基于多维数据分析应用的配电网设备画像方法及系统技术方案

本发明专利技术涉及配电网设备画像技术领域，尤其涉及一种基于多维数据分析应用的配电网设备画像方法及系统，以开展对配电设备的全方位、多层级综合分析，全面刻画设备状态并进行多方面的应用分析，指导基层精益运维、精准抢修以及建设改造；该方法包括：将配电网设备的全量数据划分为多个属性，按照每个属性的特征建立设备标签，并形成标签库；对标签库中的标签进行级别划分，划分为正常标签、正面标签和负面标签；根据设备的实际特征情况，为待画像的设备分配对应的标签以实现配电网设备的刻画。

【技术实现步骤摘要】
基于多维数据分析应用的配电网设备画像方法及系统
本专利技术涉及配电网设备画像
，尤其涉及一种基于多维数据分析应用的配电网设备画像方法及系统。
技术介绍
配电网设备规模大、种类多、型号杂，大量老旧设备在运。随着经济社会发展和人民生活水平的日益升高，对配电网供电可靠性和优质服务要求越来越高，给配电网管控手段的提升提出了更高的要求。由于配网建设改造资金不足、基层运维检修队伍力量不够等，因此对配网精益运维及对精准投资的要求越来越高。面对数以万计的配电设备及线路，设备运行状态难以全面把握和评估，投资先后难以全面做到按问题的轻重缓急进行处理，如何做到精益运维及对精准投资是各级管理人员和基层一线员工面临的一大难题。现有的各类信息化支撑方法种类繁多，例如从运行数据角度对配电设备进行监控分析，或者从用户角度对配电设备进行数据分析，分析角度不同造成各数据平台对设备描述差异性较大，且未有统一规范对各个视角的分析数据进行综合分析。
技术实现思路
本专利技术目的在于提供一种基于多维数据分析应用的配电网设备画像方法及系统，以开展对配电设备的全方位、多层级综合分析，全面刻画设备状态并进行多方面的应用分析，指导基层精益运维、精准抢修以及建设改造。为实现上述目的，本专利技术提供了基于多维数据分析应用的配电网设备画像方法，包括以下步骤：将配电网设备的全量数据划分为多个属性，按照每个属性的特征建立设备标签，并形成标签库；对所述标签库中的标签进行级别划分，划分为正常标签、正面标签和负面标签；根据设备的实际特征情况，为待画像的设备分配对应的标签以实现配电网设备的刻画。优选地，还包括以下步骤：将所述负面标签划分为特别严重标签、严重标签和一般标签三个等级。优选地，所述属性包括基本属性、运行数据类属性、运维数据类属性、项目改造情况类属性、网架结构类属性、智能化属性、动态特征属性和其它类属性中的任意几种的组合。优选地，还包括以下步骤：根据设备对应的标签对设备进行分群。优选地，还包括以下步骤：根据设备对应的标签对设备进行分级。优选地，还包括以下步骤：根据设备对应的标签生成用于评价设备运行情况好坏的评价报告。优选地，还包括以下步骤：获取各单位管辖范围内所有设备的标签匹配情况；依据各单位管辖范围内所有设备的标签匹配情况的统计分析，按照设定的指标，得到单位的画像结果。作为一个总的专利技术构思，本专利技术还提供一种基于多维数据分析应用的配电网设备画像系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。本专利技术具有以下有益效果：本专利技术提供的一种基于多维数据分析应用的配电网设备画像方法及系统，该方法包括：将配电网设备的全量数据划分为多个属性，按照每个属性特征建立设备标签，并形成标签库；对所述标签库中的标签进行级别划分，划分为正常标签、正面标签和负面标签；根据设备的实际特征情况，为设备分配对应的标签以实现配电网设备的刻画。该方法可以开展对配电设备的全方位、多层级综合分析，全面刻画设备状态并进行多方面的应用分析，指导基层精益运维、精准抢修以及建设改造。下面将参照附图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术优选实施例的基于多维数据分析应用的配电网设备画像方法流程图。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。实施例1如图1所示，本实施例提供一种基于多维数据分析应用的配电网设备画像方法，包括以下步骤：将配电网设备的全量数据划分为多个属性，按照每个属性的特征建立设备标签，并形成标签库；对所述标签库中的标签进行级别划分，划分为正常标签、正面标签和负面标签；根据设备的实际特征情况，为待画像的设备分配对应的标签以实现配电网设备的刻画。上述的基于多维数据分析应用的配电网设备画像方法可以开展对配电设备的全方位、多层级综合分析，全面刻画设备状态并进行多方面的应用分析，指导基层精益运维和精准抢修。优选地，本实施例中，属性包括基本属性、运行数据类属性、运维数据类属性、项目改造情况类属性、网架结构类属性、智能化属性、动态特征属性和其它类属性中的任意几种的组合。其中，属于基本属性的数据有：设备型号、供电区域等；属于运行类数据类属性的数据有：负载情况、停运情况、电能质量等；属于运维数据类属性的数据有：设备缺陷隐患情况、状态评价结果；属于项目改造情况类属性的数据有：项目立项进展情况、项目投资渠道；数据网架结构类属性的数据有：供电半径、线路互联情况等；属于智能化属性的数据有：自动化设备安装情况、自动化设备动作情况等；属于动态特征属性的数据有：设备停运同比变化情况、投诉同比变化情况等；属于其它类属性的数据有：其它无法归结到上述几类属性的。值得指出的是，本实施例中仅对上述各类属性的数据做举例说明，并不做限定，在不同地区不同单位的设备中，上述属性还可以包括其他更多的数据。首先，构建标签库，例如，将季度故障跳闸3次以上线路或者年度故障跳闸20次及以上(自然年、自然季度)的线路对应的设备定义为“严重高跳闸”，其中，具体跳闸多少次定义为“严重高跳闸”，可根据实际情况进行次数的调整。由此，根据设备的各类数据的运行情况可以构建针对设备的各类数据的标签库。由于设备的特征情况有好坏之分，因此，可以将标签库中的标签划分为正常标签、正面标签和负面标签，以用于评价不同标签对应的设备特征情况的好坏。例如，该“严重高跳闸”标签属于负面标签，如果某条线路贴上了“严重高跳闸”的标签，说明该线路运行状况很差，负责该线路管理的人员肯定需要加强对它的关注。标签“架空线路”属于正常标签，架空线路只是说明这个10千伏线路是架空建设的，不反映这个线路供电质量、供电可靠性等的好坏。值得强调的是，标签“严重高跳闸”属于运行数据类属性，同时它又属于负面标签。一个标签既属于上述的八类属性之一，同时又按照正常标签、正面标签和负面标签进行区分。将标签按照不同属性和不同级别进行划分，可以得到更加符合不同属性的运行数据的标签，能更加贴切的对数据的不同运行情况进行刻画。进一步地，本实施例还包括以下步骤：将负面标签划分为特别严重标签、严重标签和一般标签三个等级。其中，负面标签表示了设备的受损度，进一步将负面标签划分为不同的等级，可以将设备按照受损的严重程度进行分级，便于工作人员按照设备的受损程度对设备进行抢修。作为本实施例优选的实施方式，还包括另外对迎峰度夏、迎峰度冬、春节等特殊时段出现了问题的设备，进行额外标注。需要说明的是，在实际情况中，居民用电在上述的特殊时段呈用电高峰，此时更容易发生设备故障，因此，对本文档来自技高网...

