一种基于配网调度的智能校核系统

技术领域

本申请涉及配电网调度技术领域，特别涉及一种基于配网调度的智能校核系统。

背景技术

电力调度是依据各类信息采集设备反馈回来的数据信息，或监控人员提供的信息，结合电网实际运行数据信息，对电网安全、经济运行状态进行判断，电力调度是为了保证电网安全稳定运行、对外可靠供电、各类电力生产工作有序进行而采用的管理手段。

公开号为CN110991675A的中国专利申请文件公开了一种配网运维监控方法和系统，该配网运维监控方法包括下述步骤：当接收到电网调度运行管理系统发出的调令下发通知时，根据所述调令下发通知获取待执行的逐项调令列表，并根据所述逐项调令列表生成操作票；根据预设的规则对所述操作票进行防误校核，所述预设的规则为防误逻辑表达式或防误拓扑；当所述操作票通过所述防误校核时，将所述操作票推送至电网管理信息系统进行审核；当接收到所述电网管理信息系统发出的所述操作票审核通过的通知时，输出所述操作票；监控所述操作票中每个操作项的执行，并获取执行每个所述操作项后的执行结果，根据所述执行结果更新对应的设备状态信息。

但是由于难以对调度指令周期中每个过程节点进行票面术语信息、票面顺序信息、设备状态数据信息与受令员身份信息全过程安全防误处理，导致影响配电网调度控制安全防误效果，降低调度操作防误水平，有待改进。

发明内容

有鉴于此，本申请的目的在于提供一种基于配网调度的智能校核系统，以实现构建调度操作规则智能校核体系，以针对调度指令周期中每个过程节点进行票面术语信息、票面顺序信息、设备状态数据信息与受令员身份信息全过程安全防误处理，改善配电网调度控制安全防误效果，提升调度操作防误水平的目的。其具体方案如下：

一种基于配网调度的智能校核系统，包括受令端和调度端；

所述受令端设置有分别用于独立开启的人脸识别单元、密码验证单元和指令签收单元以及与所述人脸识别单元、密码验证单元和指令签收单元连接并用于验证防误的受令防误单元；

所述调度端设置有与所述受令防误单元连接的信息库；所述信息库用于存储需要生成的操作票的指令信息以及接收指令的设备信息，并无误校核所述指令信息和设备信息。

优选地：所述信息库连接有指令生票单元，所述指令生票单元用于生成初步的操作票信息；所述指令生票单元分别连接有票面术语单元与票面顺序单元，所述票面术语单元连接有术语参数单元，所述票面顺序单元连接有顺序参数单元；所述票面术语单元用于与所述术语参数单元比较校核，所述票面顺序单元用于与所述顺序参数单元比较校核。

