【技术实现步骤摘要】
本专利技术属于电力信息处理，具体涉及一种基于多维敏感度影响因子分析的停电预警方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、供电可靠性直接影响社会生产生活，尤其近年来，随着电力市场化改革和电能替代工作推进，对供电可靠性提出了更高要求，如何及时且准确地预警停电故障范围，防止配电网频繁出现停电事件，已然成为电力企业提升自身服务水平的关注点。当前，鉴于配网部分区域存在结构薄弱、运行检修不及时、计量设备故障老化等原因，产生频繁停电、停电时间长等问题，是引发用户投诉的重要因素。当前对用户停电分析判断和关联预警，统一分析预警存在时效性差的问题，尤其部分企业用户对供电可靠性要求高，难以实现对敏感用户停电的高效预警，导致停电投诉事件频发。
技术实现思路
1、本专利技术为了解决上述问题，提出了一种基于多维敏感度影响因子分析的停电预警方法及系统，本专利技术通过分析重点敏感用户的停电敏感场景，建立重点敏感用户标签库，采用神经网络算法构建停电预警模型，完成对重点敏感用户的停电精准预警，助力提升电力公司供电质量和服务水平。
2、根据一些实施例，本专利技术采用如下技术方案：
3、一种基于多维敏感度影响因子分析的停电预警方法，包括以下步骤：
4、获取各类停电事件样本数据和停电投诉事件记录数据，进行数据预处理，得到停电样本集；
5、从停电样本集中提取具有投诉记录的用户，作为停电事件敏感用户样本
6、将停电样本数据和停电投诉记录数据中的用户用电类别、用户社会影响度、是否重点保障类用户、是否存在停电投诉记录四类因素作为重点敏感用户的标记，生成重点敏感用户的停电敏感等级标签，完成构建重点敏感用户标签库；
7、基于重点敏感用户的用电采集数据和停电敏感等级标签，采用时序分解结合权值分配，提取重点敏感用户的停电敏感度影响因子；
8、根据停电敏感度影响因子，进行重点敏感用户相似度聚类，输出重点敏感用户分类；
9、根据获取到的停电预警模型样本集，将用电采集数据作为输入数据，利用停电预警模型，确定停电预警概率；
10、根据重点敏感用户的等级标签、停电敏感度影响因子和停电预警概率，计算不同用户的停电投诉概率，若重点敏感用户停电投诉概率超过所在分类的设定阈值，发送预警信息。
11、作为可选择的实施方式，采用时序分解结合权值分配，提取重点敏感用户的停电敏感度影响因子的具体过程包括：
12、基于重点敏感用户的历史日用电数据，采用时间序列分解算法提取用户随时间变化的日用电量指标值；
13、通过计算不同时段的用电量指标值，作为不同用户的停电敏感度时间影响因子；
14、基于重点敏感用户的停电投诉记录及重大事件场景，设定用户随重大事件场景变化产生的投诉率作为停电敏感度场景影响因子；
15、基于重点敏感用户的停电记录及供电区域数据，设定不同区域用户产生投诉事件的停电敏感度区域影响因子。
16、作为可选择的实施方式，进行重点敏感用户相似度聚类时，采用模糊c均值算法进行重点敏感用户相似度聚类。
17、作为进一步的实施方式，采用模糊c均值算法进行重点敏感用户相似度聚类的过程包括：
18、基于已有的用户用电数据综合分析基础，按用户行为将已有用户分为居民生活用电、一般工商业用电、大工业用电和农业生产用电四类；
19、以四类用户用电样本集和各用户的停电敏感度影响因子作为输入，并初始化隶属度矩阵，利用模糊c均值进行用户细化分类；
20、在聚类过程中，通过对聚类中心和隶属度矩阵的不断更新迭代，若满足终止条件，则停止迭代，输出细化用户类别；否则继续重复上述过程。
21、作为可选择的实施方式，所述停电预警模型为bp神经网络模型。
22、作为可选择的实施方式，利用停电预警模型，确定停电预警概率的具体过程包括：
23、基于停电预警模型样本集的训练样本数据，采用最大最小值标准化算法，对用户用电采集数据进行标准归一化处理；
24、构建停电预警模型，进行模型数据初始化；
25、将用户的第t时间段的电压、电量、电流、采集成功率、气象数据和节假日标记作为停电预警模型的输入数据，输出层输出用户第t+1时间段的停电预警概率；
26、将得到的停电预警概率值与真实停电情况进行对比，计算预测误差，从而更新网络的权值和阈值；
27、通过不断反馈迭代，不断修正网络连接权值和阈值，直至预测误差达到要求，终止模型训练，固定参数，作为最终的停电预警模型。
28、作为进一步的实施方式，进行模型数据初始化的具体过程包含随机初始化输入层与隐含层连接权值，输出层与隐含层连接权重；设定隐含层阈值和输出层的阈值；设定输入层用户用电样本数据，期望输出为停电预警概率值；
29、一种基于多维敏感度影响因子分析的停电预警系统，包括：
