基于云计算的输电线路工作票智能开票流程自动化系统的制作方法

本发明涉及云计算，尤其涉及基于云计算的输电线路工作票智能开票流程自动化系统。

背景技术：

1、

2、随着云计算的发展,面对着种种困难和挑战，电力行业如何利用云计算技术和人工智能技术来实现输电线路工作票开票流程的自动化和智能化是目前面临的问题。

技术实现思路

1、本发明针对现有技术中存在的技术问题，提供基于云计算的输电线路工作票智能开票流程自动化系统，对工作票中的图片进行图像识别和处理，实现自动化的设备状态检测，以解决上述背景技术中提出的问题。

2、本发明解决上述技术问题的技术方案如下：基于云计算的输电线路工作票智能开票流程自动化系统，具体包括流程控制模块、信息分析模块、风险点识别模块、图像识别与处理模块、屏柜位置模块、点选屏柜模块，以及实时监控与反馈模块；

3、流程控制模块：用于根据预设的工作票审核流程，自动分配审批人员并发送通知，实现工作票的自动流转和审批过程；

4、信息分析模块：用于对工作票中的文字描述进行自然语言处理，提取关键信息，进行智能化的分析；

5、风险点识别模块：用于基于信息分析模块，构建分类模型，自动识别工作任务中的风险点，判断安全措施是否合规；

6、图像识别与处理模块：用于对工作票中的图片进行图像识别和处理，实现自动化的设备状态检测；

7、屏柜位置模块：用于在绘制好的变电站实际屏柜位置图上点选进行工作的屏柜，通过颜色的深浅来区分点到的位置和没有进行操作的位置；

8、点选屏柜模块：用于根据屏柜之间的相对位置关系，在用户点选某个屏柜时，自动识别其相邻的屏柜，生成并显示这些屏柜的详细信息；

9、实时监控与反馈模块：用于将系统与实时监控设备进行对接，实时获取线路状态信息，并将相关信息反馈给工作票填写人员，保证工作票的准确性和安全性。

10、在一个优选地实施方式中，所述流程控制模块，根据预设的工作票审核流程，自动分配审批人员并发送通知，实现工作票的自动流转和审批过程，具体包括以下步骤：

11、步骤1、预设审核流程：管理员在系统中预设工作票的审核流程，包括审批的各个环节和对应的审批人员，将角色定义为初审人员、中审人员以及终审人员，通过角色指定审批人员，减少流程变更时的操作成本；

12、步骤2、工作票提交：完成步骤1预设审核流程后，当用户提交一个新的工作票后，系统接收到工作票的信息，并将其状态设置为待审批，根据预设的审核流程，自动分配下一步的审批人员；

13、步骤3、审批人员通知：完成步骤2工作票提交后，系统根据分配的审批人员信息，发送通知给工作人员，通过邮件、短信以及即时通讯工具方式进行，提醒审批人员进行审批操作；

14、步骤4、审批过程处理：完成步骤3审批人员通知后，登录系统进行审批操作，系统应该提供相应的界面，展示待审批的工作票信息和相关内容，通过查看工作内容、安全措施信息，根据实际情况进行通过、拒绝、驳回审批操作；

15、步骤5、自动流转：完成步骤4审批过程处理后，根据审批结果，系统自动将工作票流转到下一个环节的审批人员，当某个环节的审批被拒绝、驳回，系统通知提交人员，并提供修改的机会；

16、步骤6、完成审批：完成步骤5自动流转后，当工作票顺利通过所有审批环节之后，系统将工作票状态设置为已完成，并通知工作人员，并生成审批记录和相关报表，用于跟踪和统计审批情况。

