CN114205355B - 一种变电网关附属设备性能测试方法、系统及电子设备 - Google Patents

Abstract

本发明公开了一种变电网关附属设备性能测试方法及系统，所述方法包括：通过构建数据测试云端平台，其中包括数据采集层、数据处理层以及云端测试层；获得设备采集数据；数据处理层经过预处理和格式转换，生成可视化图形；云端测试层通过多维度解析，生成第一维度分析结果和第二维度分析结果；基于矛盾分析，分别获得第一矛盾特征和第二矛盾特征；并分别标记为第一测试要素和第二测试要素，最终对待检测目标设备进行性能测试。解决了现有技术中无法通过对变电网关的各个附属设备的性能快速检测的技术问题。达到了有效监测各附属设备，实现附属设备的即连即用和自动适配，从而协同工作、提高变电站整体工作效率的技术效果。

Description

一种变电网关附属设备性能测试方法、系统及电子设备

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种变电网关附属设备性能测试方法及系统。

背景技术

随着计算机技术的快速发展，越来越多的公司、企业等通过利用计算机技术进行传统生产、管理等方面的改革，从而实现数字化转型。传统变电站管理模式导致各系统成为安全范围的信息孤岛，不同的专业配置不同的监控设备，对同一技术事件进行重复处理，造成了人力和设备的严重浪费，同时导致信息不能共享，从而缺乏纵向的有效监控。此外，由于各类系统繁多，系统硬件类型和种类也不相同且点多面广，采集同一数据，需采用生产、调度等多套子系统，限制了各类终端设备的协同工作的发挥，影响了各系统工作效率。近年来，随着智能变电站逐步正常投入运行，智能变电站工程建设的推进以及智能变电网关的规模应用，网关的软硬件资源出现了交替式升级迭代。研究通过本地化的智能管理，对变电网关的附属设备进行智能测试，具有重要的现实意义。

然而，现有技术中变电网关的软硬件资源升级迭代速度快，存在无法通过计算机技术对变电网关的各个附属设备的性能进行快速检测，导致附属设备无法即连即用，进一步降低变电站整体工作效率的技术问题。

发明内容

本发明的目的是提供一种变电网关附属设备性能测试方法及系统，用以解决现有技术中变电网关的软硬件资源升级迭代速度快，存在无法通过计算机技术对变电网关的各个附属设备的性能进行快速检测，导致附属设备无法即连即用，进一步降低变电站整体工作效率的技术问题。

鉴于上述问题，本发明提供了一种变电网关附属设备性能测试方法及系统。

第一方面，本发明提供了一种变电网关附属设备性能测试方法，所述方法通过一种变电网关附属设备性能测试系统实现，其中，所述方法包括：通过构建数据测试云端平台，所述数据测试云端平台包括数据采集层、数据处理层以及云端测试层；根据所述数据采集层，对目标设备进行数据采集，获得设备采集数据；将所述设备采集数据上传至所述数据处理层进行数据预处理，且对预处理后的所述设备采集数据进行格式转换，生成可视化图形；将所述可视化图形上传至所述云端测试层，进行多维度解析，生成第一维度分析结果和第二维度分析结果；对所述第一维度分析结果进行影响因素的矛盾分析，获得第一矛盾特征，对所述第二维度分析结果进行影响因素的矛盾分析，获得第二矛盾特征；将所述第一矛盾特征标记为第一测试要素，将所述第二矛盾特征标记为第二测试要素；根据所述第一测试要素和所述第二测试要素，对待检测目标设备进行性能测试。

另一方面，本发明还提供了一种变电网关附属设备性能测试系统，用于执行如第一方面所述的一种变电网关附属设备性能测试方法，其中，所述系统包括：第一构建单元：所述第一构建单元用于构建数据测试云端平台，所述数据测试云端平台包括数据采集层、数据处理层以及云端测试层；第一获得单元：所述第一获得单元用于根据所述数据采集层，对目标设备进行数据采集，获得设备采集数据；第一生成单元：所述第一生成单元用于将所述设备采集数据上传至所述数据处理层进行数据预处理，且对预处理后的所述设备采集数据进行格式转换，生成可视化图形；第二生成单元：所述第二生成单元用于将所述可视化图形上传至所述云端测试层，进行多维度解析，生成第一维度分析结果和第二维度分析结果；第二获得单元：所述第二获得单元用于对所述第一维度分析结果进行影响因素的矛盾分析，获得第一矛盾特征，对所述第二维度分析结果进行影响因素的矛盾分析，获得第二矛盾特征；第一标记单元：所述第一标记单元用于将所述第一矛盾特征标记为第一测试要素，将所述第二矛盾特征标记为第二测试要素；第一执行单元：所述第一执行单元用于根据所述第一测试要素和所述第二测试要素，对待检测目标设备进行性能测试。

第三方面，本发明还提供了一种变电网关附属设备性能测试系统，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，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。

第四方面，一种电子设备，其中，包括处理器和存储器；

该存储器，用于存储；

该处理器，用于通过调用，执行上述第一方面中任一项所述的方法。

第五方面，一种计算机程序产品，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现上述第一方面中任一项所述方法的步骤。

本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1.通过构建数据测试云端平台，通过智能化的数据采集、处理，最终实现变电网关各附属设备的高效测试，达到了有效监测各附属设备，实现附属设备即连即用、协同工作，从而提高变电站整体工作效率的技术效果。

