CN115018359A - 一种防雷策略确定方法、装置、设备以及存储介质 - Google Patents

一种防雷策略确定方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN115018359A
CN115018359A CN202210730032.1A CN202210730032A CN115018359A CN 115018359 A CN115018359 A CN 115018359A CN 202210730032 A CN202210730032 A CN 202210730032A CN 115018359 A CN115018359 A CN 115018359A
Authority
CN
China
Prior art keywords
measure
lightning protection
index
determining
data
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
Application number
CN202210730032.1A
Other languages
English (en)
Inventor
蔡彦涛
杨柳辉
沈志毅
游景方
刘培杰
洪浩彬
钟运平
王东芳
张红南
魏志雄
陈俊辉
商凯
宋亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Heyuan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Heyuan Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Heyuan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202210730032.1A priority Critical patent/CN115018359A/zh
Publication of CN115018359A publication Critical patent/CN115018359A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种防雷策略确定方法、装置、设备以及存储介质。该方法包括：获取防雷措施在预设指标因子下的指标数据；根据所述指标数据、所述预设指标因子对应的至少两个第一类指标等级的评定值，以及所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施的目标措施等级；根据所述防雷措施的目标措施等级，确定所述防雷措施的执行策略。本发明提供的方案，可以根据防雷措施的指标数据，对指标数据进行评估，确定防雷措施的目标措施等级从而确定执行策略，通过这样的方式，可以确定出有效的防雷措施执行策略，减少雷害问题带来的损失。

Description

一种防雷策略确定方法、装置、设备以及存储介质
技术领域
本发明涉及配电网领域，尤其涉及一种防雷策略确定方法、装置、设备以及存储介质。
背景技术
随着国家经济的不断发展，对于电力稳定性的要求越来越高，解决配电线路的雷害问题对于电网运行稳定意义重大。
对于配电线路，有许多的防雷措施，但不同的防雷措施，防雷效果、改造资金、维护难度和改装等都不相同，如何确定最优的防雷策略，以帮助电力部门确定合理防雷手段，是目前亟待解决的问题。
发明内容
本发明提供了一种防雷策略确定方法、装置、设备以及存储介质，可以确定出有效的防雷措施执行策略，减少雷害问题带来的损失。
根据本发明的一方面，提供了一种防雷策略确定方法，包括：
获取防雷措施在预设指标因子下的指标数据；
根据所述指标数据、所述预设指标因子对应的至少两个第一类指标等级的评定值，以及所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施的目标措施等级；
根据所述防雷措施的目标措施等级，确定所述防雷措施的执行策略。
根据本发明的另一方面，提供了一种防雷策略确定装置，包括：
获取模块，用于获取防雷措施在预设指标因子下的指标数据；
等级确定模块，用于根据所述指标数据、所述预设指标因子对应的至少两个第一类指标等级的评定值，以及所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施的目标措施等级；
策略确定模块，用于根据所述防雷措施的目标措施等级，确定所述防雷措施的执行策略。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的防雷策略确定方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的防雷策略确定方法。
本发明实施例的技术方案，获取防雷措施在预设指标因子下的指标数据，根据指标数据、预设指标因子对应的至少两个第一类指标等级的评定值，以及预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施的目标措施等级，最后根据防雷措施的目标措施等级，确定防雷措施的执行策略。通过根据防雷措施的指标数据，对指标数据进行评估，确定防雷措施的目标措施等级从而确定出执行策略，可以确定出有效的防雷措施执行策略，最大程度的减少雷害问题带来的损失。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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是本发明实施例一提供的一种防雷策略确定方法的流程图；
图2是本发明实施例二提供的一种防雷策略确定方法的流程图；
图3是本发明实施例三提供的一种防雷策略确定方法的流程图；
图4是本发明实施例四提供的一种防雷策略确定方法的流程图；
图5是本发明实施例五提供的防雷策略确定方法的流程示意图；
图6是本发明实施例六提供的一种防雷策略确定装置的结构图；
图7是本发明实施例七提供的电子设备的结构示意图。
