CN114881142A - 一种配网异常数据的处理方法及装置 - Google Patents
一种配网异常数据的处理方法及装置 Download PDFInfo
- Publication number
- CN114881142A CN114881142A CN202210490864.0A CN202210490864A CN114881142A CN 114881142 A CN114881142 A CN 114881142A CN 202210490864 A CN202210490864 A CN 202210490864A CN 114881142 A CN114881142 A CN 114881142A
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- target
- exception
- processing
- 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 704
- 238000012545 processing Methods 0.000 title claims abstract description 237
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012216 screening Methods 0.000 claims abstract description 152
- 238000007405 data analysis Methods 0.000 claims abstract description 18
- 230000005856 abnormality Effects 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000011835 investigation Methods 0.000 claims description 13
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000004931 aggregating effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Maintenance And Management Of Digital Transmission (AREA)
Abstract
本发明公开了一种配网异常数据的处理方法及装置,该方法包括:采集目标电网对应的目标研判数据,根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据;根据预设的配网数据分析模型,分析初始异常数据,得到初始异常数据对应的数据明细报告;根据模板异常数据以及异常筛选模型,对数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,以针对目标异常数据执行预设异常处理操作。可见,实施本发明能够通过异常筛选模型、配网数据分析模型,自动处理目标研判数据,精准、快速地定位出异常数据以及确定出异常数据的相关异常信息。
Description
技术领域
本发明涉及电网数据处理技术领域,尤其涉及一种配网异常数据的处理方法及装置。
背景技术
随着电网技术的飞速发展,国内电网结构也在日益完善、趋于复杂化。同时,伴随着互联网以及自动化的全面普及,国内电网各项数据均在向自动化发展,导致各项电网的数据量呈现出激增的态势,这就要求电网企业在构建更多复杂化电网结构的同时,提高应对数量激增的自动化数据的处理效率。
其中,在处理海量自动化数据的过程中,自动化数据的出现数据异常是最为常见的问题之一,起初在自动化数据的数据量较小时,异常数据的处理速度还能够较为迅速、准确,但伴随着数据量的爆发式增长、异常数据的异常类型的复杂化、隐秘化等,导致了现如今针对电网自动化数据的异常处理难度提高、异常处理效率降低,而不能及时、准确的解决异常数据,在一定程度上降低了电网企业的供电可靠性以及用户评价。可见,提供一种提高电网异常数据的异常处理效率的方法显得尤为重要。
发明内容
本发明所要解决的技术问题在于,提供一种配网异常数据的处理方法及装置,能够智能化定位出海量目标研判数据中的异常数据,以及确定出该异常数据的异常信息,提高了配网异常数据的确定效率、确定准确性。
为了解决上述技术问题,本发明第一方面公开了一种配网异常数据的处理方法,所述方法包括:
采集目标电网对应的目标研判数据,所述目标研判数据包括需要执行预设异常处理操作的异常数据;
根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据,所述异常筛选模型包括已确定为异常数据的模板异常数据,所述初始异常数据包括与所述模板异常数据之间的数据匹配度达到预设匹配度阈值的数据;
根据预设的配网数据分析模型,分析所述初始异常数据,得到所述初始异常数据对应的数据明细报告,所述数据明细报告包括用于判断所述初始异常数据是否为异常数据的异常参数;
根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,以针对所述目标异常数据执行所述预设异常处理操作,所述目标异常数据为所述异常匹配度大于预设匹配度阈值的数据。
作为一种可选的实施方式,在本发明第一方面中,根据所述异常参数、所述模板异常数据,确定所述目标异常数据对应的异常类型,所述异常类型包括在预设的异常数据库中记载的已知异常类型或除所述已知异常类型之外的待定异常类型;
当所述目标异常数据对应的异常类型为所述已知异常类型时,调用与所述已知异常类型匹配的历史处理记录,并根据所述历史处理记录对应记录的异常处理方案,生成处理所述目标异常数据的新的异常处理方案,以根据所述新的异常处理方案对所述目标异常数据执行异常处理;
当所述目标异常数据对应的异常类型为所述待定异常类型时,根据所述异常类型以及所述目标异常数据,在所述异常数据库中进行异常相似度筛选操作,得到筛选结果;
根据所述筛选结果,确定针对所述目标异常数据的异常处理方案,以根据所述异常处理方案对所述目标异常数据执行异常处理。
作为一种可选的实施方式,在本发明第一方面中,当所述目标异常数据对应的异常类型为所述待定异常类型时,所述根据所述筛选结果,确定针对所述目标异常数据的异常处理方案,包括:
判断所述筛选结果是否表示所述异常数据库中存在对照异常数据,所述对照异常数据为与所述目标异常数据之间的异常相似度达到预设相似度阈值的数据;
当判断出所述筛选结果表示所述异常数据库中不存在所述对照异常数据时,将所述目标异常数据归集在确定出的待研判数据集,所述待研判数据集所归集的数据为需要执行预设研判操作的数据;
根据所述异常参数、所述目标异常数据,确定剩余排查数据,所述剩余排查数据为所述目标异常数据中除与所述异常参数对应的数据之外的数据;
根据预设的研判模型对所述剩余排查数据执行所述预设研判操作,得到异常研判处理方案,作为针对所述目标异常数据的异常处理方案;
当判断出所述筛选结果表示所述异常数据库中存在所述对照异常数据时,分析所述对照异常数据对应的异常处理方案,得到分析结果,并根据所述分析结果生成与所述目标异常数据匹配的处理方案,作为针对所述目标异常数据的异常处理方案。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据之前,所述方法还包括:
