本发明专利技术公开了大面积停电应急处理中的用户复电紧急程度分类方法，包括：获取历史记录当中停电用户的用户描述属性，对总体停电用户集进行随即抽样，获得停电用户的样本集，并采集由业务人员对所述样本集标记的复电紧急程度标签，形成带标签的停电用户样本集；根据用户描述属性与所述带标签的停电用户样本集，采用预设算法构建分类模型，根据所述分类模型，优化并确定分类模型参数；获取待分类的停电用户的用户描述属性，采用所述分类模型与其对应参数，对待分类的停电用户进行复电紧急程度的多类别分类。采用本发明专利技术，可以科学地量化复电紧急程度，合理指导复电工作，挽回经济损失。
【技术实现步骤摘要】
本专利技术涉及数据挖掘的
，特别是涉及。
技术介绍
随着社会经济与文化生活的不断发展和进步，城市对电力的依赖就像鱼与水的关系，没有了电力供应，整个城市的交通、生产、生活就会陷入瘫痪，其破坏程度、造成的恐慌与巨大损失难以估计。今年来，国内外相继发生的大面积停电事故，给社会造成巨大的损失，如2012年的印度的“7. 30大面积停电事故”、2003年的“8. 14美加大停电”等。 由于停电面积大，涉众广，电力系统难以对停电区域做到统一同时复电，必须分片区，分时段地对停电区域进行复电工作。同时，如果停电期间供电量难以快速恢复到正常的供电水平，将会增加停电造成的损失，难以保证电力用户的用电满意度。面对大面积停电事故，复电工作理应按轻重缓急地对电力用户展开，但现有技术当中对此缺乏科学依据，并没有综合考虑用户情况，往往是按照主观臆断地对某些重要单位先进行复电，一些用电紧急的电力用户的复电工作被逼延后，致使经济损失的扩大化。
技术实现思路
基于此，有必要针对上述问题，提供一种，能够科学地量化复电紧急程度，合理指导复电工作，挽回经济损失。一种，包括获取历史记录当中停电用户的用户描述属性，对总体停电用户集进行随即抽样，获得停电用户的样本集，并采集由业务人员对所述样本集标记的复电紧急程度标签，形成带标签的停电用户样本集；根据用户描述属性与所述带标签的停电用户样本集，采用预设算法构建分类模型，根据所述分类模型，优化并确定分类模型参数；获取待分类的停电用户的用户描述属性，采用所述分类模型与其对应参数，对待分类的停电用户进行复电紧急程度的多类别分类。在其中一个实施例中，根据用户描述属性与所述带标签的停电用户样本集的步骤之后，采用预设算法构建分类模型的步骤之前，包括对用户描述属性存在的缺失值进行填补，将该用户描述属性中的枚举型变量进行属性类型转换处理，并将该用户描述属性中的连续型变量作标准化处理，获得数值在预设范围内的连续型变量，从而形成转换后的用户描述属性。在其中一个实施例中，用户的描述属性包括枚举型变量属性与连续型变量属性；其中，所述枚举型变量属性包括，停电地域、售电方式、行业单位、电压等级和用电类型；所述连续型变量属性包括，总耗电量、峰用电量、平用电量、谷用电量、尖用电量、无功总电量、不平衡电量、不平衡率、平均功率因数、最大功率。在其中一个实施例中，所述对总体停电用户集进行抽样的抽样方法为分层抽样。在其中一个实施例中，所述复电紧急程度标签为从停电开始到恢复供电的最大复电耗时要求。在其中一个实施例中，所述预设算法为数据挖掘方法中的分类算法为支持向量机算法(Support Vector Machine, SVM)算法；所述的多类别分类方法为“多对多”(All-versus-all，AVA)的分类法。实施本专利技术，具有如下有益效果首先，本专利技术对停电用户的用户描述属性进行数据抽样，通过抽样的方法在海量的样本中抽取代表性样本，减少样本空间，提高模型训练效率。结合采集的复电紧急程度标签科学地量化复电紧急程度，再利用预设算法和多类别分类算法合理地预测待分类的停电用户的用电需求情况，本专利技术能够指导复电工作，挽回经济损失。克服了传统方法依靠人为主观判断的弊端，实现了分类方法的自动化、程序化，以及基于挖掘历史用电数据的人工智能化。在其中一个实施例中，使用支持向量机(Support Vector Machine, SVM)作为分类模型，利用核函数对样本属性进行高维映射，找寻最好的分类超平面，有效提高分类准确率。采用多类别分类方法中的“多对多”(All-versus-all，AVA)的分类法作为多类别分类结果的决定策略，帮助提高多类别分类中的分类准确率。附图说明图I为本专利技术的流程图；图2为本专利技术大面积停电应急处理中的复电紧急程度分类方法实施例的示意图。具体实施例方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述。图I为本专利技术的流程图，包括SlOl :获取历史记录当中停电用户的用户描述属性，对总体停电用户集进行随即抽样，获得停电用户的样本集，并采集由业务人员对所述样本集标记的复电紧急程度标签，形成带标签的停电用户样本集；S102:根据用户描述属性与所述带标签的停电用户样本集，采用预设算法构建分类模型，根据所述分类模型，优化并确定分类模型参数；S103:获取待分类的停电用户的用户描述属性，采用所述分类模型与其对应参数，对待分类的停电用户进行复电紧急程度的多类别分类。