17、在一个优选地实施方式中，所述信息分析模块，对工作票中的文字描述进行自然语言处理，提取关键信息，进行智能化的分析，具体包括以下步骤：

18、步骤1、文本预处理：对文字描述进行预处理，将文字描述按照词语进行切分，把句子划分为单个短语，并将特殊字符和标点符号去除，减少对后续处理的干扰；

19、步骤2、实体识别：完成步骤1文本预处理后，使用命名实体识别技术，标识文本中的关键实体，对包含工作票编号、工作内容、工作时间关键实体的语料库，利用支持向量机算法进行分类和标注，具体计算公式如下：

20、yh＝sign(wtx+b)

21、其中，yh表示分类结果，w表示权重向量，t表示参数，x表示特征向量，b表示偏置项，sign表示符号函数，将线性组合的结果映射到类别标签的预测结果上；

22、步骤3、信息提取：完成步骤2实体识别后，根据预定义的模板，从经过预处理和实体识别的文本中提取关键信息，使用关键词匹配技术来提取工作内容、工作时间信息，通过比较两个文本之间的相似度，进行文本分类和信息检索，具体计算公式为：

23、

24、其中，q表示相似度，a和b分别表示两个文本的向量表示，"·"表示内积运算，"|"表示向量的模。

25、在一个优选地实施方式中，所述风险点识别模块，基于信息模块进行工作票关键信息提取后，使用朴素贝叶斯算法构建分类模型，自动识别工作任务中的风险点，判断安全措施是否合规，具体包括以下步骤：

26、步骤1、特征提取：收集带有标注的工作任务描述数据，包括工作类型、设备名称、工作区域以及关键词信息，将文本数据转换成特征向量表示，使用词袋模型，统计每个样本中每个单词的出现频率，形成特征向量，具体包括：

27、令d＝{d1,d2,...,dn}表示样本集合，其中di表示第i个样本，v＝{w1,w2,...,wm}表示全体单词集合，其中wj表示第j个单词，对于一个样本d，统计其包含v中每个单的出现次数，得到一个长度为m的向量xi＝(xi1,xi2,...,xim)，其中xij表示单词wj在样本di中出现的次数；

28、将所有样本的词向量堆叠在一起，得到一个n×m的特征矩阵x，其中，每行表示一个样本的词向量，每列表示单词出现的频率；

29、步骤2、分类模型：完成步骤1特征提取后，将标注好的数据集划分为训练集和测试集，使用训练集来训练朴素贝叶斯分类器，定义特征之间相互独立，根据特征的条件概率估计来进行分类，具体步骤如下：

30、步骤201、对于有c个类别，d表示训练集，x表示特征矩阵，y表示训练集对应的类别标签，计算先验概率p(y＝c)，具体计算公式如下：

31、

32、其中，i(yi＝c)表示指示函数，当yi＝c时为1，否则为0，n表示训练集中样本的总数；

33、步骤202、对于特征矩阵x的每个特征xj，计算每个类别在该特征上的条件概率分布p(xj|y＝c)，具体计算公式如下：

34、

35、其中，i(xij＝1andyi＝c)表示指示函数，当xij＝1andyi＝c时为1，否则为0；α是拉普拉斯平滑系数，避免出现概率为0；|x|表示特征维度的总数。

36、步骤203、对于一个新的样本特征向量x，计算该样本属于每个类别的后验概率p(y＝c|x)，具体计算公式如下：

37、

38、其中，m表示特征维度的总数；

39、步骤204、选取具有最大后验概率的类别作为预测结果，具体计算公式如下：

40、

41、其中，表示训练集对应的类别标签，包括风险点和非风险点两类；

42、步骤3、模型应用：完成步骤2分类模型后，使用训练好的朴素贝叶斯分类模型来预测新的工作任务描述的风险点，将新描述转换为特征向量形式，通过模型进行分类预测，判断该工作任务是否存在风险点。

43、在一个优选地实施方式中，所述图像识别与处理模块，对工作票中的图片进行图像识别和处理，实现自动化的设备状态检测，具体包括以下步骤：

44、步骤1、图像分类：使用目标检测模型对工作票中的图片进行设备、线路关键元素的实体识别，通过训练和推理，识别出感兴趣的对象，使用损失函数focal loss，解决目标检测中类别不平衡问题，具体计算公式如下：

