CN112365186A - 一种电力信息系统健康度评估方法及其评估系统 - Google Patents

Abstract

本发明提供一种电力信息系统健康度评估方法及其评估系统，涉及电力信息系统健康评估技术领域。该电力信息系统健康度评估方法包括以下步骤：S1、实时监控并采集电力信息系统的运行数据；S2、对运行数据进行预处理，屏蔽与运行数据无关内容；S3、构建运行数据训练样本集和测试集；S4、利用深度学习模型对运行数据集进行训练。本发明，基于采集技术以及大数据分析统计技术，使得电力信息系统的运行状态无需运维人员进行对应的监管，减少了人工压力，且监管过程中不会受到人工限制，统计效率高，不易出现错误评估，通过系统的自我学习能力，始终保持系统的高效评估手段，确保了能够获取到最精准的健康度评估值。

Description

一种电力信息系统健康度评估方法及其评估系统

技术领域

本发明涉及电力信息系统健康评估技术领域，具体为一种电力信息系统健康度评估方法及其评估系统。

背景技术

随着国家电网公司信息化建设的不断深入，各主营专业通过建设并完善其自身专业系统，基本实现了以信息系统为支撑的线上办公作业，大大提升了生产管理效率，业内信息系统的建设数量越来越多，同时对系统的运行安全性要求也越来越高，这就给信息系统运行维护及管理工作提出了巨大挑战，然而电力企业内部信息系统运维及管理工作自身却恰恰缺少合适的系统做支撑，出现了信息专业信息化水平支撑不足的尴尬局面。

目前，电力信息系统在运行过程中，需要不断的对其运行状态进行监控，获取电力信息系统的健康评估值，现有的电力信息系统的运行状态需要运维人员进行对应的监管，增加人工压力，且监管过程中受到人工限制，统计效率低，易出现错误评估，同时，由于统计过程中无关因素的影响，导致评估工作量巨大，准确度低。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种电力信息系统健康度评估方法及其评估系统，解决了现有技术中存在的缺陷与不足。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种电力信息系统健康度评估方法，所述评估方法包括以下步骤：

S1、实时监控并采集电力信息系统的运行数据；

S2、对运行数据进行预处理，屏蔽与运行数据无关内容；

S3、构建运行数据训练样本集和测试集；

S4、利用深度学习模型对运行数据集进行训练；

S5、利用训练后模型对运行数据进行分类，导出结果。

优选的，所述步骤1中实时监控并采集电力信息系统的运行数据，具体如下：

1)通过监控设备实时监控电力信息系统工作时的运行状态，同时将运行状态通过A/D转换信号传输至采集设备中；

2)采集设备实时采集运行数据，同时将运行同步传输到下一流程中，若采集设备监测到两分钟内没有采集到新的运行数据，则驱动报警装置发出警报，提醒工作人员系统故障。

优选的，所述步骤2中对运行数据进行预处理，屏蔽与运行数据无关内容，具体如下：

1)在接收到电力信息系统的运行数据之后，立即判断采集的所有数据是否都是真实运行数据，可提前设定真实运行数据参数；

2)删去无关于运行数据的所有其它数据，同时判断是否有新的无关数据生成，将新的无关数据进行标记成屏蔽数据，在下一次采集过程中就不会再次采集屏蔽过的数据。

优选的，所述步骤3中构建运行数据训练样本集和测试集，具体如下：将运行数据分为训练集和测试集，通过分类算法将训练集和测试集分别随机组合，其中分类算法包括但不限于为SVM、决策树或贝叶斯。

优选的，所述步骤4中利用深度学习模型对运行数据集进行训练，具体如下：

1)建立健康评估模型以及数据库系统，生成健康评估模型与数据库系统之间的关联性；

2)将通过运行数据获取的训练集导入到数据库系统中，数据库系统将数据同步到健康评估模型中；

3)将测试集导入到健康评估模型中进行训练，直到健康评估模型能够精准的匹配到训练集以及测试集；

4)将新采集的运行数据导入到健康评估模型，将运行数据以及健康评估模型中健康数据进行对比。

优选的，所述步骤5中利用训练后模型对运行数据进行分类，具体如下：

1)根据训练以及测试结果获取十组数据，其中十组数据的差异化均不同；

2)根据上述十组数据，设置十个健康度评估区间，依次标记为Q₁、Q₂、Q₃...Q₁₀，同时划分健康度等级，Q₁与Q₂划分为正常，Q₃与Q₄划分为较好，Q₅与Q₆划分为中等，Q₇与Q₈划分为较差，Q₉与Q₁₀划分为特差。

