CN115982163A - 电力系统监控数据分析方法及装置、电力系统、存储介质 - Google Patents
电力系统监控数据分析方法及装置、电力系统、存储介质 Download PDFInfo
- Publication number
- CN115982163A CN115982163A CN202211689690.7A CN202211689690A CN115982163A CN 115982163 A CN115982163 A CN 115982163A CN 202211689690 A CN202211689690 A CN 202211689690A CN 115982163 A CN115982163 A CN 115982163A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- node
- item
- root node
- 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
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种电力系统监控数据分析方法及装置、电力系统、存储介质,该方法包括:获取预先构建的业务监控树以及业务监控树中各个节点对应的整合数据;业务监控树的每个节点都对应一监控项,业务监控树中某一节点对应的监控项为该节点对应的子节点的监控项的整合;各个节点对应的整合数据为根据监控项对电力系统的监控数据进行整合得到的数据;基于业务监控树的根节点对应的整合数据训练得到根节点对应的数据分析模型;基于各个非根节点对应的整合数据对根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型;基于业务监控树中各个节点对应的数据分析模型进行数据分析。本发明可实现海量的电力系统监控数据的有效分析。
Description
技术领域
本发明属于电力系统技术领域,更具体地说,是涉及一种电力系统监控数据分析方法及装置、电力系统、存储介质。
背景技术
目前,为了保证电力系统的稳定运行以及更好地了解电力系统的各项数据指标,通常需要对电力系统进行监控以及对监控数据进行分析。
然而,电力系统监控数据的数据量巨大,因此如何对海量的电力系统监控数据进行分析成为本领域技术人员亟需解决的问题。
发明内容
本发明的目的在于提供一种电力系统监控数据分析方法及装置、电力系统、存储介质,以实现对海量的电力系统监控数据的分析。
本发明实施例的第一方面,提供了一种电力系统监控数据分析方法,包括:
获取预先构建的业务监控树以及所述业务监控树中各个节点对应的整合数据;其中,所述业务监控树的每个节点都对应一监控项,所述业务监控树中某一节点对应的监控项为该节点对应的子监控项的整合,某一节点对应的子监控项为该节点的子节点对应的监控项;各个节点对应的整合数据为根据该节点对应的监控项对电力系统的监控数据进行整合得到的数据;
基于所述业务监控树的根节点对应的整合数据训练得到所述根节点对应的数据分析模型;基于各个非根节点对应的整合数据对所述根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型;
基于所述业务监控树中各个节点对应的数据分析模型进行数据分析。
在一种可能的实现方式中,每个监控项都对应一监控模板,每个监控模板包含多个数据项,每个数据项包含参数名称以及该参数名称对应的填充项,所述填充项用于填充对应的参数值;
确定各个节点对应的整合数据,包括:
获取电力系统的监控数据;
对于所述业务监控树的叶子节点,基于叶子节点对应的监控模板中的参数名称从所述监控数据中抽取数据对叶子节点对应的监控模板中的填充项进行填充,得到该叶子节点的整合数据;
对于所述业务监控树的非叶子节点,基于非叶子节点对应的监控模板中的参数名称从目标数据中抽取数据对非叶子节点对应的监控模板中的填充项进行填充,得到非叶子节点的整合数据;
其中,所述目标数据指的是非叶子节点的各个子节点的整合数据。
在一种可能的实现方式中,所述根节点对应的数据分析模型为神经网络模型;所述对所述根节点对应的数据分析模型进行更新,包括:
对所述根节点对应的神经网络模型中的权重系数进行更新。
在一种可能的实现方式中,所述基于所述业务监控树的根节点对应的整合数据训练得到所述根节点对应的数据分析模型,包括:
确定所述根节点对应的整合数据的特征向量,基于所述特征向量训练得到所述根节点对应的数据分析模型。
