【技术实现步骤摘要】
本专利技术涉及电网智能化，尤其是一种基于云端数据整理和数据内涵挖掘的电力作业动态智能协同数据系统和方法。
技术介绍
1、基于国网的系统化部署蒙东省网开展了作业动态管控平台的系统建设，涉及到诸多的技术环节和软硬件子平台搭建。前期成果投放试用后回馈采集到诸多问题，包括部分功能不灵活、拓展性不强、缺乏兼容多类型终端数据采集控制模块、新型电力作业记录仪及其数据传输一体化、基于就地nas（网络附属存储）技术的音视频数据存储和传输问题等，分别进行了专项优化和改进，部分子项目进行了全域重构。与此同时，基于人工智能的数据分析处理技术开发面向电力作业行为在线自动化识别相关技术模型，也是一个十分重要并越来越中心化的技术课题。就此而言，目前电力作业的视频和图像监控系统以及作业现场的动态检测设施均建设的较为完备，通过与电网系统的智能化、可视化中控平台进行实时交互而大幅提升了电力作业安全监测的覆盖广度和信息化深度水平。然而截至目前为止，基于现有平台的电力作业智能化动态管控，就其实质而言仍然根本上是以人工核查为主的。系统的自动化监测和报警，往往是基于事后的故障报修信息或不规范作业产生的投诉举报信息，然后由人工进行视频和图像信息及其他数据记录的回看和监察。
2、就国内的电网系统而言，为了改变上述落后的技术现状，由电力系统主导，并联合第三方科技公司和科研院所，开发出了基于平台化与现场记录相交互的新型电力作业视频和动态图像的智能识别及数据化系统。这虽然从导向上根本性的改变了传统基于人工的电力作业管控系统及其工作模式。但是，目前这一新系统仍然较为初等。
技术实现思路
1、本专利技术要解决的技术问题是面向现有电力作业数据系统的数据粗糙性问题，提供一种在数据云端化基础上进行数据挖掘方法，其一方面能够直接链接现有的数据系统所生成的电力作业基础空间信息数据库，尤其是具有人工智能协同的友好性，有望构成电力作业安全高阶智能化监测和自动化管控的全新算法基础。
2、为解决上述技术问题，本专利技术所采取的技术方案如下。
3、一种协同人工智能的电力作业动态管控云端化数据整理方法，基于在电网企业主导开发的电力作业图形化识别和锁定追踪数据系统，进一步构建以数据的关联性展开为导向、以多维度数据基底为数据执行载体的数据挖掘算法，实现电力作业动态空间数据的多维度、线性化、数据动态时空属性内嵌化、全局交互关联化和人工智能通用适配化的数据多维度展开。
4、作为本专利技术的一种优选技术方案，该方法包括：
5、a、基础的，对于电力作业视频监测系统、电力作业现场记录设备或其他硬件子系统独立获取的多个电力作业相关基础空间信息数据库进行数据整理和云端汇总生成云端空间信息数据库；
6、b、关键的，以电力作业行为本身的单时间数据维度＋多事件数据维度构建同质化的内嵌式多线性维度基底，以对云端汇总一致化的电力作业空间信息数据库进行人工智能导向的数据协同处理。
7、作为本专利技术的一种优选技术方案，步骤b中，首先考察单一维度下的数据维度基底，将其构建为一个动态除数，将一组空间动态数据流在单一维度数据基底上展开，得到此组空间动态数据流依照动态除数的关联变化速率；其次，对于多维度化的数据展开基底，采用锁定电力作业事件内部的全部子要素即锁定电力作业事件全部人、物、数等动态数据要素，以全部要素各自的空间动态数据分别依次遍历交互为导向生成多维度数据基底，则此多维度基底能够对锁定电力作业事件的全局化数据关联属性进行深度挖掘和展示。
8、作为本专利技术的一种优选技术方案，步骤b中，所述单时间数据维度＋多事件数据维度模型下的多线性维度基底构建至少包含两种可选数据组合模式：①单时间数据维度与多事件数据维度直接合并为嵌入式的时空协同多数据维度，并作为多线性维度基底对目标电力作业事件在云端空间信息数据库下的子空间信息数据库进行多线性化的数据分配套用；②对于目标电力作业事件在云端空间信息数据库下的子空间信息数据库，首先以单时间数据维度为基底获得子空间信息数据库的变速梯度数据库，再进一步将多事件数据维度作为所得变速梯度数据库的的多线性维度基底进行数据的多线性分配。
9、作为本专利技术的一种优选技术方案，在模式①中，对于所述单时间数据维度与多事件数据维度直接合并为嵌入式的时空协同多数据维度，其数据处理方式为：将电力作业视频监测系统、电力作业现场记录设备或其他硬件子系统在确定的离散时间点上采样获取的空间信息数据对，依照采样时序构建为动态矢量数据流或动态矢量组数据流/动态矩阵数据流；对于单个被监测电力作业对象而言，对应为动态矢量数据流；对于关联于指定的目标电力作业事件的全部被监测电力作业对象而言，对应为动态矢量组数据流/动态矩阵数据流；进一步，通过常规的数据平移对齐和/或数据标尺扩缩算法，将不同电力作业对象在不同事件中的空间信息数据流整理为具有均等和同一化的时间间隔；此时间间隔可以限定为视频监控平台硬件系统的最小采样间隔δmi或者取其整数倍kδmin，为了确保数据系统及后续数据处理的精确度而设定的最大数据间隔δmax可以通过k值的上限限定而实现，当超过限定值k时意味着采样过于稀疏或者说舍弃了过多的中间数据从而使得数据处理的精准度低于预设精准度指标，从而不被允许；总体上，所述嵌入式时空协同多数据维度的呈现形式为：时间嵌入到空间信息数据流当中。
10、作为本专利技术的一种优选技术方案，在模式②中，变速梯度数据库的矢量性来源与常规多元标量函数的梯度矢量不同，前者来自硬件系统抓取并构建的基础空间信息数据库内部电力作业被监测对象自身离散空间坐标的矢量性，而后者常规来源于多元函数自变数据所在空间坐标的矢量性；二者具有结构上的对等性和对称性；关键在于，此时的变速梯度数据库已经将时间嵌入其中，则进一步将多事件数据维度作为所得变速梯度数据库的多线性维度基底进行数据的多线性分配时，已经自然包含时间维度信息；总体上，此模式下的时空嵌入呈现形式为：空间梯度矢量携带时间数据。
11、作为本专利技术的一种优选技术方案，模式①与模式②的差别在于数据处理程序和数据呈现形式不同，二者具有等价的实质数据处理效应。
12、作为本专利技术的一种优选技术方案，将模式①设置为通用数据处理模式；将模式②设置为备用数据处理模式。
13、作为本专利技术的一种优选技术方案，步骤a中，现有的电力作业图形化识别和锁定追踪数据系统以识别和记录的空间坐标数本文档来自技高网...
【技术保护点】
1.一种协同人工智能的电力作业动态管控云端化数据整理方法，基于在电网企业主导开发的电力作业图形化识别和锁定追踪数据系统，进一步构建以数据的关联性展开为导向、以多维度数据基底为数据执行载体的数据挖掘算法，实现电力作业动态空间数据的多维度、线性化、数据动态时空属性内嵌化、全局交互关联化和人工智能通用适配化的数据多维度展开，其特征在于：该方法包括：
2.根据权利要求1所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：步骤B中，首先考察单一维度下的数据维度基底，将其构建为一个动态除数，将一组空间动态数据流在单一维度数据基底上展开，得到此组空间动态数据流依照动态除数的关联变化速率；其次，对于多维度化的数据展开基底，采用锁定电力作业事件内部的全部子要素即锁定电力作业事件全部人、物、数等动态数据要素，以全部要素各自的空间动态数据分别依次遍历交互为导向生成多维度数据基底，则此多维度基底能够对锁定电力作业事件的全局化数据关联属性进行深度挖掘和展示。
3.根据权利要求2所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：步骤B中，所述
4.根据权利要求3所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：在模式①中，对于所述单时间数据维度与多事件数据维度直接合并为嵌入式的时空协同多数据维度，其数据处理方式为：将电力作业视频监测系统、电力作业现场记录设备或其他硬件子系统在确定的离散时间点上采样获取的空间信息数据对，依照采样时序构建为动态矢量数据流或动态矢量组数据流/动态矩阵数据流；对于单个被监测电力作业对象而言，对应为动态矢量数据流；对于关联于指定的目标电力作业事件的全部被监测电力作业对象而言，对应为动态矢量组数据流/动态矩阵数据流；进一步，通过常规的数据平移对齐和/或数据标尺扩缩算法，将不同电力作业对象在不同事件中的空间信息数据流整理为具有均等和同一化的时间间隔；此时间间隔可以限定为视频监控平台硬件系统的最小采样间隔Δmi或者取其整数倍kΔmin，为了确保数据系统及后续数据处理的精确度而设定的最大数据间隔Δmax可以通过k值的上限限定而实现，当超过限定值k时意味着采样过于稀疏或者说舍弃了过多的中间数据从而使得数据处理的精准度低于预设精准度指标，从而不被允许；总体上，所述嵌入式时空协同多数据维度的呈现形式为：时间嵌入到空间信息数据流当中。
5.根据权利要求3所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：在模式②中，变速梯度数据库的矢量性来源与常规多元标量函数的梯度矢量不同，前者来自硬件系统抓取并构建的基础空间信息数据库内部电力作业被监测对象自身离散空间坐标的矢量性，而后者常规来源于多元函数自变数据所在空间坐标的矢量性；二者具有结构上的对等性和对称性；关键在于，此时的变速梯度数据库已经将时间嵌入其中，则进一步将多事件数据维度作为所得变速梯度数据库的多线性维度基底进行数据的多线性分配时，已经自然包含时间维度信息；总体上，此模式下的时空嵌入呈现形式为：空间梯度矢量携带时间数据。
6.根据权利要求3所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：模式①与模式②的差别在于数据处理程序和数据呈现形式不同，二者具有等价的实质数据处理效应。
7.根据权利要求3所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：将模式①设置为通用数据处理模式；将模式②设置为备用数据处理模式。
8.根据权利要求1或2或3所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：步骤A中，现有的电力作业图形化识别和锁定追踪数据系统以识别和记录的空间坐标数据流为数据载体生成电力作业的基础空间信息数据；数据整理和云端汇总包括数据格式一致化和数据表格一致化；将来源不同的各独立基础空间信息数据库中的数据格式一致化后的汇总至统一的具有序号标记的二维数据表格中，并进行云端存储；二维数据表格的序号标记兼容对数据汇总过程的记录和还原。
9.根据权利要求8所述的一种协同人工智能的电力作业动态管...
【技术特征摘要】
1.一种协同人工智能的电力作业动态管控云端化数据整理方法，基于在电网企业主导开发的电力作业图形化识别和锁定追踪数据系统，进一步构建以数据的关联性展开为导向、以多维度数据基底为数据执行载体的数据挖掘算法，实现电力作业动态空间数据的多维度、线性化、数据动态时空属性内嵌化、全局交互关联化和人工智能通用适配化的数据多维度展开，其特征在于：该方法包括：
2.根据权利要求1所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：步骤b中，首先考察单一维度下的数据维度基底，将其构建为一个动态除数，将一组空间动态数据流在单一维度数据基底上展开，得到此组空间动态数据流依照动态除数的关联变化速率；其次，对于多维度化的数据展开基底，采用锁定电力作业事件内部的全部子要素即锁定电力作业事件全部人、物、数等动态数据要素，以全部要素各自的空间动态数据分别依次遍历交互为导向生成多维度数据基底，则此多维度基底能够对锁定电力作业事件的全局化数据关联属性进行深度挖掘和展示。
3.根据权利要求2所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：步骤b中，所述单时间数据维度＋多事件数据维度模型下的多线性维度基底构建至少包含两种可选数据组合模式：①单时间数据维度与多事件数据维度直接合并为嵌入式的时空协同多数据维度，并作为多线性维度基底对目标电力作业事件在云端空间信息数据库下的子空间信息数据库进行多线性化的数据分配套用；②对于目标电力作业事件在云端空间信息数据库下的子空间信息数据库，首先以单时间数据维度为基底获得子空间信息数据库的变速梯度数据库，再进一步将多事件数据维度作为所得变速梯度数据库的的多线性维度基底进行数据的多线性分配。
4.根据权利要求3所述的一种协同人工智能的电力作业动态管控云端化数据整理方法，其特征在于：在模式①中，对于所述单时间数据维度与多事件数据维度直接合并为嵌入式的时空协同多数据维度，其数据处理方式为：将电力作业视频监测系统、电力作业现场记录设备或其他硬件子系统在确定的离散时间点上采样获取的空间信息数据对，依照采样时序构建为动态矢量数据流或动态矢量组数据流/动态矩阵数据流；对于单个被监测电力作业对象而言，对应为动态矢量数据流；对于关联于指定的目标电力作业事件的全部被监测电力作业对象而言，对应为动态矢量组数据流/动态矩阵数据流；进一步，通过常规的数据平移对齐和/或数据标尺扩缩算法，将不同电力作业对象在不同事件中的空间信息数据流整理为具有均等和同一化的时间间隔；此时间间隔可以限定为视频监控平台硬件系统的最小采样间隔δmi或者取其整数倍kδmin，为了确保数据系统及后续数据处理的精确度而设定的最大数据间隔δmax可以通过k值的上限限定而实现，当超过限定值k时意味着采样过于稀疏或者说舍弃了过多的中间数据从而使得数据处理的精准度低于预设精准度指标，从...
【专利技术属性】
技术研发人员：周明哲，马洪波，叶立刚，奇达博尔，陈师宽，陈广亮，赵勇，周迎超，何伟，孙迎雪，
申请(专利权)人：国网内蒙古东部电力有限公司，
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。