CN109190903A - 作业风险评估方法、装置、计算机设备和存储介质 - Google Patents
作业风险评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109190903A CN109190903A CN201810878003.3A CN201810878003A CN109190903A CN 109190903 A CN109190903 A CN 109190903A CN 201810878003 A CN201810878003 A CN 201810878003A CN 109190903 A CN109190903 A CN 109190903A
- Authority
- CN
- China
- Prior art keywords
- same day
- task
- dynamic effects
- value
- effects factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000000694 effects Effects 0.000 claims abstract description 224
- 238000012502 risk assessment Methods 0.000 claims abstract description 64
- 238000004590 computer program Methods 0.000 claims description 22
- 238000010586 diagram Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种作业风险评估方法、***、计算机设备和存储介质。方法包括:获取当日作业任务的数量和每项作业任务的动态影响因素加权值;根据当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;根据当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。根据当日整体作业任务的动态影响因素平均值、存储的历史每日作业任务动态影响因素平均值的中位数评估当日整体作业任务风险,关注每日作业任务动态影响因素整体态势分析,实现整体把握风险态势,为局层面进行决策提供依据,对于电力作业的安全进行具有重要意义。
Description
技术领域
本申请涉及电力作业技术领域,特别是涉及一种作业风险评估方法、装置、计算机设备和存储介质。
背景技术
随着电力的广泛应用,电气设备在各行各业的运用已相当普遍。电力作业贯穿于电力***的各个环节,为保证电力***的发电、输电、变电和配电等各个过程的正常运转,并保障电力用户获取到安全、晋级和优质的电能,对电力作业中的风险进行评估和管控显得尤为重要。
由于电力***中每天的作业任务众多,各作业任务都对应存在不同的风险,因此亟需一种可对每天的作业风险进行准确评估的方法,进而进行管控,以保证电力作业的安全进行。
发明内容
基于此,有必要针对上述技术问题,提供一种能够准确评估作业风险的作业风险评估方法、装置、计算机设备和存储介质。
一种作业风险评估方法,所述方法包括:
获取当日作业任务的数量和每项作业任务的动态影响因素加权值;
根据所述当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;
根据所述当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
在其中一个实施例中,所述根据所述当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果的步骤,包括:
根据所述存储的历史每日作业任务动态影响因素平均值的中位数和预设波动幅度值得到当日整体作业任务风险值阈值;
当所述当日整体作业任务动态影响因素平均值大于或等于所述当日整体作业任务风险值阈值时,所述当日整体作业任务风险的评估结果为特殊动态影响因素;
当所述当日整体作业任务动态影响因素平均值小于所述当日整体作业任务风险值阈值时,所述当日整体作业任务风险的评估结果为普通动态影响因素。
在其中一个实施例中,所述根据所述当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值,包括:
其中,q为当日整体作业任务的动态影响因素平均值,k为当天任务数量,ni为第i项作业任务的动态影响因素加权值。
在其中一个实施例中,所述获取当日作业任务的数量和每项作业任务的动态影响因素加权值之后,还包括步骤:
根据所述每项作业任务的动态影响因素加权值分类得到当日同一类型的作业任务的动态影响因素加权值;
根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果并输出。
在其中一个实施例中,所述根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果的步骤,包括:
根据所述存储的历史对应类型作业任务的动态影响因素加权值的中位数和预设波动幅度值得到当日对应类型作业任务风险值阈值;
当所述当日同一类型的作业任务的动态影响因素加权值大于或等于所述当日对应类型作业任务风险值阈值时,所述当日对应类型作业风险评估结果为特殊动态影响因素;
当所述当日同一类型的作业任务的动态影响因素加权值小于所述当日对应类型作业任务风险值阈值时,所述当日对应类型作业风险评估结果为普通动态影响因素。
