CN117236805B - 电力设备控制方法、装置、电子设备和计算机可读介质 - Google Patents
电力设备控制方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN117236805B CN117236805B CN202311526886.9A CN202311526886A CN117236805B CN 117236805 B CN117236805 B CN 117236805B CN 202311526886 A CN202311526886 A CN 202311526886A CN 117236805 B CN117236805 B CN 117236805B
- Authority
- CN
- China
- Prior art keywords
- task
- power equipment
- equipment
- value
- power
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 239000004069 plant analysis Substances 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 13
- 230000006870 function Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开的实施例公开了电力设备控制方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集;对于电力设备信息集中的每个电力设备信息,执行如下处理步骤:控制电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果;将执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值;根据任务数量分值和任务质量分值,确定电力设备评分值;根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。该实施方式减少了电力设备资源的浪费。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及电力设备控制方法、装置、电子设备和计算机可读介质。
背景技术
电力设备在日常使用时,除了线路老化等原因需更换设备之外,还需确定电力设备的功能是否正常。目前,在确定电力设备的功能是否正常时,通常采用的方式为:通过将电力设备完成的任务数量以及每个任务的得分的乘积确定电力设备的任务完成度,以及将任务完成度低的电力设备进行更换。
然而,当采用上述方式确定电力设备的功能是否正常时,经常会存在如下技术问题:
第一,不同任务的难度不同,仅通过任务数量与分值的乘积确定电力设备功能是否正常,确定的结果与实际结果存在较大误差,导致电力设备资源的浪费。
第二,在使用分析模型确定电力设备的任务完成度之前,需要大量的实验数据对分析模型进行训练,因此需要通过各个电力设备获取实验数据,造成电力资源的浪费。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了电力设备控制方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种电力设备控制方法,该方法包括:响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集,其中,上述设备运行任务信息集中的设备运行任务信息对应上述电力设备信息集中的电力设备信息,上述设备运行任务信息集中的设备运行任务信息包括至少一个设备运行任务;对于上述电力设备信息集中的每个电力设备信息,执行如下处理步骤:控制上述电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果,其中,上述所对应的至少一个设备运行任务为上述电力设备信息对应的设备运行任务信息包括的至少一个设备运行任务;将上述执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值;根据上述任务数量分值和任务质量分值,确定电力设备评分值;根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。
第二方面,本公开的一些实施例提供了一种电力设备控制装置,装置包括:获取单元,被配置成响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集,其中,上述设备运行任务信息集中的设备运行任务信息对应上述电力设备信息集中的电力设备信息,上述设备运行任务信息集中的设备运行任务信息包括至少一个设备运行任务;执行单元,被配置成对于上述电力设备信息集中的每个电力设备信息,执行如下处理步骤:控制上述电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果,其中,上述所对应的至少一个设备运行任务为上述电力设备信息对应的设备运行任务信息包括的至少一个设备运行任务;将上述执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值;根据上述任务数量分值和任务质量分值,确定电力设备评分值;控制单元,被配置成根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的电力设备控制方法,减少了电力设备资源的浪费。具体来说,造成电力设备资源的浪费的原因在于:不同任务的难度不同,仅通过任务数量与分值的乘积确定电力设备功能是否正常,确定的结果与实际结果存在较大误差,导致电力设备资源的浪费。
