一种基于Apriori算法的检修停电计划规划方法及相关产品与流程

摘要: 本技术涉及电力系统,尤其涉及一种基于apriori算法的检修停电计划规划方法、一种基于apriori算法的检修停电计划规划装置、相应的一种电子设备以及相应的一种...
一种基于Apriori算法的检修停电计划规划方法及相关产品与流程

本技术涉及电力系统,尤其涉及一种基于apriori算法的检修停电计划规划方法、一种基于apriori算法的检修停电计划规划装置、相应的一种电子设备以及相应的一种计算机可读存储介质。

背景技术:

1、随着新型电力系统建设推进,配电网网架规模持续扩张,分布式光伏、储能、充电桩等多元网外设备大规模接入,配网设备总量、运维检修任务量呈指数级增长。为消除设备绝缘老化、机械磨损、保护误动等安全隐患,供电企业需周期性编制检修停电计划;检修计划直接决定停电范围、停电时长、人力物资调配、用户供电可靠性,是配网调度运维的核心工作。

2、传统检修停电计划编制长期依赖调度人员人工经验完成,工作人员依托历史台账、单次检修记录手动梳理待检修设备,人工判别多设备检修是否存在拓扑重叠、停电冲突、资源冲突,再逐套制定停电方案。该模式高度依赖人员专业能力,面对复杂多分支配网、海量历史检修事务时,存在效率低、易漏判、重复停电、检修资源浪费等突出问题,难以结合电力大数据综合分析电网运行状态、负荷时序、网架变更、分布式电源接入等动态变更潜在规律,更无法自动推荐全局最优检修停电计划时间窗口。

技术实现思路

1、本技术提供了一种基于apriori算法的检修停电计划规划方法及相关产品,能够在节省人力计算资源的情况下,为检修停电施工计划提供安排依据,实现检修停电风险判断与最优停电施工时间窗口推荐。

2、在一方面,本技术提供一种基于apriori算法的检修停电计划规划方法,所述方法包括:

3、获取历史检修停电数据,基于所述历史检修停电数据中的各类检修停电计划取消影响因素构建事务数据集;

4、遍历扫描所述事务数据集,统计全部单类影响因素项的出现频次,基于各单类影响因素项的出现频次筛选出符合预设最小支持度阈值的单项频繁项,全部单项频繁项构成一阶频繁项集;

5、基于所述一阶频繁项集执行自连接运算,生成由两类影响因素组合得到的二阶候选项集;再次遍历扫描所述事务数据集,统计各二阶候选项集的出现频次,基于所述二阶候选项集的出现频次筛选出满足所述预设最小支持度阈值的二阶频繁项集;

6、循环执行连接生成与剪枝筛选流程,通过低阶频繁项集持续生成更高阶候选项集,并对更高阶候选项集完成剪枝、频次统计与支持度校验,逐层提取对应高阶频繁项集,直至无法生成满足最小支持度条件的高阶频繁项集,汇总得到全部频繁项集;

7、根据全部频繁项集生成对应的候选关联规则,依据预设最小置信度阈值对所述候选关联规则进行筛选,保留强关联规则;

8、将所述强关联规则应用于检修停电计划规划,实现检修停电风险判断与最优停电施工时间窗口推荐。

9、进一步地,所述方法还包括:

10、依据电力检修业务运行特征及历史检修停电数据分布规律,预先设定最小支持度阈值与最小置信度阈值;

11、其中,所述预设最小支持度阈值依据历史影响因素分布拐点特征、电力检修业务容错约束及不同长度项集的匹配适配原则综合确定;所述预设最小置信度阈值依据电网调度决策可靠性指标要求及历史检修停电基准取消率进行标定。

12、进一步地,所述事务数据集由多条检修记录构成,所述事务数据集内每一个子列表对应一条完整检修记录;所述基于各单类影响因素项的出现频次筛选出符合预设最小支持度阈值的单项频繁项,包括:

13、逐条遍历全部检修记录,统计各单类影响因素项的出现频次,结合检修事务总条数计算各单类影响因素项对应的支持度,滤除支持度低于所述预设最小支持度阈值的候选项集,保留支持度达到所述预设最小支持度阈值的单项频繁项。

14、进一步地,所述基于所述一阶频繁项集执行自连接运算,生成由两类影响因素组合得到的二阶候选项集,包括:

15、对全部一阶频繁项集进行筛选,得到筛选后的一阶频繁项集;所述筛选后的一阶频繁项集包含与检修停电具备强关联性的业务影响因素;

16、遍历所述筛选后的一阶频繁项集,对同阶且前k-2项影响因素相同的任意两个筛选后的一阶频繁项集执行组合拼接,得到两类影响因素组合;其中,k为待生成候选项集的阶数,k的取值为2,前k-2项为空集;

17、汇总全部两类影响因素组合,生成二阶候选项集。

18、进一步地,所述事务数据集由多条检修记录构成,所述事务数据集内每一个子列表对应一条完整检修记录;所述再次遍历扫描所述事务数据集,统计各二阶候选项集的出现频次,基于所述二阶候选项集的出现频次筛选出满足所述预设最小支持度阈值的二阶频繁项集,包括:

19、逐条遍历全部检修记录,统计各二阶候选项集的出现频次,结合检修事务总条数计算各二阶候选项集对应的支持度,滤除支持度低于所述预设最小支持度阈值的二阶候选项集,保留支持度达到所述预设最小支持度阈值的二阶频繁项集。

20、进一步地,所述根据全部频繁项集生成对应的候选关联规则,依据预设最小置信度阈值对所述候选关联规则进行筛选,保留强关联规则,包括:

21、将阶数不小于二阶的全部频繁项集中的影响因素组合拆分为规则前件与规则后件,基于所述规则前件与对应的规则后件构建得到多条候选关联规则;其中,所述规则前件用于指示检修停电影响因素,所述规则后件用于指示检修施工最终状态结果;

22、计算各条候选关联规则的规则置信度,筛选并留存所述规则置信度不低于预设最小置信度阈值的目标候选关联规则;

23、对所述目标候选关联规则进行业务约束筛选,保留规则后件为检修停电取消、且规则前件包含任一停电关联因素的关联规则,最终得到适配检修停电计划规划的强关联规则。

24、进一步地,所述强关联规则为表征检修停电取消或施工延误的高置信度风险关联规则,依据规则置信度对停电取消风险进行量化分级,其中,所述规则置信度大于或者等于预设第一阈值的强关联规则对应高施工风险,所述规则置信度处于预设第二阈值至所述预设第一阈值区间的强关联规则对应中施工风险,所述规则置信度低于所述预设第二阈值的强关联规则对应低施工风险;

25、所述将所述强关联规则应用于检修停电计划规划,实现检修停电风险判断与最优停电施工时间窗口推荐,包括:

26、获取待评估的检修停电计划信息并提取各类前置影响因素,将所述各类前置因素与所述强关联规则进行逐条匹配校验;

27、若当前停电计划中包含任一强关联规则的前件条件,则触发对应的规则后件判定逻辑,当匹配的规则后件与检修停电取消、施工延误高度相关时,判定当前停电计划合理性不足,并基于所匹配规则的规则置信度与所述预设第一阈值和/或所述预设第二阈值的数值关系判定当前停电计划的检修停电风险等级;

28、若当前停电计划的前置影响因素未匹配到任意强关联规则的前件条件,则判定当前停电计划合理、风险可控,具备正常停电施工的执行条件;

29、基于风险匹配研判结果,规避高风险时段的检修停电安排,优选低风险时间窗口,实现检修停电风险判断与最优停电施工时间窗口推荐。

30、在另一方面,本技术提供一种基于apriori算法的检修停电计划规划装置,所述装置包括:

31、事务数据集构建模块,用于获取历史检修停电数据,基于所述历史检修停电数据中的各类检修停电计划取消影响因素构建事务数据集;

32、一阶频繁项集构建模块,用于遍历扫描所述事务数据集,统计全部单类影响因素项的出现频次,基于各单类影响因素项的出现频次筛选出符合预设最小支持度阈值的单项频繁项,全部单项频繁项构成一阶频繁项集;

33、二阶频繁项集构建模块,用于基于所述一阶频繁项集执行自连接运算,生成由两类影响因素组合得到的二阶候选项集;再次遍历扫描所述事务数据集,统计各二阶候选项集的出现频次,基于所述二阶候选项集的出现频次筛选出满足所述预设最小支持度阈值的二阶频繁项集;

34、频繁项集汇总模块,用于循环执行连接生成与剪枝筛选流程,通过低阶频繁项集持续生成更高阶候选项集,并对更高阶候选项集完成剪枝、频次统计与支持度校验,逐层提取对应高阶频繁项集,直至无法生成满足最小支持度条件的高阶频繁项集,汇总得到全部频繁项集;

35、强关联规则生成模块,用于根据全部频繁项集生成对应的候选关联规则,依据预设最小置信度阈值对所述候选关联规则进行筛选,保留强关联规则;

36、检修停电计划规划模块,用于将所述强关联规则应用于检修停电计划规划,实现检修停电风险判断与最优停电施工时间窗口推荐。

37、进一步地,所述装置还包括:

38、阈值设定模块,用于依据电力检修业务运行特征及历史检修停电数据分布规律,预先设定最小支持度阈值与最小置信度阈值;其中,所述预设最小支持度阈值依据历史影响因素分布拐点特征、电力检修业务容错约束及不同长度项集的匹配适配原则综合确定;所述预设最小置信度阈值依据电网调度决策可靠性指标要求及历史检修停电基准取消率进行标定。

39、进一步地,所述事务数据集由多条检修记录构成,所述事务数据集内每一个子列表对应一条完整检修记录;所述一阶频繁项集构建模块包括:

40、单项频繁项筛选子模块,用于逐条遍历全部检修记录,统计各单类影响因素项的出现频次,结合检修事务总条数计算各单类影响因素项对应的支持度,滤除支持度低于所述预设最小支持度阈值的候选项集,保留支持度达到所述预设最小支持度阈值的单项频繁项。

