1.本发明涉及电力运维技术领域，具体为一种基于电力运维的自主决策异常的处理方法。
背景技术：
2.电力运维：指专业队伍对电力线路，电力运行，电力抢修的维护。决策，是为了实现特定的目标，根据客观的可能性，在占有一定信息和经验的基础上，借助一定的工具、技巧和方法，对影响目标实现的诸因素进行分析、计算和判断选优后，对未来行动作出决定。自主决策，是数字化管理中一个重要特色。
3.现有的基于电力运维异常的处理方法，通常需要人工进行处理，效率较低，不能够针对异常情况进行及时的自动化健康诊断并给出决策处理方法，为此，我们提出一种基于电力运维的自主决策异常的处理方法。
技术实现要素：
4.针对现有技术的不足，本发明提供了一种基于电力运维的自主决策异常的处理方法，解决了上述背景技术中提出的问题。
5.为实现以上目的，本发明通过以下技术方案予以实现，一种基于电力运维的自主决策异常的处理方法，包括以下步骤：
6.s1、分析系统业务特征
7.分析电力运维的系统业务特征，将其分为周期性业务、核心业务以及常见阻碍性报障三大类；
8.s2、建设统一规则库模型与工具
9.构建可复用、灵活可配置的规则库模型与工具，将系统业务健康诊断、安全事件诊断涉及的各类型规则梳理集成到规则库中，支持阈值配置和对客户档案、用户行为、业务操作进行分析判断并提供建议解决方法，与各系统各环节实现集成协同，达到规则一次固化、多处复用的能力；
10.s3、构建业务健康诊断机制与工具
11.对周期性业务、核心业务以及常见阻碍性报障并对其异常状况机进行诊断，针对不同的模块事项进行分群设置再设立检测点，并基于具体的业务规则处理给出诊断说明，最后根据诊断说明给出预警措施以及处理方法。
12.可选的，所述步骤s3、构建业务健康诊断机制与工具包括以下具体步骤：
13.(1)、业务规则配置
14.实现周期性业务、核心业务、常见阻碍性保障共44项业务规则校验，基于python语言，对三大类中的44项业务规则分别开发独立的服务；现不停机更新部署，方便后期业务规则新增引起的系统停机造成的影响；
15.分群，针对于每一条核查规则，对周期性业务、核心业务、常见阻碍性保障三个大
类再根据模块进行分群设置；划分后核查规则库中的规则归属于不同的分群；当符合分群要求的数据进行核查时，对应分群的规则生效，其他不生效；
16.检测点，每一条核查规则，都配置对应的检测点，让每一个核查规则“动起来”，并支持一条核查规则配置多种检测点；通过设定检测点生效时间，来启用该检测点；
17.(2)、基于具体规则的业务处理措施维护
18.针对每一个规则分群，都要支持以下功能维护，实现业务规则处理精细化、定制化管理；
19.短信模板维护：定制化短信模板维护，针对每一个业务规则都支持定制化内容发送，一对一服务；
20.通知方式维护：可以支持维护微信、掌厅app、短信等多渠道通知方式维护，一但规则校验不通过，告知信息就按照设定的同事方式实现信息推送；
21.响应优先级：根据规则检测点的匹配数量，制定响应优先级设定。例如：月初实收规则中只有检测点1中的内容存在问题，执行一级响应策略；如果检测点1和检测点2都发现有问题，执行二级响应策略；
22.问题处理角色维护：根据不同级别的响应优先级，分别设定对应的处理角色；
23.(3)、业务监控告警
24.以月初实收规则为例说明：采用定时任务，在每月规定日期的设定时间点，定时调用python服务，实现业务规则校验，如达到完成率，自动进行监测点的触发响应策略，检测各个监测点内容，确定具体未达到完成率的原因；基于短信模板自动填入用户信息和原因构建通知短信；
25.(4)、业务趋势分析算法
26.根据规则统计分析结果，针对某一类业务发展趋势使用趋势分析算法进行增长趋势分析；趋势分析算法具体包括：趋势平均预测法、指数平滑预测法和直线趋势预测法；
27.趋势预测算法的主要优点是考虑时间序列发展趋势，使预测结果能更好地符合实际；根据对准确程度要求不同，可选择一次或二次移动平均值来进行预测；首先是分别移动计算相邻数期的平均值，其次确定变动趋势和趋势平均值，最后以最近期的平均值加趋势平均值与距离预测时间的期数的乘积，即得预测值。
28.可选的，所述趋势平均预测法的算法公式为：
29.预测业务量＝基期业务量移动平均值+基期趋势值移动平均值*基期与预测期的时间间隔；
30.某期的趋势值＝该期业务量移动平均值-上期业务量移动平均值；
31.基期趋势值移动平均值＝最后一个移动期趋势值之和/趋势值移动的期数。
32.可选的，所述指数平滑预测法的基本公式是：
33.s
t
＝a
·yt
+(1-a)s
t-1
34.st:时间t的平滑值；yt:时间t的实际值；st&#8722；1:时间t-1的平滑值；a:平滑常数，其取值范围为[0,1]。
[0035]
可选的，所述直线趋势预测法的步骤为：
[0036]
利用已知数据绘图，确定直线趋势；
[0037]
求变动趋势直线，可以用直观法，也可以用最小二乘法；
[0038]
利用变动趋势直线的延伸，确定预测值。
[0039]
可选的，所述短信处理服务描述能够实现统一短信通知模板的维护功能，支持用户定制信息，自动自动填入。
[0040]
所述短信通知模板如下：
[0041]“您当前办理的[业务子类]业务,工作单号[工作单编号]，在[环节名称]环节，存在[业务异常情况描述]，请及时检查当前工单环节信息，确认业务异常是否存在，请及时处理”。
[0042]
本发明提供了一种基于电力运维的自主决策异常的处理方法，具备以下有益效果：该基于电力运维的自主决策异常的处理方法，将电力运维分为周期性业务、核心业务、常见阻碍性保障共44项业务，能够基于python语言，对三大类中的44项业务规则分别开发独立的服务，能够对周期性业务、核心业务以及常见阻碍性报障并对其异常状况机进行诊断，针对不同的模块事项进行分群设置再设立检测点，并基于具体的业务规则处理给出诊断说明，最后根据诊断说明给出预警措施以及处理方法，实现自主决策，并且还具备短信模板维护的功能，同时支持持维护微信、掌厅app、短信等多渠道通知方式维护，并且能够基于不同的优先级分别设定对应的处理，此外还具备业务监控告警的功能，能够根据业务发展趋势进行增长趋势分析。
具体实施方式
[0043]
下面将结合本发明的具体实施例，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。
[0044]
一种基于电力运维的自主决策异常的处理方法，包括以下步骤：
[0045]
s1、分析系统业务特征
[0046]
分析电力运维的系统业务特征，将其分为周期性业务、核心业务以及常见阻碍性报障三大类；
[0047]
s2、建设统一规则库模型与工具
[0048]
构建可复用、灵活可配置的规则库模型与工具，将系统业务健康诊断、安全事件诊断涉及的各类型规则梳理集成到规则库中，支持阈值配置和对客户档案、用户行为、业务操作进行分析判断并提供建议解决方法，与各系统各环节实现集成协同，达到规则一次固化、多处复用的能力；
[0049]
s3、构建业务健康诊断机制与工具
[0050]
对周期性业务、核心业务以及常见阻碍性报障并对其异常状况机进行诊断，针对不同的模块事项进行分群设置再设立检测点，并基于具体的业务规则处理给出诊断说明，最后根据诊断说明给出预警措施以及处理方法。
[0051]
步骤s3、构建业务健康诊断机制与工具包括以下具体步骤：
[0052]
(1)、业务规则配置
[0053]
实现周期性业务、核心业务、常见阻碍性保障共44项业务规则校验，基于python语言，对三大类中的44项业务规则分别开发独立的服务；现不停机更新部署，方便后期业务规则新增引起的系统停机造成的影响；
[0054]
分群，针对于每一条核查规则，对周期性业务、核心业务、常见阻碍性保障三个大
类再根据模块进行分群设置；划分后核查规则库中的规则归属于不同的分群；当符合分群要求的数据进行核查时，对应分群的规则生效，其他不生效；
[0055]
检测点，每一条核查规则，都配置对应的检测点，让每一个核查规则“动起来”，并支持一条核查规则配置多种检测点；通过设定检测点生效时间，来启用该检测点；
[0056]
(2)、基于具体规则的业务处理措施维护
[0057]
针对每一个规则分群，都要支持以下功能维护，实现业务规则处理精细化、定制化管理；
[0058]
短信模板维护：定制化短信模板维护，针对每一个业务规则都支持定制化内容发送，一对一服务；
[0059]
通知方式维护：可以支持维护微信、掌厅app、短信等多渠道通知方式维护，一但规则校验不通过，告知信息就按照设定的同事方式实现信息推送；
[0060]
响应优先级：根据规则检测点的匹配数量，制定响应优先级设定。例如：月初实收规则中只有检测点1中的内容存在问题，执行一级响应策略；如果检测点1和检测点2都发现有问题，执行二级响应策略；
[0061]
问题处理角色维护：根据不同级别的响应优先级，分别设定对应的处理角色；
[0062]
(3)、业务监控告警
[0063]
以月初实收规则为例说明：采用定时任务，在每月规定日期的设定时间点，定时调用python服务，实现业务规则校验，如达到完成率，自动进行监测点的触发响应策略，检测各个监测点内容，确定具体未达到完成率的原因；基于短信模板自动填入用户信息和原因构建通知短信；
[0064]
(4)、业务趋势分析算法
[0065]
根据规则统计分析结果，针对某一类业务发展趋势使用趋势分析算法进行增长趋势分析；趋势分析算法具体包括：趋势平均预测法、指数平滑预测法和直线趋势预测法；
[0066]
趋势预测算法的主要优点是考虑时间序列发展趋势，使预测结果能更好地符合实际；根据对准确程度要求不同，可选择一次或二次移动平均值来进行预测；首先是分别移动计算相邻数期的平均值，其次确定变动趋势和趋势平均值，最后以最近期的平均值加趋势平均值与距离预测时间的期数的乘积，即得预测值。
[0067]
趋势平均预测法的算法公式为：
[0068]
预测业务量＝基期业务量移动平均值+基期趋势值移动平均值*基期与预测期的时间间隔；
[0069]
某期的趋势值＝该期业务量移动平均值-上期业务量移动平均值；
[0070]
基期趋势值移动平均值＝最后一个移动期趋势值之和/趋势值移动的期数。
[0071]
指数平滑预测法的基本公式是：
[0072]st
＝a
·yt
+(1-a)s
t-1
[0073]
st:时间t的平滑值；yt:时间t的实际值；st&#8722；1:时间t-1的平滑值；a:平滑常数，其取值范围为[0,1]。
[0074]
直线趋势预测法的步骤为：
[0075]
利用已知数据绘图，确定直线趋势；
[0076]
求变动趋势直线，可以用直观法，也可以用最小二乘法；
[0077]
利用变动趋势直线的延伸，确定预测值。
[0078]
短信处理服务描述能够实现统一短信通知模板的维护功能，支持用户定制信息，自动自动填入。
[0079]
短信通知模板如下：
[0080]“您当前办理的[业务子类]业务,工作单号[工作单编号]，在[环节名称]环节，存在[业务异常情况描述]，请及时检查当前工单环节信息，确认业务异常是否存在，请及时处理”。
[0081]
综上，该基于电力运维的自主决策异常的处理方法，使用时基于电力运维的自主决策异常的处理方法包括以下具体步骤：
[0082]
s1、分析系统业务特征：分析电力运维的系统业务特征，将其分为周期性业务、核心业务以及常见阻碍性报障三大类；
[0083]
s2、建设统一规则库模型与工具：构建可复用、灵活可配置的规则库模型与工具，将系统业务健康诊断、安全事件诊断涉及的各类型规则梳理集成到规则库中，支持阈值配置和对客户档案、用户行为、业务操作进行分析判断并提供建议解决方法，与各系统各环节实现集成协同，达到规则一次固化、多处复用的能力；
[0084]
s3、构建业务健康诊断机制与工具：对周期性业务、核心业务以及常见阻碍性报障并对其异常状况机进行诊断，针对不同的模块事项进行分群设置再设立检测点，并基于具体的业务规则处理给出诊断说明，最后根据诊断说明给出预警措施以及处理方法。
[0085]
(1)、业务规则配置：实现周期性业务、核心业务、常见阻碍性保障共44项业务规则校验，基于python语言，对三大类中的44项业务规则分别开发独立的服务；现不停机更新部署，方便后期业务规则新增引起的系统停机造成的影响；分群，针对于每一条核查规则，对周期性业务、核心业务、常见阻碍性保障三个大类再根据模块进行分群设置；划分后核查规则库中的规则归属于不同的分群；当符合分群要求的数据进行核查时，对应分群的规则生效，其他不生效；检测点，每一条核查规则，都配置对应的检测点，让每一个核查规则“动起来”，并支持一条核查规则配置多种检测点；通过设定检测点生效时间，来启用该检测点；
[0086]
(2)、基于具体规则的业务处理措施维护：针对每一个规则分群，都要支持以下功能维护，实现业务规则处理精细化、定制化管理；短信模板维护：定制化短信模板维护，针对每一个业务规则都支持定制化内容发送，一对一服务；短信处理服务描述能够实现统一短信通知模板的维护功能，支持用户定制信息，自动自动填入；短信通知模板如下：“您当前办理的[业务子类]业务,工作单号[工作单编号]，在[环节名称]环节，存在[业务异常情况描述]，请及时检查当前工单环节信息，确认业务异常是否存在，请及时处理”；通知方式维护：可以支持维护微信、掌厅app、短信等多渠道通知方式维护，一但规则校验不通过，告知信息就按照设定的同事方式实现信息推送；响应优先级：根据规则检测点的匹配数量，制定响应优先级设定。例如：月初实收规则中只有检测点1中的内容存在问题，执行一级响应策略；如果检测点1和检测点2都发现有问题，执行二级响应策略；问题处理角色维护：根据不同级别的响应优先级，分别设定对应的处理角色；
[0087]
(3)、业务监控告警：以月初实收规则为例说明：采用定时任务，在每月规定日期的设定时间点，定时调用python服务，实现业务规则校验，如达到完成率，自动进行监测点的触发响应策略，检测各个监测点内容，确定具体未达到完成率的原因；基于短信模板自动填
入用户信息和原因构建通知短信；
[0088]
(4)、业务趋势分析算法：根据规则统计分析结果，针对某一类业务发展趋势使用趋势分析算法进行增长趋势分析；
[0089]
趋势分析算法具体包括：趋势平均预测法、指数平滑预测法和直线趋势预测法；趋势预测算法的主要优点是考虑时间序列发展趋势，使预测结果能更好地符合实际；根据对准确程度要求不同，可选择一次或二次移动平均值来进行预测；首先是分别移动计算相邻数期的平均值，其次确定变动趋势和趋势平均值，最后以最近期的平均值加趋势平均值与距离预测时间的期数的乘积，即得预测值；
[0090]
趋势平均预测法的算法公式为：预测业务量＝基期业务量移动平均值+基期趋势值移动平均值*基期与预测期的时间间隔；某期的趋势值＝该期业务量移动平均值-上期业务量移动平均值；
[0091]
基期趋势值移动平均值＝最后一个移动期趋势值之和/趋势值移动的期数。指数平滑预测法的基本公式是：s
t
＝a
·yt
+(1-a)s
t-1
[0092]
st:时间t的平滑值；yt:时间t的实际值；st&#8722；1:时间t-1的平滑值；a:平滑常数，其取值范围为[0,1]。
[0093]
直线趋势预测法的步骤为：利用已知数据绘图，确定直线趋势；求变动趋势直线，可以用直观法，也可以用最小二乘法；利用变动趋势直线的延伸，确定预测值。
[0094]
以上所述，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。