一种电力信息系统健康度评估系统，所述评估系统包括数据采集模块、数据屏蔽模块、中央处理模块、样本获取模块、模型训练模块、等级划分模块与结果输出模块；

所述数据采集模块用于采集电力信息系统运行数据；

所述数据屏蔽模块用于删去无关于运行数据的所有其它数据，将新的无关数据进行标记成屏蔽数据；

所述样本获取模块用于构建运行数据训练样本集和测试集；

所述模型训练模块用于利用深度学习模型对运行数据集进行训练；

所述等级划分模块用于根据训练以及测试结果获取不同等级的健康度评估值；

所述结果输出模块用于导出采集的运行数据健康度评估等级。

(三)有益效果

本发明提供了一种电力信息系统健康度评估方法及其评估系统。具备以下有益效果：

1、本发明，基于采集技术以及大数据分析统计技术，使得电力信息系统的运行状态无需运维人员进行对应的监管，减少了人工压力，且监管过程中不会受到人工限制，统计效率高，不易出现错误评估，通过系统的自我学习能力，始终保持系统的高效评估手段，确保了能够获取到最精准的健康度评估值。

2、本发明，可以在采集过程中删去无关于运行数据的所有其它数据，同时判断是否有新的无关数据生成，将新的无关数据进行标记成屏蔽数据，进而避免了统计过程中无关因素的影响，使得系统评估工作量减少，准确度提高。

附图说明

图1为本发明系统示意图。

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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

如图1所示，本发明实施例提供一种电力信息系统健康度评估方法，该评估方法包括以下步骤：

S1、实时监控并采集电力信息系统的运行数据，具体如下：

1)通过监控设备实时监控电力信息系统工作时的运行状态，同时将运行状态通过A/D转换信号传输至采集设备中；

2)采集设备实时采集运行数据，同时将运行同步传输到下一流程中，若采集设备监测到两分钟内没有采集到新的运行数据，则驱动报警装置发出警报，提醒工作人员系统故障；

S2、对运行数据进行预处理，屏蔽与运行数据无关内容，具体如下：

1)在接收到电力信息系统的运行数据之后，立即判断采集的所有数据是否都是真实运行数据，可提前设定真实运行数据参数；

2)删去无关于运行数据的所有其它数据，同时判断是否有新的无关数据生成，将新的无关数据进行标记成屏蔽数据，在下一次采集过程中就不会再次采集屏蔽过的数据；

S3、构建运行数据训练样本集和测试集，具体如下：将运行数据分为训练集和测试集，通过分类算法将训练集和测试集分别随机组合，其中分类算法包括但不限于为SVM、决策树或贝叶斯；

S4、利用深度学习模型对运行数据集进行训练，具体如下：

1)建立健康评估模型以及数据库系统，生成健康评估模型与数据库系统之间的关联性；

2)将通过运行数据获取的训练集导入到数据库系统中，数据库系统将数据同步到健康评估模型中；

3)将测试集导入到健康评估模型中进行训练，直到健康评估模型能够精准的匹配到训练集以及测试集；

4)将新采集的运行数据导入到健康评估模型，将运行数据以及健康评估模型中健康数据进行对比；

S5、利用训练后模型对运行数据进行分类，导出结果，具体如下：

1)根据训练以及测试结果获取十组数据，其中十组数据的差异化均不同；

2)根据上述十组数据，设置十个健康度评估区间，依次标记为Q₁、Q₂、Q₃...Q₁₀，同时划分健康度等级，Q₁与Q₂划分为正常，Q₃与Q₄划分为较好，Q₅与Q₆划分为中等，Q₇与Q₈划分为较差，Q₉与Q₁₀划分为特差。

一种电力信息系统健康度评估系统，该评估系统包括数据采集模块、数据屏蔽模块、中央处理模块、样本获取模块、模型训练模块、等级划分模块与结果输出模块；

数据采集模块用于采集电力信息系统运行数据；

数据屏蔽模块用于删去无关于运行数据的所有其它数据，将新的无关数据进行标记成屏蔽数据；

样本获取模块用于构建运行数据训练样本集和测试集；

模型训练模块用于利用深度学习模型对运行数据集进行训练；

等级划分模块用于根据训练以及测试结果获取不同等级的健康度评估值；

结果输出模块用于导出采集的运行数据健康度评估等级。

本发明，基于采集技术以及大数据分析统计技术，使得电力信息系统的运行状态无需运维人员进行对应的监管，减少了人工压力，且监管过程中不会受到人工限制，统计效率高，不易出现错误评估，通过系统的自我学习能力，始终保持系统的高效评估手段，确保了能够获取到最精准的健康度评估值。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个引用结构”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种电力信息系统健康度评估方法，其特征在于：所述评估方法包括以下步骤：

S1、实时监控并采集电力信息系统的运行数据；

S2、对运行数据进行预处理，屏蔽与运行数据无关内容；

S3、构建运行数据训练样本集和测试集；

S4、利用深度学习模型对运行数据集进行训练；

S5、利用训练后模型对运行数据进行分类，导出结果。

2.根据权利要求1所述的一种电力信息系统健康度评估方法，其特征在于：所述步骤1中实时监控并采集电力信息系统的运行数据，具体如下：

1)通过监控设备实时监控电力信息系统工作时的运行状态，同时将运行状态通过A/D转换信号传输至采集设备中；

2)采集设备实时采集运行数据，同时将运行同步传输到下一流程中，若采集设备监测到两分钟内没有采集到新的运行数据，则驱动报警装置发出警报，提醒工作人员系统故障。

3.根据权利要求1所述的一种电力信息系统健康度评估方法，其特征在于：所述步骤2中对运行数据进行预处理，屏蔽与运行数据无关内容，具体如下：

1)在接收到电力信息系统的运行数据之后，立即判断采集的所有数据是否都是真实运行数据，可提前设定真实运行数据参数；

2)删去无关于运行数据的所有其它数据，同时判断是否有新的无关数据生成，将新的无关数据进行标记成屏蔽数据，在下一次采集过程中就不会再次采集屏蔽过的数据。

4.根据权利要求1所述的一种电力信息系统健康度评估方法，其特征在于：所述步骤3中构建运行数据训练样本集和测试集，具体如下：将运行数据分为训练集和测试集，通过分类算法将训练集和测试集分别随机组合，其中分类算法包括但不限于为SVM、决策树或贝叶斯。

5.根据权利要求1所述的一种电力信息系统健康度评估方法，其特征在于：所述步骤4中利用深度学习模型对运行数据集进行训练，具体如下：

1)建立健康评估模型以及数据库系统，生成健康评估模型与数据库系统之间的关联性；

2)将通过运行数据获取的训练集导入到数据库系统中，数据库系统将数据同步到健康评估模型中；

3)将测试集导入到健康评估模型中进行训练，直到健康评估模型能够精准的匹配到训练集以及测试集；

4)将新采集的运行数据导入到健康评估模型，将运行数据以及健康评估模型中健康数据进行对比。

6.根据权利要求1所述的一种电力信息系统健康度评估方法，其特征在于：所述步骤5中利用训练后模型对运行数据进行分类，具体如下：

1)根据训练以及测试结果获取十组数据，其中十组数据的差异化均不同；

2)根据上述十组数据，设置十个健康度评估区间，依次标记为Q₁、Q₂、Q₃...Q₁₀，同时划分健康度等级，Q₁与Q₂划分为正常，Q₃与Q₄划分为较好，Q₅与Q₆划分为中等，Q₇与Q₈划分为较差，Q₉与Q₁₀划分为特差。

7.一种电力信息系统健康度评估系统，其特征在于：所述评估系统包括数据采集模块、数据屏蔽模块、中央处理模块、样本获取模块、模型训练模块、等级划分模块与结果输出模块；

所述数据采集模块用于采集电力信息系统运行数据；

所述数据屏蔽模块用于删去无关于运行数据的所有其它数据，将新的无关数据进行标记成屏蔽数据；

所述样本获取模块用于构建运行数据训练样本集和测试集；

所述模型训练模块用于利用深度学习模型对运行数据集进行训练；

所述等级划分模块用于根据训练以及测试结果获取不同等级的健康度评估值；

所述结果输出模块用于导出采集的运行数据健康度评估等级。

Images