CN114817569A - 基于5g技术的火电厂监控数据处理方法及系统 - Google Patents
基于5g技术的火电厂监控数据处理方法及系统 Download PDFInfo
- Publication number
- CN114817569A CN114817569A CN202210480684.4A CN202210480684A CN114817569A CN 114817569 A CN114817569 A CN 114817569A CN 202210480684 A CN202210480684 A CN 202210480684A CN 114817569 A CN114817569 A CN 114817569A
- Authority
- CN
- China
- Prior art keywords
- power plant
- thermal power
- early warning
- state activity
- activity
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 242
- 238000005516 engineering process Methods 0.000 title claims abstract description 49
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 571
- 238000009826 distribution Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 17
- 230000002776 aggregation Effects 0.000 claims description 12
- 238000004220 aggregation Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 description 31
- 230000015654 memory Effects 0.000 description 12
- 125000004122 cyclic group Chemical group 0.000 description 11
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 125000002015 acyclic group Chemical group 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种基于5G技术的火电厂监控数据处理方法及系统,通过以预警状态属性分布作为基础依据,确定预警火电厂状态活动的预警状态活动特征与至少两个第一衍生火电厂状态活动的预警状态活动特征之间的联系信息,进而保证后续生成的预警活动特征数据库具有基础火电厂监控数据中预警火电厂状态活动的活动特征,与预警火电厂状态活动之间具有相对应的强联系关系,并且可以保证该预警活动特征数据库匹配目标火电厂配置环境,由此可以便于依据预警活动特征数据库中所对应的预警火电厂状态活动对应的火电厂态势图谱进行火电厂运行组件的优化配置。
Description
技术领域
本发明涉及火电厂监控技术领域,具体而言,涉及一种基于5G技术的火电厂监控数据处理方法及系统。
背景技术
信息技术在电力企业中的应用,是电力企业的生产、调度、设计、计划、基建等环节应用信息技术全过程的统称,是电力企业在信息技术的驱动下由传统工业向高度集约化、高度知识化、高度技术化工业转变的过程,是电力企业规范管理、提高效率、赢得竞争优势的有效手段。为了保障火电厂现场的安全,火电厂的运营部门需要涉及好相应的预警机制,以进行及时的预警信息提醒,例如通过搜集预警活动特征数据库进行后续的数据挖掘分析,以进行火电厂运行组件的优化配置。然而,相关技术中的预警活动特征数据库的搜集流程有待优化。
发明内容
为了至少克服现有技术中的上述不足,本发明的目的在于提供一种基于5G技术的火电厂监控数据处理方法及系统。
第一方面,本发明提供一种基于5G技术的火电厂监控数据处理方法,应用于基于5G技术的火电厂监控数据处理系统,所述方法包括:
提取基础火电厂监控数据中涉及的预警火电厂状态活动的预警状态活动特征;
依据至少两个衍生火电厂监控数据分别涉及的第一衍生火电厂状态活动的预警状态活动特征融合所述预警火电厂状态活动的预警状态活动特征,获得至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布;
依据匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征、及至少两个第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,确定预警活动特征数据库的预警状态活动特征;其中,所述第二衍生火电厂状态活动为依据所述衍生火电厂监控数据中的第一衍生火电厂状态活动进行确定;
依据所述预警活动特征数据库的预警状态活动特征,构建与所述基础火电厂监控数据的所述预警火电厂状态活动对应的预警活动特征数据库,并将所述预警活动特征数据库通过5G传输网络传输到对应的云端服务中心;其中,预警活动特征数据库用于表征所述预警火电厂状态活动对应的火电厂态势图谱。
第二方面,本发明实施例还提供一种基于5G技术的火电厂监控数据处理系统,所述基于5G技术的火电厂监控数据处理系统包括处理器和机器可读存储介质,所述机器可读存储介质中存储有机器可执行指令,所述机器可执行指令由所述处理器加载并执行以实现前述的基于5G技术的火电厂监控数据处理方法。
依据上述任意一个方面,通过以预警状态属性分布作为基础依据,确定预警火电厂状态活动的预警状态活动特征与至少两个第一衍生火电厂状态活动的预警状态活动特征之间的联系信息,进而保证后续生成的预警活动特征数据库具有基础火电厂监控数据中预警火电厂状态活动的活动特征,与预警火电厂状态活动之间具有相对应的强联系关系,并且可以保证该预警活动特征数据库匹配目标火电厂配置环境,由此可以便于依据预警活动特征数据库中所对应的预警火电厂状态活动对应的火电厂态势图谱进行火电厂运行组件的优化配置。
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启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基础上,还可以依据这些附图提取其它相关的附图。
图1为本发明实施例提供的基于5G技术的火电厂监控数据处理方法的流程示意图;
图2为本发明实施例提供的用于实现上述的基于5G技术的火电厂监控数据处理方法的基于5G技术的火电厂监控数据处理系统的结构示意框图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和依据本发明,并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所公开的实施例作出各种改变,并且在不偏离本发明的原则和范围时,本发明中所定义的普遍原则可以适用于其它实施例和应用场景。因此,本发明并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
