一种台区运行状态识别方法、系统、设备及存储介质

技术领域

本公开实施例涉及电力市场台区管理技术领域，具体涉及一种基于态势感知的台区运行状态识别方法、系统、设备及存储介质。

背景技术

随着用电信息采集范围和采集成功率逐步扩大提高，对于海量数据基础及业务管理需求，需要更智慧、更高效、更直观的可视化大屏来实时监测业务数据。一方面对新一代用电信息采集系统基本情况及业务特征进行多方位、多角度、全景展示，另一方面从多维度对台区整体运行状态及情况进行综合判断，及时呈现台区整体运行状态状况。而数据信息量的增大意味着计算效率、计算复杂度等的提升，传统方式存在数据失真无法有效解决、台区综合信息无法多方位展示、大量数据下台区管理效率低的问题。

发明内容

本公开实施例提供一种台区运行状态识别方法、系统、设备及存储介质，以解决或缓解现有技术中的以上一个或多个技术问题。

根据本公开的一个方面，提供一种台区运行状态识别方法，包括：

获取台区运行状态的态势感知数据；

结合所述态势感知数据的数据特性，构建态势感知特征库；

基于所述态势感知特征库，对所述态势感知特征进行聚类处理，形成每个特征的赋值区间；

基于赋值区间与评分的映射关系，计算每个特征的评分；

基于所述态势感知特征库，构建特征权重体系，计算特征最终权重值；

基于所述每个特征的评分和特征最终权重值，采用多元线性加权算法，实现台区运行状态态势感知。

在一种可能的实现方式中，包括：对特征数据缺失和异常进行处理：

对于定量非失衡特征，取漏点前后两个非空值的平均值作为漏点补全数据，公式如下：

式中，

对于失衡特征，对当前台区失衡特征的分布情况做数据观测，采用分布占比符合设定条件的特征值插补当前失衡特征的空值。

在一种可能的实现方式中，所述台区运行状态的态势感知数据包括采集及时率、采集覆盖率、计量设备故障率、故障换表率、台区线损合格率、台区可算率和窃电线损检查率。

在一种可能的实现方式中，所述态势感知特征库包括计量管理、采集管理、线损管理、反窃电监控、状态评价、现场管理和运检管理七个维度，其中：

计量管理维度包括特征：计量设备故障率、故障换表率、档案同步完整率、在运老旧电表占比和高压超期占比；

采集管理维度包括特征：采集及时率、采集覆盖率、总表采集成功率和连续缺抄电能表数量；

状态评价维度包括特征：台区可算率、电能表可算率和失准工单命中率；

线损管理维度包括特征：台区线损合格率、台区日线损率和台区月线损率；

反窃电监控包括特征：窃电线索核查率和生成窃电工单数量；

现场管理包括特征：客户侧用电需求配合类型工单个数、延伸服务工单处理平均时长和疑似失准工单超期工单数量；

运检管理包括特征：配网一张图电缆长度过长、连接点未连接、图形拓扑不通、图形沿布不及时、电压合格率、三相不平衡度异常和低压供电可靠性。

在一种可能的实现方式中，基于所述态势感知特征库，对所述态势感知特征进行聚类处理，形成每个特征的赋值区间包括：

任取特征k个样本点作为k个簇的初始中心；

计算每一个样本点与k个中心的距离，并将每一个样本点归入距离最小的中心所在的簇，距离公式如下：

；

式中，样本

当所有的样本点归类完毕，重新计算k个簇的中心，直至样本点归入的簇不再变动；

结合轮廓系数、类内紧密度和类内聚合度分析形成特征最优聚类类别数；

基于所形成的聚类类别完成特征赋值区间的划分。

在一种可能的实现方式中，基于所述态势感知特征库，构建特征权重体系，计算特征最终权重值包括：

分别采用层次分析算法、主成分分析和熵权判别方法进行权重分析；

在多种不同权重算法基础上，采用灰色关联算法将多种不同权重算法结果进行融合，形成特征最终权重值。

在一种可能的实现方式中，采用主成分分析法进行权重分析包括：

抽取标准化数据，形成标准化数据矩阵：

；

式中，

应用主成分分析法，计算各特征之间的载荷矩阵

基于载荷矩阵计算各主成分贡献率

；

式中，

计算每个特征的重要程度

；

式中，

计算特征权重

；

式中，

在一种可能的实现方式中，基于台区运行状态识别模型运行频率实时自动更新现场管理维度下的权重值，生成实时动态权重值。

在一种可能的实现方式中，基于所述每个特征的评分和特征最终权重值，采用多元线性加权算法，实现台区运行状态态势感知的公式为：

；

其中：

根据本公开的一个方面，提供一种台区运行状态识别系统，包括：

获取单元，用于获取台区运行状态的态势感知数据；

构建单元，用于结合所述态势感知数据的数据特性，构建态势感知特征库；

聚类单元，用于基于所述态势感知特征库，对所述态势感知特征进行聚类处理，形成每个特征的赋值区间；

评分计算单元，用于基于赋值区间与评分的映射关系，计算每个特征的评分；

权重计算单元，用于基于所述态势感知特征库，构建特征权重体系，计算特征最终权重值；

加权计算单元，用于基于所述每个特征的评分和特征最终权重值，采用多元线性加权算法，实现台区运行状态态势感知。

在一种可能的实现方式中，包括：处理单元，用于对特征数据缺失和异常进行处理；

所述处理单元具体用于：

对于定量非失衡特征，取漏点前后两个非空值的平均值作为漏点补全数据，公式如下：

；

式中，

对于失衡特征，对当前台区失衡特征的分布情况做数据观测，采用分布占比符合设定条件的特征值插补当前失衡特征的空值。

在一种可能的实现方式中，所述台区运行状态的态势感知数据包括采集及时率、采集覆盖率、计量设备故障率、故障换表率、台区线损合格率、台区可算率和窃电线损检查率。

在一种可能的实现方式中，所述态势感知特征库包括计量管理、采集管理、线损管理、反窃电监控、状态评价、现场管理和运检管理七个维度，其中：

计量管理维度包括特征：计量设备故障率、故障换表率、档案同步完整率、在运老旧电表占比和高压超期占比；

采集管理维度包括特征：采集及时率、采集覆盖率、总表采集成功率和连续缺抄电能表数量；

状态评价维度包括特征：台区可算率、电能表可算率和失准工单命中率；

线损管理维度包括特征：台区线损合格率、台区日线损率和台区月线损率；

反窃电监控包括特征：窃电线索核查率和生成窃电工单数量；

现场管理包括特征：客户侧用电需求配合类型工单个数、延伸服务工单处理平均时长和疑似失准工单超期工单数量；

运检管理包括特征：配网一张图电缆长度过长、连接点未连接、图形拓扑不通、图形沿布不及时、电压合格率、三相不平衡度异常和低压供电可靠性。

在一种可能的实现方式中，所述聚类单元用于：

任取特征k个样本点作为k个簇的初始中心；

计算每一个样本点与k个中心的距离，并将每一个样本点归入距离最小的中心所在的簇，距离公式如下：

；

式中，样本

当所有的样本点归类完毕，重新计算k个簇的中心，直至样本点归入的簇不再变动；

结合轮廓系数、类内紧密度和类内聚合度分析形成特征最优聚类类别数；

基于所形成的聚类类别完成特征赋值区间的划分。

在一种可能的实现方式中，所述权重计算单元用于：

分别采用层次分析算法、主成分分析和熵权判别方法进行权重分析；

在多种不同权重算法基础上，采用灰色关联算法将多种不同权重算法结果进行融合，形成特征最终权重值。

在一种可能的实现方式中，采用主成分分析法进行权重分析包括：

抽取标准化数据，形成标准化数据矩阵：

；

式中，

应用主成分分析法，计算各特征之间的载荷矩阵

基于载荷矩阵计算各主成分贡献率

；

式中，

计算每个特征的重要程度

；

式中，

计算特征权重

；

式中，

在一种可能的实现方式中，包括生成单元，用于基于台区运行状态识别模型运行频率实时自动更新现场管理维度下的权重值，生成实时动态权重值。

在一种可能的实现方式中，所述加权计算单元的公式为：

；

其中：

根据本公开的一个方面，提供一种台区运行状态识别设备，包括：

处理器以及存储器；

所述存储器用于存储计算机程序，所述处理器调用所述存储器存储的计算机程序，以执行上述任一项所述的台区运行状态识别方法。

根据本公开的一个方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器执行时，使得所述处理器能够执行上述任一项所述的台区运行状态识别方法。