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的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，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”、“目标”、“候选”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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种防雷策略确定方法的流程图，本实施例适用于确定防雷策略的情况，尤其适用于对于配电线路，如何基于各防雷措施的等级确定最优防雷策略的情况，该方法可以由防雷策略确定装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于具有防雷策略确定功能的电子设备中。如图1所示，该方法包括：
S101、获取防雷措施在预设指标因子下的指标数据。
其中，防雷措施是指配电线路中常用的防止线路受到雷击灾害的防范措施。防雷措施可以包括架设避雷器、安装避雷针、加强线路绝缘、架设耦合地线以及降低接地电阻值中的至少一种。
指标因子是指可以综合评估防雷措施效果的指标，具体的，指标因子可以包括雷击跳闸率降低程度、防雷经费、改造难易程度、维护难易程度以及运行寿命中的至少一种，指标因子还可以包括线路环境影响以及杆塔结构影响等从其他方面评估防雷措施效果的指标。雷击跳闸率降低程度是指防雷措施对配电线路雷击跳闸率降低效果。防雷经费是指采用对应防雷措施时需要消耗的工程费用。
可选的，可以分别获取采用和不采用该防雷措施时配电线路的跳闸率，根据二者之间的比例关系来表征雷击跳闸率降低程度；通过需要消耗的工程费用与总项目经费之间的比例关系来表征防雷措施的防雷经费；通过采用对应防雷措施对配电线路进行改造时所需的人员数量来表征各防雷措施的改造难易程度；通过采用对应防雷措施后维护相关设备所需要的周期来表征各防雷措施的维护难易程度；通过采用对应防雷措施后相关设备的可运行年限(如9年)来表征运行寿命。
可选的，可以获取专家基于现有的防雷措施执行情况确定的指标数据，即获取防雷措施在预设指标因子下的指标数据；也可以从预存的指标数据库中随机选取设定数量的指标数据，即获取防雷措施在预设指标因子下的指标数据。
示例性的，若预设指标因子为(雷击)跳闸率降低程度、防雷经费、改造难易程度、维护难易程度以及运行寿命，防雷措施为架设避雷器、安装避雷针、(加强线路绝缘)加大绝缘子爬距、架设耦合地线以及降低接地电阻值，则各防雷措施在预设指标因子下的指标数据可以通过如下表1的形式表示：
表1：指标数据
跳闸率降低程度 防雷经费 改造难易程度 维护难易程度 运行寿命
架设避雷器 0.2P％ 总经费的15％ 5人小组 8月 15年
降低接地电阻 0.7P％ 总经费的33％ 9人小组 7月 13年
架设耦合地线 0.5P％ 总经费的20％ 6人小组 6月 26年
加大绝缘子爬距 0.5P％ 总经费的10％ 3人小组 5月 33年
安装避雷针 0.4P％ 总经费的10％ 4人小组 7月 26年
S102、根据指标数据、预设指标因子对应的至少两个第一类指标等级的评定值，以及预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施的目标措施等级。
其中，指标等级可以通过指标阈值的形式表示。第一类指标等级和第二类指标等级是指采用不同方式确定的指标等级，第一类指标等级可以是通过经验确定的指标等级。第二类指标等级可以是通过聚类算法确定的指标等级。评定值是指各指标等级在指标的数据的等级阈值。目标措施等级是指表征目标防雷措施的效果所属的等级，目标措施等级可以是推荐防雷措施等级、良好防雷措施等级、一般防雷措施等级或不推荐防雷措施等级。
可选的，可以对配电线路历史上采用不同防雷措施时在不同预设指标因子下的历史指标数据进行分析，根据经验确定出至少两个指标等级，将每个指标等级关联的最大阈值作为该指标等级的评定值，即确定预设指标因子对应的至少两个第一类指标等级的评定值。
可选的，可以采用聚类算法，基于预设的规则，确定出第二类指标等级的个数以及每个指标等级的最大阈值，将每个指标等级关联的最大阈值作为该指标等级的评定值，即确定预设指标因子对应的至少两个第二类指标等级的评定值。
可选的，确定指标数据、预设指标因子对应的至少两个第一类指标等级的评定值，以及预设指标因子对应的至少两个第二类指标等级的评定值之后，可以根据预设的计算规则，对第一类指标等级的评定值和第二类指标等级的评定值进行综合整理，确定出各防雷措施的综合评定值，最后基于综合评定值与预设措施等级的关系，确定出各防雷措施的目标措施等级；还可以直接将第一类指标等级的评定值和第二类指标等级的评定值输入预先训练好的模型中，输出防雷措施对应的措施等级，即确定防雷措施的目标措施等级。
示例性的，若预设指标因子为跳闸率降低程度、防雷经费、改造难易程度、维护难易程度以及运行寿命，线路规定的跳闸率为p％，第一类指标等级的个数为4个，分别用A1、B1、C1和D1表示，则不同预设指标因子对应各第一类指标等级的评定值表可以通过如下表2的形式表示：
表2：第一类指标等级的评定值表
A1 B1 C1 D1
防雷经费 总经费的10％ 总经费的20％ 总经费的30％ 总经费的50％
改造难易程度 改造所需4人 改造所需6人 改造所需8人 改造所需10人
维护难易程度 维护周期3个月 维护周期6个月 维护周期9个月 维护周期12个月
运行寿命 10年 20年 30年 40年
跳闸率降低程度 0.2P％ 0.4P％ 0.6P％ 0.8P％
如表2所示，例如，预设因子为防雷经费时，为指标数据设置四个第一类指标等级，第一个第一类指标等级的评定值(阈值)为不超过总经费的10％。
示例性的，若预设指标因子为跳闸率降低程度、防雷经费、改造难易程度、维护难易程度以及运行寿命，线路规定的跳闸率为p％，第二类指标等级的个数为4个，分别用A2、B2、C2和D2表示，则不同预设指标因子对应各第一类指标等级的评定值表可以通过如下表3的形式表示：
表3：第二类指标等级的评定值表
A2 B2 C2 D2
防雷经费 总经费的9％ 总经费的17％ 总经费的28％ 总经费的46％
改造难易程度 改造所需3人小组 改造所需5人小组 改造所需7人小组 改造所需9人小组