本发明中所使用的术语仅用于描述特定的示例性实施例,并不限制本发明的范围。如本发明使用的单数形式“一”、“一个”及“该”可以同样包括复数形式,除非上下文明确提示例外情形。还应当理解,如在本发明说明书中,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其它特征、整体、步骤、操作、组件、部件和/或其组合的情况。
基于以下对附图的描述,本发明的这些和其它的特征、特点以及相关结构元件的功能和操作方法,以及部件组合和制造经济性,可以变得更加显而易见,这些附图都构成本发明说明书的一部分。然而,应当理解的是,附图仅仅是为了说明和描述的目的,并不旨在限制本发明的范围。应当理解的是,附图并不是按比例绘制的。
本发明中使用了流程图用来说明基于本发明的一些实施例的系统所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。此外,可以向流程图添加一个或以上其它操作。也可以从流程图中删除一个或以上操作。
下面依据说明书附图对本发明进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图1是本发明一种实施例提供的基于5G技术的火电厂监控数据处理方法的流程示意图,下面对该基于5G技术的火电厂监控数据处理方法进行详细介绍。
步骤S101,提取基础火电厂监控数据中涉及的预警火电厂状态活动的预警状态活动特征。
步骤S102,依据至少两个衍生火电厂监控数据分别涉及的第一衍生火电厂状态活动的预警状态活动特征融合预警火电厂状态活动的预警状态活动特征,获得至少两个第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布。
步骤S103,依据匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征、及至少两个第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,确定预警活动特征数据库的预警状态活动特征;第二衍生火电厂状态活动是依据衍生火电厂监控数据中的第一衍生火电厂状态活动进行确定。
步骤S104,依据预警活动特征数据库的预警状态活动特征,构建与基础火电厂监控数据的预警火电厂状态活动对应的预警活动特征数据库。
基于以上步骤,依据至少两个衍生火电厂监控数据分别涉及的第一衍生火电厂状态活动的预警状态活动特征融合基础火电厂监控数据中预警火电厂状态活动的预警状态活动特征时,所确定的预警状态属性分布,以及依据衍生火电厂监控数据中第一衍生火电厂状态活动进行确定且匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征,获得预警活动特征数据库的预警状态活动特征,并依据预警活动特征数据库的预警状态活动特征,构建与基础火电厂监控数据对应的预警活动特征数据库,该过程通过以预警状态属性分布作为基础依据,确定预警火电厂状态活动的预警状态活动特征与至少两个第一衍生火电厂状态活动的预警状态活动特征之间的联系信息,该联系信息,可以表征依据第一衍生火电厂状态活动的预警状态活动确定的第二衍生火电厂状态活动的预警状态活动、和依据预警火电厂状态活动的预警状态活动特征建立的预警活动特征数据库的预警状态活动特征之间的关联,进而保证后续生成的预警活动特征数据库的预警状态活动特征既具有基础火电厂监控数据中预警火电厂状态活动的特征(如预警活动特征等),与预警火电厂状态活动之间具有相对应的强联系关系,又能够使所确定预警活动特征数据库匹配目标火电厂配置环境,由此可以便于依据预警活动特征数据库中所对应的预警火电厂状态活动对应的火电厂态势图谱进行火电厂运行组件的优化配置。
对于上述步骤S101-步骤S104具体描述如下。
以上步骤S101,基础火电厂监控数据可以理解为预先配置的涵盖火电厂状态活动的火电厂监控数据。
一种示例性的设计思路中上述步骤S101所记录的提取基础火电厂监控数据中涉及的预警火电厂状态活动的预警状态活动特征,具体可以包括如下内容:提取涉及预警火电厂状态活动的基础火电厂监控数据;依据满足网络收敛要求的预警状态决策网络对基础火电厂监控数据进行处理,获得基础火电厂监控数据中预警火电厂状态活动的预警状态活动特征。
下面介绍预警状态决策网络的具体步骤,可以包括如下步骤S201和步骤S202的具体描述步骤。
步骤S201:确定参考火电厂监控数据簇(可以理解为样本火电厂监控数据簇);参考火电厂监控数据簇包括第一参考火电厂状态活动的至少两个第一参考火电厂监控数据以及第二参考火电厂状态活动的第二参考火电厂监控数据;至少两个第一参考火电厂监控数据包括至少两个第一参考火电厂监控数据组,每个第一参考火电厂监控数据组中具有从多个预设数据字段模板分别提取的具有相同火电厂配置场景的第一参考火电厂状态活动的火电厂监控数据。
一种示例性的设计思路中,对于参考火电厂监控数据簇涉及的第一参考火电厂状态活动的至少两个第一参考火电厂监控数据,对应的第一参考火电厂状态活动可以理解为预先配置的用于确定火电厂状态活动火电厂监控数据以训练预警状态决策网络的不少于一个火电厂运行任务的火电厂状态活动。
参考火电厂监控数据簇中还包括第三参考火电厂监控数据,第三参考火电厂监控数据可以通过对第一参考火电厂监控数据进行关注集中特征提取得到。
基于上述内容,第三参考火电厂监控数据对应的参考火电厂状态活动的预警状态活动特征,与构建第三参考火电厂监控数据的第一参考火电厂监控数据对应的参考火电厂状态活动的预警状态活动特征相同。
基于上述步骤S201所描述的内容,训练预警状态决策网络可以参见如下步骤。
步骤S202,确定参考火电厂监控数据簇中的第一参考火电厂监控数据的第一参考火电厂状态活动的预警状态活动特征以及第二参考火电厂监控数据的第二参考火电厂状态活动的预警状态活动特征。
一种示例性的设计思路中,在确定参考火电厂监控数据簇中的第一参考火电厂监控数据的第一参考火电厂状态活动的预警状态活动特征以及第二参考火电厂监控数据的第二参考火电厂状态活动的预警状态活动特征时,可以通过如下步骤S进行实施:确定参考火电厂监控数据簇中第一参考火电厂监控数据的第一参考火电厂状态活动的预警状态活动特征、第二参考火电厂监控数据的第二参考火电厂状态活动的预警状态活动特征、以及第三参考火电厂监控数据的第三参考火电厂状态活动的预警状态活动特征。
一种示例性的设计思路中,针对参考火电厂监控数据簇中的第一参考火电厂监控数据,可以在对第一参考火电厂状态活动进行采集确定对应的第一参考火电厂监控数据后,确定每个第一参考火电厂监控数据中第一参考火电厂状态活动的参考火电厂状态活动的预警状态活动特征。在依据DCN确定第一参考火电厂监控数据的基础上,例如可以依据DCN确定的深度火电厂监控数据,获得第一参考火电厂状态活动的参考火电厂状态活动的预警状态活动特征。
