一种多区域电力企业可靠性的分类方法、装置及存储介质与流程

1.本发明涉及电网预停电技术领域，特别是涉及一种多区域电力企业可靠性的分类方法、装置及存储介质。


背景技术：

2.随着智能电网的不断发展、配电网智能化水平的不断提高，对电网运行状态的数据收集趋于成熟，加上配电网状态自身受地理、气候、社会经济基础等特异性因素的影响，对配电网供电可靠性管控水平进行客观、合理的评估，需要充分结合配电网所在区域的特性，依托实际收集的网架、设备等基础台账及运行状态数据进行差异化分析管控。
3.现阶段涉及配电网可靠性的研究，甚少关注整体配电网可靠性状态的分区特征，为数不多的分类研究主要着眼于配电网的物理特征、拓扑结构等。现有技术对配电网可靠性影响因素的多维度特征分类挖掘不足，分类逻辑缺乏数字驱动的客观特征，过分依赖专家主观经验，导致分类结果不准确。
4.因此需要对现有的多区域电力企业的配电网的分类方法进行改进，使分类方法能够更好的结合配电网的区域特征，进而使分类结果更加准确，方便对具有相同特征的配电网进行统筹。


技术实现要素：

5.本发明的目的是：提供一种多区域电力企业可靠性的分类方法、装置及存储介质，使分类方法能够更好的结合配电网的区域特征，进而使分类结果更加准确，方便对具有相同特征的配电网进行统筹。
6.为了实现上述目的，本发明提供了一种多区域电力企业可靠性的分类方法，包括：
7.获取多个区域的若干个电力企业配电网的电网规模的历史数据、网架结构的历史数据和预安排停电影响指标的历史数据；
8.将获取到的电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理；
9.根据多个区域的若干个电力企业的数量确定若干个电力企业的分类情况，并基于标准化的历史数据对分类情况中的每一种分类分别建立k均值聚类分类模型；
10.比较所有的k均值聚类分类模型的样本平均davies－bouldin系数，确定多个区域的若干个电力企业分类数量和分类结果。
11.进一步的，所述电网规模的历史数据包括：线路总长度、架空线路总长度、电缆线路总长度、中压公用馈线数和配变总数；所述网架结构的历史数据包括：单辐射线路数量比例、可转供电率、电缆化率、架空线平均分段数、配电自动化理论最小自愈率；所述预安排停电影响指标的历史数据包括：用户平均预安排停电时间、预安排停电平均持续时间、预安排停电平均用户数、预安排停电用户平均停电次数、预安排停电用户平均每次停电时间。
12.进一步的，所述将获取到的电网规模、网架结构和预安排停电影响指标的历史数
据进行标准化处理，具体为：
13.根据极差标准化公式对电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理，所述极差标准化公式为：
[0014][0015]
其中，xi为选定指标第i年的数据值，maxixi表示该指标若干年数据的最大值，minixi表示该指标若干年数据的最小值。
[0016]
进一步的，所述将获取到的电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理，具体为：
[0017]
根据0－1标准化公式对电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理，所述0－1标准化公式为：
[0018][0019]
其中，xi为选定指标第i年的数据值，为该指标若干年数据的平均值，σ
x
为该指标若干年数据的标准差。
[0020]
进一步的，所述根据多个区域的若干个电力企业的数量确定若干个电力企业的分类情况，具体为：
[0021]
将多个区域若干个电力企业的数量记为n个，将分类情况的数量记为ki；根据第一公式确定分类情况的数量；所述第一公式具体为：
[0022][0023]
其中，s为第一公式所能取到的最大正整数。
[0024]
进一步的，所述基于标准化的历史数据对分类情况中的每一种分类分别建立k均值聚类分类模型；具体为：
[0025]
将n个电力企业分成ki个初始类，计算每个初始类内部样本的中心点；
[0026]
第一步：将n个电力企业分成ki个初始类，计算每个初始类内部样本的中心点；
[0027]
第二步：计算每个电力企业到每个初始类中心点的欧氏距离；
[0028]
第三步：将每个电力企业到不同分类中心的欧氏距离进行排序，并将每个电力企业划分到欧氏距离最小的初始类，得到新的ki个分类；
[0029]
重复第一步、第二步和第三步，直到第m次计算得到的每个分类的中心点与第m 1次得到的每个分类的中心点重叠或者第m次计算得到的第k类的中心点与第m 1次得到的第k分类的中心点之间的欧氏距离小于预设的第一阈值。
[0030]
进一步的，所述比较所有的k均值聚类分类模型的样本平均davies－bouldin系数，确定多个区域的若干个电力企业分类数量和分类结果，具体为：
[0031]
