CN110209713A - 异常网架结构识别方法及装置 - Google Patents
异常网架结构识别方法及装置 Download PDFInfo
- Publication number
- CN110209713A CN110209713A CN201910565855.1A CN201910565855A CN110209713A CN 110209713 A CN110209713 A CN 110209713A CN 201910565855 A CN201910565855 A CN 201910565855A CN 110209713 A CN110209713 A CN 110209713A
- Authority
- CN
- China
- Prior art keywords
- data
- grid structure
- rack
- sample rack
- recognition result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012423 maintenance Methods 0.000 claims abstract description 68
- 238000012216 screening Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 7
- 230000001568 sexual effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000005611 electricity Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000000547 structure data Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Fuzzy Systems (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种异常网架结构识别方法及装置，涉及电力传输技术领域。方法包括：获取待识别网架数据，待识别网架数据包括多个网架结构的运维数据；将多个网架结构的运维数据输入网架识别模型，得到识别结果，识别结果包括如下中的至少一种信息：各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据；根据识别结果中的至少一种信息，确定多个待识别网架中的异常网架结构。通过根据由网架识别模型输出的识别结果确定待识别网架中是否存在异常网架结构，无需通过人工手动对各个网架结构的网架数据进行梳理，减少了确定异常网架结构所花费的时间，提高了确定异常网架结构的效率。
Description
技术领域
本发明涉及电力传输技术领域，具体而言，涉及一种异常网架结构识别方法及装置。
背景技术
随着电力系统的不断发展，电力系统中的各项数据也在不断增加，例如，为了排查电力系统中电力网网架拓扑结构的状态，可以通过对网架结构对应的数据进行排查，从而得到排查结果。
相关技术中，可以通过人工汇总的方式对各个电网网架的相关数据进行收集，并根据不同部门、不同专业的工作人员对大量的相关数据进行梳理，从而得到排查结果。
但是，在对网架结构进行识别的过程中，需要通过大量的人力资源对电网网架的相关数据进行梳理，造成花费时间较多，效率较低的问题。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种异常网架结构识别方法及装置，以解决对电网网架的相关数据进行梳理，造成花费时间较多，效率较低的问题。
为实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种异常网架结构识别方法，所述方法包括：
获取待识别网架数据，所述待识别网架数据包括多个网架结构的运维数据；
将多个所述网架结构的运维数据输入网架识别模型，得到识别结果，所述网架识别模型用于根据所述运维数据识别得到所述识别结果，所述识别结果包括如下中的至少一种信息：各个所述网架结构之间的关联关系、每个所述网架结构中各个电力设备之间的层级关系、以及每个所述网架结构中各个电力设备所记录的运维数据；
根据所述识别结果中的至少一种所述信息，确定多个所述网架结构中的异常网架结构。
可选的，在所述将多个所述网架结构的运维数据输入网架识别模型之前，所述方法包括：
获取样本网架数据；
对所述样本网架数据进行筛选，得到目标样本网架数据；
根据所述目标样本网架数据进行训练，得到所述网架识别模型。
可选的，所述对所述样本网架数据进行筛选，得到目标样本网架数据，包括：
根据实际数据关系，对所述样本网架数据中的多项基础数据进行整理，得到初始样本网架数据，所述实际数据关系为所述样本网架数据的记录规则；
根据标准数据关系对所述初始样本网架数据进行整理，得到所述目标样本网架数据，所述标准数据关系为所述样本网架数据的预设记录规则。
可选的，在所述对所述样本网架数据进行筛选，得到目标样本网架数据之后，所述方法还包括：