2.通过基于数据表现特征和格式转换特征，智能化对变电网关附属设备的工作参数数据进行了可视化处理，达到了提高数据可视化处理的自动化程度，提高数据可视化处理结果的可利用性，最终提高系统工作效率的技术效果。

3.通过对数据缺失情况进行智能分析，进而针对数据缺失特征，制定个性化的数据填充、补齐方案，即针对数值型的数据缺失，以所有未缺失数值的平均值进行缺失填充，针对非数值型的数据缺失，以所有未缺失数值的众数值进行缺失填充。达到了智能化判断数据缺失类别，进而智能化计算平均值或众数值，从而实现缺失值的自动化高效填充，弥补了数据缺失，同时使目标设备的工作参数集合完整，为后续设备的性能分析提供完整有效的数据支持。

4.通过目标设备数据的各个功能指标权重，依次分析得到对应分析结果，从而实现智能化分析目标设备数据的目标。按照各功能指标权重由大到小的顺序依次分析，从而实现数据特征由重要到次重要、最后重要程度最小的维度分析，提高了数据分析结果的有效性、提高了数据分析效率，达到了全面的高效、高准确率的数据分析效果。

5.通过利用自觉性权重值法，避免了关联程度较高的功能指标被赋予较高权重，从而影响整体评价结果的准确性，达到了提高各功能指标权重分配合理性的技术效果。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有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示例性的，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，还可以根据提供的附图获得其他的附图。

图1为本发明一种变电网关附属设备性能测试方法的流程示意图；

图2为本发明一种变电网关附属设备性能测试方法中生成所述可视化图像的流程示意图；

图3为本发明一种变电网关附属设备性能测试方法中进行多维度解析的流程示意图；

图4为本发明一种变电网关附属设备性能测试方法中对所述待检测目标设备进行性能测试的流程示意图；

图5为本发明一种变电网关附属设备性能测试系统的结构示意图；

图6为本发明示例性电子设备的结构示意图。

附图标记说明：

第一构建单元11，第一获得单元12，第一生成单元13，第二生成单元 14，第二获得单元15，第一标记单元16，第一执行单元17，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本发明通过提供一种变电网关附属设备性能测试方法及系统，解决了现有技术中变电网关的软硬件资源升级迭代速度快，存在无法通过计算机技术对变电网关的各个附属设备的性能进行快速检测，导致附属设备无法即连即用，进一步降低变电站整体工作效率的技术问题。通过构建数据测试云端平台，通过智能化的数据采集、处理，最终实现变电网关各附属设备的高效测试，达到了有效监测各附属设备，实现附属设备即连即用、协同工作，从而提高变电站整体工作效率的技术效果。

本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

本发明提供了一种变电网关附属设备性能测试方法，所述方法应用于一种变电网关附属设备性能测试系统，其中，所述方法包括：通过构建数据测试云端平台，所述数据测试云端平台包括数据采集层、数据处理层以及云端测试层；根据所述数据采集层，对目标设备进行数据采集，获得设备采集数据；将所述设备采集数据上传至所述数据处理层进行数据预处理，且对预处理后的所述设备采集数据进行格式转换，生成可视化图形；将所述可视化图形上传至所述云端测试层，进行多维度解析，生成第一维度分析结果和第二维度分析结果；对所述第一维度分析结果进行影响因素的矛盾分析，获得第一矛盾特征，对所述第二维度分析结果进行影响因素的矛盾分析，获得第二矛盾特征；将所述第一矛盾特征标记为第一测试要素，将所述第二矛盾特征标记为第二测试要素；根据所述第一测试要素和所述第二测试要素，对待检测目标设备进行性能测试。

在介绍了本发明基本原理后，下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。

实施例一

请参阅附图1，本发明提供了一种变电网关附属设备性能测试方法，其中，所述方法应用于一种变电网关附属设备性能测试系统，所述方法具体包括如下步骤：

步骤S100：构建数据测试云端平台，所述数据测试云端平台包括数据采集层、数据处理层以及云端测试层；

具体而言，所述一种变电网关附属设备性能测试方法应用于所述一种变电网关附属设备性能测试系统，所述变电网关附属设备性能测试系统通过构建数据测试云端平台，进而智能化的进行数据采集、处理，最终实现变电网关各附属设备的高效测试，从而实现附属设备即连即用、协同工作。

所述数据测试云端平台是一种基于本地管理软件的高效集约管理平台，通过用于利用计算机技术对变电网关的各个附属设备进行智能监测和控制管理。其中，所述数据测试云端平台嵌入在所述变电网关附属设备性能测试系统中，此外，所述数据测试云端平台包括数据采集层、数据处理层以及云端测试层，分别用于智能化对变电网关各附属设备的相关数据进行采集、处理，最终完成对应附属设备性能测试。通过构建所述数据测试云端平台，为后续变电网关附属设备性能的智能化测试提供了基础。

步骤S200：根据所述数据采集层，对目标设备进行数据采集，获得设备采集数据；

具体而言，根据所述数据测试云端平台中的数据采集层，对待测试性能的变电网关附属设备，即所述目标设备进行数据采集，从而得到所述设备采集数据。其中，所述设备采集数据包括对应待性能检测附属设备的业务数据、管理数据、硬件信息注册数据、状态监听数据、配置下发数据、控制下发数据、资源查询数据、资源分配数据、固件更新数据等相关的所有数据信息。

