[發明專利]一種運維輔助標簽的生成方法及系統

有效

• 申請號: 201811183792.5
• 申請日: 2018-10-11
• 公開（公告）號: CN109615086B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 嚴俊;周俊;徐帥;徐世予;蔣群;胡斌;王曉寅;余圣彬;熊劍峰;陸大勇;江婷;汪如毅;賀樂華;潘艷紅;陳麗春;邵星馳
• 申請（專利權）人: 國網浙江省電力有限公司電力科學研究院;國網浙江省電力有限公司衢州供電公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q50/06;G06K9/62
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 尉偉敏

1.一種運維輔助標簽的生成方法，其特征在于，

包括以下步驟：

A）建立數據服務器，導入區域電網供電設備的臺賬信息和歷史信息；

B）運維人員現場維護時，采集設備信息并設置標簽，并將信息以及標簽回傳到數據服務器；

C）建立神經網絡模型，將前N個標簽與設備信息關聯后作為樣本數據訓練該神經網絡模型；

D）后續同類設備現場維護后，運維人員上傳設備信息及標簽，將設備信息更新后并代入步驟C中的神經網絡模型，得出模型標簽，若模型標簽與運維人員上傳的標簽相同則模型正確次數加1，反之則模型錯誤次數加1且將運維人員上傳標簽作為目標結果調整神經網絡模型；

E）若在統計周期內模型正確率達到設定閾值，則將全部同類設備的信息代入所述神經網絡模型，將神經網絡模型輸出結果作為對應設備的標簽；

當某個標簽對應的神經網絡模型在N+M個樣本數據訓練后，其統計周期內正確率低于設定閾值，則執行以下步驟：

C1）從N+M個樣本數據中取出H個樣本數據，區分樣本數據中數據量字段以及狀態量字段，將數據量字段按數值區間分段處理轉化為狀態量字段，將全部狀態量字段拆分成n個的布爾值字段，n為狀態量字段可取值的數量；

C2）將樣本數據的數據量字段兩兩之間相加、相減、相除以及相乘的結果添加為新的數據字段；

C3）計算H個樣本數據經處理后每個字段之間的相似度，將相似度高于設定閾值的字段作為參考字段；

C4）獲取N+M個樣本數據的參考字段，與標簽關聯后作為新的樣本數據重新訓練神經網絡模型，而后返回步驟D繼續執行。

2.根據權利要求1所述的一種運維輔助標簽的生成方法，其特征在于，

所述標簽反映面向運維的設備特征信息，所述標簽包括現狀標簽和過程標簽，所述現狀標簽表征現場數據特征，所述過程標簽表征涉及設備歷史工作狀態的特征。

3.根據權利要求2所述的一種運維輔助標簽的生成方法，其特征在于，

所述現狀標簽由運維人員由設備現場數據以及臺賬數據直接判斷并生成。

4.根據權利要求3所述的一種運維輔助標簽的生成方法，其特征在于，

所述訓練神經網絡模型時，將現狀標簽與設備最新臺賬信息關聯后作為樣本數據，訓練所述神經網絡模型。

5.根據權利要求2所述的一種運維輔助標簽的生成方法，其特征在于，

所述過程標簽表征的特征為設備歷史狀態以及現場狀態共同形成的特征，所述過程標簽由運維人員由設備現場狀態數據以及設備歷史信息制定生成。

6.根據權利要求3所述的一種運維輔助標簽的生成方法，其特征在于，

所述過程標簽表征的特征為設備歷史狀態以及現場狀態共同形成的特征，所述過程標簽由運維人員由設備現場狀態數據以及設備歷史信息制定生成。

7.根據權利要求2所述的一種運維輔助標簽的生成方法，其特征在于，

所述訓練神經網絡模型時，將過程標簽與設備臺賬信息以及歷史維護數據關聯后作為樣本數據，訓練所述神經網絡模型。

8.根據權利要求3所述的一種運維輔助標簽的生成方法，其特征在于，

所述訓練神經網絡模型時，將過程標簽與設備臺賬信息以及歷史維護數據關聯后作為樣本數據，訓練所述神經網絡模型。

9.一種運維輔助標簽的生成系統，適用于如權利要求1-8任一項所述的一種運維輔助標簽的生成方法，其特征在于，

包括手持終端、存儲器、處理器和通信裝置，所述通信裝置以及存儲器與處理器連接，所述手持終端通過通信裝置與處理器連接，所述手持終端接受運維人員輸入的數據并將所述數據傳輸到所述處理器，所述處理器執行以下步驟：

A）建立數據服務器，導入區域電網供電設備的臺賬信息和歷史信息；

B）運維人員現場維護時，由手持終端接收設備信息及標簽設置，并將信息以及標簽回傳到數據服務器；

C）建立神經網絡模型，將前N個標簽與設備信息關聯后作為樣本數據訓練該神經網絡模型；

D）后續同類設備現場維護后，運維人員通過手持終端上傳設備信息及標簽，將設備信息更新后并代入步驟C中的神經網絡模型，得出模型標簽，若模型標簽與運維人員上傳的標簽相同則模型正確次數加1，反之則模型錯誤次數加1且將運維人員上傳標簽作為目標結果調整神經網絡模型；

E）若在統計周期內模型正確率達到設定閾值，則將全部同類設備的信息代入所述神經網絡模型，將神經網絡模型輸出結果作為對應設備的標簽；

當某個標簽對應的神經網絡模型在N+M個樣本數據訓練后，其統計周期內正確率低于設定閾值，則執行以下步驟：

C1）從N+M個樣本數據中取出H個樣本數據，區分樣本數據中數據量字段以及狀態量字段，將數據量字段按數值區間分段處理轉化為狀態量字段，將全部狀態量字段拆分成n個的布爾值字段，n為狀態量字段可取值的數量；

C2）將樣本數據的數據量字段兩兩之間相加、相減、相除以及相乘的結果添加為新的數據字段；

C3）計算H個樣本數據經處理后每個字段之間的相似度，將相似度高于設定閾值的字段作為參考字段；

C4）獲取N+M個樣本數據的參考字段，與標簽關聯后作為新的樣本數據重新訓練神經網絡模型，而后返回步驟D繼續執行。