面向配电网检修的运行数据处理方法、装置和计算机设备与流程

1.本技术涉及电力系统检修技术领域，特别是涉及一种面向配电网检修的运行数据处理方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.配电网的电力系统结构复杂，其运行往往会受到台风、地震等极端自然条件和用户使用习惯的影响，所以，电力系统需要频繁检修以维持高效运转。随着信息技术的发展，出现了越来越多的电力系统故障检修技术，以确保电力系统的正常运转。
3.目前，在进行电力系统的故障检修时，常常需要对电力系统的运行风险进行评估，为实行电力系统的故障检修提供依据。但是，传统技术对电力系统进行运行风险的评估时，只考虑了电力系统中各个设备的故障风险，并没有考虑各个设备的检修风险，即忽略了各个设备的检修数据，使得配电网的运行数据处理不够准确，无法提供更加有效的检修依据，使得检修效果不佳。
4.因此，传统技术中存在配电网运行数据处理不够准确的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种面向配电网检修的运行数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
6.一种面向配电网检修的运行数据处理方法，其特征在于，方法包括：
7.获取配电网对应的设备故障信息确定模型和设备检修信息确定模型；设备故障信息确定模型用于确定配电网中各设备的故障信息；设备检修信息确定模型用于确定配电网种各设备的检修信息；
8.分别对设备故障信息确定模型和设备检修信息确定模型进行模糊化处理，得到设备故障风险隶属信息确定模型和设备检修风险隶属信息确定模型；
9.获取配电网的历史运行数据，将历史运行数据输入至设备故障风险隶属信息确定模型，得到配电网对应的设备故障风险隶属信息，以及，将历史运行数据输入至设备检修风险隶属信息确定模型，得到配电网对应的设备检修风险隶属信息；
10.根据设备故障风险隶属信息和设备检修风险隶属信息，生成设备风险隶属向量；设备风险隶属向量用于表征配电网对应的设备风险对配电网的运行风险的隶属度；
11.根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行调整，得到配电网的运行风险信息。
12.在其中一个实施例中，根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行调整，得到配电网的运行风险信息，包括：
13.根据配电网的设备故障风险系数k和设备检修风险系数m，生成配电网的设备运行风险权值向量(k,m)；
14.根据设备运行风险权值向量(k,m)对设备风险隶属向量进行调整，得到配电网的
运行风险信息，运行风险信息表示为
15.rs＝(kr
f-l
+mr
m-l
)/2
16.其中，rs为配电网的风险指标，(r
f-l
,r
m-l
)为设备风险隶属向量。
17.在其中一个实施例中，设备故障信息确定模型表示为：
[0018][0019]
其中，rf为配电网的设备故障风险值，λi为配电网的设备i的故障率，单位为(次/年)，pi表示配电网的设备i的故障过程中的停电负荷，ti表示配电网的设备i的故障的预期停电时间，ci(t)表示配电网的设备i故障的单位容量下的预期停电损失，i
max
为配电网的设备的个数，t
max
为配电网的最大周期数。
[0020]
在其中一个实施例中，设备检修信息确定模型表示为：
[0021][0022]
其中，rm为配电网的设备检修风险值，p
mi
表示配电网的检修设备i的过程中的停电负荷，t
mi
表示配电网的检修过程中的停电负荷，c
mi
(t)表示配电网的检修设备i的过程中单位容量下的预期停电损失，c
mr
(t)表示配电网的检修设备i的所需要投入的资源成本，se(t)表示配电网的检修投入成本系数，当检修时段为夏季时，se(t)＝2，当检修时段为冬季时，se(t)＝1.5，其余季节时，se(t)＝1。
[0023]
在其中一个实施例中，设备故障风险隶属信息确定模型表示为：
[0024][0025]
其中，r
f-max
表示配电网的设备故障风险的最大值，表达式为：
[0026]rf-max
＝3ey*cy/k，
[0027]
其中，ey表示配电网的年平均缺电负荷，cy表示配电网的年平均电价，k表示配电网的年均停电次数；
[0028]
其中，r
f-min
表示配电网的故障风险的最小值，设置为0。
[0029]
在其中一个实施例中，设备检修风险隶属信息确定模型表示为：
[0030][0031]
其中，r
m-max
表示配电网的设备检修风险的最大值，表达式为：
[0032]rm-max
＝1.5ey*cy/k
[0033]
其中：ey表示配电网的年平均缺电负荷，cy表示配电网的年平均电价，k表示配电网的年均停电次数；
[0034]
其中，r
m-min
表示配电网的检修风险的最小值，设置为0。
[0035]
一种面向配电网检修的运行数据处理装置，其特征在于，装置包括：
[0036]
获取模块，用于获取配电网对应的设备故障信息确定模型和设备检修信息确定模型；设备故障信息确定模型用于确定配电网中各设备的故障信息；设备检修信息确定模型用于确定配电网种各设备的检修信息；
[0037]
模糊模块，用于分别对设备故障信息确定模型和设备检修信息确定模型进行模糊化处理，得到设备故障风险隶属信息确定模型和设备检修风险隶属信息确定模型；
[0038]
输入模块，用于获取配电网的历史运行数据，将历史运行数据输入至设备故障风险隶属信息确定模型，得到配电网对应的设备故障风险隶属信息，以及，将历史运行数据输入至设备检修风险隶属信息确定模型，得到配电网对应的设备检修风险隶属信息；
[0039]
生成模块，用于根据设备故障风险隶属信息和设备检修风险隶属信息，生成设备风险隶属向量；设备风险隶属向量用于表征配电网对应的设备风险对配电网的运行风险的隶属度；
[0040]
调整模块，用于根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行调整，得到配电网的运行风险信息。
[0041]
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，其特征在于，处理器执行计算机程序时实现上述的方法的步骤。
[0042]
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，计算机程序被处理器执行时实现上述的方法的步骤。
[0043]
一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现上述的方法的步骤。
[0044]
上述面向配电网检修的运行数据处理方法、装置、计算机设备、存储介质和计算机程序产品，通过获取配电网对应的设备故障信息确定模型和设备检修信息确定模型；设备故障信息确定模型用于确定配电网中各设备的故障信息；设备检修信息确定模型用于确定配电网种各设备的检修信息；再分别对设备故障信息确定模型和设备检修信息确定模型进行模糊化处理，得到设备故障风险隶属信息确定模型和设备检修风险隶属信息确定模型；再获取配电网的历史运行数据，将历史运行数据输入至设备故障风险隶属信息确定模型，得到配电网对应的设备故障风险隶属信息，以及，将历史运行数据输入至设备检修风险隶属信息确定模型，得到配电网对应的设备检修风险隶属信息；再根据设备故障风险隶属信息和设备检修风险隶属信息，生成设备风险隶属向量；设备风险隶属向量用于表征配电网对应的设备风险对配电网的运行风险的隶属度；最后，根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行调整，得到配电网的运行风险信息；如此，可以通过对配电网检修的运行数据进行处理，对影响配电网的运行风险的设备故障风险和设备检修风险进行综合考量，确定设备故障风险和设备检修风险对配电网的运行风险之间的函数关系，给出配电网运行风险的评估值，实现了对配电网运行风险的量化评价，在此基础上，还可以根据实际的设备故障风险情况和设备检修风险情况对配电网运行风险的重要程度确定相应的设备故障风险系数和设备检修风险系数，灵活调整设备风险隶属向量，对配电网地运行数据进行了更加精准的处理，更加合理地预测配电网的运行风险，能够为配电网的检修计划提供更加精确的检修依据。
附图说明
[0045]
图1为一个实施例中一种配电网检修的运行数据处理方法的应用环境图；
[0046]
图2为一个实施例中一种配电网检修的运行数据处理方法的流程示意图；
[0047]
图3为另一个实施例中一种配电网检修的运行数据处理方法的流程示意图；
[0048]
图4为一个实施例中一种面向配电网检修的运行数据处理装置的结构框图；
[0049]
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
[0050]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
[0051]
本技术提供的面向配电网检修的运行数据处理方法，可以应用于如图1所示的应用环境中。其中，终端102可以通过网络与服务器104进行通信。服务器104获取配电网对应的设备故障信息确定模型和设备检修信息确定模型；设备故障信息确定模型用于确定配电网中各设备的故障信息；设备检修信息确定模型用于确定配电网种各设备的检修信息；服务器104分别对设备故障信息确定模型和设备检修信息确定模型进行模糊化处理，得到设备故障风险隶属信息确定模型和设备检修风险隶属信息确定模型；服务器104获取配电网的历史运行数据，将历史运行数据输入至设备故障风险隶属信息确定模型，得到配电网对应的设备故障风险隶属信息，以及，将历史运行数据输入至设备检修风险隶属信息确定模型，得到配电网对应的设备检修风险隶属信息；服务器104根据设备故障风险隶属信息和设备检修风险隶属信息，生成设备风险隶属向量；设备风险隶属向量用于表征配电网对应的设备风险对配电网的运行风险的隶属度；服务器104根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行调整，得到配电网的运行风险信息。服务器104发送运行风险信息至终端102。实际应用中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
[0052]
在一个实施例中，如图2所示，提供了一种面向配电网检修的运行数据处理方法，以该方法应用于服务器为例进行说明，包括以下步骤：
[0053]
步骤s202，获取配电网对应的设备故障信息确定模型和设备检修信息确定模型；设备故障信息确定模型用于确定配电网中各设备的故障信息；设备检修信息确定模型用于确定配电网种各设备的检修信息。
[0054]
其中，故障信息可以是配电网中各个设备发生故障时的相关参数信息。例如，故障信息可以是各个设备的故障率、各个设备在故障过程的停电负荷、各个设备发生故障时的预期停电时间、各个设备故障的单位容量下的预期停电损失、设备的总个数和研究的最大周期。
[0055]
其中，检修信息可以是配电网中各个设备进行检修时的相关参数信息。例如，检修信息可以是检修过程中各个检修设备的停电负荷、配电网的停电时间、检修过程中各个检修设备的单位容量下的预期停电损失、检修过程中各个检修设备所需要投入的资源成本和检修过程中的检修投入成本系数。
[0056]
其中，设备故障信息确定模型可以是根据配电网中各个设备的故障信息所构建的
可以用于衡量配电网的设备故障风险的数学模型。例如，设备故障信息确定模型可以是用于计算配电网在研究周期内由于设备故障风险可能造成的经济损失的计算模型。
[0057]
其中，设备检修信息确定模型可以是根据配电网中各个设备的检修信息所构建的可以用于衡量配电网的设备检修风险的数学模型。例如，设备检修信息确定模型可以是用于计算配电网在研究周期内由于设备检修风险可能造成的经济损失的计算模型。
[0058]
具体实现中，服务器通过获取配电网对应的设备故障信息确定模型和设备检修信息确定模型，确定配电网中各个设备的故障信息和检修信息。
[0059]
例如，服务器通过获取配电网由于设备故障风险可能导致的经济损失的计算公式和由于设备检修风险可能导致的经济损失的计算公式，得到配电网由于设备故障风险可能导致的经济损失值和由于设备检修风险可能导致的经济损失值，即服务器得到配电网中对应的故障信息和检修信息。
[0060]
步骤s204，分别对设备故障信息确定模型和设备检修信息确定模型进行模糊化处理，得到设备故障风险隶属信息确定模型和设备检修风险隶属信息确定模型。
[0061]
其中，设备故障风险隶属信息确定模型可以是对设备故障信息确定模型进行模糊化后，得到的可以用于衡量设备故障风险信息属于配电网的运行风险信息这一模糊集合的真实程度的数学模型。例如，设备故障风险隶属信息确定模型可以用于对设备故障风险信息进行模糊化，并利用模糊化的设备故障风险信息衡量设备故障风险信息对配电网的运行风险信息的真实程度。
[0062]
其中，设备检修风险隶属信息确定模型可以是对设备检修信息确定模型进行模糊化后，得到的可以用于衡量设备检修风险信息属于配电网的运行风险信息这一模糊集合的真实程度的数学模型。例如，设备检修风险隶属信息确定模型可以用于对设备检修风险信息进行模糊化，并利用模糊化的设备检修风险信息衡量设备检修风险信息对配电网的运行风险信息的真实程度。
[0063]
具体实现中，服务器对配电网对应的设备故障信息确定模型进行模糊化，从而建立设备故障信息确定模型对应的隶属模型，生成对应的设备故障风险隶属信息确定模型，服务器再对配电网对应的设备检修信息确定模型进行模糊化，从而建立设备检修信息确定模型对应的隶属模型，生成对应的设备检修风险隶属信息确定模型。
[0064]
例如，服务器确定设备故障信息后，选取合适的模糊分布，服务器再基于模糊分布，对设备故障风险信息进行模糊化，从而服务器建立适合的隶属函数，同时，服务器确定设备检修信息后，选取合适的模糊分布，服务器再基于模糊分布，对设备检修风险信息进行模糊化，从而服务器建立适合的隶属函数。
[0065]
步骤s206，获取配电网的历史运行数据，将历史运行数据输入至设备故障风险隶属信息确定模型，得到配电网对应的设备故障风险隶属信息，以及，将历史运行数据输入至设备检修风险隶属信息确定模型，得到配电网对应的设备检修风险隶属信息。
[0066]
其中，设备故障风险隶属信息可以是用于衡量配电网的设备故障风险信息属于配电网的运行风险信息这一模糊集合的真实程度信息。
[0067]
其中，设备检修风险隶属信息可以是用于衡量配电网的设备检修风险信息属于配电网的运行风险信息这一模糊集合的真实程度信息。
[0068]
具体实现中，服务器获取配电网的历史运行数据，即配电网过去若干年的运行信
息，服务器再对历史运行数据进行处理，得到整理后的数据信息，服务器将数据信息输入至设备故障风险隶属信息确定模型，服务器再通过设备故障风险隶属信息确定模型输出设备故障风险隶属信息，同时，服务器将数据信息输入至设备检修风险隶属信息确定模型，服务器再通过设备故障风险隶属信息确定模型输出设备检修风险隶属信息。
[0069]
例如，服务器获取配电网若干年的运行信息，再对配电网若干年的运行信息进行处理，得到整理后的数据信息，服务器将数据信息代入设备故障风险隶属函数，服务器通过设备故障风险隶属函数将设备故障风险对配电网的运行风险的隶属度输出，同时，服务器将数据信息代入设备检修风险隶属函数，服务器通过设备检修风险隶属函数将设备检修风险对配电网的运行风险的隶属度输出。
[0070]
步骤s208，根据设备故障风险隶属信息和设备检修风险隶属信息，生成设备风险隶属向量；设备风险隶属向量用于表征配电网对应的设备风险对配电网的运行风险的隶属度。
[0071]
具体实现中，服务器根据设备故障风险隶属信息和设备检修风险隶属信息，确定设备故障风险和设备检修风险对配电网的运行风险的隶属度，服务器再将设备故障风险对配电网的运行风险的隶属度和设备检修风险对配电网的运行风险的隶属度生成设备风险隶属向量。
[0072]
步骤s210，根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行调整，得到配电网的运行风险信息。
[0073]
其中，设备故障风险系数可以是衡量设备故障风险对配电网的运行风险的重要程度的系数。
[0074]
其中，设备检修风险系数可以是衡量设备检修风险对配电网的运行风险的重要程度的系数。
[0075]
具体实现中，服务器根据实际情况和相关文献资料，确定配电网的设备故障风险系数和设备检修风险系数，服务器再将设备故障风险系数和设备检修风险系数对设备故障风险隶属信息和设备检修风险隶属信息进行调整，得到配电网的运行风险信息。
[0076]
例如，服务器根据实际情况和相关文献资料，确定配电网的设备故障风险系数为k，确定配电网的设备故障风险为l，服务器再将设备故障风险系数k和设备检修风险系数l对设备故障风险隶属信息r
f-l
和设备检修风险隶属信息r
m-l
进行调整，得到配电网的运行风险信息rs＝(kr
f-l
+lr
m-l
)/2。
[0077]
上述面向配电网检修的运行数据处理方法中，通过获取配电网对应的设备故障信息确定模型和设备检修信息确定模型；设备故障信息确定模型用于确定配电网中各设备的故障信息；设备检修信息确定模型用于确定配电网种各设备的检修信息；再分别对设备故障信息确定模型和设备检修信息确定模型进行模糊化处理，得到设备故障风险隶属信息确定模型和设备检修风险隶属信息确定模型；再获取配电网的历史运行数据，将历史运行数据输入至设备故障风险隶属信息确定模型，得到配电网对应的设备故障风险隶属信息，以及，将历史运行数据输入至设备检修风险隶属信息确定模型，得到配电网对应的设备检修风险隶属信息；再根据设备故障风险隶属信息和设备检修风险隶属信息，生成设备风险隶属向量；设备风险隶属向量用于表征配电网对应的设备风险对配电网的运行风险的隶属度；最后，根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行
调整，得到配电网的运行风险信息；如此，可以通过对配电网检修的运行数据进行处理，对影响配电网的运行风险的设备故障风险和设备检修风险进行综合考量，确定设备故障风险和设备检修风险对配电网的运行风险之间的函数关系，给出配电网运行风险的评估值，实现了对配电网运行风险的量化评价，在此基础上，还可以根据实际的设备故障风险情况和设备检修风险情况对配电网运行风险的重要程度确定相应的设备故障风险系数和设备检修风险系数，灵活调整设备风险隶属向量，对配电网地运行数据进行了更加精准的处理，更加合理地预测配电网的运行风险，能够为配电网的检修计划提供更加精确的检修依据。
[0078]
在另一个实施例中，根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行调整，得到配电网的运行风险信息，包括：根据配电网的设备故障风险系数k和设备检修风险系数m，生成配电网的设备运行风险权值向量(k,m)；根据设备运行风险权值向量(k,m)对设备风险隶属向量进行调整，得到配电网的运行风险信息，运行风险信息表示为
[0079]rs
＝(kr
f-l
+mr
m-l
)/2
[0080]
其中，rs为配电网的风险指标，(r
f-l
,r
m-l
)为设备风险隶属向量。
[0081]
本实施例的技术方案，通过根据实际的设备故障风险情况和设备检修风险情况对配电网运行风险的重要程度确定相应的设备故障风险系数和设备检修风险系数，能够灵活地调整设备风险隶属向量，能够更加准确地评估配电网的运行风险。
[0082]
在另一个实施例中，设备故障信息确定模型表示为：
[0083][0084]
其中，rf为配电网的设备故障风险值，λi为配电网的设备i的故障率，单位为(次/年)，pi表示配电网的设备i的故障过程中的停电负荷，ti表示配电网的设备i的故障的预期停电时间，ci(t)表示配电网的设备i故障的单位容量下的预期停电损失，i
max
为配电网的设备的个数，t
max
为配电网的最大周期数。
[0085]
在另一个实施例中，设备检修信息确定模型表示为：
[0086][0087]
其中，rm为配电网的设备检修风险值，p
mi
表示配电网的检修设备i的过程中的停电负荷，t
mi
表示配电网的检修过程中的停电负荷，c
mi
(t)表示配电网的检修设备i的过程中单位容量下的预期停电损失，c
mr
(t)表示配电网的检修设备i的所需要投入的资源成本，se(t)表示配电网的检修投入成本系数，当检修时段为夏季时，se(t)＝2，当检修时段为冬季时，se(t)＝1.5，其余季节时，se(t)＝1。
[0088]
在另一个实施例中，设备故障风险隶属信息确定模型表示为：
[0089][0090]
其中，r
f-max
表示配电网的设备故障风险的最大值，表达式为：
[0091]rf-max
＝3ey*cy/k
[0092]
其中，ey表示配电网的年平均缺电负荷，cy表示配电网的年平均电价，k表示配电网的年均停电次数；
[0093]
其中，r
f-min
表示配电网的故障风险的最小值，设置为0。
[0094]
在另一个实施例中，设备检修风险隶属信息确定模型表示为：
[0095][0096]
其中，r
m-max
表示配电网的设备检修风险的最大值，表达式为：
[0097]rm-max
＝1.5ey*cy/k
[0098]
其中：ey表示配电网的年平均缺电负荷，cy表示配电网的年平均电价，k表示配电网的年均停电次数；
[0099]
其中，r
m-min
表示配电网的检修风险的最小值，设置为0。
[0100]