一种示例性的设计思路中,针对参考火电厂监控数据簇中的第二参考火电厂监控数据,本申请实施例提供了一种确定第二参考火电厂监控数据的第二参考火电厂状态活动的预警状态活动特征的相关内容,可以具体包括如下步骤S401和步骤S402的具体描述步骤。
步骤S401,确定每一第二参考火电厂监控数据的火电厂状态活动特征。步骤S402,依据第二参考火电厂监控数据的火电厂状态活动特征以及第二参考火电厂监控数据,融合构建第二参考火电厂监控数据的第二参考火电厂状态活动的预警状态活动特征。
一种示例性的设计思路中,第二参考火电厂监控数据可以理解为包括确定的多组包括非关键特征的火电厂状态活动火电厂监控数据,且每一第二参考火电厂监控数据皆包括确定的火电厂状态活动特征。其中,第二参考火电厂监控数据中涉及的火电厂状态活动特征用于确定第二参考火电厂监控数据对应的参考火电厂状态活动的预警状态活动特征。
可以理解,在获得第二参考火电厂监控数据的火电厂状态活动特征的基础上,可以依据融合策略构建第二参考火电厂监控数据的第二参考火电厂状态活动的预警状态活动特征。
步骤S203:依据初始化预警状态决策网络,对参考火电厂监控数据簇中的第一参考火电厂监控数据和第二参考火电厂监控数据进行特征决策,获得第一参考火电厂监控数据的第一参考火电厂状态活动的决策预警状态活动特征以及第二参考火电厂监控数据的第二参考火电厂状态活动的决策预警状态活动特征。
一种示例性的设计思路中,在确定第一参考火电厂监控数据的第一参考火电厂状态活动的决策预警状态活动特征以及第二参考火电厂监控数据的第二参考火电厂状态活动的决策预警状态活动特征时,可以通过如下步骤进行实施:依据初始化预警状态决策网络,对参考火电厂监控数据簇中的第一参考火电厂监控数据、第二参考火电厂监控数据、以及第三参考火电厂监控数据进行特征决策,获得第一参考火电厂监控数据的第一参考火电厂状态活动的决策预警状态活动特征、第二参考火电厂监控数据的第二参考火电厂状态活动的决策预警状态活动特征、以及第三参考火电厂监控数据的第三参考火电厂状态活动的决策预警状态活动特征。
可以理解,确定第一参考火电厂监控数据、第二参考火电厂监控数据、以及第三参考火电厂监控数据中至少一种参考火电厂监控数据的步骤S可以与依据初始化预警状态决策网络对第一参考火电厂监控数据、第二参考火电厂监控数据、以及第三参考火电厂监控数据中至少一种进行特征决策的步骤同步执行,也即可以直接得到依据初始化预警状态决策网络对第一参考火电厂监控数据、第二参考火电厂监控数据、以及第三参考火电厂监控数据中至少一种进行特征决策后分别涉及的决策预警状态活动特征。
另外,在依据初始化预警状态决策网络对第一参考火电厂监控数据、第二参考火电厂监控数据、以及第三参考火电厂监控数据中至少一种进行特征决策时,可以同时对第一参考火电厂监控数据、第二参考火电厂监控数据、以及第三参考火电厂监控数据中至少一种进行特征决策;或者,根据真实指标对第一参考火电厂监控数据、第二参考火电厂监控数据、以及第三参考火电厂监控数据中至少一种按照顺序进行特征决策,以得到第一参考火电厂监控数据的第一参考火电厂状态活动的决策预警状态活动特征、第二参考火电厂监控数据的第二参考火电厂状态活动的决策预警状态活动特征、以及第三参考火电厂监控数据的第三参考火电厂状态活动的决策预警状态活动特征。
一种示例性的设计思路中,对于参考火电厂监控数据簇中涉及的第一参考火电厂监控数据和第二参考火电厂监控数据,可以按照预设比例范围挑选不同数目的第一参考火电厂监控数据、第二参考火电厂监控数据,并将选定的第一参考火电厂监控数据和第二参考火电厂监控数据导入到初始化预警状态决策网络中;在参考火电厂监控数据簇包括第一参考火电厂监控数据、第二参考火电厂监控数据和第三参考火电厂监控数据的基础上,可以按照预设比例范围挑选不同数目的第一参考火电厂监控数据、第二参考火电厂监控数据、和第三参考火电厂监控数据,并将选定的第一参考火电厂监控数据、第二参考火电厂监控数据和第三参考火电厂监控数据导入到初始化预警状态决策网络中。
一种示例性的设计思路中,在将参考火电厂监控数据导入到初始化预警状态决策网络后,初始化预警状态决策网络能够对参考火电厂监控数据进行特征决策,并导出每一参考火电厂监控数据的决策火电厂状态活动的预警状态活动特征;依据决策火电厂状态活动的预警状态活动特征,和每一参考火电厂监控数据对应的参考火电厂状态活动的预警状态活动特征,确定预警状态决策网络的网络收敛参数(模型损失),该网络收敛参数用于评估预警状态决策网络在构建火电厂状态活动的预警状态活动特征时的精准性。
步骤S204,依据第一参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征、第二参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征,对初始化预警状态决策网络进行网络权重优化,以获得满足网络收敛要求的所述预警状态决策网络。
一种示例性的设计思路中,在对初始化预警状态决策网络进行网络权重优化以得到预警状态决策网络时,可以能够以下操作步骤S进行实施:依据第一参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征、第二参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征、以及第三参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征,对初始化预警状态决策网络进行网络权重优化,网络权重优化完成后得到预警状态决策网络。
可以理解,可以依据决策火电厂状态活动的预警状态活动特征、以及参考火电厂状态活动的预警状态活动特征的对比结果确定预警状态决策网络的网络收敛参数,并依据网络收敛参数对预警状态决策网络进行网络权重优化,网络权重优化的方向是为了使得网络收敛参数降低,以使预警状态决策网络在对火电厂监控数据进行处理时,获得的决策火电厂状态活动的预警状态活动特征,可以使得与实际火电厂状态活动的预警状态活动特征接近。在得到网络权重优化好的预警状态决策网络的基础上,即可将基础火电厂监控数据导入预警状态决策网络,获得基础火电厂监控数据中预警火电厂状态活动对应的预警状态活动特征。
对于以上步骤S102,衍生火电厂监控数据可以为不同单一火电厂运行任务分别涉及的火电厂状态活动,不同单一火电厂运行任务对应的火电厂状态活动不同。例如,确定每个火电厂运行任务的火电厂状态活动火电厂监控数据,并将确定的火电厂状态活动火电厂监控数据作为第二参考火电厂监控数据。这样,依据第二参考火电厂监控数据所确定第二参考火电厂状态活动的预警状态活动特征,能够捕捉到尽可能丰富的火电厂状态活动预警活动特征。
一种示例性的设计思路中,在确定至少两个衍生火电厂监控数据对应的多个第一衍生火电厂状态活动的预警状态活动特征时,具体步骤可以为:确定包括第一衍生火电厂状态活动的至少两个衍生火电厂监控数据;针对至少两个衍生火电厂监控数据中的每一衍生火电厂监控数据,依据满足网络收敛要求的预警状态决策网络确定每一衍生火电厂监控数据中第一衍生火电厂状态活动的第一衍生火电厂状态活动的预警状态活动特征。
