基于检修计划的风险评估方法、装置、终端和存储介质与流程

1.本发明涉及电力调度技术领域，特别是涉及一种基于检修计划的风险评估方法、装置、终端和存储介质。


背景技术：

2.电力系统包括发、输、变、配、用在内的电力设备定期检修维护对维持电力系统安全稳定运行至关重要，通常会根据设备的运行情况以及定期检测试验的要求制定相应的检修计划。一方面，检修计划的安排实施与电网公司的经济效益息息相关，另一方面，也深刻地影响着电力系统运行的可靠性。因此，合理评估检修计划的操作风险有助于提高电力设备服役周期，也保证电力系统安全稳定运行。
3.目前，在检修计划实施阶段，主要是依靠操作人员对检修计划进行风险评估，但是，由于操作人的风险评估依靠的是个人经验以及主观判断，难以对检修计划实施风险进行有效的量化评估。


技术实现要素：

4.本发明的目的是：提供一种基于检修计划的风险评估方法、装置、终端和存储介质，能够对检修计划实施风险进行有效的量化评估。
5.为了实现上述目的，本发明提供了一种基于检修计划的风险评估方法，包括：
6.获取历史检修计划，并从所述历史检修计划中提取检修实施风险影响因数，获得历史检修计划的检修实施风险影响因数；
7.根据所述历史检修计划的检修实施风险影响因数，构建检修计划的实施风险评估训练数据库；
8.将所述实施风险评估训练数据库中的数据输入到预设的判别分析模型进行训练，获得训练后的判别分析模型；
9.获取实时检修计划，并从所述实时检修计划中提取实时检修实施风险的影响因数，获得实时检修计划的检修实施风险影响因数；
10.将所述实时检修计划的检修实施风险影响因数输入到训练后的判别分析模型，获得实时检修计划的风险评估结果。
11.进一步地，所述影响因素包括：不同电压等级、设备停电、设备复电、单一线路、多线路、单母线、多母线、倒母操作、主变、总调配合操作、总调委托操作、二次设备更改、输变电对机组的要求、二次工作和母线方式调整。
12.进一步地，所述预设的判别分析模型，采用如下计算公式：
[0013][0014]
[0015][0016][0017][0018]
其中，d2(x,g
i
)表示马氏距离，μ
i
表示数学期望，∑
i
表示协方差矩阵，x表示输入量，为数学期望估计，表示样本数据，n
k
表示样本容量，s
k
方差估计，表示联合无偏估计，g表示分类个数，为判别函数，和表示数学期望估计。
[0019]
进一步地，所述预设的判别分析模型，还包括误判率计算，采用如下计算公式：
[0020][0021]
其中，表示误判率，表示误判数，n1+n2+n3表示参与误判分析变量总数。
[0022]
本发明还提供一种基于检修计划的风险评估装置，包括：第一获取模块、构建模块、训练模块、第二获取模块和评估模块，其中，
[0023]
所述第一获取模块，用于获取历史检修计划，并从所述历史检修计划中提取检修实施风险影响因数，获得历史检修计划的检修实施风险影响因数；
[0024]
所述构建模块，根据所述历史检修计划的检修实施风险影响因数，构建检修计划的实施风险评估训练数据库；
[0025]
所述训练模块，将所述实施风险评估训练数据库中的数据输入到预设的判别分析模型进行训练，获得训练后的判别分析模型；
[0026]
所述第二获取模块，用于获取实时检修计划，并从所述实时检修计划中提取实时检修实施风险的影响因数，获得实时检修计划的检修实施风险影响因数；
[0027]
所述评估模块，用于将所述实时检修计划的检修实施风险影响因数输入到训练后的判别分析模型，获得实时检修计划的风险评估结果。
[0028]
进一步地，所述影响因素包括：不同电压等级、设备停电、设备复电、单一线路、多线路、单母线、多母线、倒母操作、主变、总调配合操作、总调委托操作、二次设备更改、输变电对机组的要求、二次工作和母线方式调整。
[0029]
进一步地，所述预设的判别分析模型，采用如下计算公式：
[0030][0031][0032]
[0033][0034][0035]
其中，d2(x,g
i
)表示马氏距离，μ
i
表示数学期望，∑
i
表示协方差矩阵，x表示输入量，为数学期望估计，表示样本数据，n
k
表示样本容量，s
k
方差估计，表示联合无偏估计，g表示分类个数，为判别函数，和表示数学期望估计。
[0036]
进一步地，所述预设的判别分析模型，还包括误判率计算，采用如下计算公式：
[0037][0038]
其中，表示误判率，表示误判数，n1+n2+n3表示参与误判分析变量总数。
[0039]
本发明还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；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上述任一项所述的基于检修计划的风险评估方法。
[0040]
本发明还提供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如上述任一项所述的输电线路悬挂异物的识别方法。
[0041]
本发明实施例一种基于检修计划的风险评估方法、装置、终端设备和计算机可读存储介质与现有技术相比，其有益效果在于：
[0042]
本发明通过对历史检修计划的风险影响因素进行提取，并利用风险影响因素训练判别模型，进而通过训练后的判别模型对实时检修计划进行判别评估，得到实施风险的评估结果，根据实施风险评估结果对高风险检修计划进行告警标记。本发明能够对检修计划实施风险进行有效的量化评估。
附图说明
[0043]