根据样本平均davies－bouldin系数的公式确定每个k均值聚类分类模型的db系数大小，判断最小的db系数是否小于第二阈值，若最小的db系数小于第二阈值，则确定最小的db系数所对应的k均值聚类分类模型的分类数量和分类结果为个区域的若干个电力企业
分类数量和分类结果；所述样本平均davies－bouldin系数的公式具体为：
[0032][0033][0034]
其中，r
ij
表示类别i与类别j之间的相似度系数，si表示类别i中全体样本点到该类中心的平均欧氏距离，sj表示类别j中全体样本点到该类中心的平均欧氏距离，d
ij
表示类别i与类别j中心点之间的欧氏距离。
[0035]
本发明还公开了一种多区域电力企业可靠性的分类装置，包括：获取模块、第一处理模块、第二处理模块和第三处理模块。
[0036]
所述获取模块，用于获取多个区域的若干个电力企业配电网的电网规模的历史数据、网架结构的历史数据和预安排停电影响指标的历史数据；
[0037]
所述第一处理模块，用于将获取到的电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理；
[0038]
所述第二处理模块，用于根据多个区域的若干个电力企业的数量确定若干个电力企业的分类情况，并基于标准化的历史数据对分类情况中的每一种分类分别建立k均值聚类分类模型；
[0039]
所述第三处理模块，用于比较所有的k均值聚类分类模型的样本平均davies－bouldin系数，确定多个区域的若干个电力企业分类数量和分类结果。
[0040]
进一步的，所述电网规模的历史数据包括：线路总长度、架空线路总长度、电缆线路总长度、中压公用馈线数和配变总数；所述网架结构的历史数据包括：单辐射线路数量比例、可转供电率、电缆化率、架空线平均分段数、配电自动化理论最小自愈率；所述预安排停电影响指标的历史数据包括：用户平均预安排停电时间、预安排停电平均持续时间、预安排停电平均用户数、预安排停电用户平均停电次数、预安排停电用户平均每次停电时间。
[0041]
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述的多区域电力企业可靠性的分类方法。
[0042]
本发明实施例一种多区域电力企业可靠性的分类方法、装置及存储介质与现有技术相比，其有益效果在于：基于电网规模、网架结构及预安排停电影响相关指标的区域分类建立分类模型，能够定量地挖掘配电网预安排停电管控的区域特征，得到更为准确的分类结果，方便对具有相同特征的配电网进行统筹。同时为深入挖掘预安排停电影响的内生作用机制提供精细化、个性化的数据模型基础，进而有利于配电网预安排停电管理的智能化、数字化水平。
附图说明
[0043]
图1是本发明一种多区域电力企业可靠性的分类方法的流程示意图；
[0044]
图2是本发明一种多区域电力企业可靠性的分类装置的结构示意图。
具体实施方式
[0045]
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0046]
实施例1：
[0047]
如图1所示，本发明公开了一种多区域电力企业可靠性的分类方法，主要包括如下步骤：
[0048]
步骤s1，获取多个区域的若干个电力企业配电网的电网规模的历史数据、网架结构的历史数据和预安排停电影响指标的历史数据；
[0049]
步骤s2，将获取到的电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理；
[0050]
步骤s3，根据多个区域的若干个电力企业的数量确定若干个电力企业的分类情况，并基于标准化的历史数据对分类情况中的每一种分类分别建立k均值聚类分类模型；
[0051]
步骤s4，比较所有的k均值聚类分类模型的样本平均davies－bouldin系数，确定多个区域的若干个电力企业分类数量和分类结果。
[0052]
在本实施例中，基于电网规模、网架结构及预安排停电影响相关指标的区域分类建立分类模型，能够定量地挖掘配电网预安排停电管控的区域特征，使分类结果更加准确，同时为深入挖掘预安排停电影响的内生作用机制提供精细化、个性化的数据模型基础，进而有利于配电网预安排停电管理的智能化、数字化水平。
[0053]
在步骤s1中，获取多个区域的若干个电力企业配电网的电网规模的历史数据、网架结构的历史数据和预安排停电影响指标的历史数据。
[0054]
在本实施例中，所述电网规模的历史数据包括：线路总长度、架空线路总长度、电缆线路总长度、中压公用馈线数和配变总数；所述网架结构的历史数据包括：单辐射线路数量比例、可转供电率、电缆化率、架空线平均分段数、配电自动化理论最小自愈率；所述预安排停电影响指标的历史数据包括：用户平均预安排停电时间、预安排停电平均持续时间、预安排停电平均用户数、预安排停电用户平均停电次数、预安排停电用户平均每次停电时间。
[0055]