可以理解,在确定预警火电厂状态活动的预警状态活动特征、及第一衍生火电厂状态活动的预警状态活动特征的基础上,可以依据第一衍生火电厂状态活动的预警状态活动特征融合预警火电厂状态活动的预警状态活动特征,以确定与至少两个衍生火电厂监控数据分别涉及的第一衍生火电厂状态活动的预警状态活动特征的预警状态属性分布。其中,预警状态属性分布可以作为基准,建立基础火电厂监控数据中的预警火电厂状态活动的预警状态活动特征与至少两个衍生火电厂监控数据分别涉及的第一衍生火电厂状态活动的预警状态活动特征之间的联系信息。
一种示例性的设计思路中上述步骤S102所记录的依据至少两个衍生火电厂监控数据分别涉及的第一衍生火电厂状态活动的预警状态活动特征融合所述预警火电厂状态活动的预警状态活动特征,获得至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,具体可以包括如下步骤S601和步骤S602的具体描述步骤。
步骤S601,对预警火电厂状态活动的预警状态活动特征以及第一衍生火电厂状态活动的预警状态活动特征进行特征联系引用,获得至少两个第一衍生火电厂状态活动的预警状态活动特征分别涉及的临时预警状态属性分布(可以理解为中间指标)。
步骤S602,依据至少两个第一衍生火电厂状态活动的预警状态活动特征中各个第一衍生火电厂状态活动的预警状态活动特征对应的临时预警状态属性分布,确定各个第一衍生火电厂状态活动的预警状态活动特征对应的预警状态属性分布。
一种示例性的设计思路中上述步骤S602所记录的依据至少两个所述第一衍生火电厂状态活动的预警状态活动特征中各个第一衍生火电厂状态活动的预警状态活动特征对应的临时预警状态属性分布,确定每个所述第一衍生火电厂状态活动的预警状态活动特征对应的预警状态属性分布,具体还可以包括如下步骤S701-步骤S704所描述的内容。
步骤S701,从各个第一衍生火电厂状态活动的预警状态活动特征中确定表明第一衍生火电厂状态活动中与预警活动特征数据库的集中聚集特征对应的第一种预警状态活动特征。
一种示例性的设计思路中,为了使得预警状态属性分布可以更精准地表明第一衍生火电厂状态活动的预警状态活动特征融合预警火电厂状态活动的预警状态活动特征的情况,可以对局部火电厂状态活动集中聚集特征对应的预警状态属性分布进行特征向量清洗,以使得依据预警状态属性分布和多个对应的第一衍生火电厂状态活动的预警状态活动特征融合得到的预警状态活动特征与基础火电厂监控数据对应的预警火电厂状态活动的预警状态活动特征相近。此时,需要优化预警状态属性分布对应的局部火电厂状态活动集中聚集特征即为预警活动特征数据库集中聚集特征。实际的预警活动特征数据库的集中聚集特征可以根据需求确定,在此不作更多描述。
步骤S702,对第一衍生火电厂状态活动的预警状态活动特征中第一种预警状态活动特征对应的临时预警状态属性分布进行特征向量清洗,获得第一预警状态属性分布。
步骤S703,将第一衍生火电厂状态活动的预警状态活动特征中第二种预警状态活动特征对应的临时预警状态属性分布,确定为第二预警状态属性分布;第二种预警状态活动特征为第一衍生火电厂状态活动的预警状态活动特征中除第一种预警状态活动特征之外的预警状态活动特征。
一种示例性的设计思路中,可以将第一衍生火电厂状态活动的预警状态活动特征中第二种预警状态活动特征对应的临时预警状态属性分布,确定为第二预警状态属性分布。并且,还可以将各个第一衍生火电厂状态活动的预警状态活动特征中除目标集中聚集特征外的第一种预警状态活动特征外的预警状态活动特征,作为第二种预警状态活动特征。由于第二种预警状态活动特征对应的预警状态属性分布对融合结果的影响较小,或者,在融合时融合结果较优,因此可以不对第二种预警状态活动特征对应的预警状态属性分布进行特征向量清洗,以在保证融合效果的基础上提高效率。
步骤S704,依据第一预警状态属性分布和第二预警状态属性分布,获得各个第一衍生火电厂状态活动的预警状态活动特征的预警状态属性分布。
一种示例性的设计思路中,由于第一预警状态属性分布对应预警活动特征数据库集中聚集特征,第二预警状态属性分布对应多个火电厂状态活动集中聚集特征中除预警活动特征数据库集中聚集特征的其他火电厂状态活动集中聚集特征,因此将第一预警状态属性分布、以及第二预警状态属性分布进行融合可以确定对应与至少两个火电厂状态活动集中聚集特征的预警状态属性分布,也即各个第一衍生火电厂状态活动的预警状态活动特征的预警状态属性分布。
一种示例性的设计思路中,在依据匹配目标火电厂配置环境的第二衍生火电厂状态活动构建第二衍生火电厂状态活动的预警状态活动特征时,具体步骤可以为:对衍生火电厂监控数据中第一衍生火电厂状态活动的第一衍生火电厂状态活动的预警状态活动特征进行特征向量清洗,获得匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征;或者,依据衍生火电厂监控数据中的第一衍生火电厂状态活动,构建包括匹配目标火电厂配置环境的第二衍生火电厂状态活动的状态活动簇;依据满足网络收敛要求的预警状态决策网络构建状态活动簇中第二衍生火电厂状态活动的第二衍生火电厂状态活动的预警状态活动特征。
一种示例性的设计思路中,在对第一衍生预警火电厂状态活动进行特征向量清洗得到匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征的基础上,可以依据目标火电厂配置环境对第一衍生火电厂状态活动的预警状态活动特征中的全部预警状态活动特征或者部分预警状态活动特征进行特征向量清洗,以使得到的第二衍生火电厂状态活动的预警状态活动特征反应出的火电厂状态活动匹配目标火电厂配置环境。
可以理解,在依据第一衍生火电厂状态活动构建状态活动簇,并依据预先网络权重优化得到的预警状态决策网络构建第二衍生火电厂状态活动的预警状态活动特征的基础上,可以依据目标火电厂配置环境对衍生火电厂监控数据中的第一衍生火电厂状态活动进行视觉火电厂监控数据处理,以构建匹配目标火电厂配置环境的第二衍生火电厂状态活动的状态活动簇。
在获得匹配目标火电厂配置环境的第二衍生火电厂状态活动的状态活动簇的基础上,可以依据预先网络权重优化得到的预警状态决策网络确定对应的第二衍生火电厂状态活动的预警状态活动特征。其中,依据预先网络权重优化得到的预警状态决策网络确定第二衍生火电厂状态活动的预警状态活动特征的方法,与上述依据满足网络收敛要求的预警状态决策网络确定预警火电厂状态活动的预警状态活动特征、及第一衍生火电厂状态活动的预警状态活动特征的方法相似,在此不作更多描述。
在确定了匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征、及至少两个第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布后,即可以确定预警活动特征数据库的预警状态活动特征。
