CN110189575A - 一种基于大数据的配网运维仿真培训系统 - Google Patents

Abstract

本发明公开了一种基于大数据的配网运维仿真培训系统，包括若干个本地配网设备构成整个本地配网系统、异常采集模块、异常响应模块、异常生成模块、仿真模块、人机交互模块、培训评估模块、共享服务器。通过异常采集模块，采集本地以及其他地区的异常样本信息和修复操作，对比各地区不同的修复操作，并在仿真模块中的BIM模型上模拟运行状态，并根据其他的修复操作对BIM模型的运行参数进行调整，通过培训评估模块将异常分为历史异常数据库和预测异常数据库，并针对不同的培训人员选择不同的培训方案。

Description

一种基于大数据的配网运维仿真培训系统

技术领域

本发明涉及配网运维培训领域，具体涉及一种基于大数据的配网运维仿真培训系统。

背景技术

配电网是指从输电网或地区发电厂接受电能，通过配电设施就地分配或按电压逐级分配给各类用户的电力网。是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的，在电力网中起重要分配电能作用的网络。申请号为CN201410340035.X公开了智能配电网运维仿真培训系统，包括配电自动化系统和配网混合仿真系统，所述配电自动化系统包括配电自动化主站系统、馈线自动化系统、通信系统及配电仿真信息系统；所述配电自动化系统用于配电调度运行维护仿真培训；所述配网混合仿真系统包括配电一次设备、配电二次设备、配电网实时仿真器、数字物理接口装置、二次回路故障模拟装置以及培训工位机，所述配网混合仿真系统用于模拟电网故障时，一次设备、二次设备开关的开合状态。

现有的方案均采用的是标准化的评判标准，未考虑到各个配网系统之间由于设备和整体架构的不同，导致的修复操作上的差异，且均是在本地设备的基础上进行仿真，各个配网系统间没有数据交流，无法充分利用数据，进而导致无法更新和优化培训系统的评判标准，同时对于不同的培训人员也采用了相同的培训方案，未考虑不同培训人员的能力和技术的差异，导致培训效果较差。

发明内容

为了解决上述的技术问题，本发明的目的在于提供一种基于大数据的配网运维仿真培训系统，通过异常采集模块，采集本地以及其他地区的异常样本信息和修复操作，对比各地区不同的修复操作，并在仿真模块中的BIM模型上模拟运行状态，并根据其他的修复操作对BIM模型的运行参数进行调整，通过培训评估模块将异常分为历史异常数据库和预测异常数据库，并针对不同的培训人员选择不同的培训方案。

本发明所要解决的技术问题为：

(1)对于本地出现过的异常，如何选择出最高效的修复操作作为标准处理方案，并实现更新和优化。

(2)如何针对不同的培训人员，设置不同的培训方案，对于出现过的异常，下次出现时，可以实现高效的处理出现过的异常，对于可能发生的异常进行预测，并对可能发生的异常进行培训。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的配网运维仿真培训系统，包括若干个本地配网设备构成整个本地配网系统、异常采集模块、异常响应模块、异常生成模块、仿真模块、人机交互模块、培训评估模块、共享服务器；

所述异常采集模块包括本地采集单元和共享采集单元，所述本地采集单元用于对本地配网设备的状态进行监控，并在发生异常时，生成异常设备的异常信息，并将异常信息发送至异常响应模块，作为异常样本信息，同时还用于采集工作人员解决本地配网设备异常的修复操作，并将修复操作发送至异常响应模块，作为修复样本操作，并将异常样本信息与对应的修复样本操作上传至共享服务器，作为异常对比信息和对应的修复对比操作；所述共享采集单元用于从共享服务器中获取的其他地区的配网运维仿真培训系统上传的异常对比信息和对应的修复对比操作；所述异常信息包括发生异常的本地配网设备的型号、状态参数，所述修复操作包括调节的本地配网设备的型号、调节的方法、操作顺序；