图1是本发明提供的一种基于检修计划的风险评估方法的流程示意图；
[0044]
图2是本发明提供的一种基于检修计划的风险评估装置的结构示意图。
具体实施方式
[0045]
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。
[0046]
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
[0047]
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文
清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0048]
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0049]
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0050]
如图1所示，本发明提供的一种基于检修计划的风险评估方法，至少包括如下步骤：
[0051]
s1、获取历史检修计划，并从所述历史检修计划中提取检修实施风险影响因数，获得历史检修计划的检修实施风险影响因数；
[0052]
具体地，抽取检修单中影响检修计划实施风险评估的影响因素建立含有n个影响因子的样本数据集作为评估自变量，以上数据集的影响因子变量为0－1变量，即该操作计划中针对于每一项影响因子拥有包含该项影响因子(置1)、不包含该项影响因子(置0)两种变量结果。
[0053]
s2、根据所述历史检修计划的检修实施风险影响因数，构建检修计划的实施风险评估训练数据库；
[0054]
具体地，建立若干个个检修计划实施风险评估训练数据库，其中每个检修计划数据包含n个评估影响因子数据集作为训练自变量，1个实施风险评估结果作为因变量。实施风险评估结果分为高风险(不小于3)、中风险(不小于2且小于3)、低风险(小于2)三个分类区间
[0055]
s3、将所述实施风险评估训练数据库中的数据输入到预设的判别分析模型进行训练，获得训练后的判别分析模型；
[0056]
具体地，所述预设的判别分析模型，具体建模过程如下：
[0057]
1、本次建模过程分类类型划分为3类，即高风险(不小于3)、中风险(不小于2且小于3)、低风险(小于2)三个分类区间，每一类型有p个指标，用p维向量g＝(g1,g2,
…
,g
p
)
t
。建立以判别分析模型为评估方法的检修计划实施风险评估模型。训练模型输入自变量为2中的包含n个评估影响因子数据集，输入因变量为实施风险评估结果。
[0058]
2、设有3个p维总体g＝(g1,g2,
…
,g
p
)
t
，数学期望(均值向量)为μ1，μ2，μ3，协方差矩阵为σ1,∑2,∑3。计算输入量x到各总体的平方马氏距离，如公式(1)所示：
[0059][0060]
其中，g＝(g1,g2,
…
,g
p
)
t
为p维总体，μ1，μ2，μ3为数学期望(均值向量)，∑1,∑2,σ3为协方差矩阵。
[0061]
比较这3个距离，判定x属于其距离最短的总体(若最短距离并不惟一，可判属于其中任一总体)。
[0062]
3、当μ1，μ2，μ3和σ1,σ2,σ3未知时，可利用训练样本作估计。设是来自g
k
的样本，样本容量为n
k
(为p维向量).如公式(2)、(3)所示，数学期望估计(均值向量)如式(2)所示，方差估计如式(3)所示：
[0063][0064][0065]
其中，是来自g
k
的样本，g表示分类个数，本文样本判别分析分类个数为3，样本容量为n
k
(为p维向量)，为数学期望估计，s
k
方差估计。
[0066]
则可作为μ
k
的估计，而σ1,∑2,σ3的联合无偏估计为，如公式(4)所示：
[0067][0068]
其中n
k
表示样本容量，s
k
表示方差估计，表示∑1,∑2,∑3的联合无偏估计。
[0069]
4、于是，判别函数w
ij
(x)的估计为如公式(5)所示：
[0070][0071]
其中，和的表示数学期望估计，w
ij
(x)为判别函数，x为输入量。
[0072]
训练得到的判别函数一般形式如式(6)所示：
[0073][0074]
其中，a
n
表示每项评估影响因子判别系数，x
n
表示每项评估影响因子值即输入量。
[0075]
5、交叉验证法误判率判断
[0076]
采用交互验证法按照7：3的比例划分训练集和测试集，将30％的测试数据带入函数中计算结果，并与正确值进行判断，确认预测结果是否正确。误判率计算如式(7)所示：
[0077][0078]
其中，表示误判率，表示误判数，n1+n2+n3表示参与误判分析变量总数。
[0079]
训练得到的判别函数一般形式为：
[0080]
w
ij
(x)＝a1x1+a2x2+
……
+a
n
x
n
ꢀꢀꢀꢀꢀꢀꢀ
(8)
[0081]
其中an表示每项评估影响因子判别系数，xn表示每项评估影响因子值。
[0082]
s4、获取实时检修计划，并从所述实时检修计划中提取实时检修实施风险的影响因数，获得实时检修计划的检修实施风险影响因数；
[0083]
具体地，获取实时检修计划，并从所述实时检修计划中提取实时检修实施风险的
影响因数，获得实时检修计划的检修实施风险影响因数；
[0084]
s5、将所述实时检修计划的检修实施风险影响因数输入到训练后的判别分析模型，获得实时检修计划的风险评估结果。
[0085]