根据所述标准数据关系和所述目标样本网架数据，对所述目标样本网架数据进行图谱化，得到图谱化数据。
可选的，在所述根据所述识别结果中的至少一种所述信息，确定多个所述网架结构中的异常网架结构之后，所述方法还包括：
展示每个所述异常网架结构对应的异常类型，所述异常类型包括一致性异常和关联关系异常中的至少一个。
第二方面，本发明实施例还提供了一种异常网架结构识别装置，所述装置包括：
第一获取模块，用于获取待识别网架数据，所述待识别网架数据包括多个网架结构的运维数据；
识别模块，用于将多个所述网架结构的运维数据输入网架识别模型，得到识别结果，所述网架识别模型用于根据所述运维数据识别得到所述识别结果，所述识别结果包括如下中的至少一种信息：各个所述网架结构之间的关联关系、每个所述网架结构中各个电力设备之间的层级关系、以及每个所述网架结构中各个电力设备所记录的运维数据；
确定模块，用于根据所述识别结果中的至少一种所述信息，确定多个所述网架结构中的异常网架结构。
可选的，所述装置包括：
第二获取模块，用于获取样本网架数据；
筛选模块，用于对所述样本网架数据进行筛选，得到目标样本网架数据；
训练模块，用于根据所述目标样本网架数据进行训练，得到所述网架识别模型。
可选的，所述筛选模块，具体用于根据实际数据关系，对所述样本网架数据中的多项基础数据进行整理，得到初始样本网架数据，所述实际数据关系为所述样本网架数据的记录规则；根据标准数据关系对所述初始样本网架数据进行整理，得到所述目标样本网架数据，所述标准数据关系为所述样本网架数据的预设记录规则。
可选的，所述装置还包括：
图谱化模块，用于根据所述标准数据关系和所述目标样本网架数据，对所述目标样本网架数据进行图谱化，得到图谱化数据。
可选的，所述装置还包括：
展示模块，用于展示每个所述异常网架结构对应的异常类型，所述异常类型包括一致性异常和关联关系异常中的至少一个。
本发明的有益效果是：
本申请实施例通过获取包括多个网架结构的运维数据的待识别网架数据，并将多个网架结构的运维数据输入网架识别模型，得到识别结果，该网架识别模型用于根据运维数据识别得到识别结果，识别结果包括如下中的至少一种信息：各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据，最后根据识别结果中的至少一种信息，确定多个网架结构中的异常网架结构。通过根据由网架识别模型输出的识别结果确定待识别网架中是否存在异常网架结构，无需通过人工手动对各个网架结构的网架数据进行梳理，减少了确定异常网架结构所花费的时间，提高了确定异常网架结构的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明一实施例提供的异常网架结构识别方法的流程示意图；
图2为本发明另一实施例提供的异常网架结构识别方法的流程示意图；
图3为本发明一实施例提供的异常网架结构识别装置的示意图；
图4为本发明另一实施例提供的异常网架结构识别装置的示意图；
图5为本发明又一实施例提供的异常网架结构识别装置的示意图；
图6为本发明又一实施例提供的异常网架结构识别装置的示意图；
图7为本发明一实施例提供的异常网架结构识别装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
图1为本发明一实施例提供的异常网架结构识别方法的流程示意图，该异常网架结构识别方法可由计算机设备实现，该计算机设备可以为终端设备或服务器等，如图1所示，该方法包括：
步骤101、获取待识别网架数据，该待识别网架数据包括多个网架结构的运维数据。
例如，多个网架结构的运维数据可以包括网架结构所包括的各种电力设备的运行记录和检修维护数据等。
为了确定多个网架结构中是否存在异常网架结构，可以获取各个网架结构的运维数据，以便在后续步骤中，可以将获取的待识别网架数据输入网架识别模型，从而根据网架识别模型输出的结果确定异常网架结构。
具体地，针对某一区域，不同的电力部门均会对该区域的网架结构的运维数据进行记录，从而得到同一区域内的多个网架结构的网架数据。因此，可以从不同的电力部门的记录设备，如计算机设备或服务器，获取同一区域内的每个网架结构的运维数据，从而得到包括该多个网架结构的运维数据，并将该同一区域内的多个网架结构的运维数据作为待识别网架数据，用以确定该区域是否存在异常网架结构。
例如，若网架结构包括变压器时，则与该变压器对应的运维数据可以包括：运行参数信息、维护时间信息、检修信息和故障信息等。
步骤102、将多个网架结构的运维数据输入网架识别模型，得到识别结果。
其中，该网架识别模型用于根据该运维数据识别得到各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据。相对应的，该识别结果可以包括如下中的至少一种信息：各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系以及每个网架结构中各个电力设备所记录的运维数据。