所述异常响应模块用于对本地生成的异常样本信息、修复样本操作以及下载的异常对比信息、修复对比操作进行分析，生成异常样本信息对应的标准处理方案；

所述仿真模块对所有本地配网设备建立BIM模型，并通过对BIM模型的运行参数进行调节来模拟本地配网设备的运维状态；

所述异常生成模块将异常样本信息发送到仿真模块中并根据异常样本信息调节BIM模型的运行参数，得到配网系统的模拟异常；

所述人机交互模块用于在培训时，培训人员通过操作人机交互模块对BIM模型的运行参数进行调节来解决模拟异常；

所述培训评估模块用于针对培训人员设计培训方案，并记录培训人员培训时的操作，并与标准处理方案进行比对后，生成培训人员的培训报告；

所述共享服务器用于存储若干个该系统上传的异常对比信息与对应的修复对比操作，并从异常对比信息中提取对应的异常对比设备集合Ec＝{ec1，ec2，…，eci，…，ecn}，以及异常对比状态参数集合Kc＝{kc1，kc2，…，kci，…，kcn}，其中，eci为异常对比信息对应的第i个配网设备，kci为第i个配网设备对应的状态参数。

进一步的，所述异常响应模块生成异常样本信息对应的标准处理方案的步骤如下：

S1、获取异常样本信息中的所有本地配网设备的型号和状态参数，构建异常样本设备集合E＝{e1，e2，…，ei，…，en}，以及异常样本状态参数集合K＝{k1，k2，…，ki，…，kn}，其中ei为异常样本信息对应的第i个配网设备，ki为第i个配网设备的状态参数；

S2、异常响应模块调用共享采集单元从共享服务器中下载所有Ec＝E且Kc＝K的异常对比信息；并从中提取出修复对比操作，构成修复对比操作集合F＝{f1，f2，…，fi，…，fn}，其中fi为第i个异常对比信息对应的修复操作；

S3、调用异常生成模块对BIM模型进行调节，根据异常样本信息在BIM模型上模拟出本地配网设备的异常，再依次将修复对比操作集合F中的元素以及修复样本操作作为人机交互模块的输出，对BIM模型的运行参数进行调节，并记录执行至完成修复的耗时，得到修复耗时集合Tf＝{t0，t1，t2，…，ti，…，tn}，其中，t0为修复样本操作的耗时，ti表示第i个修复对比操作的耗时选择耗时最短的作为该异常样本信息的标准处理方案。

进一步的，培训评估模块设计培训方案以及生成培训人员的培训报告的具体步骤如下：

步骤一、培训评估模块识别培训人员的身份，获取该培训人员的所有培训报告，若该培训人员没有培训报告，则将培训人员标记为新员工，若该培训人员有培训报告，则将培训人员标记为老员工；

步骤二、获取所有异常样本信息，组建历史异常数据库，获取所有本地配网设备的型号，得到设备型号集合Ds＝{d1，d2，…，di，…，dn}，再调用共享采集单元从共享服务器中下载所有的异常对比信息，再剔除Ec与对应的Kc均与历史异常数据库中异常样本信息的E和K相同的异常对比信息，作为初选集；

步骤三、从初选集中筛选出Ec和Kc均相同的若干个异常对比信息，同时下载对应的修复对比操作组建方法库，并对初选集中Ec和Kc均相同的异常对比信息进行去重操作，再将方法库与该异常对比信息进行绑定，并将去重后的初选集作为预测异常数据库；

步骤四、对于新员工，培训评估模块从历史异常数据库中随机选择m个异常样本信息作为培训方案，对于老员工，获取所有的培训报告，从历史异常数据库中标记为未完成的异常样本信息中随机选择出q个，并从预测异常数据库中标记为未完成的异常对比信息中随机选择p个，且p+q＝m，作为培训方案；

步骤五、通过异常生成模块依次将培训方案中的所有异常样本信息进行提取，再输入至BIM模型调节运行参数，模拟出配网系统异常，培训员工通过人机交互模块处理模拟异常，同时记录培训人员培训时的操作，作为培训样本操作；

步骤六、对于历史异常数据库中异常样本信息对应的模拟异常，将培训样本操作与标准处理方案进行对比，若两者一致，则将该异常样本信息标记为已完成，若两者不一致，则将该异常样本信息标记为未完成；对于预测异常数据库中的异常对比信息对应的模拟异常，将培训样本操作与方法库进行对比，若培训样本操作与方法库中的任意一个修复对比操作一致，则将该异常对比信息标记为已完成，若培训样本操作与方法库中的所有修复对比操作均不一致，则将该异常对比信息标记为未完成；