基于此,本公开的一些实施例的电力设备控制方法,首先,响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集。由此,可以确定需要进行控制的电力设备的信息以及每个电力设备进行的任务信息。然后,对于上述电力设备信息集中的每个电力设备信息,执行如下处理步骤:第一,控制上述电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果。由此,可以控制电力设备执行预先设置的任务。第二,将上述执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值。由此,可以根据电力设备分析模型对执行结果进行分析,从任务数量和任务质量两个维度准确确定电力设备的功能是否正常,从而可以避免将功能完好的电力设备进行更换,进而减少了电力设备资源的浪费。第三,根据上述任务数量分值和任务质量分值,确定电力设备评分值。由此,可以确定电力设备的总分值。最后,根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。由此,准确确定电力设备的功能是否正常,减少了电力设备资源的浪费。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的电力设备控制方法的一些实施例的流程图;
图2是根据本公开的电力设备控制装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的电力设备控制方法的一些实施例的流程100。该电力设备控制方法,包括以下步骤:
步骤101,响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集。
在一些实施例中,电力设备控制方法的执行主体(例如服务器)可以响应于当前时间为预设运行时间,通过有线连接或者无线连接的方式从目标数据库中获取设备运行任务信息集和电力设备信息集。其中,上述预设运行时间可以是预先设定的进行电力设备控制的时间。上述目标数据库可以是预先设定的用于存储设备运行任务信息集和电力设备信息集的数据库。上述设备运行任务信息集中的设备运行任务信息对应上述电力设备信息集中的电力设备信息。上述设备运行任务信息可以是预先设定的某一电力设备需要运行的任务的信息。上述电力设备信息可以是电力设备的配置信息。上述电力设备信息包括设备编码。上述设备编码可以唯一表征某一电力设备。上述设备运行任务信息集中的设备运行任务信息包括至少一个设备运行任务。上述至少一个设备运行任务中的设备运行任务可以是预先设定的控制电力设备进行运行的任务。上述设备运行任务对应有任务信息和任务层数。上述任务信息可以表征上述设备运行任务的复杂度。例如,上述任务信息可以是“1”,表示设备运行任务的复杂度最低。上述任务层数可以是预先设定的用于对任务进行分层的层数。
步骤102,对于电力设备信息集中的每个电力设备信息,执行如下处理步骤:
步骤1021,控制电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果。
在一些实施例中,上述执行主体可以控制电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果。其中,上述执行结果可以表征上述电力设备是否完成执行各个设备运行任务。上述所对应的至少一个设备运行任务为上述电力设备信息对应的设备运行任务信息包括的至少一个设备运行任务。
步骤1022,将执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值。
在一些实施例中,上述执行主体可以将上述执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值。其中,上述电力设备分析模型可以是预先训练的,以执行结果为输入,以任务数量分值和任务质量分值为输出的神经网络模型。例如,上述电力设备分析模型可以是卷积网络模型。
可选地,上述电力设备分析模型可以是通过以下步骤训练得到的:
第一步,获取样本集合。
在一些实施例中,上述执行主体可以获取样本集合。其中,上述样本集合中的样本包括样本执行结果,以及与上述样本执行结果对应的样本任务数量分值和样本任务质量分值。
第二步,从上述样本集合中选择样本。
在一些实施例中,上述执行主体可以从上述样本集合中选择样本。这里,上述执行主体可以随机从上述样本集合中选择样本。
第三步,将上述样本输入至初始网络模型,得到对应上述样本的任务数量分值和任务质量分值。
在一些实施例中,上述执行主体可以将上述样本输入至初始网络模型,得到对应上述样本的任务数量分值和任务质量分值。其中,上述初始神经网络可以是能够根据执行结果得到样本任务数量分值和样本任务质量分值的深度学习模型。
第四步,分别确定上述任务数量分值和任务质量分值与上述样本包括的样本任务数量分值和样本任务质量分值之间的损失值,以及将确定的损失值的和确定为总损失值。
在一些实施例中,上述执行主体可以分别确定上述任务数量分值和任务质量分值与上述样本包括的样本任务数量分值和样本任务质量分值之间的损失值,以及将确定的损失值的和确定为总损失值。实践中,可以基于预设的损失函数,确定上述任务数量分值和任务质量分值与上述样本包括的样本任务数量分值和样本任务质量分值之间的损失值。例如,上述预设的损失函数可以是交叉熵损失函数。
