亚洲一区人妻,久久三级免费,国模少妇无码一区二区三区,日韩av动漫

國(guó)內(nèi)或國(guó)外 期刊或論文

您當(dāng)前的位置:發(fā)表學(xué)術(shù)論文網(wǎng)文史論文》 基于機(jī)器學(xué)習(xí)的調(diào)度操作行為挖掘與推薦技術(shù)研究及應(yīng)用> 正文

基于機(jī)器學(xué)習(xí)的調(diào)度操作行為挖掘與推薦技術(shù)研究及應(yīng)用

所屬分類:文史論文 閱讀次 時(shí)間:2021-12-20 11:06

本文摘要:摘要:受互聯(lián)網(wǎng)用戶推薦技術(shù)的啟發(fā),基于調(diào)度系統(tǒng)中運(yùn)行人員的歷史操作記錄,結(jié)合數(shù)據(jù)分析與機(jī)器學(xué)習(xí)算法提出了一種有效的調(diào)度員操作行為模式挖掘與推薦技術(shù)。首先,該技術(shù)采集記錄調(diào)度員日常操作數(shù)據(jù),并通過頁面類型劃分、會(huì)話識(shí)別、事務(wù)識(shí)別等過程實(shí)現(xiàn)數(shù)據(jù)預(yù)處理。

  摘要:受互聯(lián)網(wǎng)用戶推薦技術(shù)的啟發(fā),基于調(diào)度系統(tǒng)中運(yùn)行人員的歷史操作記錄,結(jié)合數(shù)據(jù)分析與機(jī)器學(xué)習(xí)算法提出了一種有效的調(diào)度員操作行為模式挖掘與推薦技術(shù)。首先,該技術(shù)采集記錄調(diào)度員日常操作數(shù)據(jù),并通過頁面類型劃分、會(huì)話識(shí)別、事務(wù)識(shí)別等過程實(shí)現(xiàn)數(shù)據(jù)預(yù)處理。然后,利用模式分析和聚類分析完成調(diào)度員行為模式挖掘,并結(jié)合關(guān)聯(lián)規(guī)則將模式數(shù)據(jù)壓縮至頻繁模式樹(FP-tree)。最后,利用基于模式樹結(jié)構(gòu)的實(shí)時(shí)推薦系統(tǒng)為調(diào)度員提供操作推薦服務(wù)。通過在實(shí)際調(diào)度系統(tǒng)上進(jìn)行應(yīng)用和驗(yàn)證,結(jié)果表明所提技術(shù)能有效識(shí)別出調(diào)度員的操作行為模式并為調(diào)度員提供較為精準(zhǔn)的操作推薦,進(jìn)而提高調(diào)度員與調(diào)度系統(tǒng)的交互效率,減少調(diào)度員的工作量。

  關(guān)鍵詞:電網(wǎng)調(diào)度;行為模式;操作日志;聚類挖掘;操作推薦

機(jī)器學(xué)習(xí)

  0引言

  調(diào)度系統(tǒng)作為現(xiàn)代電網(wǎng)平穩(wěn)運(yùn)行的基石,涵蓋了輸、配電等調(diào)度業(yè)務(wù)和對(duì)電網(wǎng)整體運(yùn)行狀態(tài)的監(jiān)測(cè)、控制、管理等任務(wù)。而調(diào)度員作為調(diào)度系統(tǒng)的核心要素,通過調(diào)度系統(tǒng)來監(jiān)控電網(wǎng)運(yùn)行狀況,分析電網(wǎng)故障信息,保障電網(wǎng)的安全與穩(wěn)定。

  但隨著電網(wǎng)規(guī)模的不斷擴(kuò)大,調(diào)度系統(tǒng)的迭代升級(jí),操作程序的日趨復(fù)雜,調(diào)度員的工作量和工作負(fù)擔(dān)也逐漸加重,尤其是調(diào)度員在調(diào)控系統(tǒng)上進(jìn)行斷面監(jiān)視、負(fù)荷控制、方式調(diào)整及故障分析等工作時(shí),往往需要花費(fèi)大量精力在多個(gè)系統(tǒng)頁面之間進(jìn)行反復(fù)跳轉(zhuǎn)、查找,以獲取某個(gè)業(yè)務(wù)場(chǎng)景所需要指標(biāo),或在特定頁面上實(shí)施重復(fù)繁瑣的操作流程,嚴(yán)重影響了調(diào)度員的工作效率[1-4]。為此,如何優(yōu)化調(diào)度員的操作流程、簡(jiǎn)化調(diào)度員操作任務(wù),對(duì)于減少調(diào)度員工作負(fù)擔(dān)、提高調(diào)度工作效率具有重要意義,值得深入研究[5]。

