【技术实现步骤摘要】
本专利技术涉及电力业务数据处理，具体为基于ai和云技术的电力业务数据智能处理系统与方法。
技术介绍
1、电力业务数据智能处理是指利用人工智能、大数据、云计算等先进技术，对电力行业产生的海量数据进行收集、存储、分析和应用的过程。这种处理方式旨在提高电力系统的运行效率、优化资源配置、增强决策支持能力，并提升客户服务质量。故障检测与预防维护是电力业务数据智能处理的一个关键应用：通过分析传感器数据，实时监控设备状态，预测潜在故障，从而实现预防性维护，减少停机时间和维修成本。电力业务数据具有大规模、高时效性和复杂性的特点，数据的收集和处理必须非常迅速，以支持即时决策。电力系统是一个复杂的网络，数据需要在多个层面上进行集成和分析，而电力业务涉及的数据量巨大，给实时故障判断带来不利影响。在大规模电力业务数据下，一个边缘节点对故障判断的准确度不高，而使用中心服务器进行故障判断又会对故障判断的速度产生影响，如何改善故障判断的效果成为了一个亟需解决的问题。
技术实现思路
1、本专利技术的目的在于提供基于ai和云技术的电力业务数据智能处理系统与方法，以解决上述
技术介绍
中提出的问题。
2、在本专利技术的一个方面，提供基于ai和云技术的电力业务数据智能处理方法，包括：
3、s1-1，获取历史电力业务数据；
4、s1-2，基于历史电力业务数据，以故障预测准确率为指标，训练第一分类模型、第二分类模型和第三分类模型，所述第一分类模型用于对一个边缘节点的电力业务数据进行分类，所述
5、在一个边缘节点处获得的电力业务数据，精确判断故障可能存在困难；例如，在电路中串联连接的两个电力设备，通过两个电力设备的电流却不相同，此时仅仅通过一个边缘节点的电力业务数据，无法判断出是否发生故障，结合其他的边缘节点的电力业务数据，可以判断出发生故障；
6、s1-3，边缘节点以第一分类模型实时对电力业务数据进行分析，将电力业务数据和分析结果反馈给云平台；
7、s1-4，云平台基于边缘节点反馈的电力业务数据和分析结果，实时调整电力业务数据的处理顺序，实时对电力系统进行故障监测。
8、在步骤s1-2中，所述故障预测准确率y按照以下公式进行计算：
9、；式中为正确率，为错误率，和为连接权值；所述正确率表示电力业务数据是故障时产生的，且被正确识别出的概率，的计算公式为，为被正确识别的故障电力业务数据的数量，为故障电力业务数据的数量；所述错误率表示电力业务数据是正常数据，但被错误识别为故障数据的概率，的计算公式为，为被错误识别的正常电力业务数据的数量，为正常电力业务数据的数量。
10、在步骤s1-2中，还包括以下步骤：
11、s3-1，对每个边缘节点的电力业务数据，采用无监督分类模型对电力业务数据进行分类；根据分类簇中正常电力业务数据和故障电力业务数据的数量，确定分类簇的类型，若正常电力业务数据的数量不少于故障电力业务数据的数量，则分类簇为正常分类簇；若正常电力业务数据的数量少于故障电力业务数据的数量，则分类簇为故障分类簇，故障分类簇中的故障电力业务数据为被正确识别出的故障电力业务数据，故障分类簇中的正常电力业务数据为被错误识别的正常电力业务数据；
12、s3-2，对边缘节点的分类模型的超参数进行调整，重新训练分类模型，直到故障预测准确率无法增加；
