本申请公开了一种通用性好、配置灵活的电力设备状态的评价模型引擎，包括步骤：（1）当获取评价模型后，构建基础模型库，即评价模型的评价内容，基础模型库由模型库、指标库、状态量库构成；（2）根据基础模型库，构建基层数据接口引擎；（3）评价模型实例化，其包括定义评价层次关系和定义评价算法规则；（4）将评价模型实例化内容生成到数据库，并加载与本模型配合的算法解析引擎与数据接口处理引擎。
【技术实现步骤摘要】
本专利技术涉及电カ系统自动化的
，尤其涉及ー种电カ设备状态的评价模型引擎。
技术介绍
目前电カ设备状态检修正处于积极探索研究阶段，其核心的状态评价模型还不成熟。同时，支撑其实现的软件系统也不具备灵活改进特征，无法支撑算法模型的改善。当前常用的状态检修软件系统主要有两种模式一种是将状态检修作为生产管理系统软件的一个功能模块，与生产管理过程中的其他业务配合支撑状态检修；另ー种是将状态检修系统作为ー个独立的软件系统，通过信息集成或者数据接ロ实现对电カ企业状态检修业务的支撑。无论是哪种软件系统模式，作为其核心内容的状态评价功能都是建立在固定的状态评价方法模型基础上的，无法灵活定义和应用状态评价模型来保障状态评价效果。当前常用的评价模型有(I)权重扣分模型该模型将设备健康状况具体化为各种权重的指标及状态量，每个指标或状态量设置相应的基准扣分值，评价时根据设备实际情况对比权重与基准扣分值逐级扣分，扣分越少则设备状态越好。(2)百分制模型该模型设定设备最佳健康状态为ー百分，将设备健康状况划分为各个健康指标，每个指标都具有其特定的评价算法，由相应的状态量来表征计算。评价时根据设备实际情况按照既定算法生成状态量并计算各个健康指标，最后获得设备整体健康状况，得分越高则表明设备健康状况越好。以上两种模型都具有数据源复杂、评价算法为层级递进结构的特点。
技术实现思路
为克服现有技术的缺陷，本专利技术要解决的技术问题是提供了ー种通用性好、配置灵活的电カ设备状态的评价模型引擎。本专利技术的技术方案是这种电カ设备状态的评价模型引擎，包括以下步骤(I)当获取评价模型后，构建基础模型库，即评价模型的评价内容，基础模型库由模型库、指标库、状态量库构成，模型库包括模型名称、模型的评价对象、对象设备关系和对象评价规则，指标库是评价模型的每个评价指标基本信息，状态量库包括分组状态量及普通状态量；(2)根据基础模型库，构建基层数据接ロ引擎；(3)评价模型实例化，其包括定义评价层次关系和定义评价算法规则；评价层次分为状态量层、指标层和评价细则层，三个层次分别表示评价模型的模型库、指标库、状态量库的实例化；在进行评价层次关系时，采用自上而下的模式定义模型实例层次，即首先，为模型定义评价细则，定义内容包括评价细则名称与评价范围，其次，为已定义的评价细则配置评价指标，即从指标库中选择当前模型实例需要用到的评价指标配置给对应评价细则，然后，为各个评价指标配置状态量，即指标的评分依据量，指标配置的状态量是普通状态量或者分组状态量，如果是分组状态量则还可以为其继续配置子层级状态量，实现评价层级的灵活定义；构建一个可扩充的专家规则库，专家规则库中包含数学、逻辑算法，利用专家规则库中的算法进行迭代、组合得到满足需要的算法规则，形成阶梯型评价体系；(4)将评价模型实例化内容生成到数据库，并加载与本模型配合的算法解析引擎与数据接ロ处理引擎；数据接ロ处理引擎根据定义的触发规则，触发算法解析引擎，算法解析引擎调用解析正确的信息点处理算法，将基础数据加工成状态评价需要的信息点结果存储到评价结果库中，再解析普通状态量算法利用信息点结果生成普通状态量結果，然后按照已定义的层次结构依次解析算法生成各级分组状态量及评价指标结果，最后解析细则算法规则利用各个指标结果获得设备最终评价结果；(5)当设备的基础数据生成以后，引擎将自动触发数据接ロ引擎与算法解析引擎，按照事先配置好的算法规则加工基础数据，形成信息点结果与状态量结果集，存储到最新与历史结果集中，为设备的最终评价计算提供依据；当有设备状态评价需要的情况下，评价模型引擎将自动解析评价模型的应用范围与启用条件，为评价对象找到匹配的评价算法，调用算法解析引擎，按照评价模型引擎的层次结构从分组状态量开始逐级计算，计算结果以最新与历史结果并存的方式存储；引擎解析模型对象评价规则，综合各个层级计算結果，汇总形成最終的评价結果，并生成评价报告。