根据所述数据明细报告,确定所述所述初始异常数据对应的数据类型,所述数据类型包括配网线路的线路数据类型和/或配网运行设备对应的设备数据类型;
根据所述异常参数以及所述数据类型,对所述数据明细报告执行归集分类操作,得到归集分类结果;
以及所述根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,包括:
根据所述模板异常数据以及所述异常筛选模型,对所述归集分类结果中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据。
作为一种可选的实施方式,在本发明第一方面中,所述根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据之前,所述方法还包括:
检测是否接收到针对所述目标研判数据的异常定点处理指令,当检测出未接收到所述异常定点处理指令时,执行所述的根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据的操作,所述异常定点处理指令包括已确定的异常数据对应的异常信息;
当检测出接收到所述异常定点处理指令时,根据所述异常信息,确定所述目标研判数据中对应的定点异常数据以及针对所述定点异常数据的定点处理方案;
提取所述定点异常数据,并根据所述定点处理方案,对所述定点异常数据执行定点处理操作,得到定点修正数据;
根据所述定点修正数据,将所述目标研判数据更新为无需执行所述预设异常处理操作的常规配网数据,同时记录所述定点异常数据以及所述定点处理方案,作为后续针对除所述目标研判数据之外的其他研判数据执行所述预设异常处理操作时的支撑数据。
作为一种可选的实施方式,在本发明第一方面中,所述根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据,包括:
调用所述目标电网对应的异常数据库所存储的异常记录,所述异常记录包括所述目标电网的高频异常记录,所述高频异常记录包括若干个高频异常项,所述高频异常项为所述目标电网对应的配网数据中出现数据异常的频次高于预设频次阈值的数据项;
根据所有所述高频异常项以及确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到所述目标研判操作中与所述高频异常项对应的子研判数据,作为初始异常数据。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述筛选结果,确定针对所述目标异常数据的异常处理方案之后,所述方法还包括:
根据确定出的所述目标异常数据对应的异常类型、针对所述目标异常数据的异常处理方案,更新所述异常数据库同时生成针对所述目标异常数据的汇总报告,所述汇总报告包括所述目标异常数据对应的异常类型、所述目标异常数据对应的异常发生原因以及针对所述目标异常数据的异常处理方案中的至少一种,所述汇总报告用于提交给负责审核所述汇总报告的审核人员;
检测在预设反馈周期内是否接收到用于表示所述汇总报告对应的汇总内容未通过审核的失格指令,当检测出在所述预设反馈周期内未接收到所述失格指令时,确定所述汇总报告无误并归集所述汇总报告;
当检测出在所述预设反馈周期内接收到所述失格指令时,根据所述失格指令所包括的补正数据更新所述汇总报告并归集所述汇总报告。
本发明第二方面公开了一种配网异常数据的处理装置,所述装置包括:
采集模块,用于采集目标电网对应的目标研判数据,所述目标研判数据包括需要执行预设异常处理操作的异常数据;
异常判定模块,用于根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据,所述异常筛选模型包括已确定为异常数据的模板异常数据,所述初始异常数据包括与所述模板异常数据之间的数据匹配度达到预设匹配度阈值的数据;
分析模块,用于根据预设的配网数据分析模型,分析所述初始异常数据,得到所述初始异常数据对应的数据明细报告,所述数据明细报告包括用于判断所述初始异常数据是否为异常数据的异常参数;
异常筛选模块,用于根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,以针对所述目标异常数据执行所述预设异常处理操作,所述目标异常数据为所述异常匹配度大于预设匹配度阈值的数据。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
第一确定模块,用于根据所述异常参数、所述模板异常数据,确定所述目标异常数据对应的异常类型,所述异常类型包括在预设的异常数据库中记载的已知异常类型或除所述已知异常类型之外的待定异常类型;
调用模块,用于当所述目标异常数据对应的异常类型为所述已知异常类型时,调用与所述已知异常类型匹配的历史处理记录;
生成模块,用于根据所述调用模块调用的历史处理记录对应记录的异常处理方案,生成处理所述目标异常数据的新的异常处理方案,以根据所述新的异常处理方案对所述目标异常数据执行异常处理;
所述异常筛选模块,还用于当所述目标异常数据对应的异常类型为所述待定异常类型时,根据所述异常类型以及所述目标异常数据,在所述异常数据库中进行异常相似度筛选操作,得到筛选结果;
所述第一确定模块,还用于根据所述筛选结果,确定针对所述目标异常数据的异常处理方案,以根据所述异常处理方案对所述目标异常数据执行异常处理。
作为一种可选的实施方式,在本发明第二方面中,所述第一确定模块根据所述筛选结果,确定针对所述目标异常数据的异常处理方案的方式具体包括:
当所述目标异常数据对应的异常类型为所述待定异常类型时,判断所述筛选结果是否表示所述异常数据库中存在对照异常数据,所述对照异常数据为与所述目标异常数据之间的异常相似度达到预设相似度阈值的数据;
当判断出所述筛选结果表示所述异常数据库中不存在所述对照异常数据时,将所述目标异常数据归集在确定出的待研判数据集,所述待研判数据集所归集的数据为需要执行预设研判操作的数据;
根据所述异常参数、所述目标异常数据,确定剩余排查数据,所述剩余排查数据为所述目标异常数据中除与所述异常参数对应的数据之外的数据;
根据预设的研判模型对所述剩余排查数据执行所述预设研判操作,得到异常研判处理方案,作为针对所述目标异常数据的异常处理方案;
当判断出所述筛选结果表示所述异常数据库中存在所述对照异常数据时,分析所述对照异常数据对应的异常处理方案,得到分析结果,并根据所述分析结果生成与所述目标异常数据匹配的处理方案,作为针对所述目标异常数据的异常处理方案。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
第二确定模块,用于所述异常筛选模块根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据之前,根据所述数据明细报告,确定所述所述初始异常数据对应的数据类型,所述数据类型包括配网线路的线路数据类型和/或配网运行设备对应的设备数据类型;
归集模块,用于根据所述异常参数以及所述数据类型,对所述数据明细报告执行归集分类操作,得到归集分类结果;
以及所述异常筛选模块根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据的方式具体包括:
根据所述模板异常数据以及所述异常筛选模型,对所述归集分类结果中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
第一检测模块,用于在所述第一确定模块根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据之前,检测是否接收到针对所述目标研判数据的异常定点处理指令,当检测出未接收到所述异常定点处理指令时,触发所述第一确定模块执行所述的根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据的操作,所述异常定点处理指令包括已确定的异常数据对应的异常信息;
所述第二确定模块,还用于当所述第一检测模块检测出接收到所述异常定点处理指令时,根据所述异常信息,确定所述目标研判数据中对应的定点异常数据以及针对所述定点异常数据的定点处理方案;
修正处理模块,用于提取所述定点异常数据,并根据所述定点处理方案,对所述定点异常数据执行定点处理操作,得到定点修正数据;
第一更新模块,用于根据所述修正处理模块得到的所述定点修正数据,将所述目标研判数据更新为无需执行所述预设异常处理操作的常规配网数据;
记录模块,用于记录第二确定模块确定出的所述定点异常数据以及所述定点处理方案,作为后续针对除所述目标研判数据之外的其他研判数据执行所述预设异常处理操作时的支撑数据。
作为一种可选的实施方式,在本发明第二方面中,所述异常判定模块根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据的方式具体包括:
调用所述目标电网对应的异常数据库所存储的异常记录,所述异常记录包括所述目标电网的高频异常记录,所述高频异常记录包括若干个高频异常项,所述高频异常项为所述目标电网对应的配网数据中出现数据异常的频次高于预设频次阈值的数据项;
根据所有所述高频异常项以及确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到所述目标研判操作中与所述高频异常项对应的子研判数据,作为初始异常数据。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
第二更新模块,用于在所述第一确定模块根据所述筛选结果,确定针对所述目标异常数据的异常处理方案之后,根据确定出的所述目标异常数据对应的异常类型、针对所述目标异常数据的异常处理方案,更新所述异常数据库同时生成针对所述目标异常数据的汇总报告,所述汇总报告包括所述目标异常数据对应的异常类型、所述目标异常数据对应的异常发生原因以及针对所述目标异常数据的异常处理方案中的至少一种,所述汇总报告用于提交给负责审核所述汇总报告的审核人员;
第二检测模块,用于检测在预设反馈周期内是否接收到用于表示所述汇总报告对应的汇总内容未通过审核的失格指令,当检测出在所述预设反馈周期内未接收到所述失格指令时,确定所述汇总报告无误并归集所述汇总报告;
数据处理模块,用于当所述第二检测模块检测出在所述预设反馈周期内接收到所述失格指令时,根据所述失格指令所包括的补正数据更新所述汇总报告并归集所述汇总报告。
本发明第三方面公开了另一种配网异常数据的处理装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的配网异常数据的处理方法。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的配网异常数据的处理方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,提供了一种配网异常数据的处理方法,该方法包括:采集目标电网对应的目标研判数据,目标研判数据包括需要执行预设异常处理操作的异常数据;根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据,异常筛选模型包括已确定为异常数据的模板异常数据,初始异常数据包括与模板异常数据之间的数据匹配度达到预设匹配度阈值的数据;根据预设的配网数据分析模型,分析初始异常数据,得到初始异常数据对应的数据明细报告,数据明细报告包括用于判断初始异常数据是否为异常数据的异常参数;根据模板异常数据以及异常筛选模型,对数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,以针对目标异常数据执行预设异常处理操作,目标异常数据为异常匹配度大于预设匹配度阈值的数据。可见,实施本发明能够通过异常筛选模型初步筛选出目标研判数据中的异常数据,减少后续确定异常数据的具体异常信息时所需处理的异常数据;还能够根据配网数据分析模型,针对初始异常数据进行细化的异常数据分析,从而精准定位出目标研判数据中的异常数据,提高了确定出的异常数据的准确性以及可靠性,一定程度上提高了后续进行异常数据处理时得到处理结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,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的附图。
图1是本发明实施例公开的一种配网异常数据的处理方法的流程示意图;
图2是本发明实施例公开的另一种配网异常数据的处理方法的流程示意图;
图3是本发明实施例公开的一种配网异常数据的处理装置的结构示意图;
图4是本发明实施例公开的另一种配网异常数据的处理装置的结构示意图;
图5是本发明实施例公开的又一种配网异常数据的处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种配网异常数据的处理方法及装置,能够通过异常筛选模型初步筛选出目标研判数据中的异常数据,减少后续确定异常数据的具体异常信息时所需处理的异常数据;还能够根据配网数据分析模型,针对初始异常数据进行细化的异常数据分析,从而精准定位出目标研判数据中的异常数据,提高了确定出的异常数据的准确性以及可靠性,一定程度上提高了后续进行异常数据处理时得到处理结果的准确性。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种配网异常数据的处理方法的流程示意图。其中,图1所描述的配网异常数据的处理方法可以应用于配网异常数据的处理装置中,本发明实施例不做限定。如图1所示,该配网异常数据的处理方法可以包括以下操作:
101、采集目标电网对应的目标研判数据。
本发明实施例中,目标研判数据包括需要执行预设异常处理操作的异常数据,目标研判数据所包括的异常数据可以包括已确定出异常数据信息的已知异常数据,以可以包括异常数据信息完全未知的未知异常数据,本发明实施例不做限定。
102、根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据。
本发明实施例中,异常筛选模型包括已确定为异常数据的模板异常数据,初始异常数据包括与模板异常数据之间的数据匹配度达到预设匹配度阈值的数据,为了便于理解,以下针对数据匹配度进行应用说明:
假定初始异常数据对应于报障工单,数据异常情况存在于报障工单对应的报障工单编号、报障时间等,模板异常数据对应于历史记录的确定报障工单编号异常的情况、报障时间异常的情况,通过模板异常数据对当前研判的报障工单对应的工单信息进行比对,若该报障工单编号对应的编号数据与历史记录的报障工单编号异常情况匹配,则确定该报障工单编号异常为报障工单编号异常,具体应用情况本发明实施例不做限定。
