[发明专利]基于机器学习的电网项目分类确定方法及装置

说明书

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种基于机器学习的电网项目分类确定方法及装置。

背景技术

目前，随着电力企业的不断壮大，配网项目管理建设在当前电网中占据重要地位。配网项目一般可以分成初步设计、施工图设计、施工准备、现场施工、竣工结算、项目决算几个阶段，在每一个阶段都有一定比例的费用支出。根据大量的数据表明，配网项目的费用支出过程存在多种模式，例如平稳型、单峰型等模式。

为了提高项目管理的精准度，对配网项目的费用支出模式需要做出准确的预测。传统的项目管理方法主要采用的是挣值方法。挣值方法主要是支持项目绩效管理(Performance Management)的，最核心的目地就是比较项目实际与计划的差异，关注的是实际中的各个项目任务，在内容、时间、质量、成本等方面与计划的差异情况，然后根据这些差异，可以对项目中剩余的任务进行预测、调整和控制。但这种挣值方法存在以下缺点：挣值法的适用性取决于项目计划的合理性或者说准确性，而这一点人为因素多，存在主观性、片面性的问题，导致预测结果的准确性无法保证。

发明内容

有鉴于此，本发明的目的在于提供一种基于机器学习的电网项目分类确定方法及装置，以解决传统的挣值法无法保证预测准确性的技术问题。

第一方面，本发明实施例提供了一种基于机器学习的电网项目分类确定方法，包括：

获取多个配网项目的历史项目数据和每个所述历史项目数据对应的时间序列；

根据所述历史项目数据和所述时间序列确定每个所述历史项目数据对应的负荷密度曲线；

将多个所述负荷密度曲线进行聚类分析，得到多个项目分类；

获取每个所述项目分类对应的特征信息；

根据多个所述项目分类、与每个所述项目分类对应的所述特征信息以及预设机器学习算法构建项目分类确定模型。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述历史项目数据和所述时间信息确定每个所述历史项目数据对应的负荷密度曲线，包括：

对所述历史项目数据和所述时间序列进行多项式拟合，得到每个所述历史项目数据对应的拟合曲线；

将多个所述拟合曲线分别进行归一化处理，得到多个负荷密度曲线。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述将多个所述负荷密度曲线进行聚类分析，得到多个项目分类，包括：

将所述多个负荷密度曲线进行聚类分析，得到至少一个曲线组合，每个所述曲线组合包含至少一个所述负荷密度曲线；

对于每一个所述曲线组合，计算出与所述曲线组合对应的平均负荷密度曲线；

在每个曲线组合中，剔除与平均负荷密度曲线之间的差值大于预设阈值的负荷密度曲线，直至所述平均负荷密度曲线收敛；

确定所述平均负荷密度曲线收敛时的曲线组合属于同一项目分类。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述预设机器学习算法包括XGBoost算法、随机森林算法、支持向量机和/或k近邻算法。

第二方面，本发明实施例还提供一种基于机器学习的电网项目分类确定方法，所述方法包括：

获取目标配网项目的特征信息；

将所述特征信息输入到如第一方面所述的项目分类确定模型中，得到所述目标项目的项目分类。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，所述方法还包括：

将所述项目分类对应的平均负荷密度曲线确定为所述目标项目的预测曲线。

第三方面，本发明实施例还提供一种基于机器学习的电网项目分类确定装置，包括：

第一获取模块，用于获取多个配网项目的历史项目数据和每个所述历史项目数据对应的时间序列；

确定模块，用于根据所述历史项目数据和所述时间序列确定每个所述历史项目数据对应的负荷密度曲线；

聚类分析模块，用于将多个所述负荷密度曲线进行聚类分析，得到多个项目分类；

第二获取模块，用于获取每个所述项目分类对应的特征信息；

构建模块，用于根据多个所述项目分类、与每个所述项目分类对应的所述特征信息以及预设机器学习算法构建项目分类确定模型。

第四方面，本发明实施例还提供一种基于机器学习的电网项目分类确定装置，所述装置包括：

第三获取模块，用于获取目标配网项目的特征信息；