CN113743717A - 基于分级技术的提醒方法、设备及存储介质 - Google Patents
基于分级技术的提醒方法、设备及存储介质 Download PDFInfo
- Publication number
- CN113743717A CN113743717A CN202110844493.7A CN202110844493A CN113743717A CN 113743717 A CN113743717 A CN 113743717A CN 202110844493 A CN202110844493 A CN 202110844493A CN 113743717 A CN113743717 A CN 113743717A
- Authority
- CN
- China
- Prior art keywords
- reminding
- calculating
- reminder
- fuzzy
- parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 230000006870 function Effects 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 24
- 230000000295 complement effect Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 19
- 230000005477 standard model Effects 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 230000002354 daily effect Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了基于分级技术的提醒方法、设备及存储介质。其中,基于分级技术的提醒方法,包括:获取多个提醒事件的提醒数据;根据所述提醒数据,形成标准化提醒参数;根据所述标准化提醒参数,计算得到各个提醒事件的分级信息。本申请实施例通过将提醒事件的提醒数据形成标准化提醒参数,并利用标准模型进行处理,实现对变电站的日常提醒数据完成提醒信息分级,从而实现更加具有针对性和合理性的提醒,进而确保提醒事件处理处理的实时性和合理性。
Description
技术领域
本申请实施例涉及变电站检测技术领域,尤其涉及一种基于分级技术的提醒方法、设备及存储介质。
背景技术
变电站是电力系统的重要组成部分,变电站的安全可靠运行对维持电力系统的稳定运行具有十分重要的意义。专业变电站工作者为变电站保持良好运行的关键基础,同时科学合理的变电站巡检为此活动顺利进行的重要基础。
目前,在变电站运行过程中,每天会产生大量的提醒数据信息,但目前提醒信息主要依靠监控人员人工确认,容易存在提醒事件处理不及时或安排不合理等问题。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本申请实施例提供一种基于分级技术的提醒方法、设备及存储介质,能够实现对变电站的日常提醒数据完成提醒信息分级,实现更加具有针对性和合理性的提醒,进而确保提醒事件处理处理的实时性和合理性。
第一方面,本申请实施例提供一种基于分级技术的提醒方法,包括:
获取多个提醒事件的提醒数据;
根据所述提醒数据,形成标准化提醒参数;
根据所述标准化提醒参数,计算得到各个提醒事件的分级信息。
在一可选的实施方式中,提醒事件包括以下的一种或多种:设备告警类事件、环境告警类事件、作业告警类事件、系统自身运行类事件、终端告警类事件。
在一可选的实施方式中,所述提醒数据包括:提醒事件类别、母线的电压等级、用电类型和事件时间间隔。
在一可选的实施方式中,标准化提醒参数包括:
电压等级参数、人身影响参数、设备影响参数和时间间隔参数。
在一可选的实施方式中,所述根据所述标准化提醒参数,计算得到各个提醒事件的分级信息,包括:
计算各标准化提醒参数的模糊统计函数;
计算各标准化提醒参数的权重;
根据所述模糊统计函数和权重,计算得到各个提醒事件的分级信息。
在一可选的实施方式中,所述计算各标准化提醒参数的模糊统计函数,包括:
根据第一计算公式,计算得到电压等级参数x1的模糊统计函数μ(x1);其中,第一计算公式为:
根据第二计算公式,计算得到人身影响参数x2的模糊统计函数μ(x2);其中,第二计算公式为:
根据第三计算公式,计算得到设备影响参数x3的模糊统计函数μ(x3);其中,第三计算公式为:
根据第四计算公式,计算得到时间间隔参数x4的模糊统计函数μ(x4);其中,第四计算公式为:
在一可选的实施方式中,所述计算各标准化提醒参数的权重,包括:
建立模糊互补判断矩阵;
根据所述模糊互补判断矩阵,确定模糊互补判断矩阵权重公式;
检验所述模糊互补判断矩阵的一致性。
在一可选的实施方式中,所述根据所述模糊统计函数和权重,计算得到各个提醒事件的分级信息,包括:
根据模糊统计函数,得到危险判断矩阵;
根据所述危险判断矩阵和相关度算法,计算得到关联系数;
根据所述关联系数和所述权重,计算得到各个提醒事件的等级信息。