在获取待识别网架数据后，则可以将该待识别网架数据所包括的多个网架结构的运维数据输入预先设置的网架识别模型，从而得到各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据中的至少一种信息，并根据各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据，生成识别结果，用以根据该识别结果确定是否存在异常网架结构。
在网架识别模型对运维数据进行识别处理的过程中，网架识别模型可以根据预先设置的标准数据关系，对运维数据进行整理，得到符合标准数据关系的运维数据，再根据整理后的运维数据，得到上述识别结果。
需要说明的是，网架结构包括网架结构中各个电力设备对应的多层级的关系(如一级主题、二级主题、实体、对象和类之间的层级关系)，相对应的，在实际应用中，网架结构的多层级之间的关系可以为站、线、变、户对应的层级关系，其中，站即为变电站，而线为输电线，变为变压器，户为各个用电的用户。
需要说明的是，多层级关系中的一级主题、二级主题等各层级关系是根据各个电力设备之间的异同进行区分的。
步骤103、根据识别结果中的至少一种信息，确定多个网架结构中的异常网架结构。
在得到识别结果后，即可根据识别结果中梳理的各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据进行判断，确定是否存在异常网架结构。
具体地，可以根据各个网架结构中每个电力设备的运维数据，确定是否在至少两个网架结构中存在同一电力设备。对于每个电力设备，若该电力设备不但记录在当前的网架结构中，还被记录在其他网架结构中，则说明该电力设备被记录在了至少两个网架结构中，可以确定该电力设备异常，记录该电力设备的至少两个网架结构也均为异常网架结构。
例如，若识别结果中指示第一网架结构的某个电力设备的运维信息，与第二网架结构中的某个电力设备完全一致，则说明该电力设备被记录在了第一网架结构和第二网架结构中，则该电力设备异常，第一网架结构和第二网架结构均属于异常网架结构。或者，用户与变压器之间的地理位置信息差异较大(如相隔距离过远)，则可以确定该用户与变压器之间所属的网架结构异常。
需要说明的是，在实际应用中，电力设备的运维信息不但可以包括运行记录和检修维护数据，还可以包括用于描述电力设备的硬件信息，例如电力设备的品牌、型号和编号等用于标识电力设备的信息，本申请实施例对描述电力设备的硬件信息不做限定。
因此，在确定电力设备和网架结构是否异常的过程中，可以根据电力设备运维信息中的硬件信息进行判断，确定电力设备和网架结构是否异常，从而确定异常网架结构。
综上所述，本申请实施例提供的异常网架结构识别方法，通过获取包括多个网架结构的运维数据的待识别网架数据，并将多个网架结构的运维数据输入网架识别模型，得到识别结果，该网架识别模型用于根据运维数据识别得到识别结果，识别结果包括如下中的至少一种信息：各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据，最后根据识别结果中的至少一种信息，确定多个网架结构中的异常网架结构。通过根据由网架识别模型输出的识别结果确定待识别网架中是否存在异常网架结构，无需通过人工手动对各个网架结构的网架数据进行梳理，减少了确定异常网架结构所花费的时间，提高了确定异常网架结构的效率。
图2为本发明另一实施例提供的异常网架结构识别方法的流程示意图，如图2所示，该方法包括：
步骤201、获取样本网架数据。
其中，该样本网架数据可以包括：网架地理位置、网架所载线路、网架运行信息(电流电压等)、网架维护信息，当然，样本网架数据还可以包括其他用于描述网架的信息。
为了提高确定异常网架结构的效率，可以通过由样本网架数据训练得到的网架识别模型对待识别网架数据进行识别，从而根据网架识别模型输出的识别结果确定是否存在异常网架结构。
因此，可以先获取各个电力部门记录的网架结构的网架数据，并将获取的网架数据作为样本网架数据，用以进行训练，得到网架识别模型。
例如，电力部门可以包括营销、PMS(Power Production ManagementSystem，工程生产管理系统)和GIS(Geographic Information System地理信息系统)三个系统，则可以将上述三个系统中记录的网架数据作为样本网架数据。
步骤202、对样本网架数据进行筛选，得到目标样本网架数据。
由于不同电力部门，可以通过不同的管理系统，采用不同的记录规则对同一网架结构的运维数据进行记录，从而得到针对同一网架结构的不同版本的运维数据。
因此，在对样本网架数据进行训练之前，可对样本网架数据进行筛选整合，从而得到目标网架数据。
可选的，可以根据实际数据关系，对样本网架数据中的多项基础数据进行整理，得到初始样本网架数据，再根据标准数据关系对初始样本网架数据进行整理，得到目标样本网架数据。
其中，该实际数据关系为样本网架数据的记录规则；该标准数据关系为样本网架数据的预设记录规则。例如，电力系统规定各个部门采用标准数据关系对应的规则对网架结构中各个电力设备的运维数据进行记录，但是在实际应用中，各个电力部门根据实际情况采用区别于标准数据关系的记录规则对各个运维数据进行记录，从而形成了实际数据关系。