一种作业风险评估装置,所述装置包括:
当日作业任务参数获取模块,用于获取当日作业任务的数量和每项作业任务的动态影响因素加权值;
平均值确定模块,用于根据所述当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;
第一作业风险评估结果确定模块,用于根据所述当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
一种计算机设备,包括存储器和处理器,存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取当日作业任务的数量和每项作业任务的动态影响因素加权值;
根据所述当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;
根据所述当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
一种计算机可读存储介质,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以下步骤:
获取当日作业任务的数量和每项作业任务的动态影响因素加权值;
根据所述当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;
根据所述当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
上述作业风险评估方法、装置、计算机设备和存储介质,通过获取当日作业任务的数量和每项作业任务的动态影响因素加权值;根据当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;根据当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。根据当日整体作业任务的动态影响因素平均值、存储的历史每日作业任务动态影响因素平均值的中位数评估当日整体作业任务风险,关注每日作业任务动态影响因素整体态势分析,实现整体把握风险态势,为局层面进行决策提供依据,对于电力作业的安全进行具有重要意义。
附图说明
图1为一个实施例中作业风险评估方法的流程示意图;
图2为另一个实施例中作业风险评估方法的流程示意图;
图3为一个实施例中每日作业任务的动态影响因素平均值分布曲线图;
图4为又一个实施例中作业风险评估方法的流程示意图;
图5为又一个实施例中作业风险评估方法的流程示意图;
图6为一实施例中某一类型作业任务的动态影响因素加权值图;
图7为一个实施例中作业风险评估装置的结构框图;
图8为另一个实施例中作业风险评估装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种作业风险评估方法,包括以下步骤:
步骤S110:获取当日作业任务的数量和每项作业任务的动态影响因素加权值。
具体地,在电力作业中,每天都会安排有对应的作业任务,针对每一项作业任务可得到对应的动态影响因素加权值。进一步地,作业任务确定好后,对应的每项作业任务的类型也即确定好,在作业任务类型确定好后,可根据作业任务类型确定对应的现场作业风险评估模型,根据层次分析法确定现场作业风险评估模型中各维度的权重,根据现场作业风险评估模型中各维度的风险影响因素评分以及对应维度的权重得到作业类型对应的动态影响因素加权值。
步骤S120:根据当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值。
具体地,关注每日作业任务的动态影响因素整体态势分析,首先定义每日整体作业任务的动态影响因素平均值,可由当日作业任务的数量和每项作业任务的动态影响因素加权值得到。在本实施例中,步骤S120具体为:
其中,q为当日整体作业任务的动态影响因素平均值,k为当天任务数量,ni为第i项作业任务的动态影响因素加权值。
具体地,在得到当日整体作业任务的动态影响因素平均值后,将当日整体作业任务的动态影响因素平均值存储,成为当日以后的每日的存储的历史数据。
步骤S130:根据当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
具体地,为确保每日作业任务的动态影响因素平均值整体趋于稳定状态,以存储的历史每日任务的动态影响因素平均值的中位数M为基准(M是每天所有作业任务的动态影响因素平均值的中位数,其中,j是当天任务数量,Nj是第j项任务的动态影响因素加权值),结合历史数据测算出历史每日任务的动态影响因素平均值的中位数进行作业风险评估并输出评估结果。
上述作业风险评估方法中,根据当日整体作业任务的动态影响因素平均值、存储的历史每日作业任务动态影响因素平均值的中位数评估当日整体作业任务风险,关注每日作业任务动态影响因素整体态势分析,实现整体把握风险态势,为局层面进行决策提供依据,对于电力作业的安全进行具有重要意义。
在一个实施例中,如图2所示,步骤S130包括步骤S132至步骤S136。
步骤S132:根据存储的历史每日作业任务动态影响因素平均值的中位数和预设波动幅度值得到当日整体作业任务风险值阈值。
具体地,通过3sigma原则得到预设波动幅度值,3sigma原则即3σ准则,又称为拉依达准则,它是先假设一组检测数据只含有随机误差,对其进行计算处理得到标准偏差,按一定概率确定一个区间,认为凡超过这个区间的误差,就不属于随机误差而是粗大误差,含有该误差的数据应予以剔除,且3σ适用于有较多组数据的时候。按照3sigma(分值幅度±15%)计算原理,再结合历史数据测算出普通动态影响因素和特殊动态影响因素的区间范围。进一步地,当日整体作业任务风险值阈值为普通动态影响因素和特殊动态影响因素的分界值,当日整体作业任务风险值阈值为M(1+15%)。
步骤S134:当当日整体作业任务动态影响因素平均值大于或等于当日整体作业任务风险值阈值时,当日整体作业任务风险的评估结果为特殊动态影响因素。
步骤S136:当当日整体作业任务动态影响因素平均值小于当日整体作业任务风险值阈值时,当日整体作业任务风险的评估结果为普通动态影响因素。
具体地,如上式所示,当当日整体作业任务的动态影响因素平均值q小于当日整体作业任务风险值阈值M(1+15%)时,当日整体作业风险评估结果为普通动态影响因素,则说明当日整体作业任务的波动相对于历史数据的波动为正常波动;当当日整体作业任务的动态影响因素平均值q大于或等于当日整体作业任务风险值阈值M(1+15%)时,当日整体作业风险评估结果为特殊动态影响因素,则说明当日整体作业任务的波动相对于历史数据的波动为异常波动。
如图3所示,示例中6日和15日(当日)作业任务的动态影响因素平均值都是特殊动态影响因素,当日应当引起重视,并且结合当天作业任务情况具体分析产生特殊动态影响因素和作业风险原因,可通过增加安监人员、加强安监力度和预警潜在风险等措施降低作业风险。
在一个实施例中,如图4所示,步骤S110之后,还包括步骤S140和步骤S150。
步骤S140:根据每项作业任务的动态影响因素加权值分类得到当日同一类型的作业任务的动态影响因素加权值。
具体地,每日作业任务包括多项,每一项都有对应的作业类型,比如当日作业任务数量有10项,其中,A类型作业任务数量有3项,B类型作业任务数量有3项,C类型作业任务数量有4项,从每项作业任务的动态影响因素加权值中分类分别得到A、B和C类型的作业任务的动态影响因素加权值,分别根据A、B和C类型的作业任务的动态影响因素加权值得到当日同一类型作业动态影响因素加权值,即其中,i是同一类型作业数量,Ni是第i项任务的动态影响因素加权值。
步骤S150:根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果并输出。
具体地,依据某一类型作业风险评估的历史数据,当该类型作业动态影响因素加权值历史数据整体趋于稳定状态时,统计该类型动态影响因素加权值的中位数N(N是同一作业类型动态影响因素加权平均值N~的中位数),以其动态影响因素加权值的中位数N为基准进行作业风险评估并输出评估结果。
在一个实施例中,如图5所示,步骤S150包括步骤S152至步骤S156。
步骤S152:根据存储的历史对应类型作业任务的动态影响因素加权值的中位数和预设波动幅度值得到当日对应类型作业任务风险值阈值。
具体地,通过3sigma原则得到预设波动幅度值,以该类型动态影响因素加权值的中位数N为基准,按照3sigma(分值幅度±15%)绘制该类型作业风险图,通过风险图及时区分出普遍原因变差和特殊原因变差。进一步地,当日对应类型作业任务风险值阈值为普通动态影响因素和特殊动态影响因素的分界值,当日对应类型作业任务风险值阈值为N(1+15%)。
步骤S154:当当日同一类型的作业任务的动态影响因素加权值大于或等于当日对应类型作业任务风险值阈值时,当日对应类型作业风险评估结果为特殊动态影响因素。
步骤S156:当当日同一类型的作业任务的动态影响因素加权值小于当日对应类型作业任务风险值阈值时,当日对应类型作业风险评估结果为普通动态影响因素。
具体地,如图6所示,当当日同一类型作业动态影响因素加权值N~小于当日对应类型作业任务风险值阈值N(1+15%)时,当日对应类型作业风险评估结果为普通动态影响因素,则说明当日该类型相对于历史数据的波动为正常波动;当当日同一类型作业动态影响因素加权值N~大于或等于当日对应类型作业任务风险值阈值N(1+15%)时,当日对应类型作业风险评估结果为特殊动态影响因素,则说明当日该类型作业任务相对于历史数据的波动为异常波动;对异常波动的当日对应类型作业,在人员能力、作业方法、机械设备及工器具、电网设备状态和作业环境与时间五个维度查找导致该类型作业动态影响因素加权值N~高的原因,制定相应的风险策略,对当日该类型的作业任务进行针对性地管控。
上述作业风险评估方法,根据当日整体作业任务的动态影响因素平均值、存储的历史每日作业任务动态影响因素平均值的中位数评估当日整体作业任务风险,关注每日作业任务动态影响因素整体态势分析,实现整体把握风险态势,且可针对当日作业任务中的同一类型作业任务进行针对性管控,可更准确地进行作业风险评估,为局层面进行决策提供依据,对于电力作业的安全进行具有重要意义。
应该理解的是,虽然图1-2、4-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-2、4-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种作业风险评估装置,包括:当日作业任务参数获取模块110、平均值确定模块120和第一作业风险评估结果确定模块130,其中:
当日作业任务参数获取模块110,用于获取当日作业任务的数量和每项作业任务的动态影响因素加权值。
平均值确定模块120,用于根据当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值。
第一作业风险评估结果确定模块130,用于根据当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
在一个实施例中,第一作业风险评估结果确定模块130包括当日整体作业任务风险值阈值确定单元和第一作业风险评估结果确定单元。
当日整体作业任务风险值阈值确定单元,用于根据存储的历史每日作业任务动态影响因素平均值的中位数和预设波动幅度值得到当日整体作业任务风险值阈值;第一作业风险评估结果确定单元,用于当当日整体作业任务动态影响因素平均值大于或等于当日整体作业任务风险值阈值时,当日整体作业任务风险的评估结果为特殊动态影响因素;当当日整体作业任务动态影响因素平均值小于当日整体作业任务风险值阈值时,当日整体作业任务风险的评估结果为普通动态影响因素。
在一个实施例中,如图8所示,当日作业任务参数获取模块110之后还包括分类模块140和第二作业风险评估结果确定模块150。
分类模块140,用于根据每项作业任务的动态影响因素加权值分类得到当日同一类型的作业任务的动态影响因素加权值;第二作业风险评估结果确定模块150,用于根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果并输出。
在一个实施例中,第二作业风险评估结果确定模块150包括当日对应类型作业任务风险值阈值确定单元和第二作业风险评估结果确定单元。
当日对应类型作业任务风险值阈值确定单元,用于根据存储的历史对应类型作业任务的动态影响因素加权值的中位数和预设波动幅度值得到当日对应类型作业任务风险值阈值。
第二作业风险评估结果确定单元,用于当当日同一类型的作业任务的动态影响因素加权值大于或等于当日对应类型作业任务风险值阈值时,当日对应类型作业风险评估结果为特殊动态影响因素;当当日同一类型的作业任务的动态影响因素加权值小于当日对应类型作业任务风险值阈值时,当日对应类型作业风险评估结果为普通动态影响因素。
上述作业风险评估装置,根据当日整体作业任务的动态影响因素平均值、存储的历史每日作业任务动态影响因素平均值的中位数评估当日整体作业任务风险,关注每日作业任务动态影响因素整体态势分析,实现整体把握风险态势,且可针对当日作业任务中的同一类型作业任务进行针对性管控,可更准确地进行作业风险评估,为局层面进行决策提供依据,对于电力作业的安全进行具有重要意义。
关于作业风险评估装置的具体限定可以参见上文中对于作业风险评估方法的限定,在此不再赘述。上述作业风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种作业风险评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,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,处理器执行计算机程序时实现以下步骤:获取当日作业任务的数量和每项作业任务的动态影响因素加权值;根据当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;根据当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
在一个实施例中,处理器执行计算机程序时,根据当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果的步骤,包括:根据存储的历史每日作业任务动态影响因素平均值的中位数和预设波动幅度值得到当日整体作业任务风险值阈值;当当日整体作业任务动态影响因素平均值大于或等于当日整体作业任务风险值阈值时,当日整体作业任务风险的评估结果为特殊动态影响因素;当当日整体作业任务动态影响因素平均值小于当日整体作业任务风险值阈值时,当日整体作业任务风险的评估结果为普通动态影响因素。
在一个实施例中,处理器执行计算机程序时,获取当日作业任务的数量和每项作业任务的动态影响因素加权值之后,还包括步骤:根据每项作业任务的动态影响因素加权值分类得到当日同一类型的作业任务的动态影响因素加权值;根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果并输出。
在一个实施例中,处理器执行计算机程序时,根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果的步骤,包括:根据存储的历史对应类型作业任务的动态影响因素加权值的中位数和预设波动幅度值得到当日对应类型作业任务风险值阈值;当当日同一类型的作业任务的动态影响因素加权值大于或等于当日对应类型作业任务风险值阈值时,当日对应类型作业风险评估结果为特殊动态影响因素;当当日同一类型的作业任务的动态影响因素加权值小于当日对应类型作业任务风险值阈值时,当日对应类型作业风险评估结果为普通动态影响因素。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取当日作业任务的数量和每项作业任务的动态影响因素加权值;根据当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;根据当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
在一个实施例中,计算机程序被处理器执行时,根据当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果的步骤,包括:根据存储的历史每日作业任务动态影响因素平均值的中位数和预设波动幅度值得到当日整体作业任务风险值阈值;当当日整体作业任务动态影响因素平均值大于或等于当日整体作业任务风险值阈值时,当日整体作业任务风险的评估结果为特殊动态影响因素;当当日整体作业任务动态影响因素平均值小于当日整体作业任务风险值阈值时,当日整体作业任务风险的评估结果为普通动态影响因素。
在一个实施例中,计算机程序被处理器执行时,获取当日作业任务的数量和每项作业任务的动态影响因素加权值之后,还包括步骤:根据每项作业任务的动态影响因素加权值分类得到当日同一类型的作业任务的动态影响因素加权值;根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果并输出。
在一个实施例中,计算机程序被处理器执行时,根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果的步骤,包括:根据存储的历史对应类型作业任务的动态影响因素加权值的中位数和预设波动幅度值得到当日对应类型作业任务风险值阈值;当当日同一类型的作业任务的动态影响因素加权值大于或等于当日对应类型作业任务风险值阈值时,当日对应类型作业风险评估结果为特殊动态影响因素;当当日同一类型的作业任务的动态影响因素加权值小于当日对应类型作业任务风险值阈值时,当日对应类型作业风险评估结果为普通动态影响因素。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种作业风险评估方法,所述方法包括:
获取当日作业任务的数量和每项作业任务的动态影响因素加权值;
根据所述当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;
根据所述当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果的步骤,包括:
根据所述存储的历史每日作业任务动态影响因素平均值的中位数和预设波动幅度值得到当日整体作业任务风险值阈值;
当所述当日整体作业任务动态影响因素平均值大于或等于所述当日整体作业任务风险值阈值时,所述当日整体作业任务风险的评估结果为特殊动态影响因素;
当所述当日整体作业任务动态影响因素平均值小于所述当日整体作业任务风险值阈值时,所述当日整体作业任务风险的评估结果为普通动态影响因素。
3.根据权利要求1所述的方法,其特征在于,所述根据所述当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值,包括:
其中,q为当日整体作业任务的动态影响因素平均值,k为当天任务数量,ni为第i项作业任务的动态影响因素加权值。
4.根据权利要求1所述的方法,其特征在于,所述获取当日作业任务的数量和每项作业任务的动态影响因素加权值之后,还包括步骤:
根据所述每项作业任务的动态影响因素加权值分类得到当日同一类型的作业任务的动态影响因素加权值;
根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果并输出。
5.根据权利要求4所述的方法,其特征在于,所述根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果的步骤,包括:
根据所述存储的历史对应类型作业任务的动态影响因素加权值的中位数和预设波动幅度值得到当日对应类型作业任务风险值阈值;
当所述当日同一类型的作业任务的动态影响因素加权值大于或等于所述当日对应类型作业任务风险值阈值时,所述当日对应类型作业风险评估结果为特殊动态影响因素;
当所述当日同一类型的作业任务的动态影响因素加权值小于所述当日对应类型作业任务风险值阈值时,所述当日对应类型作业风险评估结果为普通动态影响因素。
6.一种作业风险评估装置,其特征在于,所述装置包括:
当日作业任务参数获取模块,用于获取当日作业任务的数量和每项作业任务的动态影响因素加权值;
平均值确定模块,用于根据所述当日作业任务的数量和每项作业任务的动态影响因素加权值得到当日整体作业任务的动态影响因素平均值;
第一作业风险评估结果确定模块,用于根据所述当日整体作业任务的动态影响因素平均值和存储的历史每日作业任务动态影响因素平均值的中位数进行当日整体作业任务风险评估得到评估结果并输出。
7.根据权利要求6所述的装置,其特征在于,第一作业风险评估结果确定模块包括当日整体作业任务风险值阈值确定单元和第一作业风险评估结果确定单元,
当日整体作业任务风险值阈值确定单元,用于根据所述存储的历史每日作业任务动态影响因素平均值的中位数和预设波动幅度值得到当日整体作业任务风险值阈值;
第一作业风险评估结果确定单元,用于当所述当日整体作业任务动态影响因素平均值大于或等于所述当日整体作业任务风险值阈值时,所述当日整体作业任务风险的评估结果为特殊动态影响因素;当所述当日整体作业任务动态影响因素平均值小于所述当日整体作业任务风险值阈值时,所述当日整体作业任务风险的评估结果为普通动态影响因素。
8.根据权利要求6所述的装置,其特征在于,所述当日作业任务参数获取模块之后还包括分类模块和第二作业风险评估结果确定模块,
分类模块,用于根据所述每项作业任务的动态影响因素加权值分类得到当日同一类型的作业任务的动态影响因素加权值;
第二作业风险评估结果确定模块,用于根据当日同一类型的作业任务的动态影响因素加权值、存储的历史对应类型作业任务的动态影响因素加权值的中位数进行当日对应类型作业任务风险评估得到评估结果并输出。
9.一种计算机设备,包括存储器和处理器,存储器上存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810878003.3A CN109190903B (zh) | 2018-08-03 | 2018-08-03 | 作业风险评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810878003.3A CN109190903B (zh) | 2018-08-03 | 2018-08-03 | 作业风险评估方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190903A true CN109190903A (zh) | 2019-01-11 |
CN109190903B CN109190903B (zh) | 2020-08-14 |
Family
ID=64920057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810878003.3A Active CN109190903B (zh) | 2018-08-03 | 2018-08-03 | 作业风险评估方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190903B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327054A (zh) * | 2021-06-22 | 2021-08-31 | 工银科技有限公司 | 服务管理***变更风险评估方法、装置、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7822668B1 (en) * | 2005-10-31 | 2010-10-26 | Peter Benda | Tool for hedging real estate ownership risk using financial portfolio theory and hedonic modeling |
CN103036231A (zh) * | 2012-12-07 | 2013-04-10 | 温州电力局 | 一种电力负荷预测方法、装置及上位机 |
CN103077482A (zh) * | 2013-02-05 | 2013-05-01 | 广东电网公司 | 电力作业风险控制方法及其*** |
CN103824148A (zh) * | 2013-08-29 | 2014-05-28 | 国家电网公司 | 电力营销风险预警方法及*** |
CN104346691A (zh) * | 2014-10-16 | 2015-02-11 | 国家电网公司 | 一种基于故障树分析的电力企业现场作业风险分析方法 |
CN105787793A (zh) * | 2015-12-24 | 2016-07-20 | 安徽融信金模信息技术有限公司 | 一种中小企业风险评估*** |
CN106780144A (zh) * | 2016-12-20 | 2017-05-31 | 清华大学合肥公共安全研究院 | 一种管网综合风险评估方法 |
CN106845877A (zh) * | 2017-04-10 | 2017-06-13 | 上海量明科技发展有限公司 | 判断共享车辆性能的方法、***、客户端及共享车辆 |
CN107528722A (zh) * | 2017-07-06 | 2017-12-29 | 阿里巴巴集团控股有限公司 | 一种时间序列中异常点检测方法及装置 |
CN107826118A (zh) * | 2017-11-01 | 2018-03-23 | 南京阿尔特交通科技有限公司 | 一种判别异常驾驶行为的方法及装置 |
CN108229787A (zh) * | 2017-11-28 | 2018-06-29 | 广州供电局有限公司 | 基于大数据的电力行业现场作业风险评估方法及*** |
-
2018
- 2018-08-03 CN CN201810878003.3A patent/CN109190903B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7822668B1 (en) * | 2005-10-31 | 2010-10-26 | Peter Benda | Tool for hedging real estate ownership risk using financial portfolio theory and hedonic modeling |
CN103036231A (zh) * | 2012-12-07 | 2013-04-10 | 温州电力局 | 一种电力负荷预测方法、装置及上位机 |
CN103077482A (zh) * | 2013-02-05 | 2013-05-01 | 广东电网公司 | 电力作业风险控制方法及其*** |
CN103824148A (zh) * | 2013-08-29 | 2014-05-28 | 国家电网公司 | 电力营销风险预警方法及*** |
CN104346691A (zh) * | 2014-10-16 | 2015-02-11 | 国家电网公司 | 一种基于故障树分析的电力企业现场作业风险分析方法 |
