电网企业电力应急能力预测方法、装置和计算机设备

技术领域

本申请涉及电网技术领域，特别是涉及一种电网企业电力应急能力预测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

在电网企业中，对电网企业电力应急能力进行准确评价，对建设和提升电网企业电力应急能力极其重要。

在传统技术中，对电网企业电力应急能力进行评价时，通常是人工评价方法为主；但是，这种人工评价方法存在主观因素，容易出现错误，导致电网企业电力应急能力的确定准确度较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高电网企业电力应急能力的确定准确度的电网企业电力应急能力预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种电网企业电力应急能力预测方法，包括：

响应于针对待分析电网企业的电力应急能力预测请求，获取所述待分析电网企业在预设电网企业电力应急能力指标下的指标数据；

对所述指标数据进行聚类处理，得到所述待分析电网企业对应的指标数据集合；

分别将各所述指标数据集合对应的特征向量，输入到与各所述指标数据集合对应的第一应急能力分数预测模型，得到各所述指标数据集合对应的预测电力应急能力分数；

将各所述指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到所述待分析电网企业对应的目标电力应急能力分数；

根据所述待分析电网企业的目标电力应急能力分数，确定所述待分析电网企业的电力应急能力等级。

在其中一个实施例中，所述响应于针对待分析电网企业的电力应急能力预测请求，获取所述待分析电网企业在预设电网企业电力应急能力指标下的指标数据，包括：

响应于针对待分析电网企业的电力应急能力预测请求，确定所述待分析电网企业的企业类型；

从预设电网企业电力应急能力指标中，识别出与所述企业类型对应的电力应急能力指标，作为与所述待分析电网企业对应的电力应急能力指标；

获取与所述待分析电网企业对应的电力应急能力指标的指标数据，作为所述待分析电网企业在预设电网企业电力应急能力指标下的指标数据。

在其中一个实施例中，所述对所述指标数据进行聚类处理，得到所述待分析电网企业对应的指标数据集合，包括：

获取所述指标数据对应的指标数据特征；

提取所述指标数据特征中的关键数据特征；

根据所述指标数据特征中的关键数据特征，对所述指标数据进行初始聚类处理，得到待分析电网企业对应的初始指标数据集合；

根据各所述指标数据特征中的关键数据特征与所述初始指标数据集合的聚类中心之间的距离，对所述初始指标数据集合进行更新，得到更新后的指标数据集合，作为所述待分析电网企业对应的指标数据集合。

在其中一个实施例中，在分别将各所述指标数据集合对应的特征向量，输入到与各所述指标数据集合对应的第一应急能力分数预测模型，得到各所述指标数据集合对应的预测电力应急能力分数之前，还包括：

识别出各所述指标数据集合的指标数据集合标识；

对各所述指标数据集合的指标数据集合标识进行验证；

在各所述指标数据集合的指标数据集合标识均验证通过的情况下，根据各所述指标数据集合的指标数据集合标识，查询指标数据集合标识与第一应急能力分数预测模型之间的对应关系，得到与各所述指标数据集合对应的第一应急能力分数预测模型。

在其中一个实施例中，在分别将各所述指标数据集合对应的特征向量，输入到与各所述指标数据集合对应的第一应急能力分数预测模型，得到各所述指标数据集合对应的预测电力应急能力分数之前，还包括：

获取各所述指标数据集合中的指标数据的特征向量；

分别将各所述指标数据集合中的指标数据的特征向量，输入权重预测模型中，得到各所述指标数据集合中的指标数据对应的权重；

根据各所述指标数据集合中的指标数据对应的权重，对各所述指标数据集合中的指标数据的特征向量进行融合处理，得到各所述指标数据集合对应的特征向量。

在其中一个实施例中，所述分别将各所述指标数据集合对应的特征向量，输入到与各所述指标数据集合对应的第一应急能力分数预测模型，得到各所述指标数据集合对应的预测电力应急能力分数，包括：

分别将各所述指标数据集合对应的特征向量，输入到与各所述指标数据集合对应的第一应急能力分数预测模型，得到各所述指标数据集合在各预设电力应急能力分数下的预测概率；

针对各所述指标数据集合，从各预设电力应急能力分数中筛选出所述预测概率最大的预设电力应急能力分数，作为各所述指标数据集合对应的预测电力应急能力分数。

第二方面，本申请还提供了一种电网企业电力应急能力预测装置，包括：

指标数据获取模块，用于响应于针对待分析电网企业的电力应急能力预测请求，获取所述待分析电网企业在预设电网企业电力应急能力指标下的指标数据；

指标数据聚类模块，用于对所述指标数据进行聚类处理，得到所述待分析电网企业对应的指标数据集合；

第一分数预测模块，用于分别将各所述指标数据集合对应的特征向量，输入到与各所述指标数据集合对应的第一应急能力分数预测模型，得到各所述指标数据集合对应的预测电力应急能力分数；

第二分数预测模块，用于将各所述指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到所述待分析电网企业对应的目标电力应急能力分数；

能力等级确定模块，用于根据所述待分析电网企业的目标电力应急能力分数，确定所述待分析电网企业的电力应急能力等级。

第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

响应于针对待分析电网企业的电力应急能力预测请求，获取所述待分析电网企业在预设电网企业电力应急能力指标下的指标数据；

对所述指标数据进行聚类处理，得到所述待分析电网企业对应的指标数据集合；

分别将各所述指标数据集合对应的特征向量，输入到与各所述指标数据集合对应的第一应急能力分数预测模型，得到各所述指标数据集合对应的预测电力应急能力分数；

将各所述指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到所述待分析电网企业对应的目标电力应急能力分数；

根据所述待分析电网企业的目标电力应急能力分数，确定所述待分析电网企业的电力应急能力等级。

第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

响应于针对待分析电网企业的电力应急能力预测请求，获取所述待分析电网企业在预设电网企业电力应急能力指标下的指标数据；

对所述指标数据进行聚类处理，得到所述待分析电网企业对应的指标数据集合；

分别将各所述指标数据集合对应的特征向量，输入到与各所述指标数据集合对应的第一应急能力分数预测模型，得到各所述指标数据集合对应的预测电力应急能力分数；

将各所述指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到所述待分析电网企业对应的目标电力应急能力分数；

根据所述待分析电网企业的目标电力应急能力分数，确定所述待分析电网企业的电力应急能力等级。

第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

响应于针对待分析电网企业的电力应急能力预测请求，获取所述待分析电网企业在预设电网企业电力应急能力指标下的指标数据；

对所述指标数据进行聚类处理，得到所述待分析电网企业对应的指标数据集合；

分别将各所述指标数据集合对应的特征向量，输入到与各所述指标数据集合对应的第一应急能力分数预测模型，得到各所述指标数据集合对应的预测电力应急能力分数；

将各所述指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到所述待分析电网企业对应的目标电力应急能力分数；

根据所述待分析电网企业的目标电力应急能力分数，确定所述待分析电网企业的电力应急能力等级。

上述电网企业电力应急能力预测方法、装置、计算机设备、存储介质和计算机程序产品，先响应于针对待分析电网企业的电力应急能力预测请求，获取待分析电网企业在预设电网企业电力应急能力指标下的指标数据，再对指标数据进行聚类处理，得到待分析电网企业对应的指标数据集合，然后分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合对应的预测电力应急能力分数，接着将各指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到待分析电网企业对应的目标电力应急能力分数，最后根据待分析电网企业的目标电力应急能力分数，确定待分析电网企业的电力应急能力等级。这样，在进行电网企业电力应急能力预测时，通过对待分析电网企业的指标数据进行聚类处理得到指标数据集合，并利用两个应急能力分数预测模型对各指标数据集合进行预测，从而使得待分析电网企业的预测电力应急能力分数更加准确，有利于提高待分析电网企业的电力应急能力等级的确定准确度，进而提高了电网企业电力应急能力的确定准确度，而且整个过程无需人工干预，避免了人工评价容易出现错误，导致应急系统电力应急能力的确定准确度较低的缺陷。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为一个实施例中电网企业电力应急能力预测方法的流程示意图；

图2为一个实施例中预设电网企业电力应急能力指标的示意图；

图3为一个实施例中获取待分析电网企业在预设电网企业电力应急能力指标下的指标数据的步骤的流程示意图；

图4为一个实施例中得到待分析电网企业对应的指标数据集合的步骤的流程示意图；

图5为一个实施例中得到与各指标数据集合对应的第一应急能力分数预测模型的步骤的流程示意图；

图6为一个实施例中得到各指标数据集合对应的特征向量的步骤的流程示意图；

图7为一个实施例中得到各指标数据集合对应的预测电力应急能力分数的步骤的流程示意图；

图8为另一个实施例中电网企业电力应急能力预测方法的流程示意图；

图9为一个实施例中电网企业电力应急能力预测装置的结构框图；

图10为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。

在一个示例性的实施例中，如图1所示，提供了一种电网企业电力应急能力预测方法，本实施例以该方法应用于服务器进行举例说明；可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器之间的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑；服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：

