[发明专利]利用网络设备掉电复电数据研判低压电网停电复电的方法及系统

权利要求书

1.利用网络设备掉电复电数据研判低压电网停电复电的方法，其特征在于，包括以下步骤：

步骤1、获取用户网络设备掉电信号，判断该用户掉电行为为人为掉电还是设备故障掉电，若为人为掉电则分析结束；若为设备故障掉电，执行步骤2；

步骤2、根据所述掉电信号关联的电表箱、掉电时间，以电表箱为单位，设定时长内掉电用户为一组；对该电表箱下所关联的用户在同一时间范围内出现网络设备掉电户数小于阈值的，认定为用户人为掉电；若户数大于阈值的，则追踪查询该电表箱下所有用户信息，通过所有用户的网络设备掉电情况判断该电表箱是否掉电，若判断电表箱掉电，则执行步骤3；

步骤3、关联掉电电表箱所属的分支箱信息，并获取该分支箱下所有电表箱，然后获取获取该分支箱下所有电表箱所属用户的网络设备掉电信息，逐个电表箱重复执行步骤2判断各个电表箱是否停电，判断已掉电电表箱数量是否大于阈值，大于阈值则判定为分支箱掉电，则执行步骤4；否则判定程序结；

步骤4、关联掉电分支箱所属台区信息，并获取该台区下所有分支箱信息，逐个执行步骤3，判断分支箱是否停电，若掉电分支箱数量大于设定的阈值，则判定该台区停电。

2.根据权利要求1所述的利用网络设备掉电复电数据研判低压电网停电复电的方法，其特征在于，所述步骤1至步骤4中用户掉电、电表箱掉电、分支箱掉电、台区掉电分析采用神经网络进行判断，具体为：

步骤11、获取用户网络设备掉电历史数据作为训练样本，历史数据包括用户人为掉电数据和设备故障掉电数据，以及人为掉电数据和设备故障掉电数据情况下的用户对应所属的电表箱、分支箱、台区的历史数据；

步骤12、利用训练样本训练神经网络模型，得到目标模型；

步骤13、将当前用户网络设备掉电信息、掉电时长、所属区域作为目标模型的输入，得到停电状态台的输出。

3.根据权利要求2所述的利用网络设备掉电数据研判低压电网停电复电的方法，其特征在于，所述样本集通过决策树进行分类，划分成多个子集，每个子集均为一类停电情况；利用多个子集作为输入训练神经网络。

4.根据权利要求2或3所述的利用网络设备掉电数据研判低压电网停电复电的方法，其特征在于，所述步骤2中电表箱所属用户掉电用户数量大于阈值，但仅部分用户掉电，则需追溯未掉电用户在当前时间段之前是否有掉电行为，若有且未复电，则认定为当前电表箱所属所有用户均掉电，该电表箱判定为掉电；若在此次掉电信号发生前已处于复电状态，则需要对该用户的网络设备信号的实时性与准确性进行判断。

5.根据权利要求4所述的利用网络设备掉电数据研判低压电网停电复电的方法，其特征在于，判断用户网络设备掉电信号的实时性与准确性的方法包括：

a、实时性判断，等待下一次掉电信号接口周期，看是否在下一个掉电信号数据内；

b、准确性判断，根据历史数据判断该户掉电信号掉电、复电信号的成对性和次序是否正常。

6.利用网络设备掉电复电数据研判低压电网停电复电的系统，其特征在于，包括：

用户掉电行为判断，获取用户网络设备掉电信号，判断该用户掉电行为为人为掉电还是设备故障掉电，若为人为掉电则分析结束；若为设备故障掉电，执行电表箱掉电分析模块；

电表箱掉电分析模块，根据所述掉电信号关联的电表箱、掉电时间，以电表箱为单位，设定时长内掉电用户为一组；对该电表箱下所关联的用户在同一时间范围内出现网络设备掉电户数小于阈值的，认定为用户人为掉电；若户数大于阈值的，则追踪查询该电表箱下所有用户信息，通过所有用户的网络设备掉电情况判断该电表箱是否掉电，若判断电表箱掉电，则执行分支箱掉电分析模块；

分支箱掉电分析模块，关联掉电电表箱所属的分支箱信息，并获取该分支箱下所有电表箱，然后获取获取该分支箱下所有电表箱所属用户的网络设备掉电信息，逐个电表箱重复执行电表箱掉电分析模块判断各个电表箱是否停电，判断已掉电电表箱数量是否大于阈值，大于阈值则判定为分支箱掉电，执行台区掉电分析模块；否则判定程序结；

台区掉电分析模块，关联掉电分支箱所属台区信息，并获取该台区下所有分支箱信息，逐个执行分支箱掉电分析模块，判断分支箱是否停电，若掉电分支箱数量大于设定的阈值，则判定该台区停电。