[发明专利]一种工作饱和度智能评估方法、装置以及存储介质

说明书

本发明提供一种工作饱和度智能评估方法，所述方法包括：获取供电局的至少一个第一工作计划表以及n个第二工作计划表；提取第一工作计划表中的计划数据，获取第一班组数据，基于第一班组数据得到第一饱和度结果；提取第二工作计划表中的计划数据，获取第二班组数据，并对基于第二班组数据进行工作量计算；建立并训练深度学习模型，以第一班组数据、第一饱和度结果作为深度学习模型的输入，所述深度学习模型的输出为连续作业天数阈值，计算连续作业天数的饱和度以及累计作业量的饱和度；根据连续作业天数的饱和度以及累计作业量的饱和度对第一工作计划表进行评估。

技术领域

本发明涉及工作量评估技术领域，尤其涉及一种工作饱和度智能评估方法、装置以及存储介质。

背景技术

电力行业的飞速变革，传统电网管理模式也发生了深刻的变革，在“减员增效”的大背景下，如何既保障电力工作的安全性，又提升工作人员的工作效率成为了电网企业有待解决的重点问题。为此，网公司推行出了“1+N”工作饱和度管理模式，在现有的“1+N”工作饱和度管理模式下，工作饱和度的安排与评估计算靠人工对应全年工作计划、月度工作计划表进行，效率低下，工作强度大。

发明内容

本发明的目的在于提供一种工作饱和度智能评估方法，以解决上述背景技术中提出的问题。

本发明是通过以下技术方案实现的：本发明第一实施例提供了一种工作饱和度智能评估方法，所述方法包括：

获取供电局的至少一个第一工作计划表以及n个第二工作计划表，所述n不大于12，所述第一工作计划表为规划计划表，所述第二工作计划表为历史计划表；

提取第一工作计划表中的计划数据，获取第一班组数据，并对基于第一班组数据进行工作量计算，得到第一饱和度结果；

提取第二工作计划表中的计划数据，获取第二班组数据，并对基于第二班组数据进行工作量计算，得到第二饱和度结果；

建立并训练深度学习模型，以第二班组数据、第二饱和度结果对深度学习模型进行训练；

以第一班组数据、第一饱和度结果作为深度学习模型的输入，所述深度学习模型的输出为连续作业天数阈值；

基于第一饱和度结果、连续作业天数、连续作业天数阈值以及累计作业量阈值，计算连续作业天数的饱和度以及累计作业量的饱和度；

根据连续作业天数的饱和度以及累计作业量的饱和度对第一工作计划表进行评估。

可选的，所述第一工作计划表以及第二工作计划表均为月度计划表。

可选的，所述第一班组数据、第二班组数据均包括每日需工作负责人数、每日需作业人员数、每日需操作人员数、班组工作负责人总数、班组作业人员总数、班组操作人员总数。

可选的，基于第一班组数据得到第一饱和度结果，所述第一饱和度结果包含责任人日作业饱和度、作业人日作业饱和度、操作人日作业饱和度以及班组作业饱和度，其具体计算过程包括以下步骤：

根据每日需工作负责人数以及班组工作负责人总数获得责任人日作业饱和度；

根据每日需作业人员数以及班组作业人员总数获得作业人日作业饱和度；

根据每日需操作人员数以及班组操作人员总数获得操作人日作业饱和度；

基于责任人日作业饱和度、作业人日作业饱和度、操作人日作业饱和度获得班组作业饱和度。

可选的，计算连续作业天数的饱和度以及累计作业量的饱和度，包括以下步骤：

根据连续作业天数以及连续作业天数阈值，获得连续作业天数的饱和度；