[发明专利]一种基于k - means聚类算法的配抢工单激增原因分析方法

说明书

本发明涉及一种k‑means聚类算法的配抢工单激增原因分析方法。所述方法步骤如下：（1）建立一个配抢工单与停电信息关键词矩阵；（2）通过k‑means聚类算法对上述矩阵进行聚类分组；（3）利用聚类后的配抢工单，研究每一组配抢工单所包含的关键词；（4）利用每一组的关键词列表，制作语义网络；（5）经上述步骤，得到一副基于关键词节点的结构图，在该图中，节点越靠上，对工单激增的影响越大，从而分析出工单激增的原因。有益效果如下：通过聚类算法，将工单按停电信息关键字分组，从而解决了以往工单分组单纯依赖人工经验的情况。利用语义网络，将工单出现原因分层，具有较普遍原因的关键字会被发现，从而确定工单激增的真正原因。

技术领域

本发明涉及一种k - means聚类算法的配抢工单激增原因分析方法。

背景技术

配网抢修作为配电生产常规性重要工作，提高抢修质量和效率对提升供电可靠性和优质服务水平具有重要的意义。

目前，配网故障抢修工作中，出现工单激增情况，主要依靠抢修人员工作经验判断激增原因。国内尚没有一套自动可靠地分析方法智能分析。随着电网规模的日趋扩大和复杂程度的不断增加，配网抢修工作亟需一套自动分析方法来满足对工单激增原因分析的要求。

为了改善目前配网抢修方面遇到的一些问题，本发明以配网抢修工单和停电上报信息为数据基础。通过k - means聚类算法，对激增的配抢工单进行分类分析，整个过程减少了工单激增分析对人工经验的依赖，提高了分析效率，节约了人力成本。

发明内容

本发明要解决的技术问题是：

1.抢修工单分组确定的问题。

如何从一批工单中将相同停电原因的工单查询出来。配抢工单中故障原因填写笼统，只确定了自身工单造成停电的原因，如短路，倒杆，击穿等。如何确定一批工单是否由一种原因造成的停电成为问题。

如一个小区变压器损坏，造成该小区全体停电，那么工单中检修地址包含本小区地址的工单将被分为一组，该小区的地址成为该批工单分组依据。

又如，某条线路电能质量出现故障，造成多个村电压低，电器设备不能正常运行，则工单中故障类型里包含电能质量低的工单，将被分组，作为分组依据。

分组依据的不同，将导致最终结果出现差异性。

2.不同组的抢修工单是否由一种原因造成。

在上述问题中，虽然最终将工单按不同类型分组，但同样不能最终确定工单激增的真正原因。

如，冀北多地同时下雨，唐山因雨势较大出现工单激增，廊坊等地虽然也有工单抢修，却是其他原因造成的激增，如果仅按大雨作为分组依据，则不能完全看出工单激增的真正原因。

本发明的技术方案如下：

一种基于k - means聚类算法的配抢工单激增原因分析方法，其特征在于，所述方法步骤如下：

（1）建立一个配抢工单与停电信息关键词矩阵，即：停电信息关键词作为矩阵的横轴，配抢工单作为坐标轴的纵轴，并对配抢工单中各列是否含有横轴中出现的关键字进行标示，形成一矩阵；

（2）通过k - means聚类算法对上述矩阵进行聚类分组；

（3）利用聚类后的配抢工单，研究每一组配抢工单所包含的关键词；

（4）利用每一组的关键词列表，制作语义网络；

（5）经上述步骤，得到一副基于关键词节点的结构图，在该图中，节点越靠上，对工单激增的影响越大，从而分析出工单激增的原因。

进一步的，所述步骤（1）中，停电信息关键词的列举精确到最小尺度。