45、fl(p_t)＝-(1-p_t)gamma×log(p_t)

46、其中，p_t表示模型预测目标的概率，gamma表示一个可调参数；

47、当目标类别很少时，p_t很小，(1-p_t)gamma接近1，损失函数的权重较小；

48、当目标类别很多时，p_t较大，(1-p_t)gamma接近0，损失函数的权重较大；

49、步骤2、设备状态检测：完成步骤1图像分类后，将设备状态检测的输入为一个图像x，通过堆叠多个卷积层、池化层和全连接层，构建深度的卷积神经网络，实现设备状态检测的任务，具体步骤如下：

50、步骤201、卷积层具体计算公式如下：

51、z_l＝convolve(a_l,w_l)+b_l

52、a_l+1＝f(z_l)

53、其中，z_l表示神经元的输出，convolve()表示卷积操作，a_l表示输入特征图，w_l表示卷积核，b_l表示偏置项，l表示层数，f表示激活函数；

54、步骤202、池化层具体计算公式如下：

55、a_l+1＝pool(a_l)

56、其中，a表l表示输入特征图，pool()表示池化操作，l表示层数；

57、步骤203、全连接层：将每个神经元与上一层所有神经元连接，通过权重矩阵进行线性变换，激活函数f引入非线性映射，具体计算公式如下：

58、z_l＝w_l×a_l+b_l

59、a_l+1＝f(z_l)

60、y＝g(z_l)

61、其中，a_l表示输入向量，w_l表示权重矩阵，b_l表示偏置项，l表示层数，g表示激活函数。

62、在一个优选地实施方式中，所述屏柜位置模块，在绘制好的变电站实际屏柜位置图上点选进行工作的屏柜，通过颜色的深浅来区分点到的位置和没有进行操作的位置，具体包括以下步骤：

63、步骤1、收集信息：从设计文件和现场勘测中获取与变电站相关的平面图、线路图以及屏柜布置图资料，根据所收集到的资料，在绘图软件上绘制出变电站的基本框架，包括外围边界、主要建筑物、道路以及周边环境，根据屏柜布置图和线路图，用不同的符号标注主要的设备和线路，包括变压器、断路器以及隔离开关进行区分；

64、步骤2、绘制变电站实际屏柜位置图：完成步骤1收集信息后，根据屏柜布置图，使用矩形表示屏柜，在绘图软件上绘制每个屏柜的位置，并为每个屏柜标注一个唯一的编号，包括屏柜型号、容量以及用途的详细信息；

65、步骤3、点选进行工作的屏柜：完成步骤2绘制变电站实际屏柜位置图后，利用计算机绘图软件，使用椭圆形在实际屏柜位置图上对正在工作的屏柜进行标注，具体包括：

66、对于已经点选进行工作的屏柜，将标记的颜色加深，区别还未进行操作的屏柜；

67、对于暂时不需要进行工作的屏柜，在标记上添加说明，包括“停用”、“检修”字样，帮助工作人员清晰地了解每个屏柜的工作状态。

68、在一个优选地实施方式中，所述点选屏柜模块，将变电站实际屏柜位置图导入计算机辅助软件，对每个屏柜进行详细信息录入，包括屏柜名称、型号、容量、用途，同时记录各屏柜之间的相对位置关系，根据屏柜之间的相对位置关系，在用户点选某个屏柜时，自动识别其相邻的屏柜，生成并显示这些屏柜的详细信息，具体步骤如下：

69、步骤1、确定屏柜的位置坐标：为每个屏柜确定其在变电站布局图中的位置坐标，使用二维坐标系，以左上角的屏柜为原点，水平方向为x轴，垂直方向为y轴；

70、步骤2、计算相对位置：完成步骤1确定屏柜的位置坐标后，对于用户点选的某一个屏柜a，遍历其他所有的屏柜b，计算屏柜a与屏柜b的相对位置关系，使用曼哈顿距离度量方法进行计算，具体计算公式如下：

71、distance＝|x_b-x_a|+|y_b-y_a|

72、其中，(x_a,y_a)表示屏柜a的坐标，(x_b,y_b)表示屏柜b的坐标，distance表示两个屏柜之间的距离；

73、步骤3、筛选相邻屏柜：完成步骤2计算相对位置后，通过设定最小距离阈值，筛选出与屏柜a相邻的屏柜，当屏柜b的距离小于阈值，判断屏柜b与屏柜a相邻；

74、步骤4、生成详细信息：完成步骤3筛选相邻屏柜后，根据其具体的屏柜编号，在数据库中获取其详细信息，包括型号、容量、用途，并将这些信息显示给用户。

75、在一个优选地实施方式中，所述实时监控与反馈模块，将系统与实时监控设备进行对接，实时获取线路状态信息，并将相关信息反馈给工作票填写人员，保证工作票的准确性和安全性，具体步骤如下：

76、步骤1、获取线路状态信息：将传感器与系统进行接口对接，通过轮询方式，设置一个周期性的时间间隔，每隔1秒进行一次查询，在每个时间间隔内向监控设备发送请求，并获取响应数据，实时从监控设备中获取线路状态的电流、电压、温度以及湿度信息；

77、步骤2、线路异常检测：完成步骤1获取线路状态信息后，通过历史数据分析，预测未来某一时刻的电流、电压、温度和湿度，将预测值作为参考，动态调整阈值，根据预设的阈值进行异常检测，识别线路是否存在异常情况，具体包括以下步骤：

78、步骤201、使用指数加权移动平均来计算预测值并调整阈值，选择一个平滑因子α，表示最近数据的权值占比，将历史数据按时间顺序进行加权移动平均计算，对于每个时间点t，预测值y_t是由历史数据和当前数据进行加权平均得到的，具体计算公式如下：

79、y_t＝α×x_t+(1-α)×y_{t-1}

80、其中，y_t表示时间点t的指数加权移动平均值，x_t表示时间点t的数据，y_{t-1}表示前一个时间点的指数加权移动平均值，α表示平滑因子，范围为(0＜α＜1)；

81、步骤202、设置一个可调节的参数k，用于调整阈值的灵敏度，在平均值的基础上加上k倍的标准差作为阈值，具体计算公式如下：

82、

83、

84、其中，s上表示上限阈值，s下表示下限阈值，表示均值，s标表示标准差；

85、在每个新的时间点下，使用当前数据与阈值进行比较，判断线路是否存在异常情况；

86、步骤3、触发工作票流程：完成步骤2线路异常检测后，根据检测到线路状态异常情况，触发工作票流程，将相关的线路状态信息传递给工作票填写人员，提醒其发起相应的工作票；

87、步骤4、工作票填写：完成步骤3触发工作票流程后，工作票填写人员根据接收到的线路状态信息，进行工作票的填写，准确地描述工作内容、工作范围和安全注意事项。

88、本发明的有益效果是：根据预设的工作票审核流程，自动分配审批人员并发送通知，对工作票中的文字描述进行处理，提取关键信息，通过构建分类模型，自动识别工作任务中的风险点，判断安全措施是否合规，对工作票中的图片进行图像识别和处理，实现自动化的设备状态检测，在绘制好的变电站实际屏柜位置图上点选进行工作的屏柜，通过颜色的深浅来区分点到的位置和没有进行操作的位置，根据屏柜之间的相对位置关系，自动识别用户点选某个屏柜的相邻屏柜，将系统与实时监控设备进行对接，实时获取线路状态信息，并将相关信息反馈给工作票填写人员，保证工作票的准确性和安全性。