103、根据预设的配网数据分析模型,分析初始异常数据,得到初始异常数据对应的数据明细报告。
本发明实施例中,数据明细报告包括用于判断初始异常数据是否为异常数据的异常参数,具体的,当目标研判数据为目标电网对应的某一报障工单时,该异常参数可以为报障工单对应的工单参数,如报障工单类型、报障工单编号、报障工单所属台区等,本发明实施例不做限定。
本发明实施例中,可选的,步骤103根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据之前,该配网异常数据的处理方法还可以包括以下操作:
检测是否接收到针对目标研判数据的异常定点处理指令,当检测出未接收到异常定点处理指令时,执行上述的根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据的操作,异常定点处理指令包括已确定的异常数据对应的异常信息;
当检测出接收到异常定点处理指令时,根据异常信息,确定目标研判数据中对应的定点异常数据以及针对定点异常数据的定点处理方案;
提取定点异常数据,并根据定点处理方案,对定点异常数据执行定点处理操作,得到定点修正数据;
根据定点修正数据,将目标研判数据更新为无需执行预设异常处理操作的常规配网数据,同时记录定点异常数据以及定点处理方案,作为后续针对除目标研判数据之外的其他研判数据执行预设异常处理操作时的支撑数据。
可见,在本发明实施例中,在针对目标研判数据执行异常判定之前,若是存在异常定点处理指令,则优先执行异常定点处理指令,有利于提高异常定位效率以及异常处理效率,避免出现能直接定位出异常数据,但仍按照指定程序按部就班的进行异常数据的定位,浪费了程序运行资源,同时还降低了针对目标研判数据的异常判定效率这一情况的发生,提供了一种针对目标研判数据的异常判定方法,一定程度上提高了针对目标研判数据的异常判定效率以及得到的异常判定结果的准确性。
104、根据模板异常数据以及异常筛选模型,对数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,以针对目标异常数据执行预设异常处理操作。
本发明实施例中,目标异常数据为异常匹配度大于预设匹配度阈值的数据,进一步的,初始异常数据为目标研判数据初步筛选后数据范围缩小的包括异常数据的数据,目标异常数据为在初始异常数据的基础上,细化细分出具体异常数据所在数据分区。
本发明实施例中,可选的,在步骤104根据模板异常数据以及异常筛选模型,对数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据之前,该配网异常数据的处理方法还可以包括以下操作:
根据数据明细报告,确定初始异常数据对应的数据类型,数据类型包括配网线路的线路数据类型和/或配网运行设备对应的设备数据类型;
根据异常参数以及数据类型,对数据明细报告执行归集分类操作,得到归集分类结果;
以及上述根据模板异常数据以及异常筛选模型,对数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据的方式具体包括:
根据模板异常数据以及异常筛选模型,对归集分类结果中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据。
可见,在本发明实施例中,在通过数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作之前,能够自适应归集分类数据明细报告,提高了后续调用数据明细报告时的调用效率以及调用准确性,一定程度上提高了后续确定出的目标异常数据的准确性。
可见,实施图1所描述的配网异常数据的处理方法,能够通过异常筛选模型初步筛选出目标研判数据中的异常数据,减少后续确定异常数据的具体异常信息时所需处理的异常数据;还能够根据配网数据分析模型,针对初始异常数据进行细化的异常数据分析,从而精准定位出目标研判数据中的异常数据,提高了确定出的异常数据的准确性以及可靠性,一定程度上提高了后续进行异常数据处理时得到处理结果的准确性。
实施例二
请参阅图2,图2是本发明实施例公开的另一种配网异常数据的处理方法的流程示意图。其中,图2所描述的配网异常数据的处理方法可以应用于配网异常数据的处理装置中,本发明实施例不做限定。如图2所示,该配网异常数据的处理方法可以包括以下操作:
201、采集目标电网对应的目标研判数据。
202、根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据。
203、根据预设的配网数据分析模型,分析初始异常数据,得到初始异常数据对应的数据明细报告。
204、根据模板异常数据以及异常筛选模型,对数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,以针对目标异常数据执行预设异常处理操作。
本发明实施例中,针对步骤201-步骤204的其他描述请参阅实施例一中针对步骤101-步骤104的其他具体描述,本发明实施例不再赘述。
205、根据异常参数、模板异常数据,确定目标异常数据对应的异常类型。
本发明实施例中,异常类型包括在预设的异常数据库中记载的已知异常类型或除已知异常类型之外的待定异常类型;当目标异常数据对应的异常类型为已知异常类型时,执行步骤206,当目标异常数据对应的异常类型为待定异常类型时,执行步骤208。
206、当目标异常数据对应的异常类型为已知异常类型时,调用与已知异常类型匹配的历史处理记录。
207、根据历史处理记录对应记录的异常处理方案,生成处理目标异常数据的新的异常处理方案。
本发明实施例中,新的异常处理方案用于对目标异常数据执行异常处理。
208、当目标异常数据对应的异常类型为待定异常类型时,根据异常类型以及目标异常数据,在异常数据库中进行异常相似度筛选操作,得到筛选结果。
209、根据筛选结果,确定针对目标异常数据的异常处理方案,以根据异常处理方案对目标异常数据执行异常处理。
进一步的,当目标异常数据对应的异常类型为待定异常类型时,步骤209根据筛选结果,确定针对目标异常数据的异常处理方案的方式具体包括:
判断筛选结果是否表示异常数据库中存在对照异常数据,对照异常数据为与目标异常数据之间的异常相似度达到预设相似度阈值的数据;
当判断出筛选结果表示异常数据库中不存在对照异常数据时,将目标异常数据归集在确定出的待研判数据集,待研判数据集所归集的数据为需要执行预设研判操作的数据;
根据异常参数、目标异常数据,确定剩余排查数据,剩余排查数据为目标异常数据中除与异常参数对应的数据之外的数据;
根据预设的研判模型对剩余排查数据执行预设研判操作,得到异常研判处理方案,作为针对目标异常数据的异常处理方案;
当判断出筛选结果表示异常数据库中存在对照异常数据时,分析对照异常数据对应的异常处理方案,得到分析结果,并根据分析结果生成与目标异常数据匹配的处理方案,作为针对目标异常数据的异常处理方案。
可见,在本发明实施例中,提供了针对不同筛选结果的异常处理策略,其中,针对不存在对照异常数据的情况,能够自动归集目标异常数据至待研判数据集中同时针对剩余排查数据执行研判处理,实现对目标异常数据的整体数据排查,避免数据异常存在于剩余排查数据中导致异常排查错漏而无法排查出异常数据的情况发生,一定程度上提高了针对目标异常数据的异常处理的准确性和可靠性。
