对用户进行用电习惯画像及制定检修计划的方法、系统、处理设备、介质与流程

1.本发明涉及电力检修技术领域，具体来说是一种基于网络终端掉电复电的大数据对用户进行用电习惯画像及制定检修计划的方法、系统、处理设备、介质。


背景技术：

2.低压配电网是直接面向用户的末端供电网络，是电网的重要组成部分，为了保证用户用电质量及用电安全，日常检修工作是必不可少的。但检修工作可能导致用户临时断电，直接影响用户用电需求，一旦制定的不合理，将直接影响用户用电感受甚至带来相关经济损失。
3.目前，由于电网公司在用户端的数据仅有电表采集量，且绝大部分电表采集值仅有日冻结电量。单一的数据源无法实现用户侧用电行为的精准分析，低压配电网的检修计划主要是基于电网现行状况考虑及制定的，并没有很好的分析用户的实际用电需求，因而在检修工作开展时，势必会给用户用电带来一定的困扰，影响用户用电感受。
4.申请号为cn202010131723.0公开的一种基于多维细粒度行为数据的居民用户用电画像方法，该方法基于多维细粒度行为数据的居民用户用电画像方法，该方法包含4个部分：1、多维细粒度行为数据采集，包括基于非入户终端采集的细粒度用电行为量测数据，基于营销系统采集用户电费数据，基于网上营业厅和95598获取用户网络行为统计数据；2、特征标签模型构建，从用户行为、用电特性、消费习惯三大维度建立用户多源特征标签体系，并给出各个特征的计算方法或估计方法；3、分季节分时段，计算各类特性指标综合指标，提出改进k均值聚类算法，利用改进k均值聚类算法将不同电力客户划分成不同属性的簇；4、用户用电画像结果可视化呈现，作为调控目标用户精准定位的依据。虽然该方法是对用户用电行为进行画像，但是其用于刻画用户用电特性、消费习惯，将用户分类，用以调控目标用户精准定位，无法直接用于配网侧制定合理制定检修计划。