另外，样本网架数据中的基础数据可以包括网架结构的运维数据，还可以包括其他与网架结构中的各个电力设备相关的数据，本申请实施例对此不做限定。
具体地，可以先根据实际数据关系，对样本网架数据中冗余的数据进行整合，得到初始样本网架数据，再根据标准数据关系，将初始样本网架数据中表示同一数据的各项基础数据进行合并删除等整理操作，从而得到去冗余且符合标准数据关系的目标样本网架数据。
例如，某个变压器在PMS系统中记录了该变压器的安装位置及供电范围等信息，但是在GIS系统中该变压器的名称与该变压器在PMS系统的名称不同，但是实际上是同一个实体，因此可以对这两个变压器的数据进行合并删除的操作。
步骤203、根据标准数据关系和目标样本网架数据，对目标样本网架数据进行图谱化，得到图谱化数据。
为了便于用户查阅各个网架结构的网架数据，可以对目标样本网架数据进行图谱化，得到表示各个网架结构中各个电力设备以及相关数据的图谱化数据。
例如，可以根据知识图谱、图数据的方式，结合标准数据关系对目标样本网架数据进行图谱化，得到可以表示数据层级关系的全域数据图谱。
需要说明的是，图谱化过程指的是对具体的实体对象及其关系进行展示，重点是对各个电力设备之间的关联关系进行可视化，以便用户于上述关联关系，分析对比各个网架结构之间的差异。其中，实体对象可以为网架结构中的电力设备。
步骤204、根据目标样本网架数据进行训练，得到网架识别模型。
在获取目标样本网架数据后，即可根据该目标样本网架数据进行训练，得到能够梳理网架结构之间的关联关系的网架识别模型，进一步地，网架识别模型不但可以梳理各个网架结构之间的关联关系，还可以梳理网架结构中所包括的各个电力设备之间的层级关系。
具体地，可以构建初始网架识别模型，并将目标样本网架数据输入该初始网架识别模型，得到初始识别结果，将初始识别结果与目标样本网架数据对应的实际结果进行匹配，再根据匹配结果对初始网架识别模型进行调整，之后再次将目标样本网架数据输入调整后的初始网架识别模型进行训练，直至输出的识别结果满足预先设置的准确度，或者，训练次数达到预先设置的训练阈值。
步骤205、获取待识别网架数据，该待识别网架数据包括多个网架结构的运维数据。
步骤206、将多个网架结构的运维数据输入网架识别模型，得到识别结果。
其中，网架识别模型用于根据待识别网架数据识别得到识别结果，该识别结果包括如下中的至少一种信息：各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据。
步骤207、根据识别结果中的至少一种信息，确定多个网架结构中的异常网架结构。
可选的，在上述方法的基础上，该方法还可包括：
步骤208、展示每个异常网架结构对应的异常类型。
其中，该异常类型包括一致性异常和关联关系异常中的至少一个。
在得到识别结果后，可以对识别结果进行分析，确定待识别网架中是否存在异常网架结构，若存在异常网架结构，则需要对异常网架结构进行显示，以便用户获知出现异常的网架结构。
例如，在显示异常网架结构时，可以向用户展示异常网架结构对应的异常类型，若异常网架结构中电力设备的基础档案存在一致性差异，则可以向用户展示该异常网架结构的异常类型为一致性异常。若异常网架结构中的户变关系存在异常，则可以向用户展示该异常网架结构的异常类型为关联关系异常。
其中，该电力设备的基础档案可以包括电力设备的标识信息、地理位置信息以及其他与电力设备相关的信息，例如，电力设备的基础档案还可以包括电力设备对应的运维数据。
另外，与步骤103举例相对应的，该户变关系即为用户与变压器之间的关系，户变关系异常即是用户的地理位置与变压器之间的地理位置之间相隔过远，无法实现正常供电。
当然，还可以向用户展示其他与异常网架结构相关的数据，本申请实施例对此不做限定。例如，可以向用户展示异常网架结构中哪些参数不同或异常，从而导致了网架结构出现异常。
综上所述，本申请实施例提供的异常网架结构识别方法，通过获取包括多个网架结构的运维数据的待识别网架数据，并将多个网架结构的运维数据输入网架识别模型，得到识别结果，该网架识别模型用于根据运维数据识别得到识别结果，识别结果包括如下中的至少一种信息：各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据，最后根据识别结果中的至少一种信息，确定多个网架结构中的异常网架结构。通过根据由网架识别模型输出的识别结果确定待识别网架中是否存在异常网架结构，无需通过人工手动对各个网架结构的网架数据进行梳理，减少了确定异常网架结构所花费的时间，提高了确定异常网架结构的效率。
图3为本发明一实施例提供的异常网架结构识别装置的示意图，如图3所示，该装置具体包括：
第一获取模块301，用于获取待识别网架数据，该待识别网架数据包括多个网架结构的运维数据；
识别模块302，用于将多个该网架结构的运维数据输入网架识别模型，得到识别结果，该网架识别模型用于根据该运维数据识别得到该识别结果，该识别结果包括如下中的至少一种信息：各个该网架结构之间的关联关系、每个该网架结构中各个电力设备之间的层级关系、以及每个该网架结构中各个电力设备所记录的运维数据；
