大数据电力抢修热点预测系统的制作方法

本发明涉及电力维护，具体涉及一种大数据电力抢修热点预测系统。

背景技术：

1、电力运维是指对电力设备进行维护、检修、保养和管理的一系列工作。电力运维是保障电力系统安全、稳定运行的重要环节，也是电力企业的重要职责之一。

2、公开号为cn116008734b的中国专利，公开了基于数据处理的电力信息设备故障预测方法，涉及电力数据处理领域，通过流量监测部件实时监测电流量，获取电流量损失参数后通过构建的损失函数模型获取出损失函数值，阈值情况下启用故障预测，通过故障预测模型进行故障发生率的运算，将故障发生直接定位到具体输电线的输出情况，当故障发生时通过各输电线的电流量损失参数和导数变化值直接进行相应的排除筛查，能够对损坏区域集中在哪条输电线直观进行展示，能够通过预测模型对当前输电系统进行故障的预测，解决了现有输电变电检修维护过程中通过人工高空逐段勘测确定故障发生后输电线是否发生损坏以及损坏区域集中在哪段，此种方法存在处理效率低且无法提前预测故障发生的问题。

3、然而影响电力设备故障导致需要电力抢修的因素可能多种多样，可能是用电负载过高导致设备超载引发故障，温度过高导致设备温度过高引发故障，湿度、雨水、风力过大等，在进行故障分析时，需要分析引发故障的这些因素与故障发生是否具备因果关系，再进行因素与故障发生的具体关系的分析。

技术实现思路

1、本发明的目的是提供一种大数据电力抢修热点预测系统，以解决现有技术中的上述不足之处。

2、为了实现上述目的，本发明提供如下技术方案：一种大数据电力抢修热点预测系统，包括电力监控模块、电力分析模块、故障信息获取模块、数据整理储存模块、环境信息模块、因果判断模块、预测模型构建模块；

3、所述电力监控模块用于获取目标区域的用电数据；

4、所述电力分析模块，用于根据用电数据分析出目标区域的实际高峰用电时段、平峰用电时段、低谷用电时段；

5、所述故障信息获取模块用于获取目标区域的电力故障信息；

6、所述数据整理储存模块，用于将故障按发生的时间划分到对应的用电时段中，并将数据储存；

7、所述环境信息模块用于获取目标区域的环境信息，并对获取的环境信息进行预处理；

8、所述因果判断模块，用于分析各环境信息与故障发生的关联性，设置判断阈值，得到目标区域关联性大于判断阈值的环境信息，并记为故障因子；

9、所述预测模型构建模块，用于利用目标区域每个时段的故障因子信息，和对应的用电数据、电力故障信息作为样本，训练得到目标区域的各时段的故障预测模型。

10、进一步的，所述环境信息模块获取环境信息时，同步获取所述环境信息对应的时间，并将该时间与环境信息绑定，储存与对应时间绑定后的环境信息。

11、进一步的，所述因果判断模块通过第一判断和第二判断得到故障因子，所述第一判断包括以下步骤：

12、a1、分别获取高峰用电时段、平峰用电时段和低谷用电时段的故障信息；

13、a2、对于每类用电时段，使用用电量、环境信息和故障次数进行训练得到的第一故障预测模型，所述环境信息包括多种不同的环境因子信息；

14、a3、使用第一故障预测模型预测对应用电时段，t小时内的故障次数，计算预测的故障次数与实际的故障次数的方差，得到第一方差，t为正整数；

15、a4、依次筛除各用电时段的用电量和环境因子信息，分别进行训练，得到对应的第二故障预测模型；

16、a5、利用得到的各第二故障预测模型，分别预测对应用电时段，t小时内的故障次数，计算预测的故障次数与实际的故障次数的方差，分别得到对应的第二方差；

17、a6、将第一方差分别与各第二方差进行比较，若第一方差小于第二方差，则判断训练得到该第二方差对应的第二预测模型时筛除的信息为该用电时段的故障因子，记为第一故障因子。