第二方面,本申请实施例提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现:
如第一方面的基于分级技术的提醒方法。
第三方面,一种计算机可读存储介质,存储有计算机可执行指令,计算机可执行指令用于执行:
如第一方面的基于分级技术的提醒方法。
本申请实施例第一方面提供一种基于分级技术的提醒方法,包括:获取多个提醒事件的提醒数据;根据所述提醒数据,形成标准化提醒参数;根据所述标准化提醒参数,计算得到各个提醒事件的分级信息。本申请实施例通过将提醒事件的提醒数据形成标准化提醒参数,并利用标准模型进行处理,实现对变电站的日常提醒数据完成提醒信息分级,从而实现更加具有针对性和合理性的提醒,进而确保提醒事件处理处理的实时性和合理性。
可以理解的是,上述第二方面至第三方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同,可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请实施例的一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的基于分级技术的提醒方法的流程图;
图2是本申请另一个实施例提供的基于分级技术的提醒方法的流程图;
图3是本申请一个实施例提供的基于分级技术的提醒装置的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请实施例。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请实施例的描述。
需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
还应当理解,在本申请实施例说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请实施例的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
变电站是电力系统的重要组成部分,变电站的安全可靠运行对维持电力系统的稳定运行具有十分重要的意义。专业变电站工作者为变电站保持良好运行的关键基础,同时科学合理的变电站巡检为此活动顺利进行的重要基础。
目前,在变电站运行过程中,每天会产生大量的提醒数据信息,但目前提醒信息主要依靠监控人员人工确认,容易存在提醒事件处理不及时或安排不合理等问题。例如,当多个提醒事件同时出现时,更加紧急或重要的提醒由于排序在后,导致处理不及时。
为此,本申请实施例第一方面提供一种基于分级技术的提醒方法、设备及存储介质。其中,基于分级技术的提醒方法,包括:获取多个提醒事件的提醒数据;根据所述提醒数据,形成标准化提醒参数;根据所述标准化提醒参数,计算得到各个提醒事件的分级信息。本申请实施例通过将提醒事件的提醒数据形成标准化提醒参数,并利用标准模型进行处理,实现对变电站的日常提醒数据完成提醒信息分级,从而实现更加具有针对性和合理性的提醒,进而确保提醒事件处理处理的实时性和合理性。
在一些实施例中,不同告警存在一个告警强度的系统提醒行为,例如:
1级告警(弱提醒):告警消息栏推送,包括系统自身运行异常、终端自检存在的异常;
2级告警(较强提醒):告警消息栏推送+系统弹窗提醒,系统弹窗不确认无法关闭,包括设备类监测告警、环境监测告警;
3级告警(强提醒):告警消息栏推送+系统弹窗+声音报警,主要包括作业类告警。
本申请一个实施例提供的用于执行基于分级技术的提醒方法的系统架构可以在服务器或终端设备中运行。其中,服务器可以是独立的物理实体,也可以是逻辑上的实体。服务器可以包括管理服务器、数据库服务器、流媒体服务器等。终端设备可以为移动终端设备,也可以为非移动终端设备。移动终端设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载终端设备、可穿戴设备、超级移动个人计算机、上网本、个人数字助理等;非移动终端设备可以为个人计算机、电视机、柜员机或者自助机等;本发明实施方案不作具体限定。服务器或终端设备可以包括处理器,外部存储器接口,内部存储器,通用串行总线(universal serial bus,USB)接口等。
服务器或终端设备包括处理器。本申请一个实施例提供的处理器可以是服务器或终端设备的神经中枢和指挥中心。处理器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。处理器可以包括一个或多个处理单元,例如:处理器可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processing unit,GPU),图像信号处理器(image signal processor,ISP),处理器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。处理器中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器中的存储器为高速缓冲存储器。该存储器可以保存处理器刚用过或循环使用的指令或数据。如果处理器需要再次使用该指令或数据,可从存储器中直接调用。避免了重复存取,减少了处理器的等待时间,因而提高了系统的效率。
