本发明涉及电力系统客户服务
技术领域：
，特别是一种电力系统故障原因的分析方法。
背景技术：
：电力系统的主要任务是给广大用户提供经济、安全、不间断的优质电能，提高用户的满意度。因此，如何对用电客户的行为进行分析、如何充分利用实时监测的数据、如何有效处理台区设备数据，成为了电网企业在市场营销、企业管理中的重要任务。随着电网规模的扩大，信息接收技术的发展，电网企业每日产生的数据呈爆炸式增长。这些数据会在客观上对电网运行人员判断电力事故性质、确定系统恢复以及做出处理行为的反应时间、识别故障信号增加一定的困难。且数据越多，信息越匮乏；如果采用传统的事务分析方法进行数据处理，很难从大数据中获取有效的信息。例如，在电力系统运行过程中，由于故障原因、故障次数均非定数，即使针对同一客户也很难在很短的时间内找出其可能出现的故障原因，因此如何从大数据中找出针对客户的报障原因，对于电力系统决策来说，必然具有重大指导意义。技术实现要素：本发明需要解决的技术问题是提供一种构建电力系统报障原因关系模型的方法，采用此模型能够快速发现某一台区报障的主要原因，调解台区报障原因以减少客户报障次数，为电力系统的决策提供客观建议，为提高用电客户满意度提供基础。为解决上述技术问题，本发明所采取的技术方案如下。电力系统报障原因关系模型的建立方法，具体包括以下步骤：A.构建风险关系比VXn；式中，yXn是每台区每时段客户的报障次数，a为《故障工单》中相关因素与因变量yXn之间的关系系数，b为《停电工单》中相关因素与因变量yXn之间的关系系数，c为《实时监测负荷数据》中相关因素与因变量yXn之间的关系系数，因素1由《故障工单》中影响报障次数的变量组成，因素2由《停电工单》中影响报障次数的变量组成，因素3由《实时监测负荷数据》中影响报障次数的变量组成；B.以原始《故障工单》为基础，提取建模所需的相关变量和数据，计算系数a和因素1；C.以原始《停电工单》为基础，提取建模所需的相关变量和数据，计算系数b和因素2；D.以原始《实时监测负荷数据》为基础，提取建模所需的相关变量和数据，计算系数c和因素3；E.根据步骤A～D计算出每台区每时段的VXn，并令V＊Xn＝VXn(常量)，获得该台区的报障原因关系模型y′Xn，y′Xn＝v＊Xn(CFn+TRn)+0.5187V＊Xn×(Cn+Tn+Nn+OTn+Dn)+0.1877V＊Xn×RXnn＝1，2，3，4F.分别令报障原因关系模型y′Xn中的单个变量为0，其他变量不变，得出对应变量为0的报障原因关系次数y″Xn，通过下式计算斜率K，根据斜率K值的大小判断对报障次数影响较大的变量；G.对变量进行标准化，令报障原因关系模型y'Xn中的多个变量为0，其他变量不变，得出相应的报障原因关系次数y″′Xn，根据下式计算变化率r，根据变化率r值的大小判断控制多因素变化对报障次数的影响程度；H.根据步骤F和步骤G的结果生成该台区的报障原因报告。上述电力系统报障原因关系模型的建立方法，步骤B中所述因素1的计算方法为：B1.将《故障工单》中的故障原因分为可控故障原因和不可控故障原因，进一步计算每台区每时段的故障可控风险值CFn；B2.提取《故障工单》中的抢修总时长TRn，结合故障可控风险值CFn计算因素1。上述电力系统报障原因关系模型的建立方法，步骤C中的系数b为每台区每时段中停电工单与故障工单交集数量和故障工单数量的比值。上述电力系统报障原因关系模型的建立方法，步骤C中的所述因素2的计算方法为：C1.将《停电工单》中个停电原因分为可控停电原因和不可控停电原因，进一步计算每台区每时段的停电可控风险值Cn；C2.计算每台区每时段的停电总时长Tn；C3.计算每台区每时段的影响总用户数Nn；C4.计算每台区每时段发布超时的次数OTn；C5.计算每台区每时段延迟次数Dn；C6.根据步骤C1～C5的计算值计算因素2。上述电力系统报障原因关系模型的建立方法，步骤D中的系数c为实施负荷系数，通过计算实时负荷与故障工单交集数量和故障工单数量的比值计算获得。上述电力系统报障原因关系模型的建立方法，步骤D中的因素3的计算方法为：D1.从《实时监测负荷数据》中提取每台区每时段的平均负荷比；D2.设定阈值，并根据阈值设定风险段，D3.计算各时段的风险系数Rxn。由于采用了以上技术方案，本发明所取得技术进步如下。应用本发明构建的客户报障次数和客户报障原因的关系模型，能够找出反映客户报障原因的变量，发现客户报障的主要原因，调解客户报障原因以减少客户报障次数，为电力系统的决策提供客观建议，进一步为提高用电客户满意度奠定了基础。附图说明图1为本发明的流程图。具体实施方式下面将结合附图和具体实施例对本发明进行详细说明。一种电力系统报障原因关系模型的建立方法，该方法基于原始《故障工单》、《停电工单》、《实时监测负荷数据》和《基建项目计划表》四个表格为基础，构建报障原因关系模型，并能够出具报障原因关系报告。包括以下构建风险关系比、确定相关因素、建立报障原因关系模型、计算斜率和变化率并最终生成报障原因分析报告的步骤。本实施例以编号为0655007454的台区四月份第三时段为例，对本发明的各步骤进行进一步详细说明。A.构建风险关系比VXn，根据历史数据，每台区每时段都可以得到一个固定的风险关系比。式中，yXn是每台区每时段客户的报障次数，a为《故障工单》中相关因素与因变量yXn之间的关系系数，b为《停电工单》中相关因素与因变量yXn之间的关系系数，c为《实时监测负荷数据》中相关因素与因变量yXn之间的关系系数，因素1由《故障工单》中影响报障次数的变量组成，因素2由《停电工单》中影响报障次数的变量组成，因素3由《实时监测负荷数据》中影响报障次数的变量组成，30是假设一个月平均有30天，则意味着一个月里该台区某时段发生的频数，可以理解为一个月概率性的发生风险次数。B.以原始《故障工单》为基础，提取建模所需的相关变量和数据，计算系数a和因素1。由于《故障工单》中的相关因素与因变量yXn之间均为一对一的关系，因此系数a等于1。因素1的计算方法如下。B1.将《故障工单》中的故障原因分为可控故障原因和不可控故障原因，进一步计算每台区每时段的故障可控风险值CFn。电力系统实际运行过程中，故障原因的种类较多，可控故障原因有安装工艺不当、过电压、过负荷、计划停限电、建设施工、绝缘状况差、密封问题导致的漏油漏气、设备老化、设备设计缺陷、设备质量为、设计不当、树线矛盾、未按施工规程施工、消缺不及时、巡检不到位、运行方式不当以及污闪等；不可控故障原因如：恶劣天气、盗窃、化学腐蚀、车辆、小动物损害、外部异物、外力损坏等。本实施例中，故障可控风险值CF3＝1。B2.提取《故障工单》中的抢修总时长TRn，结合故障可控风险值CFn计算因素1。抢修总时长TRn为发生故障以后，抢修所花费的时间，该变量的单位为分钟，计算每台区每时段抢修总时长。本实施例中，从《故障工单》中统计得出，抢修总时长TR3＝236。本实施例因素1的值为CF3+TR3＝236+1＝237。C.以原始《停电工单》为基础，提取建模所需的相关变量和数据，计算系数b和因素2。系数b为每台区每时段中停电工单与故障工单交集数量和故障工单数量的比值。本实施例中，因素2的计算方法如下。C1.将《停电工单》中个停电原因分为和不可控停电原因，进一步计算每台区每时段的停电可控风险值Cn。电力系统实际运行过程中，停电原因的种类较多，可控停电原因有低压影响、故障消缺、配改工程、配网检修、设备故障、市政工程以及业扩工程等，不可控停电原因有恶劣天气、外破故障、异物引发故障以及用户内部故障等。本实施例中，停电可控风险值C3＝0。C2.计算每台区每时段的停电总时长Tn，停电总时长的单位为分钟。本实施例中，从《停电工单》中统计可得，停电总时长T3＝0。C3.计算每台区每时段的影响总用户数Nn。本实施例中，从《停电工单》中统计可得，停电总时长N3＝0。C4.计算每台区每时段发布超时的次数Otn，发布一次超时计数一。本实施例中，从《停电工单》中统计可得，停电总时长OT3＝0。C5.计算每台区每时段延迟次数Dn，发布一次延迟计数一。本实施例中，从《停电工单》中统计可得，停电总时长D3＝0。C6.根据步骤C1～C5的计算值，通过求和计算因素2。本实施例中，因素2为0。D.以原始《实时监测负荷数据》为基础，提取建模所需的相关变量和数据，计算系数c和因素3。系数c为实施负荷系数，通过计算实时负荷与故障工单交集数量和故障工单数量的比值计算获得。本实施例中，因素3的计算方法如下。D1.从《实时监测负荷数据》中提取每台区每时段的平均负荷比；每台区每天实时负荷共96个点，求出每一点的负荷比，每24个点为一组，求平均负荷比，一共求出4组负荷比。D2.得出每台区每天的4组负荷比以后，设定阈值，并根据阈值设定三类风险段。本实施例中，阈值与风险段的定义如下表。负荷比所在阈值分类含义50％-70％一类低停电风险70％-100％二类中停电风险>100％三类高停电风险D3.根据下式计算各时段的风险系数Rxn。RXn＝Wa×aXn+Wb×bXn+Wc×cXn，n＝1，2，3，4式中，aXn为该台区Xn时间段属于一类风险的次数，bXn为该台区Xn时间段属于二类风险的次数，CXn为该台区Xn时间段属于三类风险的次数，Wa为一类风险权重，设为0.25，Wb为二类风险权重，设为0.34，Wc为三类风险权重，设为0.41。