基于大数据支撑的智能抢修派单方法及装置制造方法及图纸

本申请公开了基于大数据支撑的智能抢修派单方法及装置，方法包括：获得电力系统的故障位置、故障设备及其故障原因；根据故障位置、故障设备及其故障原因得出最佳抢修方案，并将信息整理成抢修派单发送至相应的抢修人员的终端设备中；当抢修人员确认抢修派单时，终端设备能够显示最佳的出行路线及故障位置，其中，最佳的出行路线根据天气、交通阻塞情况、红绿灯情况而形成。通过上述方式，本申请依靠大数据计算能力进行信息整合从而生成抢修派单，得出最佳抢修方案，大大缩短了派单时间，提高了派单效率。了派单效率。了派单效率。

【技术实现步骤摘要】
基于大数据支撑的智能抢修派单方法及装置


[0001]本申请涉及大数据应用
，尤其涉及基于大数据支撑的智能抢修派单方法及装置。

技术介绍

[0002]因电力系统常需要检修维护等工作，所以系统会采取计划停电，以提高电网的可靠性、科学性。而对于突发的停电情况，由于民众没有事先对停电做好准备，如因天气或电网设备故障等原因引起的停电，往往会给民众生活或工作带来一定的困扰甚至带来经济损失。因此，这就要求电网在抢修故障的发现、到派单抢修、维修外派人员接单及出修过程的时间必须尽可能的被缩短，以减少用户因突发停电带来的损失。
[0003]在现有的配抢流程中，从发令抢修信息录入、抢修单整合到通知抢修人员组过程中，存在着依赖于传统的专家系统和抢修指挥组进行人工信息整合，第一、人工整合的信息不全面，导致抢修单通过监控平台发送至设备端后，为了避免因为信息了解不全面或人员信息录入疏忽，导致出修延误等问题，抢修人员仍需与抢修监控组的相关负责人进行电话确认更多任务相关信息，反复确认会导致耗时长，效率低下的问题；第二、抢修人员在出修过程中，由于传统配抢流程机制在高并发或区域高任务量情况下，存在一定延迟，导致抢修人员为了时效性，往往需要随时主动修正并确认出修状态，从而导致出修效率低下，容易出错。

技术实现思路

[0004]本申请提供基于大数据支撑的智能抢修派单方法及装置，以解决现有技术中出修效率低下，容易出错的问题。
[0005]为解决上述技术问题，本申请提出一种基于大数据支撑的智能抢修派单方法，包括：获得电力系统的故障位置、故障设备及其故障原因；根据故障位置、故障设备及其故障原因得出最佳抢修方案，并将信息整理成抢修派单发送至相应的抢修人员的终端设备中；当抢修人员确认抢修派单时，终端设备能够显示最佳的出行路线及故障位置，其中，最佳的出行路线根据天气、交通阻塞情况、红绿灯情况而形成。
[0006]为解决上述技术问题，本申请提出一种基于大数据支撑的智能抢修派单装置，包括：故障获取模块，用于获得电力系统的故障位置、故障设备及其故障原因；运算服务器，用于根据故障位置、故障设备及其故障原因得出最佳抢修方案，并将信息整理成抢修派单发送至相应的抢修人员的终端设备中；终端设备，用于当抢修人员确认抢修派单时，显示最佳的出行路线及故障位置，其中，最佳的出行路线根据天气、交通阻塞情况、红绿灯情况而形成。
[0007]本申请提出基于大数据支撑的智能抢修派单方法及装置，方法包括：获得电力系统的故障位置、故障设备及其故障原因；根据故障位置、故障设备及其故障原因得出最佳抢修方案，并将信息整理成抢修派单发送至相应的抢修人员的终端设备中；当抢修人员确认
抢修派单时，终端设备能够显示最佳的出行路线及故障位置，其中，最佳的出行路线根据天气、交通阻塞情况、红绿灯情况而形成。通过上述方式，本申请依靠大数据计算能力进行信息整合从而生成抢修派单，得出最佳抢修方案，大大缩短了派单时间，提高了派单效率。
附图说明
[0008]为了更清楚地说明本申请的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0009]图1是本申请基于大数据支撑的智能抢修派单方法一实施例的流程示意图；
[0010]图2是本申请抢修派单生成算法一实施例示意图；
[0011]图3是本申请基于大数据支撑的智能抢修派单装置一实施例的结构示意图。
具体实施方式
[0012]为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图和具体实施方式对本申请所提供基于大数据支撑的智能抢修派单方法及装置进一步详细描述。
[0013]本申请提出一种基于大数据支撑的智能抢修派单方法，请参阅图1，图1是本申请基于大数据支撑的智能抢修派单方法一实施例的流程示意图，在本实施例中，具体可以包括以下步骤：
[0014]S110：获得电力系统的故障位置、故障设备及其故障原因。
[0015]本实施例提出一种基于大数据支撑智能抢修派单装置，可以代替人工整合信息派单和催单过程。其中，获得电力系统的故障位置、故障设备及其故障原因，可以是通过人工检测排查获得的，也可以由电力系统中的设备自动上报。
[0016]具体地，由电力系统中的设备自动上报故障，包括：实时监测设备的参数是否正常，当发现某个设备的参数异常时，立即上报故障信息，其中故障信息可以包括故障位置、故障设备及其故障原因。
[0017]S120：根据故障位置、故障设备及其故障原因得出最佳抢修方案，并将信息整理成抢修派单发送至相应的抢修人员的终端设备中。
[0018]根据上报的故障位置、故障设备及其故障原因，经过大数据分析可以得出最佳抢修方案，其中，最佳抢修方案可以最适合的抢修人员以及最快的抢修速度这两个因素中的最优解。本实施例中可以合理分配各区域的抢修人员，以保证故障得到最优的处理，使得故障维修的请求消息不会出现延迟，尽量减少电力故障导致的损失。
[0019]1)在服务器/运算集群中，基于handoop技术，在搜索过程中，搜索与故障位置符合的抢修人员以及相关联的信息；调用数据挖掘引擎的MapReduce快速抓取各存储文件块的数据，亦可采用spark内的搜索封装函数执行通用数据搜索功能，通过更高阶的规则匹配需要的数据。
[0020]首先，获取客户端传输过来的数据信息，并配置形成一个任务分配的规划。
[0021]其次，程序中输入分布式存储文件的各块的地址，并读取数据，再对数据进行切分片，调用map()封装函数，通过预先定义的与人员位置距离的规则、人员状态规则、地理位置距离等规则，对数据进行处理，输出匹配的数据列表；气候，数据列表进入到map shuffle
缓冲程序，对数据进行分区处理并进行排序，其中，可调用Combiner和本地的reducer，运行combiner使得map输出结果更紧凑，可以减少写到磁盘的数据和传递给reducer的数据。
[0022]最后，将数据传递至reducer阶段的本地内存和磁盘各分区，并对各分区进行排序后合并，这个阶段将合并map的输出，维持其顺序排序，将输出数据进行格式转换，并按设置的格式输出。
[0023]其中，规则匹配时候，复杂的关联语义可启用语义分析引擎的意图分析和语义相似计算，启用信息分析模型的地理位置拓步图，并按图的一级或多级关系，确定抢修故障点的关联设施。
[0024]语义模型还包括意图分类和意图预测模型，如果单纯只故障点关联建筑设施信息，则可以通过拓扑图和地理位置坐标信息关联到相应的设施。此外，此外，以上记载的数据处理方式均基于封装好的API进行。
[0025]2)将数据输入至信息模板模型；其中信息模板模型包括信息分析模型和信息预测模型，信息分析模型用于对输入的信息进行分析整合；信息预测模型用于对输入的信息进行预测，分类出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据支撑的智能抢修派单方法，其特征在于，包括：获得电力系统的故障位置、故障设备及其故障原因；根据所述故障位置、故障设备及其故障原因得出最佳抢修方案，并将信息整理成抢修派单发送至相应的抢修人员的终端设备中；当所述抢修人员确认所述抢修派单时，所述终端设备能够显示最佳的出行路线及故障位置，其中，所述最佳的出行路线根据天气、交通阻塞情况、红绿灯情况而形成。2.根据权利要求1所述的种基于大数据支撑的智能抢修派单方法，其特征在于，所述根据所述故障位置、故障设备及其故障原因得出最佳抢修方案，并将信息整理成抢修派单发送至相应的抢修人员的终端设备中，包括：基于handoop技术，搜索与所述故障位置符合的抢修人员以及相关联的信息；调用数据挖掘引擎的MapReduce抓取各存储文件块的数据，通过更高阶的规则匹配需要的数据；将所述数据输入至信息模板模型；其中所述信息模板模型包括信息分析模型和信息预测模型，所述信息分析模型用于对输入的信息进行分析整合；所述信息预测模型用于对输入的信息进行预测，分类出最佳的人员组合以及与抢修点周边最关联的信息组合。3.根据权利要求2所述的种基于大数据支撑的智能抢修派单方法，其特征在于，所述信息分析模型采用SVM、GBDT或者决策树DT的分类算法。4.根据权利要求1所述的种基于大数据支撑的智能抢修派单方法，其特征在于，对所述信息分析模型输出的预测结果进行语义分析，并调用自然语言生成模块，从而形成抢修派单。5.根据权利要求1所述的种基于大数据支撑的智能抢修派单方法，其特征在于，当所述抢修人员完成所述抢修派单后，将所述抢修派单状态同步更新至服务器，以恢复所述电力系统...

【专利技术属性】
技术研发人员：李波，赵瑞锋，黎皓彬，卢建刚，崔丽华，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：