本申请实施例描述的系统架构以及应用场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着系统架构的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,上述硬件平台并不构成对本申请实施例的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
上述硬件平台中,系统架构可以调用其储存的基于分级技术的提醒程序,以执行基于分级技术的提醒方法。
参照图1,第一方面,本申请实施例提供一种基于分级技术的提醒方法,包括:
步骤S1100,获取多个提醒事件的提醒数据;
步骤S1200,根据所述提醒数据,形成标准化提醒参数;
步骤S1300,根据所述标准化提醒参数,计算得到各个提醒事件的分级信息。
在一些实施例中,可以通过统计日常异常事件形成日常提醒事件库。例如,对于进站人员的提醒通常包括进站人员未戴安全帽、人员越界等;通信异常提醒通常包括主站通信中断、子站通信中断、全网通信中断等;母线异常故障类型通常包括母线电压越限、母线电压值异常、母线电压为零等;线路异常故障类型通常包括线路过流、线路过负荷、线路短路、线路开路等;开关异常提醒通常包括开关保护跳闸、开关遥测异常、开关遥信异常、开关遥测遥信矛盾等。即可形成提醒事件库。在一可选的实施方式中,提醒事件库包括以下的一种或多种提醒事件:设备告警类事件、环境告警类事件、作业告警类事件、系统自身运行类事件、终端告警类事件等。其中,设备告警类事件,包括上述设备运行类告警,还包含在线监测监测值异常告警,例如主变油色谱在线监测异常告警、GIS(Geographic InformationSystem,地理信息系统)局放数据异常等等;以及利用视频、机器人巡视发现的设备外观破损、异物、表计度数异常、设备温度异常等;环境告警类事件,包括烟感、水浸、温湿度、微气象站传感器监测数据的异常;作业告警类事件,包括人员未戴安全帽、未穿工作服、人员越界、违规进入电子围栏等异常告警;系统自身运行类事件,例如巡视任务运行失败,任务下发失败或其他使巡视任务异常中断等异常;终端告警类事件,包括终端自检及主机后台检查发现的终端异常,例如网络中断、终端损坏等异常。
提醒数据可以包括提醒事件对应的提醒事件类别、母线电压等级、用电类型和事件时间间隔等。
在一些实施例中,可以根据所述提醒数据,形成标准化提醒参数。由于不同提醒事件的紧急程度、重要程度、危险程度等均为抽象概念,需要通过标准化提醒参数将抽象概念量化。也即是说,标准化提醒参数使得不同提醒事件之间可进行量化比对。例如,在一些实施例中,可将所有的提醒事件对应的提醒数据映射为标准化提醒参数,以供进一步处理计算。标准化提醒参数可以设置四个维度:电压等级参数、人身影响参数、设备影响参数和时间间隔参数。根据所述标准化提醒参数,可以计算得到各个提醒事件的分级信息。
在一些实施例中,可以将各个提醒事件根据分级信息进行排序,并将排序结果输出,以供有关人员进行查看和处理。
本申请实施例通过将提醒事件的提醒数据形成标准化提醒参数,并利用标准模型进行处理,实现对变电站的日常提醒数据完成提醒信息分级,从而实现更加具有针对性和合理性的提醒,进而确保提醒事件处理处理的实时性和合理性。
在一可选的实施方式中,所述提醒数据包括:提醒事件类别、母线的电压等级、用电类型和事件时间间隔等。其中,提醒事件类别可以包括人员异常提醒、通信异常提醒、电容器异常提醒、变压器异常提醒、母线异常提醒、线路异常提醒、开关异常提醒等。母线的电压等级可以包括220kV、110kV、35kV和10kV。用电类型可以包括一般用电、重要用电和厂用电,一般用电如普通居民用电,重要用电如公共设施(如路灯)用电。事件时间间隔指的是事件触发事件距离当前时间的间隔(时长)。
在一可选的实施方式中,标准化提醒参数包括:
电压等级参数、人身影响参数、设备影响参数和时间间隔参数。
在一些实施例中,可以根据所述提醒数据,形成标准化提醒参数。例如,电压等级参数可以直接由母线的电压等级对应得到。人身影响参数可以由提醒事件类别根据预设的对应关系直接得到,例如,可以预先设置人身影响参数对应关系表,记录各种提醒事件类别预先设置对应的人身影响参数。预先设置的人身影响参数对应关系表可以是通过多位专家评分得到。设备影响参数可以由提醒事件类别和用电类型,根据预设的对应关系直接得到,例如,可以预先设置设备影响参数对应关系表,记录各种提醒事件类别和用电类型,预先设置对应的设备影响参数。预先设置的设备影响参数对应关系表可以是通过多位专家评分得到。
参照图2,在一可选的实施方式中,所述根据所述标准化提醒参数,计算得到各个提醒事件的分级信息,包括:
步骤S1310,计算各标准化提醒参数的模糊统计函数;
步骤S1320,计算各标准化提醒参数的权重;
步骤S1330,根据所述模糊统计函数和权重,计算得到各个提醒事件的分级信息。