本公开的示例性实施例具有以下有益效果：本公开的示例性实施例，以新一代用电信息采集系统海量数据为支点，开展新一代用电信息采集系统全景状态智能感知建设，从计量管理、采集管理、线损管理、反窃电监控、状态评价、现场管理、运检管理等不同对象层级出发构建形成台区运行状态态势感知特征体系，基于K-means聚类技术、主成分分析与熵权判别权重技术对台区不同维度特征进行权重分析、赋值区间分析，针对现场管理维度特征基于模型运行频次生成实时动态权重，在此基础上综合形成台区运行状态识别分数，从而实现日常监测和智能决策的全领域覆盖，对系统运行态势综合研判，帮助管理者打通各领域数据，建立台区网格化管理，助力智能、高效决策，提升台区经理工作质量及工作效率。

本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征和优点将从说明书附图变得明显。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本示例性实施例的一种台区运行状态识别方法的流程图；

图2是本示例性实施例的离线分析方法与在线分析方法的流程图；

图3是本示例性实施例的一种台区运行状态识别系统的框图；

图4是本示例性实施例的一种台区运行状态识别设备的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件单元或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。

此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或子模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或子模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或子模块。

图1是本示例性实施例的一种台区运行状态识别方法的流程图，如图1所示，本公开的示例性实施例提供了一种台区运行状态识别方法，包括：

S1获取台区运行状态的态势感知数据；

S2结合所述态势感知数据的数据特性，构建态势感知特征库；

S3基于所述态势感知特征库，对所述态势感知特征进行聚类处理，形成每个特征的赋值区间；

S4基于赋值区间与评分的映射关系，计算每个特征的评分；

S5基于所述态势感知特征库，构建特征权重体系，计算特征最终权重值；

S6基于所述每个特征的评分和特征最终权重值，采用多元线性加权算法，实现台区运行状态态势感知。

值得说明的是，通过能源互联网营销服务系统、新一代用电信息采集系统、PMS3.0系统收集台区运行状态态势感知数据。

本实施例的目的在于提供一种基于态势感知的台区运行状态识别方法，旨在解决电网信息化下台区经理管理工作量大、效率低、台区综合信息无法多方位展示的问题。

具体地，包括：对特征数据缺失和异常进行处理：

对于定量非失衡特征，取漏点前后两个非空值的平均值作为漏点补全数据，公式如下：

；

式中，

对于失衡特征，对当前台区失衡特征的分布情况做数据观测，采用分布占比符合设定条件的特征值插补当前失衡特征的空值。

具体地，所述台区运行状态的态势感知数据包括采集及时率、采集覆盖率、计量设备故障率、故障换表率、台区线损合格率、台区可算率和窃电线损检查率。

具体地，所述态势感知特征库包括计量管理、采集管理、线损管理、反窃电监控、状态评价、现场管理和运检管理七个维度，其中：

计量管理维度包括特征：计量设备故障率、故障换表率、档案同步完整率、在运老旧电表占比和高压超期占比；

采集管理维度包括特征：采集及时率、采集覆盖率、总表采集成功率和连续缺抄电能表数量；

状态评价维度包括特征：台区可算率、电能表可算率和失准工单命中率；

线损管理维度包括特征：台区线损合格率、台区日线损率和台区月线损率；

反窃电监控包括特征：窃电线索核查率和生成窃电工单数量；

现场管理包括特征：客户侧用电需求配合类型工单个数、延伸服务工单处理平均时长和疑似失准工单超期工单数量；

运检管理包括特征：配网一张图电缆长度过长、连接点未连接、图形拓扑不通、图形沿布不及时、电压合格率、三相不平衡度异常和低压供电可靠性。

具体地，S3基于所述态势感知特征库，对所述态势感知特征进行聚类处理，形成每个特征的赋值区间包括：

任取特征k个样本点作为k个簇的初始中心；

计算每一个样本点与k个中心的距离，并将每一个样本点归入距离最小的中心所在的簇，距离公式如下：

；

式中，样本

当所有的样本点归类完毕，重新计算k个簇的中心，直至样本点归入的簇不再变动；

结合SilhouetteCoefficient（轮廓系数）、Calinski-Harabasz（类内紧密度）和inertiaScore（类内聚合度）分析形成特征最优聚类类别数；

基于所形成的聚类类别完成特征赋值区间的划分。

具体地，S5基于所述态势感知特征库，构建特征权重体系，计算特征最终权重值包括：

分别采用层次分析算法、主成分分析和熵权判别方法进行权重分析；

在多种不同权重算法基础上，采用灰色关联算法将多种不同权重算法结果进行融合，形成特征最终权重值。

具体地，采用主成分分析法进行权重分析包括：

抽取标准化数据，形成标准化数据矩阵：

；

式中，

应用主成分分析法，计算各特征之间的载荷矩阵

基于载荷矩阵计算各主成分贡献率

；

式中，

计算每个特征的重要程度

；

式中，

计算特征权重

；

式中，

具体地，基于台区运行状态识别模型运行频率实时自动更新现场管理维度下的权重值，生成实时动态权重值。

具体地，S6基于所述每个特征的评分和特征最终权重值，采用多元线性加权算法，实现台区运行状态态势感知的公式为：

；

其中：

示例性地，如图2所示，本发明公开了一种基于态势感知的台区运行状态识别方法，包括以下步骤：

步骤S1：收集能源互联网营销服务系统、新一代用电信息采集系统中的台区运行状态分析特征数据；

步骤S2：结合特征归类方式，构建形成台区运行状态态势感知特征体系；

步骤S3：建立特征数据缺失与异常处理策略；

步骤S4：基于K-means聚类技术对特征进行聚类，结合描述性统计分析形成每个特征的赋值区间；

步骤S5：基于态势感知特征，构建特征权重体系；

步骤S6：结合步骤4与步骤5，采用多元线性加权算法，实现台区运行状态态势感知。

进一步的，步骤S1中“特征数据”包括采集及时率、采集覆盖率、计量设备故障率、故障换表率、台区线损合格率、台区可算率、窃电线损检查率等特征；

步骤S2中“台区运行状态态势感知特征体系”包括计量管理、采集管理、线损管理、反窃电监控、状态评价、现场管理、运检管理七大维度。其中：

计量管理维度涵盖计量设备故障率、故障换表率、档案同步完整率、在运老旧电表占比、高压超期占比等特征；

采集管理维度涵盖采集及时率、采集覆盖率、总表采集成功率、连续缺抄电能表数量等特征；

状态评价维度涵盖台区可算率、电能表可算率、失准工单命中率等特征；

线损管理维度涵盖台区线损合格率、台区日线损率、台区月线损率等特征；

反窃电监控涵盖窃电线索核查率、生成窃电工单数量等特征；

现场管理涵盖“客户侧用电需求配合”类型工单个数、延伸服务工单处理平均时长、“疑似失准工单”超期工单数量等特征；

运检管理涵盖配网一张图校验不合格数量、电压合格率、三相不平衡度异常及低压供电可靠性等特征；

步骤S3中“建立特征数据缺失与异常处理策略”具体包括：

针对定量非失衡特征，例如远程充值成功率，取漏点前后最近两个非空值的平均值作为漏点补全数据，公式如下：

；

式中，

对于失衡特征（例如：档案完整率等），首先对该台区下该定性特征的分布情况做数据观测，之后用分布占比较高的特征值插补该定性特征空值，此处用100进行填充。

步骤S4中“基于K-means聚类技术对特征进行聚类，结合描述性统计分析形成每个特征的赋值区间”，K-means聚类过程包括：

①首先任取特征k个样本点作为k个簇的初始中心，此处k设置为3-9；

②对每一个样本点，计算它们与k个中心的距离，把它归入距离最小的中心所在的簇，距离公式（欧式距离）如下：

；

其中，样本

③等到所有的样本点归类完毕，重新计算k个簇的中心；

④重复以上过程直至样本点归入的簇不再变动。

通过该步骤对特征进行聚类分析，结合SilhouetteCoefficient（轮廓系数）、Calinski-Harabasz（类内紧密度）和inertiaScore（类内聚合度）分析形成特征最优聚类类别数，在此基础上完成特征评分。

步骤S5中“基于态势感知特征，构建特征权重体系”具体包括：

分别采用层次分析算法、主成分分析、熵权判别方法进行权重分析，最后在多种不同权重算法基础上进行权重融合，形成最终权重。其中主成分分析法过程步骤如下：

①抽取标准化数据，标准化数据矩阵：

；

式中，

②应用主成分分析法，计算各特征之间的载荷矩阵

③基于载荷矩阵计算各主成分贡献率

；

式中，

④计算每个特征的重要程度

；

式中，

⑤计算特征权重

；

式中，

在此基础上采用灰色关联算法将多种不同权重算法结果进行融合，形成特征最终权重。

针对现场管理维度（包含工单处理成功率、工单处理及时率、远程充值工单完成率等）特征，由于随着时间推移数据特征会存在一定幅度变化，基于模型运行频率实时自动更新该特征维度下的权重值，生成实时动态权重。

