[发明专利]基于数据实现停电检修窗口期的优化方法及装置

权利要求书

1.一种基于数据实现停电检修窗口期的优化方法，其特征在于，包括：

获取历史停电窗口期的约束条件，对所述约束条件进行量化处理；

对量化处理后的约束条件进行数据聚类分析，确定当年待停电窗口期的时间区间；

获取临时约束条件，结合所述临时约束条件对所述当年待停电窗口期的时间区间进行优化处理。

2.根据权利要求1所述的方法，其特征在于，对所述约束条件进行量化处理，包括：

丰水期时间加权量化转化、枯水期时间加权量化转化、当年水电发电量预测以及设备附近电网结构稳定性评级量化。

3.根据权利要求1所述的方法，其特征在于，

采用KNN算法对量化处理后的约束条件进行数据聚类分析。

4.根据权利要求3所述的方法，其特征在于，所述采用KNN算法对量化处理后的约束条件进行数据聚类分析，包括：

采用KNN算法将量化处理后的约束条件进行二维或多维映射，并计算映射点的欧式距离，将所述欧式距离确定为当年待停电窗口期的时间区间。

5.根据权利要求4所述的方法，其特征在于，

根据预设的决策规则选定所述KNN算法的K值，确定聚类范围；

所述决策规则为

y＝argmax∑I(y_i＝c_i),i＝1,2…，N；j＝1,2…，K

其中，I是指示函数，即当y_i＝c_i时，I值为1，否则为0，y_i代表设备当前停电窗口期约束条件的类别，c_i代表该设备往年窗口期约束条件聚类形成的类别。

6.根据权利要求4所述的方法，其特征在于，如果选取量化的窗口期约束条件只有两项，则进行二维映射，同时计算映射点的欧氏距离：

其中，x₁和y₁表示设备往年记录中其中一年窗口期设定时的两个约束条件分别量化后的数值，x₂和y₂表示设备今年获取或预测的两个约束条件量化后的数值；

如果选取多个量化的窗口期约束条件，则进行多维映射，同时计算映射点的欧氏距离：

其中，x_2k表示设备往年记录中其中一年窗口期设定时的多个约束条件分别量化后的数值，x_1k表示设备今年获取或预测的多个约束条件量化后的数值。

7.根据权利要求1所述的方法，其特征在于，所述获取临时约束条件，包括：

获取历史停电窗口期与历史节假日的间隙数据，根据所述间隙数据计算历年待停电窗口期与历史节假日的间隙时长。

8.根据权利要求7所述的方法，其特征在于，

对所述间隙数据进行交叉加权平均计算，得到历年待停电窗口期与历史节假日的间隙时长；

其中，t_si表示该设备历年来检修窗口期起始时刻或终止时刻与某节假日的时间间隔，T表示设备停电时长，T_y表示当年待停电窗口期与当年节假日起始时刻或终止时刻的间隙时长。

9.根据权利要求1所述的方法，其特征在于，在确定当年待停电窗口期的时间区间后，还包括：

判断所述当年待停电窗口期的时间区间是否符合预设的预期值；

如果符合，则获取临时约束条件；否则，重新对量化处理后的约束条件进行数据聚类分析。

10.一种基于数据实现停电检修窗口期的优化装置，其特征在于，包括：

获取模块，用于获取历史停电窗口期的约束条件，对所述约束条件进行量化处理；

分析模块，用于对量化处理后的约束条件进行数据聚类分析，确定当年待停电窗口期的时间区间；

优化模块，用于获取临时约束条件，结合所述临时约束条件对所述当年待停电窗口期的时间区间进行优化处理。