  隨著大數(shù)據(jù)的普及和發(fā)展,近年來基于用戶日志的數(shù)據(jù)挖掘和推薦技術(shù)日趨成熟,并在許多領(lǐng)域取得了成功應(yīng)用。文獻(xiàn)[6-7]通過分析用戶在網(wǎng)站上的瀏覽路徑,對(duì)網(wǎng)站的頁面結(jié)構(gòu)進(jìn)行優(yōu)化,方便用戶快速到達(dá)他們感興趣的頁面。文獻(xiàn)[8-9]通過對(duì)用戶的瀏覽記錄進(jìn)行聚類分類,實(shí)現(xiàn)對(duì)不同類型用戶推薦不同內(nèi)容的功能。

  文獻(xiàn)[10]根據(jù)期刊的推薦業(yè)務(wù)需求,設(shè)計(jì)了數(shù)字期刊推薦系統(tǒng)的框架,實(shí)現(xiàn)期刊內(nèi)容資源與用戶需求的有效匹配。在電網(wǎng)調(diào)度領(lǐng)域,目前鮮有對(duì)調(diào)度操作行為模式挖掘和推薦的技術(shù)研究,更多的是基于調(diào)度規(guī)程和人工經(jīng)驗(yàn)的操作輔助決策。文獻(xiàn)[11]指出了當(dāng)前電網(wǎng)調(diào)度的一些業(yè)務(wù)模式及相應(yīng)規(guī)范準(zhǔn)則,但不涉及調(diào)度員操作模式挖掘及效率提升。文獻(xiàn)[12]采用自然語言處理技術(shù)對(duì)線路跳閘的處理規(guī)程進(jìn)行知識(shí)抽取,形成流程化的知識(shí),用于協(xié)助調(diào)控人員完成故障處理。

  文獻(xiàn)[13-14]提出通過構(gòu)建調(diào)控領(lǐng)域的知識(shí)圖譜,支撐調(diào)度員在故障處置、倒閘操作、對(duì)話問答等業(yè)務(wù)場(chǎng)景的輔助決策,有效地降低人工處置風(fēng)險(xiǎn)。因此,受互聯(lián)網(wǎng)用戶個(gè)性化推薦思路的啟發(fā),本文基于調(diào)度員的歷史操作行為數(shù)據(jù),采用機(jī)器學(xué)習(xí)技術(shù)與數(shù)據(jù)挖掘算法對(duì)調(diào)度員操作行為模式挖掘進(jìn)行了深入研究,并在此基礎(chǔ)上實(shí)現(xiàn)了基于操作模式挖掘結(jié)果的調(diào)度智能推薦,有效簡(jiǎn)化調(diào)度員的操作步驟,節(jié)省了操作時(shí)間,提升了工作效率。1整體框架基于機(jī)器學(xué)習(xí)的調(diào)度操作行為模式挖掘與操作推薦總體框架,主要包括:數(shù)據(jù)采集、模式挖掘、實(shí)時(shí)推薦、交互界面4個(gè)模塊。

  1)數(shù)據(jù)采集模塊對(duì)不同用戶在系統(tǒng)界面中的操作動(dòng)作進(jìn)行記錄和管理。該模塊以內(nèi)部埋點(diǎn)的方式跟蹤調(diào)度員的操作動(dòng)作,并生成相應(yīng)結(jié)構(gòu)化操作日志。操作日志通過預(yù)設(shè)標(biāo)簽標(biāo)識(shí)用戶名、操作時(shí)間、圖形名稱、操作內(nèi)容等信息。2)模式挖掘模塊負(fù)責(zé)對(duì)歷史操作記錄中的調(diào)度員瀏覽和操作模式進(jìn)行挖掘。