步骤S101，响应于针对待分析电网企业的电力应急能力预测请求，获取待分析电网企业在预设电网企业电力应急能力指标下的指标数据。

其中，待分析电网企业是指需要进行分析的电网企业。

其中，电力应急能力预测请求是指对待分析电网企业的电力应急能力进行预测的请求。

其中，预设电网企业电力应急能力指标是指预先设定的应急系统电力应急能力指标。

举例说明，参考图2，电网企业电力应急能力指标可以包括4个电力应急能力评价一级指标，比如预防与应急准备能力、监测与预警能力、应急处置与救援能力和事后恢复与重建能力；其中，预防与应急准备能力指标下可以有8个二级指标，比如法规制度、应急规划与实施、应急组织、应急预案、应急培训与演练、应急队伍、应急指挥中心和应急保障能力；监测与预警能力指标下可以有3个二级指标，比如监测预警能力、事件监测和预警管理；应急处置与救援能力指标下可以有6个二级指标，比如响应与先期处置、应急指挥、应急救援、信息报送发布、舆情引导和调整与结束；事后恢复与重建能力指标下可以有3个二级指标，比如后期处置、应急处置评估、恢复重建。

其中，待分析电网企业在预设电网企业电力应急能力指标下的指标数据，是指待分析电网企业中与预设应急系统电力应急能力指标对应的数据，比如待分析电网企业中在应急队伍指标下的指标数据为10个应急专家队伍、5个应急抢险救援队伍。

示例性地，服务器响应于针对待分析电网企业的电力应急能力预测请求，从预设电网企业电力应急能力指标中，识别出待分析电网企业对应的电力应急能力指标，接着，服务器从数据库中获取待分析电网企业对应的电力应急能力指标的指标数据，作为待分析电网企业在预设电网企业电力应急能力指标下的指标数据。

步骤S102，对指标数据进行聚类处理，得到待分析电网企业对应的指标数据集合。

其中，聚类处理是指对指标数据按照某个特定标准(如距离或相似性)分成不同的类的过程。

其中，指标数据集合是指包含若干个指标数据的集合。

举例说明，参考图2，通过聚类处理后，法规制度、应急规划与实施、应急组织、应急预案、应急培训与演练、应急队伍、应急指挥中心和应急保障能力这些指标数据进行聚类处理这些指标数据，作为一个指标数据集合。

示例性地，服务器获取指标数据对应的指标数据特征，根据指标数据特征，对指标数据进行初始聚类处理，得到待分析电网企业对应的初始指标数据集合，再根据各指标数据特征中的指标数据特征与初始指标数据集合的聚类中心之间的距离，对初始指标数据集合进行更新，得到更新后的指标数据集合，作为待分析电网企业对应的指标数据集合。

步骤S103，分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合对应的预测电力应急能力分数。

其中，各指标数据对应的特征向量是指对各指标数据进行特征提取处理后得到的特征向量。

其中，第一应急能力分数预测模型是指能够利用各指标数据集合对应的特征向量，得到各指标数据集合对应的预测电力应急能力分数对应的网络模型。

其中，第一应急能力分数预测模型通过下述方式训练得到：服务器获取样本电网企业在预设电网企业电力应急能力指标下的样本指标数据，再对样本指标数据进行聚类处理，得到样本电网企业对应的样本指标数据集合；接着，服务器分别将各样本指标数据集合对应的特征向量，输入到与各样本指标数据集合对应的待训练的第一应急能力分数预测模型，通过待训练的第一应急能力分数预测模型进行预测，得到各样本指标数据集合对应的预测电力应急能力分数；然后，服务器将各样本指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到样本电网企业对应的目标电力应急能力分数；接着，根据样本电网企业对应的目标电力应急能力分数，确定样本电网企业的预测电力应急能力等级；然后，服务器根据样本电网企业的预测电力应急能力等级与样本电网企业的实际电力应急能力等级的差异，得到损失值；接着，服务器根据损失值，对待训练的第一应急能力分数预测模型的模型参数进行调整，并对模型参数调整后的第一应急能力分数预测模型进行再次训练，直到训练后的第一应急能力分数预测模型得到的损失值小于损失值阈值，则停止训练，并将该训练后的第一应急能力分数预测模型，作为预先训练的第一应急能力分数预测模型。

其中，预测电力应急能力分数是指各指标数据对应的应急能力分数的预测值。

示例性地，服务器分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，通过第一应急能力分数预测模型，对各指标数据集合对应的特征向量进行特征提取处理，得到特征提取处理后的特征向量，接着，服务器将特征提取处理后的特征向量进行分类处理，得到各指标数据集合对应的预测电力应急能力分数。

步骤S104，将各指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到待分析电网企业对应的目标电力应急能力分数。

其中，第二应急能力分数预测模型是指能够利用各指标数据集合对应的预测电力应急能力分数，得到待分析电网企业对应的目标电力应急能力分数的网络模型。

其中，融合处理可以是指加权处理，也可以是求平均，也可以是求最大值。

其中，目标电力应急能力分数是指待分析电网企业对应的目标电力应急能力的综合分数。

示例性地，服务器将各指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型，通过第二应急能力分数预测模型，得到各指标数据集合对应的各个预设权重下的预测概率，再从各个预设权重下的预测概率中，分别筛选出预测概率最大的预设权重，作为各指标数据集合对应的权重；接着，服务器将各指标数据集合对应的预测电力应急能力分数与对应的权重进行融合处理，得到待分析电网企业对应的目标电力应急能力分数；例如，服务器将各指标数据集合对应的预测电力应急能力分数与对应的权重进行加权处理，得到待分析电网企业对应的目标电力应急能力分数。

进一步地，各指标数据集合对应的权重还可以通过下述方式确定：服务器通过CRITIC(客观赋权法)权重法，获取各指标数据集合对应的指标变异性和指标冲突性，分别对各指标数据集合对应的指标变异性和指标冲突性进行融合处理，得到各指标数据集合对应的权重。

进一步地，各指标数据集合对应的权重还可以通过下述方式确定：服务器根据各指标数据集合，生成各指标数据集合对应的重要程度调查任务，根据重要程度调查任务的结果，提取重要程度调查任务的结果对应的结果数据，根据结果数据和层次分析法，确定各指标数据集合对应的权重。

步骤S105，根据待分析电网企业的目标电力应急能力分数，确定待分析电网企业的电力应急能力等级。

其中，电力应急能力等级是指根据电网企业的电力应急能力划分的等级。

示例性地，服务器根据待分析电网企业的目标电力应急能力分数，查询电力应急能力分数与电力应急能力等级之间的对应关系，确定目标电力应急能力分数对应的电力应急能力等级，作为待分析电网企业的电力应急能力等级。

上述电网企业电力应急能力预测方法中，先响应于针对待分析电网企业的电力应急能力预测请求，获取待分析电网企业在预设电网企业电力应急能力指标下的指标数据，再对指标数据进行聚类处理，得到待分析电网企业对应的指标数据集合，然后分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合对应的预测电力应急能力分数，接着将各指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到待分析电网企业对应的目标电力应急能力分数，最后根据待分析电网企业的目标电力应急能力分数，确定待分析电网企业的电力应急能力等级。这样，在进行电网企业电力应急能力预测时，通过对待分析电网企业的指标数据进行聚类处理得到指标数据集合，并利用两个应急能力分数预测模型对各指标数据集合进行预测，从而使得待分析电网企业的预测电力应急能力分数更加准确，有利于提高待分析电网企业的电力应急能力等级的确定准确度，进而提高了电网企业电力应急能力的确定准确度，而且整个过程无需人工干预，避免了人工评价容易出现错误，导致应急系统电力应急能力的确定准确度较低的缺陷。

在一个示例性的实施例中，如图3所示，上述步骤S101，响应于针对待分析电网企业的电力应急能力预测请求，获取待分析电网企业在预设电网企业电力应急能力指标下的指标数据，具体包括如下步骤：

步骤S301，响应于针对待分析电网企业的电力应急能力预测请求，确定待分析电网企业的企业类型。

步骤S302，从预设电网企业电力应急能力指标中，识别出与企业类型对应的电力应急能力指标，作为与待分析电网企业对应的电力应急能力指标。

步骤S303，获取与待分析电网企业对应的电力应急能力指标的指标数据，作为待分析电网企业在预设电网企业电力应急能力指标下的指标数据。

其中，企业类型可以是指企业规模，一般分为特大型企业、大型企业、中型企业、小型企业等。

其中，电力应急能力指标是指根据电网企业的电力应急能力划分的指标。

其中，与企业类型对应的电力应急能力指标，是指与企业类型对应的电力应急能力指标。

举例说明，参考图2，电力应急能力指标包括4个电力应急能力评价一级指标，分别是预防与应急准备能力、监测与预警能力、应急处置与救援能力和事后恢复与重建能力。其中，特大型企业对应的电力应急能力指标为预防与应急准备能力、监测与预警能力、应急处置与救援能力和事后恢复与重建能力；大型企业对应的电力应急能力指标为预防与应急准备能力、监测与预警能力和应急处置与救援能力；中型企业对应的电力应急能力指标为预防与应急准备能力和监测与预警能力；小型企业对应的电力应急能力指标为预防与应急准备能力。

其中，待分析电网企业对应的电力应急能力指标，是指与待分析电网企业相匹配的电力应急能力指标。

举例说明，参考图2，若待分析电网企业属于特大型企业，则对应的电力应急能力指标为预防与应急准备能力、监测与预警能力、应急处置与救援能力和事后恢复与重建能力。

其中，与待分析电网企业对应的电力应急能力指标的指标数据，是指与待分析电网企业对应的电力应急能力指标的相关数据。

示例性地，服务器响应于针对待分析电网企业的电力应急能力预测请求，确定待分析电网企业的企业信息，再从待分析电网企业的企业信息中，获取待分析电网企业的企业类型，然后获取预设电网企业电力应急能力指标，接着从预设电网企业电力应急能力指标中，识别出与企业类型对应的电力应急能力指标，作为与待分析电网企业对应的电力应急能力指标；然后，服务器从数据库中获取与待分析电网企业的数据，接着从待分析电网企业的数据中，筛选出与待分析电网企业对应的电力应急能力指标的指标数据，作为待分析电网企业在预设电网企业电力应急能力指标下的指标数据。

本实施例中，通过确定待分析电网企业的企业类型，从预设电网企业电力应急能力指标中，识别出与企业类型对应的电力应急能力指标，作为与待分析电网企业对应的电力应急能力指标，这样，可以针对不同类型的企业选择相匹配的电力应急能力指标，有利于提高电网企业分析的准确性和针对性。

在一个示例性的实施例中，如图4所示，上述步骤S102，对指标数据进行聚类处理，得到待分析电网企业对应的指标数据集合，具体包括如下步骤：

步骤S401，获取指标数据对应的指标数据特征。

步骤S402，提取指标数据特征中的关键数据特征。

步骤S403，根据指标数据特征中的关键数据特征，对指标数据进行初始聚类处理，得到待分析电网企业对应的初始指标数据集合。

步骤S404，根据各指标数据特征中的关键数据特征与初始指标数据集合的聚类中心之间的距离，对初始指标数据集合进行更新，得到更新后的指标数据集合，作为待分析电网企业对应的指标数据集合。

其中，指标数据特征是指与指标数据有关的特征信息。比如，应急队伍指标数据中应急专家队伍为10个、应急抢险救援队伍为5个。

其中，关键数据特征是指从指标数据特征中提取得到的重要程度较高的指标数据特征。例如，本申请将指标数据特征中重要程度大于预设重要程度的指标数据特征(比如应急专家队伍的数量等)，作为关键数据特征。

其中，初始聚类处理是指根据指标数据特征中的关键数据特征对指标数据进行的第一次聚类处理。

其中，初始指标数据集合是指初始聚类处理后得到的指标数据集合。

其中，初始指标数据集合的聚类中心是指初始指标数据集合中所有关键数据特征的中心点。

其中，距离可以是指欧氏距离。

其中，对初始指标数据集合进行更新是指根据距离对原有指标数据集合进行调整的过程。

其中，更新后的指标数据集合是指对初始指标数据集合进行更新后得到的指标数据集合。

示例性地，服务器对指标数据进行特征提取处理，得到指标数据对应的指标数据特征，再从指标数据特征中，提取出满足预设条件的指标数据特征，作为关键数据特征；例如，服务器确定各指标数据特征对应的重要程度，再从指标数据特征中，提取出对应的重要程度大于预设重要程度的指标数据特征，并将这些指标数据特征作为关键数据特征；接着，服务器将指标数据特征中的关键数据特征输入至聚类模型(比如自组织映射神经网络模型)，通过对指标数据进行初始聚类处理，将初始聚类处理后得到的指标数据集合，作为待分析电网企业对应的初始指标数据集合；然后，服务器根据初始指标数据集合中的关键数据特征，确定初始指标数据集合的聚类中心；例如，服务器获取初始指标数据集合中的关键数据特征对应的特征向量，将关键数据特征对应的特征向量进行求平均处理，将求平均处理得到的特征向量，作为初始指标数据集合的聚类中心；接着，服务器获取各个关键数据特征与初始指标数据集合的聚类中心之间的距离，再从初始指标数据集合中，筛选出与对应的距离最小的指标数据集合，将针对各个关键数据特征筛选的指标数据集合，对应作为各个关键数据特征对应的新指标数据集合；然后，服务器根据新指标数据集合中的关键数据特征，确定新指标数据集合的聚类中心；当新指标数据集合满足预设聚类条件(比如使目标函数收敛)，则将满足预设聚类条件的新指标数据集合，作为待分析电网企业对应的指标数据集合。

本实施例中，通过提取关键数据特征，可以筛选出重要程度较高的指标数据特征，可以大大减少后续聚类处理所需要的数据量，提高了聚类处理的效率；而且，在聚类处理过程中通过不断的更新，使得指标数据集合的聚类效果更为准确，有利于提高指标数据集合的确定准确率。

在一个示例性的实施例中，如图5所示，上述步骤S103，在分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合对应的预测电力应急能力分数之前，具体包括如下步骤：

步骤S501，识别出各指标数据集合的指标数据集合标识。

步骤S502，对各指标数据集合的指标数据集合标识进行验证。

步骤S503，在各指标数据集合的指标数据集合标识均验证通过的情况下，根据各指标数据集合的指标数据集合标识，查询指标数据集合标识与第一应急能力分数预测模型之间的对应关系，得到与各指标数据集合对应的第一应急能力分数预测模型。

其中，指标数据集合标识可以是指一级指标名称，比如预防与应急准备能力。

其中，验证可以是指对指标数据集合标识进行检查，比如检查指标数据集合标识中是否存在相同或者错误的标识。

其中，验证通过可以是各指标数据集合的指标数据集合标识符合相应的标准。

其中，指标数据集合标识与第一应急能力分数预测模型之间的对应关系，是指指标数据集合标识与第一应急能力分数预测模型之间的关联信息。比如，预防与应急准备能力对应应急能力分数预测模型a，监测与预警能力对应应急能力分数预测模型b，应急处置与救援能力对应应急能力分数预测模型c。

示例性地，服务器根据各指标数据集合的指标数据，识别出各指标数据集合的指标数据集合标识，并对各指标数据集合的指标数据集合标识进行验证；在各指标数据集合的指标数据集合标识均验证不通过的情况下，服务器对各指标数据集合的指标数据集合标识进行重新识别，得到各指标数据集合的新指标数据集合标识，并对各指标数据集合的新指标数据集合标识进行验证，直到验证通过为止；在各指标数据集合的指标数据集合标识均验证通过的情况下，根据各指标数据集合的指标数据集合标识，查询指标数据集合标识与第一应急能力分数预测模型之间的对应关系，得到与各指标数据集合对应的第一应急能力分数预测模型。

本实施例中，通过对各指标数据集合的指标数据集合标识进行验证，可以进一步确保指标数据集合标识的准确性和可靠性；而且，查询指标数据集合标识与第一应急能力分数预测模型之间的对应关系，得到与各指标数据集合对应的第一应急能力分数预测模型，可以针对不同的指标数据集合选择相匹配的应急能力分数预测模型，有利于提高应急能力分数预测的准确率。

在一个示例性的实施例中，如图6所示，上述步骤S103，在分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合对应的预测电力应急能力分数之前，具体包括如下步骤：

步骤S601，获取各指标数据集合中的指标数据的特征向量。

步骤S602，分别将各指标数据集合中的指标数据的特征向量，输入权重预测模型中，得到各指标数据集合中的指标数据对应的权重。

步骤S603，根据各指标数据集合中的指标数据对应的权重，对各指标数据集合中的指标数据的特征向量进行融合处理，得到各指标数据集合对应的特征向量。

其中，各指标数据集合中的指标数据的特征向量，可以是指对各指标数据集合中的指标数据进行特征提取处理后得到的特征向量。

其中，权重预测模型是指能够利用各指标数据集合中的指标数据的特征向量，得到各指标数据集合中的指标数据对应的权重的网络模型。比如Transformer(转换)模型。

其中，各指标数据集合中的指标数据对应的权重，是指各指标数据集合中的指标数据对应的权重的预测值，用于表征各指标数据集合中的指标数据对应的重要程度。

其中，各指标数据集合对应的特征向量是指对各指标数据集合中的指标数据的特征向量进行融合处理得到的特征向量。

示例性地，服务器对各指标数据集合中的指标数据进行特征提取处理，将特征提取处理得到的特征向量，作为各指标数据集合中的指标数据的特征向量；接着，服务器分别将各指标数据集合中的指标数据的特征向量，输入权重预测模型中，通过权重预测模型对各指标数据集合中的指标数据的特征向量进行预测，分别得到在各个预设权重下的预测概率；然后，服务器从各个预设权重下的预测概率中，分别筛选出预测概率最大的预设权重，作为各指标数据集合中的指标数据对应的权重；接着，根据各指标数据集合中的指标数据对应的权重，对各指标数据集合中的指标数据的特征向量进行融合处理，将融合处理后得到的特征向量，作为各指标数据集合对应的特征向量；例如，服务器根据各指标数据集合中的指标数据对应的权重，对各指标数据集合中的指标数据的特征向量进行加权处理，将加权处理后得到的特征向量，作为各指标数据集合对应的特征向量。

本实施例中，通过权重预测模型得到各指标数据集合中的指标数据对应的权重，根据权重对各指标数据集合中的指标数据的特征向量进行融合处理，得到各指标数据集合对应的特征向量。这样，可以综合考虑多个指标数据对应的重要程度，有利于得到更准确的特征向量。

在一个示例性的实施例中，如图7所示，上述步骤S103，分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合对应的预测电力应急能力分数，具体包括如下步骤：

步骤S701，分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合在各预设电力应急能力分数下的预测概率。

步骤S702，针对各指标数据集合，从各预设电力应急能力分数中筛选出预测概率最大的预设电力应急能力分数，作为各指标数据集合对应的预测电力应急能力分数。

其中，预设电力应急能力分数是指预先设定的电力应急能力分数，比如70分、80分、90分等。

其中，各指标数据集合在各预设电力应急能力分数下的预测概率，表征各指标数据集合在各预设电力应急能力分数下的可能性，比如指标数据集合a在70分的概率为20％，在80分的概率为50％，在90分的概率为30％。

示例性地，服务器分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，通过第一应急能力分数预测模型进行预测，得到各指标数据集合在各预设电力应急能力分数下的预测概率；接着，服务器针对各指标数据集合，从各预设电力应急能力分数中筛选出预测概率最大的预设电力应急能力分数，作为各指标数据集合对应的预测电力应急能力分数。

本实施例中，通过第一应急能力分数预测模型，得到将各指标数据集合在各预设电力应急能力分数下的预测概率，然后根据预测概率筛选出最可能的电力应急能力分数，有利于提高各指标数据集合对应的电力应急能力分数的预测准确率，整个过程无需人工干预，避免了人工评价容易出现错误，导致电力应急能力分数的预测准确率较低的缺陷。

在一个示例性的实施例中，如图8所示，提供了另一种电网企业电力应急能力预测方法，以该方法应用于服务器进行举例说明，包括以下步骤：

步骤S801，响应于针对待分析电网企业的电力应急能力预测请求，确定待分析电网企业的企业类型。

步骤S802，从预设电网企业电力应急能力指标中，识别出与企业类型对应的电力应急能力指标，作为与待分析电网企业对应的电力应急能力指标。

步骤S803，获取与待分析电网企业对应的电力应急能力指标的指标数据，作为待分析电网企业在预设电网企业电力应急能力指标下的指标数据。

步骤S804，获取指标数据对应的指标数据特征；提取指标数据特征中的关键数据特征；根据指标数据特征中的关键数据特征，对指标数据进行初始聚类处理，得到待分析电网企业对应的初始指标数据集合。

步骤S805，根据各指标数据特征中的关键数据特征与初始指标数据集合的聚类中心之间的距离，对初始指标数据集合进行更新，得到更新后的指标数据集合，作为待分析电网企业对应的指标数据集合。

步骤S806，识别出各指标数据集合的指标数据集合标识；对各指标数据集合的指标数据集合标识进行验证。

步骤S807，在各指标数据集合的指标数据集合标识均验证通过的情况下，根据各指标数据集合的指标数据集合标识，查询指标数据集合标识与第一应急能力分数预测模型之间的对应关系，得到与各指标数据集合对应的第一应急能力分数预测模型。

步骤S808，获取各指标数据集合中的指标数据的特征向量；分别将各指标数据集合中的指标数据的特征向量，输入权重预测模型中，得到各指标数据集合中的指标数据对应的权重。

步骤S809，根据各指标数据集合中的指标数据对应的权重，对各指标数据集合中的指标数据的特征向量进行融合处理，得到各指标数据集合对应的特征向量。

步骤S810，分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合在各预设电力应急能力分数下的预测概率。

步骤S811，针对各指标数据集合，从各预设电力应急能力分数中筛选出预测概率最大的预设电力应急能力分数，作为各指标数据集合对应的预测电力应急能力分数。

步骤S812，将各指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到待分析电网企业对应的目标电力应急能力分数。

步骤S813，根据待分析电网企业的目标电力应急能力分数，确定待分析电网企业的电力应急能力等级。

上述电网企业电力应急能力预测方法中，在进行电网企业电力应急能力预测时，通过对待分析电网企业的指标数据进行聚类处理得到指标数据集合，并利用两个应急能力分数预测模型对各指标数据集合进行预测，从而使得待分析电网企业的预测电力应急能力分数更加准确，有利于提高待分析电网企业的电力应急能力等级的确定准确度，进而提高了电网企业电力应急能力的确定准确度，而且整个过程无需人工干预，避免了人工评价容易出现错误，导致应急系统电力应急能力的确定准确度较低的缺陷。

在一个示例性的实施例中，为了更清晰阐明本申请实施例提供的电网企业电力应急能力预测方法，以下以一个具体的实施例对该电网企业电力应急能力预测方法进行具体说明。在一个实施例中，本申请还提供了一种电网企业电力应急能力评价方法，在进行电网企业电力应急能力预测时，通过构建电力应急能力指标体系得到多个评价指标，再通过建立电网企业电力安全管理评估模型，得到各指标的权重和得分，根据各指标的权重和得分确定评价结果，进而提高了电网企业电力应急能力的确定准确度。具体包括如下内容：

1、电力应急能力指标体系的构建：

从预防与准备能力、监测与预警能力、处置与救援能力、恢复与重建能力四个方面出发，制定具备应急系统特色的电力应急能力评价指标体系，例如将应急保障能力、灾后恢复重建能力和灾后联动能力作为特色的恢复与重建能力评价指标，详见图2。