维护难易程度 维护周期3.5个月 维护周期6.8个月 维护周期9.1个月 维护周期11.8个月
运行寿命 9年 23年 27年 39年
跳闸率降低程度 0.2P％ 0.3P％ 0.7P％ 0.9P％
S103、根据防雷措施的目标措施等级，确定防雷措施的执行策略。
其中，防雷措施的执行策略是指表征如何执行防雷措施的策略，例如，执行策略可以是确定是否执行某防雷措施的策略。
可选的，当防雷措施的数量为一个时，可以根据预设的规则，基于防雷措施的目标措施等级，确定是否执行该防雷措施的策略，即确定防雷措施的执行策略，例如，若防雷措施为架设避雷器，且该防雷措施的目标措施等级为推荐防雷措施等级，则可以确定防雷措施的执行策略为采用架设避雷器的方式进行防雷改造，即确定防雷措施的执行策略。
可选的，当防雷措施的数量为至少两个时，可以先确定采用的防雷措施的个数，进一步根据防雷措施的目标措施等级，基于预设的规则，筛选出预设个数的满足筛选条件的防雷措施，确定执行满足筛选条件的防雷措施的策略，即确定防雷措施的执行策略。
可选的，执行策略可以包括采用的防雷措施的个数，还可以包括各采用的防雷措施的执行顺序等信息，本实施例对此不做限制。
本发明实施例的技术方案，获取防雷措施在预设指标因子下的指标数据，根据指标数据、预设指标因子对应的至少两个第一类指标等级的评定值，以及预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施的目标措施等级，最后根据防雷措施的目标措施等级，确定防雷措施的执行策略。通过根据防雷措施的指标数据，对指标数据进行评估，确定防雷措施的目标措施等级从而确定的执行策略，可以确定出有效的防雷措施执行策略，最大程度的减少雷害问题带来的损失。
可选的，确定第二类指标等级的评定值的一种可实施方式为：基于预设指标因子，对历史运行数据进行聚类处理，得到预设指标因子对应的至少两个聚类中心；根据预设指标因子对应的至少两个聚类中心，确定预设指标因子对应的至少两个第二类指标等级的评定值。
其中，历史运行数据是指配电线路历史运行时产生的指标数据。聚类中心是指标数据的聚类中心。
可选的，可以利用FCM(Fuzzy C-Means，模糊C均值)聚类算法，对历史运行数据进行聚类，根据聚类结果，选择预设个数的聚类中心，即得到预设指标因子对应的至少两个聚类中心。
可选的，确定至少两个聚类中心之后，可以直接将确定的聚类中心作为第二类指标等级的评定值，也就是说，每个预设指标因子对应的第二类指标等级的评定值个数与聚类中心个数相同；若对于每个预设指标因子，聚类中心个数大于第二类指标等级的评定值个数，则可以先根据预设的筛选规则，从至少两个聚类中心中选择出至少两个第二类指标等级的评定值，即确定预设指标因子对应的至少两个第二类指标等级的评定值。
通过这样的方式，可以确定出更准确的第二类指标等级的评定值，便于后续确定出防雷措施对应的措施等级。
实施例二
图2是本发明实施例二提供的一种防雷策略确定方法的流程图，本实施例在上述实施例的基础上，进一步对“获取防雷措施在预设指标因子下的指标数据”进行详细的解释说明，如图2所示，该方法包括：
S201、根据配网线路的仿真建模结果，获取防雷措施在预设指标因子中的第一类指标因子下的第一数据。
其中，配网线路是指配电网中的线路。仿真建模结果是利用仿真软件对防雷措施进行仿真建模后获取的结果。第一类指标因子是指需要利用仿真软件确定的指标数据的指标因子，如跳闸率降低程度。第一数据是指防雷措施在第一类指标因子下的指标数据。
可选的，可以利用ATP-EMTP(The Alternative Transients Program-TheElectromagnetic Transients Program，电磁暂态分析程序)仿真软件，对各防雷措施进行仿真建模，获取配网线路的仿真建模结果。
可选的，可以从对配网线路的仿真建模结果中，确定各防雷措施在跳闸率降低程度指标下的指标数据并整合，即获取防雷措施在预设指标因子中的第一类指标因子下的第一数据。
示例性的，若防雷措施为架设避雷器、安装避雷针、加大绝缘子爬距、架设耦合地线以及降低接地电阻值，且第一类指标因子为跳闸率降低程度，则防雷措施在预设指标因子中的第一类指标因子下的第一数据可以通过如下表4的形式表示：
表4：第一数据表
跳闸率降低程度
架设避雷器 0.2P％
降低接地电阻 0.7P％
架设耦合地线 0.5P％
加大绝缘子爬距 0.5P％
安装避雷针 0.4P％
S202、根据配电网线路的历史运行数据，获取防雷措施在预设指标因子中的第二类指标因子下的第二数据。
其中，第二类指标因子是指根据经验确定的指标因子，具体的，第二类指标因子可以包括防雷经费、改造难易程度、维护难易程度以及运行寿命中的至少一种。第二数据是指防雷措施在第二类指标因子下的指标数据。
可选的，可以根据预设的筛选规则，对配电线路的历史运行数据进行筛选，从历史运行数据中筛选出各防雷措施在预设指标因子中的第二类指标因子下的第二数据，获取第二数据；也可以直接获取专家或其他相关人员基于经验确定的各防雷措施关于不同指标因子的指标数据，即确定防雷措施在预设指标因子中的第二类指标因子下的第二数据。
示例性的，若防雷措施为架设避雷器、安装避雷针、加大绝缘子爬距、架设耦合地线以及降低接地电阻值，且第二类指标因子为防雷经费、改造难易程度、维护难易程度以及运行寿命，则防雷措施在预设指标因子中的第二类指标因子下的第二数据可以通过如下表5的形式表示：
表5：第二数据表
防雷经费 改造难易程度 维护难易程度 运行寿命
架设避雷器 总经费的15％ 5人小组 8月 15年
降低接地电阻 总经费的33％ 9人小组 7月 13年
架设耦合地线 总经费的20％ 6人小组 6月 26年
加大绝缘子爬距 总经费的10％ 3人小组 5月 33年
安装避雷针 总经费的10％ 4人小组 7月 26年
S203、根据第一数据和第二数据，确定防雷措施在预设指标因子下的指标数据。
可选的，确定第一数据和第二数据后，可以根据预设的规则，将第一数据和第二数据进行整合，生成指标数据，即确定防雷措施在预设指标因子下的指标数据；也可以将第一数据和第二数据输入预先训练好的模型，直接输出指标数据，即确定防雷措施在预设指标因子下的指标数据。
示例性的，根据第一数据和第二数据，确定防雷措施在预设指标因子下的指标数据可以通过本发明上述实施例中表1的形式表示。
S204、根据指标数据、预设指标因子对应的至少两个第一类指标等级的评定值，以及预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施的目标措施等级。
S205、根据防雷措施的目标措施等级，确定防雷措施的执行策略。
本发明实施例的技术方案，根据配网线路的仿真建模结果，获取防雷措施在预设指标因子中的第一类指标因子下的第一数据，根据配电网线路的历史运行数据，获取防雷措施在预设指标因子中的第二类指标因子下的第二数据，进一步根据第一数据和第二数据，确定防雷措施在预设指标因子下的指标数据，从而确定防雷措施的等级以及执行策略。通过这样的方式，给出了获取指标数据的一种可实施方式，可以确定出更好表征防雷措施效果的指标数据，便于后续确定防雷措施等级以及执行策略，从而最大程度的减少雷害问题带来的损失。
实施例三
图3是本发明实施例三提供的一种防雷策略确定方法的流程图，本实施例在上述实施例的基础上，进一步对“根据指标数据、预设指标因子对应的至少两个第一类指标等级的评定值，以及预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施的目标措施等级”进行详细的解释说明，如图3所示，该方法包括：
S301、获取防雷措施在预设指标因子下的指标数据。
S302、根据指标数据和预设指标因子对应的至少两个第一类指标等级的评定值，确定防雷措施在候选措施等级下的第一组措施评分。
其中，候选措施等级是指候选的防雷措施所属的措施等级，候选措施等级可以包括推荐防雷措施等级、良好防雷措施等级、一般防雷措施等级或不推荐防雷措施等级。第一组措施评分是指基于第一类指标等级评定值确定的关于各候选措施等级的评分矩阵。
可选的，可以根据预设指标因子对应的至少两个第一类指标等级的评定值，基于经典的主观云理论，建立主观云模型，并利用主观云模型对指标数据进行评估，确定防雷措施在候选措施等级下的第一组措施评分。
可选的，根据指标数据和预设指标因子对应的至少两个第一类指标等级的评定值，确定防雷措施在候选措施等级下的第一组措施评分，包括：根据指标数据和预设指标因子对应的至少两个第一类指标等级的评定值，确定防雷措施在预设指标因子下的第一评分矩阵；根据评分权重矩阵和第一评分矩阵，确定防雷措施在候选措施等级下的第一组措施评分。
其中，第一评分矩阵是指基于第一类指标等级进行评估后确定的评分矩阵。评分权重矩阵是指预设的综合各指标因子的常权重矩阵。
可选的，可以基于预设指标因子对应的至少两个第一类指标等级的评定值和主观云理论，建立主观云模型，根据建立好的主观云模型的数字特征函数，针对每个防雷措施，对其指标数据进行计算，确定该防雷措施的各指标因子在各候选措施等级下的第一评分，生成第一评分矩阵。
示例性的，主观云模型的数字特征函数可以通过如下公式表示：
yⅠ＝exp{[-(x-ExⅠ)2/2(En′Ⅰ)2]}
其中，yⅠ是指在第I个候选措施等级下的评分。x是指一个指标数据，ExⅠ是指标因子对应的评定值的均值，例如，参见表2，指标因子为防雷经费时，ExⅠ为10％、20％、30％以及50％的均值。参见表1，防雷措施为架设避雷器，指标因子为防雷经费，则x为15％。En′Ⅰ是以EnⅠ为均值，HeⅠ为标准差所产生的正态随机数。EnⅠ是指标数据的熵。HeⅠ为指标数据的超熵。
示例性的，若预设指标因子包括跳闸率降低程度、防雷经费、改造难易程度、维护难易程度以及运行寿命，候选措施等级包括推荐防雷措施等级、良好防雷措施等级、一般防雷措施等级或不推荐防雷措施等级，则防雷措施在预设指标因子下的第一评分矩阵可以通过如下表格的形式表示：
表6：第一评分矩阵
L<sub>1</sub> L<sub>2</sub> L<sub>3</sub> L<sub>4</sub>
防雷经费 0.5 0.5 0 0
改造难易程度 0.5 0.5 0 0
维护难易程度 0 0.5 0.5 0
运行寿命 0.5 0.5 0 0
跳闸率降低程度 1 0 0 0
其中，L1为推荐防雷措施等级、L2良好防雷措施等级、L3一般防雷措施等级或L4不推荐防雷措施等级。例如，当预设指标因子为防雷经费，候选防雷措施等级为L1推荐防雷措施等级时，可以确定x为15％，ExⅠ为10％、20％、30％以及50％的均值，EnⅠ′是以EnⅠ为均值，HeⅠ为标准差所产生的正态随机数，EnⅠ是指标数据的熵。HeⅠ为指标数据的超熵，将上述参数代入主观云模型的数字特征函数，可以确定第一评分yⅠ的值为0.5。
可选的，可以直接获取预存的评分权重矩阵；也可以利用层次分析法，基于预设的规则，对各指标因子进行评估，确定出权重比较矩阵A，基于权重比较矩阵A构造判断矩阵，计算最优传递矩阵L，进一步确定拟优一致矩阵B，根据矩阵B的最大特征值对应特征向量，进行归一化处理，得到评分权重矩阵。
示例性的，预设指标因子为跳闸率降低程度、防雷经费、改造难易程度、维护难易程度以及运行寿命时，权重比较矩阵A可以表示为：
Figure BDA0003712839800000131
示例性的，基于上述权重比较矩阵A，评分权重矩阵可以确定为：
[0.57 0.16 0.16 0.0546 0.0546]
可选的，确定评分权重矩阵和第一评分矩阵后，可以将评分权重矩阵和第一评分矩阵相乘，将乘积矩阵作为第一组措施评分矩阵，即确定防雷措施在候选措施等级下的第一组措施评分。
示例性的，若防雷措施为架设避雷器，则防雷措施在各候选措施等级下的第一组措施评分可表示为：
[L1 L2 L3 L4]＝[0.7573 0.2146 0.0273 0]
其中，L1为推荐防雷措施等级、L2良好防雷措施等级、L3一般防雷措施等级或L4不推荐防雷措施等级。
S303、根据指标数据和预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施在候选措施等级下的第二组措施评分。
其中，第二组措施评分是指基于第二类指标等级评定值确定的关于各候选措施等级的评分矩阵。
可选的，可以根据预设指标因子对应的至少两个第二类指标等级的评定值，基于经典的客观云理论，建立客观云模型，并利用客观云模型对指标数据进行评估，确定防雷措施在候选措施等级下的第二组措施评分。
示例性的，第二组措施评分可以表示为：
[L1 L2 L3 L4]＝[0.6449 0.3231 0.0289 0]