  其中,數(shù)據(jù)預(yù)處理用以將原始的調(diào)度員操作記錄處理成后續(xù)模型需要的用戶會(huì)話;聚類挖掘?qū)τ脩魰?huì)話進(jìn)行挖掘分析獲得相應(yīng)的操作行為模式;關(guān)聯(lián)規(guī)則模塊以聚類分析出的模式為基礎(chǔ),構(gòu)造該模式FP-tree并挖掘出頻繁模式項(xiàng)作為后續(xù)推薦數(shù)據(jù)源。

  3)實(shí)時(shí)推薦模塊通過實(shí)時(shí)跟蹤用戶頁面操作序列,在線匹配識(shí)別用戶所處操作行為模式,完成對(duì)后續(xù)操作的關(guān)聯(lián)推薦、統(tǒng)計(jì)推薦等智能操作推薦服務(wù)。4)交互界面負(fù)責(zé)操作推薦結(jié)果的實(shí)時(shí)展示與操作交互。提供即時(shí)推薦、熱點(diǎn)排行、定時(shí)任務(wù)等多種操作推薦方式,并可通過快捷操作的交互方式實(shí)現(xiàn)對(duì)推薦內(nèi)容的一鍵操作。

  2關(guān)鍵技術(shù)

  行為模式挖掘與操作實(shí)時(shí)推薦是整個(gè)技術(shù)框架的核心內(nèi)容,下面將介紹其涉及的關(guān)鍵技術(shù)。

  2.1數(shù)據(jù)預(yù)處理

  2.1.1頁面類型劃分

  在電網(wǎng)調(diào)度系統(tǒng)中,有的類型頁面可以展示不同場(chǎng)站、設(shè)備的內(nèi)容。例如所有的“XX變電站.fac”表示的是各具體廠站圖,而它們都是廠站類型的頁面。在操作模式挖掘中需將這樣的頁面進(jìn)行歸一化處理,避免將具體場(chǎng)站、設(shè)備信息混雜在操作模式中,影響后續(xù)模式聚類效果。通常系統(tǒng)頁面可分為應(yīng)用系統(tǒng)圖、廠站圖、曲線圖等不同類型。頁面類型劃分時(shí),對(duì)于邏輯上具有唯一性的應(yīng)用系統(tǒng)圖,采用不同頁面編號(hào)來劃分定義;而對(duì)于具有不同頁面實(shí)例的廠站圖(如XX變電站廠站圖)、曲線圖(如XX設(shè)備有功今日曲線)等頁面類型,按照其所屬頁面類型定義為相同的頁面編號(hào)。

  2.1.2會(huì)話識(shí)別

  調(diào)度員的操作行為記錄是時(shí)間上連續(xù)的一串頁面瀏覽序列,所謂會(huì)話就是按照不同調(diào)度業(yè)務(wù)從整串頁面瀏覽序列中截取出的子序列,調(diào)度員通過瀏覽子序列中的頁面完成某個(gè)任務(wù)。會(huì)話中的單個(gè)頁面及其停留時(shí)長(zhǎng)構(gòu)成相應(yīng)的一個(gè)頁面實(shí)例。

  本文采用時(shí)間窗口法進(jìn)行會(huì)話識(shí)別[15]。時(shí)間窗口法認(rèn)為兩個(gè)連續(xù)頁面之間的時(shí)間間隔大于某個(gè)閾值時(shí),原會(huì)話截止,新的會(huì)話產(chǎn)生。在調(diào)度系統(tǒng)上,調(diào)度員連續(xù)操作頁面進(jìn)行跳轉(zhuǎn)時(shí),若某一頁面與其下一頁面的間隔時(shí)間大于設(shè)定閾值,則認(rèn)為該頁面與其下一頁面分屬不同的會(huì)話,通常會(huì)話識(shí)別默認(rèn)閾值為300s[16]。在電網(wǎng)調(diào)度系統(tǒng)中,調(diào)控人員為了監(jiān)視某些指標(biāo),經(jīng)常在一些頁面長(zhǎng)時(shí)間停留,遠(yuǎn)超過300s,會(huì)話并未就此斷開。針對(duì)該特點(diǎn),本文提出對(duì)于不同頁面通過分析其頁面實(shí)例停留時(shí)長(zhǎng)的分布區(qū)間給出不同的會(huì)話識(shí)別閾值。具體地,定義頁面實(shí)例停留時(shí)長(zhǎng)的中位數(shù)為頁面參考時(shí)長(zhǎng),當(dāng)頁面的參考時(shí)長(zhǎng)超過300s時(shí),則其會(huì)話識(shí)別閾值調(diào)整為默認(rèn)閥值的兩倍,即600s。