13、s3-3，对任意一个边缘节点a，云平台将除a之外的另一个边缘节点b的电力业务数据与边缘节点a的电力业务数据进行特征拼接，以拼接后的数据训练第二分类模型，判断边缘节点a的预测准确率y是否提升，若提升，则边缘节点b对边缘节点a的故障判断有辅助作用，若未提升，则边缘节点b对边缘节点a的故障判断无辅助作用；重复步骤找到所有对边缘节点a的故障判断有辅助作用的节点；
14、s3-4，以边缘节点a的故障预测准确率为指标，将所有对边缘节点a的故障判断有辅助作用节点的电力业务数据和边缘节点a的电力业务数据进行特征拼接，训练第三分类模型，调整超参数优化第三分类模型，直到边缘节点a的故障预测准确率不再增加。
15、当边缘节点b对边缘节点a的故障判断有辅助作用，边缘节点a对边缘节点b的故障判断也有辅助作用时；对边缘节点a进行故障判断时，以边缘节点a的预测准确率为评价指标；对边缘节点b进行故障判断时，以边缘节点b的预测准确率为评价指标，涉及到多个边缘节点时也是如此；即使分类模型涉及到的特征相同，对不同边缘节点进行故障判断时，使用的分类模型并不相同；对边缘节点a进行故障判断时，要求边缘节点a的故障预测准确率达到最高，而b的故障预测准确率通过另一个分类模型进行判断，对边缘节点a进行故障判断，不需要考虑边缘节点b的故障预测准确率，能够提高单个边缘节点的故障预测准确率。
16、实时调整电力业务数据的处理顺序，还包括以下步骤：
17、s4-1，以边缘节点的第一分类模型对当前的电力业务数据进行分类，计算出电力设备的故障率，i的取值范围是区间[1,n]内的正整数，n是边缘节点的数量；
18、s4-2，计算出边缘节点的分估值，，表示边缘节点对其他节点故障判断的辅助效果，j的取值范围是区间[1,n]内的正整数，且j和i不相等；
19、s4-3，按照分估值从大到小的顺序，云平台选择与边缘节点对应的第三分类模型对边缘节点发送的电力业务数据进行故障监测。
20、初步判断时故障率越高的电力设备，发生故障的可能性越高，需要尽可能快地识别，因而分估值与故障率成正相关；对其他边缘节点辅助效果越高的边缘节点，进行故障预测时被使用的概率越高，因此分估值与辅助效果也成正相关；辅助效果仅在边缘节点发生故障时起作用，因而边缘节点的故障率为辅助效果的系数。
21、在步骤s4-2中，边缘节点对其他节点故障判断的辅助效果通过以下步骤确定：
22、s5-1，对于边缘节点，找到对边缘节点的故障判断有辅助作用的其他边缘节点，计算出其他边缘节点单独带来的故障预测准确率的第一提升值，计算出其他边缘节点一起带来的故障预测准确率的第一提升值，根据第一提升值计算出第二提升值，；对边缘节点的故障判断无辅助作用的其他边缘节点，第二提升值为0，不用进行计算；遍历j的所有取值，得到其他边缘节点对边缘节点的第二提升值；遍历i的所有取值，得到对所有边缘节点的第二提升值；
23、对一个边缘节点来说，故障预测准确率的提升效果存在上限，其他边缘节点对边缘节点故障预测准确率的提升效果存在重复部分，按照其他边缘节点对边缘节点故障预测准确率的第一提升值分割边缘节点的故障预测准确率的提升效果上限，避免重复部分；
24、s5-2，获取步骤s5-1中得到的边缘节点对其他边缘节点的第二提升值，作为边缘节点对其他节点故障判断的辅助效果；遍历j的取值，得到边缘节点对所有边缘节点本文档来自技高网...