确定模块303，用于根据该识别结果中的至少一种该信息，确定多个该网架结构中的异常网架结构。
可选的，参见图4，该装置包括：
第二获取模块304，用于获取样本网架数据；
筛选模块305，用于对该样本网架数据进行筛选，得到目标样本网架数据；
训练模块306，用于根据该目标样本网架数据进行训练，得到该网架识别模型。
可选的，该筛选模块305，具体用于根据实际数据关系，对该样本网架数据中的多项基础数据进行整理，得到初始样本网架数据，该实际数据关系为该样本网架数据的记录规则；根据标准数据关系对该初始样本网架数据进行整理，得到该目标样本网架数据，该标准数据关系为该样本网架数据的预设记录规则。
可选的，参见图5，该装置还包括：
图谱化模块307，用于根据该标准数据关系和该目标样本网架数据，对该目标样本网架数据进行图谱化，得到图谱化数据。
可选的，参见图6，该装置还包括：
展示模块308，用于展示每个该异常网架结构对应的异常类型，该异常类型包括一致性异常和关联关系异常中的至少一个。
综上所述，本申请实施例提供的异常网架结构识别装置，通过获取包括多个网架结构的运维数据的待识别网架数据，并将多个网架结构的运维数据输入网架识别模型，得到识别结果，该网架识别模型用于根据运维数据识别得到识别结果，识别结果包括如下中的至少一种信息：各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据，最后根据识别结果中的至少一种信息，确定多个网架结构中的异常网架结构。通过根据由网架识别模型输出的识别结果确定待识别网架中是否存在异常网架结构，无需通过人工手动对各个网架结构的网架数据进行梳理，减少了确定异常网架结构所花费的时间，提高了确定异常网架结构的效率。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital singnal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
图7为本发明一实施例提供的异常网架结构识别装置的示意图，该装置可以集成于终端设备或者终端设备的芯片，该终端可以是具备异常网架结构识别功能的计算设备。
该装置包括：存储器701、处理器702。
存储器701用于存储程序，处理器702调用存储器701存储的程序，以执行上述方法实施例。具体实现方式和技术效果类似，这里不再赘述。
可选地，本发明还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random AccessMemory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种异常网架结构识别方法，其特征在于，所述方法包括：
获取待识别网架数据，所述待识别网架数据包括多个网架结构的运维数据；
将多个所述网架结构的运维数据输入网架识别模型，得到识别结果，所述网架识别模型用于根据所述运维数据识别得到所述识别结果，所述识别结果包括如下中的至少一种信息：各个所述网架结构之间的关联关系、每个所述网架结构中各个电力设备之间的层级关系、以及每个所述网架结构中各个电力设备所记录的运维数据；
根据所述识别结果中的至少一种所述信息，确定多个所述网架结构中的异常网架结构。
2.如权利要求1所述的方法，其特征在于，在所述将多个所述网架结构的运维数据输入网架识别模型之前，所述方法包括：
获取样本网架数据；
对所述样本网架数据进行筛选，得到目标样本网架数据；
根据所述目标样本网架数据进行训练，得到所述网架识别模型。
3.如权利要求2所述的方法，其特征在于，所述对所述样本网架数据进行筛选，得到目标样本网架数据，包括：
根据实际数据关系，对所述样本网架数据中的多项基础数据进行整理，得到初始样本网架数据，所述实际数据关系为所述样本网架数据的记录规则；
根据标准数据关系对所述初始样本网架数据进行整理，得到所述目标样本网架数据，所述标准数据关系为所述样本网架数据的预设记录规则。
4.如权利要求3所述的方法，其特征在于，在所述对所述样本网架数据进行筛选，得到目标样本网架数据之后，所述方法还包括：
根据所述标准数据关系和所述目标样本网架数据，对所述目标样本网架数据进行图谱化，得到图谱化数据。
5.如权利要求1至4任一所述的方法，其特征在于，在所述根据所述识别结果中的至少一种所述信息，确定多个所述网架结构中的异常网架结构之后，所述方法还包括：
展示每个所述异常网架结构对应的异常类型，所述异常类型包括一致性异常和关联关系异常中的至少一个。
6.一种异常网架结构识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取待识别网架数据，所述待识别网架数据包括多个网架结构的运维数据；
识别模块，用于将多个所述网架结构的运维数据输入网架识别模型，得到识别结果，所述网架识别模型用于根据所述运维数据识别得到所述识别结果，所述识别结果包括如下中的至少一种信息：各个所述网架结构之间的关联关系、每个所述网架结构中各个电力设备之间的层级关系、以及每个所述网架结构中各个电力设备所记录的运维数据；
确定模块，用于根据所述识别结果中的至少一种所述信息，确定多个所述网架结构中的异常网架结构。