步骤七：将历史异常数据库中的未完成异常样本信息、已完成异常样本信息以及预测异常数据库中的未完成异常对比信息、已完成异常对比信息共同打包生成培训报告。

本发明的有益效果：

(1)通过异常采集模块，不仅采集了本地的异常样本信息和修复操作，还从共享服务器获取了其他地区的常样本信息和修复操作，针对相同异常，对比各地区不同的修复操作，并在仿真模块中的BIM模型上模拟运行状态，并根据其他的修复操作对BIM进行调整，从中选择出最高效的作为标准处理方案，实现标准处理方案的更新与优化，以便在再次遇见相同异常时，能够高效的进行处理。

(2)培训评估模块将设备的异常分为本地的历史异常数据库和根据具有相同配网设备的其他配网系统的异常对比信息生成的预测异常数据库，并针对不同的培训人员选择不同的培训方案，更有针对性，并通过配合异常响应模块、异常生成模块、仿真模块、人机交互模块实现培训时的异常模拟和记录培训人员的操作，历史异常数据库针对本地配网设备出现过的异常，将标准处理方案作为培训时的参照标准，在培训人员的操作与标准处理方案相同时，将该异常视为已掌握，反之为未掌握，而预测异常数据库针对未出现过的异常，通过从共享服务器中采集与本地的配网系统具有相同设备的异常对比信息，提取出对应的多种修复操作，共同作为参照标准，只要培训人员的操作符合其中任意一种，就视为该异常已经掌握，反之为未掌握，在培训时，对老员工进行培训，以便提高老员工对新异常的处理能力，未掌握的异常在下次培训中继续培训，直至培训人员掌握。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明的系统框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本实施例提供了一种基于大数据的配网运维仿真培训系统，包括若干个本地配网设备构成整个本地配网系统、异常采集模块、异常响应模块、异常生成模块、仿真模块、人机交互模块、培训评估模块、共享服务器；

本地配网设备如变压器、高压柜、低压柜、母线桥、直流屏、模拟屏、高压电缆等；由于每个配网系统使用的设备或是整体架构存在差异，因此通过将若干个配网系统与同一个共享服务器进行连接，实现将发生异常时采集的详细数据进行共享，共同提升培训系统的全面性，以及优化修复异常的方案。

异常采集模块包括本地采集单元和共享采集单元，本地采集单元用于对本地配网设备的状态进行监控，并在发生异常时，生成异常设备的异常信息，并将异常信息发送至异常响应模块，作为异常样本信息，同时还用于采集工作人员解决本地配网设备异常的修复操作，并将修复操作发送至异常响应模块，作为修复样本操作，并将异常样本信息与对应的修复样本操作上传至共享服务器，作为异常对比信息和对应的修复对比操作；共享采集单元用于从共享服务器中获取的其他地区的配网运维仿真培训系统上传的异常对比信息和对应的修复对比操作；异常信息包括发生异常的本地配网设备的型号、状态参数，如电压、电流、负载、温度等，修复操作包括调节的本地配网设备的型号、调节的方法、操作顺序；由于设备型号存在差异，具体的调节方式也会存在差异。异常样本信息和异常对比信息均对应了一个异常，且修复对比操作和修复样本操作均对应了一个异常的修复操作。

异常响应模块用于对本地生成的异常样本信息、修复样本操作以及下载的异常对比信息、修复对比操作进行分析，生成异常样本信息对应的标准处理方案；通过与其他地区的对比，在保证设备和出现的问题相同的情况下，选择出最快速的修复操作作为标准处理方案，保证对异常的快速处理。

仿真模块对所有本地配网设备建立BIM模型，并通过对BIM模型的运行参数进行调节来模拟本地配网设备的运维状态；

异常生成模块将异常样本信息发送到仿真模块中并根据异常样本信息调节BIM模型的运行参数，得到配网系统的模拟异常；

人机交互模块用于在培训时，培训人员通过操作人机交互模块对BIM模型的运行参数进行调节来解决模拟异常；

培训评估模块用于针对培训人员设计培训方案，并记录培训人员培训时的操作，并与标准处理方案进行比对后，生成培训人员的培训报告；由于每个人掌握的技术和能力不同，在培训时也应当做出针对性的调整，以提高培训效果。

