一种网格与空间距离相结合的采集异常故障点聚合方法技术

本发明专利技术公开了一种网格与空间距离相结合的采集异常故障点聚合方法，属于电力设备技术领域。现有技术对异常故障点聚合的不合理，不能合理的分配资源。并且现有技术无法快速准确判定各异常点的紧急程度，导致一些紧急的异常情况无法及时解决。本发明专利技术不是简单的以网格区域进行划分异常故障点，而是结合异常故障点的空间距离进行区域划分，首先确定某一区域所有异常故障点的中心点，根据中心点进行聚合分组，最大程度的合理派工。本发明专利技术进一步建立异常总紧急程度判定模型，提供一种切实可行的技术方案，较为完善的解决了紧急度判定问题，为后续的精准派工提供基础，使得资源更为合理的利用。

Method for collecting abnormal fault points by combining grid and space distance

The invention discloses a method for collecting abnormal fault points by combining the grid and the space distance, belonging to the technical field of power equipment. The existing techniques are not reasonable enough for abnormal fault points and can not allocate resources reasonably. And the existing technology can not quickly and accurately determine the urgency of each abnormal point, leading to some emergency abnormalities can not be resolved in a timely manner. The present invention is not simply to divide the grid area abnormal fault point, but the combination of abnormal fault point space division, first determine the center of a region of all abnormal fault points, aggregated packets according to the center point, reasonable dividend maximum work. The present invention further establish the total abnormal level of emergency decision model, provides a feasible technical scheme, perfect to solve the emergency decision problem, provide the basis for the subsequent precision work, the more rational use of resources.

【技术实现步骤摘要】
一种网格与空间距离相结合的采集异常故障点聚合方法
本专利技术涉及一种网格与空间距离相结合的采集异常故障点聚合方法，属于电力设备

技术介绍
我国的电力采集系统的现场运维模式基本可以概括为人员统筹运维模式和网格责任制运维模式。其中人员统筹运维模式是县公司/供电所责任范围内的故障统一进行人员和任务安排的运维模式，一般是一遇到故障就进行派单，运维工作管理处于粗放阶段，无法合理的分配任务。网格责任制运维模式是先将地域相邻的台区组合成最小的运维单元，然后为每个网格都分配有唯一的责任人，该网格内的故障由该网格责任班组负责处理，由于运维人员只对自己所辖区域负责，因此哪怕故障异常点与运维人员在空间位置上很接近，只要隶属不用责任区就不能把该异常故障点进行聚合，不能合理的分配资源。并且现有技术无法快速准确判定各异常故障点的紧急程度，导致一些紧急的异常情况无法及时解决，进而导致更严重的情况出现。针对目前现有技术中存在的上述缺陷，实有必要进行研发，解决现有技术中存在的缺陷。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供一种科学、合理的异常故障点聚合方法，能够把所有相邻的异常故障点聚合在一起，避免运维资源分配不合理，进一步地能够更为准确的判定各异常点的紧急程度，为后续的精准派工提供基础，使得资源更为合理的利用。为实现上述目的，本专利技术的技术方案为：一种网格与空间距离相结合的采集异常故障点聚合方法，包括以下步骤：S1，采集异常故障点数据信息，所述异常故障点数据信息包括异常故障点位置坐标、现场采集数据和工单流转数据，涉及到多个区域的各种用户的一段时间内的用电量、电能表数量，进而对大批量用户的地理位置以及异常故障进行大数据分析。S2，收集运维人员数据信息，所述运维人员数据信息包括运维人员位置坐标信息、处理能力信息、人数。S3，确定异常故障点中心点，根据中心点对异常故障点进行聚合分组，把某一区域内的所有异常故障点聚合为一组。S4，根据聚合分组情况，对电路运行系统进行维护，异常故障点聚合方法在聚合过程中考虑到聚合点总工作量，避免单个聚合点工作量过大超出一个派工周期法定工作时间，而出现无法按时完成工作的情况。本专利技术不是简单的以网格区域进行划分异常故障点，而是结合异常故障点的空间距离进行区域划分，首先确定某一区域所有异常故障点的中心点，根据中心点进行聚合分组，能够把所有相邻的异常故障点聚合在一起，避免运维资源分配不合理，最大程度的合理派工。进一步地，所述中心点是某一区域内异常故障点的质心，所述聚合分组方法包括以下步骤：a)将若干异常故障点位置范围划分成指定尺寸的正方形或者圆形；b)将相近区域的所有异常故障点落到其对应的正方形或者圆形网格内；c)求解各个网格异常点的质心，保存该质心的坐标点、异常总紧急度和所有异常类型；d)判断各个质心是否在某一范围内，如果在则进行合并计算出新的质心。首先求取同一区域内的异常故障点的质心，然后把相邻近的质心进行合并，避免把邻近的异常故障点分配给不同的运维人员，使得运维资源效率更高。进一步地，选中位于中间位置的质心点，以此质心点为中心画一矩形或者圆，如果当落在矩形或者圆范围内则需要合并计算出新的质心。利用规则形状进行划分范围，容易统计异常故障点以及分配任务。进一步地，所述矩形或者圆的大小需要根据运维人员的交通能力、人数以及业务能力进行确定。进一步地，异常总紧急度的计算方法：包括以下步骤：第一步，初步确定采集异常紧急度的影响因子由电力运维系统专家讨论确定采集异常紧急度的影响因子，初步确定影响因子包括：月平均用电量、异常持续时间、距离抄表天数、间歇性故障、电能表效用值；第二步，收集电路运行系统的数据所述数据包括现场采集数据和工单流转数据，涉及到多个区域的各种用户的一段时间内的用电量、电能表的品牌、数量，进而对大批量用户的用电量进行波动分析；第三步，分析影响因子并建立模型紧急度影响因子判断模型就是通过系统已有运行数据，按照各因素影响进行数据分析，当结果表明影响因子与最终结果存在明显聚合关系或函数连续时则表明应该将该因数计入紧急度计算，当结果为离散不连续时则表明不应该将该因数计入紧急度计算；第四步，建立异常总紧急程度判定模型通过对现有收集的采集异常紧急程度的影响因子进行分析，得到对紧急度有确切影响的影响因子，剔除不合适影响因子；异常总紧急度值是该区域包含的所有异常紧急度值的累加，将产生影响的影响因子综合建模；第五步，根据判定模型，确定异常处理的先后次序，对电路运行系统进行维护。对异常故障点进行紧急度估算，进而得到某一区域内所有异常故障点的异常总紧急度值，根据异常总紧急度进行运维，为后续的精准派工提供基础，使得资源更为合理的利用。进一步地，建立月均用电量的判定模型，分析月均用电量对采集异常紧急程度的影响程度，直接用用户的月用电量作为输入，会导致该因素的影响波动过大，因此需要将用户月用电量按一定区间进行划分；将台区根据容量分布进行分类，并统计某一年度台区公变用电量及相应容量公变下居民、非居民电量情况，观察当用户电量缺失时，是否会引起台区线损波动，如果有波动，则需要将月均用电量作为影响因子，如果没有波动，则不需要将月均用电量作为影响因子。进一步地，建立异常持续天数的判定模型，对每户每日用电量标准偏差度进行分析，分析用户的日用电量波动是否平缓，如果大部分用户的日用电量波动平缓则可将异常持续天数所损失的电量作为紧急程度计算因子，如果大部分用户的日用电量波动较大则不能将异常持续天数所损失的电量作为紧急程度计算因子。进一步地，建立距离抄表日天数的判定模型，抄表例日的抄表数据在一个月当中最为重要，该日数据缺失将导致人工抄表，计算人工抄表的成本，如果成本较高，则需要把距离抄表日天数作为影响紧急度的影响因子，如果成本较低，则不需要。进一步地，建立间歇性故障的判定模型，按照不同的分类统计方法，分析各种电能表故障率是否具有离散特性，如果各种电能表故障率具有离散型，该因素不作为紧急度值输出的影响因素，反之，该因素作为紧急度值输出的影响因素。间歇性故障没有呈现聚集性效应，存在一定的离散特性，且短时间内自动恢复的间歇性故障占比90％以上，因此采集运维闭环管理中的故障处理时限并不能表征故障处理的难易程度，故该因素不作为紧急度值输出的影响因子。进一步地，建立终端下挂接电能表数量效用值判定模型，异常工单的紧急度值是该工单所包含的故障电表紧急度值的累加，因此把终端下挂接电能表数量效用值作为影响紧急度的影响因子，对目前采集系统内某一时间段产生的全部采集异常影响的故障数及处理时长统计分析，系统可通过分析各个处理工单下所有故障电表的效用值总和来判断其优先级。与现有技术相比，本专利技术具有以下有益效果：本专利技术不是简单的以网格区域进行划分异常故障点，而是结合异常故障点的空间距离进行区域划分，首先确定某一区域所有异常故障点的中心点，根据中心点进行聚合分组，能够把所有相邻的异常故障点聚合在一起，避免运维资源分配不合理，最大程度的合理派工。本专利技术进一步建立异常总紧急程度判定模型，提供一种切实可行的技术方案，较为完善的解决了紧急度判定问题，为后续的精准派工提供基础，使得资源更为合理的利用。附图说明图1为本专利技术流程图；图2-1为本专利技术一种实施例异常故障点分布示本文档来自技高网...

【技术保护点】
一种网格与空间距离相结合的采集异常故障点聚合方法，其特征在于，包括以下步骤：S1，采集异常故障点数据信息，所述异常故障点数据信息包括异常故障点位置坐标、现场采集数据和工单流转数据，涉及到多个区域的各种用户的一段时间内的用电量、电能表数量，进而对大批量用户的地理位置以及异常故障进行大数据分析；S2，收集运维人员数据信息，所述运维人员数据信息包括运维人员位置坐标信息、处理能力信息、人数；S3，确定异常故障点中心点，根据中心点对异常故障点进行聚合分组，把某一区域内的所有异常故障点聚合为一组；S4，根据聚合分组情况，对电路运行系统进行维护，异常故障点聚合方法在聚合过程中考虑到聚合点总工作量，避免单个聚合点工作量过大超出一个派工周期法定工作时间，而出现无法按时完成工作的情况。

【技术特征摘要】
1.一种网格与空间距离相结合的采集异常故障点聚合方法，其特征在于，包括以下步骤：S1，采集异常故障点数据信息，所述异常故障点数据信息包括异常故障点位置坐标、现场采集数据和工单流转数据，涉及到多个区域的各种用户的一段时间内的用电量、电能表数量，进而对大批量用户的地理位置以及异常故障进行大数据分析；S2，收集运维人员数据信息，所述运维人员数据信息包括运维人员位置坐标信息、处理能力信息、人数；S3，确定异常故障点中心点，根据中心点对异常故障点进行聚合分组，把某一区域内的所有异常故障点聚合为一组；S4，根据聚合分组情况，对电路运行系统进行维护，异常故障点聚合方法在聚合过程中考虑到聚合点总工作量，避免单个聚合点工作量过大超出一个派工周期法定工作时间，而出现无法按时完成工作的情况。2.如权利要求1所述的一种网格与空间距离相结合的采集异常故障点聚合方法，其特征在于，所述中心点是某一区域内异常故障点的质心，所述聚合分组方法包括以下步骤：a)将若干异常故障点位置范围划分成指定尺寸的正方形或者圆形；b)将相近区域的所有异常故障点落到其对应的正方形或者圆形网格内；c)求解各个网格异常点的质心，保存该质心的坐标点、异常总紧急度和所有异常类型；d)判断各个质心是否在某一范围内，如果在则进行合并计算出新的质心。3.如权利要求2所述的一种网格与空间距离相结合的采集异常故障点聚合方法，其特征在于，选中位于中间位置的质心点，以此质心点为中心画一矩形或者圆，如果当落在矩形或者圆范围内则需要合并计算出新的质心。4.如权利要求3所述的一种网格与空间距离相结合的采集异常故障点聚合方法，其特征在于，所述矩形或者圆的大小需要根据运维人员的交通能力、人数以及业务能力进行确定。5.如权利要求2-4任一所述的一种网格与空间距离相结合的采集异常故障点聚合方法，其特征在于，异常总紧急度的计算方法：包括以下步骤：第一步，初步确定采集异常紧急度的影响因子由电力运维系统专家讨论确定采集异常紧急度的影响因子，初步确定影响因子包括：月平均用电量、异常持续时间、距离抄表天数、间歇性故障、电能表效用值；第二步，收集电路运行系统的数据所述数据包括现场采集数据和工单流转数据，涉及到多个区域的各种用户的一段时间内的用电量、电能表的品牌、数量，进而对大批量用户的用电量进行波动分析；第三步，分析影响因子并建立模型紧急度影响因子判断模型就是通过系统已有运行数据，按照各因素影响进行数据分析，当结果表明影响因子与最终结果存在明显聚合关系或函数连续时则表明应该将该因数计入紧急度计算，当...

【专利技术属性】
技术研发人员：王伟峰，江硕，吴亮，贺乐华，王荣，唐健毅，董寒宇，赵启明，沈欢庆，
申请(专利权)人：国网浙江省电力公司，浙江华云信息科技有限公司，国家电网公司，
类型：发明
国别省市：浙江,33