在本实施例中，本领域技术人员可以根据本发明所公开的分类方法，对收集的历史数据的种类进行调整。因此在本技术的基础上对收集的历史数据进行增减仍在本技术的保护范围之内。
[0056]
在步骤s2中，将获取到的电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理。
[0057]
在本实施例中，对历史数据的标准化处理有多种方式，本技术公开了两种标准化处理方法，实现对历史数据的标准化处理，统一了数据形式，方便后续的建模计算。
[0058]
在本实施例中，一种可选的将所述将获取到的电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理的方法，具体为：
[0059]
根据极差标准化公式对电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理，所述极差标准化公式为：
[0060]
[0061]
其中，xi为选定指标第i年的数据值，maxixi表示该指标若干年数据的最大值，minixi表示该指标若干年数据的最小值。
[0062]
在本实施例中，一种可选的将所述将获取到的电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理的方法，具体为：
[0063]
根据0－1标准化公式对电网规模、网架结构和预安排停电影响指标的历史数据进行标准化处理，所述0－1标准化公式为：
[0064][0065]
其中，xi为选定指标第i年的数据值，为该指标若干年数据的平均值，σ
x
为该指标若干年数据的标准差。
[0066]
在本实施例中，标准差的计算公式为：
[0067][0068]
在步骤s3中，根据多个区域的若干个电力企业的数量确定若干个电力企业的分类情况，并基于标准化的历史数据对分类情况中的每一种分类分别建立k均值聚类分类模型。
[0069]
在本实施例中，所述根据多个区域的若干个电力企业的数量确定若干个电力企业的分类情况，具体为：
[0070]
将多个区域若干个电力企业的数量记为n个，将分类情况的数量记为ki；根据第一公式确定分类情况的数量；所述第一公式具体为：
[0071][0072]
其中，s为第一公式所能取到的最大正整数。
[0073]
在本实施例中，所述第一公式根据实际业务场景确定。
[0074]
在本实施例中，对已经进行过标准化处理的待分类的来自不同区域的电力企业样本数据(历史数据)记为每个电力企业样本数据记为一个样本点。
[0075]
在本实施例中，[n]表示向下取整运算，取不大于n的最大整数，该阈值亦可结合历史数据量进行调整。
[0076]
在本实施例中，所述基于标准化的历史数据对分类情况中的每一种分类分别建立k均值聚类分类模型；具体为：
[0077]
第一步：将n个电力企业分成ki个初始类，计算每个初始类内部样本的中心点；
[0078]
第二步：计算每个电力企业到每个初始类中心点的欧氏距离；
[0079]
第三步：将每个电力企业到不同分类中心的欧氏距离进行排序，并将每个电力企业划分到欧氏距离最小的初始类，得到新的ki个分类；
[0080]
重复第一步、第二步和第三步，直到第m次计算得到的每个分类的中心点与第m 1次得到的每个分类的中心点重叠或者计算得到的欧氏距离小于预设的第一阈值。
[0081]
在本实施例中，第一步具体为：对于每个ki，将n个待分类的电力企业样本随机分成ki个初始类，计算每一初始类内部样本的中心点。所述中心的计算公式具体为：
[0082][0083]
其中，ni表示归属于第i类的样本点数量，y
1，j
，
…
，y
d，j
表示被选中的归属于第i类的第j个电力企业的d个自变量指标值(即为所选的电网规模、网架结构和预安排停电影响核心指标)。
[0084]
在本实施例中，第二步具体为：分别计算全体样本点(电力企业)到每个分类的中心点的欧氏距离；所述欧氏距离的计算公式如下：
[0085][0086]
上式中，表示第k个样本点的第l个自变量指标值。
[0087]
在本实施例中，第三步具体为：根据计算得到的欧氏距离，对于第k个样本点的ki个距离选取最小的距离所对应的类别，将该样本点归入各分类。
[0088]
重复第一步、第二步和第三步，直到第m次计算得到的每个分类的中心点与第m 1次得到的每个分类的中心点重叠或者第m次计算得到的第k类的中心点与第m 1次得到的第k分类的中心点之间的欧氏距离小于预设的第一阈值。
[0089]
此时分类结果不会再发生变化，可以确定分类为ki个初始类的最终分类结果。所述欧氏距离小于预设的第一阈值的判断公式如下：
[0090][0091]
其中，第一阈值d0为事先确定，取值越小算法收敛速度越慢。
[0092]
在本实施中给，每个k均值聚类分类模型求解后均可以得到一个分类结果，ki即为分类数量。因此还需要对多个k均值聚类分类模型的分类结果进行比较，确定最优的分类结果。
[0093]
在步骤s4中，比较所有的k均值聚类分类模型的样本平均davies－bouldin系数，确定多个区域的若干个电力企业分类数量和分类结果。
[0094]
在本实施例中，所述比较所有的k均值聚类分类模型的样本平均davies－bouldin系数，确定多个区域的若干个电力企业分类数量和分类结果，具体为：
[0095]
根据样本平均davies－bouldin系数的公式确定每个k均值聚类分类模型的db系数大小，判断最小的db系数是否小于第二阈值，若最小的db系数小于第二阈值，则确定最小的db系数所对应的k均值聚类分类模型的分类数量和分类结果为个区域的若干个电力企业分类数量和分类结果；所述样本平均davies－bouldin系数的公式具体为：
[0096]
[0097][0098]
其中，r
ij
表示类别i与类别j之间的相似度系数，si表示类别i中全体样本点到该类中心的平均欧氏距离，sj表示类别j中全体样本点到该类中心的平均欧氏距离，d
ij
表示类别i与类别j中心点之间的欧氏距离。
[0099]
当db系数小于第二阈值时，所得到的分类结果具备良好的分类效果，且db系数越小分类效果越好。
[0100]
本发明提供的一种基于k均值聚类算法的多区域电力企业可靠性的分类方法，可以从配电网的电网规模(包括线路总长度、架空线路总长度、电缆线路总长度、中压公用馈线数、配变总数)、网架水平的典型指标(以单辐射线路数量比例、可转供电率、电缆化率、架空线平均分段数、配电自动化理论最小自愈率等为标准)以及预安排停电影响指标(以用户平均预安排停电时间、预安排停电平均持续时间、预安排停电平均用户数、预安排停电用户平均停电次数、预安排停电用户平均每次停电时间等预安排停电影响指标为标准)的维度，有效精准地对不同区域配电网规模、网架基础、预安排停电影响特征进行挖掘，构建精准、客观的配电网可靠性分类模型，得到更为准确的分类结果，可以支撑对预安排停电实现差异化、精细化管控，避免平均化模型无法凸显区域特点的指导性不足问题。
[0101]
实施例2：
[0102]
参照图2，本发明还公开了一种多区域电力企业可靠性的分类装置，包括：获取模块101、第一处理模块102、第二处理模块103和第三处理模块104；
[0103]
所述获取模块101，用于获取多个区域的若干个电力企业配电网的电网规模、网架结构和预安排停电影响指标的历史数据；
[0104]
所述第一处理模块102，获取多个区域的若干个电力企业配电网的电网规模的历史数据、网架结构的历史数据和预安排停电影响指标的历史数据；
[0105]
所述第二处理模块103，用于根据多个区域的若干个电力企业的数量确定若干个电力企业的分类情况，并基于标准化的历史数据对分类情况中的每一种分类分别建立k均值聚类分类模型；
[0106]
所述第三处理模块104，用于比较所有的k均值聚类分类模型的样本平均davies－bouldin系数，确定多个区域的若干个电力企业分类数量和分类结果。
[0107]
在本实施例中，所述电网规模的历史数据包括：线路总长度、架空线路总长度、电缆线路总长度、中压公用馈线数和配变总数；所述网架结构的历史数据包括：单辐射线路数量比例、可转供电率、电缆化率、架空线平均分段数、配电自动化理论最小自愈率；所述预安排停电影响指标的历史数据包括：用户平均预安排停电时间、预安排停电平均持续时间、预安排停电平均用户数、预安排停电用户平均停电次数、预安排停电用户平均每次停电时间。
[0108]
实施例2的分析装置是在实施例1的基础上进行撰写的，实施例2从装置的角度对实施例1的分析方法进行说明。实施例1的技术特征都可以用于实施2中的分析装置，因此不再实施例2中赘述这些技术特征。
[0109]
实施例3：
[0110]
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质包括存储的
计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行实施例1的多区域电力企业可靠性的分类方法。
[0111]
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read－onlymemory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。
[0112]
综上，本发明实施例提供一种多区域电力企业可靠性的分类方法、装置及存储介质，有益效果：基于电网规模、网架结构及预安排停电影响相关指标的区域分类建立分类模型，能够定量地挖掘配电网预安排停电管控的区域特征，得到更为准确的分类结果，方便对具有相同特征的配电网进行统筹。同时为深入挖掘预安排停电影响的内生作用机制提供精细化、个性化的数据模型基础，进而有利于配电网预安排停电管理的智能化、数字化水平。
[0113]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。