共享服务器用于存储若干个该系统上传的异常对比信息与对应的修复对比操作，并从异常对比信息中提取对应的异常对比设备集合Ec＝{ec1，ec2，…，eci，…，ecn}，以及异常对比状态参数集合Kc＝{kc1，kc2，…，kci，…，kcn}，其中，eci为异常对比信息对应的第i个配网设备，kci为第i个配网设备对应的状态参数。

异常响应模块生成异常样本信息对应的标准处理方案的步骤如下：

S1、获取异常样本信息中的所有本地配网设备的型号和状态参数，构建异常样本设备集合E＝{e1，e2，…，ei，…，en}，以及异常样本状态参数集合K＝{k1，k2，…，ki，…，kn}，其中ei为异常样本信息对应的第i个配网设备，ki为第i个配网设备的状态参数；

S2、异常响应模块调用共享采集单元从共享服务器中下载所有Ec＝E且Kc＝K的异常对比信息；并从中提取出修复对比操作，构成修复对比操作集合F＝{f1，f2，…，fi，…，fn}，其中fi为第i个异常对比信息对应的修复操作；

S3、调用异常生成模块对BIM模型进行调节，根据异常样本信息在BIM模型上模拟出本地配网设备的异常，再依次将修复对比操作集合F中的元素以及修复样本操作作为人机交互模块的输出，对BIM模型的运行参数进行调节，并记录执行至完成修复的耗时，得到修复耗时集合Tf＝{t0，t1，t2，…，ti，…，tn}，其中，t0为修复样本操作的耗时，ti表示第i个修复对比操作的耗时选择耗时最短的作为该异常样本信息的标准处理方案。标准处理方案是根据各地采用的修复操作在本地配网设备模型中仿真运行过后，得到的最快的修复操作，更加符合实际修复环境。

培训评估模块设计培训方案以及生成培训人员的培训报告的具体步骤如下：

步骤一、培训评估模块识别培训人员的身份，如通过输入账密进行识别，获取该培训人员的所有培训报告，若该培训人员没有培训报告，则将培训人员标记为新员工，若该培训人员有培训报告，则将培训人员标记为老员工；

步骤二、获取所有异常样本信息，组建历史异常数据库，历史异常数据库中对应的异常样本信息只对应有标准处理方案，获取所有本地配网设备的型号，得到设备型号集合Ds＝{d1，d2，…，di，…，dn}，表示本地配网系统共有n个配网设备，di为第i个配网设备，再调用共享采集单元从共享服务器中下载所有的异常对比信息，再剔除Ec与对应的Kc均与历史异常数据库中异常样本信息的E和K相同的异常对比信息，作为初选集；表示该异常对比信息中的所有配网设备本地都有。

步骤三、从初选集中筛选出Ec和Kc均相同的若干个异常对比信息，同时下载对应的修复对比操作组建方法库，作为培训时新异常的参照标准，并对初选集中Ec和Kc均相同的异常对比信息进行去重操作，再将方法库与该异常对比信息进行绑定，并将去重后的初选集作为预测异常数据库；预测异常数据库中的异常对比信息为本地未出现过的异常，由于设备相同，因此就存在发生同样异常的可能，且初选集经过去重后，一个方法库对应一个或若干个修复操作，且方法库内的修复操作未经过本地仿真，因此均可作为修复操作的备选方案，只是效率上的差别。

步骤四、对于新员工，培训评估模块从历史异常数据库中随机选择m个异常样本信息作为培训方案，如m＝10，对于老员工，获取所有的培训报告，从历史异常数据库中标记为未完成的异常样本信息中随机选择出q个，并从预测异常数据库中标记为未完成的异常对比信息中随机选择p个，且p+q＝m，如q＝6，q＝4，作为培训方案；由于本地出现过的异常均通过本地仿真，培训的修复操作均是现有的最优方法，因此新员工优先对本地出现过的异常情况进行培训，而老员工在培训历史异常数据库对应的异常同时，还对预测异常数据库对应的异常进行培训，进一步提升未出现过的异常的处理能力。

步骤五、通过异常生成模块依次将培训方案中的所有异常样本信息进行提取，再输入至BIM模型调节运行参数，模拟出配网系统异常，培训员工通过人机交互模块处理模拟异常，同时记录培训人员培训时的操作，作为培训样本操作；

步骤六、对于历史异常数据库中异常样本信息对应的模拟异常，将培训样本操作与标准处理方案进行对比，若两者一致，则将该异常样本信息标记为已完成，表示对应的异常的修复操作已掌握，若两者不一致，则将该异常样本信息标记为未完成；即表示对应的异常的修复操作未熟练掌握，对于预测异常数据库中的异常对比信息对应的模拟异常，将培训样本操作与方法库进行对比，若培训样本操作与方法库中的任意一个修复对比操作一致，则将该异常对比信息标记为已完成，由于方法库中的修复操作未在BIM上模拟运行，因此培训人员的操作满足方法库中任意一种即可表示培训人员已掌握新异常的修复操作，若培训样本操作与方法库中的所有修复对比操作均不一致，则将该异常对比信息标记为未完成；表示培训人员未掌握新异常的修复操作。

步骤七：将历史异常数据库中的未完成异常样本信息、已完成异常样本信息以及预测异常数据库中的未完成异常对比信息、已完成异常对比信息共同打包生成培训报告。

本实施例的具体工作过程如下：

1)通过异常采集模块采集本地配网设备的异常和对应的修复操作，同时根据配网设备和状态参数获取其他地区的配网设备的异常和对应的修复操作；配合异常响应模块、异常生成模块和仿真模块实现配网系统的运维仿真。

2)通过仿真模块建立本地配网设备的BIM模型，通过异常生成模块将异常样本信息或异常对比信息转化为运行参数，再对BIM模型进行运行参数的调节来模拟出异常，并通过异常响应模块对相同异常的多种修复对比操作以及修复样本操作进行比对，得到处理速度最快的修复操作作为标准处理方案，实现对于出现过的异常进行处理方式上的优化，使得下次遇到同样的异常时能够快速有效的进行响应；

3)培训评估模块将设备的异常分为本地的历史异常数据库和根据具有相同配网设备的其他配网系统的异常对比信息生成的预测异常数据库，并针对不同的培训人员选择不同的培训方案，更有针对性，并通过配合异常响应模块、异常生成模块、仿真模块、人机交互模块实现培训时的异常模拟和记录培训人员的操作，历史异常数据库针对本地配网设备出现过的异常，将标准处理方案作为培训时的参照标准，在培训人员的操作与标准处理方案相同时，将该异常视为已掌握，反之为未掌握，而对于未出现过的异常，通过从共享服务器中采集与本地的配网系统具有相同设备的异常对比信息，提取出对应的多种修复操作，共同作为参照标准，只要培训人员的操作符合其中任意一种，就视为该异常已经掌握，反之为未掌握，在培训时，对老员工进行培训，以便提高老员工对新异常的处理能力，未掌握的异常在下次培训中继续培训，直至培训人员掌握。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (3)

1.一种基于大数据的配网运维仿真培训系统，其特征在于，包括若干个本地配网设备构成整个本地配网系统、异常采集模块、异常响应模块、异常生成模块、仿真模块、人机交互模块、培训评估模块、共享服务器；

所述异常采集模块包括本地采集单元和共享采集单元，所述本地采集单元用于对本地配网设备的状态进行监控，并在发生异常时，生成异常设备的异常信息，并将异常信息发送至异常响应模块，作为异常样本信息，同时还用于采集工作人员解决本地配网设备异常的修复操作，并将修复操作发送至异常响应模块，作为修复样本操作，并将异常样本信息与对应的修复样本操作上传至共享服务器，作为异常对比信息和对应的修复对比操作；所述共享采集单元用于从共享服务器中获取的其他地区的配网运维仿真培训系统上传的异常对比信息和对应的修复对比操作；所述异常信息包括发生异常的本地配网设备的型号、状态参数，所述修复操作包括调节的本地配网设备的型号、调节的方法、操作顺序；

所述异常响应模块用于对本地生成的异常样本信息、修复样本操作以及下载的异常对比信息、修复对比操作进行分析，生成异常样本信息对应的标准处理方案；

所述仿真模块对所有本地配网设备建立BIM模型，并通过对BIM模型的运行参数进行调节来模拟本地配网设备的运维状态；

所述异常生成模块将异常样本信息发送到仿真模块中并根据异常样本信息调节BIM模型的运行参数，得到配网系统的模拟异常；

所述人机交互模块用于在培训时，培训人员通过操作人机交互模块对BIM模型的运行参数进行调节来解决模拟异常；

所述培训评估模块用于针对培训人员设计培训方案，并记录培训人员培训时的操作，并与标准处理方案进行比对后，生成培训人员的培训报告；

所述共享服务器用于存储若干个该系统上传的异常对比信息与对应的修复对比操作，并从异常对比信息中提取对应的异常对比设备集合Ec＝{ec1，ec2，…，eci，…，ecn}，以及异常对比状态参数集合Kc＝{kc1，kc2，…，kci，…，kcn}，其中，eci为异常对比信息对应的第i个配网设备，kci为第i个配网设备对应的状态参数。

