基于态势感知的电网数据处理方法和装置与流程

本发明涉及智能电网数据电网安全维护技术领域，具体而言，涉及一种基于态势感知的电网数据处理方法和装置。

背景技术：

在现有电网业务系统运行过程中，大多是在系统出现过程或者进行日常检修时发现问题再进行问题修护，从而导致电网系统维护效率低、维修成本高，且智能化程度低、可靠性差。

技术实现要素：

有鉴于此，本发明实施例的目的在于提供一种基于态势感知的电网数据处理方法和装置，以改善上述问题。

一方面，本发明较佳实施例提供一种基于态势感知的电网数据处理方法，所述方法包括：

感知各电网业务系统运行过程中的第一运行数据；

针对各电网业务系统，将所述第一运行数据作为神经网络模型的输入，以预测所述电网业务系统在下一时刻的第一运行状态值；

判断所述第一运行状态值是否满足预设需求，若不满足，则根据所述运行状态值从预设运行策略中选取对应的应对措施对所述电网业务系统进行维护。

在本发明较佳实施例的选择中，所述第一运行数据包括环境参数和系统参数。

在本发明较佳实施例的选择中，所述方法还包括：

接收在根据所述应对措施对所述电网业务系统进行维护后的预设时长内的所述电网业务系统的第二运行数据；

根据所述预设时长内的所述电网业务系统的第二运行数据的变化趋势判断所述应对措施是否有效；

若所述应对措施为无效，则以所述第二运行数据作为训练样本对所述神经网络模型进行训练，并基于训练后的神经网络模型进行电网数据处理。

在本发明较佳实施例的选择中，以所述第二运行数据作为训练样本对所述神经网络模型进行训练的步骤包括：

步骤s160，将所述运行数据作为训练样本，并将所述训练样本输入神经网络模型以计算得到损失函数值；

步骤s161，根据所述损失函数值计算所述神经网络模型的反向导数，并根据所述反向导数计算所述神经网络模型中各节点的权重参数的梯度；

步骤s162，根据计算得到的梯度值对所述神经网络模型中各节点的权重参数进行更新；

重复执行上述步骤s160-步骤s162，直到计算得到的损失函数值收敛到最小值且不再减小时，将该损失函数值对应的权重参数作为所述神经网络模型中的各节点的实际参数以对所述神经网络模型进行优化。

在本发明较佳实施例的选择中，所述方法还包括：

若所述应对措施为无效，则将所述第二运行数据作为神经网络模型的输入，以预测所述电网业务系统在下一时刻的第二运行状态值；

根据所述第一运行数据、第一运行状态值、第二运行数据和第二运行状态值生成预警信息发送给所述电网业务系统以提示工作人员进行人工维护；

在本发明较佳实施例的选择中，所述方法还包括：

感知并获取各电网业务系统运行过程中的运行数据；

对所述运行数据进行解析以提取所述系统运行数据中的元数据和实体数据；

将所述实体数据作为第一运行数据并保存至第一存储位置，将所述元数据以快速索引的方式对应保存至第二存储位置，所述元数据与所述实体数据一一对应。

在本发明较佳实施例的选择中，所述方法还包括：

接收用户文件检索指令并根据所述文件检索指令在存储有元数据的第一存储器中查找对应文件，将查询到的文件作为初始文件集；

获取待检索文件对应的初始时间点和结束时间点，基于所述初始时间点和结束时间点从所述初始文件集中查寻出目标文件作。

另一方面，本发明较佳实施例还提供一种基于态势感知的电网数据处理装置，所述装置包括：

第一数据感知模块，用于感知各电网业务系统运行过程中的第一运行数据；

第一状态预测模块，用于针对各电网业务系统，将所述第一运行数据作为神经网络模型的输入，以预测所述电网业务系统在下一时刻的第一运行状态值；

措施选取模块，用于判断所述第一运行状态值是否满足预设需求，若不满足，则根据所述运行状态值从预设运行策略中选取对应的应对措施对所述电网业务系统进行维护。

在本发明较佳实施例的选择中，所述第一运行数据包括环境参数和系统参数。

在本发明较佳实施例的选择中，所述装置还包括：

第二数据感知模块，用于接收在根据所述应对措施对所述电网业务系统进行维护后的预设时长内的所述电网业务系统的第二运行数据；

第二状态预测模块，用于根据所述预设时长内的所述电网业务系统的第二运行数据的变化趋势判断所述应对措施是否有效；

模型训练模块，用于若所述应对措施为无效，则以所述第二运行数据作为训练样本对所述神经网络模型进行训练，并基于训练后的神经网络模型进行电网数据处理。

与现有技术相比，本发明实施例提供的一种基于态势感知的数据处理方法和装置，该方法基于当前时刻感知的电网业务系统的运行数据预测电网业务系统在下一时刻的运行状态，并在运行状态不满足需求时，进行系统维护和检修，能够有效确保电网业务系统运行过程中的可靠性，提高提高维护效率，降低维修成本，确保电网业务系统运行过程中的智能化、高效化。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例提供的电网数据处理终端的方框结构示意图。