第五步,响应于上述总损失值大于等于预设阈值,调整上述初始网络模型的网络参数。
在一些实施例中,上述执行主体可以响应于上述总损失值大于等于预设阈值,调整上述初始网络模型的网络参数。这里,对于预设阈值的设定,不作限制。例如,可以对损失值和预设阈值求差值,得到损失差值。在此基础上,利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递,以调整每一层的参数。当然根据需要,也可以采用网络冻结(dropout)的方法,对其中的一些层的网络参数保持不变,不进行调整,对此,不做任何限定。
可选地,响应于上述总损失值小于上述预设阈值,将上述初始网络模型确定为电力设备分析模型。
在一些实施例中,上述执行主体可以响应于上述总损失值小于上述预设阈值,将上述初始网络模型确定为电力设备分析模型。
在一些实施例的一些可选的实现方式中,上述执行主体还可以执行以下步骤:
第一步,根据上述执行结果,确定目标设备运行任务集。其中,上述目标设备运行任务集中的目标设备运行任务可以是上述电力设备完成的设备运行任务。
第二步,根据上述目标设备运行任务集,确定任务数量分值。实践中,可以通过以下公式确定任务数量分值:。
其中,表示任务数量分值。/>表示任务层数。/>表示第/>层对应的目标设备运行任务的任务数量。/>表示第/>层对应的目标设备运行任务的任务信息。/>表示目标设备运行任务的任务数量。/>表示目标设备运行任务的任务信息。
第三步,根据上述目标设备运行任务集,确定任务质量分值。实践中,可以通过以下公式确定任务质量分值:。
其中,表示任务质量分值。/>表示设备运行任务的总任务层数。/>表示质量分值的平均值。/>表示第/>层质量分值的平均值。这里,/>可以通过以下公式表示:。
其中,表示第/>层的质量总分值。/>表示质量分值的数量。/>表示目标设备运行任务的质量分值。/>表示第/>个目标设备运行任务的质量分值。
上述第一步-第三步中的相关内容作为本公开的一个发明点,结合下文步骤103的内容,解决了背景技术提及的技术问题二“在使用分析模型确定电力设备的任务完成度之前,需要大量的实验数据对分析模型进行训练,因此需要通过各个电力设备获取实验数据,造成电力资源的浪费”。造成电力资源的浪费的因素往往如下:在使用分析模型确定电力设备的任务完成度之前,需要大量的实验数据对分析模型进行训练,因此需要通过各个电力设备获取实验数据,造成电力资源的浪费。如果解决了上述因素,就能达到减少电力资源的浪费的效果。为了达到这一效果,本公开的一些实施例设计了任务质量分值与任务数量分值公式,通过不同电力设备对应的各个运行设备任务信息,可以快速确定电力设备的任务数量分值和任务质量分值,结合步骤103,根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。可以快速将不满足条件的电力设备停止运行,从而减少了电力资源的浪费。
步骤1023,根据任务数量分值和任务质量分值,确定电力设备评分值。
在一些实施例中,上述执行主体可以根据上述任务数量分值和任务质量分值,确定电力设备评分值。
实践中,上述执行主体可以通过以下步骤确定电力设备评分值:
第一步,获取数量值权重值和质量值权重值。
实践中,上述执行主体可以通过以下子步骤确定数量值权重值和质量值权重值:
第一子步骤,确定上述电力设备信息对应的质量总分值。实践中,可以将上述电力设备信息对应的各个设备运行任务所对应的任务信息的和确定为质量总分值。
第二子步骤,确定上述电力设备执行上述至少一个设备运行任务所消耗的电量,作为任务消耗电量。实践中,可以通过相关联的电流表确定上述电力设备执行上述至少一个设备运行任务的电流。从而,将上述电力设备执行各个设备运行任务的平均电流与执行各个设备运行任务的执行时长的乘积确定为任务消耗电量。
第三子步骤,根据上述质量总分值和上述任务消耗电量,确定质量值权重值。其中,上述质量值权重值是通过与上述执行主体相关联的人工智能芯片对上述质量总分值和任务消耗电量进行分析得到的。上述人工智能芯片所承载的机器学习模型是通过样本集合训练得到的。上述任务消耗电量可以是上述电力设备完成各个设备运行任务所消耗的电量。实践中,上述人工智能芯片可以关联上述电流表。
作为示例,上述机器学习模型可以包括任务消耗电量和质量总分值与质量值权重值的对应关系表。其中对应关系表可以是本领域技术人员基于对大量的任务消耗电量和质量总分值与质量值权重值的对应关系的对应关系表。这样,将该任务消耗电量和质量总分值与对应关系表中的多个任务消耗电量和多个质量总分值依次进行比较,若对应关系表中的某一个任务消耗电量和某一个质量总分值与该任务消耗电量和质量总分值相同或者相近,则将对应关系表中的该任务消耗电量和质量总分值对应的质量值权重值作为该任务消耗电量和质量总分值所指示的质量值权重值。
第四子步骤,将预设数值与上述质量值权重值的差值确定为数量值权重值。其中,上述预设数值可以是1。
第二步,根据上述数量值权重值和上述质量值权重值,确定电力设备评分值。实践中,可以将数量值权重值与任务数量分值的乘积确定为数量评分值,将任务质量分值与上述质量值权重值的乘积确定为质量评分值,以及将数量评分值与质量评分值的和确定为电力设备评分值。
步骤103,根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。
在一些实施例中,上述执行主体可以根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。
实践中,上述执行主体可以通过以下步骤控制至少一个目标电力设备停止运行:
第一步,从所确定的各个电力设备评分值中选取出满足第一预设条件的至少一个电力设备评分值,作为目标评分值集合。其中,上述第一预设条件可以是电力设备评分值小于预设评分值阈值。
第二步,将上述目标评分值集合对应的各个电力设备确定为目标电力设备集合,以及控制上述目标电力设备集合中的各个目标电力设备停止运行。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的电力设备控制方法,减少了电力设备资源的浪费。具体来说,造成电力设备资源的浪费的原因在于:不同任务的难度不同,仅通过任务数量与分值的乘积确定电力设备功能是否正常,确定的结果与实际结果存在较大误差,导致电力设备资源的浪费。基于此,本公开的一些实施例的电力设备控制方法,首先,响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集。由此,可以确定需要进行控制的电力设备的信息以及每个电力设备进行的任务信息。然后,对于上述电力设备信息集中的每个电力设备信息,执行如下处理步骤:第一,控制上述电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果。由此,可以控制电力设备执行预先设置的任务。第二,将上述执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值。由此,可以根据电力设备分析模型对执行结果进行分析,从任务数量和任务质量两个维度准确确定电力设备的功能是否正常,从而可以避免将功能完好的电力设备进行更换,进而减少了电力设备资源的浪费。第三,根据上述任务数量分值和任务质量分值,确定电力设备评分值。由此,可以确定电力设备的总分值。最后,根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。由此,准确确定电力设备的功能是否正常,减少了电力设备资源的浪费。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种电力设备控制装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该电力设备控制装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的电力设备控制装置200包括:获取单元201、执行单元202和控制单元203。其中,获取单元201被配置成响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集,其中,上述设备运行任务信息集中的设备运行任务信息对应上述电力设备信息集中的电力设备信息,上述设备运行任务信息集中的设备运行任务信息包括至少一个设备运行任务;执行单元202被配置成对于上述电力设备信息集中的每个电力设备信息,执行如下处理步骤:控制上述电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果,其中,上述所对应的至少一个设备运行任务为上述电力设备信息对应的设备运行任务信息包括的至少一个设备运行任务;将上述执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值;根据上述任务数量分值和任务质量分值,确定电力设备评分值;控制单元203被配置成根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。
可以理解的是,电力设备控制装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于电力设备控制装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置301(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集,其中,上述设备运行任务信息集中的设备运行任务信息对应上述电力设备信息集中的电力设备信息,上述设备运行任务信息集中的设备运行任务信息包括至少一个设备运行任务。对于上述电力设备信息集中的每个电力设备信息,执行如下处理步骤:控制上述电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果,其中,上述所对应的至少一个设备运行任务为上述电力设备信息对应的设备运行任务信息包括的至少一个设备运行任务;将上述执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值;根据上述任务数量分值和任务质量分值,确定电力设备评分值。根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、执行单元和控制单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,控制单元还可以被描述为“根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种电力设备控制方法,包括:
响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集,其中,所述设备运行任务信息集中的设备运行任务信息对应所述电力设备信息集中的电力设备信息,所述设备运行任务信息集中的设备运行任务信息包括至少一个设备运行任务;
对于所述电力设备信息集中的每个电力设备信息,执行如下处理步骤:
控制所述电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果,其中,所述所对应的至少一个设备运行任务为所述电力设备信息对应的设备运行任务信息包括的至少一个设备运行任务;