在另一个实施例中，如图3所示，提供了一种面向配电网检修的运行数据处理方法，以该方法应用于服务器为例进行说明，包括以下步骤：
[0101]
步骤s302，获取配电网对应的设备故障信息确定模型和设备检修信息确定模型；设备故障信息确定模型用于确定配电网中各设备的故障信息；设备检修信息确定模型用于确定配电网种各设备的检修信息。
[0102]
步骤s304，分别对设备故障信息确定模型和设备检修信息确定模型进行模糊化处理，得到设备故障风险隶属信息确定模型和设备检修风险隶属信息确定模型。
[0103]
步骤s306，获取配电网的历史运行数据，将历史运行数据输入至设备故障风险隶属信息确定模型，得到配电网对应的设备故障风险隶属信息，以及，将历史运行数据输入至设备检修风险隶属信息确定模型，得到配电网对应的设备检修风险隶属信息。
[0104]
步骤s308，根据设备故障风险隶属信息和设备检修风险隶属信息，生成设备风险隶属向量；设备风险隶属向量用于表征配电网对应的设备风险对配电网的运行风险的隶属度。
[0105]
步骤s310，根据配电网的设备故障风险系数k和设备检修风险系数m，生成配电网的设备运行风险权值向量(k,m)。
[0106]
步骤s312，根据设备运行风险权值向量(k,m)对设备风险隶属向量进行调整，得到配电网的运行风险信息，运行风险信息表示为
[0107]rs
＝(kr
f-l
+mr
m-l
)/2
[0108]
其中，rs为配电网的风险指标，(r
f-l
,r
m-l
)为设备风险隶属向量。
[0109]
需要说明的是，上述步骤的具体限定可以参见上文对一种面向配电网检修的运行数据处理方法的具体限定。
[0110]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个
阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0111]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的面向配电网检修的运行数据处理方法的面向配电网检修的运行数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个面向配电网检修的运行数据处理装置实施例中的具体限定可以参见上文中对于面向配电网检修的运行数据处理方法的限定，在此不再赘述。
[0112]
在一个实施例中，如图4所示，提供了一种面向配电网检修的运行数据处理装置，包括：
[0113]
获取模块402，用于获取配电网对应的设备故障信息确定模型和设备检修信息确定模型；设备故障信息确定模型用于确定配电网中各设备的故障信息；设备检修信息确定模型用于确定配电网种各设备的检修信息；
[0114]
模糊模块404，用于分别对设备故障信息确定模型和设备检修信息确定模型进行模糊化处理，得到设备故障风险隶属信息确定模型和设备检修风险隶属信息确定模型；
[0115]
输入模块406，用于获取配电网的历史运行数据，将历史运行数据输入至设备故障风险隶属信息确定模型，得到配电网对应的设备故障风险隶属信息，以及，将历史运行数据输入至设备检修风险隶属信息确定模型，得到配电网对应的设备检修风险隶属信息；
[0116]
生成模块408，用于根据设备故障风险隶属信息和设备检修风险隶属信息，生成设备风险隶属向量；设备风险隶属向量用于表征配电网对应的设备风险对配电网的运行风险的隶属度；
[0117]
调整模块410，用于根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行调整，得到配电网的运行风险信息。
[0118]
在其中一个实施例中，根据配电网的设备故障风险系数和设备检修风险系数，对设备风险隶属向量进行调整，得到配电网的运行风险信息，调整模块410，具体用于根据配电网的设备故障风险系数k和设备检修风险系数m，生成配电网的设备运行风险权值向量(k,m)；根据设备运行风险权值向量(k,m)对设备风险隶属向量进行调整，得到配电网的运行风险信息，运行风险信息表示为
[0119]rs
＝(kr
f-l
+mr
m-l
)/2
[0120]
其中，rs为配电网的风险指标，(r
f-l
,r
m-l
)为设备风险隶属向量。
[0121]
在其中一个实施例中，获取模块302，设备故障信息确定模型表示为：
