【技术实现步骤摘要】
一种基于深度学习的人工智能任务调度方法及系统
[0001]本专利技术涉及任务调度
，具体涉及一种基于深度学习的人工智能任务调度方法及系统。
技术介绍
[0002]电力抢修是指在电力系统发生故障或停电时，迅速调度抢修人员和资源，以便快速恢复电力供应的过程。电力抢修通常是一个紧急且复杂的任务，要求迅速、高效地定位故障原因并进行修复，以最小化供电中断时间和影响范围。
[0003]当有用户报告电力故障或停电时，电力公司或相关机构会接到报告，并记录故障的具体情况和位置，根据报告内容，调度中心会分析故障原因和范围，并决定派遣合适的抢修人员前往现场，抢修人员前往故障现场，进行现场勘查和故障定位，可能需要检查设备、线路、变压器等，并使用测试仪器和工具来确定故障的具体位置和性质，一旦故障定位确定，抢修人员会尽快采取相应的措施进行修复。这可能包括更换故障设备、修复损坏的电线、重新连接断开的线路等。
[0004]现有技术存在以下不足：现有技术在对抢修人员进行任务调度时，大多是结合抢修人员的相关技能和电力故障的性质根据经验对抢...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的人工智能任务调度系统，其特征在于，包括第一数据采集模块、一级标记模块、第二数据采集模块、二级标记模块、筛选模块；第一数据采集模块，采集抢修人员抢修相同性质电力故障的历史记录信息，生成抢修评估指数，并将抢修评估指数传递至一级标记模块；一级标记模块，将获取的抢修评估指数与抢修评估指数参考阈值进行比对，将抢修人员标记为高可选人员和低可选人员，并将高可选人员标记和低可选人员标记传递至筛选模块；第二数据采集模块，采集抢修人员到达电力故障位置的信息，生成路况评估指数，并将路况评估指数传递至二级标记模块；二级标记模块，将获取的路况评估指数与路况评估指数参考阈值进行比对，将抢修人员标记为高反应人员和低反应人员，并将高反应人员标记和低反应人员标记传递至筛选模块；筛选模块，将同时具备高可选人员标记和高反应人员标记的抢修人员筛出，并在筛出的抢修人员中选出最佳调度的抢修人员。2.根据权利要求1所述的一种基于深度学习的人工智能任务调度系统，其特征在于，抢修人员抢修相同性质电力故障的历史记录信息包括类似故障抢修率和故障确定时长，采集后，第一数据采集模块将类似故障抢修率和故障确定时长分别标定为和。3.根据权利要求2所述的一种基于深度学习的人工智能任务调度系统，其特征在于，类似故障抢修率，即抢修人员抢修类似故障的成功率，获取的逻辑如下：统计抢修人员过去类似类型的电力故障处理记录，将与目标故障类似的故障类型标定为Xa，将Xa中抢修成功的次数标定为Xb，则类似故障抢修率计算的表达式为：；故障确定时长，即抢修人员确定类似电力故障的平均时长，获取的步骤如下：S1：将抢修人员前往故障现场进行现场勘察的时长标定为T1；S2：将抢修人员根据现场勘察和收集的信息进行故障诊断和定位的时长标定为T2；S3：将故障定位完成制定修复计划的时长标定为T3；S4：将抢修人员按照修复计划执行修复工作的时长标定为T4；S5：将完成修复工作后进行故障修复验证的时长标定为T5；S6：计算单次确定类似电力故障的时长，将单次确定类似电力故障的时长标定为T，则T计算的表达为：；故障确定时长获取后，再获取抢修人员确定故障的次数和确定故障对应的时长，将确定故障对应的时长标定为Tu，则故障确定时长计算的表达式为：n，u表示故障确定次数的编号，u=1、2、3、4、
……
、n，n为正整数。4.根据权利要求2所述的一种基于深度学习的人工智能任务调度系统，其特征在于，获取到类似故障抢修率和故障确定时长后，建立抢修评估指数生成模型，生成抢修评估指数，依据的公式为：
式中，、分别为类似故障抢修率和故障确定时长的权重因子系数，取值均大于0。5.根据权利要求4所述的一种基于深度学习的人工智能任务调度系统，其特征在于，将获取的抢修评估指数与抢修评估指数参考阈值进行比对，若抢修评估指数大于等于抢修评估指数参考阈值，则通过一级标记模块将抢修人员标记为高可选人员，若抢修评估指数小于抢修评估指数参考阈值，则通过一级标记模块将抢修人员标记为低可选人员。6.根据权利要求1所述的一种基于深度学习的人工智能任务调度系统，其特征在于，抢修人员到达电力故障位置的信息包括到达距离、路面平整系数以及路障...
【专利技术属性】
技术研发人员：欧乐，
申请(专利权)人：深圳齐杉科技有限公司，
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。