CN116011827A - 一种用于重点小区的停电监测分析与预警***及方法 - Google Patents
一种用于重点小区的停电监测分析与预警***及方法 Download PDFInfo
- Publication number
- CN116011827A CN116011827A CN202310287180.5A CN202310287180A CN116011827A CN 116011827 A CN116011827 A CN 116011827A CN 202310287180 A CN202310287180 A CN 202310287180A CN 116011827 A CN116011827 A CN 116011827A
- Authority
- CN
- China
- Prior art keywords
- power failure
- early warning
- power
- event
- unit
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 112
- 238000012544 monitoring process Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims description 29
- 238000010219 correlation analysis Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000007405 data analysis Methods 0.000 claims description 11
- 230000008439 repair process Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013523 data management Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000013439 planning Methods 0.000 abstract description 2
- 208000003443 Unconsciousness Diseases 0.000 description 16
- 238000009472 formulation Methods 0.000 description 9
- 239000000203 mixture Substances 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于重点小区的停电监测分析与预警***及方法,本***包括数据库服务器、重点小区分析识别模块、停电数据采集模块、停电事件分析模块、停电风险监测模块、停电预警模块和应急预案制定模块,本***通过分析识别重点小区,然后对重点小区的各类停电事件基础数据和特征指标数据进行收集;加上对重点小区的各类停电事件进行实时监测;根据数据和监测结果进行停电预警,摒弃了传统的被动处理方式,及时为重点小区的客户进行停电预警,达到停电信息实时报送和停电信息精准分析到户的效果,并且针对停电风险等级制定相应的应急预案,通过对停电事件的分析、预警和预案制定,从最大限度降低重点小区各类停电状况下的损失。
Description
技术领域
本发明设计电力监测分析技术领域,具体涉及一种用于重点小区的停电监测分析与预警***及方法。
背景技术
随着能源技术的飞速发展,电力能源在人们的生活中占据着越来越重要的地位,人们对供电企业的供电能力和所提供服务质量提出了更高的要求。
然而,在供电企业生产、建设和改造的过程中,不可避免地会发生故障停电或者进行停电作业,影响电力用户的正常生产和生活。
其中,重点小区是电网企业重点服务对象之一,重点小区的客户一旦发生停电事件,将会造成较大的经济损失和社会影响,对于电网企业各类的施工、检修以及配电网故障都会带来重要用户的停电隐患;
但是,目前电网企业针对重点小区的停电风险预警的主要手段在于:依赖于重点小区的客户向电网企业客户服务中心报修或者联系用电检查员的方式进行人工方式的被动处理,所以没有对重点小区进行停电监测分析会导致对重点小区的停电预警不及时,从而让重点小区的用户遭受严重的经济损失和社会影响。
发明内容
针对上述现有技术的不足,本申请提供一种用于重点小区的停电监测分析与预警***及方法。
第一方面本申请提出了一种用于重点小区的停电监测分析与预警***,包括数据库服务器、重点小区分析识别模块、停电数据采集模块、停电事件分析模块、停电风险监测模块、停电预警模块和应急预案制定模块;
所述重点小区分析识别模块,用于调用数据库服务器提取用户地址和小区信息,收集用户档案信息中的地址信息并分析出各重点城市的重点小区及级别,形成重点小区索引,进而通过提取的用户地址到索引中匹配,关联出地址所属重点小区,并根据重点小区停电相关性分析,识别出停电影响重点小区信息;
所述停电数据采集模块,用于对重点小区的各类停电事件基础数据和特征指标数据进行采集和管理;
所述停电事件分析模块,用于获取所述停电数据采集模块的数据,并根据获取的数据构建对应的停电事件分析模型,根据所述停电事件分析模型获取对应的停电事件分析结果;
所述停电风险监测模块,用于对所述停电事件分析模块分析出的各类停电事件进行实时监测;
所述停电预警模块,用于根据所述停电事件分析结果进行停电预警;
应急预案制定模块,用于根据停电预警的风险等级构建对应的应急预案。
在一些实施例中,所述重点小区分析识别模块包括重点小区信息管理单元、重点小区与台区关系管理单元、重点小区停电相关性分析单元和算法匹配识别单元;
所述重点小区信息管理单元,用于构建4级地址信息库,形成包括省、
市、区县、重点小区的4级地址关系,设置重点小区名称并自动生成保存重点小区编码,并根据重点小区名称和重点小区编码建立索引,获取重点小区与台区关联关系;
所述重点小区与台区关系管理单元,用于根据重点小区信息管理结果,实现重点小区分级管理;
所述重点小区停电相关性分析单元,用于构建重点小区停电相关性分析功能,将停电信息与重点小区信息进行重点小区停电相关性分析,根据重点小区停电相关性分析结果,建立停电信息与重点小区关联关系,获取停电影响用户信息
所述算法匹配识别单元,用于根据重点小区信息管理单元和重点小区与台区关系管理单元的处理结果并结合BM25算法匹配出用户所属重点小区信息,根据所述停电影响用户信息和用户所属重点小区信息,识别出停电影响重点小区信息。
在一些实施例中,所述停电数据采集模块包括基础数据分析单元和特征指标数据管理单元;
所述基础数据分析单元,用于采集数据库服务器中的故障停电、停电关联到户信息、主动抢修数据、95598报修工单和疑似停电信息,实现停电事件特征数据采集,为分析各类停电事件提供数据基础;
所述特征指标数据管理单元,用于基于各类停电事件特征数据采集结果,按单位、时间、停电类型维度,分析停电信息报送量、影响用户数、停电时长、停电报送时间与停电时间差、客户报修诉求量、停电设备量等数据,为识别对应的停电事件提供数据指标。
在一些实施例中,所述停电事件分析模块包括应报未报停电事件分析单元、高风险停电事件分析单元和超时停电事件分析单元;
所述应报未报停电事件分析单元,用于构建未报停电事件分析模型,将停电信息接入未报停电事件分析模型并建立时间区间匹配规则,进行信息相关性匹配分析,识别应报未报停电事件信息;
所述高风险停电事件分析单元,用于进行舆情高风险停电事件分析,通过分析结果比对,识别高风险停电事件;
所述超时停电事件分析单元,用于构建超时停电事件分析模型,通过所述超时停电事件分析模型开展故障停电、计划停电、临时停电等不同类型停电因素的风险分析,计算不同停电事件的停电时长,并通过数据分析比对,识别超时停电事件。
在一些实施例中,所述停电风险监测模块包括应报未报停电事件监测单元、高风险停电事件监测单元和超时停电事件风险监测单元;
所述应报未报停电事件监测单元,用于实时监测重点小区是否存在应报未报停电事件,若存在应报未报停电事件,则进行消息提示;
所述高风险停电事件监测单元,用于实时监测重点小区是否存在高风险停电事件,若存在应报未报停电事件,则进行高风险停电事件预警消息提示;
所述超时停电事件风险监测单元,用于实时监测重点小区是否存在超时停电事件,若存在超时停电事件,则进行超时停电事件预警消息提示。
在一些实施例中,所述停电预警模块包括停电预警配置单元、预警级别维护单元和停电预警信息报送单元;
所述停电预警配置单元,用于根据所述停电风险监测模块中对应的停电预警消息实现停电预警消息模板配置;
所述预警级别维护单元,用于根据所述停电风险监测模块监测识别的停电信息和停电预警配置单元的配置结果,进行停电预警分级,生成停电预警信息;
停电预警信息报送单元,用于对所述停电预警信息进行报送。
在一些实施例中,所述应急预案制定模块包括预案制定单元和预案匹配单元;
所述预案制定单元,用于基于不同预警等级下的所述停电预警信息,制定相应的应急预案;
所述预案匹配单元,用于分析各类停电事件的特征属性和权值,然后进行相似度计算,根据计算结果匹配对应的应急预案。
在一些实施例中,所述应急预案包括停电事件预警信息单位、预警等级、预警时间、停电事件影响客户量、停电时长、停电开始时间、停电结束时间、停电范围、停电类型、应急策略、应急预案制定时间、应急预案制定人员、应急预案制定部门和应急预案制定单位。
在一些实施例中,还包括应急预案审核单元,所述应急预案审核单元用于对接收到的应急预案进行审核。
第二方面本申请提出一种用于重点小区的停电监测分析与预警方法,包括以下步骤:
分析识别出重点小区;
对所述重点小区的各类停电事件基础数据和特征指标数据进行收集;
对所述重点小区的各类停电事件进行实时监测;
根据收集和监测的数据构建停电事件分析模型,得到对应的停电事件分析结果;
根据所述停电事件分析结果进行停电预警;
根据停电预警的风险等级构建对应的应急预案。
本发明的有益效果:本***通过分析识别重点小区,然后对重点小区的各类停电事件基础数据和特征指标数据进行收集;加上对重点小区的各类停电事件进行实时监测;根据数据和监测结果进行停电预警,摒弃了传统的被动处理方式,及时为重点小区的客户进行停电预警,达到停电信息实时报送和停电信息精准分析到户的效果,并且针对停电风险等级制定相应的应急预案,通过对停电事件的分析、预警和预案制定,从最大限度降低各类停电状况下的损失,从最大限度降低重点小区各类停电状况下的损失。
附图说明
图1为本发明的***架构图。
图2为本发明的方法流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制;相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
第一方面本申请提出了一种用于重点小区的停电监测分析与预警***,如图1所示,包括数据库服务器、重点小区分析识别模块、停电数据采集模块、停电事件分析模块、停电风险监测模块、停电预警模块和应急预案制定模块;
所述重点小区分析识别模块,用于调用数据库服务器提取用户地址和小区信息,收集用户档案信息中的地址信息并分析出各重点城市的重点小区及级别,形成重点小区索引,进而通过提取的用户地址到索引中匹配,关联出地址所属重点小区,并根据重点小区停电相关性分析,识别出停电影响重点小区信息;
在一些实施例中,所述重点小区分析识别模块包括重点小区信息管理单元、重点小区与台区关系管理单元、重点小区停电相关性分析单元和算法匹配识别单元;
所述重点小区信息管理单元,用于构建4级地址信息库,形成包括省、
市、区县、重点小区的4级地址关系,设置重点小区名称并自动生成保存重点小区编码,并根据重点小区名称和重点小区编码建立索引,获取重点小区与台区关联关系;
所述重点小区与台区关系管理单元,用于根据重点小区信息管理结果,实现重点小区分级管理;
其中,按照重点小区用电户数划分重点小区级别,分为上级重点小区、中级重点小区、下级重点小区,实现重点小区档案与重点小区用户关联关系管理,根据重点小区档案与重点小区用户关联关系,实现重点小区档案与台区关联关系管理,统计重点小区覆盖客户数量,根据重点小区覆盖客户群体数量范围;
所述重点小区停电相关性分析单元,用于构建重点小区停电相关性分析功能,将停电信息与重点小区信息进行重点小区停电相关性分析,根据重点小区停电相关性分析结果,建立停电信息与重点小区关联关系,获取停电影响用户信息;
其中,每隔一段时间定时从停电信息中提取停电线路、停电台区、停电客户范围等信息,将停电线路、停电台区、停电客户范围等信息与小区档案、小区供电台区等信息,进行相关性分析,基于停电信息与重点小区关联关系,将后续新产生的该重点小区停电信息进行叠加处理,叠加重点小区新的停电用户清单、停电台区信息。
所述算法匹配识别单元,用于根据重点小区信息管理单元和重点小区与台区关系管理单元的处理结果并结合BM25算法匹配出用户所属重点小区信息,根据所述停电影响用户信息和用户所属重点小区信息,识别出停电影响重点小区信息。
进一步的,采用的BM25算法为:
其中,Q代表查询;代表自由参数,默认值为1.2;b代表自由参数,默认值为0.75,表示查询分词,代表重点小区,IDF表示逆向文档频率;表示D的平均值。
使用自然语言处理技术,结合BM25算法,将全网用电用户地址代入到地址信息索引中,识别出用户户号、用电地址与重点小区的对应关系,匹配出用户所属重点小区信息,根据所述停电影响用户信息和用户所属重点小区信息,识别出停电影响重点小区信息。
所述停电数据采集模块,用于对重点小区的各类停电事件基础数据和特征指标数据进行采集和管理;
在一些实施例中,所述停电数据采集模块包括基础数据分析单元和特征指标数据管理单元;
所述基础数据分析单元,用于采集数据库服务器中的故障停电、停电关联到户信息、主动抢修数据、95598报修工单和疑似停电信息,实现停电事件特征数据采集,为分析各类停电事件提供数据基础;
所述特征指标数据管理单元,用于基于各类停电事件特征数据采集结果,按单位、时间、停电类型维度,分析停电信息报送量、影响用户数、停电时长、停电报送时间与停电时间差、客户报修诉求量、停电设备量等数据,为识别对应的停电事件提供数据指标。
所述停电事件分析模块,用于获取所述停电数据采集模块的数据,并根据获取的数据构建对应的停电事件分析模型,根据所述停电事件分析模型获取对应的停电事件分析结果;
在一些实施例中,所述停电事件分析模块包括应报未报停电事件分析单元、高风险停电事件分析单元和超时停电事件分析单元;
所述应报未报停电事件分析单元,用于构建未报停电事件分析模型,将停电信息接入未报停电事件分析模型并建立时间区间匹配规则,进行信息相关性匹配分析,识别应报未报停电事件信息;
其中,构建的未报停电事件分析模型步骤包括:样本数据设定、特征工程、模型训练、模型自学习、模型调优和模型集成;
样本数据设定:选取历史3年的停电上报数据、客户诉求工单、内部督查单等数据,设定模型样本数据;
特征工程:从历史停电上报数据、客户诉求工单、内部督查单等数据中分析各因素对未报停电事件的影响程度,并形成特征指标体系,对选取特征进行特征变换、特征拓展等处理,观测数据的分布均衡情况,初步分析这些维度特征对是否有风险的影响,查看是否具有关联特性,综合各种方法的结果,为模型选择合适的特征;
模型训练:利用应用***清洗后的数据,按业务规则自动打标,并形成训练集,对模型进行训练;
模型自学习:通过有监督的模型训练结果,确定模型与实际情况判定不一致的样本,是否属于模型分类错误,如果过属于模型分类错误,标记为“误判”样本。并将一定时期内误判样本修正后作为增量数据重新构建训练集。依据新构建的数据集训练升级版模型;
模型调优:通过选用不同数据处理版本、不同算法组合等,对模型进行调优,测算并评估不同版本模型效果,选择最佳算法,算法包括朴素贝叶斯算法、随机森林等算法;
模型集成:基于提前设计约定好的模型集成规约,开发模型集成单元,构建未报停电事件分析模型。
进一步的,基于未报停电事件分析模型,实现将网省报送停电信息接入分析,以及实现95598故障报修信息、疑似停电信息接入分析。建立时间区间匹配规则,按停电信息、报修信息、疑似停电信息的时间点,进行信息相关性匹配分析,分析出未报停电事件信息。
所述高风险停电事件分析单元,用于进行舆情高风险停电事件分析,通过分析结果比对,识别高风险停电事件;
进一步的,识别高风险停电事件的步骤包括:
计算各重点小区近30天故障停电数量、投诉工单数量,存储当天的
故障停电数量、投诉工单数量均值及标准差;
每个重点小区将每天的故障停电数量均值+1倍标准差记为舆情中风险预警阈值,每天的故障停电数量均值+2倍标准差记为舆情高风险预警阈值,每个重点小区将每天的投诉工单数量均值+1倍标准差记为舆情中风险预警阈值,每天的 投诉工单数量均值+2倍标准差记为舆情高风险预警阈值;
计算该重点小区当日故障停电数量或投诉工单数量是否超过舆情风险阈值,超过舆情中风险预警阈值进行舆情中风险预警,超过舆情高风险预警阈值则识别为高风险停电事件。
所述超时停电事件分析单元,用于构建超时停电事件分析模型,通过所述超时停电事件分析模型开展故障停电、计划停电、临时停电等不同类型停电因素的风险分析,计算不同停电事件的停电时长,并通过数据分析比对,识别超时停电事件。
其中,采用数据挖掘技术构建超时停电事件分析模型,利用超时停电事件特征训练超时停电事件分析模型,超时停电事件特征包括停电影响户数信息和停电时长,基于超时停电事件分析模型进行数据观察和数据分析,实现停电时长与区域停电诉求数量影响相关性分析,分析不同的停电时长,导致停电相关诉求量变化关系。模型通过分析,对导致高投诉风险的停电时长进行判断,支撑对超时停电事件识别,对历史超时停电事件超时时长、客诉量进行相关性分析,运用聚类分析模型对各评估因子进行特征聚类,挖掘出超时事件对带来的风险。
所述停电风险监测模块,用于对所述停电事件分析模块分析出的各类停电事件进行实时监测;
在一些实施例中,所述停电风险监测模块包括应报未报停电事件监测单元、高风险停电事件监测单元和超时停电事件风险监测单元;
所述应报未报停电事件监测单元,用于实时监测重点小区是否存在应报未报停电事件,若存在应报未报停电事件,则进行消息提示;
所述高风险停电事件监测单元,用于实时监测重点小区是否存在高风险停电事件,若存在应报未报停电事件,则进行高风险停电事件预警消息提示;
其中,高风险停电事件监测单元的监测类型包括:
1、根据停电影响用户类别,如高危客户、停电敏感客户等客户等级监测是否为高风险停电事件,若停电影响用户类别包含指定客户等级的用户,则进行高风险停电事件预警消息提示;
2、根据停电影响用户是否符合停电敏感客户停电时间分析模型,判断是否为高风险停电事件,若停电影响用户符合停电敏感客户停电时间分析模型,则进行高风险停电事件预警消息提示;
3、根据停电影响用户数判断是否为高风险停电事件,若停电影响用户数达到指定阈值,则进行高风险停电事件预警消息提示。
所述超时停电事件风险监测单元,用于实时监测重点小区是否存在超时停电事件,若存在超时停电事件,则进行超时停电事件预警消息提示。
其中,超时停电事件风险监测单元的监测类型包括:
1、基于超时停电事件分析模型,开展故障停电、计划停电、临时停电等不同类型停电事件的风险分析,计算不同停电事件的停电时长,并通过数据分析比对,识别超时停电事件;
2、根据重点小区有效停电信息,实时计算出实际停电时长,并与停电时长监控阈值进行比对,若实际停电时长大于停电时长监控阈值,则标记为超时停电事件,并进行超时停电事件预警消息提示。
所述停电预警模块,用于根据所述停电事件分析结果进行停电预警;
在一些实施例中,所述停电预警模块包括停电预警配置单元、预警级别维护单元和停电预警信息报送单元;
所述停电预警配置单元,用于根据所述停电风险监测模块中对应的停电预警消息实现停电预警消息模板配置;
其中,停电预警消息模板配置包括:
1、维护应报未报停电事件预警消息展示内容,包含:应报未报停电事件省单位、应报未报停电事件地市单位、应报未报停电事件消息提示生成时间、应报未报停电事件数、消息接收部门、消息接收人员;2、维护高风险停电事件预警消息展示内容,包含:风险停电事件省单位、高风险停电事件地市单位、高风险停电事件消息提示生成时间、高风险停电事件预警类型、高风险停电事件影响用户数、消息接收部门、消息接收人员;3、维护超时停电事件预警消息展示内容,包含:超时停电时间省单位、超时停电时间市单位、超时停电事件预警生成时间、实际停电时长、超时时长、消息接收部门、消息接收人员。
所述预警级别维护单元,用于根据所述停电风险监测模块监测识别的停电信息和停电预警配置单元的配置结果,进行停电预警分级,生成停电预警信息;
根据停电风险监测模块监测识别的风险停电信息,并基于停电预警模板,提取相关业务参数,对停电风险监测模块包括应报未报停电事件监测单元、高风险停电事件监测单元和超时停电事件风险监测单元识别出的停电事件生成停电预警信息。
进一步的,根据各类停电事件的特征来量化分析对应的停电事件,并生成停电事件等级识别规则,设置各个风险等级对应的阀值。具体地,停电影响户数范围越大,则停电事件的风险越高,停电影响户数范围越小,则停电事件的风险越低,比如停电影响户数范围在100户以下或者限定在一个小型小区(即重点小区分级管理中的下级重点小区),则认为停电事件风险低,设定为三级停电预警;
当停电影响户数范围在1000户以上或者限定在一个街道片区(即重点小区分级管理中的中级重点小区),则认为停电事件风险中,设定为二级停电预警;当停电影响户数范围在5000户以上或者限定在多个街道片区(即重点小区分级管理中的上级重点小区),则认为停电事件风险高,设定为一级停电预警;
此外,停电时间越长,则停电事件的风险越高,停电时间越短,则停电事件的风险越低;比如停电时间在一天以内,则认为停电事件风险低,当停电时间大于一天在三天以内,则认为停电事件风险中,当停电时间大于一周则认为停电事件风险高。
停电预警信息报送单元,用于对所述停电预警信息进行报送。
其中,1、通过应报未报停电事件预警监控,对生成的应报未报停电事件预警信息进行报送,将提前感知的不同风险等级的应报未报停电事件下发至对应重点小区客服人员,报送内容包括:停电预警信息单位,停电预警信息生成时间、停电预警信息内容,停电预警信息级别、停电预警信息类型、停电预警信息报送时间、停电预警信息报送人员等;
2、通过高风险停电事件预警监控,对生成的高风险停电事件预警信息进行报送,将提前感知的不同风险等级的高风险停电事件下发至对应重点小区客服人员,报送内容包括:停电预警信息单位,停电预警信息生成时间、停电预警信息内容,停电预警信息级别、停电预警信息类型、停电预警信息报送时间、停电预警信息报送人员等。
3、通过对超时停电事件预警监控,对生成的超时停电事件预警信息进行报送,将提前感知的不同风险等级的超时停电事件下发至对应重点小区客服人员,报送内容包括:停电预警信息单位,停电预警信息生成时间、停电预警信息内容,停电预警信息级别、停电预警信息类型、停电预警信息报送时间、停电预警信息报送人员等;
应急预案制定模块,用于根据停电预警的风险等级构建对应的应急预案。
在一些实施例中,所述应急预案制定模块包括预案制定单元和预案匹配单元;
所述预案制定单元,用于基于不同预警等级下的所述停电预警信息,制定相应的应急预案;
其中,根据不同预警等级的停电事件预警信息,制定不同的应急预案,构建预案库。
应急预案的内容包括停电事件预警信息单位、预警等级、预警时间、停电事件影响客户量、停电时长、停电开始时间、停电结束时间、停电范围、停电类型、应急策略、应急预案制定时间、应急预案制定人员、应急预案制定部门和应急预案制定单位。
所述预案匹配单元,用于分析各类停电事件的特征属性和权值,然后进行相似度计算,根据计算结果匹配对应的应急预案。
应急预案的构建方式总体包括两个方面:预警等级和预案措施两个部分。由于预警等级和预案措施之间是一种对应的关系,所以这种对应关系即可快速地匹配相应的处置措施。预警等级可以看作一个实体,预警等级可以抽取成几个关键因素作为等级描述的属性,相应的预案措施也可看作一个实体。据此构建应急预案的匹配模型:f:A→B。其中,A为等级描述的特征因素集合,B为预案措施的集合。基于建立的预案库,对于一个给定的具体事例C而言:如果C恰好符合预案库的一个具体案例,则调用已有的应急预案即可,若不符合,则:C={Ac,Bc},Ac,Bc分别是针对某一具体事例C的特征因素集合和预案措施的集合。
因此,预案匹配单元的具体执行流程包括:
输入停电事件;该停电事件表述为:
其中,A为该停电事件的特征属性,为对应于特征属性的权值, m为该停电事件的特征属性数;所述权值的取值为,该停电事件的所有特征属性的权值满足。
进一步的,我们将一个待匹配的停电事件表述为其所包含的所有特征属性及其对应权值的形式。并且,定义每个停电事件中的所有特征属性的权值总和为一恒定值。在本实施例中,该恒定值取值为l,另外,该各个特征属性所对应权值的大小可以由相关专家给定或是通过其他方式赋值。
将停电事件与预案库中的预案逐一进行相似度计算;
预案库由若预案C构成;每个预案C表述为;其中,A为该预案的特征属性,B为对应于特征属性的预案措施, n为该预案的特征属性数;
相似度计算公式为:
其中,为停电事件与预案库中某个预案C相同特征属性所对应的权值,k为相同特征属性数据数目。
在本步骤中,将停电事件中的特征属性与预案库中各个预案C的特征属性逐一进行比较,并累加相同特征属性所对应的权值,从而获得停电事件与该预案C之间的相似度S,k≤min(m,n),S≤1,S值越大则相似度越大,反之越小。
选择预案库中与该停电事件相似度S最大的预案,作为该停电事件的应对预案输出,完成应急预案的匹配。
在一些实施例中,还包括应急预案审核单元,所述应急预案审核单元用于对接收到的应急预案进行审核。
其中,若匹配出的应急预案审核通过,该应急预案生效,相关部门可按照预案执行操作;若匹配出的应急预案审核不通过,该应急预案回退至应急预案制定环节,根据审核意见,对应急预案进行修改,或者终止当前应急预案。
第二方面本申请提出一种用于重点小区的停电监测分析与预警方法,如图2所示,包括步骤S1-S6:
S1:分析识别出重点小区;
S2:对所述重点小区的各类停电事件基础数据和特征指标数据进行收集;
S3:对所述重点小区的各类停电事件进行实时监测;
S4:根据收集和监测的数据构建停电事件分析模型,得到对应的停电事件分析结果;
S5:根据所述停电事件分析结果进行停电预警;
S6:根据停电预警的风险等级构建对应的应急预案。
以上仅是本发明优选的实施方式,需指出的是,对于本领域技术人员在不脱离本技术方案的前提下,作出的若干变形和改进的技术方案应同样视为落入本权利要求书要求保护的范围。
Claims (10)
1.一种用于重点小区的停电监测分析与预警***,其特征在于:包括数据库服务器、重点小区分析识别模块、停电数据采集模块、停电事件分析模块、停电风险监测模块、停电预警模块和应急预案制定模块;
所述重点小区分析识别模块,用于调用数据库服务器提取用户地址和小区信息,收集用户档案信息中的地址信息并分析出各重点城市的重点小区及级别,形成重点小区索引,进而通过提取的用户地址到索引中匹配,关联出地址所属重点小区,并根据重点小区停电相关性分析,识别出停电影响重点小区信息;
所述停电数据采集模块,用于对重点小区的各类停电事件基础数据和特征指标数据进行采集和管理;
所述停电事件分析模块,用于获取所述停电数据采集模块的数据,并根据获取的数据构建对应的停电事件分析模型,根据所述停电事件分析模型获取对应的停电事件分析结果;
所述停电风险监测模块,用于对所述停电事件分析模块分析出的各类停电事件进行实时监测;
所述停电预警模块,用于根据所述停电事件分析结果进行停电预警;
应急预案制定模块,用于根据停电预警的风险等级构建对应的应急预案。
2.根据权利要求1所述的***,其特征在于:所述重点小区分析识别模块包括重点小区信息管理单元、重点小区与台区关系管理单元、重点小区停电相关性分析单元和算法匹配识别单元;
所述重点小区信息管理单元,用于构建4级地址信息库,形成包括省、
市、区县、重点小区的4级地址关系,设置重点小区名称并自动生成保存重点小区编码,并根据重点小区名称和重点小区编码建立索引,获取重点小区与台区关联关系;
所述重点小区与台区关系管理单元,用于根据重点小区信息管理结果,实现重点小区分级管理;
所述重点小区停电相关性分析单元,用于构建重点小区停电相关性分析功能,将停电信息与重点小区信息进行重点小区停电相关性分析,根据重点小区停电相关性分析结果,建立停电信息与重点小区关联关系,获取停电影响用户信息;
所述算法匹配识别单元,用于根据重点小区信息管理单元和重点小区与台区关系管理单元的处理结果并结合BM25算法匹配出用户所属重点小区信息,根据所述停电影响用户信息和用户所属重点小区信息,识别出停电影响重点小区信息。
3.根据权利要求2所述的***,其特征在于:所述停电数据采集模块包括基础数据分析单元和特征指标数据管理单元;
所述基础数据分析单元,用于采集数据库服务器中的故障停电、停电关联到户信息、主动抢修数据、95598报修工单和疑似停电信息,实现停电事件特征数据采集,为分析各类停电事件提供数据基础;
所述特征指标数据管理单元,用于基于各类停电事件特征数据采集结果,按单位、时间、停电类型维度,分析停电信息报送量、影响用户数、停电时长、停电报送时间与停电时间差、客户报修诉求量、停电设备量等数据,为识别对应的停电事件提供数据指标。
4.根据权利要求3所述的***,其特征在于:所述停电事件分析模块包括应报未报停电事件分析单元、高风险停电事件分析单元和超时停电事件分析单元;
所述应报未报停电事件分析单元,用于构建未报停电事件分析模型,将停电信息接入未报停电事件分析模型并建立时间区间匹配规则,进行信息相关性匹配分析,识别应报未报停电事件信息;
所述高风险停电事件分析单元,用于进行舆情高风险停电事件分析,通过分析结果比对,识别高风险停电事件;
所述超时停电事件分析单元,用于构建超时停电事件分析模型,通过所述超时停电事件分析模型开展故障停电、计划停电、临时停电等不同类型停电因素的风险分析,计算不同停电事件的停电时长,并通过数据分析比对,识别超时停电事件。
5.根据权利要求4所述的***,其特征在于:所述停电风险监测模块包括应报未报停电事件监测单元、高风险停电事件监测单元和超时停电事件风险监测单元;
所述应报未报停电事件监测单元,用于实时监测重点小区是否存在应报未报停电事件,若存在应报未报停电事件,则进行消息提示;
所述高风险停电事件监测单元,用于实时监测重点小区是否存在高风险停电事件,若存在应报未报停电事件,则进行高风险停电事件预警消息提示;
所述超时停电事件风险监测单元,用于实时监测重点小区是否存在超时停电事件,若存在超时停电事件,则进行超时停电事件预警消息提示。
6.根据权利要求5所述的***,其特征在于:所述停电预警模块包括停电预警配置单元、预警级别维护单元和停电预警信息报送单元;
所述停电预警配置单元,用于根据所述停电风险监测模块中对应的停电预警消息实现停电预警消息模板配置;
所述预警级别维护单元,用于根据所述停电风险监测模块监测识别的停电信息和停电预警配置单元的配置结果,进行停电预警分级,生成停电预警信息;
停电预警信息报送单元,用于对所述停电预警信息进行报送。
7.根据权利要求6所述的***,其特征在于:所述应急预案制定模块包括预案制定单元和预案匹配单元;
所述预案制定单元,用于基于不同预警等级下的所述停电预警信息,制定相应的应急预案;
所述预案匹配单元,用于分析各类停电事件的特征属性和权值,然后进行相似度计算,根据计算结果匹配对应的应急预案。
8.根据权利要求7所述的***,其特征在于:所述应急预案包括停电事件预警信息单位、预警等级、预警时间、停电事件影响客户量、停电时长、停电开始时间、停电结束时间、停电范围、停电类型、应急策略、应急预案制定时间、应急预案制定人员、应急预案制定部门和应急预案制定单位。
9.根据权利要求8所述的***,其特征在于:还包括应急预案审核单元,所述应急预案审核单元用于对接收到的应急预案进行审核。
10.一种用于重点小区的停电监测分析与预警方法,其特征在于:包括以下步骤:
分析识别出重点小区;
对所述重点小区的各类停电事件基础数据和特征指标数据进行收集;
对所述重点小区的各类停电事件进行实时监测;
根据收集和监测的数据构建停电事件分析模型,得到对应的停电事件分析结果;
根据所述停电事件分析结果进行停电预警;
根据停电预警的风险等级构建对应的应急预案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310287180.5A CN116011827B (zh) | 2023-03-23 | 2023-03-23 | 一种用于重点小区的停电监测分析与预警***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310287180.5A CN116011827B (zh) | 2023-03-23 | 2023-03-23 | 一种用于重点小区的停电监测分析与预警***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116011827A true CN116011827A (zh) | 2023-04-25 |
CN116011827B CN116011827B (zh) | 2023-12-22 |
Family
ID=86032164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310287180.5A Active CN116011827B (zh) | 2023-03-23 | 2023-03-23 | 一种用于重点小区的停电监测分析与预警***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116011827B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487119A (zh) * | 2020-11-30 | 2021-03-12 | 深圳供电局有限公司 | 一种停电预警信号校验方法及*** |
CN116703020A (zh) * | 2023-08-08 | 2023-09-05 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种用于智慧林业的优化管控***及方法 |
CN117913830A (zh) * | 2024-03-20 | 2024-04-19 | 中国电建集团昆明勘测设计研究院有限公司 | 一种抽水蓄能电站的资源调度方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07227042A (ja) * | 1994-02-10 | 1995-08-22 | Meidensha Corp | 停電情報管理システム |
US20150205320A1 (en) * | 2014-01-23 | 2015-07-23 | Electronics And Telecommunications Research Institute | System and method for coping with blackout based on real-time population distribution |
CN106202232A (zh) * | 2016-06-27 | 2016-12-07 | 中国南方电网有限责任公司电网技术研究中心 | 一种停电事件的分析方法及装置 |
CN106557879A (zh) * | 2016-11-25 | 2017-04-05 | 北京南瑞电研华源电力技术有限公司 | 确定电网停电事故的处置预案的方法以及*** |
CN109004747A (zh) * | 2018-07-09 | 2018-12-14 | 国网江苏省电力有限公司常州供电分公司 | 基于电网实时状态的重要用户停电风险预警***及方法 |
CN112598257A (zh) * | 2020-12-17 | 2021-04-02 | 苏州市启献智能科技有限公司 | 一种基于大数据特征挖掘的停电分析方法及*** |
CN114169736A (zh) * | 2021-12-01 | 2022-03-11 | 北京国网信通埃森哲信息技术有限公司 | 一种基于预案的电力应急事件跟踪处理方法及*** |
-
2023
- 2023-03-23 CN CN202310287180.5A patent/CN116011827B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07227042A (ja) * | 1994-02-10 | 1995-08-22 | Meidensha Corp | 停電情報管理システム |
US20150205320A1 (en) * | 2014-01-23 | 2015-07-23 | Electronics And Telecommunications Research Institute | System and method for coping with blackout based on real-time population distribution |
CN106202232A (zh) * | 2016-06-27 | 2016-12-07 | 中国南方电网有限责任公司电网技术研究中心 | 一种停电事件的分析方法及装置 |
CN106557879A (zh) * | 2016-11-25 | 2017-04-05 | 北京南瑞电研华源电力技术有限公司 | 确定电网停电事故的处置预案的方法以及*** |
CN109004747A (zh) * | 2018-07-09 | 2018-12-14 | 国网江苏省电力有限公司常州供电分公司 | 基于电网实时状态的重要用户停电风险预警***及方法 |
CN112598257A (zh) * | 2020-12-17 | 2021-04-02 | 苏州市启献智能科技有限公司 | 一种基于大数据特征挖掘的停电分析方法及*** |
CN114169736A (zh) * | 2021-12-01 | 2022-03-11 | 北京国网信通埃森哲信息技术有限公司 | 一种基于预案的电力应急事件跟踪处理方法及*** |
Non-Patent Citations (2)
Title |
---|
喻玮 等: "基于多源业务数据的停电故障精准研判方法", 《微电脑应用》, vol. 38, no. 05, pages 83 - 87 * |
李玮 等: "基于数据驱动的电网用户侧故障主动研判技术研究与应用", 《电子设计工程》, vol. 30, no. 06, pages 33 - 37 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487119A (zh) * | 2020-11-30 | 2021-03-12 | 深圳供电局有限公司 | 一种停电预警信号校验方法及*** |
CN116703020A (zh) * | 2023-08-08 | 2023-09-05 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种用于智慧林业的优化管控***及方法 |
CN116703020B (zh) * | 2023-08-08 | 2023-11-03 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种用于智慧林业的优化管控***及方法 |
CN117913830A (zh) * | 2024-03-20 | 2024-04-19 | 中国电建集团昆明勘测设计研究院有限公司 | 一种抽水蓄能电站的资源调度方法和*** |
CN117913830B (zh) * | 2024-03-20 | 2024-06-04 | 中国电建集团昆明勘测设计研究院有限公司 | 一种抽水蓄能电站的资源调度方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN116011827B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116011827B (zh) | 一种用于重点小区的停电监测分析与预警***及方法 | |
Ali et al. | A data-driven approach to optimize urban scale energy retrofit decisions for residential buildings | |
Angelos et al. | Detection and identification of abnormalities in customer consumptions in power distribution systems | |
US20130232094A1 (en) | Machine learning for power grid | |
CN111738462B (zh) | 电力计量装置故障抢修主动服务预警方法 | |
CN106327062A (zh) | 一种配电网设备的状态评估方法 | |
CN107392479A (zh) | 基于逻辑回归模型的电力客户停电敏感度评分卡实施方法 | |
CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
CN111291076A (zh) | 基于大数据的异常用水监测报警***及其构建方法 | |
CN111552686B (zh) | 一种电力数据质量评估方法及其装置 | |
CN112766550A (zh) | 基于随机森林的停电敏感用户预测方法、***、存储介质及计算机设备 | |
CN206312210U (zh) | 一种配电网设备的状态评估*** | |
CN111507013A (zh) | 一种面向电力***线损故障定位实现方法 | |
CN113362199B (zh) | 基于用户采集电量与台区线损相关性的窃电用户核查方法 | |
CN113239087A (zh) | 一种反窃电稽查监控方法及*** | |
CN110853744A (zh) | 一种大数据下医院质控管理*** | |
CN111639850A (zh) | 多源异构数据的质量评估方法与*** | |
CN117172556A (zh) | 一种桥梁工程的施工风险预警方法与*** | |
CN114169709A (zh) | 变电站二次设备的状态评估方法、装置、存储介质及设备 | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及*** | |
Mukaromah et al. | Alignment of Business Goals With IT Goals By Measuring The Level of Capability Using Cobit 5 | |
CN115907542A (zh) | 基于知识图谱的变电站二次设备数字化评价方法及*** | |
CN114639484A (zh) | 基于电力大数据的小区人口流动情况分析***及方法 | |
CN112732772A (zh) | 一种基于月度居民用电量的住房空置率测算方法 | |
CN112488572B (zh) | 一种审计对象推荐方法、装置、设备和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |