[发明专利]配网设备状态数据处理方法、装置、计算机设备及介质

说明书

本发明涉及一种配网设备状态数据处理方法、装置、计算机设备及介质。其中配网设备状态数据处理方法包括：获取配网设备的历史状态数据；对历史状态数据进行分词处理，得到多个分词；对上述多个分词进行文本聚类处理、关键字计算处理及关联分析处理；根据关联分析处理的输出参数创建神经网络模型，并对神经网络模型进行数据训练；根据数据训练的输出参数更新神经网络模型的权值；根据更新后的神经网络模型监测配网设备的状态信息，并在根据状态信息检测配网设备状态处于异常状态时，对配网设备进行检修。相较于传统的周期性检测，本发明能够更加精准、及时地对配网设备的状态进行监控及检修，而且能监控到的逻辑因素也更加丰富。

技术领域

本发明涉及计算机数据处理领域，特别是涉及一种配网设备状态数据处理方法、装置、计算机设备及计算机存储介质。

背景技术

在电力系统的运行过程中，管理员需要周期性检测配电网的状态信息，以便于发现尽快配网设备状态的异常并解决，保证电力系统的正常运行。

随着电网的发展，以及用户对供电可靠性要求的逐渐提高，传统的周期性检测方式已无法满足配电网的运维需求，存在效率低、准确度不高、检测过于主观的缺点。

发明内容

基于此，有必要针对现有配网周期性检修效率低、准确度低、检测过于主观的问题，提供一种配网设备状态数据处理方法及装置。

一种配网设备状态数据处理方法，包括：获取配网设备的历史状态数据；对历史状态数据进行分词处理，得到多个分词；对上述多个分词进行文本聚类处理、关键字计算处理及关联分析处理；根据关联分析处理的输出参数创建神经网络模型，并对神经网络模型进行数据训练；根据数据训练的输出参数更新神经网络模型的权值；根据更新后的神经网络模型监测配网设备的状态信息，并在根据状态信息检测配网设备状态处于异常状态时，对配网设备进行检修。

上述配网设备状态数据处理方法，基于神经网络算法，并根据配网设备的运行机制对神经网络算法进行优化，将优化后的算法运用于配网设备的状态参数监测。与传统的周期性检测方式对比，上述方法对电力设备进行状态监测得到的数据更加精准与及时，同时能监控到的逻辑因素也更加丰富，能够实现高效、便捷地对配网设备的状态进行监控。

在其中一个实施例中，在对上述多个分词进行文本聚类处理、关键字计算处理及关联分析处理之前，上述方法还包括：根据预设的停词库，过滤上述多个分词中的停词；对上述多个分词进行文本聚类处理、关键字计算处理及关联分析处理，包括：对过滤后的多个分词进行文本聚类处理、关键字计算处理及关联分析处理。

在其中一个实施例中，根据预设的停词库，对上述多个分词进行过滤之后，上述方法还包括：查询预设的分词库中是否包含过滤后的分词；若预设的分词库中不包含过滤后的分词，则将过滤后的分词更新到分词库中。

在其中一个实施例中，根据预设的停词库，对上述多个分词进行过滤之后，上述方法还包括：接收修正指令；根据修正指令修正过滤后的分词；对上述多个分词进行文本聚类处理、关键字计算处理及关联分析处理，包括：对修正后的多个分词进行文本聚类处理、关键字计算处理及关联分析处理。

在其中一个实施例中，对上述多个分词进行文本聚类处理、关键字计算处理及关联分析处理，包括：对上述多个分词进行文本聚类处理，得到至少一个类别；分别计算每个类别中的关键字；对每个类别中的关键字进行关联分析处理。

在其中一个实施例中，根据关联分析处理的输出参数创建神经网络模型，并对神经网络模型进行数据训练，包括：初始化预设的神经网络模型的至少一个参数；根据至少一个参数及预设的训练数据计算神经网络模型的隐含层输出；根据隐含层输出计算神经网络模型的输出层输出。

在其中一个实施例中，根据数据训练的输出参数更新神经网络模型的权值，包括：将训练数据输入神经网络模型，记录神经网络模型的输出层输出；计算输出层输出与期望输出值之间的误差；根据误差更新神经网络模型的输入层到隐含层的权重。