  2.1.3事務(wù)識(shí)別

  在頁面瀏覽序列中,根據(jù)用戶瀏覽性質(zhì)可將頁面分為事務(wù)頁和導(dǎo)航頁。事務(wù)頁是具有訪問目的的、調(diào)控人員感興趣的頁面,如:電網(wǎng)負(fù)荷監(jiān)視頁,而導(dǎo)航頁是調(diào)控人員在瀏覽過程中跳轉(zhuǎn)性質(zhì)的頁面,如:廠站目錄頁。所謂事務(wù)識(shí)別就是區(qū)分出頁面瀏覽序列中的事務(wù)頁。

  頁面實(shí)例的停留時(shí)長(zhǎng)超過設(shè)定閾值時(shí),該頁面實(shí)例是事務(wù)頁;反之該頁面實(shí)例是導(dǎo)航頁[17]。其中,閾值的設(shè)定通過分析典型事務(wù)頁和導(dǎo)航頁的頁面停留時(shí)長(zhǎng)分布狀況給出。其設(shè)定過程同會(huì)話識(shí)別類似,根據(jù)二八原則,定義80%頁面實(shí)例不超過的停留時(shí)長(zhǎng)為事務(wù)參考值。

  2.2聚類挖掘

  經(jīng)過上文數(shù)據(jù)預(yù)處理后,調(diào)度員的操作日志被分段逐條整理成經(jīng)過編號(hào)的瀏覽序列,然后通過聚類算法將相似的瀏覽序列劃分為一類,從而識(shí)別出調(diào)度員的瀏覽行為模式。本文采用近鄰傳播(AP)聚類算法進(jìn)行模式挖掘[18]。該算法無需預(yù)先指定聚類的簇?cái)?shù),輸入?yún)?shù)為兩兩會(huì)話之間的相似度,以解決多個(gè)會(huì)話向量維度無法統(tǒng)一的問題。

  2.3關(guān)聯(lián)規(guī)則

  實(shí)時(shí)推薦時(shí)需要對(duì)用戶操作序列和挖掘出的行為模式在線逐個(gè)匹配并計(jì)算置信度,因此,選取一種合適的數(shù)據(jù)結(jié)構(gòu)緩存行為模式的相關(guān)信息對(duì)于提升匹配和推薦效率至關(guān)重要。

  本文采用頻繁模式增長(zhǎng)(FP-Growth)算法來建立FP-tree數(shù)據(jù)緩存結(jié)構(gòu)并挖掘關(guān)聯(lián)規(guī)則[22]。FP-Growth算法通過對(duì)源數(shù)據(jù)進(jìn)行兩次掃描,將數(shù)據(jù)信息存儲(chǔ)到FP-tree中,從而避免了產(chǎn)生候選項(xiàng)集的步驟,減少了數(shù)據(jù)匹配開銷。該算法由構(gòu)建FP-tree和頻繁項(xiàng)集挖掘兩個(gè)步驟組成:FP-tree是一種擴(kuò)展的前綴樹結(jié)構(gòu),由頻繁項(xiàng)頭指針表和項(xiàng)前綴樹構(gòu)成,存儲(chǔ)關(guān)于頻繁模式次數(shù)的信息;頻繁項(xiàng)集挖掘是通過頭指針表生成條件模式基后,根據(jù)計(jì)數(shù)值判定該路徑集合是否為頻繁項(xiàng),最后迭代重復(fù)上述步驟,遞歸地發(fā)現(xiàn)頻繁項(xiàng)、發(fā)現(xiàn)條件模式基,以及發(fā)現(xiàn)另外的條件樹。