在一种可能的实现方式中,所述整合数据中包含多个数据项,每个数据项包含参数名称以及参数值;所述确定所述根节点对应的整合数据的特征向量,包括:
根据目标整合数据的各个数据项中参数值的属性对各个数据项进行编码和向量组合,得到所述目标整合数据的特征向量;
其中,所述目标整合数据为所述根节点对应的整合数据。
在一种可能的实现方式中,所述根据目标整合数据的各个数据项中参数值的属性对各个数据项进行编码和向量组合,得到所述目标整合数据的特征向量,包括:
若某个数据项中的参数值为数字,则直接将该数据项中的参数值确定为该数据项的编码;
若某个数据项中的参数值为文本,则对所述文本进行数字转码,得到所述文本对应的数字,将所述文本对应的数字确定为该数据项的编码;
若某个数据项中的参数值为图像数据或者视频数据的文件名称编码,则基于所述文件名称编码获取对应的图像数据或者视频数据,对所述图像数据或视频数据进行异常分析,得到所述图像数据或视频数据的异常标识,将所述异常标识确定为该数据项的编码;
对所述目标整合数据中各个数据项的编码进行组合,得到所述目标整合数据的特征向量。
在一种可能的实现方式中,所述对所述图像数据或视频数据进行异常分析,得到所述图像数据或视频数据的异常标识,包括:
将所述图像数据或视频数据输入至预设的异常检测模型中,得到所述图像数据或视频数据的异常标识。
本发明实施例的第二方面,提供了一种电力系统监控数据分析装置,包括:
数据获取模块,用于获取预先构建的业务监控树以及所述业务监控树中各个节点对应的整合数据;其中,所述业务监控树的每个节点都对应一监控项,所述业务监控树中某一节点对应的监控项为该节点对应的子监控项的整合,某一节点对应的子监控项为该节点的子节点对应的监控项;各个节点对应的整合数据为根据该节点对应的监控项对电力系统的监控数据进行整合得到的数据;
模型构建模块,用于基于所述业务监控树的根节点对应的整合数据训练得到所述根节点对应的数据分析模型;基于各个非根节点对应的整合数据对所述根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型;
数据分析模块,用于基于所述业务监控树中各个节点对应的数据分析模型进行数据分析。
本发明实施例的第三方面,提供了一种电力系统,所述电力系统包括监控终端,所述监控终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的电力系统监控数据分析方法的步骤。
本发明实施例的第四方面,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程序,所述计算机程序被处理器执行时实现上述的电力系统监控数据分析方法的步骤。
本发明实施例提供的电力系统监控数据分析方法及装置、电力系统、存储介质的有益效果在于:
本发明预先构建了业务监控树,其中业务监控树的每个节点都对应一监控项,基于业务监控树本发明预先确定了各个节点对应的整合数据。也就是说,本发明通过业务监控树实现了电力系统监控数据的结构化。在此基础上,本发明为每个节点都训练了数据分析模型以对每个节点的整合数据进行分析。进而通过结构化的方式实现了海量电力系统监控数据的分析。
此外,本发明中除根结点外的其他节点(也即非根节点)对应的数据分析模型是基于根节点对应的数据分析模型更新而来,此方式能够迅速得到非根节点对应的数据分析模型,得到的数据分析模型还可体现到非根节点自身的数值特性,从而保证数据分析模型的准确性,进而保证数据分析的准确性和合理性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是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为本发明一实施例提供的电力系统监控数据分析方法的流程示意图;
图2为本发明一实施例提供的业务监控树的结构示意图;
图3为本发明一实施例提供的电力系统监控数据分析装置的结构框图;
图4为本发明一实施例提供的监控终端的示意框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
请参考图1,图1为本发明一实施例提供的电力系统监控数据分析方法的流程示意图,该方法包括:
S101:获取预先构建的业务监控树以及业务监控树中各个节点对应的整合数据。其中,业务监控树的每个节点都对应一监控项,业务监控树中某一节点对应的监控项为该节点对应的子监控项的整合,某一节点对应的子监控项为该节点的子节点对应的监控项。各个节点对应的整合数据为根据该节点对应的监控项对电力系统的监控数据进行整合得到的数据。
在本实施例中,电力系统的监控数据为对电力系统的各项指标或者电力系统的相关设备进行监控得到的数据。
在本实施例中,可根据监控需求或者业务领域预先构建业务监控树,其中,业务监控树中的每个节点都对应一个监控项。在业务监控树中,每个父节点对应的监控项是其各个子节点对应的监控项的整合。其中,业务监控树的具体示例可参考图2所示,因附图篇幅所限,图2示出了业务监控树的部分节点,其中具体的节点设置可根据监控需求设定,图2并非限定。
在本实施例中,在业务监控树中,每个父节点对应的监控项是其各个子节点对应的监控项的整合。相对应的,每个父节点对应的整合数据也是其各个子节点对应的整合数据的整合。
S102:基于业务监控树的根节点对应的整合数据训练得到根节点对应的数据分析模型。基于各个非根节点对应的整合数据对根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型。
在本实施例中,非根节点指的是业务监控树中除根节点之外的节点。
在本实施例中,对根节点对应的数据分析模型进行更新本质也是数据分析模型的训练过程。其中,根节点的数据分析模型中可包含多个子数据分析模型,也就是说,可对根节点对应的整合数据按照业务领域或者其他划分标准进行划分,对划分得到的每部分整合数据都训练一个子数据分析模型。在此基础上,在对根节点的数据分析模型进行更新时可选择与本节点的整合数据相适应的子数据分析模型进行更新。本实施例主要公开的为技术构思,具体实施时可根据本实施例所公开的技术构思去进行适应性调整。
在本实施例中,基于各个非根节点对应的整合数据对根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型,也可以详述为:
对于业务监控树中的每个非根节点,基于该非根节点对应的整合数据对该非根节点的父节点对应的数据分析模型进行更新,得到该非根节点对应的数据分析模型。也就是说,从根节点下面一层节点开始,每层节点对应的数据分析模型均为对该层节点对应的上一层节点的数据分析模型更新得到,基于此,可自上而下训练得到每个节点对应的数据分析模型。
其中,需要指出的是,各个非根节点的数据分析模型中也可包含多个子数据分析模型,也就是说,可对非根节点对应的整合数据按照业务领域或者其他划分标准进行划分,对划分得到的每部分整合数据都训练一个子数据分析模型。在某个节点对其父节点的数据分析模型进行更新时可选择与本节点的整合数据相适应的子数据分析模型进行更新。本实施例主要公开的为技术构思,具体实施时可根据本实施例所公开的技术构思去进行适应性调整。
S103:基于业务监控树中各个节点对应的数据分析模型进行数据分析。
在本实施例中,训练得到各个节点的数据分析模型后,可在需要分析时根据各个节点对应的数据分析模型进行数据分析。
从以上描述可知,本发明实施例预先构建了业务监控树,其中业务监控树的每个节点都对应一监控项,基于业务监控树本发明实施例预先确定了各个节点对应的整合数据。也就是说,本发明实施例通过业务监控树实现了电力系统监控数据的结构化。在此基础上,本发明实施例为每个节点都训练了数据分析模型以对每个节点的整合数据进行分析。进而通过结构化的方式实现了海量电力系统监控数据的分析。
此外,本发明实施例中除根结点外的其他节点(也即非根节点)对应的数据分析模型是基于根节点对应的数据分析模型更新而来,此方式能够迅速得到非根节点对应的数据分析模型,得到的数据分析模型还可体现到非根节点自身的数值特性,从而保证数据分析模型的准确性,进而保证数据分析的准确性和合理性。
在一种可能的实现方式中,每个监控项都对应一监控模板,每个监控模板包含多个数据项,每个数据项包含参数名称以及该参数名称对应的填充项,填充项用于填充对应的参数值。确定各个节点对应的整合数据,包括:
获取电力系统的监控数据。
对于业务监控树的叶子节点,基于叶子节点对应的监控模板中的参数名称从监控数据中抽取数据对叶子节点对应的监控模板中的填充项进行填充,得到该叶子节点的整合数据。
对于业务监控树的非叶子节点,基于非叶子节点对应的监控模板中的参数名称从目标数据中抽取数据对非叶子节点对应的监控模板中的填充项进行填充,得到非叶子节点的整合数据。
其中,目标数据指的是非叶子节点的各个子节点的整合数据。
