大数据电力抢修热点预测系统的构建方法技术方案

本发明专利技术涉及一种大数据电力抢修热点预测系统的构建方法，所述构建方法包括如下步骤：步骤一，将外部各个系统的数据进行获取并得到原始数据，步骤二，将原始数据储存至数据库内，步骤三，根据数据库内的数据类型的不同采用不同的分析方法进行关联性分析，步骤四，将步骤三中的关联性分析结果进行方法建模，形成热点区域性预测地图，步骤五，将所述热点区域性预测地图开发形成分析展示工具。

Construction method of hot spot forecasting system for large data electric power repair

The invention relates to a construction method of big data electricity repair system hot forecast, the constructing method includes the following steps: 1, the external of each system of data acquisition and data, step two, the original data is stored within the database, step three, according to the data in the database are used with different types of analysis different methods of correlation analysis, the correlation analysis of step four, step 3, the method of modeling, the formation of hot regional prediction map, step five, will be the focus of regional development forecast map analysis tool.

【技术实现步骤摘要】
大数据电力抢修热点预测系统的构建方法
本专利技术涉及电力领域，尤其是一种大数据电力抢修热点预测系统的构建方法。
技术介绍
在国网系统中，工单数据日益庞大，工单信息比较混杂，单纯的人工统计分析已不再满足实际需求。但是传统抢修模式具有以下缺点，1、被动式的抢修其抢修效率以及抢修效果较差，2、台区对于用户消息推送不及时而导致出现较多投诉工单。而在现有的一个工单预测项目中，对于工单信息的挖掘仅局限在数量信息上，工单内部其他信息尚未进行挖掘；抢修热点并未在该项目中提及，但在实际运用过程中对抢修热点的研究会带来许多好处，其既能反映工单数量上的信息，还能反应地区抢修情况，为抢修物资、抢修人员的调配提供更加详细的信息，因此，对如何合理将抢修热点进行分析研究再应用到实际生产工作中并且形成一个整体的系统是现在急需解决的问题。
技术实现思路
本专利技术为了解决上述技术的不足，提供了一种电力抢修热点预测系统。为了解决上述技术问题，所述电力抢修热点地图构建包括如下步骤：步骤一，将外部各个系统的数据进行获取并得到原始数据，步骤二，将原始数据储存至数据库内，步骤三，根据数据库内的数据类型的不同采用不同的分析方法进行关联性分析，步骤四，将步骤三中的关联性分析结果进行方法建模，形成热点区域性预测地图，步骤五，将所述热点区域性预测地图开发形成分析展示工具。采用了上述结构后，抢修热点预测系统的核心思想是基于大数据获取的背景下，建立数据库系统，再在数据库系统中的数据进行分析比较，获取关联性较大的因素，再对这些因素进行建模，制成预测地图，这样就可以根据以往的数据来推测未来所在地可能发生的抢修工单数，而步骤一中数据获取方式主要包括业务调研、相关系统梳理和相关数据获取三部分内容。业务调研主要以访谈的方式展开，经过讨论形成调研方案，确定最终需求。相关系统梳理主要是基于抢修工单的实际业务现状，列出抢修热点分析所需的相关数据明细，以配网相关的信息系统为搜寻对象，梳理出抢修热点相关数据信息系统。相关数据获取主要是从抢修热点相关信息系统中获取抢修热点相关数据，并整理形成抢修热点数据集合。步骤二中建立数据库主要以计算机硬件为基础，分为数据采集、数据库设计和数据库建立三大步骤。数据采集：基于抢修热点相关系统导出数据，以Excel形式导入数据库，实现系统与库的人工对接。数据库设计：以系统导出的数据为基底，结合相应的业务知识，对数据库进行相应的表格设计。数据库建立：将数据与设计好的表格进行结合，使数据能够实现增删改查，实现数据库的建立。作为本专利技术的进一步改进，所述步骤三内的分析方法主要包括如下方法，皮尔森相关分析，单因素方差分析以及统计对比分析。采用了上述结构后，由于关联性的体现方式多种多样，基于数据的现状，此项目数据既包含类别型变量，也包含数值型变量，因此，以皮尔森相关分析、方差分析法、统计对比法三种方法可以全面适配不同类型的变量形式。作为本专利技术的进一步改进，所述外部各个系统的数据包括设备抢修工单数，负载率，停电次数，设备投入年限，设备型号，生产产家。采用了上述结构后，上述数据均为可能与抢修工单有关联性的数据类型，通过从PMS系统、营配贯通系统、95598工单系统、统计局网站、中国天气网、国家节假日规定等渠道获取工单数据、天气数据、雷暴数据、节假日信息等建模数据。作为本专利技术的进一步改进，所述皮尔森相关分析方法中设置有关联度参数，并且设置关联度参数为r，设置变量X，Y以及变量的平均值以及，根据皮尔森相关分析方法的计算公式可以得出。采用了上述结构后，皮尔森相关分析是建立一个相关系数予以体现两者的关联性强弱，该系数绝对值越接近于1，表明两者的关联性较强，越接近于0，表示较弱，相关系数是按积差方法计算，同样是以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度，一般用r来代表相关系数。采用皮尔森相关分析法可以判断相当一部分数据的关联性。作为本专利技术的进一步改进，将抢修工单与设备投运年限进行皮尔森相关分析，并将抢修工单数变量设置为y1，将设备投运年限变量设置为x1，并计算其关联度参数r1，另外，将负载率与抢修工单进行皮尔森相关分析，将抢修工单数变量设置为y2，将负载率变量设置为x2，并计算其关联度参数r2，另外，将每月停电次数与抢修工单进行皮尔森相关分析，将抢修工单数变量设置为y3，将每月停电次数变量设置为x3，并计算其关联度参数r3。采用了上述结构后，设备投运年限指标反映了该设备从投运到当下的时间间隔，即设备的运行时长，投运年限指标与设备所剩寿命成反比，随着投运年限的增加，寿命逐渐衰减；因此，从设备的投运年限维度出发，以此建立抢修工单与设备投运年限之间的关联分析，采用皮尔森相关算法进行关联计算。基于时间维度上进行抢修工单量化分析，将设备投运年限以半年进行划分，将设备投运年限划分为46个时间段，并量化统计相应的时间段内的平均工单数。停电次数能侧面反应出电网的运维情况，停电分为计划停电和故障停电，计划停电是指因为某种原因可能造成某地区范围内电力线路供电中断，电力公司根据上级指示，在某时间段，对特定地区内实行停电的措施；故障停电是由于设备发生突然性故障导致的停电。停电次数的多少能在一定程度上反应出设备的缺陷问题，常年长时间频繁停电，由于设备缺陷造成的存在很大的概率，由此，极其容易造成抢修工单，因此，分析抢修工单与停电次数之间的关联关系显得十分重要，采用皮尔森相关算法进行计算分析。负荷是系统中所有设备消耗的总功率的总和，反映着设备所承受的工作量，负荷强度的高低与设备损耗成正比，长时间高强度的负荷，容易导致设备出现故障，从而引发抢修工单的产生，但是基于不同容量下的负荷对设备所产生的影响是不同的，因此，应从设备负荷率角度进行分析，从负荷和容量两个维度进行解析，因此，建立抢修工单与负荷率之间的相关系数，分析两者之间的关联性，以Pearson相关系数的大小来反应两者之间的关联性强弱。作为本专利技术的进一步改进，将设备型号与抢修工单进行方差分析，设备型号分别设置包括3组型号，每组型号又包括两种型号，并分别将型号设置为M型与非M型，H型与非H型，S型与非S型，获取各个型号的工单数x4，再基于分析软件进行分析，得出显著性具体数值F，再设置显著性水平，并将该值与分析软件分析出的显著性具体数值进行比较。采用了上述结构后，方差分析的基本原理认为造成不同组之间差异的来源主要有两个：组间差异和组内差异。利用方差分析计算公式或者SPSS统计分析软件可得出具体数值F。作为本专利技术的进一步改进，获取生产厂家信息以及相应的抢修工单数，并建立生产厂家信息与抢修工单数坐标轴，对其进行统计分析，获取以抢修工单数对比较多的几家生产厂家。采用了上述结构后，统计对比法也称比较分析法，是把客观事物加以比较，以达到认识事物的本质和规律并做出正确的评价，通常是把两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的特征。作为本专利技术的进一步改进，将经过关联性分析后的结果进行筛选，剔除关联性较差的分析结果，筛选出关联性较大的分析因子，再加入其他相关信息，进行方法建模，所述方法建模方式为建立随机森林预测模型。采用了上述结构后，随机森林预测模型通过自助法重采样技术，从原始训练样本集N中有放回地重复随机抽取k个样本本文档来自技高网...

【技术保护点】
大数据电力抢修热点预测系统的构建方法，其特征在于：所述构建方法包括如下步骤：步骤一，将外部各个系统的数据进行获取并得到原始数据，步骤二，将原始数据储存至数据库内，步骤三，根据数据库内的数据类型的不同采用不同的分析方法进行关联性分析，步骤四，将步骤三中的关联性分析结果进行方法建模，形成热点区域性预测地图，步骤五，将所述热点区域性预测地图开发形成分析展示工具。

【技术特征摘要】
1.大数据电力抢修热点预测系统的构建方法，其特征在于：所述构建方法包括如下步骤：步骤一，将外部各个系统的数据进行获取并得到原始数据，步骤二，将原始数据储存至数据库内，步骤三，根据数据库内的数据类型的不同采用不同的分析方法进行关联性分析，步骤四，将步骤三中的关联性分析结果进行方法建模，形成热点区域性预测地图，步骤五，将所述热点区域性预测地图开发形成分析展示工具。2.根据权利要求1所述的大数据电力抢修热点预测系统的构建方法，其特征在于：所述步骤三内的分析方法主要包括如下方法，皮尔森相关分析，单因素方差分析以及统计对比分析。3.根据权利要求2所述的大数据电力抢修热点预测系统的构建方法，其特征在于：所述外部各个系统的数据包括设备抢修工单数，负载率，停电次数，设备投入年限，设备型号，生产产家。4.根据权利要求3所述的大数据电力抢修热点预测系统的构建方法，其特征在于：所述皮尔森相关分析方法中设置有关联度参数，并且设置关联度参数为r，设置变量X，Y以及变量的平均值以及，根据皮尔森相关分析方法的计算公式可以得出。5.根据权利要求4所述的大数据电力抢修热点预测系统的构建方法，其特征在于：将抢修工单与设备投运年限进行皮尔森相关分析，并将抢修工单数变量设置为y1，将设备投运年限变量设置为x1，并计算其关联度参数r1，另外，将负载率与抢修工单进行皮尔森相关分析，将抢修工单数变量设置为y2，将负载率变量设置为x2，并计算其关联度参数r2，另外，将每月停电次数与抢修工单进行...

【专利技术属性】
技术研发人员：董知周，徐盛，郑文斌，王绍荃，李峰峰，沈杰，陈显辉，缪竞雄，杨德栋，
申请(专利权)人：温州市图盛科技有限公司，国网浙江省电力公司温州供电公司，
类型：发明
国别省市：浙江,33