對所述配電設備的當前供電數據進行分析后輸出的決策結果，以根據匯總后的決策結果預測所述配電設備的服務風險等級的步驟還包括：

將當前供電數據輸入到所述決策模型中，生成配電設備在預測日的服務風險值；

根據配電設備在預測日的服務風險值評估出服務風險等級，以根據所述服務風險等級向供電網管理平臺發送對應的預警策略。

6.根據權利要求5所述的供電服務風險預測方法，其特征在于，所述方法還包括：

若所述服務風險值在第一預警閥值內，設定為一級服務風險等級；

若所述服務風險值在第二預警閥值內，設定為二級服務風險等級；

若所述服務風險值在第三預警閥值內，設定為三級服務風險等級。