其中，L1为推荐防雷措施等级、L2良好防雷措施等级、L3一般防雷措施等级或L4不推荐防雷措施等级。
S304、根据第一组措施评分和第二组措施评分，确定防雷措施的目标措施等级。
可选的，可以基于DS(Dempster/Shafer)证据融合理论的预设计算规则，对第一组措施评分和第二组措施评分进行计算，确定防雷措施所属的候选措施等级，即确定防雷措施的目标措施等级。
可选的，根据第一组措施评分和第二组措施评分，确定防雷措施的目标措施等级，包括：根据第一组措施评分和第二组措施评分，确定归一化常数；根据归一化常数、第一组措施评分和第二组措施评分，确定防雷措施与候选措施等级之间的相关性；根据防雷措施与候选措施等级之间的相关性，确定防雷措施的目标措施等级。
其中，归一化常数是指可以用于确定防雷措施与候选措施等级相关性的常数。防雷措施与各候选措施等级的相关性可以基于证据融合理论的组合函数来确定。
示例性的，若根据防雷措施等级(L1为推荐防雷措施等级、L2良好防雷措施等级、L3一般防雷措施等级或L4不推荐防雷措施等级)，确定证据融合理论的识别框架为(L1 L2 L3L4)，识别模型为Θ＝{L1,L2,L3,...,Ln}，各防雷措施等级对应的概率分配函数为m{L1}，m{L2}，m{L3}以及m{L4}，则第一组措施评分和第二组措施评分可以表示为如下表7的形式：
表7：第一组措施评分和第二组措施评分表
m{L<sub>1</sub>} m{L<sub>2</sub>} m{L<sub>3</sub>} m{L<sub>4</sub>}
第一组措施评分 0.7573 0.2146 0.0273 0
第二组措施评分 0.6449 0.3231 0.0289 0
示例性的，可以基于如下公式，确定出归一化常数K：
Figure BDA0003712839800000151
其中，m1为第一组措施评分的可行度计算函数，m2为第二组措施评分的可行度计算函数，B1和B2均为识别框架Θ的子集，K为衡量不同证据间冲突程度的系数，即归一化常数。
将上述表7的第一组措施评分和第二组措施评分代入上述确定归一化常数的公式，可以得到归一化常数为0.558。
可选的，确定归一化常数、第一组措施评分和第二组措施评分之后，可以将归一化常数、第一组措施评分和第二组措施评分输入预设的相关性确定函数，如证据融合理论中的mass函数(Mass Function，质量函数)，确定防雷措施与各候选措施等级之间的相关性。
示例性的，关于推荐防雷措施等级L1的组合函数可以表示为：
Figure BDA0003712839800000152
其中，m为组合函数，B1和B2均为识别框架Θ的子集，ψ为B1和B2相交的非空子集，K为归一化常数，m1为第一组措施评分的可行度计算函数，m2为第二组措施评分的可行度计算函数。
示例性的，将上述表7给出的推荐防雷措施等级L1的第一组措施评分m1(B1)，即0.7573，第二组措施评分m2(B2)，即0.6449，以及归一化常数，代入上述组合函数，可以计算得到防雷措施(架设避雷器)与候选措施等级(推荐防雷措施等级L1)之间的相关性值为0.8752，具体的计算过程为：0.7573*0.6449/0.558＝0.8752。
以此类推，可以确定出防雷措施(架设避雷器)与其他候选措施等级(除推荐防雷措施等级L1之外)之间的相关性值，具体的，防雷措施(架设避雷器)与各候选措施等级之间的相关性可以整理为：
{P{L1}，P{L2}，P{L3}，P{L4}}＝{0.8752，0.124,0,0}
可选的，可以比较防雷措施与各候选措施等级之间相关性值的大小，根据大小关系，将相关性值最大时对应的候选措施等级作为该防雷措施所属的目标措施等级。例如，若防雷措施(架设避雷器)与各候选措施等级之间的相关性值为上式，则可以确定防雷措施(架设避雷器)的目标措施等级为推荐防雷措施等级L1。
S305、根据防雷措施的目标措施等级，确定防雷措施的执行策略。
本发明实施例的技术方案，获取指标数据后，根据指标数据和预设指标因子对应的至少两个第一类指标等级的评定值，确定防雷措施在候选措施等级下的第一组措施评分，根据指标数据和预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施在候选措施等级下的第二组措施评分，根据第一组措施评分和第二组措施评分，确定防雷措施的目标措施等级，从而确定防雷措施的执行策略。通过这样的方式，给出了确定防雷措施的目标措施等级一种可实施方式，可以更有效的确定出防雷措施所属的措施等级，便于后续确定出合适的防雷措施执行策略，从而最大程度的减少雷害问题带来的损失。
实施例四
图4是本发明实施例四提供的一种防雷策略确定方法的流程图，本实施例在上述实施例的基础上，进一步对“根据指标数据和预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施在候选措施等级下的第二组措施评分”进行详细的解释说明，如图4所示，该方法包括：
S401、获取防雷措施在预设指标因子下的指标数据。
S402、根据指标数据和预设指标因子对应的至少两个第一类指标等级的评定值，确定防雷措施在候选措施等级下的第一组措施评分。
S403、根据指标数据和预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施在预设指标因子下的第二评分矩阵。
其中，第二评分矩阵是指基于第二类指标等级进行评估后确定的评分矩阵。
可选的，可以基于预设指标因子对应的至少两个第二类指标等级的评定值和客观云理论，建立客观云模型，根据建立好的客观云模型的数字特征函数，针对每个防雷措施，对其指标数据进行计算，确定该防雷措施的各指标因子在各候选措施等级下的第二评分，生成第二评分矩阵。
示例性的，客观云模型的数字特征函数可以通过如下公式表示：
yⅠ＝exp{[-(x-ExobjⅠ)2/2(En′objⅠ)2]}
其中，yⅠ是指在第I个候选措施等级下的评分。x是指一个指标数据。ExobjⅠ是指标因子对应的评定值的均值，例如，参见表3，指标因子为防雷经费时，ExobjⅠ为9％、17％、28％以及46％的均值，En′objⅠ是以EnobjⅠ为均值，HeⅠ为标准差所产生的正态随机数，EnobjⅠ是指标数据的熵，HeⅠ为指标数据的超熵。