一种示例性的设计思路中步骤S103所记录的依据匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征、及至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,确定预警活动特征数据库的预警状态活动特征,具体可以包括如下步骤S801和步骤S802的具体描述步骤。
步骤S801,依据至少两个第二衍生火电厂状态活动的预警状态活动特征,构建至少两个第二衍生火电厂状态活动的预警状态活动特征的全局特征关联图谱。
步骤S802,依据至少两个第二衍生火电厂状态活动的预警状态活动特征、全局特征关联图谱、以及至少两个第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,构建预警活动特征数据库的预警状态活动特征。
一种示例性的设计思路中上述步骤S802所记录的依据至少两个所述第二衍生火电厂状态活动的预警状态活动特征、所述全局特征关联图谱、以及至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,构建所述预警活动特征数据库的预警状态活动特征,具体可以包括以下步骤S901-步骤S903的具体描述步骤。
步骤S901,依据至少两个第二衍生火电厂状态活动的预警状态活动特征中各个第二衍生火电厂状态活动的预警状态活动特征、以及全局特征关联图谱,确定每个第二衍生火电厂状态活动的预警状态活动特征的特征联系信息。
步骤S902,依据至少两个第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,对至少两个第二衍生火电厂状态活动的预警状态活动特征分别涉及的特征联系信息进行聚合。
步骤S903,依据聚合的结果以及全局特征关联图谱,构建预警活动特征数据库的预警状态活动特征。
基于上述内容,可得到既包含基础火电厂监控数据中的火电厂状态活动特征,又包含第二衍生火电厂状态活动的预警状态活动特征反应出的目标火电厂配置环境的预警活动特征数据库的预警状态活动特征。
对于以上步骤S104所描述的依据预警活动特征数据库的预警状态活动特征,可以构建与基础火电厂监控数据对应的预警活动特征数据库。
譬如,一种示例性的设计思路中,在构建与所述基础火电厂监控数据的所述预警火电厂状态活动对应的预警活动特征数据库,并将所述预警活动特征数据库通过5G传输网络传输到对应的云端服务中心之后,该方法还可以通过以下步骤实现:根据所述预警活动特征数据库,确定所述预警火电厂状态活动的预警倾向知识图谱;从所述火电厂态势图谱中确定与所述预警倾向知识图谱匹配的预警倾向知识实体;根据所述预警倾向知识实体生成针对所述预警火电厂状态活动的火电厂状态优化策略。
譬如,一种示例性的设计思路中,可以根据预警活动特征数据库的预警活动衔接游走关系确定预警火电厂状态活动的预警倾向知识图谱,然后通过对火电厂态势图谱中的预警倾向知识实体的预警倾向变量进行计算,并与预警倾向知识图谱对应的候选倾向变量进行关联度匹配以得到与所述预警倾向知识图谱匹配的预警倾向知识实体。
譬如,一种示例性的设计思路中,根据所述预警倾向知识实体生成针对所述预警火电厂状态活动的火电厂状态优化策略,可以通过以下步骤实现:确定所述预警倾向知识实体的倾向知识标签特征以及各倾向知识路由属性;在根据所述倾向知识标签特征确定出所述预警倾向知识实体中包含有循环预警知识标签分量的基础上,根据多个过往预警信任活动的目标预警触发位置的循环预警知识标签分量下的倾向知识路由属性及其预警知识标签分量元素确定预警倾向知识实体的非循环预警知识标签分量下的各倾向知识路由属性与预警倾向知识实体的循环预警知识标签分量下的各倾向知识路由属性之间的交叉评估指标,并将预警倾向知识实体的非循环预警知识标签分量下的与循环预警知识标签分量下的倾向知识路由属性存在关联的倾向知识路由属性更新到相应的循环预警知识标签分量下;在预警倾向知识实体的当前非循环预警知识标签分量下包含有多个倾向知识路由属性的基础上,根据多个过往预警信任活动的目标预警触发位置的循环预警知识标签分量下的倾向知识路由属性及其预警知识标签分量元素确定预警倾向知识实体的当前非循环预警知识标签分量下的各倾向知识路由属性之间的交叉评估指标,并根据所述各倾向知识路由属性之间的交叉评估指标对当前非循环预警知识标签分量下的各倾向知识路由属性进行聚合;根据多个过往预警信任活动的目标预警触发位置的循环预警知识标签分量下的倾向知识路由属性及其预警知识标签分量元素为上述聚合获得的每一类倾向知识路由属性设置循环预警知识标签分量元素,并将所述每一类倾向知识路由属性更新到所述循环预警知识标签分量元素所表示的循环预警知识标签分量下;通过所述循环预警知识标签分量下对应的倾向知识路由属性确定所述预警倾向知识实体对应的火电厂状态优化规则序列并针对所述火电厂状态优化规则序列制定火电厂状态优化策略。
图2示出了本发明实施例提供的用于实现上述的基于5G技术的火电厂监控数据处理方法的基于5G技术的火电厂监控数据处理系统100的硬件结构意图,如图2所示,基于5G技术的火电厂监控数据处理系统100可包括处理器110、机器可读存储介质120、总线130以及通信单元140。
一种示例性的设计思路中,基于5G技术的火电厂监控数据处理系统100可以是单个基于5G技术的火电厂监控数据处理系统,也可以是基于5G技术的火电厂监控数据处理系统组。所述基于5G技术的火电厂监控数据处理系统组可以是集中式的,也可以是分布式的(例如,基于5G技术的火电厂监控数据处理系统100可以是分布式的系统)。一种示例性的设计思路中,基于5G技术的火电厂监控数据处理系统100可以是本地的,也可以是远程的。例如,基于5G技术的火电厂监控数据处理系统100可以经由网络访问存储于机器可读存储介质120中的信息和/或数据。又例如,基于5G技术的火电厂监控数据处理系统100可以直接连接到机器可读存储介质120以访问存储的信息和/或数据。一种示例性的设计思路中,基于5G技术的火电厂监控数据处理系统100可以在云平台上实施。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
机器可读存储介质120可以储存数据和/或指令。一种示例性的设计思路中,机器可读存储介质120可以存储从外部终端获取的数据。一种示例性的设计思路中,机器可读存储介质120可以储存基于5G技术的火电厂监控数据处理系统100用来执行或使用来完成本发明中描述的示例性方法的数据及/或指令。一种示例性的设计思路中,机器可读存储介质120可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取内存(RAM)。示例性RAM可包括主动随机存取存储器(DRAM)、双倍数据速率同步主动随机存取存储器(DDR SDRAM)、被动随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。一种示例性的设计思路中,机器可读存储介质120可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云,多层云等,或其任意组合。
