[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

说明书

本发明涉及一种基于数据实现停电检修窗口期的优化方法及装置，所述方法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。本发明利用量化设备过往停电窗口期的约束条件，对设备过往历年窗口期进行聚类分析，进而通过当前约束条件，确定设备当年窗口期的大致区间，最后结合临时条件进行精细化修正，增加了待停电电力设备的窗口期的合理性，减少了人工审查数据的复杂性和不确定性。从而保证了设备检修窗口期的高效性和稳定性。

技术领域

本发明属于电力技术领域，具体涉及一种基于数据实现停电检修窗口期的优化方法及装置。

背景技术

在电网运行的过程中，电力设备检修是至关重要的一个环节。设备检修会涉及到停电计划的编排，因此设备检修安排的合理性和高效性值得关注。在制定设备检修计划中，设备检修窗口期的设定是一项十分重要的工作。停电窗口期是为全网发输变电设备选择最优检修时段。

目前的技术手段是参考设备过去停电窗口期的安排，然后根据经验进行人工再编排。在电网整体环境相对稳定的条件下，设备过往停电窗口期的安排最大程度上规避了风险，十分具有参考价值。但随着近年来对停电数据积累的重视，长远来看，设备的停电参考信息量会越来越大，对过往停电窗口期的分析也越来越复杂。仅仅通过人工，面对大量数据分析的时候，无法保证设备检修窗口期的高效性和稳定性。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于数据实现停电检修窗口期的优化方法及装置，以解决现有技术中对过往停电窗口期的数据分析时，无法保证设备检修窗口期的高效性和稳定性的问题。

为实现以上目的，本发明采用如下技术方案：一种基于数据实现停电检修窗口期的优化方法，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。

进一步的，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。

进一步的，采用KNN算法对量化处理后的约束条件进行数据聚类分析。

进一步的，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。

进一步的，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＝arg max∑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。

进一步的，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：