7.如权利要求6所述的装置，其特征在于，所述装置包括：
第二获取模块，用于获取样本网架数据；
筛选模块，用于对所述样本网架数据进行筛选，得到目标样本网架数据；
训练模块，用于根据所述目标样本网架数据进行训练，得到所述网架识别模型。
8.如权利要求7所述的装置，其特征在于，所述筛选模块，具体用于根据实际数据关系，对所述样本网架数据中的多项基础数据进行整理，得到初始样本网架数据，所述实际数据关系为所述样本网架数据的记录规则；根据标准数据关系对所述初始样本网架数据进行整理，得到所述目标样本网架数据，所述标准数据关系为所述样本网架数据的预设记录规则。
9.如权利要求8所述的装置，其特征在于，所述装置还包括：
图谱化模块，用于根据所述标准数据关系和所述目标样本网架数据，对所述目标样本网架数据进行图谱化，得到图谱化数据。
10.如权利要求6至9任一所述的装置，其特征在于，所述装置还包括：
展示模块，用于展示每个所述异常网架结构对应的异常类型，所述异常类型包括一致性异常和关联关系异常中的至少一个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910565855.1A CN110209713A (zh) | 2019-06-26 | 2019-06-26 | 异常网架结构识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910565855.1A CN110209713A (zh) | 2019-06-26 | 2019-06-26 | 异常网架结构识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110209713A true CN110209713A (zh) | 2019-09-06 |
Family
ID=67794880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910565855.1A Pending CN110209713A (zh) | 2019-06-26 | 2019-06-26 | 异常网架结构识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110209713A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114758206A (zh) * | 2022-06-13 | 2022-07-15 | 武汉珈鹰智能科技有限公司 | 一种钢网架结构异常检测方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103761689A (zh) * | 2014-02-07 | 2014-04-30 | 昆明能讯科技有限责任公司 | 基于动态拓扑可视化电网的故障分析系统 |
| CN105515197A (zh) * | 2016-01-04 | 2016-04-20 | 南京南瑞继保电气有限公司 | 电网拓扑结构识别方法及装置 |
| CN106251064A (zh) * | 2016-07-28 | 2016-12-21 | 国网江苏省电力公司镇江供电公司 | 基于网格化的配电网调度监控方法 |
| CN106771883A (zh) * | 2017-01-22 | 2017-05-31 | 中国电力科学研究院 | 一种基于云的多源信息配电故障定位方法及系统 |
| CN106779344A (zh) * | 2016-11-28 | 2017-05-31 | 云南电网有限责任公司大理供电局 | 一种基于营配信息集成的配电网规划的方法 |
| CN108182323A (zh) * | 2017-12-25 | 2018-06-19 | 华南理工大学 | 一种用于低压配电网的智能运维管理方法 |
| CN108345229A (zh) * | 2018-02-01 | 2018-07-31 | 贵州电网有限责任公司 | 电网实时信息集中展示系统 |
| CN108711853A (zh) * | 2018-06-28 | 2018-10-26 | 国网山东省电力公司泰安供电公司 | 城区电网分析方法、装置和实现装置 |
| CN109815230A (zh) * | 2018-12-23 | 2019-05-28 | 国网浙江省电力有限公司 | 一种基于知识图谱的全业务数据中心数据审计方法 |
-
2019
- 2019-06-26 CN CN201910565855.1A patent/CN110209713A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103761689A (zh) * | 2014-02-07 | 2014-04-30 | 昆明能讯科技有限责任公司 | 基于动态拓扑可视化电网的故障分析系统 |
| CN105515197A (zh) * | 2016-01-04 | 2016-04-20 | 南京南瑞继保电气有限公司 | 电网拓扑结构识别方法及装置 |