2.根据权利要求1所述的一种基于大数据的配网运维仿真培训系统，其特征在于，所述异常响应模块生成异常样本信息对应的标准处理方案的步骤如下：

S1、获取异常样本信息中的所有本地配网设备的型号和状态参数，构建异常样本设备集合E＝{e1，e2，…，ei，…，en}，以及异常样本状态参数集合K＝{k1，k2，…，ki，…，kn}，其中ei为异常样本信息对应的第i个配网设备，ki为第i个配网设备的状态参数；

S2、异常响应模块调用共享采集单元从共享服务器中下载所有Ec＝E且Kc＝K的异常对比信息；并从中提取出修复对比操作，构成修复对比操作集合F＝{f1，f2，…，fi，…，fn}，其中fi为第i个异常对比信息对应的修复操作；

S3、调用异常生成模块对BIM模型进行调节，根据异常样本信息在BIM模型上模拟出本地配网设备的异常，再依次将修复对比操作集合F中的元素以及修复样本操作作为人机交互模块的输出，对BIM模型的运行参数进行调节，并记录执行至完成修复的耗时，得到修复耗时集合Tf＝{t0，t1，t2，…，ti，…，tn}，其中，t0为修复样本操作的耗时，ti表示第i个修复对比操作的耗时选择耗时最短的作为该异常样本信息的标准处理方案。

3.根据权利要求2所述的一种基于大数据的配网运维仿真培训系统，其特征在于，培训评估模块设计培训方案以及生成培训人员的培训报告的具体步骤如下：

步骤一、培训评估模块识别培训人员的身份，获取该培训人员的所有培训报告，若该培训人员没有培训报告，则将培训人员标记为新员工，若该培训人员有培训报告，则将培训人员标记为老员工；

步骤二、获取所有异常样本信息，组建历史异常数据库，获取所有本地配网设备的型号，得到设备型号集合Ds＝{d1，d2，…，di，…，dn}，再调用共享采集单元从共享服务器中下载所有的异常对比信息，再剔除Ec与对应的Kc均与历史异常数据库中异常样本信息的E和K相同的异常对比信息，作为初选集；

步骤三、从初选集中筛选出Ec和Kc均相同的若干个异常对比信息，同时下载对应的修复对比操作组建方法库，并对初选集中Ec和Kc均相同的异常对比信息进行去重操作，再将方法库与该异常对比信息进行绑定，并将去重后的初选集作为预测异常数据库；

步骤四、对于新员工，培训评估模块从历史异常数据库中随机选择m个异常样本信息作为培训方案，对于老员工，获取所有的培训报告，从历史异常数据库中标记为未完成的异常样本信息中随机选择出q个，并从预测异常数据库中标记为未完成的异常对比信息中随机选择p个，且p+q＝m，作为培训方案；

步骤五、通过异常生成模块依次将培训方案中的所有异常样本信息进行提取，再输入至BIM模型调节运行参数，模拟出配网系统异常，培训员工通过人机交互模块处理模拟异常，同时记录培训人员培训时的操作，作为培训样本操作；

步骤六、对于历史异常数据库中异常样本信息对应的模拟异常，将培训样本操作与标准处理方案进行对比，若两者一致，则将该异常样本信息标记为已完成，若两者不一致，则将该异常样本信息标记为未完成；对于预测异常数据库中的异常对比信息对应的模拟异常，将培训样本操作与方法库进行对比，若培训样本操作与方法库中的任意一个修复对比操作一致，则将该异常对比信息标记为已完成，若培训样本操作与方法库中的所有修复对比操作均不一致，则将该异常对比信息标记为未完成；

步骤七：将历史异常数据库中的未完成异常样本信息、已完成异常样本信息以及预测异常数据库中的未完成异常对比信息、已完成异常对比信息共同打包生成培训报告。