  其中,挖掘出的頻繁項(xiàng)集是用戶日常工作中的頁面關(guān)聯(lián)規(guī)則。在電網(wǎng)調(diào)控領(lǐng)域,用戶的頁面瀏覽順序和業(yè)務(wù)背景有密切關(guān)系,但該頻繁項(xiàng)集無法反應(yīng)頁面的瀏覽順序。因此,本文參考?xì)v史會(huì)話中的頁面瀏覽順序?qū)﹃P(guān)聯(lián)規(guī)則中的頁面進(jìn)行重排序,篩選出包含關(guān)聯(lián)規(guī)則中所有頁面的最新歷史會(huì)話,以最新歷史會(huì)話中的頁面瀏覽順序作為該關(guān)聯(lián)規(guī)則的 頁面順序。

  2.4實(shí)時(shí)推薦

  實(shí)時(shí)推薦以挖掘出的調(diào)度員行為模式為基礎(chǔ),結(jié)合調(diào)度員最近的操作行為序列推薦出后續(xù)操作,包括模式識(shí)別、關(guān)聯(lián)推薦等。

  2.4.1模式識(shí)別

  模式識(shí)別用于判斷當(dāng)前用戶所處操作模式。首先通過在線跟蹤捕獲用戶在系統(tǒng)頁面上的操作,形成實(shí)時(shí)操作序列;然后通過在線預(yù)處理獲得調(diào)度員當(dāng)前正在進(jìn)行的會(huì)話事務(wù)序列;最后遍歷各行為模式的頻繁項(xiàng)集,進(jìn)行模式匹配。若實(shí)時(shí)會(huì)話序列和判定行為模式的頻繁項(xiàng)存在交集,則該行為模式可能為當(dāng)前實(shí)時(shí)會(huì)話序列的匹配模式,選取其中匹配度最高的若干行為模式作為模式識(shí)別的結(jié)果。

  2.4.2關(guān)聯(lián)推薦

  關(guān)聯(lián)推薦以模式識(shí)別生成的當(dāng)下模式和FPtree為基礎(chǔ)進(jìn)行,分析出當(dāng)前用戶行為序列置信度最高的操作事務(wù)。首先通過比對(duì)模式識(shí)別結(jié)果,生成備選事務(wù);然后對(duì)備選事務(wù)進(jìn)行置信評(píng)估,獲得發(fā)生概率最高的若干備選事務(wù)。具體地,搜索FP-tree逐個(gè)計(jì)算備選推薦事務(wù)的置信度,選取置信度前N名的事務(wù)項(xiàng)作為頁面推薦內(nèi)容。

  3驗(yàn)證與應(yīng)用

  本文采用某電力調(diào)度中心智能電網(wǎng)調(diào)度技術(shù)支持系統(tǒng)(D5000)中的調(diào)度員歷史操作數(shù)據(jù)進(jìn)行推薦應(yīng)用與算法驗(yàn)證。

  3.1算法驗(yàn)證

  3.1.1頁面瀏覽統(tǒng)計(jì)

  本節(jié)以瀏覽行為模式挖掘?yàn)槔榻B算法驗(yàn)證情況。收集的數(shù)據(jù)時(shí)間范圍為2020年6月1日至6月30日。該時(shí)間段內(nèi)共采集到操作記錄5932條,涉及頁面241個(gè)。

  其中,行為模式2對(duì)應(yīng)調(diào)度員日常工作中聯(lián)絡(luò)線守護(hù)的操作模式。在該業(yè)務(wù)場(chǎng)景中,調(diào)度員通過查看電網(wǎng)負(fù)荷監(jiān)視、聯(lián)絡(luò)線監(jiān)視曲線確定聯(lián)絡(luò)線是否運(yùn)行在考核范圍內(nèi),如果超出范圍則需要查看AGC運(yùn)行監(jiān)控確認(rèn)是否有機(jī)組可進(jìn)行反向調(diào)節(jié)[23]。行為模式8為故障發(fā)生后進(jìn)行故障預(yù)演的操作模式。調(diào)度員一般通過斷面越限和獨(dú)立計(jì)算等功能預(yù)演出故障發(fā)生后的斷面狀態(tài)數(shù)據(jù),作為后續(xù)決策的參考依據(jù)。行為模式12為調(diào)度員監(jiān)視新能源出力受阻情況的模式,經(jīng)常在上午發(fā)生。