18、进一步的，所述第二判断包括以下步骤：

19、b1、分别获取高峰用电时段、平峰用电时段和低谷用电时段的故障信息，根据故障原因对故障进行分类；

20、b2、获取每一类故障原因发生的时间，分别获取该时间对应的用电量和环境因子信息；

21、b3、对于每一类故障原因，分别制出关于用电量与故障次数，各环境因子与故障次数的散点图；

22、b4、绘制出每个散点图的拟合曲线，计算拟合曲线的各处切线斜率，设置斜率阈值，切线斜率绝对值大于斜率阈值，则判断绝对值大于斜率阈值的切线斜率对应的用电量或环境因子，为对应故障原因的故障因子，记为第二故障因子。

23、进一步的，所述预测模型构建模块构建的故障预测模型包括第一故障预测模型和第二故障预测模型；

24、所述第一故障预测模型有多个分别用于预测各用电时段的故障次数；

25、所述第二故障预测模型有多个分别用于预测各用电时段的各故障原因的次数。

26、进一步的，所述第一故障预测模型，选用神经网络模型，使用第一故障因子和故障次数作为训练样本进行训练。

27、进一步的，所述第二故障预测模型，选用神经网络模型，使用第二故障因子和故障次数作为训练样本进行训练。

28、1、与现有技术相比，本发明提供的一种大数据电力抢修热点预测系统，通过设置电力监控模块、电力分析模块、故障信息获取模块、数据整理储存模块、环境信息模块、因果判断模块，可筛选出对电力故障预测结果影响关联较大故障环境因子，有针对的选取环境因子构建预测模型，使得预测的结果更加准确。

29、2、与现有技术相比，本发明提供的一种大数据电力抢修热点预测系统，通过设置预测模型构建模块，可对各用电时段的总故障次数，以及该时段的各故障原因次数进行预测，可实现对各用电时段故障的总体预测，和对用电时段各故障原因次数的具体预测，使得预测更加细致，更方便工作人员事先做出准备。

技术特征：

1.一种大数据电力抢修热点预测系统，其特征在于：包括电力监控模块、电力分析模块、故障信息获取模块、数据整理储存模块、环境信息模块、因果判断模块、预测模型构建模块；

2.根据权利要求1所述的一种大数据电力抢修热点预测系统，其特征在于：所述环境信息模块获取环境信息时，同步获取所述环境信息对应的时间，并将该时间与环境信息绑定，储存与对应时间绑定后的环境信息。

3.根据权利要求1所述的一种大数据电力抢修热点预测系统，其特征在于：所述因果判断模块通过第一判断和第二判断得到故障因子，所述第一判断包括以下步骤：

4.根据权利要求3所述的一种大数据电力抢修热点预测系统，其特征在于：所述第二判断包括以下步骤：

5.根据权利要求4所述的一种大数据电力抢修热点预测系统，其特征在于：所述预测模型构建模块构建的故障预测模型包括第一故障预测模型和第二故障预测模型；

6.根据权利要求5所述的一种大数据电力抢修热点预测系统，其特征在于：所述第一故障预测模型，选用神经网络模型，使用第一故障因子和故障次数作为训练样本进行训练。

7.根据权利要求5所述的一种大数据电力抢修热点预测系统，其特征在于：所述第二故障预测模型，选用神经网络模型，使用第二故障因子和故障次数作为训练样本进行训练。

技术总结
本发明公开了一种大数据电力抢修热点预测系统，涉及电力维护技术领域，包括电力监控模块、电力分析模块、故障信息获取模块、数据整理储存模块、环境信息模块、因果判断模块、预测模型构建模块；所述电力监控模块用于获取目标区域的用电数据；所述电力分析模块，用于根据用电数据分析出目标区域的实际高峰用电时段、平峰用电时段、低谷用电时段；该大数据电力抢修热点预测系统，通过设置电力监控模块、电力分析模块、故障信息获取模块、数据整理储存模块、环境信息模块、因果判断模块，可筛选出对电力故障预测结果影响关联较大故障环境因子，有针对的选取环境因子构建预测模型，使得预测的结果更加准确。

技术研发人员：宋先军,谢静
受保护的技术使用者：比聆数据科技（湖北）有限公司
技术研发日：
技术公布日：2024/1/16