具体实施方式
下面结合实施例及附图对本发明作进一步详细说明,但本发明的实施方式不限于此。
如图1所示,为本发明变电站巡维方法实施例的流程示意图,包括步骤:
步骤S101:按照预设时间间隔从运维数据库中获取聚类对象信息;其中,所述聚类对象信息包括预存在运维数据库中的各运维人员的相关信息;
预设时间间隔可以根据需求预先设定,比如,可以设置为一个月、一个季度等,从而实现跟踪与更新。
聚类对象信息记录的是运维人员的资料,因此聚类对象信息与运维人员是一一对应的。比如,运维人员的工作职位信息、工作经验(工作年限)信息、技术背景信息和使用偏好等。比如,对存储在数据库中的用户资料信息和用户操作记录进行统计分析。得出影响巡维用户需求的最重要的四个因素,分别为巡维用户的工作职位、工作经验、技术背景和使用偏好。以此确定分组的区分维度和分析框架。
工作职位信息可以包括:巡维人员、中心站长、变电所专责、供电局专责、访客。工作经验信息可以包括:5年以下、5-10年、10-15年、15年以上。技术背景信息可以包括:非电力相关专业专科及以下、电力相关专业专科及以下、非电力相关专业本科、电力相关专业本科、非电力相关专业研究生、电力相关专业研究生。使用偏好可以包括:运维管理、电网监视、设备监测。
步骤S102:将所述聚类对象信息进行聚类处理得到运维人员对应的聚类对象信息的聚类值,将大小在设定范围内的聚类值对应的聚类对象信息划分为一组;
在确立用户分组标准后,根据聚类对象信息进行聚类分析,即对用户记录分组,把相似的数据记录在一个聚类里,实现对聚类对象信息的分组,即相当于实现对巡维用户的分组。
步骤S103:根据运维数据库的数据样本值计算每组聚类对象信息对当前电网系统存储的各类电网数据的数据偏好度值;其中,所述数据偏好度值为该类电网数据被聚类对象信息对应的运维人员选中的频率值;
本步骤是为了预测聚类对象信息对应的运维人员的偏好。数据样本值是历史数据。数据样本值可以包括聚类对象信息对应的运维人员对该类电网数据的历史数据偏好度值以及影响该历史数据偏好度值的历史影响因子。
聚类对象信息可以作为影响数据偏好度值的影响因子。聚类对象信息设有对应的量化值,比如,工作职位量化值、工作年限量化值、技术背景量化值和使用偏好量化值。比如,工作职位作为一个影响因子、工作年限作为一个影响因子、技术背景作为一个影响因子和使用偏好作为一个影响因子。则数据样本值包括历史的工作职位量化值、工作年限量化值、技术背景量化值和使用偏好量化值、数据偏好度值。因此可以根据运维数据库的数据样本值计算每组聚类对象信息对当前电网系统存储的各类电网数据的数据偏好度值。由于电网系统中的数据时刻在变化,因此,当前电网系统存储的各类电网数据是指此刻存储的数据。
步骤S104:根据所述数据偏好度值对各类电网数据进行排序,并将数据偏好度值大于设定阈值的一类或多类电网数据推送至运维人员对应绑定的终端设备,用于对变电站进行运维。
运维人员的终端设备有了对应的电网数据,运维人员则可以快速的进行运维处理。本实施例通过设计面向巡维业务的用户分组模型和用户偏好统计模型,分析和发掘出巡维业务中不同角色所偏好的数据,为巡维业务相关人员提供对应的电网数据,从而提高巡维业务一体化平台的运行效率并保证巡维工作的高效开展。
在其中一个实施例中,所述根据运维数据库的数据样本值计算每组聚类对象信息对当前电网系统存储的各类电网数据的数据偏好度值步骤,包括:
A1:从运维数据库中获取每组聚类对象信息对应每类电网数据的多组数据样本值,所述数据样本值包括该组聚类对象信息对应的运维人员对该类电网数据的历史数据偏好度值以及影响该历史数据偏好度值的历史影响因子;
每组聚类对象信息对每类电网数据都存在多组数据样本值。比如,根据每组聚类对象信息中聚类对象信息的不同,会存在不同的数据样本值;同一组聚类对象信息中,不同时间段获取的数据样本值也可能存在不同。本步骤是获取每组聚类对象信息中每个聚类对象信息对应的数据样本值,属于个体数据。
影响因子是影响偏好度的影响因素,聚类对象信息可以作为影响因素,因此每类数据影响因子相同。比如,工作职位作为一个影响因子、工作年限作为一个影响因子、技术背景作为一个影响因子和使用偏好作为一个影响因子。
A2:根据多组数据样本值中的所述历史数据偏好度值和历史影响因子确定该类电网数据的影响因子对应的权重,根据数据偏好度值、影响因子及其权重建立聚类对象信息-电网数据的偏好度模型;
针对一一对应的聚类对象信息-电网数据,可以有多组数据样本值,根据数据样本值中的历史数据偏好度值和历史影响因子,可以建立线性关系,从而计算出每个影响因子对应的权重,进而可以根据数据偏好度值、影响因子及其权重建立聚类对象信息-电网数据的偏好度模型。
A3:获取每组聚类对象信息对每类电网数据对应的影响因子,根据聚类对象信息-电网数据的偏好度模型和影响因子计算每组聚类对象信息对当前电网系统存储的各类电网数据的数据偏好度值。
可以从电网系统当前存储的数据中获取每组聚类对象信息对每类电网数据对应的影响因子,进而影响因子带入偏好度模型,即可计算每组聚类对象信息对当前电网系统存储的各类电网数据的数据偏好度值。
进一步的,还公开一种具体的计算影响因子对应的权重的方法,即采用以下公式计算影响因子对应的权重:
其中,
其中,n表示一组聚类对象信息与一类电网数据的样本组数;k表示该组聚类对象信息与该类电网数据的影响因子个数;x11、x12、x1k分别表示该组聚类对象信息与该类电网数据的第一组数据样本值中第一个影响因子、第二个影响因子、第k个影响因子;x21、x21、x2k分别表示该组聚类对象信息与该类电网数据的第二组数据样本值中第一个影响因子、第二个影响因子、第k个影响因子;xn1、xn2、xnk分别表示该组聚类对象信息与该类电网数据的第n组数据样本值中第一个影响因子、第二个影响因子、第k个影响因子;y1表示第一组数据样本值中对该类电网数据的数据偏好度值;yn表示第n组数据样本值中对该类电网数据的数据偏好度值;β0为常数;β1表示第一个影响因子的权重;β2表示第二个影响因子的权重;βn表示第n个影响因子的权重;X′表示X矩阵的转置。
采用这种方法计算影响因子的权重,可以提高权重的准确性。k表示该组聚类对象信息与该类电网数据的影响因子个数,比如,可以有四个影响因子,x11、x12、x13、x14分别表示第一组数据样本值中工作职位影响因子、工作年限影响因子、技术背景影响因子、使用偏好影响因子,以此类推,其他组影响因子也是如此。
进一步的,采用以下公式建立聚类对象信息-电网数据的偏好度模型:
y=β0+β1x1+β2x2+...+βixi...+βkxk i∈(1,k)
其中,y表示一组聚类对象信息对一类电网数据的数据偏好度值,x1表示影响数据偏好度值的第一影响因子,x2表示影响数据偏好度值的第二影响因子,xi表示影响数据偏好度值的第i影响因子,xk表示影响数据偏好度值的第k影响因子;β0为常数;β1、β2、βi、βk分别表示x1、x2、xi、xk对应的权重。
在其中一个实施例中,除了推送电网数据外,还可以根据巡维人员的角色不同向巡维人员开放或关闭服务平台权限,实现动态定制巡维业务一体化平台提供的服务平台,为巡维业务相关人员提供定制化的应用服务平台,从而提高巡维业务一体化平台的运行效率并保证运维工作的高效开展。具体的,所述将大小在设定范围内的聚类值对应的聚类对象信息划分为一组步骤之后,还包括:
根据运维数据库的服务平台样本值计算每组聚类对象信息对各类服务平台的服务平台偏好度值;其中,所述服务平台偏好度值为该服务平台被聚类对象信息对应的运维人员使用的频率值;
根据所述服务平台偏好度值对各服务平台进行排序,将服务平台偏好度值大于设定阈值的服务平台确定为偏好服务平台,开放该组聚类对象信息对应的运维人员对应绑定的终端设备的所述偏好服务平台的权限。
在一个具体实施例中,公开了一种具体的计算服务平台偏好度值的方法,该方法可以提高服务平台偏好度值的准确性。具体的,所述根据运维数据库的服务平台样本值计算每组聚类对象信息对各类服务平台的服务平台偏好度值步骤,包括:
从运维数据库中获取每组聚类对象信息对应每类服务平台的多组服务平台样本值,所述服务平台样本值包括该组聚类对象信息对应的运维人员对该类服务平台的历史服务平台偏好度值以及影响该历史服务平台偏好度值的历史影响因子;
根据多组服务平台样本值中的所述历史服务平台偏好度值和历史影响因子确定该类服务平台的影响因子对应的权重,根据数据偏好度值、影响因子及其权重建立聚类对象信息-服务平台的偏好度模型;
获取每组聚类对象信息对每类服务平台对应的影响因子,根据聚类对象信息-服务平台的偏好度模型和影响因子计算每组聚类对象信息对各类服务平台的服务平台偏好度值。
具体的计算该类服务平台的影响因子对应的权重的方法可以同计算电网数据的影响因子对应的权重方法类似。
以上实施方式中的各种技术特征可以任意进行组合,只要特征之间的组合不存在冲突或矛盾,但是限于篇幅,未进行一一描述,因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。
本方案列举一种组合的应用实例进行说明。
首先,对存储在数据库中的用户资料信息和用户操作记录进行统计分析。得出影响巡维用户需求的最重要的四个因素,分别为巡维用户的工作职位、工作经验、技术背景和使用偏好。以此确定聚类对象信息分组的区分维度和分析框架。
在确立聚类对象信息分组标准后,根据用户操作信息对聚类对象信息进行聚类分析,即对用户记录分组,把相似的数据记录在一个聚类里,继而实现对聚类对象信息的分组。
以确定的组为单位,对每一组的用户操作记录进行挖掘的估值操作,以此来预测不同组所需的不同巡维服务平台和数据。根据预测结果,巡维业务一体化平台将不同的服务平台和数据推送给不同的组。
巡维业务一体化平台持续记录用户操作等信息,定期利用新增数据挖掘每组的需求,以此更新用户角色,实现模型的跟踪与更新。
建立面向巡维业务的用户偏好统计模型,在此模型的基础上提供个性化主动信息服务。该服务使巡维业务平台根据每个用户的信息需求和用户的个性化模式,主动过滤相关信息,利用在线智能推荐服务,准确的将用户所需的数据和服务传送到相应的用户终端。
聚类对象信息的偏好度会受很多因素的影响,比如职位、工作性质、工作内容、工作经验和待解决的任务等。这些因素又存在一定的内在联系,可以建立它们之间的模糊关联模型,用户对信息的偏好度是其影响因素的线性函数。
y=β0+β1x1+β2x2+...+βkxk+ε
其中,ε是随机变量,且ε~D(0,σ2)。
为了估计未知系数β0、β1、...、βk,可以对y和x1、x2、...、xk同时做n次独立观察试验,得到n组观察样本值(yt,xt1,xt2,...xtk,t=1,2,n),满足如下关系:
yt=β0+β1xt1+β2xt2+...+βkxtk+εt,t=1,2,n(n>k+1)
其中,ε1,ε2,...εn互不相关且均是与ε同步分布的随机变量。
根据线性函数和多组数据样本值可以建议以下模型:
其中,
从而可以得到未知系数(权重)的最小二乘估计为
根据数据偏好度值、影响因子及其权重建立聚类对象信息-电网数据的偏好度模型。获取每组聚类对象信息对每类电网数据对应的影响因子,根据聚类对象信息-电网数据的偏好度模型和影响因子计算每组聚类对象信息对当前电网系统存储的各类电网数据的数据偏好度值。最后,根据所述数据偏好度值对各类电网数据进行排序,并将数据偏好度值大于设定阈值的一类或多类电网数据推送至运维人员对应绑定的终端设备,用于对变电站进行运维。
根据上述变电站巡维方法,本发明还提供一种变电站巡维系统,如图2所示,为本发明变电站巡维系统实施例的结构示意图,包括:
信息获取模块210,用于按照预设时间间隔从运维数据库中获取聚类对象信息;其中,所述聚类对象信息包括预存在运维数据库中的各运维人员的相关信息;
信息划分模块220,用于将所述聚类对象信息进行聚类处理得到运维人员对应的聚类对象信息的聚类值,将大小在设定范围内的聚类值对应的聚类对象信息划分为一组;
数据偏好度值确定模块230,用于根据运维数据库的数据样本值计算每组聚类对象信息对当前电网系统存储的各类电网数据的数据偏好度值;其中,所述数据偏好度值为该类电网数据被聚类对象信息对应的运维人员选中的频率值;
电网数据推送模块240,用于根据所述数据偏好度值对各类电网数据进行排序,并将数据偏好度值大于设定阈值的一类或多类电网数据推送至运维人员对应绑定的终端设备,用于对变电站进行运维。
在其中一个实施例中,还包括:
服务平台偏好度值确定模块,用于根据运维数据库的服务平台样本值计算每组聚类对象信息对各类服务平台的服务平台偏好度值;其中,所述服务平台偏好度值为该服务平台被聚类对象信息对应的运维人员使用的频率值;
服务平台权限控制模块,用于根据所述服务平台偏好度值对各服务平台进行排序,将服务平台偏好度值大于设定阈值的服务平台确定为偏好服务平台,开放该组聚类对象信息对应的运维人员对应绑定的终端设备的所述偏好服务平台的权限。
在其中一个实施例中,所述数据偏好度值确定模块,用于:
从运维数据库中获取每组聚类对象信息对应每类电网数据的多组数据样本值,所述数据样本值包括该组聚类对象信息对应的运维人员对该类电网数据的历史数据偏好度值以及影响该历史数据偏好度值的历史影响因子;
根据多组数据样本值中的所述历史数据偏好度值和历史影响因子确定该类电网数据的影响因子对应的权重,根据数据偏好度值、影响因子及其权重建立聚类对象信息-电网数据的偏好度模型;
获取每组聚类对象信息对每类电网数据对应的影响因子,根据聚类对象信息-电网数据的偏好度模型和影响因子计算每组聚类对象信息对当前电网系统存储的各类电网数据的数据偏好度值。
在其中一个实施例中,所述服务平台偏好度值确定模块,用于:
从运维数据库中获取每组聚类对象信息对应每类服务平台的多组服务平台样本值,所述服务平台样本值包括该组聚类对象信息对应的运维人员对该类服务平台的历史服务平台偏好度值以及影响该历史服务平台偏好度值的历史影响因子;
根据多组服务平台样本值中的所述历史服务平台偏好度值和历史影响因子确定该类服务平台的影响因子对应的权重,根据数据偏好度值、影响因子及其权重建立聚类对象信息-服务平台的偏好度模型;
获取每组聚类对象信息对每类服务平台对应的影响因子,根据聚类对象信息-服务平台的偏好度模型和影响因子计算每组聚类对象信息对各类服务平台的服务平台偏好度值。
本发明的变电站巡维系统与本发明的变电站巡维方法是一一对应的,上述变电站巡维方法实施例中的相关技术特征及其技术效果均适用于变电站巡维系统实施例中,在此不再赘述。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。