在本实施例中,在业务监控树中,每个父节点对应的监控项是其各个子节点对应的监控项的整合。相对应的,每个父节点对应的监控模板也是其各个子节点对应的监控模板的整合。
在本实施例中,业务监控树每个节点对应的监控模板均根据该节点对应的监控项生成。其中,监控模板中可以包含多个数据项,每个数据项都包含参数名称以及待填充的参数值。以图2中的节点“费控停复电监控”为例,其对应的监控模板中的数据项包括但不限于各个地市单位的复电执行数量、复电成功率、停电执行数量、停电成功率等。
在本实施例中,还以图2中的节点“费控停复电监控”为例,其对应的监控模板中的数据项包括但不限于各个地市单位的复电执行数量、复电成功率、停电执行数量、停电成功率等,基于此,该监控模板的部分内容可如下表所示。
表1监控模板部分内容示例表
参数名称 | 待填充项(参数值) |
复电执行数量 | {sum($relectric_num)} |
复电成功率 | {AVERAGE($relectric_per1)} |
…… | …… |
基于某节点对应的监控模板中的参数名称从对应数据中抽取数据对该节点对应的监控模板中的填充项进行填充,得到该节点的整合数据,可以详述为:基于该节点对应的监控模板中的参数名称生成对应的调用指令,根据对应的调用指令从对应数据中抽取数据对该节点对应的监控模板中的填充项进行填充,进而得到该节点的整合数据。如表1所示,可通过监控模板中的参数名称生成对应的调用指令(如表1中的sum($relectric_num)和{AVERAGE($relectric_per1)}),进而基于该前述调用指令去对应数据中抽取对应的数据进行运算,得到待填充项需要填充的数据,也即得到整合数据。其中,若该节点为叶子节点,则对应数据指的是电力系统的监控数据,若该节点为非叶子节点,则对应数据即为该非叶子节点对应的目标数据。其中,如上表1所示,调用指令中也可包含统计计算的指令。
在本实施例中,对应抽取到的数据可能为各种类型的数据,因此需要对对应抽取到的数据进行一定的处理。例如,若某一填充项对应抽取到的数据为数值型数据,则根据该填充项对应的参数名称对抽取到的各个数据进行统计计算,将统计计算结果填充至该填充项。例如,若某一填充项对应抽取到的数据为文本型数据,则将抽取到的各个数据输入到预设的自然语言理解模型中,得到各个数据的文本转换结果。其中,自然语言理解模型用于将各个数据转换为统一的表述方式。根据该填充项对应的参数名称对各个数据的文本转换结果进行统计处理,将统计处理结果填充至该填充项。例如,若某一填充项对应抽取到的数据为图像型数据或者视频型数据,则对抽取到的各个数据的文件名称进行统一编码,根据该填充项对应的参数名称对各个数据的编码进行统计处理,将统计处理结果填充至该填充项。
其中,在进行数据抽取时,可能会抽取到图像型数据或者视频型数据。比如,为了更好地对电力系统的运营情况进行监督,需要能实时获取到相关营业厅的监控画面。此时,直接将视频型数据或者图像型数据填充至对应的填充项会导致图像型数据或视频型数据的重复存储,导致填充后的监控模板文件过大。因此,本实施例提出了一种方案,也即对抽取到的图像型数据或者视频型数据的文件名称进行统一编码,基于前述编码进行相应的统计处理。其中,考虑到不同部门/单位对视频型数据或者图像型数据的命名方式不同或者有重叠,统一编码可避免上述问题,更准确地对相关数据进行统计处理。
在本实施例中,对图像型数据或者视频型数据进行统计处理,可以包含:统计各个地市单位监控点位的数量或者统计具体监控视频/监控图像的文件名称编码等。其中,若统计具体监控视频/监控图像的文件名称编码,则统计结果可以为相应区域内所有监控视频/监控图像的文件名称编码。
在一种可能的实现方式中,根节点对应的数据分析模型为神经网络模型。对根节点对应的数据分析模型进行更新,包括:
对根节点对应的神经网络模型中的权重系数进行更新。
在本实施例中,根节点与非根节点训练数据分析模型时的不同之处在于:根节点在训练数据分析模型时,其各个权重系数的初始值是随机生成的,而非根节点在训练数据分析模型时,其初始值是根节点的数据分析模型训练完成时的权重系数。基于此,可有效提升非根节点的模型训练速度,并且由于根据非根节点的整合数据对根节点对应的数据分析模型进行了二次训练,新训练得到的非根节点的数据分析模型还可有效体现非根节点整合数据的数值规律,使得非根节点对应的数据分析模型更为准确。