将所述执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值;
根据所述任务数量分值和任务质量分值,确定电力设备评分值;
根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行;
其中,所述根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行,包括:
从所确定的各个电力设备评分值中选取出满足第一预设条件的至少一个电力设备评分值,作为目标评分值集合;
将所述目标评分值集合对应的各个电力设备确定为目标电力设备集合,以及控制所述目标电力设备集合中的各个目标电力设备停止运行。
2.根据权利要求1所述的方法,其中,所述根据所述任务数量分值和任务质量分值,确定电力设备评分值,包括:
获取数量值权重值和质量值权重值;
根据所述数量值权重值和所述质量值权重值,确定电力设备评分值。
3.根据权利要求2所述的方法,其中,所述获取数量值权重值和质量值权重值,包括:
确定所述电力设备信息对应的质量总分值;
确定所述电力设备执行所述至少一个设备运行任务所消耗的电量,作为任务消耗电量;
根据所述质量总分值和所述任务消耗电量,确定质量值权重值;
将预设数值与所述质量值权重值的差值确定为数量值权重值。
4.根据权利要求1所述的方法,其中,所述电力设备分析模型是通过以下步骤训练得到的:
获取样本集合,其中,所述样本集合中的样本包括样本执行结果,以及与所述样本执行结果对应的样本任务数量分值和样本任务质量分值;
从所述样本集合中选择样本;
将所述样本输入至初始网络模型,得到对应所述样本的任务数量分值和任务质量分值;
分别确定对应所述样本的任务数量分值和任务质量分值与所述样本包括的样本任务数量分值和样本任务质量分值之间的损失值,以及将确定的损失值的和确定为总损失值;
响应于所述总损失值大于等于预设阈值,调整所述初始网络模型的网络参数。
5.根据权利要求4所述的方法,其中,所述方法还包括:
响应于所述总损失值小于所述预设阈值,将所述初始网络模型确定为电力设备分析模型。
6.一种电力设备控制装置,包括:
获取单元,被配置成响应于当前时间为预设运行时间,获取设备运行任务信息集和电力设备信息集,其中,所述设备运行任务信息集中的设备运行任务信息对应所述电力设备信息集中的电力设备信息,所述设备运行任务信息集中的设备运行任务信息包括至少一个设备运行任务;
执行单元,被配置成对于所述电力设备信息集中的每个电力设备信息,执行如下处理步骤:控制所述电力设备信息对应的电力设备,执行所对应的至少一个设备运行任务,以生成执行结果,其中,所述所对应的至少一个设备运行任务为所述电力设备信息对应的设备运行任务信息包括的至少一个设备运行任务;将所述执行结果输入至预先训练的电力设备分析模型,得到任务数量分值和任务质量分值;根据所述任务数量分值和任务质量分值,确定电力设备评分值;
控制单元,被配置成根据所确定的各个电力设备评分值,控制至少一个目标电力设备停止运行;所述控制单元被进一步配置成:
从所确定的各个电力设备评分值中选取出满足第一预设条件的至少一个电力设备评分值,作为目标评分值集合;
将所述目标评分值集合对应的各个电力设备确定为目标电力设备集合,以及控制所述目标电力设备集合中的各个目标电力设备停止运行。
7.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至5中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1至5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311526886.9A CN117236805B (zh) | 2023-11-16 | 2023-11-16 | 电力设备控制方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311526886.9A CN117236805B (zh) | 2023-11-16 | 2023-11-16 | 电力设备控制方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117236805A CN117236805A (zh) | 2023-12-15 |
CN117236805B true CN117236805B (zh) | 2024-02-02 |
Family
ID=89084797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311526886.9A Active CN117236805B (zh) | 2023-11-16 | 2023-11-16 | 电力设备控制方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117236805B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117591048B (zh) * | 2024-01-18 | 2024-04-12 | 中关村科学城城市大脑股份有限公司 | 任务信息处理方法、装置、电子设备和计算机可读介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060069547A (ko) * | 2004-12-17 | 2006-06-21 | 두산중공업 주식회사 | 화력발전설비의 실시간 운전성능 감시 및 진단 장치 |