| CN106251064A (zh) * | 2016-07-28 | 2016-12-21 | 国网江苏省电力公司镇江供电公司 | 基于网格化的配电网调度监控方法 |
| CN106779344A (zh) * | 2016-11-28 | 2017-05-31 | 云南电网有限责任公司大理供电局 | 一种基于营配信息集成的配电网规划的方法 |
| CN106771883A (zh) * | 2017-01-22 | 2017-05-31 | 中国电力科学研究院 | 一种基于云的多源信息配电故障定位方法及系统 |
| CN108182323A (zh) * | 2017-12-25 | 2018-06-19 | 华南理工大学 | 一种用于低压配电网的智能运维管理方法 |
| CN108345229A (zh) * | 2018-02-01 | 2018-07-31 | 贵州电网有限责任公司 | 电网实时信息集中展示系统 |
| CN108711853A (zh) * | 2018-06-28 | 2018-10-26 | 国网山东省电力公司泰安供电公司 | 城区电网分析方法、装置和实现装置 |
| CN109815230A (zh) * | 2018-12-23 | 2019-05-28 | 国网浙江省电力有限公司 | 一种基于知识图谱的全业务数据中心数据审计方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114758206A (zh) * | 2022-06-13 | 2022-07-15 | 武汉珈鹰智能科技有限公司 | 一种钢网架结构异常检测方法及装置 |
| CN114758206B (zh) * | 2022-06-13 | 2022-10-28 | 武汉珈鹰智能科技有限公司 | 一种钢网架结构异常检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111339071B (zh) | 一种多源异构数据的处理方法及装置 | |
| CN108683530B (zh) | 多维度数据的数据分析方法、装置及存储介质 | |
| CN109784636A (zh) | 欺诈用户识别方法、装置、计算机设备及存储介质 | |
| CN105894234B (zh) | 计算自提柜投放位置的数据处理方法和系统 | |
| CN111177222B (zh) | 模型测试方法、装置及计算设备、存储介质 | |
| US10331156B2 (en) | System and method for big data geographic information system discovery | |
| CN111368089A (zh) | 一种基于知识图谱的业务处理方法及装置 | |
| CN108563548A (zh) | 异常检测方法及装置 | |
| CN109379420A (zh) | 一种基于分布式架构的综合能源服务平台系统 | |
| CN109643910A (zh) | 用于电网系统的增强型岛管理应用 | |
| CN109308490A (zh) | 用于生成信息的方法和装置 | |
| CN109344262A (zh) | 知识体系的建立方法、装置及存储介质 | |
| CN108734304A (zh) | 一种数据模型的训练方法、装置、及计算机设备 | |
| CN109145828A (zh) | 用于生成视频类别检测模型的方法和装置 | |
| CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
| CN109447246A (zh) | 用于生成模型的方法和装置 | |
| CN107611962A (zh) | 电网系统支路搜索方法、系统及电子设备 | |
| CN105119237B (zh) | 继电保护操作校核的方法 | |
| CN110019519A (zh) | 数据处理方法、装置、存储介质和电子装置 | |
| CN110096420A (zh) | 一种数据处理方法、系统和装置 | |
| CN110457175A (zh) | 业务数据处理方法、装置、电子设备及介质 | |
| CN108959048A (zh) | 模块化环境的性能分析方法、装置及可存储介质 | |
| US9369338B1 (en) | Network link capacity determination | |
| CN109088793B (zh) | 用于检测网络故障的方法和装置 | |
| CN110209713A (zh) | 异常网架结构识别方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190906 |
|
| RJ01 | Rejection of invention patent application after publication |