  09:00—10:00處于新能源機(jī)組出力爬坡時(shí)段,此時(shí)調(diào)度員需要時(shí)常查看新能源受阻情況和新能源監(jiān)視等圖形監(jiān)控新能源機(jī)組的運(yùn)行情況,確保新能源的消納能力[24]。行為模式14對(duì)應(yīng)調(diào)度員進(jìn)行調(diào)頻、調(diào)峰的模式。水電站是比較經(jīng)濟(jì)高效的旋轉(zhuǎn)備用電源,當(dāng)調(diào)度員需要進(jìn)行一次調(diào)頻、深度調(diào)峰等操作時(shí),通常需要查看直調(diào)水電站的水位曲線、出入庫(kù)流量等數(shù)據(jù),以判斷水電站的調(diào)節(jié)能力邊界[25]。

  3.2推薦應(yīng)用

  基于本文的行為模式挖掘與操作推薦技術(shù)研發(fā)的調(diào)度操作智能推薦軟件,為調(diào)度員的日常系統(tǒng)頁面瀏覽和操作提供個(gè)性化、智能化推薦。該系統(tǒng)以獨(dú)立插件的方式與D5000系統(tǒng)人機(jī)界面實(shí)現(xiàn)集成,在使用時(shí)調(diào)度員點(diǎn)擊調(diào)度系統(tǒng)頁面的懸浮圖標(biāo),推薦界面會(huì)以滑動(dòng)窗口的方式從頁面右側(cè)顯示。

  以行為模式2和14為例,說明智能操作推薦的效果。當(dāng)調(diào)度員進(jìn)入“電網(wǎng)負(fù)荷監(jiān)視圖”后,智能操作推薦軟件結(jié)合模式2自動(dòng)推薦出調(diào)閱“AGC_運(yùn)行監(jiān)視、聯(lián)絡(luò)線監(jiān)視曲線”等關(guān)聯(lián)界面,結(jié)合模式14自動(dòng)推薦出龍羊峽等水電站水位曲線和“水情信息監(jiān)視”等關(guān)聯(lián)界面,點(diǎn)擊按鈕可以直接跳轉(zhuǎn)到相應(yīng)頁面。

  以此場(chǎng)景為例,簡(jiǎn)單對(duì)比使用推薦軟件前后的操作效果差異。對(duì)于行為模式2原有系統(tǒng)從“電網(wǎng)負(fù)荷監(jiān)視圖”頁面至少需要經(jīng)過六步操作才能完成上述關(guān)聯(lián)頁面的跳轉(zhuǎn),分別為:①打開“系統(tǒng)首頁”;②打開“實(shí)時(shí)監(jiān)視”;③打開“AGC_運(yùn)行監(jiān)視”;④返回“系統(tǒng)首頁”;⑤打開“聯(lián)絡(luò)線考核主界面”;⑥打開“聯(lián)絡(luò)線監(jiān)視曲線”。而使用智能推薦功能只需要一鍵直接打開“AGC_運(yùn)行監(jiān)視”和“聯(lián)絡(luò)線監(jiān)視曲線”畫面,操作步驟由原來的6步簡(jiǎn)化到了2步,操作效率提升了約70%。對(duì)于行為模式14原有系統(tǒng)至少需要經(jīng)過5步操作才能完成上述操作。

  分別為:①在龍羊峽水位數(shù)據(jù)上右鍵單擊;②在彈出的右鍵菜單上點(diǎn)擊“今日曲線”選項(xiàng),打開“龍羊峽水位曲線”畫面;③返回“系統(tǒng)首頁”畫面;④打開“穩(wěn)態(tài)監(jiān)控”畫面;⑤點(diǎn)擊水情信息按鈕,打開“水情信息監(jiān)視”畫面。而使用智能推薦功能只需要一鍵直接打開“龍羊峽水位曲線”和“水情信息監(jiān)視”畫面,操作步驟由原來的5步簡(jiǎn)化到了2步,操作效率提升了約60%。以上文的196個(gè)調(diào)度會(huì)話為例,分析使用推薦工具帶來的效率提升。未使用推薦工 具時(shí)完成會(huì)話需要的操作步數(shù)共1778步;使用推薦工具時(shí)完成會(huì)話需要的操作步數(shù)共1116步。通過統(tǒng)計(jì)分析,使用推薦工具時(shí)可以減少約37.2%的頁面跳轉(zhuǎn)流程,顯著提升了調(diào)度員在調(diào)度系統(tǒng)上的交互效率和便捷性。