在本实施例中,根据上述实施例可知,基于各个非根节点对应的整合数据对根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型,也可以详述为:对于业务监控树中的每个非根节点,基于该非根节点对应的整合数据对该非根节点的父节点对应的数据分析模型进行更新,得到该非根节点对应的数据分析模型。
基于此详述情形,根节点与非根节点训练数据分析模型时的不同之处在于:根节点在训练数据分析模型时,其各个权重系数的初始值是随机生成的,而非根节点在训练数据分析模型时,其初始值是其父节点的数据分析模型训练完成时的权重系数。基于此,可有效提升非根节点的模型训练速度,并且由于根据非根节点的整合数据对根节点对应的数据分析模型进行了二次训练,新训练得到的非根节点的数据分析模型还可有效体现非根节点整合数据的数值规律,使得非根节点对应的数据分析模型更为准确。
在一种可能的实现方式中,基于业务监控树的根节点对应的整合数据训练得到根节点对应的数据分析模型,包括:
确定根节点对应的整合数据的特征向量,基于特征向量训练得到根节点对应的数据分析模型。
在本实施例中,基于各个非根节点对应的整合数据对根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型,包括:
确定各个非根节点对应的整合数据的特征向量,基于各个非根节点对应的整合数据的特征向量对根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型。
也就是说,考虑到整合数据中可能会包含各种类型的数据,因此可先确定各个节点的整合数据的特征向量,基于各个节点的整合数据的特征向量得到对应的数据分析模型。
在一种可能的实现方式中,整合数据中包含多个数据项,每个数据项包含参数名称以及参数值。确定根节点对应的整合数据的特征向量,包括:
根据目标整合数据的各个数据项中参数值的属性对各个数据项进行编码和向量组合,得到目标整合数据的特征向量。
其中,目标整合数据为根节点对应的整合数据。
在本实施例中,参数值的属性主要指的是参数值的类型,比如参数值可能为数字、文本、图像或视频。在此基础上,本实施例可根据参数值属性的不同为每个属性的参数值进行编码,再对得到的各个编码进行向量组合,即得到目标整合数据的特征向量。
其中,非根节点的特征向量的确定方式与根节点类似,此处不再赘述。
在一种可能的实现方式中,根据目标整合数据的各个数据项中参数值的属性对各个数据项进行编码和向量组合,得到目标整合数据的特征向量,包括:
若某个数据项中的参数值为数字,则直接将该数据项中的参数值确定为该数据项的编码。
若某个数据项中的参数值为文本,则对文本进行数字转码,得到文本对应的数字,将文本对应的数字确定为该数据项的编码。
若某个数据项中的参数值为图像数据或者视频数据的文件名称编码,则基于文件名称编码获取对应的图像数据或者视频数据,对图像数据或视频数据进行异常分析,得到图像数据或视频数据的异常标识,将异常标识确定为该数据项的编码。
对目标整合数据中各个数据项的编码进行组合,得到目标整合数据的特征向量。
在本实施例中,若某个数据项中的参数值为数字,则可直接将该数据项中的参数值确定为该数据项的编码。若某个数据项中的参数值为文本,则将文本转换为数字,将对应的数字确定为该数据项的编码。若某个数据项中的参数值为图像数据或者视频数据的文件名称编码,则可分析对应的图像数据或视频数据,将分析结果确定为该数据项的编码。在此基础上,对目标整合数据中各个数据项的编码进行组合,即可得到目标整合数据的特征向量。
在一种可能的实现方式中,对图像数据或视频数据进行异常分析,得到图像数据或视频数据的异常标识,包括:
将图像数据或视频数据输入至预设的异常检测模型中,得到图像数据或视频数据的异常标识。
在本实施例中,异常检测模型可以为基于图像处理的深度学习模型。其中,异常标识可以用数字标识,不同的数字标识对应不同的异常程度。
对应于上文实施例的电力系统监控数据分析方法,图3为本发明一实施例提供的电力系统监控数据分析装置的结构框图。为了便于说明,仅示出了与本发明实施例相关的部分。参考图3,该电力系统监控数据分析装置20包括:数据获取模块21、模型构建模块22和数据分析模块23。
其中,数据获取模块21,用于获取预先构建的业务监控树以及业务监控树中各个节点对应的整合数据。其中,业务监控树的每个节点都对应一监控项,业务监控树中某一节点对应的监控项为该节点对应的子监控项的整合,某一节点对应的子监控项为该节点的子节点对应的监控项。各个节点对应的整合数据为根据该节点对应的监控项对电力系统的监控数据进行整合得到的数据。
模型构建模块22,用于基于业务监控树的根节点对应的整合数据训练得到根节点对应的数据分析模型。基于各个非根节点对应的整合数据对根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型。
数据分析模块23,用于基于业务监控树中各个节点对应的数据分析模型进行数据分析。
在一种可能的实现方式中,每个监控项都对应一监控模板,每个监控模板包含多个数据项,每个数据项包含参数名称以及该参数名称对应的填充项,填充项用于填充对应的参数值。数据分析模块23还用于确定各个节点对应的整合数据。确定各个节点对应的整合数据,包括:
获取电力系统的监控数据。
对于业务监控树的叶子节点,基于叶子节点对应的监控模板中的参数名称从监控数据中抽取数据对叶子节点对应的监控模板中的填充项进行填充,得到该叶子节点的整合数据。
对于业务监控树的非叶子节点,基于非叶子节点对应的监控模板中的参数名称从目标数据中抽取数据对非叶子节点对应的监控模板中的填充项进行填充,得到非叶子节点的整合数据。
其中,目标数据指的是非叶子节点的各个子节点的整合数据。
在一种可能的实现方式中,根节点对应的数据分析模型为神经网络模型。
模型构建模块22具体用于:
对根节点对应的神经网络模型中的权重系数进行更新。
在一种可能的实现方式中,模型构建模块22具体用于:
确定根节点对应的整合数据的特征向量,基于特征向量训练得到根节点对应的数据分析模型。
在一种可能的实现方式中,整合数据中包含多个数据项,每个数据项包含参数名称以及参数值。模型构建模块22具体用于:
根据目标整合数据的各个数据项中参数值的属性对各个数据项进行编码和向量组合,得到目标整合数据的特征向量。
其中,目标整合数据为根节点对应的整合数据。
在一种可能的实现方式中,模型构建模块22具体用于:
若某个数据项中的参数值为数字,则直接将该数据项中的参数值确定为该数据项的编码。
若某个数据项中的参数值为文本,则对文本进行数字转码,得到文本对应的数字,将文本对应的数字确定为该数据项的编码。
若某个数据项中的参数值为图像数据或者视频数据的文件名称编码,则基于文件名称编码获取对应的图像数据或者视频数据,对图像数据或视频数据进行异常分析,得到图像数据或视频数据的异常标识,将异常标识确定为该数据项的编码。
对目标整合数据中各个数据项的编码进行组合,得到目标整合数据的特征向量。
在一种可能的实现方式中,模型构建模块22具体用于:
将图像数据或视频数据输入至预设的异常检测模型中,得到图像数据或视频数据的异常标识。
本发明实施例还提供一种电力系统,该电力系统包括监控终端,参见图4,图4为本发明一实施例提供的监控终端的示意框图。如图4所示的本实施例中的终端300可以包括:一个或多个处理器301、一个或多个输入设备302、一个或多个输出设备303及一个或多个存储器304。上述处理器301、输入设备302、输出设备303及存储器304通过通信总线305完成相互间的通信。存储器304用于存储计算机程序,计算机程序包括程序指令。处理器301用于执行存储器304存储的程序指令。其中,处理器301被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能,例如图3所示模块21至23的功能。
应当理解,在本发明实施例中,所称处理器301可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出设备303可以包括显示器(LCD等)、扬声器等。
该存储器304可以包括只读存储器和随机存取存储器,并向处理器301提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如,存储器304还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的电力系统监控数据分析方法的第一实施例和第二实施例中所描述的实现方式,也可执行本发明实施例所描述的终端的实现方式,在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令被处理器执行时实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元,例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种电力系统监控数据分析方法,其特征在于,包括:
获取预先构建的业务监控树以及所述业务监控树中各个节点对应的整合数据;其中,所述业务监控树的每个节点都对应一监控项,所述业务监控树中某一节点对应的监控项为该节点对应的子监控项的整合,某一节点对应的子监控项为该节点的子节点对应的监控项;各个节点对应的整合数据为根据该节点对应的监控项对电力系统的监控数据进行整合得到的数据;
基于所述业务监控树的根节点对应的整合数据训练得到所述根节点对应的数据分析模型;基于各个非根节点对应的整合数据对所述根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型;
基于所述业务监控树中各个节点对应的数据分析模型进行数据分析。
2.如权利要求1所述的电力系统监控数据分析方法,其特征在于,每个监控项都对应一监控模板,每个监控模板包含多个数据项,每个数据项包含参数名称以及该参数名称对应的填充项,所述填充项用于填充对应的参数值;
确定各个节点对应的整合数据,包括:
获取电力系统的监控数据;
对于所述业务监控树的叶子节点,基于叶子节点对应的监控模板中的参数名称从所述监控数据中抽取数据对叶子节点对应的监控模板中的填充项进行填充,得到该叶子节点的整合数据;
对于所述业务监控树的非叶子节点,基于非叶子节点对应的监控模板中的参数名称从目标数据中抽取数据对非叶子节点对应的监控模板中的填充项进行填充,得到非叶子节点的整合数据;
其中,所述目标数据指的是非叶子节点的各个子节点的整合数据。
3.如权利要求1所述的电力系统监控数据分析方法,其特征在于,所述根节点对应的数据分析模型为神经网络模型;所述对所述根节点对应的数据分析模型进行更新,包括:
对所述根节点对应的神经网络模型中的权重系数进行更新。
4.如权利要求1所述的电力系统监控数据分析方法,其特征在于,所述基于所述业务监控树的根节点对应的整合数据训练得到所述根节点对应的数据分析模型,包括:
确定所述根节点对应的整合数据的特征向量,基于所述特征向量训练得到所述根节点对应的数据分析模型。
5.如权利要求4所述的电力系统监控数据分析方法,其特征在于,所述整合数据中包含多个数据项,每个数据项包含参数名称以及参数值;所述确定所述根节点对应的整合数据的特征向量,包括:
根据目标整合数据的各个数据项中参数值的属性对各个数据项进行编码和向量组合,得到所述目标整合数据的特征向量;
其中,所述目标整合数据为所述根节点对应的整合数据。
6.如权利要求5所述的电力系统监控数据分析方法,其特征在于,所述根据目标整合数据的各个数据项中参数值的属性对各个数据项进行编码和向量组合,得到所述目标整合数据的特征向量,包括:
若某个数据项中的参数值为数字,则直接将该数据项中的参数值确定为该数据项的编码;
若某个数据项中的参数值为文本,则对所述文本进行数字转码,得到所述文本对应的数字,将所述文本对应的数字确定为该数据项的编码;
若某个数据项中的参数值为图像数据或者视频数据的文件名称编码,则基于所述文件名称编码获取对应的图像数据或者视频数据,对所述图像数据或视频数据进行异常分析,得到所述图像数据或视频数据的异常标识,将所述异常标识确定为该数据项的编码;
对所述目标整合数据中各个数据项的编码进行组合,得到所述目标整合数据的特征向量。
7.如权利要求6所述的电力系统监控数据分析方法,其特征在于,所述对所述图像数据或视频数据进行异常分析,得到所述图像数据或视频数据的异常标识,包括:
将所述图像数据或视频数据输入至预设的异常检测模型中,得到所述图像数据或视频数据的异常标识。
8.一种电力系统监控数据分析装置,其特征在于,包括:
数据获取模块,用于获取预先构建的业务监控树以及所述业务监控树中各个节点对应的整合数据;其中,所述业务监控树的每个节点都对应一监控项,所述业务监控树中某一节点对应的监控项为该节点对应的子监控项的整合,某一节点对应的子监控项为该节点的子节点对应的监控项;各个节点对应的整合数据为根据该节点对应的监控项对电力系统的监控数据进行整合得到的数据;
模型构建模块,用于基于所述业务监控树的根节点对应的整合数据训练得到所述根节点对应的数据分析模型;基于各个非根节点对应的整合数据对所述根节点对应的数据分析模型进行更新,得到各个非根节点对应的数据分析模型;
数据分析模块,用于基于所述业务监控树中各个节点对应的数据分析模型进行数据分析。
9.一种电力系统,其特征在于,包括:监控终端;