此电カ设备状态的评价模型引擎的评价算法为阶梯型评价体系，所以其通用性好、配置灵活。附图说明图1是根据本专利技术的电カ设备状态的评价模型引擎的架构图；图2是根据本专利技术的电カ设备状态的评价模型引擎的相关数据表E-R图；图3是根据本专利技术的电カ设备状态的评价模型引擎的具体实现算法过程图。具体实施例方式下面通过附图和实施例，对本专利技术的技术方案做进ー步的详细描述。这种电カ设备状态的评价模型引擎，包括以下步骤(I)当获取评价模型后，构建基础模型库，即评价模型的评价内容，基础模型库由模型库、指标库、状态量库构成，模型库包括模型名称、模型的评价对象、对象设备关系和对象评价规则，指标库是评价模型的每个评价指标基本信息，状态量库包括分组状态量及普通状态量；(2)根据基础模型库，构建基层数据接ロ引擎；(3)评价模型实例化，其包括定义评价层次关系和定义评价算法规则；评价层次分为状态量层、指标层和评价细则层，三个层次分别表示评价模型的模型库、指标库、状态量库的实例化；在进行评价层次关系时，采用自上而下的模式定义模型实例层次，即首先，为模型定义评价细则，定义内容包括评价细则名称与评价范围，其次，为已定义的评价细则配置评价指标，即从指标库中选择当前模型实例需要用到的评价指标配置给对应评价细则，然后，为各个评价指标配置状态量，即指标的评分依据量，指标配置的状态量是普通状态量或者分组状态量，如果是分组状态量则还可以为其继续配置子层级状态量，实现评价层级的灵活定义；构建ー个可扩充的专家规则库，专家规则库中包含数学、逻辑算法，利用专家规则库中的算法进行迭代、组合得到满足需要的算法规则，形成阶梯型评价体系；(4)将评价模型实例化内容生成到数据库，并加载与本模型配合的算法解析引擎与数据接ロ处理引擎；数据接ロ处理引擎根据定义的触发规则，触发算法解析引擎，算法解析引擎调用解析正确的信息点处理算法，将基础数据加工成状态评价需要的信息点结果存储到评价结果库中，再解析普通状态量算法利用信息点结果生成普通状态量結果，然后按照已定义的层次结构依次解析算法生成各级分组状态量及评价指标结果，最后解析细则算法规则利用各个指标结果获得设备最终评价结果；(5)当设备的基础数据生成以后，引擎将自动触发数据接ロ引擎与算法解析引擎，按照事先配置好的算法规则加工基础数据，形成信息点结果与状态量结果集，存储到最新与历史结果集中，为设备的最终评价计算提供依据；当有设备状态评价需要的情况下，评价模型引擎将自动解析评价模型的应用范围与启用条件，为评价对象找到匹配的评价算法，调用算法解析引擎，按照评价模型引擎的层次结构从分组状态量开始逐级计算，计算结果以最新与历史结果并存的方式存储；引擎解析模型对象评价规则，综合各个层级计算結果，汇总形成最終的评价結果，并生成评价报告。此电カ设备状态的评价模型引擎的评价算法为阶梯型评价体系，所以其通用性好、配置灵活。以下详细说明该电カ设备状态的评价模型引擎。I构建基础模型库基础模型库是整个通用评价模型多层结构的基础，如图1所示，基础模型库由模型库、指标库及状态量库三个基础库构成。通过这三个库描述整个模型的基本内容包括评价对象、评价对象与相关设备关系、对象评价规则、评价指标与状态量构成。当某个具体评价模型确定下来时，其相应的评价指标及状态量也相应的确定本文档来自技高网...