优选地：所述术语参数单元连接有术语防误单元，所述顺序参数单元连接有顺序防误单元；所述术语防误单元用于验证票面术语无误，所述顺序防误单元用于验证票面顺序无误。

优选地：当所述票面术语单元与所述术语参数单元比较校核有误，则向所述受令端警告；当所述票面顺序单元与所述顺序参数单元比较校核有误，则向所述受令端警告。

优选地：所述信息库依次连接有数据检测单元、数据接收单元和设备状态单元，所述数据监测单元和所述数据接收单元用于接收并存储电力设备信息。

优选地：所述设备状态单元依次连接有设备参数单元和设备防误单元，所述设备状态单元用于与所述设备参数单元比较校核，所述设备防误单元用于验证设备信息无误。

优选地：当所述设备状态单元与所述设备参数单元比较校核有误，则向所述受令端警告。

优选地：所述比较校核的步骤如下：

步骤1、模型构建和异常调度操作票重构，生成调度操作票数据的训练数据集；

步骤2、利用规则学习算法对训练数据集智能体训练，得到调度操作票校核规则；

其中，所述规则学习算法为采用如下条件表达式：

且式(1)中，“←”为逻辑推导符号，“f

且所述规则学习算法包括如下步骤：

S1、根据显著性选定初始规则体条件；

S2、根据相关性概率完善规则体语句；

S3、确认属性选择是否完毕，若否则继续S2；

S4、确认规则学习是否完毕，若否则继续S1，若是则结束。

优选地：所述训练数据集中每个数据项均为如下式所示：

(a

其中，a

优选地：包括如下：

在S1中，选取显著性最强的判定结果取值r

其中，Cor()为满足r＝r

在S2中，采用在满足a

并设置收敛性判定规则，包括如下条件项公式：

Count(Rule(f

Count(Rule)≤R

其中，Count(Rule(f

通过以上方案可知，本申请提供了一种基于配网调度的智能校核系统，该基于配网调度的智能校核系统具有以下有益效果：

1、实现构建调度操作规则智能校核体系，对调度指令周期中每个过程节点进行票面术语信息、票面顺序信息、设备状态数据信息与受令员身份信息全过程安全防误处理，改善配电网调度控制安全防误效果，提升调度操作防误水平；

2、该智能校核系统通过电网通信网络在票面术语单元、票面顺序单元、设备状态单元接收到初步操作票信息以及设备信息后生成相应的交互信息，以通过对交互信息进行核校保障数据的标准化与完整性；

3、该规则学习具有自我学习完善的特性，通过补充新的训练数据，以使得规则学习保持与调度操作习惯的一致性，校核耗时在10秒以内，不需要投入新的调度员人力，降低校核的人力投入，提升操作效率；

4、为了避免规则学习过拟合，预先设置规则体语句和规则学习的收敛条件，以实现拓展规则挖掘的深度和有效避免学习结果变成决策树式的穷举的效果。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有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，还可以根据提供的附图获得其他的附图。

图1为本申请公开的基于配网调度的智能校核系统的系统框图；

图2为本申请公开的规则学习算法的流程框图。

附图标记说明：11、指令生票单元；12、票面术语单元；13、票面顺序单元；21、术语参数单元；22、顺序参数单元；23、设备参数单元；31、数据监测单元；32、数据接收单元；33、设备状态单元；41、人脸识别单元；42、密码验证单元；43、指令签收单元；51、术语防误单元；52、顺序防误单元；53、设备防误单元；54、受令防误单元。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

如图1所示，一种基于配网调度的智能校核系统，包括受令端和调度端。其中，受令端设置有分别用于独立开启的人脸识别单元、密码验证单元和指令签收单元以及与人脸识别单元、密码验证单元和指令签收单元连接并用于验证防误的受令防误单元。在通过人脸识别单元、密码验证单元与指令签收单元择一受令的方式开始启动的同时，通过受令防误单元对受令信息进行验证无误后启动该基于配网调度的智能校核系统。

需要提及的是，调度端设置有与受令防误单元连接的信息库。信息库用于存储需要生成的操作票的指令信息以及接收指令的设备信息，并无误校核指令信息和设备信息。

如图1所示，信息库连接有指令生票单元，指令生票单元用于生成初步的操作票信息。指令生票单元分别连接有票面术语单元与票面顺序单元。其中，票面术语单元连接有术语参数单元，票面顺序单元连接有顺序参数单元。票面术语单元用于与术语参数单元比较校核，所述票面顺序单元用于与顺序参数单元比较校核。与此同时，术语参数单元连接有术语防误单元，顺序参数单元连接有顺序防误单元。术语防误单元用于验证票面术语无误，顺序防误单元用于验证票面顺序无误，以产生最终校核无误的操作票信息。

在进行指令信息的无误核校时，具体采用如下步骤：

步骤1a：指令生票单元将指令信息生成初步的操作票信息；

步骤1b：通过票面术语单元与术语参数单元进行对比核校，确保票面术语正确；通过票面顺序单元与顺序参数单元进行对比核校，确保票面顺序正确；

步骤1c：通过术语防误单元验证票面术语无误；通过顺序防误单元验证票面顺序无误。

与此同时，当票面术语单元与术语参数单元比较校核有误，则向所述受令端警告；当票面顺序单元与顺序参数单元比较校核有误，则向所述受令端警告。

需要提的是，信息库依次连接有数据检测单元、数据接收单元和设备状态单元。数据监测单元和数据接收单元用于接收并存储电力设备信息。且设备状态单元依次连接有设备参数单元和设备防误单元。其中，设备状态单元用于与设备参数单元比较校核，设备防误单元用于验证设备信息无误。相应的，当设备状态单元与设备参数单元比较校核有误，则向受令端警告。

在进行设备信息的无误核校时，具体采用如下步骤：

步骤2a：通过数据监测单元、数据接收单元接收并存储电力设备信息；

步骤2b：通过设备状态单元与设备参数单元进行对比核校，确保设备信息正确；

步骤2c：通过设备防误单元验证设备信息无误；

步骤2d：将验证正确无误的指令信息，以及电力设备信息生成最终的操作票。

具体的，术语参数单元存储有与票面术语对应的参数信息；顺序参数单元存储有与票面顺序对应的参数信息；设备参数单元存储有与设备状态对应的参数信息。进一步的，当将术语参数单元、顺序参数单元、设备参数单元为一个存储介质时，该存储介质内存储的信息用于被票面术语单元、票面顺序单元和设备状态单元读取调用。

如图1、图2所示，比较校核的步骤如下：

步骤1、模型构建和异常调度操作票重构，生成调度操作票数据的训练数据集；

步骤2、利用规则学习算法对训练数据集智能体训练，得到调度操作票校核规则；

其中，所述规则学习算法为采用如下条件表达式：

且式(1)中，“←”为逻辑推导符号，“f

规则库中具有多条校核规则。

且规则学习算法包括如下步骤：

S1、根据显著性选定初始规则体条件；

具体的，选取显著性最强的判定结果取值r

其中，Cor()为满足r＝r

S2、根据相关性概率完善规则体语句；

具体的，采用在满足a

S3、确认属性选择是否完毕，若否则继续S2；

S4、确认规则学习是否完毕，若否则继续S1，若是则结束。

优选地：所述训练数据集中每个数据项均为如下式所示：

(a

其中，a

因此，该规则学习算法为从训练数据集最显著的条件项出发，不断增加条件项约束，缩小规则覆盖范围，直至得到满足搜索要求的规则语句的学习过程。且在判定结果显著性时，由其在训练数据集中的出现次数决定，当次数越多时表明判定结果r在该取值下的概率越高，显著性越强。且在统计显著性最强的判定结果r

需要提及的是，在该规则学习算法中设置有收敛性判定规则，包括如下条件项公式：

Count(Rule(f

Count(Rule)≤R

其中，Count(Rule(f

综上所述，本申请提供了一种基于配网调度的智能校核系统，该基于配网调度的智能校核系统实现构建调度操作规则智能校核体系，对调度指令周期中每个过程节点进行票面术语信息、票面顺序信息、设备状态数据信息与受令员身份信息全过程安全防误处理，改善配电网调度控制安全防误效果，提升调度操作防误水平；与此同时，该智能校核系统通过电网通信网络在票面术语单元、票面顺序单元、设备状态单元接收到初步操作票信息以及设备信息后生成相应的交互信息，以通过对交互信息进行核校保障数据的标准化与完整性。所采用的规则学习具有自我学习完善的特性，通过补充新的训练数据，以使得规则学习保持与调度操作习惯的一致性，校核耗时在10秒以内，不需要投入新的调度员人力，降低校核的人力投入，提升操作效率；同时为了避免规则学习过拟合，预先设置规则体语句和规则学习的收敛条件，以实现拓展规则挖掘的深度和有效避免学习结果变成决策树式的穷举的效果。

本申请涉及的“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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单元的过程、方法或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法或设备固有的其它步骤或单元。

需要说明的是，在本申请中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。

本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。