具体地，抽取待评估风险的检修计划影响因子数据集，将数据集数据输入至上述的判别函数，计算得到风险评估值，根据风险评估值确认实施风险评估分类结果。根据实施风险评估结果对高风险检修计划进行告警标记。
[0086]
在本发明的某一个实施例中，所述影响因素包括：不同电压等级、设备停电、设备复电、单一线路、多线路、单母线、多母线、倒母操作、主变、总调配合操作、总调委托操作、二次设备更改、输变电对机组的要求、二次工作和母线方式调整。
[0087]
在本发明的某一个实施例中，所述预设的判别分析模型，采用如下计算公式：
[0088][0089][0090][0091][0092][0093]
其中，d2(x,g
i
)表示马氏距离，μ
i
表示数学期望，∑
i
表示协方差矩阵，x表示输入量，为数学期望估计，表示样本数据，n
k
表示样本容量，s
k
方差估计，表示联合无偏估计，g表示分类个数，为判别函数，和表示数学期望估计。
[0094]
在本发明的某一个实施例中，所述预设的判别分析模型，还包括误判率计算，采用如下计算公式：
[0095][0096]
其中，表示误判率，表示误判数，n1+n2+n3表示参与误判分析变量总数。
[0097]
本发明实施例一种基于检修计划的风险评估方法与现有技术相比，其有益效果在于：
[0098]
本发明通过对历史检修计划的风险影响因素进行提取，并利用风险影响因素训练判别模型，进而通过训练后的判别模型对实时检修计划进行判别评估，得到实施风险的评估结果，根据实施风险评估结果对高风险检修计划进行告警标记。本发明能够对检修计划实施风险进行有效的量化评估。
[0099]
如图2所示，本发明还提供一种基于检修计划的风险评估装置200，包括：第一获取模块201、构建模块202、训练模块203、第二获取模块204和评估模块205，其中，
[0100]
所述第一获取模块201，用于获取历史检修计划，并从所述历史检修计划中提取检修实施风险影响因数，获得历史检修计划的检修实施风险影响因数；
[0101]
所述构建模块202，根据所述历史检修计划的检修实施风险影响因数，构建检修计划的实施风险评估训练数据库；
[0102]
所述训练模块203，将所述实施风险评估训练数据库中的数据输入到预设的判别分析模型进行训练，获得训练后的判别分析模型；
[0103]
所述第二获取模块204，用于获取实时检修计划，并从所述实时检修计划中提取实时检修实施风险的影响因数，获得实时检修计划的检修实施风险影响因数；
[0104]
所述评估模块205，用于将所述实时检修计划的检修实施风险影响因数输入到训练后的判别分析模型，获得实时检修计划的风险评估结果。
[0105]
在本发明的某一个实施例中，所述影响因素包括：不同电压等级、设备停电、设备复电、单一线路、多线路、单母线、多母线、倒母操作、主变、总调配合操作、总调委托操作、二次设备更改、输变电对机组的要求、二次工作和母线方式调整。
[0106]
在本发明的某一个实施例中，所述预设的判别分析模型，采用如下计算公式：
[0107][0108][0109][0110][0111][0112]
其中，d2(x,g
i
)表示马氏距离，μ
i
表示数学期望，∑
i
表示协方差矩阵，x表示输入量，为数学期望估计，表示样本数据，n
k
表示样本容量，s
k
方差估计，表示联合无偏估计，g表示分类个数，为判别函数，和表示数学期望估计。
[0113]
在本发明的某一个实施例中，所述预设的判别分析模型，还包括误判率计算，采用如下计算公式：
[0114][0115]
其中，表示误判率，表示误判数，n1+n2+n3表示参与误判分析变量总数。
[0116]
本发明还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；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上述任一项所述的基于检修计划的风险评估方法。
[0117]
需要说明的是，所述处理器可以是中央处理单元(centralprocessingunit，cpu)，
还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field－programmablegatearray，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，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
[0118]
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(smartmediacard，smc)、安全数字(securedigital，sd)卡和闪存卡(flashcard)等，或所述存储器也可以是其他易失性固态存储器件。
[0119]
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
[0120]
本发明还提供一种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如上述任一项所述的基于检修计划的风险评估方法。
[0121]
需要说明的是，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
[0122]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。