在具体实现过程中,至少一个处理器110执行机器可读存储介质120存储的计算机可执行指令,使得处理器110可以执行如上方法实施例的基于5G技术的火电厂监控数据处理方法,处理器110、机器可读存储介质120以及通信单元140依据总线130连接,处理器110可以用于控制通信单元140的收发动作。
处理器110的具体实现过程可参见上述基于5G技术的火电厂监控数据处理系统100执行的各个方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
此外,本发明实施例还提供一种可读存储介质,所述可读存储介质中预设有计算机可执行指令,当处理器执行所述计算机可执行指令时,实现如上基于5G技术的火电厂监控数据处理方法。
应当理解的是,以上描述仅出于说明的目的,并不旨在限制本发明的范围。对于本领域的普通技术人员来说,可以依据本发明的描述,做出多种修改和变化。然而,这些修改和变化不会背离本发明的范围。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明公开仅作为示例,并不构成对本发明的限制。虽然此处并没有明确说明,本领域技术人员可能会对本发明进行各种修改、改进和修正。该类修改、改进和修正在本发明中被建议,所以该类修改、改进、修正仍属于本发明示范实施例的精神和范围。
同时,本发明使用了特定词语来描述本发明的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本发明至少一个实施例相关的某一特征、结构或特性。因此,应当强调并注意的是,本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定系指同一实施例。此外,本发明的一个或以上实施例中的某些特征、结构或特性可以进行适当的组合。
此外,本领域的普通技术人员可以理解,本发明的各方面可以依据若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的过程、机器、产品或物质的组合,或对其任何新的和有用的改良。相应地,本发明的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“系统”。此外,本发明公开的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式,其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以依据连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以依据任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质等或其任意组合。
本发明各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写,包括面向主体编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,主动编程语言如Python、Ruby和Groovy,或其它编程语言等。该程序编码可以完全在电力作业分区计算机上运行、或作为独立的软件包在电力作业分区计算机上运行、或部分在电力作业分区计算机上运行部分在远程计算机运行、或完全在远程计算机或基于5G技术的火电厂监控数据处理系统上运行。在后种情况下,远程计算机可以依据任何网络形式与电力作业分区计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如依据因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本发明所述处理元素和序列的顺序、数字字母的使用、或其它名称的使用,并非用于限定本发明流程和方法的顺序。尽管上述披露中依据各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有匹配本发明实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以依据硬件设备实现,但是也可以只依据软件的解决方案得以实现,如在现有的基于5G技术的火电厂监控数据处理系统或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本发明披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本发明实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。同理,应当注意的是,为了简化本发明披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本发明实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。
Claims (10)
1.一种基于5G技术的火电厂监控数据处理方法,其特征在于,基于基于5G技术的火电厂监控数据处理系统实现,所述方法包括:
提取基础火电厂监控数据中涉及的预警火电厂状态活动的预警状态活动特征;
依据至少两个衍生火电厂监控数据分别涉及的第一衍生火电厂状态活动的预警状态活动特征融合所述预警火电厂状态活动的预警状态活动特征,获得至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布;
依据匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征、及至少两个第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,确定预警活动特征数据库的预警状态活动特征;其中,所述第二衍生火电厂状态活动为依据所述衍生火电厂监控数据中的第一衍生火电厂状态活动进行确定;
依据所述预警活动特征数据库的预警状态活动特征,构建与所述基础火电厂监控数据的所述预警火电厂状态活动对应的预警活动特征数据库,并将所述预警活动特征数据库通过5G传输网络传输到对应的云端服务中心;其中,预警活动特征数据库用于表征所述预警火电厂状态活动对应的火电厂态势图谱。
2.根据权利要求1所述的基于5G技术的火电厂监控数据处理方法,其特征在于,所述提取基础火电厂监控数据中涉及的预警火电厂状态活动的预警状态活动特征,包括:
提取涉及所述预警火电厂状态活动的所述基础火电厂监控数据;
依据满足网络收敛要求的预警状态决策网络对所述基础火电厂监控数据进行处理,获得所述基础火电厂监控数据中所述预警火电厂状态活动的预警状态活动特征。
3.根据权利要求1所述的基于5G技术的火电厂监控数据处理方法,其特征在于,所述依据至少两个衍生火电厂监控数据分别涉及的第一衍生火电厂状态活动的预警状态活动特征融合所述预警火电厂状态活动的预警状态活动特征,获得至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,包括:
对所述预警火电厂状态活动的预警状态活动特征以及所述第一衍生火电厂状态活动的预警状态活动特征进行特征联系引用,获得至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的临时预警状态属性分布;
依据至少两个所述第一衍生火电厂状态活动的预警状态活动特征中各个第一衍生火电厂状态活动的预警状态活动特征对应的临时预警状态属性分布,确定每个所述第一衍生火电厂状态活动的预警状态活动特征对应的预警状态属性分布;
其中,所述依据至少两个所述第一衍生火电厂状态活动的预警状态活动特征中各个第一衍生火电厂状态活动的预警状态活动特征对应的临时预警状态属性分布,确定每个所述第一衍生火电厂状态活动的预警状态活动特征对应的预警状态属性分布,包括:
从每个所述第一衍生火电厂状态活动的预警状态活动特征中确定表达所述第一衍生火电厂状态活动中与预警活动特征数据库的集中聚集特征对应的第一种预警状态活动特征;对所述第一衍生火电厂状态活动的预警状态活动特征中所述第一种预警状态活动特征对应的临时预警状态属性分布进行特征向量清洗,获得第一预警状态属性分布;
将所述第一衍生火电厂状态活动的预警状态活动特征中第二种预警状态活动特征对应的临时预警状态属性分布,确定为第二预警状态属性分布;所述第二种预警状态活动特征为所述第一衍生火电厂状态活动的预警状态活动特征中除所述第一种预警状态活动特征之外的预警状态活动特征;
依据所述第一预警状态属性分布和所述第二预警状态属性分布,获得每个所述第一衍生火电厂状态活动的预警状态活动特征的预警状态属性分布。
4.根据权利要求1所述的基于5G技术的火电厂监控数据处理方法,其特征在于,所述依据匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征、及至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,确定预警活动特征数据库的预警状态活动特征,包括:
依据至少两个所述第二衍生火电厂状态活动的预警状态活动特征,构建至少两个所述第二衍生火电厂状态活动的预警状态活动特征的全局特征关联图谱;
依据至少两个所述第二衍生火电厂状态活动的预警状态活动特征、所述全局特征关联图谱、以及至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,构建所述预警活动特征数据库的预警状态活动特征;
其中,所述依据至少两个所述第二衍生火电厂状态活动的预警状态活动特征、所述全局特征关联图谱、以及至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,构建所述预警活动特征数据库的预警状态活动特征,包括:
依据至少两个所述第二衍生火电厂状态活动的预警状态活动特征中每个所述第二衍生火电厂状态活动的预警状态活动特征、以及所述全局特征关联图谱,确定每个所述第二衍生火电厂状态活动的预警状态活动特征的特征联系信息;
依据至少两个所述第一衍生火电厂状态活动的预警状态活动特征分别涉及的预警状态属性分布,对至少两个所述第二衍生火电厂状态活动的预警状态活动特征分别涉及的特征联系信息进行聚合;
依据完成所述聚合的特征联系信息以及所述全局特征关联图谱,构建所述预警活动特征数据库的预警状态活动特征。
5.根据权利要求1所述的基于5G技术的火电厂监控数据处理方法,其特征在于,所述方法还包括:
确定包括第一衍生火电厂状态活动的至少两个衍生火电厂监控数据;
针对至少两个所述衍生火电厂监控数据中的每一所述衍生火电厂监控数据,依据满足网络收敛要求的预警状态决策网络对每一所述衍生火电厂监控数据进行处理,获得每一衍生火电厂监控数据中的所述第一衍生火电厂状态活动的预警状态活动特征。
6.根据权利要求1所述的基于5G技术的火电厂监控数据处理方法,其特征在于,所述方法还包括:
对所述衍生火电厂监控数据中第一衍生火电厂状态活动的第一衍生火电厂状态活动的预警状态活动特征进行特征向量清洗,获得所述匹配目标火电厂配置环境的第二衍生火电厂状态活动的预警状态活动特征;或者,依据所述衍生火电厂监控数据中的第一衍生火电厂状态活动,构建匹配目标火电厂配置环境的第二衍生火电厂状态活动的状态活动簇;
依据满足网络收敛要求的预警状态决策网络构建所述状态活动簇中所述第二衍生火电厂状态活动的预警状态活动特征。
7.根据权利要求6中所述的基于5G技术的火电厂监控数据处理方法,其特征在于,所述预警状态决策网络的网络权重优化流程包括:
确定参考火电厂监控数据簇;所述参考火电厂监控数据簇包括第一参考火电厂状态活动的至少两个第一参考火电厂监控数据以及第二参考火电厂状态活动的第二参考火电厂监控数据;所述至少两个第一参考火电厂监控数据包括至少两个第一参考火电厂监控数据组,每个第一参考火电厂监控数据组中具有从多个预设数据字段模板分别提取的具有相同火电厂配置场景的第一参考火电厂状态活动的火电厂监控数据;
确定所述参考火电厂监控数据簇中的第一参考火电厂监控数据的第一参考火电厂状态活动的预警状态活动特征以及第二参考火电厂监控数据的第二参考火电厂状态活动的预警状态活动特征;
依据初始化预警状态决策网络,对所述参考火电厂监控数据簇中的第一参考火电厂监控数据和第二参考火电厂监控数据进行特征决策,获得所述第一参考火电厂监控数据的第一参考火电厂状态活动的决策预警状态活动特征以及所述第二参考火电厂监控数据的第二参考火电厂状态活动的决策预警状态活动特征;
依据所述第一参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征、所述第二参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征,对所述初始化预警状态决策网络进行网络权重优化,以获得满足网络收敛要求的所述预警状态决策网络。
8.根据权利要求7所述的基于5G技术的火电厂监控数据处理方法,其特征在于,所述确定所述第二参考火电厂监控数据的第二参考火电厂状态活动的预警状态活动特征,包括:
确定每一所述第二参考火电厂监控数据的火电厂状态活动特征;
依据第二参考火电厂监控数据的火电厂状态活动特征以及所述第二参考火电厂监控数据,融合构建所述第二参考火电厂监控数据的第二参考火电厂状态活动的预警状态活动特征。
9.根据权利要求7或8所述的基于5G技术的火电厂监控数据处理方法,其特征在于,所述参考火电厂监控数据簇中还包括:第三参考火电厂监控数据;所述第三参考火电厂监控数据为对所述第一参考火电厂监控数据进行关注特征更新获得;所述方法还包括:
确定所述第三参考火电厂监控数据的第三参考火电厂状态活动的预警状态活动特征;依据所述初始化预警状态决策网络对第三参考火电厂监控数据进行特征决策,获得所述第三参考火电厂监控数据的第三参考火电厂状态活动的决策预警状态活动特征;
所述依据所述第一参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征、所述第二参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征,对所述初始化预警状态决策网络进行网络权重优化,以获得满足网络收敛要求的所述预警状态决策网络,包括:
依据所述第一参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征、所述第二参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征、以及所述第三参考火电厂状态活动的预警状态活动特征和决策预警状态活动特征,对所述初始化预警状态决策网络进行网络权重优化,以获得满足网络收敛要求的所述预警状态决策网络。
10.一种基于5G技术的火电厂监控数据处理系统,其特征在于,所述基于5G技术的火电厂监控数据处理系统包括处理器和机器可读存储介质,所述机器可读存储介质中存储有机器可执行指令,所述机器可执行指令由所述处理器加载并执行以实现权利要求1-9中任意一项的基于5G技术的火电厂监控数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210480684.4A CN114817569A (zh) | 2022-05-05 | 2022-05-05 | 基于5g技术的火电厂监控数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210480684.4A CN114817569A (zh) | 2022-05-05 | 2022-05-05 | 基于5g技术的火电厂监控数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114817569A true CN114817569A (zh) | 2022-07-29 |
Family
ID=82511188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210480684.4A Pending CN114817569A (zh) | 2022-05-05 | 2022-05-05 | 基于5g技术的火电厂监控数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114817569A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115324870A (zh) * | 2022-08-09 | 2022-11-11 | 湖南湘化机汽轮机有限公司 | 一种往复式压缩机及其控制方法 |
CN116054910A (zh) * | 2022-12-20 | 2023-05-02 | 中国人民解放军63819部队 | 基于知识图谱构建的地球站设备故障分析及装置 |
-
2022
- 2022-05-05 CN CN202210480684.4A patent/CN114817569A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115324870A (zh) * | 2022-08-09 | 2022-11-11 | 湖南湘化机汽轮机有限公司 | 一种往复式压缩机及其控制方法 |
CN115324870B (zh) * | 2022-08-09 | 2024-04-12 | 湖南湘化机汽轮机有限公司 | 一种往复式压缩机及其控制方法 |
CN116054910A (zh) * | 2022-12-20 | 2023-05-02 | 中国人民解放军63819部队 | 基于知识图谱构建的地球站设备故障分析及装置 |
CN116054910B (zh) * | 2022-12-20 | 2024-05-14 | 中国人民解放军63819部队 | 基于知识图谱构建的地球站设备故障分析及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114817569A (zh) | 基于5g技术的火电厂监控数据处理方法及系统 | |
US11305780B2 (en) | Road condition status prediction method, device, and server, and storage medium | |
US9207090B2 (en) | System and method for dynamic path optimization | |
CN103365886B (zh) | 车联网中的空间事件的查询方法和优化查询器 | |
KR101953190B1 (ko) | 복잡한 양자 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원 재귀적 학습 과정 및 시스템 | |
CN113592869B (zh) | 一种建筑幕墙玻璃破裂图像识别方法及报警系统 | |
US11561950B2 (en) | System and method for facilitating an objective-oriented data structure and an objective via the data structure | |
CN108495364A (zh) | 移动终端的定位方法及装置 | |
CN109949692A (zh) | 路网匹配方法、装置、计算机设备及存储介质 | |
CN114564566A (zh) | 应用云业务联动大数据处理方法及云业务人工智能系统 | |
CN113689292A (zh) | 基于图像背景识别的用户聚集识别方法及系统 | |
CN113865589A (zh) | 一种基于地形坡度的长距离快速路径规划方法 | |
CN116384020A (zh) | 一种融合多维语义信息的数字孪生变电站空间布局方法 | |
CN115393745A (zh) | 一种基于无人机与深度学习的桥梁形象进度自动识别方法 | |
CN116518960A (zh) | 路网更新方法、装置、电子设备和存储介质 | |
CN113869778A (zh) | 一种基于城市管理的无人机河道巡检方法及系统 | |
CN113285960B (zh) | 一种服务数据共享云平台的数据加密方法及系统 | |
CN115759295A (zh) | 一种基于纵向联邦学习的协同训练方法、装置及存储介质 | |
CN115560771A (zh) | 基于采样的路径规划方法及装置、自动行驶设备 | |
CN111274241A (zh) | 用于并行处理地图数据的方法和装置 | |
CN113689291A (zh) | 基于异常移动的反欺诈识别方法及系统 | |
CN113759968B (zh) | 一种基于无人机的电网巡线规划方法及系统 | |
CN114564523B (zh) | 针对智慧虚拟场景的大数据漏洞分析方法及云端ai系统 | |
CN114780856A (zh) | 基于5g技术的火电厂安全监控系统 | |
CN113836206B (zh) | 文物知识在线协同生产方法及系统 |
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 |