【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种操动机构的评估方法和相关装置。
技术介绍
1、电力系统中的操动机构用于执行电力系统中的各项开关操作，例如，断路器的闭合和分闸，由于操动机构通常是机械设备，户外条件下受到机械磨损、腐蚀等因素的影响造成的操动机构的故障，导致操动机构的可靠性低，将会影响电力系统中的各项开关操作的执行，进一步影响电力系统运行的安全性、稳定性和可靠性。
2、随着配电网自动化程度和可靠性要求的提高，对操动机构的可靠性要求也不断增加，而对操动机构的健康状态进行准确评估是提高操动机构的可靠性的重要依据。
技术实现思路
1、本申请提供了一种操动机构的评估方法和相关装置，目的在于提高操动机构的评估结果准确性，如下：
2、本申请第一方面提供一种操动机构的评估方法，包括：
3、采集待评估操动机构的操动数据，操动数据包括多项状态评估指标的指标值序列；
4、将所述操动数据输入至专家系统，获取所述专家系统输出的各个状态评估指标的专家分值集合，所述专家系统包括多个专家客户端，每一所述专家客户端绑定一个专家用户，所述专家分值集合包括各个所述专家用户通过所述专家客户端上传的专家分值；
5、基于各个所述状态评估指标的专家分值集合，获取各个所述状态评估指标的第一分值；
6、将所述操动数据输入至预先构建的混合深度学习模型，获取所述混合深度学习模型输出的各个所述状态评估指标的第二分值；
7、将各个所述状态评估指标的第一分值和第
8、在一种可能的实现中，采集待评估操动机构的操动数据，包括：
9、获取待选指标集合，所述待选指标集合按照机构单元分为储能单元指标集合、电驱单元指标集合、电机单元指标集合以及传动单元指标集合；
10、基于所述待选指标集合，获取指标关系网络，所述指标关系网络以各个待选指标为节点，节点之间的有向边由上级指标指向下级指标；
11、基于所述指标关系网络，获取最高层级的指标集合，作为第一候选指标集合；
12、计算各个所述待选指标与参考待选指标的皮尔逊相关系数，选择满足预设的相关性条件的待选指标集合，作为第二候选指标集合，所述参考待选指标包括点击角度，所述相关性条件包括大于预设的相关系数阈值；
13、获取所述第一候选指标集合和所述第二候选指标集合的交集，作为评估指标集合，所述评估指标集合包括多项待评估指标。
14、在一种可能的实现中，基于各个所述状态评估指标的专家分值集合，获取各个所述状态评估指标的第一分值，包括：
15、每次从所述专家分值集合选择第一预设数量的专家分值组成专家分值数组，得到多个专家分值数组，其中，每个专家分值数组不完全相同，所述第一预设数量小于所述专家客户端的数量；
16、计算每个专家分值数组的方差；
17、选择方差最小的专家分值数组中各个专家分值的平均值作为所述状态评估指标的综合专家分值；
18、对各个所述状态评估指标的综合专家分值进行归一化处理，得到各个所述状态评估指标的第一分值。
19、在一种可能的实现中，混合深度学习模型基于卷积神经网络cnn、门循环单元gru和自注意力机制attention网络构建。
20、在一种可能的实现中，混合深度学习模型输出的各个状态评估指标的第二分值的过程包括：
21、所述cnn对输入的所述操动数据进行卷积操作，提取所述操动数据的局部特征；对所述操动数据的局部特征进行池化操作得到所述操动数据的池化特征；
22、所述gru对所述操动数据的池化特征进行循环处理得到所述操动数据的循环特征；
23、所述attention网络基于自注意力机制对所述操动数据的循环特征进行加权处理，生成各个所述状态评估指标的第二分值并输出。
24、在一种可能的实现中，将各个所述状态评估指标的第一分值和第二分值输入至均衡博弈论模型，获取均衡博弈论模型输出的各个所述状态评估指标的最优分值，包括：
25、基于博弈论的离差极小化思想和矩阵的微分性质，计算各个所述状态评估指标的第一定权重系数和第二定权重系数；
26、基于所述状态评估指标的第一分值、预设的均衡函数修正系数、以及所述第一定权重系数计算得到所述状态评估指标的第一动态权重系数；
27、基于所述状态评估指标的第二分值、所述均衡函数修正系数、以及所述第二定权重系数计算得到状态评估指标的第二动态权重系数；
