(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111505058.8 (22)申请日 2021.12.10 (71)申请人 国网浙江省电力有限公司温州供电 公司 地址 325000 浙江省温州市锦绣路电力大 厦 申请人 国网浙江省电力有限公司 　 国家电网有限公司 (72)发明人 钱碧甫　尤育敢　夏仁义　张磊　 雷欢　李矗　徐亚乐　吴宝兴　 许璞轩　王佳兴　陈颖　陈立　 易永利　潘茜茜　李娜　陆锋　 (74)专利代理 机构 杭州华鼎知识产权代理事务 所(普通合伙) 33217 代理人 戚海东(51)Int.Cl. G06F 30/20(2020.01) G06F 113/04(2020.01) G06F 119/02(2020.01) (54)发明名称 基于大数据分析的变电检修效能优化方法 (57)摘要 本发明公开了基于大数据分析的变电检修 效能优化方法， 包括以下步骤： 进行数据采集和 数据预处理； 利用评价表， 对处理后的数据进行 转换并评价； 利用C4.5算法对评价后的多源数据 进行分析得到决策树； 根据决策树得到的规律， 进行检修效能优化。 本发明可以根据得到的规 律， 针对性地进行检修人员能力提升、 票务及仓 储系统的研制等， 强化检修关键要素， 强化变电 检修工作工艺质量和流程规范。 为日常检修业务 提供重要参考依据和辅助决策支持， 提高设备可 靠性， 保障电网的安全稳定运行。 权利要求书2页 说明书10页 附图1页 CN 114398757 A 2022.04.26 CN 114398757 A 1.基于大 数据分析的变电检修效能优化方法， 其特 征在于， 包括以下步骤： 进行数据采集和数据预处 理； 利用评价表， 对处 理后的数据进行转换并评价； 利用C4.5算法对评价后的多源数据进行分析 得到决策树； 根据决策树得到的规 律， 进行检修效能优化。 2.根据权利要求1所述的基于大数据分析的变电检修效能优化方法， 其特征在于， 所述 数据采集， 包括： 从缺陷管理平台、 P MS系统及工区检修管 理系统中进 行数据采集， 采集的数 据包括工作票、 缺陷统计表以及检修人员信息， 并从采集的工作票、 陷统计表以及检修人员 信息中提取关键数据。 3.根据权利要求1所述的基于大数据分析的变电检修效能优化方法， 其特征在于， 所述 数据预处理包括： 将数据中出现的噪声数据、 不完整数据样本丢弃， 列出清理后的数据， 从 清理后的数据中划分出训练样本集和测试样本集， 其中训练样本集中的样本数与测试样本 集的样本数比率 为2:1。 4.根据权利要求2所述的基于大数据分析的变电检修效能优化方法， 其特征在于， 所述 对处理后的数据进行转换并评价， 包括缺陷状态评价、 主设备状态评价、 变电站状态评价、 人员能力素养 评价、 两票执 行能力评价以及检修物资支撑状态评价。 5.根据权利要求4所述的基于大数据分析的变电检修效能优化方法， 其特征在于， 所述 主设备状态评价， 包括： 通过变电站台账 管理系统和PMS系统数据， 将主设备状态量进行分为五类： (1)固有型状态量K1： 取自装置 本体的选型、 电压等级、 厂家类型、 运行环境和投产时长； (2)稳定型状态量K2： 为同类设备、 同型号设备的整体可靠性， 家族性缺陷率及影响等 级； (3)风险型状态量K3： 根据设备最近一次定检周期试验结果和历史故障率得到； (4)提升型状态量K4： 设备维护、 改造、 反措、 升级后 是否能提升或恢复至一个较优的性 能水平； 主设备的状态评价根据 上面四类状态量进行打分， 用层次分析法赋予不同的权重相加 后得到最终得分P S， 体的计算公式如下 所示： PS＝(K1λ1+K2λ2+K3λ3)×K4 其中: λ1、 λ2、 λ3、 λ4为加权因子 。 6.根据权利要求4所述的基于大数据分析的变电检修效能优化方法， 其特征在于， 所述 变电站状态评价， 包括： 通过变电站台账信息管理平台采集辖区内全部变电站数据， 对核心影响因子， 包括变 电站类型、 投产日期、 定检周期、 电压等级及综自系统型， 进 行抽取， 赋予不同的权重后得到 变电站状态评估最终得分TS， 模型如下 所示： 其中aj是参数项的权重因子， ak是参数项子项的权重因子， 通过层次分析法确定， n为状 态参数评价项数， l 为评价子项的数目， Pk为状态项得分。权　利　要　求　书 1/2 页 2 CN 114398757 A 27.根据权利要求1所述的基于大数据分析的变电检修效能优化方法， 其特征在于， 所述 利用C4.5算法对评价后的多源数据进行分析 得到决策树， 包括： 计算类别属性的信息熵， 然后计算非类别属性的预期信息熵， 并通过信息增益和分割 信息获得信息增益率， 具有最大信息增 益率的属 性用作决策树的节点来构造决策树； 对于 类型属性D， 根据其取值将T分成集合T1、 T2、 …、 Tn， 当每个集合中的所有记录产生相同的结 果时， Info(D， T)为0， 此时增益Gai n(D， T)取最大值； 所以用增益比来 替代， 即： 由于T是基于类型属性D的值为基准进行的分割， 因此SplitInfo(D， T)是信息量， GainRatio函数用于计算和比较以构造相应的决策树， 每个节点是属性中具有最大增益率 的属性。权　利　要　求　书 2/2 页 3 CN 114398757 A 3