示例性的，若预设指标因子包括跳闸率降低程度、防雷经费、改造难易程度、维护难易程度以及运行寿命，候选措施等级包括推荐防雷措施等级、良好防雷措施等级、一般防雷措施等级或不推荐防雷措施等级，则防雷措施在预设指标因子下的第二评分矩阵可以通过如下表格的形式表示：
表8：第二评分矩阵
L<sub>1</sub> L<sub>2</sub> L<sub>3</sub> L<sub>4</sub>
防雷经费 0.25 0.75 0 0
改造难易程度 0 1 0 0
维护难易程度 0 0.47 0.53 0
运行寿命 0.64 0.32 0 0
跳闸率降低程度 1 0 0 0
其中，L1为推荐防雷措施等级、L2良好防雷措施等级、L3一般防雷措施等级或L4不推荐防雷措施等级。例如，当预设指标因子为防雷经费，候选防雷措施等级为L1推荐防雷措施等级时，可以确定x为15％，ExⅠ为10％、20％、30％以及50％的均值，ExobjⅠ为9％、17％、28％以及46％的均值，En′objⅠ是以EnobjⅠ为均值，HeⅠ为标准差所产生的正态随机数，EnobjⅠ是指标数据的熵，HeⅠ为指标数据的超熵，将上述参数代入客观云模型的数字特征函数，可以确定第二评分yⅠ的值为0.25。
可选的，可以直接获取预存的评分权重矩阵；也可以利用层次分析法，基于预设的规则，对各指标因子进行评估，确定出权重比较矩阵A，基于权重比较矩阵A构造判断矩阵，计算最优传递矩阵L，进一步确定拟优一致矩阵B，根据矩阵B的最大特征值对应特征向量，进行归一化处理，得到评分权重矩阵。其中，权重比较矩阵具体可以表示为本方面上述实施例所提供的形式。
需要说明的是，本实施例所述的第一评分矩阵和第二评分矩阵均为关于各候选措施等级的评分矩阵。
S404、根据评分权重矩阵和第二评分矩阵，确定防雷措施在候选措施等级下的第二组措施评分。
其中，评分权重矩阵是指预设的综合各指标因子的常权重矩阵。确定第一组措施评分和第二组措施评分的评分权重矩阵相同。
可选的，确定评分权重矩阵和第二评分矩阵后，可以将评分权重矩阵和第二评分矩阵相乘，将乘积矩阵作为第二组措施评分矩阵，即确定防雷措施在候选措施等级下的第二组措施评分。
示例性的，若防雷措施为架设避雷器，则防雷措施在各候选措施等级下的第二组措施评分可表示为：[L1 L2 L3 L4]＝[0.6449 0.3231 0.0289 0]，其中，L1为推荐防雷措施等级、L2良好防雷措施等级、L3一般防雷措施等级或L4不推荐防雷措施等级。
S405、根据第一组措施评分和第二组措施评分，确定防雷措施的目标措施等级。
S406、根据防雷措施的目标措施等级，确定防雷措施的执行策略。
本发明实施例的技术方案，获取指标数据后并确定防雷措施在候选措施等级下的第一组措施评分之后，根据指标数据和预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施在预设指标因子下的第二评分矩阵，根据评分权重矩阵和第二评分矩阵，确定防雷措施在候选措施等级下的第二组措施评分，进一步根据第一组措施评分和第二组措施评分，确定防雷措施的目标措施等级，从而确定防雷措施的执行策略。通过这样的方式，给出了确定第二组措施评分的一种可实施方式，可以更有效的确定出防雷措施所属的措施等级，便于后续确定出合适的防雷措施执行策略，从而最大程度的减少雷害问题带来的损失。
实施例五
图5是本发明实施例五提供的防雷策略确定方法的流程示意图，本实施例在上述实施例的基础上，给出利用主观云模型、客观云模型以及证据融合理论实现防雷措施的执行策略确定的一种可实施方式，如图5所示，该方法包括如下过程：
利用ATP-EMTP进行配网线路仿真建模，设置各种不同的防雷措施，建立雷击杆塔模型，并设计雷电流进行杆塔跳闸率(即雷击跳闸率)计算，仿真后评价各类防雷措施减小雷击跳闸率的效果(即雷击跳闸率降低效果)。其中，仿建立真模型(35kV)的相关参数为：导线型号为LGJ-120/20，地线型号为LGJ-35，档距设置为50m，杆塔采用π型塔，高度为20m，雷击采用双指数波，雷击幅值设置为40kA，负极性，绝缘子采用Flash Mode模型模拟，避雷器采用压控开关模拟。
可选的，根据专家意见确定五个能综合评价防雷改造措施的指标因子(雷击跳闸率降低效果、工程费用、改造难易程度、维护难易程度、运行寿命)，即确定指标因子。
可选的，建立主客观云模型的可实施方式为：每个指标因子中均设置四个效果等级(即第一类指标等级)，依据专家经验或导则阈值分别建立不同指标因子的主观云模型。对每个指标因子，基于历史运行数据和FCM聚类算法，得到四个聚类中心(即第二类指标等级)，根据聚类结果建立不同指标因子的客观云模型。建立主客观权重云模型之后，可以利用主客观模型对各防雷措施进行评分，生成主观云评分矩阵(第一评分矩阵)和客观云评分矩阵(第二评分矩阵)。具体的，主观云评分矩阵和客观云评分矩阵可分别如表6和表8所示。
可选的，定义防雷措施的各类特征的权重，即确定评分权重矩阵，根据主观云评分矩阵、客观云评分矩阵和评分权重矩阵，确定主观云措施评分(即第一组措施评分)和客观云措施评分(第二组措施评分)，具体的，主观云措施评分和客观云措施评分可分别表示为本发明上述实施例所提供的形式，如表7所示。
可选的，利用D-S证据理论融合主客观云措施评分，即进行融合判断，依次评价各防雷措施的措施等级，并基于各防雷措施以及对应的措施等级对具体采用的防雷执行策略进行决策(即确定防雷措施的执行策略)。
本发明实施例的技术方案，给出了利用主观云模型、客观云模型以及证据融合理论确定防雷措施的执行策略的优选方式，可以确定出最优的防雷措施执行策略，从而最大程度的减少雷害问题带来的损失。
实施例六
图6是本发明实施例六提供的一种防雷策略确定装置的结构图，本发明实施例所提供的一种防雷策略确定装置可执行本发明任一实施例所提供的一种防雷策略确定方法，具备执行方法相应的功能模块和有益效果。
如图6所示，该装置包括：
获取模块601，用于获取防雷措施在预设指标因子下的指标数据；
等级确定模块602，用于根据所述指标数据、所述预设指标因子对应的至少两个第一类指标等级的评定值，以及所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施的目标措施等级；
策略确定模块603，用于根据所述防雷措施的目标措施等级，确定所述防雷措施的执行策略。
