一種誤報警數據特征識別方法及裝置與流程

本發明涉及計算機，尤其是涉及一種誤報警數據特征識別方法及裝置。

背景技術：

1、隨著電力線路數量不斷發展增多，輸電線路運行維護的壓力不斷加大。傳統的人工巡檢模式難以滿足當前發展的需要。智能監控設備稱為許多電力企業的選擇。

2、輸電線路智能監控系統能較好地識別場景，準確率長期保持在較高水平，然而監控報警數量也一直很高。國網某公司智能運檢管控中心2021年2月的報警數據顯示，平均每天收到的監控報警數據在1萬條左右，即每小時要處理1000多條數據，每分鐘需要處理10多起報警，超出了常規人力所能處理的極限。因此，如何快速準確地識別誤報警數據特征，進而提高工作效率，成為本領域需要解決的問題。

技術實現思路

1、本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種誤報警數據特征識別方法及裝置。

2、本發明的目的可以通過以下技術方案來實現：

3、根據本發明的第一方面，一種誤報警數據特征識別方法，包括以下步驟：收集輸電線路監控報警數據，并識別監控報警數據的整體特征；計算線路數據，并基于所述整體特征與所述線路數據識別監控報警數據的線路特征；計算線路桿塔數據，并基于所述整體特征與所述線路桿塔數據識別監控報警數據的線路桿塔特征；基于所述線路特征與所述線路桿塔特征，識別報警數量超過第一預設閾值且報警頻率超過第二預設閾值的線路桿塔。

4、作為優選的技術方案，所述方法還包括：計算報警事由數據，并基于所述整體特征與所述報警事由數據識別監控報警數據的報警事由特征；基于所述整體特征、所述線路數據、所述線路桿塔數據和所述報警事由數據，計算監控報警數據的重復報警特征。

5、作為優選的技術方案，所述方法還包括：從所述線路桿塔數據中提取線路桿塔位置數據；基于所述線路桿塔位置數據，計算線路桿塔的時空分布差異特征；基于所述時空分布差異特征，進行可視化誤報警識別。

6、作為優選的技術方案，所述線路特征包括線路報警數據集中度和線路報警數據波動特征。

7、作為優選的技術方案，所述線路報警數據集中度包括20%線路的報警數量占比以及2%線路的報警數量占比、核密度分布圖和相關性檢驗。

8、作為優選的技術方案，所述線路報警數據波動特征包括20%線路的報警數量占比每日波動特征以及2%線路的報警數量占比每日波動特征。

9、作為優選的技術方案，所述線路桿塔特征包括線路桿塔報警數據集中度和線路桿塔報警數據波動特征。

10、作為優選的技術方案，所述報警事由特征包括20%報警事由的報警數量占比以及2%報警事由的報警數量占比。

11、作為優選的技術方案，所述重復報警特征包括重復報警數量占比每日波動特征。

12、根據本發明的第二方面，提供一種誤報警數據特征識別裝置，包括存儲器、處理器，以及存儲于所述存儲器中的程序，所述處理器執行所述程序時實現所述的方法。

13、與現有技術相比，本發明具有以下有益效果：

14、1、本發明提供的方法中，識別的線路特征包括線路報警數據集中度和線路報警數據波動特征、識別的線路桿塔特征包括線路桿塔報警數據集中度和線路桿塔報警數據波動特征，在此基礎上，識別出報警數量超過第一預設閾值且報警頻率超過第二預設閾值的線路桿塔，能夠有效提高誤報警數據特征識別的效率和準確性，進而提高工作效率；

15、2、本發明還可以識別報警事由特征和重復報警特征，報警事由特征包括20%報警事由的報警數量占比以及2%報警事由的報警數量占比，重復報警特征包括重復報警數量占比每日波動特征，與其他識別的數據特征相結合，能夠進一步提高誤報警數據特征識別的準確性；

16、3、本發明還可以先從線路桿塔數據中提取線路桿塔位置數據，然后計算時空分布差異特征，并將特征可視化，使數據特征識別更加直觀，進一步提高報警識別的效率和準確性。

技術特征：

1.一種誤報警數據特征識別方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的誤報警數據特征識別方法，其特征在于，所述方法還包括：

3.根據權利要求1所述的誤報警數據特征識別方法，其特征在于，所述方法還包括：

4.根據權利要求1所述的誤報警數據特征識別方法，其特征在于，所述線路特征包括線路報警數據集中度和線路報警數據波動特征。

5.根據權利要求4所述的誤報警數據特征識別方法，其特征在于，所述線路報警數據集中度包括20%線路的報警數量占比以及2%線路的報警數量占比、核密度分布圖和相關性檢驗。

6.根據權利要求4所述的誤報警數據特征識別方法，其特征在于，所述線路報警數據波動特征包括20%線路的報警數量占比每日波動特征以及2%線路的報警數量占比每日波動特征。

7.根據權利要求1所述的誤報警數據特征識別方法，其特征在于，所述線路桿塔特征包括線路桿塔報警數據集中度和線路桿塔報警數據波動特征。

8.根據權利要求2所述的誤報警數據特征識別方法，其特征在于，所述報警事由特征包括20%報警事由的報警數量占比以及2%報警事由的報警數量占比。

9.根據權利要求2所述的誤報警數據特征識別方法，其特征在于，所述重復報警特征包括重復報警數量占比每日波動特征。

10.一種誤報警數據特征識別裝置，包括存儲器、處理器，以及存儲于所述存儲器中的程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-9中任一所述的方法。

技術總結
本發明涉及一種誤報警數據特征識別方法及裝置。該方法收集輸電線路監控報警數據，并識別監控報警數據的整體特征；計算線路數據，并基于線路數據識別監控報警數據的線路特征；計算線路桿塔數據，并基于線路桿塔數據識別監控報警數據的線路桿塔特征，進行報警線路桿塔識別及誤報警識別；計算報警事由數據，并基于報警事由數據識別監控報警數據的報警事由特征；基于線路數據、線路桿塔數據和報警事由數據，計算監控報警數據的重復報警特征。與現有技術相比，本發明具有快速準確地識別報警數據等優點。

技術研發人員：何冰,王謝燕,龔景陽,陸峰,戈睛天,張羽公,胡凌靖,陳偉俊,張偉
受保護的技術使用者：國網上海市電力公司
技術研發日：
技術公布日：2024/10/21