System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机,尤其涉及一种模型异常检测方法、装置、设备及介质。
技术介绍
1、在电力系统的运行中,电力企业通常使用预先训练的电能质量检测模型对电力系统的各个台区的电能质量进行检测。预先训练的电能质量检测模型可以根据输入的台区的电能数据进行分析和检测,输出台区的电能质量检测结果。在电能质量检测模型的使用过程中,电能质量检测模型会出现异常。为了保证电力系统的稳定运行,需要在电能质量检测模型出现异常之后,对电能质量检测模型进行异常检测,确定导致电能质量检测模型出现异常的异常原因。
2、相关技术中,常用的模型异常检测方案为:技术人员根据出现异常的电能质量检测模型的相关信息,对出现异常的电能质量检测模型进行异常检测,确定导致电能质量检测模型出现异常的异常原因。相关技术中的模型异常检测方案依赖于人工操作,检测效率较低,人力成本和时间成本较高,而且准确性难以保证。
技术实现思路
1、本专利技术提供了一种模型异常检测方法、装置、设备及介质,以解决相关技术中的模型异常检测方案依赖于人工操作,检测效率较低,人力成本和时间成本较高,而且准确性难以保证的问题。
2、根据本专利技术的一方面,提供了一种模型异常检测方法,包括:
3、获取目标电能质量检测模型的各项异常反馈信息;
4、通过原因定位组件,根据所述目标电能质量检测模型的各项异常反馈信息,确定所述目标电能质量检测模型的各个备选异常原因;
5、通过原因分类组件,确定各个备选异常原因的原因
6、通过清单生成组件,根据所述目标电能质量检测模型的各个备选异常原因、各个备选异常原因的原因类型和影响系数,生成所述目标电能质量检测模型的异常原因清单;
7、将所述异常原因清单确定为所述目标电能质量检测模型的异常检测结果,通过结果显示组件,将所述异常检测结果提供给目标用户。
8、根据本专利技术的另一方面,提供了一种模型异常检测装置,包括:
9、信息获取模块,用于获取目标电能质量检测模型的各项异常反馈信息;
10、异常原因确定模块,用于通过原因定位组件,根据所述目标电能质量检测模型的各项异常反馈信息,确定所述目标电能质量检测模型的各个备选异常原因;
11、异常原因分类模块,用于通过原因分类组件,确定各个备选异常原因的原因类型和影响系数;
12、异常原因汇总模块,用于通过清单生成组件,根据所述目标电能质量检测模型的各个备选异常原因、各个备选异常原因的原因类型和影响系数,生成所述目标电能质量检测模型的异常原因清单;
13、检测结果输出模块,用于将所述异常原因清单确定为所述目标电能质量检测模型的异常检测结果,通过结果显示组件,将所述异常检测结果提供给目标用户。
14、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:
15、至少一个处理器;
16、以及与所述至少一个处理器通信连接的存储器;
17、其中,所述存储器存储有被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的模型异常检测方法。
18、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的模型异常检测方法。
19、本专利技术实施例的技术方案,通过获取目标电能质量检测模型的各项异常反馈信息;然后通过原因定位组件,根据目标电能质量检测模型的各项异常反馈信息,确定目标电能质量检测模型的各个备选异常原因;通过原因分类组件,确定各个备选异常原因的原因类型和影响系数;通过清单生成组件,根据目标电能质量检测模型的各个备选异常原因、各个备选异常原因的原因类型和影响系数,生成目标电能质量检测模型的异常原因清单;最后将异常原因清单确定为目标电能质量检测模型的异常检测结果,通过结果显示组件,将异常检测结果提供给目标用户,解决了相关技术中的模型异常检测方案依赖于人工操作,检测效率较低,人力成本和时间成本较高,而且准确性难以保证的问题,可以自动根据出现异常的电能质量检测模型的异常反馈信息,确定导致电能质量检测模型异常的各个异常原因,可以自动确定导致电能质量检测模型异常的各个异常原因的原因类型和影响系数,并根据各个异常原因的原因类型和影响系数,生成电能质量检测模型的异常原因清单,将包含导致电能质量检测模型异常的各个异常原因的异常原因清单提供给目标用户,从而将导致电能质量检测模型异常的各个异常原因提供给目标用户,实现了在电能质量检测模型出现异常之后,自动对电能质量检测模型进行异常检测,确定导致电能质量检测模型出现异常的异常原因,提高了模型异常检测过程的检测效率和准确性,降低了模型异常检测过程的人力成本和时间成本。
20、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种模型异常检测方法,其特征在于,包括:
2.根据权利要求1所述的模型异常检测方法,其特征在于,通过原因定位组件,根据所述目标电能质量检测模型的各项异常反馈信息,确定所述目标电能质量检测模型的各个备选异常原因,包括:
3.根据权利要求1所述的模型异常检测方法,其特征在于,通过原因分类组件,确定各个备选异常原因的原因类型和影响系数,包括:
4.根据权利要求1所述的模型异常检测方法,其特征在于,通过清单生成组件,根据所述目标电能质量检测模型的各个备选异常原因、各个备选异常原因的原因类型和影响系数,生成所述目标电能质量检测模型的异常原因清单,包括:
5.根据权利要求1所述的模型异常检测方法,其特征在于,通过结果显示组件,将所述异常检测结果提供给目标用户,包括:
6.根据权利要求1所述的模型异常检测方法,其特征在于,在将所述异常原因清单确定为所述目标电能质量检测模型的异常检测结果之后,还包括:
7.根据权利要求1所述的模型异常检测方法,其特征在于,获取目标电能质量检测模型的各项异常反馈信息,包括:
8
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的模型异常检测方法。
...【技术特征摘要】
1.一种模型异常检测方法,其特征在于,包括:
2.根据权利要求1所述的模型异常检测方法,其特征在于,通过原因定位组件,根据所述目标电能质量检测模型的各项异常反馈信息,确定所述目标电能质量检测模型的各个备选异常原因,包括:
3.根据权利要求1所述的模型异常检测方法,其特征在于,通过原因分类组件,确定各个备选异常原因的原因类型和影响系数,包括:
4.根据权利要求1所述的模型异常检测方法,其特征在于,通过清单生成组件,根据所述目标电能质量检测模型的各个备选异常原因、各个备选异常原因的原因类型和影响系数,生成所述目标电能质量检测模型的异常原因清单,包括:
5.根据权利要求1所述的模型异常检测...
【专利技术属性】
技术研发人员:李子龙,杨灵峰,林晓庆,王杜鑫,钟敏,张利彬,张驰俊,陈智明,胡红,陈颖聪,张嘉慧,蔡上,黄科,王晓琪,叶嘉铮,
申请(专利权)人:广东电网有限责任公司,
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。