【技术保护点】
一种电力设备状态的评价模型引擎，其特征在于，包括以下步骤：（1）当获取评价模型后，构建基础模型库，即评价模型的评价内容，基础模型库由模型库、指标库、状态量库构成，模型库包括模型名称、模型的评价对象、对象设备关系和对象评价规则，指标库是评价模型的每个评价指标基本信息，状态量库包括分组状态量及普通状态量；（2）根据基础模型库，构建基层数据接口引擎；（3）评价模型实例化，其包括定义评价层次关系和定义评价算法规则；评价层次分为状态量层、指标层和评价细则层，三个层次分别表示评价模型的模型库、指标库、状态量库的实例化；在进行评价层次关系时，采用自上而下的模式定义模型实例层次，即首先，为模型定义评价细则，定义内容包括评价细则名称与评价范围，其次，为已定义的评价细则配置评价指标，即从指标库中选择当前模型实例需要用到的评价指标配置给对应评价细则，然后，为各个评价指标配置状态量，即指标的评分依据量，指标配置的状态量是普通状态量或者分组状态量，如果是分组状态量则还可以为其继续配置子层级状态量，实现评价层级的灵活定义；构建一个可扩充的专家规则库，专家规则库中包含数学、逻辑算法，利用专家规则库中的算法进行迭代、组合得到满足需要的算法规则，形成阶梯型评价体系；（4）将评价模型实例化内容生成到数据库，并加载与本模型配合的算法解析引擎与数据接口处理引擎；数据接口处理引擎根据定义的触发规则，触发算法解析引擎，算法解析引擎调用解析正确的信息点处理算法，将基础数据加工成状态评价需要的信息点结果存 储到评价结果库中，再解析普通状态量算法利用信息点结果生成普通状态量结果，然后按照已定义的层次结构依次解析算法生成各级分组状态量及评价指标结果，最后解析细则算法规则利用各个指标结果获得设备最终评价结果；（5）当设备的基础数据生成以后，引擎将自动触发数据接口引擎与算法解析引擎，按照事先配置好的算法规则加工基础数据，形成信息点结果与状态量结果集，存储到最新与历史结果集中，为设备的最终评价计算提供依据；当有设备状态评价需要的情况下，评价模型引擎将自动解析评价模型的应用范围与启用条件，为评价对象找到匹配的评价算法，调用算法解析引擎，按照评价模型引擎的层次结构从分组状态量开始逐级计算，计算结果以最新与历史结果并存的方式存储；引擎解析模型对象评价规则，综合各个层级计算结果，汇总形成最终的评价结果，并生成评价报告。...
【技术特征摘要】
1.一种电力设备状态的评价模型引擎，其特征在于，包括以下步骤 (I)当获取评价模型后，构建基础模型库，即评价模型的评价内容，基础模型库由模型库、指标库、状态量库构成，模型库包括模型名称、模型的评价对象、对象设备关系和对象评价规则，指标库是评价模型的每个评价指标基本信息，状态量库包括分组状态量及普通状态量; (2 )根据基础模型库，构建基层数据接口引擎； (3)评价模型实例化，其包括定义评价层次关系和定义评价算法规则；评价层次分为状态量层、指标层和评价细则层，三个层次分别表示评价模型的模型库、指标库、状态量库的实例化；在进行评价层次关系时，采用自上而下的模式定义模型实例层次，即首先，为模型定义评价细则，定义内容包括评价细则名称与评价范围，其次，为已定义的评价细则配置评价指标，即从指标库中选择当前模型实例需要用到的评价指标配置给对应评价细则，然后，为各个评价指标配置状态量，即指标的评分依据量，指标配置的状态量是普通状态量或者分组状态量，如果是分组状态量则还可以为其继续配置子层级状态量，实现评价层级的灵活定义；构建一个可扩充的专家规则库，专家规则库中包含数学、逻辑算法，利用专家规则库中的算...
【专利技术属性】
技术研发人员：袁明珠，袁成勇，黄小文，宁杰，陆相伟，王嘉诚，周庆捷，张永浩，仇向东，
申请(专利权)人：北京中恒博瑞数字电力科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。