41、进一步地,所述二阶频繁项集构建模块包括:

42、二阶候选项集生成子模块,用于对全部一阶频繁项集进行筛选,得到筛选后的一阶频繁项集;所述筛选后的一阶频繁项集包含与检修停电具备强关联性的业务影响因素;遍历所述筛选后的一阶频繁项集,对同阶且前k-2项影响因素相同的任意两个筛选后的一阶频繁项集执行组合拼接,得到两类影响因素组合;其中,k为待生成候选项集的阶数,k的取值为2,前k-2项为空集;汇总全部两类影响因素组合,生成二阶候选项集。

43、进一步地,所述事务数据集由多条检修记录构成,所述事务数据集内每一个子列表对应一条完整检修记录;所述二阶频繁项集构建模块包括:

44、二阶频繁项集筛选子模块,用于逐条遍历全部检修记录,统计各二阶候选项集的出现频次,结合检修事务总条数计算各二阶候选项集对应的支持度,滤除支持度低于所述预设最小支持度阈值的二阶候选项集,保留支持度达到所述预设最小支持度阈值的二阶频繁项集。

45、进一步地,所述强关联规则生成模块包括:

46、候选关联规则构建子模块,用于将阶数不小于二阶的全部频繁项集中的影响因素组合拆分为规则前件与规则后件,基于所述规则前件与对应的规则后件构建得到多条候选关联规则;其中,所述规则前件用于指示检修停电影响因素,所述规则后件用于指示检修施工最终状态结果;

47、目标候选关联规则筛选子模块,用于计算各条候选关联规则的规则置信度,筛选并留存所述规则置信度不低于预设最小置信度阈值的目标候选关联规则;

48、强关联规则筛选子模块,用于对所述目标候选关联规则进行业务约束筛选,保留规则后件为检修停电取消、且规则前件包含任一停电关联因素的关联规则,最终得到适配检修停电计划规划的强关联规则。

49、进一步地,所述强关联规则为表征检修停电取消或施工延误的高置信度风险关联规则,依据规则置信度对停电取消风险进行量化分级,其中,所述规则置信度大于或者等于预设第一阈值的强关联规则对应高施工风险,所述规则置信度处于预设第二阈值至所述预设第一阈值区间的强关联规则对应中施工风险,所述规则置信度低于所述预设第二阈值的强关联规则对应低施工风险;

50、所述检修停电计划规划模块包括:

51、风险匹配子模块,用于获取待评估的检修停电计划信息并提取各类前置影响因素,将所述各类前置因素与所述强关联规则进行逐条匹配校验;若当前停电计划中包含任一强关联规则的前件条件,则触发对应的规则后件判定逻辑,当匹配的规则后件与检修停电取消、施工延误高度相关时,判定当前停电计划合理性不足,并基于所匹配规则的规则置信度与所述预设第一阈值和/或所述预设第二阈值的数值关系判定当前停电计划的检修停电风险等级;若当前停电计划的前置影响因素未匹配到任意强关联规则的前件条件,则判定当前停电计划合理、风险可控,具备正常停电施工的执行条件;

52、检修停电计划规划子模块,用于基于风险匹配研判结果,规避高风险时段的检修停电安排,优选低风险时间窗口,实现检修停电风险判断与最优停电施工时间窗口推荐。

53、在又一方面,本技术还提供了一种电子设备,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现任一项所述的基于apriori算法的检修停电计划规划方法。

54、在又一方面,本技术还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现任一项所述的基于apriori算法的检修停电计划规划方法。

55、在又一方面,本技术还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各方面所述的基于apriori算法的检修停电计划规划方法。

56、本技术提供的基于apriori算法的检修停电计划规划方法及相关产品,通过基于历史检修停电数据中的各类检修停电计划取消影响因素构建事务数据集,遍历扫描事务数据集,统计全部单类影响因素项的出现频次,并基于各单类影响因素项的出现频次筛选出符合预设最小支持度阈值的单项频繁项,全部单项频繁项构成一阶频繁项集;此时基于一阶频繁项集执行自连接运算,生成由两类影响因素组合得到的二阶候选项集,通过再次遍历扫描事务数据集,统计各二阶候选项集的出现频次,并基于二阶候选项集的出现频次筛选出满足预设最小支持度阈值的二阶频繁项集;循环执行连接生成与剪枝筛选流程,通过低阶频繁项集持续生成更高阶候选项集,并对更高阶候选项集完成剪枝、频次统计与支持度校验,逐层提取对应高阶频繁项集,直至无法生成满足最小支持度条件的高阶频繁项集,汇总得到全部频繁项集;然后,根据全部频繁项集生成对应的候选关联规则,依据预设最小置信度阈值对候选关联规则进行筛选,保留强关联规则,最后将强关联规则应用于检修停电计划规划,实现检修停电风险判断与最优停电施工时间窗口推荐。通过将apriori算法应用于检修停电计划规划,能够在节省人力计算资源的情况下,为检修停电施工计划提供安排依据,实现检修停电风险判断与最优停电施工时间窗口推荐。