技术实现要素：

5.本发明所要解决的技术问题在于如何利用用户网络设备的掉复电数据刻画用户用电习惯画像，帮助配网侧合理制定检修计划。
6.本发明通过以下技术手段实现解决上述技术问题的：
7.对用户进行用电习惯画像及制定检修计划的方法，其特征在于，包括以下步骤：
8.步骤1、构建数据集，所述数据集至少包括用户网络设备失电复电数据、用户网络流量时段数据、配网侧抢修数据、配网侧接收到的用户投诉数据；
9.步骤2、以用户为基础，将用户网络设备失电复电数据与配网侧抢修数据、配网侧接收到的用户投诉数据进行关联，得到用户断电习惯数据和区域用电习惯数据
10.步骤3、根据用户网络流量时段数据和用户断电习惯数据定义用户用电习惯标签定义，以及将区域用电习惯数据定义区域用电习惯标签，将带有标签的数据作为训练样本；
11.步骤4、用训练样本训随机森林模型，得到目标模型；
12.步骤5、利用目标模型构建用户用电画像和区域用电画像；
13.步骤6、配网侧根据用户用电画像、区域用电画像制定检修计划。
14.进一步的，所述步骤2的具体过程为：
15.根据用户掉电网络设备的sn号、设备指纹，获得用户侧所在的城市、区域、小区、楼栋、楼层、户号信息，根据用户停电时间、停电区域，查找对应计划检修、凌晨开关重合闸、报修的断电线路信息，以用户为关联基础，查找是否有对应的计划检修、凌晨开关重合闸、报修的断电线路信息，如果有，则认定此次掉电为被动掉电，如果找不到，则认定此次掉电为自主断电行为。
16.进一步的，所述步骤3具体为，根据用户网络流量时段数据对用户进行用电需求及时段标签定义，根据用户用电习惯数据对用户进行主动断电习惯标签定义。
17.进一步的，所述步骤6具体为，配网侧根据用户用电画像，结合检修班组目前排班，生成影响范围小的检修计划。
18.本发明还提供一种对用户进行用电习惯画像及制定检修计划的系统，包括：
19.数据集构建模块，用以获取历史数据，所述数据集至少包括用户网络设备失电复电数据、用户网络流量时段数据、配网侧抢修数据、配网侧接收到的用户投诉数据；
20.用户断电习惯数据构建模块，用以确定用户用电习惯，以用户为基础，将用户网络设备失电复电数据与配网侧抢修数据、配网侧接收到的用户投诉数据进行关联，得到用户断电习惯数据和区域用电习惯数据
21.样本数据构建模块，用以根据用户网络流量时段数据和用户断电习惯数据定义用户用电习惯标签定义，以及将区域用电习惯数据定义区域用电习惯标签，将带有标签的数据作为训练样本；；
22.训练模块，用训练样本训练随机森林模型，得到目标模型；
23.用户用电画像构建模块，利用目标模型构建用户用电画像和区域用电画像；
24.检修计划制定模块，用以配网侧根据用户用电画像、区域用电画像制定检修计划。
25.本发明根据用户用电数据，以配网侧数据作为验证，获得用户用电行为，如规律性断电、网络流量使用时段等，从而统计用户用电需求规律及时段等标签，利用带有标签的数据进行模型训练，得到目标画像模型，利用目标画像模型计算用户用电画像，配网侧根据用户用电画像，统计分析检修作业的影响，进而制定影响范围小，经济损失低的检修计划，进而提高配电网的服务品质。
26.进一步的，所述用户断电习惯数据构建模块的具体过程为：
27.根据用户掉电网络设备的sn号、设备指纹，获得用户侧所在的城市、区域、小区、楼栋、楼层、户号信息，根据用户停电时间、停电区域，查找对应计划检修、凌晨开关重合闸、报修的断电线路信息，以用户为关联基础，查找是否有对应的计划检修、凌晨开关重合闸、报修的断电线路信息，如果有，则认定此次掉电为被动掉电，如果找不到，则认定此次掉电为自主断电行为。
28.进一步的，所述样本数据构建模块具体为，根据用户网络流量时段数据对用户进行用电需求及时段标签定义，根据用户用电习惯数据对用户进行主动断电习惯标签定义。
29.进一步的，所述检修计划制定模块具体为，配网侧根据用户用电画像，结合检修班
组目前排班，生成影响范围小的检修计划。
30.本发明还提供一种处理设备，包括至少一个处理器，以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述的方法。
31.本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述的方法。
32.本发明的优点在于：
33.本发明根据用户用电数据，以配网侧数据作为验证，获得用户用电行为，如规律性断电、网络流量使用时段等，从而统计用户用电需求规律及时段等标签，利用带有标签的数据进行模型训练，得到目标画像模型，利用目标画像模型计算用户用电画像，配网侧根据用户用电画像，统计分析检修作业的影响，进而制定影响范围小，经济损失低的检修计划，进而提高配电网的服务品质。