可见,实施图2所描述的配网异常数据的处理方法,针对确定出的目标异常数据,能够根据异常类型,自适应调整处理该目标异常数据的处理方法,若为已知异常类型的目标异常数据,通过调用对应的历史处理记录来提高处理该目标异常数据的处理效率以及处理准确性;若为待定异常类型的目标异常数据,也能够自动调用异常数据库对该目标异常数据执行异常相似度筛选,从而根据筛选结果确定匹配的异常处理方案,有针对性的处理异常数据,提高了处理目标异常数据的可靠性以及准确性。
在一个可选的实施例中,上述根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据之前,该配网异常数据的处理方法还可以包括以下操作:检测是否接收到针对目标研判数据的异常定点处理指令,当检测出未接收到异常定点处理指令时,执行上述的根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据的操作,异常定点处理指令包括已确定的异常数据对应的异常信息;
当检测出接收到异常定点处理指令时,根据异常信息,确定目标研判数据中对应的定点异常数据以及针对定点异常数据的定点处理方案;
提取定点异常数据,并根据定点处理方案,对定点异常数据执行定点处理操作,得到定点修正数据;
根据定点修正数据,将目标研判数据更新为无需执行预设异常处理操作的常规配网数据,同时记录定点异常数据以及定点处理方案,作为后续针对除目标研判数据之外的其他研判数据执行预设异常处理操作时的支撑数据。
在该可选的实施例中,进一步可选的,上述根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据的方式具体包括:
调用目标电网对应的异常数据库所存储的异常记录,异常记录包括目标电网的高频异常记录,高频异常记录包括若干个高频异常项,高频异常项为目标电网对应的配网数据中出现数据异常的频次高于预设频次阈值的数据项;
根据所有高频异常项以及确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到目标研判操作中与高频异常项对应的子研判数据,作为初始异常数据。
可见,在该可选的实施例中,提供了另一种异常处理策略,通过异常定点处理指令实现精准定位出定点异常数据,在能快速定位出定点异常数据的情况下,不执行原有的异常判定流程,从而适应性优先执行异常定点处理指令,提高了针对目标研判数据进行异常判定操作时确定出异常数据的确定效率以及确定准确性;此外,基于异常筛选模型,对目标研判数据执行异常判定操作时,通过异常数据库所存储的高频异常记录,进行初始异常数据的辅助研判,一定程度上提高了初始异常数据的确定效率。
在另一个可选的实施例中,上述根据筛选结果,确定针对目标异常数据的异常处理方案之后,该配网异常数据的处理方法还可以包括以下操作:
根据确定出的目标异常数据对应的异常类型、针对目标异常数据的异常处理方案,更新异常数据库同时生成针对目标异常数据的汇总报告,汇总报告包括目标异常数据对应的异常类型、目标异常数据对应的异常发生原因以及针对目标异常数据的异常处理方案中的至少一种,汇总报告用于提交给负责审核汇总报告的审核人员;
检测在预设反馈周期内是否接收到用于表示汇总报告对应的汇总内容未通过审核的失格指令,当检测出在预设反馈周期内未接收到失格指令时,确定汇总报告无误并归集汇总报告;
当检测出在预设反馈周期内接收到失格指令时,根据失格指令所包括的补正数据更新汇总报告并归集汇总报告。
可见,在该可选的实施例中,在处理完每一个目标异常数据之后,能够自动更新异常数据库,异常数据的迭代更新作为后续进行异常判定、异常处理的辅助数据,提高了后续判定异常数据的判定效率以及判定准确性,同时提高了后续处理异常数据的异常效率以及得到的异常处理结果的可靠性以及准确性;此外,还能够针对审核人员针对汇总报告反馈的指令执行匹配的更新汇总报告和/或归集汇总报告的操作,有利于提高汇总报告的处理效率。
在该可选的实施例中,进一步的,当检测出在预设反馈周期内接收到失格指令时,上述根据失格指令所包括的补正数据更新汇总报告并归集汇总报告具体可以包括以下操作:
根据失格指令所包括的补正数据,对汇总报告进行补正匹配操作,得到匹配结果,匹配结果包括汇总报告中与补正数据不一致的错误数据;
根据补正数据分析错误数据,得到错误数据对应的错误报告,并将该错误数据更新为补正数据,得到更新后的汇总报告同时归集更新后的汇总报告,其中错误数据对应的错误报告用于后续回溯该汇总报告对应的出错原因时作为辅助数据。
可见,该可选的实施例中,能够根据失格指令智能化对比提取出错误数据以及生成对应的错误报告,有利于后续提高后续回溯汇总报告的出错原因时的回溯效率;还能够根据失格指令对应的补正数据自动更新汇总报告,确保最后归集的汇总报告为正确的汇总数据,一定程度上提高了汇总报告的处理效率。
实施例三
请参阅图3,图3是本发明实施例公开的一种配网异常数据的处理装置的结构示意图。其中,该配网异常数据的处理装置可以是配网异常数据的处理终端、配网异常数据的处理设备、配网异常数据的处理系统或者配网异常数据的处理服务器,配网异常数据的处理服务器可以是本地服务器,也可以是远端服务器,还可以是云服务器(又称云端服务器),当配网异常数据的处理服务器为非云服务器时,该非云服务器能够与云服务器进行通信连接,本发明实施例不做限定。如图3所示,该配网异常数据的处理装置可以包括采集模块301、异常判定模块302、分析模块303以及异常筛选模块304,其中:
采集模块301,用于采集目标电网对应的目标研判数据,目标研判数据包括需要执行预设异常处理操作的异常数据。
异常判定模块302,用于根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据,异常筛选模型包括已确定为异常数据的模板异常数据,初始异常数据包括与模板异常数据之间的数据匹配度达到预设匹配度阈值的数据。
分析模块303,用于根据预设的配网数据分析模型,分析初始异常数据,得到初始异常数据对应的数据明细报告,数据明细报告包括用于判断初始异常数据是否为异常数据的异常参数。
异常筛选模块304,用于根据模板异常数据以及异常筛选模型,对数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,以针对目标异常数据执行预设异常处理操作,目标异常数据为异常匹配度大于预设匹配度阈值的数据。
可见,实施图3所描述的配网异常数据的处理装置,能够通过异常筛选模型初步筛选出目标研判数据中的异常数据,减少后续确定异常数据的具体异常信息时所需处理的异常数据;还能够根据配网数据分析模型,针对初始异常数据进行细化的异常数据分析,从而精准定位出目标研判数据中的异常数据,提高了确定出的异常数据的准确性以及可靠性,一定程度上提高了后续进行异常数据处理时得到处理结果的准确性。
在一个可选的实施例中,如图4所示,该配网异常数据的处理装置还可以包括第一确定模块305、调用模块306以及生成模块307,其中:
第一确定模块305,用于根据分析模块303得到的数据明细报告所包括的异常参数、模板异常数据,确定异常筛选模块304筛选出的目标异常数据对应的异常类型,异常类型包括在预设的异常数据库中记载的已知异常类型或除已知异常类型之外的待定异常类型。
调用模块306,用于当第一确定模块305确定出的目标异常数据对应的异常类型为已知异常类型时,调用与已知异常类型匹配的历史处理记录。
生成模块307,用于根据调用模块306调用的历史处理记录对应记录的异常处理方案,生成处理目标异常数据的新的异常处理方案,以根据新的异常处理方案对目标异常数据执行异常处理。
异常筛选模块304,还用于当目标异常数据对应的异常类型为待定异常类型时,根据异常类型以及目标异常数据,在异常数据库中进行异常相似度筛选操作,得到筛选结果。
第一确定模块305,还用于根据筛选结果,确定针对目标异常数据的异常处理方案,以根据异常处理方案对目标异常数据执行异常处理。
可见,实施图4所描述的配网异常数据的处理装置,针对确定出的目标异常数据,能够根据异常类型,自适应调整处理该目标异常数据的处理方法,若为已知异常类型的目标异常数据,通过调用对应的历史处理记录来提高处理该目标异常数据的处理效率以及处理准确性;若为待定异常类型的目标异常数据,也能够自动调用异常数据库对该目标异常数据执行异常相似度筛选,从而根据筛选结果确定匹配的异常处理方案,有针对性的处理异常数据,提高了处理目标异常数据的可靠性以及准确性。
在另一个可选的实施例中,第一确定模块305根据筛选结果,确定针对目标异常数据的异常处理方案的方式具体包括:
当目标异常数据对应的异常类型为待定异常类型时,判断筛选结果是否表示异常数据库中存在对照异常数据,对照异常数据为与目标异常数据之间的异常相似度达到预设相似度阈值的数据;
当判断出筛选结果表示异常数据库中不存在对照异常数据时,将目标异常数据归集在确定出的待研判数据集,待研判数据集所归集的数据为需要执行预设研判操作的数据;
根据异常参数、目标异常数据,确定剩余排查数据,剩余排查数据为目标异常数据中除与异常参数对应的数据之外的数据;
根据预设的研判模型对剩余排查数据执行预设研判操作,得到异常研判处理方案,作为针对目标异常数据的异常处理方案;
当判断出筛选结果表示异常数据库中存在对照异常数据时,分析对照异常数据对应的异常处理方案,得到分析结果,并根据分析结果生成与目标异常数据匹配的处理方案,作为针对目标异常数据的异常处理方案。
可见,图4所描述的配网异常数据的处理装置,提供了针对不同筛选结果的异常处理策略,其中,针对不存在对照异常数据的情况,能够自动归集目标异常数据至待研判数据集中同时针对剩余排查数据执行研判处理,实现对目标异常数据的整体数据排查,避免数据异常存在于剩余排查数据中导致异常排查错漏而无法排查出异常数据的情况发生,一定程度上提高了针对目标异常数据的异常处理的准确性和可靠性。
在又一个可选的实施例中,如图4所示,该配网异常数据的处理装置装置还包括第二确定模块308、归集模块309,其中:
第二确定模块308,用于异常筛选模块304根据模板异常数据以及异常筛选模型,对数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据之前,根据分析模块303得到的数据明细报告,确定异常判定模块302确定出的初始异常数据对应的数据类型,数据类型包括配网线路的线路数据类型和/或配网运行设备对应的设备数据类型。
归集模块309,用于根据异常参数以及数据类型,对分析模块303得到的数据明细报告执行归集分类操作,得到归集分类结果。
以及异常筛选模块304根据模板异常数据以及异常筛选模型,对数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据的方式具体包括:
根据模板异常数据以及异常筛选模型,对归集分类结果中每个异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据。
可见,实施图4所描述的配网异常数据的处理装置,在通过数据明细报告中每个异常参数对应的明细数据执行异常匹配度筛选操作之前,能够自适应归集分类数据明细报告,提高了后续调用数据明细报告时的调用效率以及调用准确性,一定程度上提高了后续确定出的目标异常数据的准确性。
在另一个可选的实施例中,如图4所示,该配网异常数据的处理装置还包括第一检测模块310、修正处理模块311、第一更新模块312以及记录模块313,其中:
第一检测模块310,用于在第一确定模块305根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据之前,检测是否接收到针对目标研判数据的异常定点处理指令,当检测出未接收到异常定点处理指令时,触发第一确定模块305执行上述的根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据的操作,异常定点处理指令包括已确定的异常数据对应的异常信息。
第二确定模块308,还用于当第一检测模块310检测出接收到异常定点处理指令时,根据异常信息,确定目标研判数据中对应的定点异常数据以及针对定点异常数据的定点处理方案。
修正处理模块311,用于提取第二确定模块308确定出的定点异常数据,并根据定点处理方案,对定点异常数据执行定点处理操作,得到定点修正数据。
第一更新模块312,用于根据修正处理模块311得到的定点修正数据,将采集模块301采集到的目标研判数据更新为无需执行预设异常处理操作的常规配网数据。
记录模块313,用于记录第二确定模块308确定出的定点异常数据以及定点处理方案,作为后续针对除目标研判数据之外的其他研判数据执行预设异常处理操作时的支撑数据。
在该可选的实施例中,进一步可选的,异常判定模块302根据确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到初始异常数据的方式具体包括:
调用目标电网对应的异常数据库所存储的异常记录,异常记录包括目标电网的高频异常记录,高频异常记录包括若干个高频异常项,高频异常项为目标电网对应的配网数据中出现数据异常的频次高于预设频次阈值的数据项;
根据所有高频异常项以及确定出的异常筛选模型,对目标研判数据执行预设的异常判定操作,得到目标研判操作中与高频异常项对应的子研判数据,作为初始异常数据。
可见,图4所描述的配网异常数据的处理装置,提供了另一种异常处理策略,通过异常定点处理指令实现精准定位出定点异常数据,在能快速定位出定点异常数据的情况下,不执行原有的异常判定流程,从而适应性优先执行异常定点处理指令,提高了针对目标研判数据进行异常判定操作时确定出异常数据的确定效率以及确定准确性;此外,基于异常筛选模型,对目标研判数据执行异常判定操作时,通过异常数据库所存储的高频异常记录,进行初始异常数据的辅助研判,一定程度上提高了初始异常数据的确定效率。
在又一个可选的实施例中,如图4所示,该配网异常数据的处理装置还包括第二更新模块314、第二检测模块315以及数据处理模块316,其中:
第二更新模块314,用于在第一确定模块305根据筛选结果,确定针对目标异常数据的异常处理方案之后,根据第一确定模块305确定出的目标异常数据对应的异常类型、针对目标异常数据的异常处理方案,更新异常数据库同时生成针对目标异常数据的汇总报告,汇总报告包括目标异常数据对应的异常类型、目标异常数据对应的异常发生原因以及针对目标异常数据的异常处理方案中的至少一种,汇总报告用于提交给负责审核汇总报告的审核人员。
第二检测模块315,用于检测在预设反馈周期内是否接收到用于表示汇总报告对应的汇总内容未通过审核的失格指令,当检测出在预设反馈周期内未接收到失格指令时,确定第二更新模块314生成的汇总报告无误并归集汇总报告。
