CN115660483A - 配电网状态检测方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种配电网状态检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：响应于针对配电网的状态检测请求，确认配电网的第一特征信息和历史特征信息；确认配电网的目标特征信息，将历史特征信息和目标特征信息进行融合处理，得到配电网的第二特征信息；根据第一特征信息和第二特征信息，确认配电网的综合特征信息；根据综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息，确认针对目标电网数据的状态检测结果。采用本方法，能够提高配电网状态的检测结果的可靠性。

Description

配电网状态检测方法、装置、计算机设备和存储介质

技术领域

本申请涉及电网技术领域，特别是涉及一种配电网状态检测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着电网技术的发展，配电网运行设备不断增加，运行环境也越来越复杂，对配电网运行的可靠性也提出了一定的要求，因此需要对配电网的运行状态进行检测。

传统技术中，对配电网运行状态的检测方法主要是基于层次分析法，邀请多位专家构建配电网运行状态的检测指标体系。但基于层次分析法的配电网状态检测方法存在主观影响，使得配电网状态的检测结果的可靠性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高配电网状态的检测结果可靠性的配电网状态检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种配电网状态检测方法。所述方法包括：

响应于针对配电网的状态检测请求，确认所述配电网的第一特征信息和历史特征信息；所述第一特征信息用于表征所述配电网的检测指标对于所述配电网的重要性；所述历史特征信息用于表征所述配电网的历史电网数据对于所述配电网的重要性；

确认所述配电网的目标特征信息，将所述历史特征信息和所述目标特征信息进行融合处理，得到所述配电网的第二特征信息；所述目标特征信息用于表征所述配电网的目标电网数据相对于所述配电网的历史电网数据的变化信息；所述第二特征信息用于表征所述配电网的电网数据对于所述配电网的重要性；所述配电网的电网数据，包括用于检测所述配电网状态的目标电网数据，以及相对于所述目标电网数据的历史电网数据；

根据所述第一特征信息和所述第二特征信息，确认所述配电网的综合特征信息；

根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述目标电网数据的状态检测结果。

在其中一个实施例中，所述确认所述配电网的目标特征信息，将所述历史特征信息和所述目标特征信息进行融合处理，得到所述配电网的第二特征信息，包括：

根据所述配电网的目标电网数据和所述配电网的历史电网数据，确认所述目标电网数据相对于所述历史电网数据的变化信息；

将所述变化信息作为所述配电网的目标特征信息；

根据所述目标特征信息，更新所述历史特征信息，得到更新后的历史特征信息，作为所述配电网的第二特征信息。

在其中一个实施例中，所述配电网的第一特征信息通过下述方式确认得到：

从所述配电网的检测指标中，获取所述配电网的准则指标和基础指标；每个准则指标包括多个基础指标；

确认与所述准则指标对应的准则特征信息，以及与所述基础指标对应的指数标度特征信息；所述准则特征信息用于表征所述准则指标对于所述配电网的重要性，所述指数标度特征信息用于表征各个所述基础指标之间的重要性；

根据所述基础指标的判断矩阵信息，确认所述配电网的基础特征信息；所述基础指标的判断矩阵信息通过所述指数标度特征信息确认得到；所述基础特征信息用于表征所述基础指标对于所述配电网的重要性；

根据所述准则特征信息和所述基础特征信息，得到所述配电网的第一特征信息。

在其中一个实施例中，所述配电网的历史特征信息通过下述方式确认得到：

对所述历史电网数据进行归一化处理，得到归一化后的历史电网数据；

根据所述归一化后的历史电网数据，确认所述基础指标的信息熵；

根据所述信息熵，确认所述配电网的历史特征信息。

在其中一个实施例中，所述根据所述第一特征信息和所述第二特征信息，确认所述配电网的综合特征信息，包括：

对所述基础特征信息和所述第二特征信息进行融合处理，得到所述配电网的联合特征信息；

对所述联合特征信息和所述准则特征信息进行融合处理，得到所述配电网的综合特征信息。

在其中一个实施例中，在根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述配电网的所述目标电网数据的状态检测结果之前，还包括：

构建所述配电网的检测指标与所述配电网的状态检测结果之间的关联模型；

根据所述关联模型，确认所述目标电网数据与所述配电网的状态检测结果之间的关联信息；

所述根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述目标电网数据的状态检测结果，包括：

对所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息进行融合处理，得到所述目标电网数据与所述配电网的状态检测结果之间的关联度；

在所述关联度中识别出最大的关联度，作为目标关联度；

将与所述目标关联度对应的状态检测结果，确认为针对所述目标电网数据的状态检测结果。

第二方面，本申请还提供了一种配电网状态检测装置。所述装置包括：

第一信息确认模块，用于响应于针对配电网的状态检测请求，确认所述配电网的第一特征信息和历史特征信息；所述第一特征信息用于表征所述配电网的检测指标对于所述配电网的重要性；所述历史特征信息用于表征所述配电网的历史电网数据对于所述配电网的重要性；

第二信息确认模块，用于确认所述配电网的目标特征信息，将所述历史特征信息和所述目标特征信息进行融合处理，得到所述配电网的第二特征信息；所述目标特征信息用于表征所述配电网的目标电网数据相对于所述配电网的历史电网数据的变化信息；所述第二特征信息用于表征所述配电网的电网数据对于所述配电网的重要性；所述配电网的电网数据，包括用于检测所述配电网状态的目标电网数据，以及相对于所述目标电网数据的历史电网数据；