本发明实施例的技术方案，获取防雷措施在预设指标因子下的指标数据，根据指标数据、预设指标因子对应的至少两个第一类指标等级的评定值，以及预设指标因子对应的至少两个第二类指标等级的评定值，确定防雷措施的目标措施等级，最后根据防雷措施的目标措施等级，确定防雷措施的执行策略。通过根据防雷措施的指标数据，对指标数据进行评估，确定防雷措施的目标措施等级从而确定的执行策略，可以确定出有效的防雷措施执行策略，最大程度的减少雷害问题带来的损失。
进一步的，获取模块601具体用于：
根据配网线路的仿真建模结果，获取防雷措施在预设指标因子中的第一类指标因子下的第一数据；
根据配电网线路的历史运行数据，获取防雷措施在所述预设指标因子中的第二类指标因子下的第二数据；
根据所述第一数据和所述第二数据，确定防雷措施在所述预设指标因子下的指标数据。
进一步的，等级确定模块602可以包括：
第一确定单元，用于根据所述指标数据和所述预设指标因子对应的至少两个第一类指标等级的评定值，确定所述防雷措施在候选措施等级下的第一组措施评分；
第二确定单元，用于根据所述指标数据和所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施在候选措施等级下的第二组措施评分；
第三确定单元，用于根据所述第一组措施评分和所述第二组措施评分，确定所述防雷措施的目标措施等级。
进一步的，第一确定单元具体用于：
根据所述指标数据和所述预设指标因子对应的至少两个第一类指标等级的评定值，确定所述防雷措施在所述预设指标因子下的第一评分矩阵；
根据评分权重矩阵和所述第一评分矩阵，确定所述防雷措施在候选措施等级下的第一组措施评分。
进一步的，第二确定单元具体用于：
根据所述指标数据和所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施在所述预设指标因子下的第二评分矩阵；
根据评分权重矩阵和所述第二评分矩阵，确定所述防雷措施在候选措施等级下的第二组措施评分。
进一步的，第三确定单元具体用于：
根据所述第一组措施评分和所述第二组措施评分，确定归一化常数；
根据所述归一化常数、所述第一组措施评分和所述第二组措施评分，确定所述防雷措施与候选措施等级之间的相关性；
根据所述防雷措施与候选措施等级之间的相关性，确定所述防雷措施的目标措施等级。
进一步的，上述装置还用于：
基于预设指标因子，对所述历史运行数据进行聚类处理，得到所述预设指标因子对应的至少两个聚类中心；
根据所述预设指标因子对应的至少两个聚类中心，确定所述预设指标因子对应的至少两个第二类指标等级的评定值。
实施例七
图7是本发明实施例七提供的电子设备的结构示意图。图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如防雷策略确定方法。
在一些实施例中，防雷策略确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的防雷策略确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行防雷策略确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种防雷策略确定方法，其特征在于，包括：
获取防雷措施在预设指标因子下的指标数据；
根据所述指标数据、所述预设指标因子对应的至少两个第一类指标等级的评定值，以及所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施的目标措施等级；
根据所述防雷措施的目标措施等级，确定所述防雷措施的执行策略。
2.根据权利要求1所述的方法，其特征在于，获取防雷措施在预设指标因子下的指标数据，包括：
根据配网线路的仿真建模结果，获取防雷措施在预设指标因子中的第一类指标因子下的第一数据；
根据配电网线路的历史运行数据，获取防雷措施在所述预设指标因子中的第二类指标因子下的第二数据；
根据所述第一数据和所述第二数据，确定防雷措施在所述预设指标因子下的指标数据。
3.根据权利要求1所述的方法，其特征在于，根据所述指标数据、所述预设指标因子对应的至少两个第一类指标等级的评定值，以及所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施的目标措施等级，包括：
根据所述指标数据和所述预设指标因子对应的至少两个第一类指标等级的评定值，确定所述防雷措施在候选措施等级下的第一组措施评分；
根据所述指标数据和所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施在候选措施等级下的第二组措施评分；
根据所述第一组措施评分和所述第二组措施评分，确定所述防雷措施的目标措施等级。
4.根据权利要求3所述的方法，其特征在于，根据所述指标数据和所述预设指标因子对应的至少两个第一类指标等级的评定值，确定所述防雷措施在候选措施等级下的第一组措施评分，包括：
根据所述指标数据和所述预设指标因子对应的至少两个第一类指标等级的评定值，确定所述防雷措施在所述预设指标因子下的第一评分矩阵；
根据评分权重矩阵和所述第一评分矩阵，确定所述防雷措施在候选措施等级下的第一组措施评分。
5.根据权利要求3所述的方法，其特征在于，根据所述指标数据和所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施在候选措施等级下的第二组措施评分，包括：
根据所述指标数据和所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施在所述预设指标因子下的第二评分矩阵；
根据评分权重矩阵和所述第二评分矩阵，确定所述防雷措施在候选措施等级下的第二组措施评分。
6.根据权利要求3所述的方法，其特征在于，根据所述第一组措施评分和所述第二组措施评分，确定所述防雷措施的目标措施等级，包括：
根据所述第一组措施评分和所述第二组措施评分，确定归一化常数；
根据所述归一化常数、所述第一组措施评分和所述第二组措施评分，确定所述防雷措施与候选措施等级之间的相关性；
根据所述防雷措施与候选措施等级之间的相关性，确定所述防雷措施的目标措施等级。