步骤S6中“采用多元线性加权算法，实现台区运行状态态势感知”具体包括，在步骤S4与S5的基础上采用线性回归算法实现台区运行状态态势感知，公式如下：

；

其中：

图3是本示例性实施例的一种台区运行状态识别系统的框图，如图3所示，本公开的示例性实施例提供了一种台区运行状态识别系统，包括：

获取单元10，用于获取台区运行状态的态势感知数据；

构建单元20，用于结合所述态势感知数据的数据特性，构建态势感知特征库；

聚类单元30，用于基于所述态势感知特征库，对所述态势感知特征进行聚类处理，形成每个特征的赋值区间；

评分计算单元40，用于基于赋值区间与评分的映射关系，计算每个特征的评分；

权重计算单元50，用于基于所述态势感知特征库，构建特征权重体系，计算特征最终权重值；

加权计算单元60，用于基于所述每个特征的评分和特征最终权重值，采用多元线性加权算法，实现台区运行状态态势感知。

具体地，包括：处理单元，用于对特征数据缺失和异常进行处理；

所述处理单元具体用于：

对于定量非失衡特征，取漏点前后两个非空值的平均值作为漏点补全数据，公式如下：

；

式中，

对于失衡特征，对当前台区失衡特征的分布情况做数据观测，采用分布占比符合设定条件的特征值插补当前失衡特征的空值。

具体地，所述台区运行状态的态势感知数据包括采集及时率、采集覆盖率、计量设备故障率、故障换表率、台区线损合格率、台区可算率和窃电线损检查率。

具体地，所述态势感知特征库包括计量管理、采集管理、线损管理、反窃电监控、状态评价、现场管理和运检管理七个维度，其中：

计量管理维度包括特征：计量设备故障率、故障换表率、档案同步完整率、在运老旧电表占比和高压超期占比；

采集管理维度包括特征：采集及时率、采集覆盖率、总表采集成功率和连续缺抄电能表数量；

状态评价维度包括特征：台区可算率、电能表可算率和失准工单命中率；

线损管理维度包括特征：台区线损合格率、台区日线损率和台区月线损率；

反窃电监控包括特征：窃电线索核查率和生成窃电工单数量；

现场管理包括特征：客户侧用电需求配合类型工单个数、延伸服务工单处理平均时长和疑似失准工单超期工单数量；

运检管理包括特征：配网一张图电缆长度过长、连接点未连接、图形拓扑不通、图形沿布不及时、电压合格率、三相不平衡度异常和低压供电可靠性。

具体地，所述聚类单元30用于：

任取特征k个样本点作为k个簇的初始中心；

计算每一个样本点与k个中心的距离，并将每一个样本点归入距离最小的中心所在的簇，距离公式如下：

；

式中，样本

当所有的样本点归类完毕，重新计算k个簇的中心，直至样本点归入的簇不再变动；

结合SilhouetteCoefficient（轮廓系数）、Calinski-Harabasz（类内紧密度）和inertiaScore（类内聚合度）分析形成特征最优聚类类别数；

基于所形成的聚类类别完成特征赋值区间的划分。

具体地，所述权重计算单元50用于：

分别采用层次分析算法、主成分分析和熵权判别方法进行权重分析；

在多种不同权重算法基础上，采用灰色关联算法将多种不同权重算法结果进行融合，形成特征最终权重值。

具体地，采用主成分分析法进行权重分析包括：

抽取标准化数据，形成标准化数据矩阵：

；

式中，

应用主成分分析法，计算各特征之间的载荷矩阵

基于载荷矩阵计算各主成分贡献率

；

式中，

计算每个特征的重要程度

式中，

计算特征权重

；/>

式中，

具体地，包括生成单元，用于基于台区运行状态识别模型运行频率实时自动更新现场管理维度下的权重值，生成实时动态权重值。

具体地，所述加权计算单元60的公式为：

；

其中：

综上，本实施例首先基于能源互联网营销服务系统、新一代用电信息采集系统、PMS3.0系统梳理台区相关数据特征，形成态势感知特征体系。然后采用K-means聚类算法对特征进行聚类，分析特征赋值区间，结合多种权重算法对特征体系进行权重分析，针对现场管理维度实时分析动态权重，最后形成特征综合权重，再利用多元线性回归算法分析形成台区态势感知结果，在此基础上进行多方位、多角度、全景业务展示与实时数据监控，推动业务末端高效协同，通过图像化界面展示，及时发现存在的问题，实现基层人员“找”信息向系统自动“推”信息模式的转变，辅助管理者打通各领域数据，助力台区经理工作质量与工作效率的提升，为新型计量采集设备发挥现场作用提供指导方向，多方位提升台区管理精益化水平。

围绕传统方式管控小组人员定期以周报、月报等形式下发异常台区数据明细等情况，由于数据采集、数据明细下发、小组管控、具体操作人员等环节存在时间偏差，导致数据明细存在失真及管理效率低下问题，本发明通过台区7个分析维度，结合大数据分析平台，实时对台区运行状态进行态势感知，在数据量较大、数据失真的情况下能有效甄别健康程度各异的台区，相较传统管理方式较大提高了管理效率，具体对比如表1（管理台区信息对比表）和表2（管理台区效率对比表）：

表1

表2

图4是本示例性实施例的一种台区运行状态识别设备的结构示意图。如图4所示，与上述提供的台区运行状态识别方法相对应，本发明还提供一种台区运行状态识别设备。由于该设备的实施例相似于上述方法实施例，所以描述得比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的设备仅是示意性的。该设备可以包括：处理器(processor)1、存储器(memory)2和通信总线(即上述装置总线)以及查找引擎，其中，处理器1和存储器2通过通信总线完成相互间的通信，通过通信接口与外部进行通信。处理器1可以调用存储器2中的逻辑指令，以执行台区运行状态识别方法。

此外，上述的存储器2中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：存储芯片、U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种处理器可读存储介质，处理器可读存储介质上存储有计算机程序3，该计算机程序3被处理器1执行时实现以执行上述各实施例提供的台区运行状态识别方法。

处理器可读存储介质可以是处理器1能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。

以上仅是本公开的优选实施方式，本公开的保护范围并不仅局限于上述实施例，凡属于本公开思路下的技术方案均属于本公开的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本公开原理前提下的若干改进和润饰，应视为本公开的保护范围。