综合信息确认模块，用于根据所述第一特征信息和所述第二特征信息，确认所述配电网的综合特征信息；

检测结果确认模块，用于根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述目标电网数据的状态检测结果。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

响应于针对配电网的状态检测请求，确认所述配电网的第一特征信息和历史特征信息；所述第一特征信息用于表征所述配电网的检测指标对于所述配电网的重要性；所述历史特征信息用于表征所述配电网的历史电网数据对于所述配电网的重要性；

确认所述配电网的目标特征信息，将所述历史特征信息和所述目标特征信息进行融合处理，得到所述配电网的第二特征信息；所述目标特征信息用于表征所述配电网的目标电网数据相对于所述配电网的历史电网数据的变化信息；所述第二特征信息用于表征所述配电网的电网数据对于所述配电网的重要性；所述配电网的电网数据，包括用于检测所述配电网状态的目标电网数据，以及相对于所述目标电网数据的历史电网数据；

根据所述第一特征信息和所述第二特征信息，确认所述配电网的综合特征信息；

根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述目标电网数据的状态检测结果。

第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

响应于针对配电网的状态检测请求，确认所述配电网的第一特征信息和历史特征信息；所述第一特征信息用于表征所述配电网的检测指标对于所述配电网的重要性；所述历史特征信息用于表征所述配电网的历史电网数据对于所述配电网的重要性；

确认所述配电网的目标特征信息，将所述历史特征信息和所述目标特征信息进行融合处理，得到所述配电网的第二特征信息；所述目标特征信息用于表征所述配电网的目标电网数据相对于所述配电网的历史电网数据的变化信息；所述第二特征信息用于表征所述配电网的电网数据对于所述配电网的重要性；所述配电网的电网数据，包括用于检测所述配电网状态的目标电网数据，以及相对于所述目标电网数据的历史电网数据；

根据所述第一特征信息和所述第二特征信息，确认所述配电网的综合特征信息；

根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述目标电网数据的状态检测结果。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

响应于针对配电网的状态检测请求，确认所述配电网的第一特征信息和历史特征信息；所述第一特征信息用于表征所述配电网的检测指标对于所述配电网的重要性；所述历史特征信息用于表征所述配电网的历史电网数据对于所述配电网的重要性；

确认所述配电网的目标特征信息，将所述历史特征信息和所述目标特征信息进行融合处理，得到所述配电网的第二特征信息；所述目标特征信息用于表征所述配电网的目标电网数据相对于所述配电网的历史电网数据的变化信息；所述第二特征信息用于表征所述配电网的电网数据对于所述配电网的重要性；所述配电网的电网数据，包括用于检测所述配电网状态的目标电网数据，以及相对于所述目标电网数据的历史电网数据；

根据所述第一特征信息和所述第二特征信息，确认所述配电网的综合特征信息；

根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述目标电网数据的状态检测结果。

上述配电网状态检测方法、装置、计算机设备、存储介质和计算机程序产品，通过响应于针对配电网的状态检测请求，确认配电网的第一特征信息和历史特征信息；然后确认配电网的目标特征信息，将历史特征信息和目标特征信息进行融合处理，得到配电网的第二特征信息；目标特征信息用于表征配电网的目标电网数据相对于配电网的历史电网数据的变化信息；接着根据第一特征信息和第二特征信息，确认配电网的综合特征信息；最后根据综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息，确认针对目标电网数据的状态检测结果。这样，通过基于检测指标的第一特征信息，和基于具体的电网数据，且充分考虑了目标电网数据相对于历史电网数据的变化情况的第二特征信息，合理地确认了用于检测配电网状态的综合特征信息，并基于物元分析，将具体的目标电网数据与配电网的各个状态检测结果关联起来，从而精准地检测配电网的运行状态，提高了配电网状态的检测结果可靠性。

附图说明

图1为一个实施例中配电网状态检测方法的流程示意图；

图2为一个实施例中确认配电网的第一特征信息的步骤的流程示意图；

图3为一个实施例配电网检测指标体系的示意图；

图4为一个实施例中得到配电网的第二特征信息的步骤的流程示意图；

图5为另一个实施例中配电网状态检测方法的流程示意图；

图6为一个实施例中基于指数标度AHP(Analytic Hierarchy Process，层次分析法)-动态熵权可拓法的配电网状态检测方法的流程示意图；

图7为一个实施例中配电网状态检测装置的结构框图；

图8为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一示例性实施例中，如图1所示，提供了一种配电网状态检测方法，本实施例以该方法应用于服务器进行举例说明；可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器之间的交互实现。本实施例中，该方法包括以下步骤：

步骤S102，响应于针对配电网的状态检测请求，确认配电网的第一特征信息和历史特征信息。

其中，第一特征信息用于表征配电网的检测指标对于配电网的重要性，可以理解为，第一特征信息与具体的电网数据无关；历史特征信息用于表征配电网的历史电网数据对于配电网的重要性，可以理解为，历史特征信息会受到具体的历史电网数据的影响。