所述监控终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211689690.7A CN115982163A (zh) | 2022-12-27 | 2022-12-27 | 电力系统监控数据分析方法及装置、电力系统、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211689690.7A CN115982163A (zh) | 2022-12-27 | 2022-12-27 | 电力系统监控数据分析方法及装置、电力系统、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115982163A true CN115982163A (zh) | 2023-04-18 |
Family
ID=85957557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211689690.7A Pending CN115982163A (zh) | 2022-12-27 | 2022-12-27 | 电力系统监控数据分析方法及装置、电力系统、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115982163A (zh) |
-
2022
- 2022-12-27 CN CN202211689690.7A patent/CN115982163A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178523B (zh) | 一种行为检测方法、装置、电子设备及存储介质 | |
CN104391934B (zh) | 数据校验方法和装置 | |
CN112541745B (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
CN111652280B (zh) | 基于行为的目标物数据分析方法、装置及存储介质 | |
CN112651817A (zh) | 一种智能财务决策大数据分析系统 | |
CN107832279A (zh) | 一种生成报表的方法、设备及计算机可读存储介质 | |
CN110837657B (zh) | 数据处理方法、客户端、服务器及存储介质 | |
CN115840881B (zh) | 空气数据处理方法、装置及相关设备 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN115982163A (zh) | 电力系统监控数据分析方法及装置、电力系统、存储介质 | |
CN111460293A (zh) | 信息推送方法、装置及计算机可读存储介质 | |
CN114862372B (zh) | 基于区块链的智慧教育数据防篡改处理方法及系统 | |
CN116168403A (zh) | 医疗数据分类模型训练方法、分类方法、装置及相关介质 | |
CN111640031B (zh) | 跨系统的理赔数据处理方法、装置及相关设备 | |
CN111611117B (zh) | 硬盘故障的预测方法、装置、设备及计算机可读存储介质 | |
CN115858576A (zh) | 电力系统监控数据查询方法及装置、电力系统、存储介质 | |
CN115858538A (zh) | 电力系统监控数据整合方法及装置、电力系统、存储介质 | |
CN111651652A (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
CN111950624A (zh) | 客户风险评估模型构建方法、装置、存储介质及终端设备 | |
CN117787727B (zh) | 业务风险预测方法、装置、设备及存储介质 | |
CN117435870B (zh) | 一种负荷数据实时填充方法、系统、设备和介质 | |
CN115878734A (zh) | 电力系统监控数据显示方法及装置、电力系统、存储介质 | |
CN114630314B (zh) | 终端信息库的更新方法、装置、设备及存储介质 | |
CN115309713B (zh) | 交通数据压缩方法、装置、电子设备及存储介质 | |
WO2023275971A1 (ja) | 情報処理装置、情報処理方法及び非一時的なコンピュータ可読媒体 |
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 |