通过采集得到设备采集数据，为后续基于实时数据情况，智能化分析、判断对应目标设备状态提供数据基础，提高了变电网关附属设备性能的智能检测准确性、有效性。

步骤S300：将所述设备采集数据上传至所述数据处理层进行数据预处理，且对预处理后的所述设备采集数据进行格式转换，生成可视化图形；

具体而言，将数据采集层采集到的数据，上传至数据测试云端平台中的所述数据处理层，进行设备采集数据的预处理。进一步的，对预处理后的数据进行综合分析，并基于数据特点，对应进行格式转换，使各数据均能通过图表方式进行直观展示，即生成所述可视化图形。举例如若变电网关附属设备的资源分配数据，针对其分配数据中，各类别占总资源比例的数据特点，将其通过饼状图进行展示；若变电网关附属设备的固件更新数据，针对其固件更新数据中，不同时间点更新的固件类别不同的特点，将其按照时间发展顺序进行的数据变化情况进行展示。

通过处理设备采集数据，并针对不同数据实际情况，针对性制定数据格式转换方案，最终实现设备采集数据的可视化。达到了智能化处理数据信息，提高数据可视化方案的个性化程度，从而提高数据可视化效果，为后续数据分析、性能测试提供直观、有效的数据基础的技术效果。

步骤S400：将所述可视化图形上传至所述云端测试层，进行多维度解析，生成第一维度分析结果和第二维度分析结果；

具体而言，将所述数据处理层预处理后的所有目标设备相关数据进行可视化处理，得到对应的可视化图形，进一步的，将所述可视化图形上传至数据测试云端平台的所述云端测试层中，所述云端测试层智能化对各可视化图形进行不同维度的解析，从而生成不同维度对应的不同分析结果，即所述第一维度分析结果和所述第二维度分析结果。其中，所述第二维度分析结果和所述第一维度分析结果针对的可视化图形解析维度不同。通过多维度解析，提高了数据可视化图形的解析程度和解析效果，为后续性能检测结果提供了更加多方面、更加丰富和立体化的数据信息，达到了提高数据分析准确性，进而提高性能检测有效性、可靠性的技术效果。

步骤S500：对所述第一维度分析结果进行影响因素的矛盾分析，获得第一矛盾特征，对所述第二维度分析结果进行影响因素的矛盾分析，获得第二矛盾特征；

步骤S600：将所述第一矛盾特征标记为第一测试要素，将所述第二矛盾特征标记为第二测试要素；

具体而言，基于所述第一维度分析结果，进一步分析对所述第一维度分析结果产生影响的因素，并将会对所述第一维度分析结果产生影响的因素进行排序，得到影响最大的因素，并将其作为所述第一矛盾特征。同样的原理，对所述第二维度分析结果进行影响因素的矛盾分析，从而获得所述第二矛盾特征。进一步的，将所述第一矛盾特征标记为第一测试要素，将所述第二矛盾特征标记为第二测试要素，并基于测试优先级顺序，对待检测性能的变电网关附属设备进行智能检测。通过矛盾分析，分别确定不同维度分析结果对应的最重要影响因素，从而确定目标设备的检测要素，达到了提高系统智能检测效率、检测有效性的技术效果。

步骤S700：根据所述第一测试要素和所述第二测试要素，对待检测目标设备进行性能测试。

具体而言，基于不同维度分析结果得到的所述第一测试要素和所述第二测试要素，直至第N测试要素，按优先级顺序依次对待检测目标设备进行性能测试。其中，N为所述云端测试层对采集数据的可视化图形进行分析的维度数。通过构建数据测试云端平台，通过智能化的数据采集、处理，最终实现变电网关各附属设备的高效测试，达到了有效监测各附属设备，实现附属设备的即连即用和自动适配，从而协同工作、提高变电站整体工作效率的技术效果。

进一步的，如附图2所示，本发明步骤S300还包括：

步骤S310：对所述设备采集数据进行时间序列筛选，获得目标时间段内的变电网关附属设备的工作参数集合；

步骤S320：对所述工作参数集合进行数据测试功能性的多维度分类，生成可检测的数据类型、数据格式、数据连续性、数据缺失度以及数据特征值；

步骤S330：对所述数据类型、所述数据格式以及所述数据特征值进行遍历解析，获得可检测数据的数据表现特征；

步骤S340：对所述数据连续性和所述数据缺失度进行遍历解析，获得可检测数据的格式转换特征；

步骤S350：根据所述数据表现特征和所述格式转换特征，进行所述工作参数集合的格式转换，生成所述可视化图像。

具体而言，将所述设备采集数据按照数据采集时间，以采集时间后到采集时间先的顺序进行数据的排列，即对应第一组设备采集数据为距离数据处理最近的设备数据，其中，所述第一组设备采集数据即为目标时间段内的变电网关附属设备的所有数据，组成所述工作参数集合。进一步的，对所述工作参数集合中的各项数据进行功能性的多维度分类，从而生成可检测的数据类型、数据格式、数据连续性、数据缺失度以及数据特征值等。其中，所述数据类型即对应设备采集数据的属性，举例如资源类别数据的标识属性、资源数量数据的允许值属性等；所述数据格式即对应设备采集数据的存储形式，举例如字符形式的文本格式、二进制数据形式的压缩格式等；所述数据连续性即对应设备采集数据的连续或离散情况；所述数据缺失度即对应设备采集数据的缺失情况，包括单个缺失或部分片段缺失等；所述数据特征值即对应设备采集数据的数据特征，包括数据的求和、平均值、中位数、计数、方差、标准差、百分位等结果。

进一步的，基于所述数据类型、所述数据格式以及所述数据特征值，依次遍历解析，从而明确可检测数据的数据表现特征情况；基于所述数据连续性和所述数据缺失度，依次遍历解析，从而明确可检测数据的格式转换特征。最后，所述数据处理层结合所述数据表现特征和所述格式转换特征，对所述工作参数集合中的所有数据进行对应的格式转换，生成所述可视化图像。通过基于数据表现特征和格式转换特征，智能化对变电网关附属设备的工作参数数据进行了可视化处理，达到了提高数据可视化处理的自动化程度，提高数据可视化处理结果的可利用性，最终提高系统工作效率的技术效果。

进一步的，本发明步骤S350还包括：

步骤S351：对所述数据缺失度进行缺失属性分析，判断所述数据缺失度分属数值属性，又或分属非数值属性；

步骤S352：若所述数据缺失度分属所述数值属性，根据所述数据特征值，获得所述工作参数集合的平均值数值；

步骤S353：基于所述平均值数值，对所述数据缺失度进行属性值填充；

步骤S354：若所述数据缺失度分属所述非数值属性，根据所述数据特征值，计算获得所述工作参数集合的众数数值；

步骤S355：基于所述众数数值，对所述数据缺失度进行属性值填充。

具体而言，基于数据缺失度情况，所述变电网关附属设备性能测试系统中的数据处理层自动对目标设备的工作参数集合进行遍历分析，得到目标设备参数的缺失情况检索结果，进一步的，判断各缺失属于数值型缺失还是非数值型缺失，即所述数据缺失度分属数值属性还是非数值属性。举例如若目标设备的状态监听数据缺失，则为非数值属性缺失；若目标设备的业务数据缺失，则为数值属性缺失。

其中，当所述数据缺失度分属所述数值属性时，根据对应缺失数据的数据特征值，计算获得所述工作参数集合的平均值数值，并基于所述平均值数值，对数据缺失度进行属性值填充。反之，当所述数据缺失度分属所述非数值属性，根据所述数据特征值，计算获得所述工作参数集合的众数数值，并基于所述众数数值，对所述数据缺失度进行属性值填充。

通过对数据缺失情况进行智能分析，进而针对数据缺失特征，制定个性化的数据填充、补齐方案，即针对数值型的数据缺失，以所有未缺失数值的平均值进行缺失填充，针对非数值型的数据缺失，以所有未缺失数值的众数值进行缺失填充。达到了智能化判断数据缺失类别，进而智能化计算平均值或众数值，从而实现缺失值的自动化高效填充，弥补了数据缺失，同时使目标设备的工作参数集合完整，为后续设备的性能分析提供完整有效的数据支持。

进一步的，如附图3所示，本发明步骤S400还包括：

步骤S410：对所述可视化图形进行拆分解析，获得N个功能指标；

步骤S420：将所述N个功能指标上传至权重分配层，进行各功能指标的权重计算，获得各功能占比集合；

步骤S430：对所述各功能占比集合进行降序排列，获得第一功能占比和第二功能占比；

步骤S440：将所述第一功能占比对应的第一功能指标定义为所述第一维度分析结果，将所述第二功能占比对应的第二功能指标定义为所述第二维度分析结果。

具体而言，基于设备采集数据的可视化图像，依次拆分进行图像解析，从而得到目标设备采集数据可视化图像的各项功能指标，包括目标设备中的业务数据、管理数据、硬件信息注册数据、状态监听数据、配置下发数据、控制下发数据、资源查询数据、资源分配数据、固件更新数据等相关的所有数据指标，即为所述N个功能指标。进一步，将所述N个功能指标上传至所述云端测试层中的权重分配层，进而所述权重分配层对所述N个功能指标中的各个功能指标进行权重计算，计算得到各个功能指标功能权重后，组成所述各功能占比集合。进一步的，对所述各功能占比集合进行降序排列，获得第一功能占比和第二功能占比。其中，所述第一功能占比是指权重最大的功能指标占比情况，所述第二功能占比是指权重占比排第二的功能占比情况，依次类推，直到得到第N功能占比。

最后，将所述第一功能占比对应的第一功能指标定义为所述第一维度分析结果，将所述第二功能占比对应的第二功能指标定义为所述第二维度分析结果。即，按功能指标权重占比由大到小的顺序，依次进行对应功能指标维度的分析，从而依次得到所述第一维度分析结果、所述第二维度分析结果，直至第N功能占比对应功能指标维度分析后得到的第N维度分析结果。

通过目标设备数据的各个功能指标权重，依次分析得到对应分析结果，从而实现智能化分析目标设备数据的目标。按照各功能指标权重由大到小的顺序依次分析，从而实现数据特征由重要到次重要、最后重要程度最小的维度分析，提高了数据分析结果的有效性、提高了数据分析效率，达到了全面的高效、高准确率的数据分析效果。