CN103312030A (zh) * | 2012-03-08 | 2013-09-18 | 国家电网公司 | 电力设备的监控系统和方法 |
CN115759444A (zh) * | 2022-11-24 | 2023-03-07 | 北京国电通网络技术有限公司 | 电力设备分配方法、装置、电子设备和计算机可读介质 |
CN116187838A (zh) * | 2023-02-03 | 2023-05-30 | 国网江苏省电力有限公司电力科学研究院 | 一种电力设备的质量评估方法、系统、装置及存储介质 |
CN116885726A (zh) * | 2023-09-07 | 2023-10-13 | 国网江苏省电力有限公司南通供电分公司 | 基于数字孪生技术的电力设备运行控制方法及系统 |
CN117013687A (zh) * | 2023-06-20 | 2023-11-07 | 国网山东省电力公司微山县供电公司 | 一种电力运行质量监测方法及系统 |
-
2023
- 2023-11-16 CN CN202311526886.9A patent/CN117236805B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060069547A (ko) * | 2004-12-17 | 2006-06-21 | 두산중공업 주식회사 | 화력발전설비의 실시간 운전성능 감시 및 진단 장치 |
CN103312030A (zh) * | 2012-03-08 | 2013-09-18 | 国家电网公司 | 电力设备的监控系统和方法 |
CN115759444A (zh) * | 2022-11-24 | 2023-03-07 | 北京国电通网络技术有限公司 | 电力设备分配方法、装置、电子设备和计算机可读介质 |
CN116187838A (zh) * | 2023-02-03 | 2023-05-30 | 国网江苏省电力有限公司电力科学研究院 | 一种电力设备的质量评估方法、系统、装置及存储介质 |
CN117013687A (zh) * | 2023-06-20 | 2023-11-07 | 国网山东省电力公司微山县供电公司 | 一种电力运行质量监测方法及系统 |
CN116885726A (zh) * | 2023-09-07 | 2023-10-13 | 国网江苏省电力有限公司南通供电分公司 | 基于数字孪生技术的电力设备运行控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117236805A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117236805B (zh) | 电力设备控制方法、装置、电子设备和计算机可读介质 | |
CN115085196B (zh) | 电力负荷预测值确定方法、装置、设备和计算机可读介质 | |
CN111061956A (zh) | 用于生成信息的方法和装置 | |
CN112650841A (zh) | 信息处理方法、装置和电子设备 | |
CN111340220A (zh) | 用于训练预测模型的方法和装置 | |
CN114780338A (zh) | 主机信息处理方法、装置、电子设备和计算机可读介质 | |
CN115357350A (zh) | 任务配置方法、装置、电子设备和计算机可读介质 | |
CN110009101B (zh) | 用于生成量化神经网络的方法和装置 | |
CN116703131A (zh) | 电力资源分配方法、装置、电子设备和计算机可读介质 | |
CN113392018B (zh) | 流量分发方法、装置、存储介质及电子设备 | |
CN112380883B (zh) | 模型训练方法、机器翻译方法、装置、设备及存储介质 | |
CN116388112A (zh) | 异常供应端断电方法、装置、电子设备和计算机可读介质 | |
CN115759444B (zh) | 电力设备分配方法、装置、电子设备和计算机可读介质 | |
CN115619170A (zh) | 电量负荷调整方法、装置、设备、计算机介质和程序产品 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN116416018A (zh) | 内容输出方法、装置、计算机可读介质及电子设备 | |
CN112365046A (zh) | 用户信息生成方法、装置、电子设备和计算机可读介质 | |
CN116757443B (zh) | 新型配电网电力线损率预测方法、装置、电子设备和介质 | |
CN115577980B (zh) | 电力设备调控方法、装置、电子设备和介质 | |
CN117235535B (zh) | 异常供应端断电方法、装置、电子设备和介质 | |
CN111310901B (zh) | 用于获取样本的方法及装置 | |
CN113010784B (zh) | 用于生成预测信息的方法、装置、电子设备和介质 | |
CN115565607B (zh) | 确定蛋白质信息的方法、装置、可读介质及电子设备 | |
CN112015625B (zh) | 报警设备控制方法、装置、电子设备和计算机可读介质 | |
CN112070163B (zh) | 图像分割模型训练和图像分割方法、装置、设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |