买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：比聆数据科技(湖北)有限公司

摘要：本发明公开了一种大数据电力抢修热点预测系统，涉及电力维护技术领域，包括电力监控模块、电力分析模块、故障信息获取模块、数据整理储存模块、环境信息模块、因果判断模块、预测模型构建模块；所述电力监控模块用于获取目标区域的用电数据；所述电力分析模块，用于根据用电数据分析出目标区域的实际高峰用电时段、平峰用电时段、低谷用电时段；该大数据电力抢修热点预测系统，通过设置电力监控模块、电力分析模块、故障信息获取模块、数据整理储存模块、环境信息模块、因果判断模块，可筛选出对电力故障预测结果影响关联较大故障环境因子，有针对的选取环境因子构建预测模型，使得预测的结果更加准确。

主权项：1.一种大数据电力抢修热点预测系统，其特征在于：包括电力监控模块、电力分析模块、故障信息获取模块、数据整理储存模块、环境信息模块、因果判断模块、预测模型构建模块；所述电力监控模块用于获取目标区域的用电数据；所述电力分析模块，用于根据用电数据分析出目标区域的实际高峰用电时段、平峰用电时段、低谷用电时段；所述故障信息获取模块用于获取目标区域的电力故障信息；所述数据整理储存模块，用于将故障按发生的时间划分到对应的用电时段中，并将数据储存；所述环境信息模块用于获取目标区域的环境信息，并对获取的环境信息进行预处理；所述因果判断模块，用于分析各环境信息与故障发生的关联性，设置判断阈值，得到目标区域关联性大于判断阈值的环境信息，并记为故障因子；所述预测模型构建模块，用于利用目标区域每个时段的故障因子信息，和对应的用电数据、电力故障信息作为样本，训练得到目标区域的各时段的故障预测模型；所述因果判断模块通过第一判断和第二判断得到故障因子，所述第一判断包括以下步骤：a1、分别获取高峰用电时段、平峰用电时段和低谷用电时段的故障信息；a2、对于每类用电时段，使用用电量、环境信息和故障次数进行训练得到的第一故障预测模型，所述环境信息包括多种不同的环境因子信息；a3、使用第一故障预测模型预测对应用电时段，T小时内的故障次数，计算预测的故障次数与实际的故障次数的方差，得到第一方差，T为正整数；a4、依次筛除各用电时段的用电量和环境因子信息，分别进行训练，得到对应的第二故障预测模型；a5、利用得到的各第二故障预测模型，分别预测对应用电时段，T小时内的故障次数，计算预测的故障次数与实际的故障次数的方差，分别得到对应的第二方差；a6、将第一方差分别与各第二方差进行比较，若第一方差小于第二方差，则判断训练得到该第二方差对应的第二预测模型时筛除的信息为该用电时段的故障因子，记为第一故障因子；所述第二判断包括以下步骤：b1、分别获取高峰用电时段、平峰用电时段和低谷用电时段的故障信息，根据故障原因对故障进行分类；b2、获取每一类故障原因发生的时间，分别获取该时间对应的用电量和环境因子信息；b3、对于每一类故障原因，分别制出关于用电量与故障次数，各环境因子与故障次数的散点图；b4、绘制出每个散点图的拟合曲线，计算拟合曲线的各处切线斜率，设置斜率阈值，切线斜率绝对值大于斜率阈值，则判断绝对值大于斜率阈值的切线斜率对应的用电量或环境因子，为对应故障原因的故障因子，记为第二故障因子；所述预测模型构建模块构建的故障预测模型包括第一故障预测模型和第二故障预测模型；所述第一故障预测模型有多个分别用于预测各用电时段的故障次数；第一故障预测模型，选用神经网络模型，使用第一故障因子和故障次数作为训练样本进行训练，通过利用高峰用电时段平峰用电时段低谷用电时段的样本训练好的第一故障预测模型，对高峰用电时段的总故障次数进行预测；通过利用平峰用电时段的样本训练好的第一故障预测模型，对平峰用电时段的总故障次数进行预测；通过利用低谷用电时段的样本训练好的第一故障预测模型，对低谷用电时段的总故障次数进行预测；所述第二故障预测模型有多个分别用于预测各用电时段的各故障原因的次数；第二故障预测模型，选用神经网络模型，使用第二故障因子和故障次数作为训练样本进行训练；对于高峰用电时段，过载故障的情况对应的第二故障预测模型，对高峰用电时段的过载故障次数进行预测。

全文数据：

权利要求：

百度查询： 比聆数据科技(湖北)有限公司 大数据电力抢修热点预测系统