数据处理模块316,用于当第二检测模块315检测出在预设反馈周期内接收到失格指令时,根据失格指令所包括的补正数据更新汇总报告并归集汇总报告。
可见,图4所描述的配网异常数据的处理装置,在处理完每一个目标异常数据之后,能够自动更新异常数据库,异常数据的迭代更新作为后续进行异常判定、异常处理的辅助数据,提高了后续判定异常数据的判定效率以及判定准确性,同时提高了后续处理异常数据的异常效率以及得到的异常处理结果的可靠性以及准确性;此外,还能够针对审核人员针对汇总报告反馈的指令执行匹配的更新汇总报告和/或归集汇总报告的操作,有利于提高汇总报告的处理效率。
实施例四
请参阅图5,图5是本发明实施例公开的又一种配网异常数据的处理装置的结构示意图。如图5所示,该配网异常数据的处理装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一或本发明实施例二所描述的配网异常数据的处理方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一或本发明实施例二所描述的配网异常数据的处理方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的配网异常数据的处理方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机存储介质中,存储介质包括只读存储器(Read-OnlyMemory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种配网异常数据的处理方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种配网异常数据的处理方法,其特征在于,所述方法包括:
采集目标电网对应的目标研判数据,所述目标研判数据包括需要执行预设异常处理操作的异常数据;
根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据,所述异常筛选模型包括已确定为异常数据的模板异常数据,所述初始异常数据包括与所述模板异常数据之间的数据匹配度达到预设匹配度阈值的数据;
根据预设的配网数据分析模型,分析所述初始异常数据,得到所述初始异常数据对应的数据明细报告,所述数据明细报告包括用于判断所述初始异常数据是否为异常数据的异常参数;
根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,以针对所述目标异常数据执行所述预设异常处理操作,所述目标异常数据为所述异常匹配度大于预设匹配度阈值的数据。
2.根据权利要求1所述的一种配网异常数据的处理方法,其特征在于,所述方法还包括:
根据所述异常参数、所述模板异常数据,确定所述目标异常数据对应的异常类型,所述异常类型包括在预设的异常数据库中记载的已知异常类型或除所述已知异常类型之外的待定异常类型;
当所述目标异常数据对应的异常类型为所述已知异常类型时,调用与所述已知异常类型匹配的历史处理记录,并根据所述历史处理记录对应记录的异常处理方案,生成处理所述目标异常数据的新的异常处理方案,以根据所述新的异常处理方案对所述目标异常数据执行异常处理;
当所述目标异常数据对应的异常类型为所述待定异常类型时,根据所述异常类型以及所述目标异常数据,在所述异常数据库中进行异常相似度筛选操作,得到筛选结果;
根据所述筛选结果,确定针对所述目标异常数据的异常处理方案,以根据所述异常处理方案对所述目标异常数据执行异常处理。
3.根据权利要求2所述的一种配网异常数据的处理方法,其特征在于,当所述目标异常数据对应的异常类型为所述待定异常类型时,所述根据所述筛选结果,确定针对所述目标异常数据的异常处理方案,包括:
判断所述筛选结果是否表示所述异常数据库中存在对照异常数据,所述对照异常数据为与所述目标异常数据之间的异常相似度达到预设相似度阈值的数据;
当判断出所述筛选结果表示所述异常数据库中不存在所述对照异常数据时,将所述目标异常数据归集在确定出的待研判数据集,所述待研判数据集所归集的数据为需要执行预设研判操作的数据;
根据所述异常参数、所述目标异常数据,确定剩余排查数据,所述剩余排查数据为所述目标异常数据中除与所述异常参数对应的数据之外的数据;
根据预设的研判模型对所述剩余排查数据执行所述预设研判操作,得到异常研判处理方案,作为针对所述目标异常数据的异常处理方案;
当判断出所述筛选结果表示所述异常数据库中存在所述对照异常数据时,分析所述对照异常数据对应的异常处理方案,得到分析结果,并根据所述分析结果生成与所述目标异常数据匹配的处理方案,作为针对所述目标异常数据的异常处理方案。
4.根据权利要求1-3任一项所述的一种配网异常数据的处理方法,其特征在于,所述根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据之前,所述方法还包括:
根据所述数据明细报告,确定所述所述初始异常数据对应的数据类型,所述数据类型包括配网线路的线路数据类型和/或配网运行设备对应的设备数据类型;
根据所述异常参数以及所述数据类型,对所述数据明细报告执行归集分类操作,得到归集分类结果;
以及所述根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,包括:
根据所述模板异常数据以及所述异常筛选模型,对所述归集分类结果中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据。
5.根据权利要求4所述的一种配网异常数据的处理方法,其特征在于,所述根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据之前,所述方法还包括:
检测是否接收到针对所述目标研判数据的异常定点处理指令,当检测出未接收到所述异常定点处理指令时,执行所述的根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据的操作,所述异常定点处理指令包括已确定的异常数据对应的异常信息;
当检测出接收到所述异常定点处理指令时,根据所述异常信息,确定所述目标研判数据中对应的定点异常数据以及针对所述定点异常数据的定点处理方案;
提取所述定点异常数据,并根据所述定点处理方案,对所述定点异常数据执行定点处理操作,得到定点修正数据;
根据所述定点修正数据,将所述目标研判数据更新为无需执行所述预设异常处理操作的常规配网数据,同时记录所述定点异常数据以及所述定点处理方案,作为后续针对除所述目标研判数据之外的其他研判数据执行所述预设异常处理操作时的支撑数据。
6.根据权利要求5所述的一种配网异常数据的处理方法,其特征在于,所述根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据,包括:
调用所述目标电网对应的异常数据库所存储的异常记录,所述异常记录包括所述目标电网的高频异常记录,所述高频异常记录包括若干个高频异常项,所述高频异常项为所述目标电网对应的配网数据中出现数据异常的频次高于预设频次阈值的数据项;
根据所有所述高频异常项以及确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到所述目标研判操作中与所述高频异常项对应的子研判数据,作为初始异常数据。
