[发明专利]一种基于大数据的客户侧跳闸风险预控方法及系统

说明书

本发明涉及一种基于大数据的客户侧跳闸风险预控方法及系统，所示方法包括以下步骤：S1：通过大数据分析，收集短路故障、漏电故障、负载功率过大、导线过细的原始数据及指标；S2：收集的原始数据进行预处理操作，作为预测数据；S3：建立客户数据预测模型，预估客户跳闸主要影响因素；S4：统计分析预测结果，得出分析报告，分析管控预测风险；S5：制定风险预控方案，优化故障抢修资源配置。对客户侧跳闸风险有更好的科学及时的预控，精细化的管理，实现数据与信息的整合，确立客户侧风险管理体系，整合零散数据，局部信息标准化为整体信息，设置合理的设备、人员资源分配，提升客户的满意度。

技术领域

本发明属于风险预控技术领域，具体涉及一种基于大数据的客户侧跳闸风险预控方法及系统。

背景技术

随着电网迅猛发展，对于客户侧跳闸的管理重要性日益凸显，目前，客户侧跳闸需要工作人员检查、管理，未能对客户情况进行全局了解与预测，从而不能提出科学的解决方案，管理处于被动状态，只针对现存的问题进行故障检修，资源配置方面也存在不均衡的问题，以往的数据系统侧重于主网的管理，忽略对客户侧跳闸数据采集与管理，使客户侧跳闸信息的管理处于薄弱环节。此为现有技术的不足之处。

为了满足对客户侧跳闸管理模式的需要，对客户侧跳闸风险有更好的科学及时的预控，精细化的管理，实现数据与信息的整合，确立客户侧风险管理体系，整合零散数据，局部信息标准化为整体信息，设置合理的设备、人员资源分配，提升客户的满意度。

本发明提供一种基于大数据的客户侧跳闸风险预控方法及系统以解决现有技术中的上述缺陷，是非常有必要的。

发明内容

本发明的目的在于，针对上述的客户侧跳闸管理模式不能满足客户管理需要的缺陷，提供设计一种基于大数据的客户侧跳闸风险预控方法及系统，以解决上述技术问题。

本发明提供一种基于大数据的客户侧跳闸风险预控方法，包括以下步骤：

S1：通过大数据分析，收集短路故障、漏电故障、负载功率过大、导线过细的原始数据及指标；

S2：收集的原始数据进行预处理操作，作为预测数据；

S3：建立客户数据预测模型，预估客户跳闸主要影响因素；

S4：统计分析预测结果，得出分析报告，分析管控预测风险；

S5：制定风险预控方案，优化故障抢修资源配置。

作为优选，所述步骤S1中，收集原始数据信息及指标，存入数据库，为客户侧管理提供了详实的基础数据，便于对客户侧跳闸涉及信息整合管理。

作为优选，所述的步骤S2中，对收集的原始数据进行预处理操作，所述的预处理包括，数据清洗、数据集成、数据标准化；

所述的数据清洗对处理数据样本进行消除无关数据、噪声数据、重复数据、缺省数据；所述的数据集成主要合并数据样本内存在的异构数据，包括数据的选择、不同数据库之间的数据冲突以及不一致问题的处理操作；所述的数据标准化将收集数据按专业、部门职责进行划分，形成标准数据作为预测数据。

作为优选，所述的步骤S3中，建立客户数据预测模型的步骤具体包括以下步骤：

S31：选取训练集作为输入数据的步骤；

S32：搭建神经网络的步骤；

S33：输出模型训练结果，保存训练成果的步骤；

S34：定期选取训练集，优化预测模型的步骤。