[发明专利]一种电力调度潮汐排班方法及系统

说明书

本发明公开了一种电力调度潮汐排班方法及系统，其中方法包括建立基于长短时记忆循环神经网络的预测模型，预测出电力调度故障工单数量；对电力调度的计划工作任务进行工单类型划分，并对每种计划工单类型设定相应的复杂系数；结合预测出的电力调度故障工单数量及其相对应的计划工单类型的复杂系数，得到每种故障工单类型的操作强度分值；根据操作强度分值的结果按分值进行区间划分，每区间对应一个工作强度类别；根据工作强度类别生成相对应的电力调度潮汐排班安排。本发明综合考虑计划工单和故障工作量，按照给定规则科学地计算调度工作强度，合理指导调度值班安排，保障了调度值班执行力，提高了异常工况下的调度工作效率。

技术领域

本发明涉及自动排班技术领域，具体涉及一种电力调度潮汐排班方法及系统。

背景技术

现有的关于电力调度潮汐排班方法只存在传统人工制定的排班表排班，即依据人力资源相关文件及工作岗位性质相关文件进行简单人员配置，且为值班人数固定模式。这种传统调度排班方法不能合理根据实际潮汐情况进行灵活安排，在工作量多的时候固定的人员配置导致工作效率降低、工作强度突增，容易导致故障处理时间长、调度人员工作过劳等导致可靠性降低及误操作风险；而工作量少时又会造成人力资源的浪费。

发明内容

本发明的目的在于提供一种电力调度潮汐排班方法及系统，可以解决现有技术中现有的电力调度潮汐排班不合理，容易造成人力过劳或者人力浪费的问题。

本发明的目的是通过以下技术方案实现的：

本发明提供一种电力调度潮汐排班方法，包括以下步骤：

步骤S1、建立基于长短时记忆循环神经网络的预测模型，预测出电力调度故障工单数量；

步骤S2、对电力调度的计划工作任务进行工单类型划分，并对每种计划工单类型设定相应的复杂系数；

步骤S3、结合预测出的电力调度故障工单数量及其相对应的计划工单类型的复杂系数，得到每种故障工单类型的操作强度分值；

步骤S4、根据操作强度分值的结果按分值进行区间划分，每区间对应一个工作强度类别；

步骤S5、根据工作强度类别生成相对应的电力调度潮汐排班安排。

进一步的，所述对电力调度的计划工作任务进行工单类型划分，并对每种工单类型设定相应的复杂系数具体包括：

对电力调度的计划工作任务进行工单类型划分；

再对每种工单类型进行难度划分，不同难度赋予相对应的分值；

结合每种工单类型的不同难度的分值，得到每种工单类型的复杂系数。

进一步的，所述建立基于长短时记忆循环神经网络的预测模型，预测出电力调度故障工单数量具体包括：

采集影响电力调度故障工作量的样本数据；

对样本数据进行标签化及onehot预处理；

基于样本数据搭建线性拟合模型，甄选出训练数据类型；

搭建长短时记忆循环神经网络预测模型；

利用训练数据对长短时记忆循环神经网络预测模型进行深度学习；

测试长短时记忆循环神经网络预测模型的预测效果，并直达预测模型满足设定的预测准确率；

将满足设定的预测准确率的长短时记忆循环神经网络预测模型进行电力调度故障工单数量的预测。

进一步的，所述根据操作强度分值的结果按分值进行区间划分，每区间对应一个工作强度类别具体指：

根据操作强度分值的结果按分值划分为四个区间，包括第一区间、第二区间、第三区间和第四区间；