进一步的，本发明步骤S420还包括：

步骤S421：对所述N个功能指标进行关联性评估，获得第一关联性信息；

步骤S422：判断所述第一关联性信息是否满足预设关联度阈值；

步骤S423：若所述第一关联性信息满足所述预设关联度阈值，构建自觉性-权重分配层；

步骤S424：根据所述自觉性-权重分配层，对所述N个功能指标进行权重分配。

具体而言，对目标设备数据中的所述N个功能指标进行关联性评估，从而得到所述第一关联性信息。所述变电网关附属设备性能测试系统智能化判断所述第一关联性信息是否满足预设关联度阈值，当所述第一关联性信息满足所述预设关联度阈值时，构建自觉性-权重分配层，并根据所述自觉性-权重分配层，对所述N个功能指标进行权重分配。其中，所述预设关联度阈值是指所述变电网关附属设备性能测试系统基于目标设备实际数据特征、数据类型等综合分析后，预先设置的各功能指标间关联程度范围。通过基于各功能指标间关联程度情况，利用自觉性权重值法对各功能指标进行权重计算和分配。其中，自觉性权重值法是一种客观性增权法，主要运用各功能指标间的共线性高低，即关联程度来明确权重值。举例如某功能指标与其他功能指标的关联性很强，表明信息内容拥有很大的重合，代表着该功能指标的权重值会较为低，反之，当某功能指标与其他功能指标的关联性较差，那么表明该功能指标的数据量很大，该指标值应当授予高些的权重值。

通过利用自觉性权重值法，避免了关联程度较高的功能指标被赋予较高权重，从而影响整体评价结果的准确性，达到了提高各功能指标权重分配合理性的技术效果。

进一步的，本发明步骤S430还包括：

步骤S431：基于所述N个功能指标，获得第一指标的第一关联度，其中，所述第一关联度为所述N个功能指标中，所述第一指标与剩余指标的关联度；

步骤S432：以此类推，获得第二指标的第二关联度，直至第N指标的第N关联度；

步骤S433：根据所述第一关联度直至第N关联度，对N个关联度进行升序排列，生成第一排序关联度和第二排序关联度；

步骤S434：根据所述第一排序关联度，生成对应的所述第一功能占比，根据所述第二排序关联度，生成对应的所述第二功能占比。

具体而言，基于目标设备采集数据的所述N个功能指标，获得所述N 个功能指标中，所述第一指标与剩余指标的关联度，即所述第一指标的第一关联度。同样的方法，分析获得所述第二指标的第二关联度，直至所述第N指标的第N关联度。进一步的，根据所述第一关联度直至第N关联度，对N个关联度进行升序排列，即按照关联程度从小到大的顺序进行排列，从而生成关联度最小的第一排序关联度和关联度排第二的所述第二排序关联度。最后，根据所述第一排序关联度，生成对应的所述第一功能占比，同样的，根据所述第二排序关联度，生成对应的所述第二功能占比。也就是说，功能指标间关联程度越小，对应说明该功能指标的数据量越大，为提高分析结果的准确性，对应功能指标应当被赋予较高的权重值；反之，功能指标间关联程度越大，对应说明该功能指标的数据与其他功能指标重复率较高，即数据量越小，为提高分析结果的准确性，对应功能指标应当被赋予较低的权重值，从而避免同一部分数据被多次分析。达到了提高权重分配结果准确性、客观性的技术效果。

进一步的，如附图4所示，本发明步骤S500还包括：

步骤S510：对所述第一功能指标的网络应用环境进行遍历访问，获得所述网络应用环境的影响参数分布信息；

步骤S520：基于影响参数-决策树，对所述影响参数分布信息进行递归分类，获得第一分布父节点，并将所述第一分布父节点作为所述第一矛盾特征；

步骤S530：根据所述第一矛盾特征，对所述待检测目标设备进行性能测试。

具体而言，在对不同维度结果对应影响因素分析过程中，首先对所述第一功能指标的网络应用环境进行遍历访问，获得所述第一功能指标对应网络应用环境的影响参数的分布信息。进一步基于所述第一功能指标的各个影响参数，构建第一功能指标对应的影响参数-决策树模型。将对应网络应用环境的影响参数依次输入所述影响参数-决策树，依据各影响参数信息进行分类，其中，对应的第一分布父节点即为所述第一矛盾特征，最后根据所述第一矛盾特征，对所述待检测目标设备进行性能测试。通过基于影响参数-决策树的监督学习，实现网络应用环境中影响参数的正确分类，从而得到关键的第一矛盾特征，基于第一矛盾特征进行目标设备性能测试，提高了设备性能检测的效率和有效性。

综上所述，本发明所提供的一种变电网关附属设备性能测试方法具有如下技术效果：

1.通过构建数据测试云端平台，通过智能化的数据采集、处理，最终实现变电网关各附属设备的高效测试，达到了有效监测各附属设备，实现附属设备即连即用、协同工作，从而提高变电站整体工作效率的技术效果。

2.通过基于数据表现特征和格式转换特征，智能化对变电网关附属设备的工作参数数据进行了可视化处理，达到了提高数据可视化处理的自动化程度，提高数据可视化处理结果的可利用性，最终提高系统工作效率的技术效果。

3.通过对数据缺失情况进行智能分析，进而针对数据缺失特征，制定个性化的数据填充、补齐方案，即针对数值型的数据缺失，以所有未缺失数值的平均值进行缺失填充，针对非数值型的数据缺失，以所有未缺失数值的众数值进行缺失填充。达到了智能化判断数据缺失类别，进而智能化计算平均值或众数值，从而实现缺失值的自动化高效填充，弥补了数据缺失，同时使目标设备的工作参数集合完整，为后续设备的性能分析提供完整有效的数据支持。

4.通过目标设备数据的各个功能指标权重，依次分析得到对应分析结果，从而实现智能化分析目标设备数据的目标。按照各功能指标权重由大到小的顺序依次分析，从而实现数据特征由重要到次重要、最后重要程度最小的维度分析，提高了数据分析结果的有效性、提高了数据分析效率，达到了全面的高效、高准确率的数据分析效果。

5.通过利用自觉性权重值法，避免了关联程度较高的功能指标被赋予较高权重，从而影响整体评价结果的准确性，达到了提高各功能指标权重分配合理性的技术效果。

实施例二

基于与前述实施例中一种变电网关附属设备性能测试方法，同样发明构思，本发明还提供了一种变电网关附属设备性能测试系统，请参阅附图 5，所述系统包括：

第一构建单元11，所述第一构建单元11用于构建数据测试云端平台，所述数据测试云端平台包括数据采集层、数据处理层以及云端测试层；

第一获得单元12，所述第一获得单元12用于根据所述数据采集层，对目标设备进行数据采集，获得设备采集数据；

第一生成单元13，所述第一生成单元13用于将所述设备采集数据上传至所述数据处理层进行数据预处理，且对预处理后的所述设备采集数据进行格式转换，生成可视化图形；

第二生成单元14，所述第二生成单元14用于将所述可视化图形上传至所述云端测试层，进行多维度解析，生成第一维度分析结果和第二维度分析结果；

第二获得单元15，所述第二获得单元15用于对所述第一维度分析结果进行影响因素的矛盾分析，获得第一矛盾特征，对所述第二维度分析结果进行影响因素的矛盾分析，获得第二矛盾特征；

第一标记单元16，所述第一标记单元16用于将所述第一矛盾特征标记为第一测试要素，将所述第二矛盾特征标记为第二测试要素；

第一执行单元17，所述第一执行单元17用于根据所述第一测试要素和所述第二测试要素，对待检测目标设备进行性能测试。

进一步的，所述系统还包括：

第三获得单元，所述第三获得单元用于对所述设备采集数据进行时间序列筛选，获得目标时间段内的变电网关附属设备的工作参数集合；

第三生成单元，所述第三生成单元用于对所述工作参数集合进行数据测试功能性的多维度分类，生成可检测的数据类型、数据格式、数据连续性、数据缺失度以及数据特征值；

第四获得单元，所述第四获得单元用于对所述数据类型、所述数据格式以及所述数据特征值进行遍历解析，获得可检测数据的数据表现特征；

第五获得单元，所述第五获得单元用于对所述数据连续性和所述数据缺失度进行遍历解析，获得可检测数据的格式转换特征；

第四生成单元，所述第四生成单元用于根据所述数据表现特征和所述格式转换特征，进行所述工作参数集合的格式转换，生成所述可视化图像。

进一步的，所述系统还包括：

第一判断单元，所述第一判断单元用于对所述数据缺失度进行缺失属性分析，判断所述数据缺失度分属数值属性，又或分属非数值属性；

第六获得单元，所述第六获得单元用于若所述数据缺失度分属所述数值属性，根据所述数据特征值，获得所述工作参数集合的平均值数值；

第二执行单元，所述第二执行单元用于基于所述平均值数值，对所述数据缺失度进行属性值填充；

第七获得单元，所述第七获得单元用于若所述数据缺失度分属所述非数值属性，根据所述数据特征值，计算获得所述工作参数集合的众数数值；

第三执行单元，所述第三执行单元用于基于所述众数数值，对所述数据缺失度进行属性值填充。

进一步的，所述系统还包括：

第八获得单元，所述第八获得单元用于对所述可视化图形进行拆分解析，获得N个功能指标；

第九获得单元，所述第九获得单元用于将所述N个功能指标上传至权重分配层，进行各功能指标的权重计算，获得各功能占比集合；

第十获得单元，所述第十获得单元用于对所述各功能占比集合进行降序排列，获得第一功能占比和第二功能占比；

第一定义单元，所述第一定义单元用于将所述第一功能占比对应的第一功能指标定义为所述第一维度分析结果，将所述第二功能占比对应的第二功能指标定义为所述第二维度分析结果。

进一步的，所述系统还包括：

第十一获得单元，所述第十一获得单元用于对所述N个功能指标进行关联性评估，获得第一关联性信息；

第二判断单元，所述第二判断单元用于判断所述第一关联性信息是否满足预设关联度阈值；

第一构建单元，所述第一构建单元用于若所述第一关联性信息满足所述预设关联度阈值，构建自觉性-权重分配层；

第四执行单元，所述第四执行单元用于根据所述自觉性-权重分配层，对所述N个功能指标进行权重分配。

进一步的，所述系统还包括：

第十二获得单元，所述第十二获得单元用于基于所述N个功能指标，获得第一指标的第一关联度，其中，所述第一关联度为所述N个功能指标中，所述第一指标与剩余指标的关联度；

第十三获得单元，所述第十三获得单元用于以此类推，获得第二指标的第二关联度，直至第N指标的第N关联度；

第五生成单元，所述第五生成单元用于根据所述第一关联度直至第N 关联度，对N个关联度进行升序排列，生成第一排序关联度和第二排序关联度；

第六生成单元，所述第六生成单元用于根据所述第一排序关联度，生成对应的所述第一功能占比，根据所述第二排序关联度，生成对应的所述第二功能占比。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于对所述第一功能指标的网络应用环境进行遍历访问，获得所述网络应用环境的影响参数分布信息；

第十五获得单元，所述第十五获得单元用于基于影响参数-决策树，对所述影响参数分布信息进行递归分类，获得第一分布父节点，并将所述第一分布父节点作为所述第一矛盾特征；

第五执行单元，所述第五执行单元用于根据所述第一矛盾特征，对所述待检测目标设备进行性能测试。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种变电网关附属设备性能测试方法和具体实例同样适用于本实施例的一种变电网关附属设备性能测试系统，通过前述对一种变电网关附属设备性能测试方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种变电网关附属设备性能测试系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

示例性电子设备

下面参考图6来描述本发明的电子设备。

图6图示了根据本发明的电子设备的结构示意图。

基于与前述实施例中一种变电网关附属设备性能测试方法的发明构思，本发明还提供一种变电网关附属设备性能测试系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种变电网关附属设备性能测试方法的任一方法的步骤。

其中，在图6中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300 还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本发明提供了一种变电网关附属设备性能测试方法，所述方法应用于一种变电网关附属设备性能测试系统，其中，所述方法包括：通过构建数据测试云端平台，所述数据测试云端平台包括数据采集层、数据处理层以及云端测试层；根据所述数据采集层，对目标设备进行数据采集，获得设备采集数据；将所述设备采集数据上传至所述数据处理层进行数据预处理，且对预处理后的所述设备采集数据进行格式转换，生成可视化图形；将所述可视化图形上传至所述云端测试层，进行多维度解析，生成第一维度分析结果和第二维度分析结果；对所述第一维度分析结果进行影响因素的矛盾分析，获得第一矛盾特征，对所述第二维度分析结果进行影响因素的矛盾分析，获得第二矛盾特征；将所述第一矛盾特征标记为第一测试要素，将所述第二矛盾特征标记为第二测试要素；根据所述第一测试要素和所述第二测试要素，对待检测目标设备进行性能测试。解决了现有技术中变电网关的软硬件资源升级迭代速度快，存在无法通过计算机技术对变电网关的各个附属设备的性能进行快速检测，导致附属设备无法即连即用，进一步降低变电站整体工作效率的技术问题。通过构建数据测试云端平台，通过智能化的数据采集、处理，最终实现变电网关各附属设备的高效测试，达到了有效监测各附属设备，实现附属设备即连即用、协同工作，从而提高变电站整体工作效率的技术效果。

本发明还提供一种电子设备，其中，包括处理器和存储器；

该存储器，用于存储；

该处理器，用于通过调用，执行上述实施例一中任一项所述的方法。

本发明还提供一种计算机程序产品，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器 (RandomAccess Memory，简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory，简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。

本发明是参照本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/ 或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和 /或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种变电网关附属设备性能测试方法，其特征在于，所述方法包括：

构建数据测试云端平台，所述数据测试云端平台包括数据采集层、数据处理层以及云端测试层；

根据所述数据采集层，对目标设备进行数据采集，获得设备采集数据；

将所述设备采集数据上传至所述数据处理层进行数据预处理，且对预处理后的所述设备采集数据进行格式转换，生成可视化图形；

将所述可视化图形上传至所述云端测试层，进行多维度解析，生成第一维度分析结果和第二维度分析结果，其中，所述进行多维度解析，包括：

对所述可视化图形进行拆分解析，获得N个功能指标；

将所述N个功能指标上传至权重分配层，进行各功能指标的权重计算，获得各功能占比集合；

对所述各功能占比集合进行降序排列，获得第一功能占比和第二功能占比；

将所述第一功能占比对应的第一功能指标定义为所述第一维度分析结果，将所述第二功能占比对应的第二功能指标定义为所述第二维度分析结果；

对所述第一维度分析结果进行影响因素的矛盾分析，获得第一矛盾特征，对所述第二维度分析结果进行影响因素的矛盾分析，获得第二矛盾特征，其中，所述第一矛盾特征为基于所述第一维度分析结果，分析对所述第一维度分析结果产生影响的因素，对所述第一维度分析结果产生影响的因素进行排序，得到影响最大的因素，所述第二矛盾特征为基于所述第二维度分析结果，分析对所述第二维度分析结果产生影响的因素，对所述第二维度分析结果产生影响的因素进行排序，得到影响最大的因素；

将所述第一矛盾特征标记为第一测试要素，将所述第二矛盾特征标记为第二测试要素；

根据所述第一测试要素和所述第二测试要素，基于测试优先级顺序，对待检测目标设备进行性能测试。

2.如权利要求1所述的方法，其特征在于，所述生成可视化图形，包括：

对所述设备采集数据进行时间序列筛选，获得目标时间段内的变电网关附属设备的工作参数集合；

对所述工作参数集合进行数据测试功能性的多维度分类，生成可检测的数据类型、数据格式、数据连续性、数据缺失度以及数据特征值；

对所述数据类型、所述数据格式以及所述数据特征值进行遍历解析，获得可检测数据的数据表现特征；

对所述数据连续性和所述数据缺失度进行遍历解析，获得可检测数据的格式转换特征；

根据所述数据表现特征和所述格式转换特征，进行所述工作参数集合的格式转换，生成所述可视化图像。

3.如权利要求2所述的方法，其特征在于，所述进行所述工作参数集合的格式转换，之前包括：

对所述数据缺失度进行缺失属性分析，判断所述数据缺失度分属数值属性，又或分属非数值属性；

若所述数据缺失度分属所述数值属性，根据所述数据特征值，获得所述工作参数集合的平均值数值；

基于所述平均值数值，对所述数据缺失度进行属性值填充；

若所述数据缺失度分属所述非数值属性，根据所述数据特征值，计算获得所述工作参数集合的众数数值；

基于所述众数数值，对所述数据缺失度进行属性值填充。

4.如权利要求1所述的方法，其特征在于，所述方法包括：

对所述N个功能指标进行关联性评估，获得第一关联性信息；

判断所述第一关联性信息是否满足预设关联度阈值；

若所述第一关联性信息满足所述预设关联度阈值，构建自觉性-权重分配层；

根据所述自觉性-权重分配层，对所述N个功能指标进行权重分配。

5.如权利要求1所述的方法，其特征在于，所述方法包括：

基于所述N个功能指标，获得第一指标的第一关联度，其中，所述第一关联度为所述N个功能指标中，所述第一指标与剩余指标的关联度；

以此类推，获得第二指标的第二关联度，直至第N指标的第N关联度；

根据所述第一关联度直至第N关联度，对N个关联度进行升序排列，生成第一排序关联度和第二排序关联度；

根据所述第一排序关联度，生成对应的所述第一功能占比，根据所述第二排序关联度，生成对应的所述第二功能占比。

6.如权利要求1所述的方法，其特征在于，所述对所述第一维度分析结果进行影响因素的矛盾分析，包括：

对所述第一功能指标的网络应用环境进行遍历访问，获得所述网络应用环境的影响参数分布信息；

基于影响参数-决策树，对所述影响参数分布信息进行递归分类，获得第一分布父节点，并将所述第一分布父节点作为所述第一矛盾特征；

根据所述第一矛盾特征，对所述待检测目标设备进行性能测试。

7.一种变电网关附属设备性能测试系统，其特征在于，所述系统包括：

第一构建单元，所述第一构建单元用于构建数据测试云端平台，所述数据测试云端平台包括数据采集层、数据处理层以及云端测试层；

第一获得单元，所述第一获得单元用于根据所述数据采集层，对目标设备进行数据采集，获得设备采集数据；

第一生成单元，所述第一生成单元用于将所述设备采集数据上传至所述数据处理层进行数据预处理，且对预处理后的所述设备采集数据进行格式转换，生成可视化图形；

第二生成单元，所述第二生成单元用于将所述可视化图形上传至所述云端测试层，进行多维度解析，生成第一维度分析结果和第二维度分析结果，其中，所述进行多维度解析，包括：

第八获得单元，所述第八获得单元用于对所述可视化图形进行拆分解析，获得N个功能指标；

第九获得单元，所述第九获得单元用于将所述N个功能指标上传至权重分配层，进行各功能指标的权重计算，获得各功能占比集合；

第十获得单元，所述第十获得单元用于对所述各功能占比集合进行降序排列，获得第一功能占比和第二功能占比；

第一定义单元，所述第一定义单元用于将所述第一功能占比对应的第一功能指标定义为所述第一维度分析结果，将所述第二功能占比对应的第二功能指标定义为所述第二维度分析结果；

第二获得单元，所述第二获得单元用于对所述第一维度分析结果进行影响因素的矛盾分析，获得第一矛盾特征，对所述第二维度分析结果进行影响因素的矛盾分析，获得第二矛盾特征；

第一标记单元，所述第一标记单元用于将所述第一矛盾特征标记为第一测试要素，将所述第二矛盾特征标记为第二测试要素，其中，所述第一矛盾特征为基于所述第一维度分析结果，分析对所述第一维度分析结果产生影响的因素，对所述第一维度分析结果产生影响的因素进行排序，得到影响最大的因素，所述第二矛盾特征为基于所述第二维度分析结果，分析对所述第二维度分析结果产生影响的因素，对所述第二维度分析结果产生影响的因素进行排序，得到影响最大的因素；

第一执行单元，所述第一执行单元用于根据所述第一测试要素和所述第二测试要素，基于测试优先级顺序，对待检测目标设备进行性能测试。

8.一种电子设备，其特征在于，包括处理器和存储器；

所述存储器，用于存储程序，当所述程序被所述处理器执行时，使系统以执行权利要求1-6中任一项所述方法的步骤；

所述处理器，用于处理执行权利要求1~6中任一项所述的方法。

Images