28、使用所述动态博弈函数计算各个所述状态评估指标的最优分值。
29、本申请第二方面提供一种操动机构的评估装置，包括：
30、数据采集单元，用于采集待评估操动机构的操动数据，操动数据包括多项状态评估指标的指标值序列；
31、专家打分单元，用于将所述操动数据输入至专家系统，获取所述专家系统输出的各个状态评估指标的专家分值集合，所述专家系统包括多个专家客户端，每一所述专家客户端绑定一个专家用户，所述专家分值集合包括各个所述专家用户通过所述专家客户端上传的专家分值；基于各个所述状态评估指标的专家分值集合，获取各个所述状态评估指标的第一分值；
32、人工智能打分单元，用于将所述操动数据输入至预先构建的混合深度学习模型，获取所述混合深度学习模型输出的各个所述状态评估指标的第二分值；
33、博弈单元，用于将各个所述状态评估指标的第一分值和第二分值输入至均衡博弈论模型，获取均衡博弈论模型输出的各个所述状态评估指标的最优分值，所述均衡博弈论模型为基于动态博弈函数构建的博弈论模型，所述动态博弈函数用于表示：各个所述状态评估指标的最优分值等于所述第一分值和所述第二分值的加权相加结果，其中，所述第一分值的权值为第一动态权重系数，所述第二分值的权值为第二动态权重系数。
34、本申请第三方面提供一种操动机构的评估设备，包括：存储器和处理器；
35、所述存储器，用于存储程序；
36、所述处理器，用于执行所述程序，实现如上所述的操动机构的评估方法的各个步骤。
37、本申请第四方面提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的操动机构的评估方法的各个步骤。
38、本申请第五方面提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上所述的操动机构的评估方法的各个步骤。
39、由上述技术方案可以看出，本申请实施例提供的操动机构的评估方法和相关装置，采集待评本文档来自技高网...
【技术保护点】
1.一种操动机构的评估方法，其特征在于，包括：
2.根据权利要求1所述的操动机构的评估方法，其特征在于，所述采集待评估操动机构的操动数据，包括：
3.根据权利要求1所述的操动机构的评估方法，其特征在于，所述基于各个所述状态评估指标的专家分值集合，获取各个所述状态评估指标的第一分值，包括：
4.根据权利要求1所述的操动机构的评估方法，其特征在于，所述混合深度学习模型基于卷积神经网络CNN、门循环单元GRU和自注意力机制Attention网络构建。
5.根据权利要求4所述的操动机构的评估方法，其特征在于，所述混合深度学习模型输出的各个状态评估指标的第二分值的过程包括：
6.根据权利要求1所述的操动机构的评估方法，其特征在于，将各个所述状态评估指标的第一分值和第二分值输入至均衡博弈论模型，获取均衡博弈论模型输出的各个所述状态评估指标的最优分值，包括：
7.一种操动机构的评估装置，其特征在于，包括：
8.一种操动机构的评估设备，其特征在于，包括：存储器和处理器；
9.一种可读存储介质，其上存储
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1~6中任一项所述的操动机构的评估方法的各个步骤。
...【技术特征摘要】
1.一种操动机构的评估方法，其特征在于，包括：
2.根据权利要求1所述的操动机构的评估方法，其特征在于，所述采集待评估操动机构的操动数据，包括：
3.根据权利要求1所述的操动机构的评估方法，其特征在于，所述基于各个所述状态评估指标的专家分值集合，获取各个所述状态评估指标的第一分值，包括：
4.根据权利要求1所述的操动机构的评估方法，其特征在于，所述混合深度学习模型基于卷积神经网络cnn、门循环单元gru和自注意力机制attention网络构建。
5.根据权利要求4所述的操动机构的评估方法，其特征在于，所述混合深度学习模型输出的各个状态评估指标的第二分值的过程包括：
6.根...
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。