图2为本发明实施例提供的基于态势感知的数据处理方法的流程示意图。

图3为图2中所示的步骤s16的子流程示意图。

图4为本发明实施例提供的基于态势感知的数据处理方法的另一流程示意图。

图5为本发明实施例提供的基于态势感知的数据处理装置的方框结构示意图。

图标：10-电网数据处理终端；100-基于态势感知的数据处理装置；110-第一数据感知模块；120-第一状态预测模块；130-措施选取模块；140-第二数据感知模块；150-第二状态预测模块；160-模型训练模块；200-存储器；300-存储控制器；400-处理器。

具体实施方式

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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

如图1所示，为本发明实施例提供的电网数据处理终端10的方框结构示意图，该电网数据处理终端10包括基于态势感知的电网数据处理装置100、存储器200、存储控制器300以及处理器400。其中，所述存储器200、存储控制器300、处理器400各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件之间通过一条或多条通讯总线或信号线实现电性连接。所述基于态势感知的电网数据处理装置100包括至少一个可以软件或固件的形式存储于所述存储器200中或固化在所述电网数据处理终端10的操作系统中的软件功能模块。所述处理器400在所述存储控制器300的控制下访问所述存储器200，以用于执行所述存储器200中存储的可执行模块，例如所述基于态势感知的电网数据处理装置100所包括的软件功能模块及计算机程序等。可选地，所述电网数据处理终端10可以是，但不限于智能手机、个人电脑(personalcomputer，pc)、平板电脑、个人数字助理(personaldigitalassistant，pda)、移动上网设备(mobileinternetdevice，mid)等。

可以理解，图1所示的结构仅为示意，所述电网数据处理终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

请结合参阅图2，为本发明实施例提供的一种应用于所述电网数据处理终端10的基于态势感知的电网数据处理方法的流程示意图，所述方法有关的流程所定义的方法步骤可以由所述处理器400实现。下面将对图2所示的具体流程进行详细阐述。

步骤s11，感知各电网业务系统运行过程中的第一运行数据；

步骤s12，针对各电网业务系统，将所述第一运行数据作为神经网络模型的输入，以预测所述电网业务系统在下一时刻的第一运行状态值；

步骤s13，判断所述第一运行状态值是否满足预设需求，若不满足，则根据所述运行状态值从预设运行策略中选取对应的应对措施对所述电网业务系统进行维护。

本实施例中通过上述步骤s11-步骤s13的给出的基于态势感知的电网数据处理方法，能够根据当前时刻感知的电网业务系统的运行数据预测电网业务系统在下一时刻的运行状态，并在运行状态不满足需求时，进行系统维护和检修，能够有效确保电网业务系统运行过程中的可靠性，提高提高维护效率，降低维修成本。

详细地，步骤s11中的运行数据包括但不限于环境参数和系统参数，如所述环境参数可以是但不限于环境温度、湿度、噪音、亮度等，所述系统参数包括但不限于系统设定的运行频率、时间、温度、当前配置等。本实施例中，通过对电网业务系统运行过程中的各个参数进行采集、感知，以用于全面、有效的预测系统的在下一时刻的运行状态。

应注意的是，在实际实施过程中，所述运行数据可以是当前时刻获取得到的数据，也可以是历史时刻获取得到的数据，当所述运行数据为历史时刻的系统运行数据时，可以基于历史运行对当前时刻的系统数据进行验证，本实施例在此不做限制。

步骤s12中所述的神经网络模型可以是但不限于bp神经网络等预测型神经网络，实际实施时，所述神经网络模型可以包括但不限于感知层、理解层和预测层，其中，所述感知层用于对所述运行数据中的各因素进行感知叠加等操作，所述理解层用于对所述感知层获取的各数据进行理解处理等，所述预测层用于在感知层和理解层的基础上，预测所述电网业务系统在下一时刻的状态或行为等。

进一步地，根据实际需求，在使用所述神经网络模型之前，可根据不同电网业务系统的实际情况和历史运行数据对所述神经网络模型进行训练，直到所述神经网络模型中的损失函数值收敛至最小。可以理解的是，本实施例中，所述第一运行状态值可以是所述电网业务系统在下一时刻的运行状态或运行行为等。

步骤s13中，所述预设需求为根据实际需求进行预先设置的，所述预设需求可以包括一个值，也可以是多个值，例如，所述预设需求可以是所述运行数据中的环境参数和系统参数的加权和，也可以是环境参数和系统参数分别对应的值。

所述预设运行策略是根据实际需求进行预先存储的，例如，当所述第一运行状态值是表征温度过高时，所述应对措施可以是关闭电网业务系统或开启空调等；当所述运行状态值是表征系统故障时，所述应对措施可以是关闭电网业务系统中对应的部件或者通知工作人员进行检修、维护等，本实施例在此不做具体限制。

另外，在实际实施时，当所述第一运行状态值满足预设需求时，可以直接对所述第一运行数据和所述第一运行状态值进行保存，以用于后续的数据检索和查询。

进一步地，为了确保根据所述神经网络模型计算得到的第一运行状态值更加准确，从而选取更加符合实际需求的应对措施以对电网业务系统进行维护，本实施例中，在根据应对措施对电网业务系统进行维护后，还需随时监控维护结果，以确保所述应对措施有效。具体地，请再次参阅图2，所述基于态势感知的电网数据处理方法还包括步骤s14-步骤s16。

步骤s14，接收在根据所述应对措施对所述电网业务系统进行维护后的预设时长内的所述电网业务系统的第二运行数据；

步骤s15，根据所述预设时长内的所述电网业务系统的第二运行数据的变化趋势判断所述应对措施是否有效；

步骤s16，若所述应对措施为无效，则以所述第二运行数据作为训练样本对所述神经网络模型进行训练，并基于训练后的神经网络模型进行电网数据处理。

具体地，步骤s14-步骤s16中的第二运行数据与所述步骤s11-步骤s13中的第一运行数据中的数据类型相同，从而确保判断的准确性。其中，所应说明的是，所述第二运行数据可以包括在预设时长中获取的多个运行数据，从而根据不同连续时刻的多个运行数据的变化趋势判断所述应对措施是否有效。另外，所述预设时长可根据实际需求进行灵活设定，如可以是1小时、5小时等。

可选地，在本实施例中，当所述应对措施为无效时，如图3所示，可通过下述步骤s160-步骤s163对所述神经网络模型进行训练，具体如下。

步骤s160，将所述运行数据作为训练样本，并将所述训练样本输入神经网络模型以计算得到损失函数值；

步骤s161，根据所述损失函数值计算所述神经网络模型的反向导数，并根据所述反向导数计算所述神经网络模型中各节点的权重参数的梯度；

步骤s162，根据计算得到的梯度值对所述神经网络模型中各节点的权重参数进行更新；

步骤s163重复执行上述步骤s160-步骤s162，直到计算得到的损失函数值收敛到最小值且不再减小时，将该损失函数值对应的权重参数作为所述神经网络模型中的各节点的实际参数以对所述神经网络模型进行优化。

本实施例中，关于神经网络中的损失函数值的计算、反向导数等的计算过程，本实施例在此不做赘述。为了尽可能快的使所述损失函数值收敛至最小可直接调整所述运行数据分别对应的权重值实现，但通过直接调整权重值的方式优化后的神经网络模型的性能相对较差。

进一步地，在本实施例中，当所述应对措施为无效时，如图4所示，所述基于态势感知的电网数据处理方法还可包括步骤s17-步骤s18。

步骤s17，若所述应对措施为无效，则将所述第二运行数据作为神经网络模型的输入，以预测所述电网业务系统在下一时刻的第二运行状态值；

步骤s18，根据所述第一运行数据、第一运行状态值、第二运行数据和第二运行状态值生成预警信息发送给所述电网业务系统以提示工作人员进行人工维护。

本实施例中，通过所述步骤s17-步骤s18能够确保在所述电网业务系统的运行数据出现故障时，快速通知工作人员进行处理，避免造成重大损失。另外，所述预警信息中包括的第一运行数据、第一运行状态值、第二运行数据和第二运行状态值能够帮助工作人员快速了解电网业务系统的实际运行现状以及可能出现的问题等，进而帮助工作人员快速定位系统问题并进行维护、检修等。

可选地，在实际实施时，还可根据所述第一运行状态值或第二运行状态值的危急状态将所述预警信息分为多个级别等。

进一步地，为了便于后续的数据、文件等检索、查询，在本实施例中，可对接收到的运行数据等进行保存，具体地，在本实施例中，所述电网数据处理终端10感知并获取各电网业务系统运行过程中的运行数据；对所述运行数据进行解析以提取所述系统运行数据中的元数据和实体数据；将所述实体数据作为第一运行数据并保存至第一存储位置，将所述元数据以快速索引的方式对应保存至第二存储位置，所述元数据与所述实体数据一一对应。

其中，所述元数据包括但不限于文件大小、数据所有者、数据获取时间等。此外，当所述电网业务系统与所述电网数据处理终端10出现断网或者网络连接失败时，所述电网业务系统可以对需要发送的数据进行缓存，并在网络恢复时再次发送给所述电网数据处理终端10。

进一步地，根据实际需求，当用户需要查询电网业务系统的历史运行数据，可直接根据元数据进行对应查询，以大幅提高数据检索、查询效率。具体地，在本实施例中，所述电网数据处理终端10可接收用户文件检索指令并根据所述文件检索指令在存储有元数据的第一存储器中查找对应文件，将查询到的文件作为初始文件集；获取待检索文件对应的初始时间点和结束时间点，基于所述初始时间点和结束时间点从所述初始文件集中查寻出目标文件作。其中，由于根据所述元数据检索到的运行数据为多个，因此，可进一步地基于所述初始时间点和结束时间点帮助用户快速定位想要查询的数据文件。

请结合参阅图5，本发明实施例还提供一种可应用于所述电网数据处理终端10的基于态势感知的电网数据处理装置100。所述基于态势感知的电网数据处理装置100包括第一数据感知模块110、第一状态预测模块120、措施选取模块130、第二数据感知模块140、第二状态预测模块150和模型训练模块160。

所述第一数据感知模块110，用于感知各电网业务系统运行过程中的第一运行数据；本实施例中，关于所述第一数据感知模块110的描述具体可参考上述步骤s11的详细描述，也即，所述步骤s11可以由第一数据感知模块110执行，因而在此不作更多说明。

所述第一状态预测模块120，用于针对各电网业务系统，将所述第一运行数据作为神经网络模型的输入，以预测所述电网业务系统在下一时刻的第一运行状态值；本实施例中，关于所述第一状态预测模块120的描述具体可参考上述步骤s12的详细描述，也即，所述步骤s12可以由第一状态预测模块120执行，因而在此不作更多说明。

所述措施选取模块130，用于判断所述第一运行状态值是否满足预设需求，若不满足，则根据所述运行状态值从预设运行策略中选取对应的应对措施对所述电网业务系统进行维护。本实施例中，关于所述措施选取模块130的描述具体可参考上述步骤s13的详细描述，也即，所述步骤s13可以由措施选取模块130执行，因而在此不作更多说明。

所述第二数据感知模块140，用于接收在根据所述应对措施对所述电网业务系统进行维护后的预设时长内的所述电网业务系统的第二运行数据；本实施例中，关于所述第二数据感知模块140的描述具体可参考上述步骤s14的详细描述，也即，所述步骤s14可以由第二数据感知模块140执行，因而在此不作更多说明。

所述第二状态预测模块150，用于根据所述预设时长内的所述电网业务系统的第二运行数据的变化趋势判断所述应对措施是否有效；本实施例中，关于所述第二状态预测模块150的描述具体可参考上述步骤s15的详细描述，也即，所述步骤s15可以由第二状态预测模块150执行，因而在此不作更多说明。

所述模型训练模块160，用于若所述应对措施为无效，则以所述第二运行数据作为训练样本对所述神经网络模型进行训练，并基于训练后的神经网络模型进行电网数据处理。本实施例中，关于所述模型训练模块160的描述具体可参考上述步骤s16的详细描述，也即，所述步骤s16可以由模型训练模块160执行，因而在此不作更多说明。

综上所述，本发明实施例提供的一种基于态势感知的数据处理方法和装置，该方法基于当前时刻感知的电网业务系统的运行数据预测电网业务系统在下一时刻的运行状态，并在运行状态不满足需求时，进行系统维护和检修，能够有效确保电网业务系统运行过程中的可靠性，提高提高维护效率，降低维修成本，确保电网业务系统运行过程中的智能化、高效化。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、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，所述模块、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方式中，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，两个连续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动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。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的可选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。