7.根据权利要求1-6中任一项所述的方法，其特征在于，还包括：
基于预设指标因子，对所述历史运行数据进行聚类处理，得到所述预设指标因子对应的至少两个聚类中心；
根据所述预设指标因子对应的至少两个聚类中心，确定所述预设指标因子对应的至少两个第二类指标等级的评定值。
8.一种防雷策略确定装置，其特征在于，包括：
获取模块，用于获取防雷措施在预设指标因子下的指标数据；
等级确定模块，用于根据所述指标数据、所述预设指标因子对应的至少两个第一类指标等级的评定值，以及所述预设指标因子对应的至少两个第二类指标等级的评定值，确定所述防雷措施的目标措施等级；
策略确定模块，用于根据所述防雷措施的目标措施等级，确定所述防雷措施的执行策略。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的防雷策略确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的防雷策略确定方法。
CN202210730032.1A 2022-06-24 2022-06-24 一种防雷策略确定方法、装置、设备以及存储介质 Pending CN115018359A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210730032.1A CN115018359A (zh) 2022-06-24 2022-06-24 一种防雷策略确定方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210730032.1A CN115018359A (zh) 2022-06-24 2022-06-24 一种防雷策略确定方法、装置、设备以及存储介质

Publications (1)

Publication Number Publication Date
CN115018359A true CN115018359A (zh) 2022-09-06

Family

ID=83076725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210730032.1A Pending CN115018359A (zh) 2022-06-24 2022-06-24 一种防雷策略确定方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN115018359A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118568998A (zh) * 2024-07-31 2024-08-30 中国南方电网有限责任公司超高压输电公司电力科研院 输电线路的防雷措施确定方法、装置、设备、存储介质和程序产品

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118568998A (zh) * 2024-07-31 2024-08-30 中国南方电网有限责任公司超高压输电公司电力科研院 输电线路的防雷措施确定方法、装置、设备、存储介质和程序产品

Similar Documents

Publication Publication Date Title
He et al. Optimising the balance between security and economy on a probabilistic basis
CN109544399B (zh) 基于多源异构数据的输电设备状态评价方法及装置
CN104715318A (zh) 面向通信网络的多维度运行风险评价方法
CN109102157A (zh) 一种基于深度学习的银行工单派单方法及系统
CN112308173B (zh) 基于多评价因子融合的多目标对象评价方法及其相关设备
CN113850693A (zh) 基于多源信息融合的配网停电风险综合评估与预警的方法
WO2024093468A1 (zh) 风偏闪络风险评价方法、系统、设备、可读存储介质
CN116739742A (zh) 信贷风控模型的监控方法、装置、设备及存储介质
CN110390461A (zh) 基于复杂网络的非线性模糊语言配电网节点脆弱性评价方法
CN112016858A (zh) 一种基于主客观赋权法的舆情风险评价方法
Prasetyo et al. Criteria analysis, weight and priority for handling bridges in Kudus District using AHP and Promethee II methods
CN112633665A (zh) 一种基于层次分析法的配电网防雷决策方法
CN115018359A (zh) 一种防雷策略确定方法、装置、设备以及存储介质
CN117674119A (zh) 电网运行风险评估方法、装置、计算机设备和存储介质
CN115457211A (zh) 基于数字孪生的变电站管理方法及系统
CN115186964A (zh) 计及主观评估数据的配电网线路风险预测系统及方法
CN116703109A (zh) 一种配电网项目选取方法、装置、设备及存储介质
CN108509537B (zh) 一种输电线路舞动概率预报系统及方法
Sachan et al. Multiple correspondence analysis to study failures in a diverse population of a cable
CN114708117A (zh) 融合先验知识的用电安全检查评级方法、装置及设备
CN114565004A (zh) 一种风电机组功率曲线异常散点剔除方法及装置
CN113379533A (zh) 一种循环贷款提额方法、装置、设备及存储介质
CN111144614A (zh) 基于kmeans-LightGBM的短期低压配电网理论线损预测算法
CN114841609A (zh) 一种防雷措施选择方法、装置、设备及介质
CN117131947B (zh) 架空输电线路故障预测方法、装置、设备及存储介质

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