【技术保护点】
1.基于AI和云技术的电力业务数据智能处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于AI和云技术的电力业务数据智能处理方法，其特征在于，在步骤S1-2中，所述故障预测准确率y按照以下公式进行计算：
3.根据权利要求2所述的基于AI和云技术的电力业务数据智能处理方法，其特征在于，在步骤S1-2中，还包括以下步骤：
4.根据权利要求3所述的基于AI和云技术的电力业务数据智能处理方法，其特征在于，实时调整电力业务数据的处理顺序，还包括以下步骤：
5.根据权利要求4所述的基于AI和云技术的电力业务数据智能处理方法，其特征在于，在步骤S4-2中，边缘节点对其他节点故障判断的辅助效果通过以下步骤确定：
6.根据权利要求5所述的基于AI和云技术的电力业务数据智能处理方法，其特征在于，实时对电力系统进行故障监测还包括以下步骤：
7.基于AI和云技术的电力业务数据智能处理系统，应用于权利要求1-6中任一项所述的基于AI和云技术的电力业务数据智能处理方法，其特征在于，包括边缘节点、云平台、数据采集模块、数据存
8.根据权利要求7所述的基于AI和云技术的电力业务数据智能处理系统，其特征在于，所述云平台分为四层，分别为基础设施层、数据层、业务层和应用层；所述基础设施层包含云平台相关设施以及服务，包含 ECS、VPC、云存储、云盾、容器服务和EDAS；所述数据层由数据接口服务、共享数据和数据域构成，数据接口服务用于提供与边缘节点和数据存储模块的数据交互能力；所述业务层用于训练第一分类模型、第二分类模型和第三分类模型；所述应用层包含微应用单元，微应用单元包含前后端分离架构的前端应用及后端逻辑接口。
9.根据权利要求7所述的基于AI和云技术的电力业务数据智能处理系统，其特征在于，所述云平台利用历史电力业务数据训练第一分类模型、第二分类模型和第三分类模型，并将训练完成的模型存储在云数据库中；云平台为各模块提供模块部署所需的 IAAS 层软硬件资源和 PAAS 层平台服务；IAAS 层资源提供计算、存储、网络、安全和虚拟化能力；PAAS层提供中间件以及数据库服务，中间件服务包括微服务管理 EDAS、消息队列和负载均衡；数据库服务包括云数据库。
10.根据权利要求9所述的基于AI和云技术的电力业务数据智能处理系统，其特征在于，所述边缘节点从云平台获取第一分类模型，使用第一分类模型对电力业务数据进行初步故障判断；所述云平台基于初步故障判断结果确定不同边缘节点的电力业务数据处理顺序，采用第三分类模型对电力业务数据进行最终的故障判断。
...【技术特征摘要】
1.基于ai和云技术的电力业务数据智能处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于ai和云技术的电力业务数据智能处理方法，其特征在于，在步骤s1-2中，所述故障预测准确率y按照以下公式进行计算：
3.根据权利要求2所述的基于ai和云技术的电力业务数据智能处理方法，其特征在于，在步骤s1-2中，还包括以下步骤：
4.根据权利要求3所述的基于ai和云技术的电力业务数据智能处理方法，其特征在于，实时调整电力业务数据的处理顺序，还包括以下步骤：
5.根据权利要求4所述的基于ai和云技术的电力业务数据智能处理方法，其特征在于，在步骤s4-2中，边缘节点对其他节点故障判断的辅助效果通过以下步骤确定：
6.根据权利要求5所述的基于ai和云技术的电力业务数据智能处理方法，其特征在于，实时对电力系统进行故障监测还包括以下步骤：
7.基于ai和云技术的电力业务数据智能处理系统，应用于权利要求1-6中任一项所述的基于ai和云技术的电力业务数据智能处理方法，其特征在于，包括边缘节点、云平台、数据采集模块、数据存储模块和报警模块；所述边缘节点与所述云平台相互连接，用于对电力业务数据进行初步故障判断；所述云平台作为中心服务器，云平台输出端与所述报警模块相互连接，用于确定电力业务数据的处理顺序，并对电力业务数据进行故障判断；所述数据采集模块的输出端与所述边缘节点和所述数据存储模块的输入端相互连接，用于获取电力设备的运行状态数据和性能参数；所述数据存储模块的输出端与所述云平台的输入端相互...
【专利技术属性】
技术研发人员：蔡涛，黄俊东，郭兆丰，宋子昂，廖荣涛，徐宁，杨文清，张万才，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。