【技术保护点】
1.一种基于多维数据分析应用的配电网设备画像方法，其特征在于，包括以下步骤：/n将配电网设备的全量数据划分为多个属性，按照每个属性的特征建立设备标签，并形成标签库；/n对所述标签库中的标签进行级别划分，划分为正常标签、正面标签和负面标签；/n根据设备的实际特征情况，为待画像的设备分配对应的标签以实现配电网设备的刻画。/n

【技术特征摘要】
1.一种基于多维数据分析应用的配电网设备画像方法，其特征在于，包括以下步骤：
将配电网设备的全量数据划分为多个属性，按照每个属性的特征建立设备标签，并形成标签库；
对所述标签库中的标签进行级别划分，划分为正常标签、正面标签和负面标签；
根据设备的实际特征情况，为待画像的设备分配对应的标签以实现配电网设备的刻画。


2.根据权利要求1所述的基于多维数据分析应用的配电网设备画像方法，其特征在于，还包括以下步骤：将所述负面标签划分为特别严重标签、严重标签和一般标签三个等级。


3.根据权利要求1所述的基于多维数据分析应用的配电网设备画像方法，其特征在于，所述属性包括基本属性、运行数据类属性、运维数据类属性、项目改造情况类属性、网架结构类属性、智能化属性、动态特征属性和其它类属性中的任意几种的组合。


4.根据权利要求1所述的基于多维数据分析应用的配电网设备画像方法，其特征在于，还包括以下步骤：<...

【专利技术属性】
技术研发人员：彭涛，唐海国，朱吉然，张帝，齐飞，邓威，康童，游金梁，
申请(专利权)人：国网湖南省电力有限公司，国网湖南省电力有限公司电力科学研究院，国家电网有限公司，
类型：发明
国别省市：湖南;43