首先，本专利技术对停电用户的用户描述属性进行数据抽样，通过抽样的方法在海量的样本中抽取代表性样本，减少样本空间，提高模型训练效率。结合采集的复电紧急程度标签科学地量化复电紧急程度，再利用预设算法和多类别分类算法合理地预测待分类的停电用户的用电需求情况，本专利技术能够指导复电工作，挽回经济损失。克服了传统方法依靠人为主观判断的弊端，实现了分类方法的自动化、程序化，以及基于挖掘历史用电数据的人工智能化。图2为本专利技术大面积停电应急处理中的复电紧急程度分类方法实施例的示意图。与图I相比，图2为本专利技术具体实施例的示意图。S201 :用户描述属性构造；S202 :使用分层抽样方法对用户进行抽样，分层依据为“行业单位”;S203 :采集业务人员对用户样本标记的复电紧急程度标签；S204 以属性值的众数填补枚举型的缺失属性，以均值填补连续性的缺失属性；S205 :对枚举型用户描述属性进行属性类型转换；S206 :对连续型用户描述属性进行标准化处理，转换至之间；·S207 :进行模型的构建并设定支持向量机的核函数；S208 :利用网络搜索的方法进行支持向量机的参数优化；S209 :获取待分类用户的用户描述属性；S210 :根据建立好的模型进行分类。下面结合图2对本专利技术各个阶段展开说明。第一阶段，数据准备阶段首先，对停电用户进行属性提取，构造出停电用户描述属性，用以刻画停电用户。提取的用户属性包括枚举型变量属性与连续型变量属性。枚举型属性包括停电地域、售电方式、行业单位、电压等级和用电类型等。其中，停电地域可选类型为城市、农村、郊区、中心商业区、住宅区、工业区、科技园、大学城等8个；售点方式可选类型为直供方式、趸售方式等2个；行业单位可选类型为医疗服务、银行金融、政府机关、教育培训、运输业、机械制造、采矿能源、餐饮宾馆、电讯业、互联网、公益组织、家庭等12个；电压等级可选类型为220V、380V、6kV、10kV、35kV、110kV、220kV、330kV、500kV，1000KV 等 10 个；用户类型可选类型为工业用电、农业用电、商业用电、居民生活用电等4个。而用户描述属性中的连续型属性包括总耗电量、峰用电量、平用电量、谷用电量、尖用电量、无功总电量、不平衡电量、不平衡率、平均功率因数、最大功率、用户历史缴费滞后总天数、历史月均用电量、历史日均用电量、最长连续用电时间(分钟)、最长连续不用电时间(分钟)、最大月用电量、最大日用电量、停电情况上报次数、曾遭停电次数、历史平均缴纳电价、装接电容量等21个停电用户的历史数据。其次，对停电用户进行抽样处理，得到样本用户集。本实施例采用分层抽样方法对停电用户进行抽样处理，分层依据为“行业单位”。由于行业单位对于复电的紧急程度更本文档来自技高网...
【技术保护点】
一种大面积停电应急处理中的用户复电紧急程度分类方法，其特征在于，包括：获取历史记录当中停电用户的用户描述属性，对总体停电用户集进行随即抽样，获得停电用户的样本集，并采集由业务人员对所述样本集标记的复电紧急程度标签，形成带标签的停电用户样本集；根据用户描述属性与所述带标签的停电用户样本集，采用预设算法构建分类模型，根据所述分类模型，优化并确定分类模型参数；获取待分类的停电用户的用户描述属性，采用所述分类模型与其对应参数，对待分类的停电用户进行复电紧急程度的多类别分类。
【技术特征摘要】
1.一种大面积停电应急处理中的用户复电紧急程度分类方法，其特征在于，包括 获取历史记录当中停电用户的用户描述属性，对总体停电用户集进行随即抽样，获得停电用户的样本集，并采集由业务人员对所述样本集标记的复电紧急程度标签，形成带标签的停电用户样本集； 根据用户描述属性与所述带标签的停电用户样本集，采用预设算法构建分类模型，根据所述分类模型，优化并确定分类模型参数； 获取待分类的停电用户的用户描述属性，采用所述分类模型与其对应参数，对待分类的停电用户进行复电紧急程度的多类别分类。2.根据权利要求I所述的大面积停电应急处理中的用户复电紧急程度分类方法，其特征在于，根据用户描述属性与所述带标签的停电用户样本集的步骤之后，采用预设算法构建分类模型的步骤之前，包括 对用户描述属性存在的缺失值进行填补，将该用户描述属性中的枚举型变量进行属性类型转换处理，并将该用户描述属性中的连续型变量作标准化处理，获得数值在预设范围内的连续型变量，从而形成转换后的用户描述属性。3.根据权利要求2所述的大面积停电应急处理中的用户复电紧急程度分类方法，其特征在于，获取待分类的停电用户的用户描述属性的步骤，包括 对待分类的停电用户的用户描述属性存在的缺失值进行填补，将该用户描述属性中的枚举型变量进行属性类型转换处理，并将该用户描述属性中的连续型变量作标准化处理，获得数值在预设范围内的连续型变量，从而形成转换后的待分类的停电用户的用户描述属性。4.根据权利要求I至3任一项所述的大面积停电应急处理中的用户复电紧急程度分类方法，其特征在于，用户的描述属性包括枚举型变量属性与连续型变量属性；其中，所述枚举型变量属性包括，停电...
【专利技术属性】
技术研发人员：杨晶晶，齐志刚，杜旭，萧展辉，金波，陈森利，吴福疆，范晟，
申请(专利权)人：广东电网公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。