在一可选的实施方式中,所述计算各标准化提醒参数的模糊统计函数,包括:
步骤S1311,根据第一计算公式,计算得到电压等级参数x1的模糊统计函数μ(x1);
在一些实施例中,根据电气特性,一般来说,提醒事件的电压等级越高,危险程度越大,因此,电压等级参数x1的模糊统计函数μ(x1)脉冲载频模糊统计函数可表示为第一计算公式:
步骤S1312,根据第二计算公式,计算得到人身影响参数x2的模糊统计函数μ(x2);
在一些实施例中,人身影响参数x2可以被设置为人身影响参数x2越小,危险程度也越大。
为了同时保证模糊统计函数μ(x2)的值实现归一化,人身影响参数x2的模糊统计函数μ(x2)可表示为第二计算公式:
步骤S1313,根据第三计算公式,计算得到设备影响参数x3的模糊统计函数μ(x3);
在一些实施例中,设备影响参数x3可以被设置为设备影响参数x3越大,危险程度也越大。为了同时保证模糊统计函数μ(x3)的值实现归一化,设备影响参数x3的模糊统计函数μ(x3)可表示为第三计算公式:
步骤S1314,根据第四计算公式,计算得到时间间隔参数x4的模糊统计函数μ(x4);
在一些实施例中,提醒的等级(紧急程度)与事件发生的时长相关,直接反映事件的突发状态。一般来说,时间间隔参数越短,突发程度越高,危险程度越高,时间间隔参数x4的模糊统计函数μ(x4)可表示为第四计算公式:
在一可选的实施方式中,所述计算各标准化提醒参数的权重,包括:
步骤S1321,建立模糊互补判断矩阵;
步骤S1322,根据所述模糊互补判断矩阵,确定模糊互补判断矩阵权重公式;
步骤S1323,检验所述模糊互补判断矩阵的一致性。
在一些实施例中,可以使用模糊层次分析法确定标准化提醒参数权重值W,模糊层次分析法是模糊数学和层次分析法(AHP)的结合,较好地解决了层次分析法中没有考虑“人的判断模糊性”问题。包括:
步骤S1321,建立模糊互补判断矩阵。采用标准化提醒参数两两比较的方法确定模糊互补判断矩阵A=(aij)n×n,其中,aii=0.5,(i=1,2,……,n);aij+aji=1,(i,j=1,2……,n)。不同标准化提醒参数间的相对重要程度使用“0.1~0.9标度法”(见表一)表示。
表一
步骤S1322:确定模糊互补判断矩阵权重公式。
在一些实施例中,模糊互补判断矩阵权重的求解公式如下:
其中,i=1,2,……,n;
步骤S1323:模糊互补判断矩阵的一致性检验。
模糊互补判断矩阵的一致性检验是为了确定权重向量W的合理性。当k个专家给出不同的模糊互补判断矩阵时,需通过判断不同判断矩阵间的相容性(第五公式)和单个矩阵的一致性(第六公式)。
其中,第五公式包括:
第六公式包括:
其中,u≠v;u,v=1,2……,k;i,j=1,2……,n。T越小,相容性和一致性越好,通常取T=0.1。在一些实施例中,当第五公式和第六公式同时成立,则标准化提醒参数的权重向量为:
W*=(W1 *,W2 *,……,Wn *)
其中,
其中,i=1,2……,n。
在一可选的实施方式中,所述根据所述模糊统计函数和权重,计算得到各个提醒事件的分级信息,包括:
步骤S1331,根据模糊统计函数,得到危险判断矩阵;
步骤S1332,根据所述危险判断矩阵和相关度算法,计算得到关联系数;
步骤S1333,根据所述关联系数和所述权重,计算得到各个提醒事件的等级信息。
在一些实施例中,可采用相关度算法计算得到各个提醒事件的等级信息。相关度分析法是一种多因素统计分析法,根据相似度确定事物联系的紧密性。可根据标准化提醒参数的参考数列和其比较数列的相关性,结合模糊层次分析法确定的标准化提醒参数权重建立提醒判定模型。
步骤S1331:确定危险判定矩阵。利用提醒事件标准化提醒参数模糊统计函数,对提醒设备侦获的提醒事件信息进行处理,得到危险判定矩阵R=(rij)n×m,其中,rij指提醒设备获取的第i个提醒事件的第j个标准化提醒参数模糊统计隶属度。
步骤S1332:求解关联系数。关联系数公式如下:
式中:p是分辨系数,通常取p=0.5。
步骤S1333:计算相关度,得到各个提醒事件的等级信息。
取最优值参考数列时,r0(j)=(max(ri1),max(ri2),…,max(rim))。正向相关度为:
取最劣值参考数列时,r0(j)=(min(ri1),min(ri2),…,min(rim))。负向相关度为:
综合相关度为:
步骤1400:判定提醒事件危险等级。
相关度越大,提醒事件的危险等级越高,从而形成各个提醒事件的等级信息。可以将各个提醒事件根据分级信息进行排序,并将排序结果输出,以供有关人员进行查看和处理。
本申请实施例通过将提醒事件的提醒数据形成标准化提醒参数,并利用标准模型进行处理,实现对变电站的日常提醒数据完成提醒信息分级,从而实现更加具有针对性和合理性的提醒,进而确保提醒事件处理处理的实时性和合理性。
另外,参照图3,本申请实施例还提供一种基于分级技术的提醒装置,包括:
获取模块111,用于获取多个提醒事件的提醒数据;
标准化模块112,用于根据所述提醒数据,形成标准化提醒参数;
计算模块113,用于根据所述标准化提醒参数,计算得到各个提醒事件的分级信息。
图1所示的基于分级技术的提醒方法实施例中的内容均适用于图3所示的本基于分级技术的提醒装置实施例中,图3所示的本基于分级技术的提醒装置实施例所具体实现的功能与图1所示的基于分级技术的提醒方法实施例相同,并且达到的有益效果与图1所示的基于分级技术的提醒方法实施例所达到的有益效果也相同。
另外,本申请还提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现:
如上述的基于分级技术的提醒方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
需要说明的是,本实施例中的电子设备,可以应用为如图1所示实施例的方法对应的系统架构中的电子设备,本实施例中的电子设备和如图1所示实施例的方法对应的系统架构中的电子设备具有相同的发明构思,因此这些实施例具有相同的实现原理以及技术效果,此处不再详述。
实现上述实施例的基于分级技术的提醒方法所需的非暂态软件程序以及指令存储在存储器中,当被处理器执行时,执行上述实施例中的基于分级技术的提醒方法,例如,执行以上描述的图3中的方法步骤S1100至步骤S1300。
另外,本申请还提供一种计算机可读存储介质,存储有计算机可执行指令,计算机可执行指令用于执行:
如上述的基于分级技术的提醒方法。
该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个处理器或控制器执行,例如,被上述电子设备实施例中的一个处理器执行,可使得上述处理器执行上述实施例中的基于分级技术的提醒方法,例如,执行以上描述的图1中的方法步骤1100至步骤S1300。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本申请实施例的较佳实施进行了具体说明,但本申请实施例并不局限于上述实施方式,熟悉本领域的技术人员在不违背本申请实施例精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请实施例权利要求所限定的范围内。
Claims (10)
1.一种基于分级技术的提醒方法,其特征在于,方法包括:
获取多个提醒事件的提醒数据;
根据所述提醒数据,形成标准化提醒参数;
根据所述标准化提醒参数,计算得到各个提醒事件的分级信息。
2.根据权利要求1的一种基于分级技术的提醒方法,其特征在于,提醒事件包括以下的一种或多种:设备告警类事件、环境告警类事件、作业告警类事件、系统自身运行类事件、终端告警类事件。
3.根据权利要求1的一种基于分级技术的提醒方法,其特征在于,所述提醒数据包括:提醒事件类别、母线的电压等级、用电类型和事件时间间隔。
4.根据权利要求3的一种基于分级技术的提醒方法,其特征在于,标准化提醒参数包括:
电压等级参数、人身影响参数、设备影响参数和时间间隔参数。
5.根据权利要求4的一种基于分级技术的提醒方法,其特征在于,所述根据所述标准化提醒参数,计算得到各个提醒事件的分级信息,包括:
计算各标准化提醒参数的模糊统计函数;
计算各标准化提醒参数的权重;
根据所述模糊统计函数和权重,计算得到各个提醒事件的分级信息。
7.根据权利要求5的一种基于分级技术的提醒方法,其特征在于,所述计算各标准化提醒参数的权重,包括:
建立模糊互补判断矩阵;
根据所述模糊互补判断矩阵,确定模糊互补判断矩阵权重公式;
检验所述模糊互补判断矩阵的一致性。
8.根据权利要求5的一种基于分级技术的提醒方法,其特征在于,所述根据所述模糊统计函数和权重,计算得到各个提醒事件的分级信息,包括:
根据模糊统计函数,得到危险判断矩阵;
根据所述危险判断矩阵和相关度算法,计算得到关联系数;
根据所述关联系数和所述权重,计算得到各个提醒事件的等级信息。
9.一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现:
如权利要求1至8任意一项的基于分级技术的提醒方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,其特征在于,计算机可执行指令用于执行:
如权利要求1至8任意一项的基于分级技术的提醒方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110844493.7A CN113743717A (zh) | 2021-07-26 | 2021-07-26 | 基于分级技术的提醒方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110844493.7A CN113743717A (zh) | 2021-07-26 | 2021-07-26 | 基于分级技术的提醒方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743717A true CN113743717A (zh) | 2021-12-03 |
Family
ID=78729081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110844493.7A Pending CN113743717A (zh) | 2021-07-26 | 2021-07-26 | 基于分级技术的提醒方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743717A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798395A (zh) * | 2017-10-17 | 2018-03-13 | 广东电网有限责任公司佛山供电局 | 一种电网事故信号自动诊断方法及系统 |
CN110263172A (zh) * | 2019-06-26 | 2019-09-20 | 国网江苏省电力有限公司南京供电分公司 | 一种电网监控告警信息事件化自主识别方法 |
CN110334078A (zh) * | 2019-06-18 | 2019-10-15 | 国网四川省电力公司 | 电力系统告警故障模型定义方法、计算机设备及存储介质 |
CN111768076A (zh) * | 2020-05-28 | 2020-10-13 | 国网浙江省电力有限公司绍兴供电公司 | 一种以电网事件为中心的监控告警信号聚类方法 |
-
2021
- 2021-07-26 CN CN202110844493.7A patent/CN113743717A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798395A (zh) * | 2017-10-17 | 2018-03-13 | 广东电网有限责任公司佛山供电局 | 一种电网事故信号自动诊断方法及系统 |
CN110334078A (zh) * | 2019-06-18 | 2019-10-15 | 国网四川省电力公司 | 电力系统告警故障模型定义方法、计算机设备及存储介质 |
CN110263172A (zh) * | 2019-06-26 | 2019-09-20 | 国网江苏省电力有限公司南京供电分公司 | 一种电网监控告警信息事件化自主识别方法 |
CN111768076A (zh) * | 2020-05-28 | 2020-10-13 | 国网浙江省电力有限公司绍兴供电公司 | 一种以电网事件为中心的监控告警信号聚类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111734885B (zh) | 一种换流阀在线监测与评估的方法及系统 | |
CN111401161A (zh) | 基于智能视频分析算法实现行为识别的智慧建筑管控系统 | |
CN112183265A (zh) | 基于图像识别的电力施工视频监控告警方法及系统 | |
CN112596990B (zh) | 告警风暴的处理方法、装置及终端设备 | |
CN110866642A (zh) | 安全监控方法、装置、电子设备和计算机可读存储介质 | |
CN108734201B (zh) | 基于分层原因分析法的核电厂经验反馈事件的分类方法及系统 | |
CN115146878A (zh) | 指挥调度方法、系统、车载设备及计算机可读存储介质 | |
CN107920224B (zh) | 一种异常告警方法、设备及视频监控系统 | |
CN115001934A (zh) | 一种工控安全风险分析系统及方法 | |
CN115410112A (zh) | 电梯异常停留识别方法、装置及存储介质 | |
CN113743238A (zh) | 异常行为的检测方法、装置、电子装置和存储介质 | |
CN113743717A (zh) | 基于分级技术的提醒方法、设备及存储介质 | |
CN112257546A (zh) | 一种事件预警方法、装置、电子设备及存储介质 | |
CN116701866A (zh) | 一种基于物联网设备的园区事件联动处理方法 | |
CN116993208A (zh) | 一种配电网不停电作业的施工现场管理方法、系统和介质 | |
CN114187666B (zh) | 边走路边看手机的识别方法及其系统 | |
CN113946464B (zh) | 一种结合模型及经验的预训练和并行推演的告警降噪方法 | |
CN115277472A (zh) | 一种多维工控系统网络安全风险预警系统及方法 | |
CN112541410B (zh) | 一种金库人员行为规范检测方法及装置 | |
CN114387391A (zh) | 变电站设备的安全监测方法、装置、计算机设备和介质 | |
CN113986657A (zh) | 告警事件的处理方法及处理装置 | |
CN117746218B (zh) | 一种智慧校园的安全管理方法及装置 | |
CN116343443A (zh) | 变压器告警方法、系统和可读存储介质 | |
CN117610923A (zh) | 一种作业安全风险评估方法、装置、计算机设备及介质 | |
CN118133156A (zh) | 用于校园风险监控的物联网数据处理方法及系统 |
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 |