一种基于区块链的变电站运维控制方法及系统技术方案

本发明专利技术公开了一种基于区块链的变电站运维控制方法及系统，包括：获取目标变电站的采集数据；通过预先训练完成的线性模型，计算所述目标变电站的预测数据；计算所述采集数据与所述预测数据之间的数据偏差信息；如果所述数据偏差信息满足预设的偏差条件，则向报修服务器发送针对所述目标变电站的目标报修单；响应于检测到针对所述目标报修单的维修数据，生成所述维修数据的哈希值；其中，所述维修数据至少包括所述维修图片以及维修记录数据；基于所述维修数据的哈希值，将所述维修数据记录于区块链中。本发明专利技术能够提高变电站运维的自动化程度。度。度。

【技术实现步骤摘要】
一种基于区块链的变电站运维控制方法及系统


[0001]本专利技术涉及区块链
，具体而言，涉及一种基于区块链的变电站运维控制方法及系统。

技术介绍

[0002]目前，区块链具有数据难以篡改以及去中心化的特点，已广泛应用于金融、物联网、物流、公共服务等各个领域。
[0003]在实际中发现，国内变电站维修维护服务大部分为被动式。即，在变电站发生故障之后，需要人工通知服务商对变电站进行维修。之后，服务商再派出工程师到达需要维修的变电站完成维修。可见，现在的变电站运维方式存在着自动化程度较低的问题。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种基于区块链的变电站运维控制方法及系统，以至少提高变电站运维的自动化程度。
[0006]根据本专利技术实施例的一个方面，提供了一种基于区块链的变电站运维控制方法，所述方法包括：获取目标变电站的采集数据；通过预先训练完成的线性模型，计算所述目标变电站的预测数据；计算所述采集数据与所述预测数据之间的数据偏差信息；如果所述数据偏差信息满足预设的偏差条件，则向报修服务器发送针对所述目标变电站的目标报修单；响应于检测到针对所述目标报修单的维修数据，生成所述维修数据的哈希值；其中，所述维修数据至少包括所述维修图片以及维修记录数据；基于所述维修数据的哈希值，将所述维修数据记录于区块链中。
[0007]作为一种可选的实施方式，所述方法还包括：响应于检测到针对所述目标报修单的维修数据，根据所述维修数据确定维修经验参数；利用所述维修经验参数，更新所述线性模型的训练数据；利用更新后的训练数据，对所述线性模型进行重新训练，以完成对所述线性模型的更新。
[0008]作为一种可选的实施方式，所述预设的偏差条件为：所述采集数据与所述预测数据之间的数据偏差比例高于预设的比例阈值、且数据偏差次数达到预设的次数阈值；其中，所述数据偏差信息包括所述数据偏差比例以及所述数据偏差次数。
[0009]作为一种可选的实施方式，所述方法还包括：生成所述采集数据的哈希值；基于所述采集数据的哈希值，将所述采集数据记录于区块链中。
[0010]作为一种可选的实施方式，基于所述直射路径信息，提取障碍物信息，包括：基于所述直射路径信息，将所述实时图像和所述无障碍物图像进行背景抵消，得到所述障碍物信息。
[0011]作为一种可选的实施方式，所述预先训练完成的线性模型基于以下步骤训练得到：获取初始训练数据；对所述初始训练数据进行归一化处理，得到目标训练数据；基于所
述目标训练数据，采用目标优化器对待训练模型进行训练，直至所述待训练模型的迭代训练次数达到训练阈值，得到所述训练完成的线性模型。
[0012]根据本专利技术实施例的另一方面，还提供了一种基于区块链的变电站运维控制系统，所述系统包括数据采集边缘计算终端和运算服务器，所述边缘计算终端包括主处理器和协处理器；其中，所述数据采集边缘计算终端用于：获取目标变电站的采集数据；通过预先训练完成的线性模型，计算所述目标变电站的预测数据；计算所述采集数据与所述预测数据之间的数据偏差信息；如果所述数据偏差信息满足预设的偏差条件，则向报修服务器发送针对所述目标变电站的目标报修单；响应于检测到针对所述目标报修单的维修数据，生成所述维修数据的哈希值；其中，所述维修数据至少包括所述维修图片以及维修记录数据；基于所述维修数据的哈希值，将所述维修数据记录于区块链中。
[0013]作为一种可选的实施方式，所述数据采集边缘计算终端还用于：响应于检测到针对所述目标报修单的维修数据，根据所述维修数据确定维修经验参数；利用所述维修经验参数，更新所述线性模型的训练数据；利用更新后的训练数据，对所述线性模型进行重新训练，以完成对所述线性模型的更新。
[0014]作为一种可选的实施方式，所述预设的偏差条件为：所述采集数据与所述预测数据之间的数据偏差比例高于预设的比例阈值、且数据偏差次数达到预设的次数阈值；其中，所述数据偏差信息包括所述数据偏差比例以及所述数据偏差次数。
[0015]作为一种可选的实施方式，所述数据采集边缘计算终端还用于：生成所述采集数据的哈希值；基于所述采集数据的哈希值，将所述采集数据记录于区块链中。
[0016]作为一种可选的实施方式，所述预先训练完成的线性模型在所述运算服务器中基于以下步骤训练得到：获取初始训练数据；对所述初始训练数据进行归一化处理，得到目标训练数据；基于所述目标训练数据，采用目标优化器对待训练模型进行训练，直至所述待训练模型的迭代训练次数达到训练阈值，得到所述训练完成的线性模型。
[0017]根据本专利技术实施例的又一方面，还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述基于区块链的变电站运维控制方法。
[0018]根据本专利技术实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的基于区块链的变电站运维控制方法。
[0019]在本专利技术实施例中，利用线性模型，能够计算目标变电站的预测数据，通过将预测数据和真实的采集数据进行比对，能够得到数据偏差信息，如果数据偏差信息指示数据偏差较大，则可以触发向报修服务器发送目标报修单，以根据目标报修单处理目标变电站的维修操作，并且，在维修的过程中能够采集维修数据计算哈希值，基于哈希值将维修数据记录于区块链中，从而实现变电站的自动化运维，能够提高变电站运维的自动化程度。并且，将数据放入区块链能够提高数据的完整性及可信度。
附图说明
[0020]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0021]图1是根据本专利技术实施例的一种可选的基于区块链的变电站运维控制方法的流程图；
[0022]图2是根据本专利技术实施例的另一种可选的基于区块链的变电站运维控制方法的流程图；
[0023]图3是根据本专利技术实施例的一种可选的基于区块链的变电站运维控制系统的结构示意图；
[0024]图4是根据本专利技术实施例的一种可选的电子装置的结构示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。
[0026]需要说明的是，本专利技术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，以便这里描述的本专利技术的实施例能够以除了在这里本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的变电站运维控制方法，其特征在于，所述方法包括：获取目标变电站的采集数据；通过预先训练完成的线性模型，计算所述目标变电站的预测数据；计算所述采集数据与所述预测数据之间的数据偏差信息；如果所述数据偏差信息满足预设的偏差条件，则向报修服务器发送针对所述目标变电站的目标报修单；响应于检测到针对所述目标报修单的维修数据，生成所述维修数据的哈希值；其中，所述维修数据至少包括所述维修图片以及维修记录数据；基于所述维修数据的哈希值，将所述维修数据记录于区块链中。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：响应于检测到针对所述目标报修单的维修数据，根据所述维修数据确定维修经验参数；利用所述维修经验参数，更新所述线性模型的训练数据；利用更新后的训练数据，对所述线性模型进行重新训练，以完成对所述线性模型的更新。3.根据权利要求1所述的方法，其特征在于，所述预设的偏差条件为：所述采集数据与所述预测数据之间的数据偏差比例高于预设的比例阈值、且数据偏差次数达到预设的次数阈值；其中，所述数据偏差信息包括所述数据偏差比例以及所述数据偏差次数。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：生成所述采集数据的哈希值；基于所述采集数据的哈希值，将所述采集数据记录于区块链中。5.根据权利要求1所述的方法，其特征在于，所述预先训练完成的线性模型基于以下步骤训练得到：获取初始训练数据；对所述初始训练数据进行归一化处理，得到目标训练数据；基于所述目标训练数据，采用目标优化器对待训练模型进行训练，直至所述待训练模型的迭代训练次数达到训练阈值，得到所述训练完成的线性模型。6.一种基于区块链的变电站运维控制系统，其特征在于，所述系统包括数据采集边缘计算终端和运算服务...

【专利技术属性】
技术研发人员：邵忠，吴毅，
申请(专利权)人：电管家能源管理上海有限公司，
类型：发明
国别省市：