[0122][0123]
其中，rf为配电网的设备故障风险值，λi为配电网的设备i的故障率，单位为(次/年)，pi表示配电网的设备i的故障过程中的停电负荷，ti表示配电网的设备i的故障的预期停电时间，ci(t)表示配电网的设备i故障的单位容量下的预期停电损失，i
max
为配电网的设备的个数，t
max
为配电网的最大周期数。
[0124]
在其中一个实施例中，获取模块402，设备检修信息确定模型表示为：
[0125][0126]
其中，rm为配电网的设备检修风险值，p
mi
表示配电网的检修设备i的过程中的停电负荷，t
mi
表示配电网的检修过程中的停电负荷，c
mi
(t)表示配电网的检修设备i的过程中单位容量下的预期停电损失，c
mr
(t)表示配电网的检修设备i的所需要投入的资源成本，se(t)表示配电网的检修投入成本系数，当检修时段为夏季时，se(t)＝2，当检修时段为冬季时，se(t)＝1.5，其余季节时，se(t)＝1。
[0127]
在其中一个实施例中，模糊模块404，设备故障风险隶属信息确定模型表示为：
[0128][0129]
其中，r
f-max
表示配电网的设备故障风险的最大值，表达式为：
[0130]rf-max
＝3ey*cy/k
[0131]
其中，ey表示配电网的年平均缺电负荷，cy表示配电网的年平均电价，k表示配电网的年均停电次数；
[0132]
其中，r
f-min
表示配电网的故障风险的最小值，设置为0。
[0133]
在其中一个实施例中，模糊模块404，设备检修风险隶属信息确定模型表示为：
[0134][0135]
其中，r
m-max
表示配电网的设备检修风险的最大值，表达式为：
[0136]rm-max
＝1.5ey*cy/k
[0137]
其中：ey表示配电网的年平均缺电负荷，cy表示配电网的年平均电价，k表示配电网的年均停电次数；
[0138]
其中，r
m-min
表示配电网的检修风险的最小值，设置为0。
[0139]
上述面向配电网检修的运行数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0140]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储面向配电网检修的运行数据处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种面向配电网检修
的运行数据处理方法。
[0141]
本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0142]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述一种面向配电网检修的运行数据处理方法的步骤。此处一种面向配电网检修的运行数据处理方法的步骤可以是上述各个实施例的一种面向配电网检修的运行数据处理方法中的步骤。
[0143]
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述一种面向配电网检修的运行数据处理方法的步骤。此处一种面向配电网检修的运行数据处理方法的步骤可以是上述各个实施例的一种面向配电网检修的运行数据处理方法中的步骤。
[0144]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时，使得处理器执行上述一种面向配电网检修的运行数据处理方法的步骤。此处一种面向配电网检修的运行数据处理方法的步骤可以是上述各个实施例的一种面向配电网检修的运行数据处理方法中的步骤。
[0145]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0146]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0147]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0148]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员
来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。