本实施例中，根据《实时监测负荷数据》中的数据计算得出，风险系数Rx3＝1.25。E.根据步骤A～D计算出每台区每时段的VXn，本实施例中，令V＊Xn＝VXn(常量)，获得该台区的报障原因关系模型y′Xn。y′Xn＝v＊Xn(CFn+TRn)+0.5187V＊Xn×(Cn+Tn+Nn+OTn+Dn)+0.1877V＊Xn×RXnn＝1，2，3，4F.分别令报障原因关系模型y′Xn中的单个变量为0，其他变量不变，得出对应变量为0的报障原因关系次数y″Xn，通过下式计算斜率K，根据斜率K值的大小判断对报障次数影响较大的变量。本步骤采用调控单一变量，观察其对报障次数的影响，具体如下表所示。从第一时段斜率K1可以看出，负荷比风险次数Rx对于报障次数影响最大，意味着在每天的0点到6点这一时间段内，改变一单位的负荷比风险次数Rx可以让用户报障次数减少0.4628次。而故障可控风险值CF影响次之，发布是否超时OT这一因素则对第一时段的报障次数没有任何影响。从四个时段来看，影响报障次数最大的三个变量均体现为负荷比风险次数Rx、故障可控风险值CF、停电可控风险值C；而在第一、三、四时段影响最小的三个变量则为停电总时长T、影响总用户数N和发布是否超时OT。值得关注的是，在第二时段内发布是否超时OT变量凸显为0.0239，在八个变量影响程度中，排到第四位，换言之在6点到12点，电网公司是否按时发布停电信息，对于用户感知来说十分敏感，若没有及时发布停电信息，用户在没有准备的情况下对其所在台区进行停电，用户报障次数会急速增大。将每个变量四个时段斜率求平均值后，得到每个变量的总体平均K值。从排序上来看，对于影响报障次数的各个变量重要程度与单个时间段的分布无显著性的差异，依然是负荷比风险次数Rx影响最强，而影响总用户数N影响最弱。也就是说，对于用户而言，所在台区设备发生故障(Rx体现)，用户需要承受断电的风险就增加，一旦能够感知断电，用户会马上向电网公司进行报障；而另一方面，停电影响的总用户数对用户进行报障的影响则是潜在的、间接的。从总体平均K值来看，如果只对单一变量进行控制时，其中控制负荷比风险次数Rx，可在最大程度上降低用户的报障次数，只需控制负荷比风险次数Rx降低约2.2(＝1/0.4402)次，报障次数就可以减低一次。而相反如果采用控制影响总用户数N，要降低一次报障，则需要减少1360(＝1/0.0007)个用户数目，显然效果较差。为了更直观地了解改变不同的变量带来报障次数的变化程度，首先将每一时段的实际报障次数求和得到总的报障次数Ysum值为4475，而调控单一因素后也进行四个时段Yn求和得到调控因素后的Y’值，以此计算变化值ΔY(＝Y’-YSUM)，具体计算值如下表。从上述结果可以看出，经过调控，发现影响报障次数变动最大的变量是抢修总时长，变化值为3370.1；其次为影响总用户数，变化值为2276.5。由此可得出，电力系统抢修时间的长度对顾客满意度的影响比较大，倘若在未来工作中能够把该时长缩短，那么将降低顾客电话投诉的次数。而影响的用户总数如果过大，势必会增加投诉量，所以这也从模型的结果得到了印证。G.对变量进行标准化，令报障原因关系模型y'Xn中的多个变量为0，其他变量不变，得出相应的报障原因关系次数y″′Xn，根据下式计算变化率r，根据变化率r值的大小判断控制多因素变化对报障次数的影响程度。本步骤采用同时调控多个变量，观察其对报障次数的影响。第一种方式是调控两个变量的三种方案对比，如下表所示。从上表可以看出，从第一时段报障次数变化率r1可以看出，两个最大变量max影响度对于报障次数影响最大，也就是说，同时调控风险次数Rx和故障可控风险值CF这种方案要比其他四种方案更能有效降低用户报障次数。在第二、三、四时段内，两个最大变量max影响度最大，两个可控变量KK影响度次之，两个最小变量Min影响度最小。从总体上的变化率r来看，三个方案对于降低报障次数的重要影响程度与四个时段无明显差异，两个最大变量max这个方案对于降低报障次数最有效。第二种方式是调控三个变量的两种方案对比，如下表所示。第一时段第二时段第三时段第四时段三个可控变量tkk影响度1111三个最小变量tmin影响度2222从上表中可以看出，在各个时段中，同时调控三个变量的情况下，三个可控变量tkkmax影响度是排第一位的，也就是说对于报障次数影响最大，同时调控风险次数Rx、“故障可控风险值CF”和“停电可控风险值C”这种方案要比另一种方案更能有效降低用户报障次数。H.最后，根据步骤F和步骤G的结果生成该台区的报障原因关系报告。电网公司即可根据该报障原因关系报告，找出何种因素影响顾客致电投诉及其影响程度，从而制定有效方案来降低用户报障规划。当前第1页1 2 3