[发明专利]一种预测线路故障停电和用户投诉的方法

说明书

本发明公开了一种预测线路故障停电和用户投诉的方法，包括以下步骤：步骤一，原始数据采集；步骤二，故障停电和用户投诉相关加工；步骤三，故障停电模型训练；步骤四，故障停电模型预测；步骤五，用户投诉模型训练；步骤六，用户投诉模型预测；其中在上述步骤一中，数据采集模块主动连接上游系统采集原始数据图表，并将原始数据结果存放于数据库中，这些原始数据将用于后续数据加工；该发明通过采用大数据分析技术，从系统功能、实现架构等方面进行分析改进，提出了基于大数据分析技术的电网风险自动预警系统的建设方案，通过与营配调各相关信息系统的互联互通，有效的实现数据共享，有利于提升电网自动预警的准确性和时效性。

技术领域

本发明涉及自动预警系统维护技术领域，具体为一种预测线路故障停电和用户投诉的方法。

背景技术

近年来，随着中国经济与技术的快速发展，社会总用电量逐年攀升，对于电能的需求不断增加，针对这种情况国家加大了对电网的建设规模。但随着电网规模不断增加，运行机理变得复杂，且随着现代电力电子工业的发展，大容量非线性电力负荷的大量增加及电力系统长期超负荷运行对电力系统的影响日益受到人们的关注。长期以来由于中国电力严重不足，电力系统始终处于严重超负荷运行状态，存在各种不可预测的隐患。近年来，美国、欧洲和俄罗斯电力大停电事故为我国电力系统研究敲响警钟。为了及时发现电网安全隐患，提高电网运行水平。研究和开发电网安全预警系统已成为主流趋势；但电网现有自动预警系统存在分析不全面、方法不科学、使用范围有限等问题，因此，设计一种预测线路故障停电和用户投诉的方法是很有必要的。

发明内容

本发明的目的在于提供一种预测线路故障停电和用户投诉的方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种预测线路故障停电和用户投诉的方法，包括以下步骤：步骤一，原始数据采集；步骤二，故障停电和用户投诉相关加工；步骤三，故障停电模型训练；步骤四，故障停电模型预测；步骤五，用户投诉模型训练；步骤六，用户投诉模型预测；

其中在上述步骤一中，数据采集模块主动连接上游系统采集原始数据图表，并将原始数据结果存放于数据库中，这些原始数据将用于后续数据加工；

其中在上述步骤二中，通过采集的上述天气表、停电相关的信息表、配变相关的表分别各自进行加工处理，在此过程中数据存在很多空值及异常数据，为保证预测精确性，建立一套清洗规则，且清洗规则以故障停电信息表为例：统计该表中各特征缺失情况和占比，若缺失占比为60-100％，且包括60％和100％，因为提供的有用信息很少，此情况直接删除该特征；若缺失占比为0-60％，且包括0，不包括60％，对于连续型特征根据实际数据分布情况采用前后均值或中间值方式填充缺失值，对于类别型特征采用众数填充缺失值，其他信息表清洗规则同理，此外，源数据分布在不同的表中，需要对数据进行整合和特征构建，生成预测训练表；

其中在上述步骤三中，将步骤二中配变故障训练表数据用于XGBOOST、决策树和GBDT三种算法中进行模型训练，三种配变故障模型训练好后本地保存；

其中在上述步骤四中，启用步骤三中本地保存的XGBOOST、决策树和GBDT三个模型，使用故障停电待预测表进行模型预测，将模型计算得到的数据图表写入到数据库中指定的评估表中，将真实值和模型预测值写入到数据库中的预测结果表中，通过BI工具进行评估表和结果表的界面展示；

其中在上述步骤五中，在第一个预测配变会出现故障停电的“那一天”，再通过关联筛选步骤二中得到的用户投诉预测训练表的相应数据作为用户投诉的训练数据，采用XGBOOST、决策树和GBDT模型进行训练，三种用户投诉模型训练好后本地保存；

其中在上述步骤六中，启用步骤五中本地保存的XGBOOST、决策树和GBDT三个模型，使用故障停电待预测表进行模型预测，将模型计算得到的数据图表写入到数据库中指定的评估表中，将真实值和模型预测值写入到数据库中的预测结果表中，通过BI工具进行评估表和结果表的界面展示。