一种基于大模型的停电事件评估方法与流程
本发明属于电力系统故障评估,尤其涉及一种基于大模型的停电事件评估方法。
背景技术:
1、电力供应的稳定性直接关系社会生产与居民生活,对停电事件的科学评估是供电企业开展应急抢修、资源调配与用户安抚的核心决策依据。
2、现有技术中,停电事件的评估多依赖单一维度指标,如停电时长、停电范围或用户报修工单数量。部分方案采用电网拓扑分析,通过静态电气连接关系判断故障影响区域,或基于历史故障统计数据评估设备风险等级。在用户影响评估方面,已有方法主要依据报修电话量或投诉工单数进行粗略分级。然而,这些方法多为独立分析,缺乏多维度信息的系统性融合与动态量化评估能力。
3、具体而言,在电网拓扑分析层面,现有方法未能基于实时故障节点的皮尔逊相关系数与空间位置进行动态关联分群,缺乏对故障节点组的精准识别;影响范围评估仅依赖静态电气连接,缺少基于故障节点下游设备数量的精细化影响量化;在故障传播维度,未引入相邻节点实际传播耗时与相关性的加权融合机制,无法量化停电事件的动态扩散影响;用户影响评估仅停留于工单数量统计,未能利用大语言模型对用户反馈文本进行语义解析以提取情绪特征;同时,评估过程未纳入停电事件处理状态对紧迫性的动态修正,导致评估结果与实际情况存在偏差。
技术实现思路
1、针对现有技术的不足,本发明提供了一种基于大模型的停电事件评估方法,解决了上述问题。
2、为实现以上目的,本发明通过以下技术方案予以实现:一种基于大模型的停电事件评估方法,该方法具体包括:
3、构建目标区域内的供电电网拓扑关系图,捕捉目标区域内停电事件,并将停电事件的发生地点映射到供电电网拓扑关系图中对应的供电设备节点,并将该节点标记为供电故障节点;
4、采集供电电网拓扑关系图中相邻供电设备节点之间的皮尔逊相关系数和供电故障节点位置数据,根据相邻供电设备节点之间的皮尔逊相关系数和供电故障节点位置数据,确定供电故障节点组;
5、采集供电故障节点组中每个供电故障节点的下游节点数量,根据供电故障节点组中每个供电故障节点的下游节点数量,确定供电故障节点影响范围指数;
6、基于供电故障节点组,采集相邻供电故障节点之间的实际传播耗时,根据相邻供电故障节点之间的实际传播耗时和相邻供电设备节点之间的皮尔逊相关系数,确定停电事件扩散影响指数;
7、基于大语言模型llm,采集停电事件的用户反馈信息、已持续时长和计划持续时长,确定用户情绪综合影响指数;
8、采集停电事件影响对象的特征标签,根据停电事件影响对象的特征标签、用户情绪综合影响指数、停电事件扩散影响指数和供电故障节点影响范围指数,确定停电事件初步评估值;
9、采集停电事件处理状态信息,根据停电事件处理状态信息和停电事件初步评估值,确定停电事件最终评估值;
10、根据停电事件最终评估值,对停电事件进行评估。
11、在上述技术方案的基础上,本发明还提供以下可选技术方案:
12、进一步的技术方案:所述确定供电故障节点组,具体包括:
13、预设皮尔逊相关系数阈值,当相邻供电设备节点之间的皮尔逊相关系数高于皮尔逊相关系数阈值时,相邻的两个供电设备节点标记为供电故障节点对,并将含有相同供电设备节点的供电故障节点对进行融合,生成供电故障节点组。
14、进一步的技术方案:所述确定供电故障节点影响范围指数,采用公式表示为:;
15、上式中,指的是供电故障节点影响范围指数,指的是供电故障节点组中单个供电故障节点的下游节点数量,指的是预设的数量阈值,指的是曲线陡峭度控制系数。
16、进一步的技术方案:所述采集相邻供电故障节点之间的实际传播耗时,其采集方式具体为:
17、获取供电故障节点组中每个供电故障节点对应停电事件的发生时间点;