需要说明的是，配电网的状态检测请求是指，请求检测配电网在目标时间段的运行状态，目标时间段可以根据检测精度要求进行设置，例如目标时间段设置为一年，那么针对配电网的状态检测请求可以理解为检测配电网在具体某一年的运行状态。配电网的电网数据是关于检测指标的各项数据，包括用于检测配电网状态的目标电网数据，以及相对于目标电网数据的历史电网数据。目标电网数据是指与目标时间段对应的电网数据，如检测配电网第六年的运行状态，那么目标电网数据即为第六年的电网数据；而相对于目标电网数据的历史电网数据即为前五年的电网数据。

具体地，服务器在接收到针对配电网的状态检测请求后，首先从状态检测请求中识别出关于目标时间段的信息，并根据目标时间段确认历史电网数据和目标电网数据；然后响应于状态检测请求，从记录了配电网的电网数据的数据库中，筛选出与此次状态检测请求相关的历史电网数据；然后根据配电网的检测指标和历史电网数据，分别确认配电网的第一特征信息和历史特征信息。

举例说明，假设数据库记录有配电网近八年的运行状态的数据，服务器接收到的状态检测请求为检测配电网第六年的运行状态。那么服务器首先从状态检测请求中确认出需要检测的目标时间段为第六年，然后响应于状态检测请求，从数据库中获取配电网前五年的电网数据，作为历史电网数据；并根据配电网的检测指标和历史电网数据，分别确认配电网的第一特征信息和历史特征信息。

步骤S104，确认配电网的目标特征信息，将历史特征信息和目标特征信息进行融合处理，得到配电网的第二特征信息。

其中，目标特征信息用于表征配电网的目标电网数据相对于配电网的历史电网数据的变化信息；第二特征信息用于表征配电网的电网数据对于配电网的重要性。

需要说明的是，目标特征信息和第二特征信息，与历史特征信息类似，都会受到具体的电网数据的影响。

具体地，服务器基于状态检测请求，从数据库中获取目标电网数据，并确认目标电网数据相对于历史电网数据的变化信息；然后根据该变化信息，得到目标特征信息，最后将得到的目标特征信息与历史特征信息进行融合，得到配电网的第二特征信息。

举例说明，服务器通过步骤S102，已经确认了目标电网数据为第六年的电网数据，然后确认第六年的电网数据相对于前五年的电网数据的变化信息，作为目标特征信息；接着将历史特征信息和目标特征信息进行融合，得到配电网基于具体的电网数据的第二特征信息。

步骤S106，根据第一特征信息和第二特征信息，确认配电网的综合特征信息。

其中，综合特征信息用于表征综合考虑各个检测指标和各个电网数据对于配电网的重要性。

具体地，服务器对第一特征信息和第二特征信息进行融合处理，得到配电网的综合特征信息。

步骤S108，根据综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息，确认针对目标电网数据的状态检测结果。

其中，目标电网数据与配电网的状态检测结果之间的关联关系通过预设的物元可拓模型得到；预设的物元可拓模型可以是对配电网的状态检测过程中涉及物元分析的公式抽象得到的模型，也可以是通过多次训练得到的深度学习模型。配电网的状态检测结果可以理解为配电网的状态检测等级，如优、良、合格与不合格，也可以根据检测精度需要，细分为更具体的状态检测等级。

具体地，服务器将配电网的电网数据作为输入数据，输入至预设的物元可拓模型中，得到目标电网数据和状态检测结果之间的关联信息；并根据综合特征信息和关联关系，对目标电网数据进行状态检测，得到针对目标电网数据的状态检测结果。

举例说明，服务器通过预设的物元可拓模型，将配电网的检测指标和配电网的状态检测结果关联起来，进而得到目标电网数据和状态检测结果之间的关联信息，并通过关联信息和综合特征信息，确认目标电网数据的状态检测结果，例如配电网第六年的运行状态的检测结果为良。

上述配电网状态检测方法中，服务器通过响应于针对配电网的状态检测请求，确认配电网的第一特征信息和历史特征信息；然后确认配电网的目标特征信息，将历史特征信息和目标特征信息进行融合处理，得到配电网的第二特征信息；接着根据第一特征信息和第二特征信息，确认配电网的综合特征信息；最后根据综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息，确认针对目标电网数据的状态检测结果。这样，服务器通过基于检测指标的第一特征信息，和基于具体的电网数据，且充分考虑了目标电网数据相对于历史电网数据的变化情况的第二特征信息，合理地确认了用于检测配电网状态的综合特征信息，并基于物元分析，将具体的目标电网数据与配电网的各个状态检测结果关联起来，从而精准地检测配电网运行状态的可靠性和稳定性，提高了配电网状态的检测结果可靠性。

在一示例性实施例中，如图2所示，上述步骤S101中，确认配电网的第一特征信息，具体包括以下步骤：

步骤S202，从配电网的检测指标中，获取配电网的准则指标和基础指标。

步骤S204，确认与准则指标对应的准则特征信息，以及与基础指标对应的指数标度特征信息。

步骤S206，根据基础指标的判断矩阵信息，确认配电网的基础特征信息。

步骤S208，根据准则特征信息和基础特征信息，得到配电网的第一特征信息。

其中，准则特征信息用于表征准则指标对于配电网的重要性；指数标度特征信息用于表征各个基础指标之间的重要性；基础指标的判断矩阵信息通过指数标度特征信息确认得到；基础特征信息用于表征基础指标对于配电网的重要性。

需要说明的是，在图3所示的配电网的检测指标体系中，检测指标包括准则指标和基础指标，例如为配电网的运行状态检测选取了三个准则指标：运行可靠性指标(P₁)、电能质量指标(P₂)以及运行故障指标(P₃)；其中每个准则指标还包括有多个基础指标，即在运行可靠性指标下，还有三个基础指标：低压供电可靠性(T₁)、用户平均停电次数(T₂)以及用户平均停电时间(T₃)。

特殊地，与准则指标对应的准则特征信息，是通过预设的准则特征确认模型得到的；与基础指标对应的指数标度特征信息，是通过预设的指数标度确认模型得到的；预设的准则特征确认模型和预设的指数标度确认模型，都是以专家经验和历史检测记录为学习样本，通过多次训练得到的深度学习模型。

具体地，服务器首先在配电网的检测指标中识别出准则指标和基础指标；然后将准则指标输入至预设的准则特征确认模型中，得到用于表征准则特征信息的准则权重；然后将基础指标输入至预设的指数标度确认模型中，得到用于表征指数标度特征信息的指数标度，并以此构建判断矩阵；接着服务器检验判断矩阵是否满足一致性；若判断矩阵满足一致性，则将通过验证的判断矩阵确认为判断矩阵信息，并根据判断矩阵信息确认用于表征各个基础指标的基础特征信息的主观权重；若判断矩阵不满足一致性，则再次根据预设的指数标度确认模型输出新的指数标度；最后，服务器将准则特征信息和基础特征信息，确认为配电网的第一特征信息。

举例说明，服务器基于预设的准则特征确认模型，首先确定三个准则指标的准则权重D＝{0.2653，0.3816，0.3531}；然后基于预设的基础特征确认模型，确定十二个基础指标的主观权重S。比如，服务器通过下述方式确定主观权重：

服务器基于如表1所示的基于指数标度的层次分析法，为配电网构建判断矩阵。

表1基于指数标度的层次分析法的标度值及含义

其中，规定为a⁸＝9,即a＝1.316。需要说明的是，表1中的传统标度K为传统的层次分析法所采用的标度，在传统的层次分析法下，随着标度的增加，各个指标之间的差距会缩小；而指数标度a^k能够使得各个指标的权重过渡得更加顺滑。服务器基于表1，通过两两对比基础指标，得到公式1所示的判断矩阵A：

其中，L表示为配电网的状态检测选取的基础指标个数，i为基础指标的标识；a_ii′表示为第i个基础指标与第i'个基础指标的重要性比较结果，重要性比较结果通过查询表1确定对应的指数标度a^k，并将指数标度a^k赋值给a_ii′。例如，基于专家经验，得到用户电压合格率T5对于关口电压合格率T7而言，重要性比较结果为明显重要，则将a⁴＝1.316⁴赋值给a₅₇。

接着服务器检验判断矩阵是否满足一致性，若不满足，则需要重新确定基础指标之间的重要性比较结果，从而得到新的判断矩阵。检验判断矩阵一致性的公式2如下：

其中，CR为一致性指数，λ_max为判断矩阵A的最大特征根，L为判断矩阵A的阶数，也就是基础指标的个数，RI为平均随机一致性指标；RI的取值通过表2获得。

表2随机一致性指标RI表

当一致性指数CR≤0.1时，则判断矩阵通过一致性检验。基于通过一致性检验的判断矩阵，服务器将判断矩阵的最大特征根λ_max对应的归一化向量S，确认为基础指标对应的主观权重。

具体地，以运行可靠性指标P₁的三个基础指标为例，对基础指标的主观权重确定过程进行说明：服务器根据预设的指数标度确认模型得到相关矩阵A＝[1，1.316，2.279；0.760，1，1，316；0.439，0.760，1]；其中判断矩阵一致性检验指标CR＝0.0083≤0.1，说明判断矩阵满足一致性要求。然后服务器将判断矩阵A的最大特征根对应的归一化向量S＝{0.4599，0.3189，0.2212}作为低压供电可靠率T₁、用户平均停电次数T₂、用户平均停电时间T₃对应的主观权重。最后，服务器将准则权重D和主观权重S，确认为配电网的第一特征信息。

本实施例中，服务器通过基于专家经验和历史检测记录，确定准则特征信息和基础特征信息，能够科学、合理地得到各个准则指标的准则权重和各个基础指标的主观权重，即得到配电网的第一特征信息，从而能够对配电网运行的可靠性和稳定性进行检测。同时，在确认基础特征信息的过程中，服务器通过对判断矩阵一致性的检验，能够避免由于各个指标之间的比较存在冲突导致的状态检测误差，进一步提高了配电网状态的检测结果可靠性。

在一示例性实施例中，在上述步骤S101中，确认配电网的历史特征信息，具体包括以下内容：对历史电网数据进行归一化处理，得到归一化后的历史电网数据；根据归一化后的历史电网数据，确认基础指标的信息熵；根据信息熵，确认配电网的历史特征信息。

其中，基础指标的信息熵用于表示各个基础指标排除冗余信息之后的平均信息量。

具体地，由于不同的基础指标具有不同的量纲，因此服务器需要对配电网的历史电网数据进行无量纲标准化处理，即对历史电网数据进行归一化处理；并根据归一化后的历史电网数据，确认各个基础指标的信息熵，然后根据信息熵，确认用于表征配电网的历史特征信息的初始客观权重。

举例说明，表3为服务器从数据库中获取的运行可靠性指标P₁的历史电网数据。

表3运行可靠性指标的历史电网数据

服务器通过公式3对历史电网数据进行归一化处理：

其中，Y_ij为归一化后的历史电网数据，X_ij为归一化前的历史电网数据；j为历史电网数据的标识，表示第j年的历史电网数据；例如X₁₃表示第三年的电网数据中关于第一个基础指标的数据，即第三年的低压供电可靠率99.915％；X_i表示第i个基础指标的所有历史数据，max(X_i)和min(X_i)分别表示第i个基础指标的历史数据中的最大值和最小值，例如，针对X₁，max(X_i)为X₁₃，min(X_i)为X₁₅。服务器根据公式3对历史电网数据进行归一化，得到如表4所示的归一化后的历史电网数据：

表4运行可靠性指标的归一化后的历史电网数据

接着服务器根据信息论中信息熵的定义，由公式4确定各个基础指标的信息熵：

其中，E_i表示为第i个基础指标的信息熵；J为历史电网数据的总数量，例如历史电网数据为前五年的电网数据，则J＝5；p_ij根据公式5得到：

特殊地，当p_ij为0时，定义

然后，服务器通过公式6，根据表4中的数据，得到各个基础指标的初始客观权重：

其中，Z_i表示为第i个基础指标对应的初始客观权重。服务器基于以上方法，得到三个基础指标的初始客观权重为Z＝{0.1761，0.3800，0.4439}。

本实施例中，服务器通过对历史电网数据进行归一化处理，消除了不同量纲和量纲单位的不可公度性，并基于熵权法，确认各个基础指标的信息熵，然后通过信息熵确认各个基础指标的初始客观权重，从而科学、合理地得到配电网的历史特征信息，提高了配电网状态的检测结果可靠性。

在一示例性实施例中，如图4所示，上述步骤S102，确认配电网的目标特征信息，将历史特征信息和目标特征信息进行融合处理，得到配电网的第二特征信息，具体包括以下步骤：

步骤S402，根据配电网的目标电网数据和配电网的历史电网数据，确认目标电网数据相对于历史电网数据的变化信息。

步骤S404，将变化信息作为配电网的目标特征信息。

步骤S406，根据目标特征信息，更新历史特征信息，得到更新后的历史特征信息，作为配电网的第二特征信息。

其中，目标电网数据相对于历史电网数据的变化信息，可以理解为目标电网数据相对于历史电网数据的变异系数，也可以是其它能够表征变化程度或离散程度的信息。

具体地，服务器根据状态检测请求中的目标时间段，从数据库中获取目标电网数据；接着确认目标电网数据相对于历史电网数据的变异系数，用变异系数表征标电网数据相对于历史电网数据的变化情况；然后根据变异系数，更新配电网的历史特征信息，并将更新后的历史特征信息作为配电网的第二特征信息。

举例说明，服务器为了消除目标电网数据突变带来的客观权重急剧变化，通过公式7得到目标电网数据的变异系数：

其中，Q_i表示目标电网数据中关于第i个基础指标的变异系数；j为历史电网数据的标识，表示第j年的历史电网数据，J为历史电网数据的总数量，因此J+1即为目标电网数据的标识，如X_ij表示第j个历史电网数据中关于第i个基础指标的数据，那么X_i(J+1)表示目标电网数据中关于第i个基础指标的数据。假设第六年的低压供电可靠率为99.916％，用户平均停电次数为1.77次/年，用户平均停电时间为7.32小时/年，那么服务器根据公式7可得到第六年的变异系数Q＝{1.660*10^-5，-0.1224，-0.1331}。然后，服务器通过变异系数Q_i更新初始客观权重Z，得到表征第二特征信息的各个基础指标的客观权重

本实施例中，通过引入衡量目标电网数据突变的变异系数，在配电网状态检测过程中考虑了目标电网数据相对于历史电网数据的变化情况，并对熵权法确定的客观权重进行动态更新，改善检测指标数据的突变带来的影响，提高了配电网状态的检测结果可靠性。

在一示例性实施例中，上述步骤S106，根据第一特征信息和第二特征信息，确认配电网的综合特征信息，具体包括以下内容：对基础特征信息和第二特征信息进行融合处理，得到配电网的联合特征信息；对联合特征信息和准则特征信息进行融合处理，得到配电网的综合特征信息。

其中，联合特征信息用于表示融合了基础特征信息和第二特征信息之后，各个基础指标对于配电网的重要性。

具体地，服务器通过公式8，对基础特征信息和第二特征信息进行融合处理，得到配电网的联合特征信息：

W_i＝αS_i+(1-α)Z′_i (公式8)

其中，W_i为各个基础指标的联合特征信息，S_i为表征各个基础指标的基础特征信息的主观权重，Z′_i为表征各个基础指标的第二特征信息的客观权重，α为比例系数，根据专家经验和精度要求，取α＝0.4。接着，服务器通过公式9，对联合特征信息和准则特征信息进行融合处理，得到配电网的综合特征信息：

H_i＝D_i×W_i (公式9)

其中，H_i表示各个基础指标的综合特征信息。举例说明，如表5所示为服务器确认得到的十二个基础指标的准则特征信息、联合特征信息以及综合特征信息。

表5特征信息表

本实施例中，通过对基础特征信息、第二特征信息以及准则特征信息进行融合处理，能够科学、合理地确认用于检测配电网运行状态的综合特征信息，从而提高配电网状态的检测结果可靠性。

在一示例性实施例中，在上述步骤S108，根据综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息，确认针对配电网的目标电网数据的状态检测结果之前，还具体包括以下内容：构建配电网的检测指标与配电网的状态检测结果之间的关联模型；根据关联模型，确认目标电网数据与配电网的状态检测结果之间的关联信息。

上述步骤S108，根据综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息，确认针对配电网的目标电网数据的状态检测结果，具体包括以下内容：对综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息进行融合处理，得到目标电网数据与配电网的状态检测结果之间的关联度；在关联度中识别出最大的关联度，作为目标关联度；将与目标关联度对应的状态检测结果，确认为针对目标电网数据的状态检测结果。

其中，配电网的检测指标与配电网的状态检测结果之间的关联模型，是基于物元可拓分析法构建得到的分析模型；目标电网数据与配电网的状态检测结果之间的关联信息，是指目标电网数据中的各个基础指标数据对应于各个状态检测结果的归属程度。

具体地，服务器首先针对配电网，确定物元可拓经典域，然后根据物元可拓经典域构建物元节域，再根据物元节域构建待评物元，从而得到配电网的检测指标与配电网的状态检测结果之间的关联模型；然后，服务器根据关联模型，确认目标电网数据中的各个基础指标数据与配电网的各个状态检测结果之间的关联信息；接着，服务器根据综合特征信息和关联信息，得到目标电网数据整体与各个状态检测结果之间的关联度；最后，根据最大隶属度选择准则，将关联度最大的状态检测结果，确认为针对目标电网数据状态检测结果。

举例说明，服务器通过以下方式构建配电网的检测指标与配电网的状态检测结果之间的关联模型：首先构建如公式10所示的物元可拓经典域R：

其中，N_p代表状态检测结果，p为状态检测结果的标识，如N₁表示为第一个状态检测结果，即优；T_i表示为基础指标，V_pi表示为第i个基础指标在第p个状态检测结果下的取值范围。然后服务器构建如公式11所示的物元节域RN：

其中，N表示状态检测结果总体，V_i为第i个基础指标在所有状态检测结果下的取值范围。接着，服务器构建如公式12所示的待评物元R_CNC，其中，CNC为物元的标识，例如当CNC＝6时，R₆表示待评物元为第六年的配电网的运行状态：

其中，v_i表示待评物元的第i个基础指标数据，即配电网第六年的第i个基础指标数据。通过上述过程，服务器得到配电网的检测指标与配电网的状态检测结果之间的关联模型，然后根据待评物元，利用如公式13所示的关联函数，获得目标电网数据中的各个基础指标数据与配电网的各个状态检测结果之间的关联信息：

其中，K_p(T_i)表示为第i个基础指标与第p个状态检测结果之间的关联信息；ρ为如公式14所示的距离计算公式：

其中，[a_pi,b_pi]为V_pi的取值范围，[a_i,b_i]为V_i的取值范围。以配电网第六年的电网数据为例，目标电网数据中的各个基础指标数据与配电网的各个状态检测结果之间的关联信息如表6所示：

表6目标电网数据与状态检测结果关联信息表

最后，服务器基于公式15，可以得到目标电网数据整体与各个状态检测结果之间的关联度：

其中，K_p(R_CNC)为待评物元R_CNC与第p个状态检测结果之间的关联度，H_i为第i个基础指标对应的综合特征信息。例如服务器得到配电网第六年的目标电网数据整体与各个状态检测结果之间的关联度K_p(R₆)＝{-0.2604,0.0142,-0.1470,-0.5458}。最后，基于最大隶属度选择准则，服务器将关联度0.0142确认为目标关联度，并将该目标关联度对应的状态检测结果良，确认为配电网第六年的运行状态检测结果。

本实施例中，基于物元可拓分析法，服务器将配电网的电网数据与配电网的状态检测结果关联起来，并通过目标电网数据中各个基础指标数据与各个状态检测结果之间的关联信息，得到目标电网数据整体与各个状态检测结果之间的关联度，从而根据关联度，得到针对目标电网数据的配电网状态检测结果，从而科学、合理地计算了电网数据与检测结果之间的关联度，进一步提高了配电网状态的检测结果可靠性。

在一示例性实施例中，如图5所示，提供了另一种配电网状态检测方法，以该方法应用于服务器为例进行说明，包括以下步骤：

步骤S501，响应于针对配电网的状态检测请求，从状态检测请求中获取与目标时间段关联的信息。

步骤S502，根据与目标时间段关联的信息，确认历史电网数据和目标电网数据。

步骤S503，基于检测指标，确认配电网的准则特征信息和基础特征信息。

步骤S504，基于电网数据，确认配电网的目标特征信息和历史特征信息。

步骤S505，将历史特征信息和目标特征信息进行融合处理，得到配电网的第二特征信息。

步骤S506，对基础特征信息和第二特征信息进行融合处理，得到配电网的联合特征信息。

步骤S507，对联合特征信息和准则特征信息进行融合处理，得到配电网的综合特征信息。

步骤S508，构建配电网的检测指标与配电网的状态检测结果之间的关联模型。

步骤S509，根据关联模型，确认目标电网数据与配电网的状态检测结果之间的关联信息。

步骤S510，对综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息进行融合处理，得到目标电网数据与配电网的状态检测结果之间的关联度。

步骤S511，在关联度中识别出最大的关联度，作为目标关联度。

步骤S512，将与目标关联度对应的状态检测结果，确认为针对目标电网数据的状态检测结果。

本实施例中，服务器将检测指标细分为了准则指标与基础指标，并分别确认对应的准则特征信息和基础特征信息，得到基于检测指标的第一特征信息，其中，基础特征信息的确认与传统的层次分析法不同，指数标度层次分析法使得指标的过渡更加顺滑；同时针对具体的历史电网数据，确认历史特征信息，并基于具体的电网数据，引入变化信息以更新历史特征信息，得到基于具体数据的第二特征信息；然后根据第一特征信息和第二特征信息，确定用于综合检测配电网运行状态的综合特征信息；此外，服务器还构建了关联模型，用于确认目标电网数据与状态检测结果之间的关联信息，并根据综合特征信息和关联信息，得到目标电网数据与状态检测结果之间的关联度，将与目标电网数据关联度最大的状态检测结果，确认为针对目标电网数据的配电网状态检测结果，从而可以检测配电网运行的可靠性和稳定性，提高了配电网状态的检测结果可靠性。

为了更清晰阐明本申请实施例提供的配电网状态检测方法，以下以一个具体的实施例对该配电网状态检测方法进行具体说明。在一示例性实施例中，本申请还提供了一种基于指数标度AHP-动态熵权可拓法的配电网状态检测方法，具体包括以下步骤：

步骤1：为配电网状态检测选取检测指标构建配电网状态评价体系；检测指标包括准则层指标和基础层指标。

步骤2：根据专家经验和相关评估导则，确定准则层指标的准则权重；并基于指数标度层次分析法，确定基础层指标的主观权重。

步骤3：基于熵权法，确定基础层指标的客观权重，并根据需要检测的电网数据，动态更新客观权重。

步骤4：根据准则权重、主观权重以及动态更新客观权重，确定综合权重。

步骤5：建立物元可拓检测模型，基于物元可拓检测模型，确定基础层指标与配电网状态检测结果的关联度。

步骤6：根据关联度，计算需要检测的电网数据与配电网状态检测结果的综合关联度；并根据综合关联度，确定配电网状态检测结果。

基于该指数标度AHP-动态熵权可拓法的配电网状态检测方法的配电网状态检测体系如图6所示。

本实施例中，服务器通过使用指数标度AHP，更加精细地确定检测指标的主观权重；利用熵权法，确定检测指标的客观权重，同时考虑到待评指标数据的短期突变的劣化效果，动态更新其客观权重；然后结合主客观权重以及准则权重，得到检测指标的综合权重，从而更加科学合理的将各个检测指标的权重进行分配；此外，服务器基于可拓集合理论，通过系统物元变换，将多目标状态检测决策转换为单目标状态检测决策，定量化的表示配电网状态检测结果，从而得到目标电网数据和配电网状态检测结果之间的综合关联度，最后根据最大隶属度选择原则确定配电网状态检测结果。通过上述方法，能够解决单一赋权造成的权重失衡，更加客观地反映了配电网运行状态的总体状况，从而提升了配电网状态的检测结果可靠性。

应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的配电网状态检测方法的配电网状态检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个配电网状态检测装置实施例中的具体限定可以参见上文中对于配电网状态检测方法的限定，在此不再赘述。

在一示例性实施例中，如图7所示，提供了一种配电网状态检测装置，包括：第一信息确认模块701、第二信息确认模块702、综合信息确认模块703和检测结果确认模块704，其中：

第一信息确认模块701，用于响应于针对配电网的状态检测请求，确认配电网的第一特征信息和历史特征信息。

第二信息确认模块702，用于确认配电网的目标特征信息，将历史特征信息和目标特征信息进行融合处理，得到配电网的第二特征信息。

综合信息确认模块703，用于根据第一特征信息和第二特征信息，确认配电网的综合特征信息。

检测结果确认模块704，用于根据综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息，确认针对目标电网数据的状态检测结果。

在一示例性实施例中，第二信息确认模块702，还用于根据配电网的目标电网数据和配电网的历史电网数据，确认目标电网数据相对于历史电网数据的变化信息；将变化信息作为配电网的目标特征信息；根据目标特征信息，更新历史特征信息，得到更新后的历史特征信息，作为配电网的第二特征信息。

在一示例性实施例中，第一信息确认模块701，还用于从配电网的检测指标中，获取配电网的准则指标和基础指标；确认与准则指标对应的准则特征信息，以及与基础指标对应的指数标度特征信息；根据基础指标的判断矩阵信息，确认配电网的基础特征信息；基础指标的判断矩阵信息通过指数标度特征信息确认得到；根据准则特征信息和基础特征信息，得到配电网的第一特征信息。

在一示例性实施例中，第一信息确认模块701，还用于对历史电网数据进行归一化处理，得到归一化后的历史电网数据；根据归一化后的历史电网数据，确认基础指标的信息熵；根据信息熵，确认配电网的历史特征信息。

在一示例性实施例中，综合信息确认模块703，还用于对基础特征信息和第二特征信息进行融合处理，得到配电网的联合特征信息；对联合特征信息和准则特征信息进行融合处理，得到配电网的综合特征信息。

在一示例性实施例中，配电网状态检测装置还包括物元可拓模型构建模块，用于构建配电网的检测指标与配电网的状态检测结果之间的关联模型；根据关联模型，确认目标电网数据与配电网的状态检测结果之间的关联信息。