  此外,本軟件系統(tǒng)還可提供依據(jù)操作熱點(diǎn)統(tǒng)計(jì)的操作排行推薦、依據(jù)固定時(shí)段操作模式的定時(shí)操作推薦等多種操作推薦模式。例如對(duì)于行為模式12,推薦軟件會(huì)在09:00—10:00期間直接定時(shí)推薦出當(dāng)下調(diào)度員需要執(zhí)行的打開“新能源監(jiān)視圖”、查看“新能源機(jī)組負(fù)荷曲線”等操作,無須頻繁跳轉(zhuǎn)到相關(guān)頁面進(jìn)行操作,通過對(duì)定時(shí)操作的智能提醒與一鍵交互,可以高效輔助調(diào)度員完成操作任務(wù)。

  4結(jié)語

  本文主要闡述了基于調(diào)度員的歷史操作數(shù)據(jù),結(jié)合機(jī)器學(xué)習(xí)、數(shù)據(jù)分析等方法對(duì)調(diào)度操作行為模式進(jìn)行挖掘與推薦的技術(shù)。通過在實(shí)際調(diào)度系統(tǒng)上的驗(yàn)證分析,結(jié)果表明挖掘出的調(diào)度員操作模式與實(shí)際電網(wǎng)調(diào)度業(yè)務(wù)具有高度一致性,驗(yàn)證了該技術(shù)的有效性。此外,該技術(shù)采用了FP-tree數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)模式數(shù)據(jù),并在此基礎(chǔ)上通過在線匹配、置信評(píng)估等方法為調(diào)度員提供了準(zhǔn)確的推薦服務(wù)和便捷的操作方式。

  總的來說,調(diào)度員操作行為模式挖掘與推薦技術(shù)在改善調(diào)度員與調(diào)度系統(tǒng)交互方式、減輕調(diào)度員工作量、提高調(diào)度員工作效率等方面有顯著的提升。但是本文提出的模式挖掘與操作推薦技術(shù)目前仍只適用于日常相對(duì)固化的流程性業(yè)務(wù)模式,在電網(wǎng)故障或異常等緊急場(chǎng)景下并不適用。當(dāng)電網(wǎng)發(fā)生故障時(shí),運(yùn)行人員需結(jié)合電網(wǎng)運(yùn)行數(shù)據(jù)、影響情況和處置經(jīng)驗(yàn)進(jìn)行針對(duì)性處置,并且處置過程的部分操作不是通過系統(tǒng)而是通過電話或其他手段實(shí)施的,完整的處置記錄很難準(zhǔn)確獲取。因此在上述緊急場(chǎng)景下,如何結(jié)合電網(wǎng)運(yùn)行情況和調(diào)度業(yè)務(wù)數(shù)據(jù)的復(fù)雜場(chǎng)景進(jìn)行操作推薦,是我們后續(xù)研究的方向。

  參考文獻(xiàn):

  [1]胡彬,李蘇蘇.貴州電網(wǎng)調(diào)度優(yōu)化操作模式建議[J].貴州電力技術(shù),2012,15(2):73-75.HUBin,LISusu.SuggestiononGuizhoupowergriddispatchingoptimizationmode[J].GuizhouElectricPowerTechnology,2012,15(2):73-75.

  [2]王軼禹,王晶,馮長(zhǎng)有,等.電網(wǎng)系統(tǒng)保護(hù)在線監(jiān)視研究及典型應(yīng)用[J].電力工程技術(shù),2019,38(5):63-70.WANGYiyu,WANGJing,F(xiàn)ENGChangyou,etal.Onlinemonitoringforlargepowersystemprotectionanditsoptimizationstrategy[J].ElectricPowerEngineeringTechnology,2019,38(5):63-70.

  [3]崔曉丹,李碧君,李威,等.設(shè)備月度檢修計(jì)劃給定下的電網(wǎng)運(yùn)行方式優(yōu)化方法[J].電力系統(tǒng)保護(hù)與控制,2016,44(9):102-107.

  作者:吳自博1,2,王波1,2,3,陳清1,2,郭耀松1,2,趙京虎1,2,閃鑫1,2,3

轉(zhuǎn)載請(qǐng)注明來自發(fā)表學(xué)術(shù)論文網(wǎng):http:///wslw/29142.html