18、将相邻供电故障节点对应停电事件之间的发生时间点进行差值处理,得到停电事件发生时间差;
19、预设时间差阈值,若停电事件发生时间差小于时间差阈值,则实际传播耗时视为不存在,不进行实际传播耗时的数量统计;若停电事件发生时间差不小于时间差阈值,则停电事件发生时间差被标记为实际传播耗时。
20、进一步的技术方案:所述确定停电事件扩散影响指数,采用公式表示为:;
21、上式中,指的是停电事件扩散影响指数,指的是供电故障节点组中相邻供电故障节点之间的实际传播耗时均值,指的是供电故障节点组中最晚停电事件的已发生时长。
22、进一步的技术方案:所述供电故障节点组中相邻供电故障节点之间的实际传播耗时均值,其获取方式采用公式表示为:;
23、上式中,指的是第q个相邻供电故障节点之间的实际传播耗时,指的是第q个相邻供电故障节点之间的皮尔逊相关性系数,m指的是实际传播耗时数量。
24、进一步的技术方案:所述确定用户情绪综合影响指数,采用公式表示为:;
25、上式中,指的是用户情绪综合影响指数,指的是根据用户反馈信息解析得到的反馈信息标志值,指的是停电事件已持续时长,指的是停电事件计划时长,指的是时长阈值;
26、其中,根据用户反馈信息解析得到的反馈信息标志值,其解析方式具体为:
27、基于大语言模型llm,对用户反馈信息进行语义解析,输出用户反馈信息特征标签集合;
28、基于映射函数,将用户反馈信息特征标签集合中的特征标签映射为若干标志值,并将所有标志值进行均值处理,得到反馈信息标志值。
29、进一步的技术方案:所述确定停电事件初步评估值,采用公式表示为:;
30、上式中,指的是停电事件初步评估值,指的是根据停电事件影响对象的特征标签映射得到的特征标签标志值,指的是用户情绪综合影响指数,指的是供电故障节点影响范围指数,指的是停电事件扩散影响指数,均为权重系数,且。
31、进一步的技术方案:所述确定停电事件最终评估值,具体包括:
32、根据停电事件处理状态信息,确定处理状态修正系数;
33、根据处理状态修正系数和停电事件初步评估值,确定停电事件最终评估值;
34、其中,根据处理状态修正系数和停电事件初步评估值,确定停电事件最终评估值,采用公式表示为:;
35、上式中,指的是停电事件最终评估值,指的是停电事件初步评估值,指的是处理状态修正系数。
36、进一步的技术方案:所述确定处理状态修正系数,具体包括:
37、根据停电事件处理状态信息,判断停电事件的当前处理状态;当前处理状态包括正在处理和等待处理;
38、若当前处理状态为正在处理,则处理状态修正系数取值为0;
39、若当前处理状态为等待处理,则将其等待时长与停电事件响应最迟时长进行差值处理,得到等待时长差,并通过映射函数将等待时长差映射为一个取值范围为0-1的数值,从而得到处理状态修正系数;其中,等待时长差越大,处理状态修正系数越接近1。
40、本发明提供了一种基于大模型的停电事件评估方法,与现有技术相比具备以下有益效果:
41、本发明通过整合电网拓扑结构特征、故障传播时序特性及用户反馈情感信息,构建多源信息协同处理机制,实现故障节点组的动态识别、影响范围的精细化量化、扩散影响的动态刻画以及用户情绪的深度解析,并引入处理状态修正机制,能够实现电网运行状态、故障传播动态与用户情感反馈等多源信息的系统性融合,提升了故障节点组识别精度,实现了影响范围的精细化量化,准确刻画了停电事件动态扩散影响程度,深度解析用户情绪特征,并动态纳入处理状态修正机制,进而提高了停电事件综合评估的全面性和准确度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com