2、电网企业电力安全管理评估模型建立：

制作重要程度调查问卷，从问卷中提取数据，使用层次分析法等算法来计算各指标的权重；或者，将各指标统一转换为极大型指标，然后通过CRITIC权重法计算各指标的指标变异性和指标冲突性，进而综合指标变异性和指标冲突性计算各指标的权重。获取各指标的得分，如专家打分，如问卷调查得分，如将各指标的数据输入预训练的得分评估模型中，输出各指标的得分。利用加权平均原则，最终确定评价结果，形成报告。

上述实施例，在进行电网企业电力应急能力预测时，通过对待分析电网企业的指标数据进行聚类处理得到指标数据集合，并利用两个应急能力分数预测模型对各指标数据集合进行预测，从而使得待分析电网企业的预测电力应急能力分数更加准确，有利于提高待分析电网企业的电力应急能力等级的确定准确度，进而提高了电网企业电力应急能力的确定准确度，而且整个过程无需人工干预，避免了人工评价容易出现错误，导致应急系统电力应急能力的确定准确度较低的缺陷。同时，本申请建立了电网企业电力应急的评价指标体系，能够完整、全面、系统地反映电网企业的电力安全状况，以便及时查找应急能力存在的问题和不足，从而指导电网企业完善电力应急体系。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电网企业电力应急能力预测方法的电网企业电力应急能力预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电网企业电力应急能力预测装置实施例中的具体限定可以参见上文中对于电网企业电力应急能力预测方法的限定，在此不再赘述。

在一个示例性的实施例中，如图9所示，提供了一种电网企业电力应急能力预测装置，包括：指标数据获取模块901、指标数据聚类模块902、第一分数预测模块903、第二分数预测模块904和能力等级确定模块905，其中：

指标数据获取模块901，用于响应于针对待分析电网企业的电力应急能力预测请求，获取待分析电网企业在预设电网企业电力应急能力指标下的指标数据。

指标数据聚类模块902，用于对指标数据进行聚类处理，得到待分析电网企业对应的指标数据集合。

第一分数预测模块903，用于分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合对应的预测电力应急能力分数。

第二分数预测模块904，用于将各指标数据集合对应的预测电力应急能力分数，输入到第二应急能力分数预测模型中进行融合处理，得到待分析电网企业对应的目标电力应急能力分数。

能力等级确定模块905，用于根据待分析电网企业的目标电力应急能力分数，确定待分析电网企业的电力应急能力等级。

在一个示例性的实施例中，指标数据获取模块901，还用于响应于针对待分析电网企业的电力应急能力预测请求，确定待分析电网企业的企业类型；从预设电网企业电力应急能力指标中，识别出与企业类型对应的电力应急能力指标，作为与待分析电网企业对应的电力应急能力指标；获取与待分析电网企业对应的电力应急能力指标的指标数据，作为待分析电网企业在预设电网企业电力应急能力指标下的指标数据。

在一个示例性的实施例中，指标数据聚类模块902，还用于获取指标数据对应的指标数据特征；提取指标数据特征中的关键数据特征；根据指标数据特征中的关键数据特征，对指标数据进行初始聚类处理，得到待分析电网企业对应的初始指标数据集合；根据各指标数据特征中的关键数据特征与初始指标数据集合的聚类中心之间的距离，对初始指标数据集合进行更新，得到更新后的指标数据集合，作为待分析电网企业对应的指标数据集合。

在一个示例性的实施例中，该电网企业电力应急能力预测装置还包括预测模型确定模块，用于识别出各指标数据集合的指标数据集合标识；对各指标数据集合的指标数据集合标识进行验证；在各指标数据集合的指标数据集合标识均验证通过的情况下，根据各指标数据集合的指标数据集合标识，查询指标数据集合标识与第一应急能力分数预测模型之间的对应关系，得到与各指标数据集合对应的第一应急能力分数预测模型。

在一个示例性的实施例中，该电网企业电力应急能力预测装置还包括特征向量融合模块，用于获取各指标数据集合中的指标数据的特征向量；分别将各指标数据集合中的指标数据的特征向量，输入权重预测模型中，得到各指标数据集合中的指标数据对应的权重；根据各指标数据集合中的指标数据对应的权重，对各指标数据集合中的指标数据的特征向量进行融合处理，得到各指标数据集合对应的特征向量。

在一个示例性的实施例中，第一分数预测模块903，还用于分别将各指标数据集合对应的特征向量，输入到与各指标数据集合对应的第一应急能力分数预测模型，得到各指标数据集合在各预设电力应急能力分数下的预测概率；针对各指标数据集合，从各预设电力应急能力分数中筛选出预测概率最大的预设电力应急能力分数，作为各指标数据集合对应的预测电力应急能力分数。

上述电网企业电力应急能力预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储指标、指标数据集合、电力应急能力分数等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电网企业电力应急能力预测方法。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个示例性的实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个示例性的实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个示例性的实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。