30、数据获取模块，被配置为获取各类停电事件样本数据和停电投诉事件记录数据，进行数据预处理，得到停电样本集；
31、样本生成模块，被配置为从停电样本集中提取具有投诉记录的用户，作为停电事件敏感用户样本数据，并获取对应用户正常供电下的用电采集数据，构建用电正常样本集，将正常样本集和停电样本集混合，构成停电预警模型样本集，对其划分训练集和测试集；
32、敏感数据标签模块，被配置为将停电样本数据和停电投诉记录数据中的用户用电类别、用户社会影响度、是否重点保障类用户、是否存在停电投诉记录四类因素作为重点敏感用户的标记，生成重点敏感用户的停电敏感等级标签，完成构建重点敏感用户标签库；
33、影响因子计算模块，被配置为基于重点敏感用户的用电采集数据和停电敏感等级标签，采用时序分解结合权值分配，提取重点敏感用户的停电敏感度影响因子；
34、用户分类模块，被配置为根据停电敏感度影响因子，进行重点敏感用户相似度聚类，输出重点敏感用户分类；
35、停电预警模块，被配置为根据获取到的停电预警模型样本集，将用电采集数据作为输入数据，利用停电预警模型，确定停电预警概率，根据重点敏感用户的等级标签、停电敏感度影响因子和停电预警概率，计算不同用户的停电投诉概率，若重点敏感用户停电投诉概率超过所在分类的设定阈值，发送预警信息。
36、一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法中的步骤。
37、一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法中的步骤。
38、与现有技术相比，本专利技术的有益效果为：
【技术保护点】
1.一种基于多维敏感度影响因子分析的停电预警方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，采用时序分解结合权值分配，提取重点敏感用户的停电敏感度影响因子的具体过程包括：
3.如权利要求1所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，进行重点敏感用户相似度聚类时，采用模糊C均值算法进行重点敏感用户相似度聚类。
4.如权利要求3所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，采用模糊C均值算法进行重点敏感用户相似度聚类的过程包括：
5.如权利要求1所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，所述停电预警模型为BP神经网络模型。
6.如权利要求1或5所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，利用停电预警模型，确定停电预警概率的具体过程包括：
7.如权利要求6所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，进行模型数据初始化的具体过程包含随机初始化输入层与隐含层连接权值，输
8.一种基于多维敏感度影响因子分析的停电预警系统，其特征是，包括：
9.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7中任一项所述的方法中的步骤。
10.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7中任一项所述的方法中的步骤。
...【技术特征摘要】
1.一种基于多维敏感度影响因子分析的停电预警方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，采用时序分解结合权值分配，提取重点敏感用户的停电敏感度影响因子的具体过程包括：
3.如权利要求1所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，进行重点敏感用户相似度聚类时，采用模糊c均值算法进行重点敏感用户相似度聚类。
4.如权利要求3所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，采用模糊c均值算法进行重点敏感用户相似度聚类的过程包括：
5.如权利要求1所述的一种基于多维敏感度影响因子分析的停电预警方法，其特征是，所述停电预警模型为bp神经网络模型。
6.如权利要求1或5所述的一种基于多维敏感度影响因子分析...
【专利技术属性】
技术研发人员：梁小姣，姜吉平，冯媛媛，张新玲，杨小敏，于文嫣，门泽东，王玉玲，
申请(专利权)人：国网山东省电力公司东营供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。