34.另外利用同一区域内多用户的用电习惯数据，能够判断用户居住行为或行程分析，通过这片区域用户的活跃程度和规律，分析用户耐受度，可刻画出区域用电画像，本发明利用用户网络设备的掉复电数据，数据准确度高，提高用户用电画像刻画精度。重要的是，采用本方法，无需额外增加设备，成本低。
附图说明
35.图1为本发明实施例中利用网络设备掉电复电数据对用户进行用电习惯画像及制定检修计划的方法流程图。
具体实施方式
36.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
37.本实施例提供一种利用网络设备掉电复电数据对用户进行用电习惯画像及制定检修计划的方法，如图1所示，包括以下步骤：
38.步骤1、构建数据集，所述数据集至少用户侧用电数据和配网侧检修数据，用户侧用电数据包括用户网络设备失电复电数据、用户网络流量时段数据，配网侧数据包括配网侧抢修数据、配网侧接收到的用户投诉数据；
39.步骤2、以用户为基础，将用户网络设备失电复电数据与配网侧抢修数据、配网侧接收到的用户投诉数据进行关联，得到用户断电习惯数据和区域用电习惯数据
40.具体为：根据用户掉电网络设备的sn号、设备指纹，获得用户侧所在的城市、区域、小区、楼栋、楼层、户号信息，根据用户停电时间、停电区域，查找对应计划检修、凌晨开关重合闸、报修的断电线路信息，以用户为关联基础，查找是否有对应的计划检修、凌晨开关重合闸、报修的断电线路信息，如果有，则认定此次掉电为被动掉电，如果找不到，则认定此次掉电为自主断电行为，那么对应的复电行为也为自主复电行为。
41.步骤3、根据用户网络流量时段数据对用户进行用电需求及时段标签定义，根据用
户用电习惯数据对用户进行主动断电习惯标签定义。
42.步骤4、用训练样本训练随机森林模型。随机森林算法的决策树高度为h，决策树数量为n。高度h与数量n的设定取决于数据规模与任务。此任务中设置为h＝4，n＝100。
43.得到目标模型；
44.步骤5、利用目标模型构建用户用电画像和区域用电画像；
45.步骤6、配网侧根据用户用电画像，结合检修班组目前排班，生成影响范围小的检修计划。
46.本实施例根据用户用电数据，以配网侧数据作为验证，获得用户用电行为，如规律性断电、网络流量使用时段等，从而统计用户用电需求规律及时段等标签，利用带有标签的数据进行模型训练，得到目标画像模型，利用目标画像模型计算用户用电画像，配网侧根据用户用电画像，统计分析检修作业的影响，进而制定影响范围小，经济损失低的检修计划，进而提高配电网的服务品质。
47.有上述方法对应的，本发明还提供本实施例提供一种利用网络设备掉电复电数据对用户进行用电习惯画像及制定检修计划的系统，包括：
48.数据集构建模块，用以获取历史数据，所述数据集至少用户侧用电数据和配网侧检修数据，用户侧用电数据包括用户网络设备失电复电数据、用户网络流量时段数据，配网侧数据包括配网侧抢修数据、配网侧接收到的用户投诉数据；
49.用户断电习惯数据构建模块，用以确定用户用电习惯，以用户为基础，将用户网络设备失电复电数据与配网侧抢修数据、配网侧接收到的用户投诉数据进行关联，得到用户断电习惯数据和区域用电习惯数据
50.具体为：根据用户掉电网络设备的sn号、设备指纹，获得用户侧所在的城市、区域、小区、楼栋、楼层、户号信息，根据用户停电时间、停电区域，查找对应计划检修、凌晨开关重合闸、报修的断电线路信息，以用户为关联基础，查找是否有对应的计划检修、凌晨开关重合闸、报修的断电线路信息，如果有，则认定此次掉电为被动掉电，如果找不到，则认定此次掉电为自主断电行为，那么对应的复电行为也为自主复电行为。
51.样本数据构建模块，用以根据用户网络流量时段数据对用户进行用电需求及时段标签定义，根据用户用电习惯数据对用户进行主动断电习惯标签定义。
52.训练模块，用训练样本训练随机森林模型。随机森林算法的决策树高度为h，决策树数量为n。高度h与数量n的设定取决于数据规模与任务。此任务中设置为h＝4，n＝100，得到目标模型；
53.用户用电画像构建模块，利用目标模型构建用户用电画像和区域用电画像；
54.检修计划制定模块，配网侧根据用户用电画像，结合检修班组目前排班，生成影响范围小的检修计划。
55.本实施例还提供一种处理设备，包括至少一个处理器，以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述的方法。
56.本实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述的方法。
57.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例
对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。