检测结果确认模块704，还用于对综合特征信息，以及目标电网数据与配电网的状态检测结果之间的关联信息进行融合处理，得到目标电网数据与配电网的状态检测结果之间的关联度；在关联度中识别出最大的关联度，作为目标关联度；将与目标关联度对应的状态检测结果，确认为针对目标电网数据的状态检测结果。

上述配电网状态检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一示例性实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储配电网的电网数据等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种配电网状态检测方法。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一示例性实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一示例性实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤

在一示例性实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种配电网状态检测方法，其特征在于，所述方法包括：

响应于针对配电网的状态检测请求，确认所述配电网的第一特征信息和历史特征信息；所述第一特征信息用于表征所述配电网的检测指标对于所述配电网的重要性；所述历史特征信息用于表征所述配电网的历史电网数据对于所述配电网的重要性；

确认所述配电网的目标特征信息，将所述历史特征信息和所述目标特征信息进行融合处理，得到所述配电网的第二特征信息；所述目标特征信息用于表征所述配电网的目标电网数据相对于所述配电网的历史电网数据的变化信息；所述第二特征信息用于表征所述配电网的电网数据对于所述配电网的重要性；所述配电网的电网数据，包括用于检测所述配电网状态的目标电网数据，以及相对于所述目标电网数据的历史电网数据；

根据所述第一特征信息和所述第二特征信息，确认所述配电网的综合特征信息；

根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述目标电网数据的状态检测结果。

2.根据权利要求1所述的方法，其特征在于，所述确认所述配电网的目标特征信息，将所述历史特征信息和所述目标特征信息进行融合处理，得到所述配电网的第二特征信息，包括：

根据所述配电网的目标电网数据和所述配电网的历史电网数据，确认所述目标电网数据相对于所述历史电网数据的变化信息；

将所述变化信息作为所述配电网的目标特征信息；

根据所述目标特征信息，更新所述历史特征信息，得到更新后的历史特征信息，作为所述配电网的第二特征信息。

3.根据权利要求1所述的方法，其特征在于，所述配电网的第一特征信息通过下述方式确认得到：

从所述配电网的检测指标中，获取所述配电网的准则指标和基础指标；每个准则指标包括多个基础指标；

确认与所述准则指标对应的准则特征信息，以及与所述基础指标对应的指数标度特征信息；所述准则特征信息用于表征所述准则指标对于所述配电网的重要性，所述指数标度特征信息用于表征各个所述基础指标之间的重要性；

根据所述基础指标的判断矩阵信息，确认所述配电网的基础特征信息；所述基础指标的判断矩阵信息通过所述指数标度特征信息确认得到；所述基础特征信息用于表征所述基础指标对于所述配电网的重要性；

根据所述准则特征信息和所述基础特征信息，得到所述配电网的第一特征信息。

4.根据权利要求3所述的方法，其特征在于，所述配电网的历史特征信息通过下述方式确认得到：

对所述历史电网数据进行归一化处理，得到归一化后的历史电网数据；

根据所述归一化后的历史电网数据，确认所述基础指标的信息熵；

根据所述信息熵，确认所述配电网的历史特征信息。

5.根据权利要求3所述的方法，其特征在于，所述根据所述第一特征信息和所述第二特征信息，确认所述配电网的综合特征信息，包括：

对所述基础特征信息和所述第二特征信息进行融合处理，得到所述配电网的联合特征信息；

对所述联合特征信息和所述准则特征信息进行融合处理，得到所述配电网的综合特征信息。

6.根据权利要求1至5任意一项所述的方法，其特征在于，在根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述配电网的所述目标电网数据的状态检测结果之前，还包括：

构建所述配电网的检测指标与所述配电网的状态检测结果之间的关联模型；

根据所述关联模型，确认所述目标电网数据与所述配电网的状态检测结果之间的关联信息；

所述根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述目标电网数据的状态检测结果，包括：

对所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息进行融合处理，得到所述目标电网数据与所述配电网的状态检测结果之间的关联度；

在所述关联度中识别出最大的关联度，作为目标关联度；

将与所述目标关联度对应的状态检测结果，确认为针对所述目标电网数据的状态检测结果。

7.一种配电网状态检测装置，其特征在于，所述装置包括：

第一信息确认模块，用于响应于针对配电网的状态检测请求，确认所述配电网的第一特征信息和历史特征信息；所述第一特征信息用于表征所述配电网的检测指标对于所述配电网的重要性；所述历史特征信息用于表征所述配电网的历史电网数据对于所述配电网的重要性；

第二信息确认模块，用于确认所述配电网的目标特征信息，将所述历史特征信息和所述目标特征信息进行融合处理，得到所述配电网的第二特征信息；所述目标特征信息用于表征所述配电网的目标电网数据相对于所述配电网的历史电网数据的变化信息；所述第二特征信息用于表征所述配电网的电网数据对于所述配电网的重要性；所述配电网的电网数据，包括用于检测所述配电网状态的目标电网数据，以及相对于所述目标电网数据的历史电网数据；

综合信息确认模块，用于根据所述第一特征信息和所述第二特征信息，确认所述配电网的综合特征信息；

检测结果确认模块，用于根据所述综合特征信息，以及所述目标电网数据与所述配电网的状态检测结果之间的关联信息，确认针对所述目标电网数据的状态检测结果。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images