7.根据权利要求3-6任一项所述的一种配网异常数据的处理方法,其特征在于,所述根据所述筛选结果,确定针对所述目标异常数据的异常处理方案之后,所述方法还包括:
根据确定出的所述目标异常数据对应的异常类型、针对所述目标异常数据的异常处理方案,更新所述异常数据库同时生成针对所述目标异常数据的汇总报告,所述汇总报告包括所述目标异常数据对应的异常类型、所述目标异常数据对应的异常发生原因以及针对所述目标异常数据的异常处理方案中的至少一种,所述汇总报告用于提交给负责审核所述汇总报告的审核人员;
检测在预设反馈周期内是否接收到用于表示所述汇总报告对应的汇总内容未通过审核的失格指令,当检测出在所述预设反馈周期内未接收到所述失格指令时,确定所述汇总报告无误并归集所述汇总报告;
当检测出在所述预设反馈周期内接收到所述失格指令时,根据所述失格指令所包括的补正数据更新所述汇总报告并归集所述汇总报告。
8.一种配网异常数据的处理装置,其特征在于,所述装置包括:
采集模块,用于采集目标电网对应的目标研判数据,所述目标研判数据包括需要执行预设异常处理操作的异常数据;
异常判定模块,用于根据确定出的异常筛选模型,对所述目标研判数据执行预设的异常判定操作,得到初始异常数据,所述异常筛选模型包括已确定为异常数据的模板异常数据,所述初始异常数据包括与所述模板异常数据之间的数据匹配度达到预设匹配度阈值的数据;
分析模块,用于根据预设的配网数据分析模型,分析所述初始异常数据,得到所述初始异常数据对应的数据明细报告,所述数据明细报告包括用于判断所述初始异常数据是否为异常数据的异常参数;
异常筛选模块,用于根据所述模板异常数据以及所述异常筛选模型,对所述数据明细报告中每个所述异常参数对应的明细数据执行异常匹配度筛选操作,得到目标异常数据,以针对所述目标异常数据执行所述预设异常处理操作,所述目标异常数据为所述异常匹配度大于预设匹配度阈值的数据。
9.一种配网异常数据的处理装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的配网异常数据的处理方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的配网异常数据的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210490864.0A CN114881142A (zh) | 2022-05-07 | 2022-05-07 | 一种配网异常数据的处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210490864.0A CN114881142A (zh) | 2022-05-07 | 2022-05-07 | 一种配网异常数据的处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114881142A true CN114881142A (zh) | 2022-08-09 |
Family
ID=82673415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210490864.0A Pending CN114881142A (zh) | 2022-05-07 | 2022-05-07 | 一种配网异常数据的处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114881142A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115134346A (zh) * | 2022-08-30 | 2022-09-30 | 胜利油田凯龙工贸有限责任公司 | 一种石油电网运行远程调度方法及系统 |
-
2022
- 2022-05-07 CN CN202210490864.0A patent/CN114881142A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115134346A (zh) * | 2022-08-30 | 2022-09-30 | 胜利油田凯龙工贸有限责任公司 | 一种石油电网运行远程调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109753762B (zh) | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 | |
CN110275878B (zh) | 业务数据检测方法、装置、计算机设备及存储介质 | |
CN104050289A (zh) | 一种异常事件检测方法及系统 | |
CN114881142A (zh) | 一种配网异常数据的处理方法及装置 | |
CN107909035B (zh) | 一种准实时故障录波文件的读取及分析系统 | |
CN113722719A (zh) | 针对安全拦截大数据分析的信息生成方法及人工智能系统 | |
CN111274056B (zh) | 智能电能表故障库的自学习方法与装置 | |
CN115047288A (zh) | 基于电力采集终端的台区故障定位方法及装置 | |
CN114978877A (zh) | 一种异常处理方法、装置、电子设备及计算机可读介质 | |
CN114143734A (zh) | 一种用于5g物联网卡流量采集的数据处理方法及装置 | |
US20220046039A1 (en) | Method, device, and computer program product for abnormality detection | |
CN116383742B (zh) | 基于特征分类的规则链设置处理方法、系统及介质 | |
CN112561388A (zh) | 一种基于物联网的信息处理方法、装置及设备 | |
CN116340044A (zh) | 故障分析方法、装置、设备及存储介质 | |
CN114139853A (zh) | 一种基于大数据的钢结构产品清单处理方法和装置 | |
CN114386745A (zh) | 一种pms变电设备数据核查识别方法及系统 | |
CN113037521B (zh) | 识别通讯设备状态的方法、通讯系统及存储介质 | |
CN110008245B (zh) | 一个适用于设备故障预警模型时间段查找的方法 | |
CN110555011B (zh) | 应用审计失效识别方法、装置、系统以及可读存储介质 | |
CN111858285A (zh) | 视频操作行为的异常识别方法、装置、服务器及存储介质 | |
CN114189585A (zh) | 骚扰电话异常检测方法、装置及计算设备 | |
CN112215067A (zh) | 保护动作分析方法、装置、电子设备和存储介质 | |
CN111953544B (zh) | 一种服务器的故障检测方法、装置、设备及存储介质 | |
CN114969186A (zh) | 自动化测试方法、装置及计算机存储介质 | |
KR20230159130A (ko) | 데이터 포맷 변환 장치 및 그 방법 |
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 |