CN105787793A (zh) * | 2015-12-24 | 2016-07-20 | 安徽融信金模信息技术有限公司 | 一种中小企业风险评估*** |
CN106780144A (zh) * | 2016-12-20 | 2017-05-31 | 清华大学合肥公共安全研究院 | 一种管网综合风险评估方法 |
CN106845877A (zh) * | 2017-04-10 | 2017-06-13 | 上海量明科技发展有限公司 | 判断共享车辆性能的方法、***、客户端及共享车辆 |
CN107528722A (zh) * | 2017-07-06 | 2017-12-29 | 阿里巴巴集团控股有限公司 | 一种时间序列中异常点检测方法及装置 |
CN107826118A (zh) * | 2017-11-01 | 2018-03-23 | 南京阿尔特交通科技有限公司 | 一种判别异常驾驶行为的方法及装置 |
CN108229787A (zh) * | 2017-11-28 | 2018-06-29 | 广州供电局有限公司 | 基于大数据的电力行业现场作业风险评估方法及*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327054A (zh) * | 2021-06-22 | 2021-08-31 | 工银科技有限公司 | 服务管理***变更风险评估方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109190903B (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Haque et al. | A hybrid intelligent model for deterministic and quantile regression approach for probabilistic wind power forecasting | |
Gil et al. | Generation capacity expansion planning under hydro uncertainty using stochastic mixed integer programming and scenario reduction | |
Yuan et al. | Multi-objective wind power scenario forecasting based on PG-GAN | |
Idri et al. | Design of radial basis function neural networks for software effort estimation | |
Shingi | A federated learning based approach for loan defaults prediction | |
Oree et al. | A multi-objective framework for long-term generation expansion planning with variable renewables | |
Liu et al. | Forecasting the occurrence of extreme electricity prices using a multivariate logistic regression model | |
Vasconcelos et al. | Online security assessment with load and renewable generation uncertainty: The itesla project approach | |
Stappers et al. | A class-driven approach based on long short-term memory networks for electricity price scenario generation and reduction | |
Li et al. | Forecasting the lithium mineral resources prices in China: Evidence with Facebook Prophet (Fb-P) and Artificial Neural Networks (ANN) methods | |
Kondaiah et al. | A review on short‐term load forecasting models for micro‐grid application | |
Awang et al. | A DEMATEL method with single valued neutrosophic set (SVNS) in identifying the key contribution factors of Setiu Wetland’s coastal erosion | |
CN110852602A (zh) | 基于机器学习的数据监控方法及装置 | |
Zhang et al. | Enhanced short-term load forecasting with hybrid machine learning models: CatBoost and XGBoost approaches | |
CN109190903A (zh) | 作业风险评估方法、装置、计算机设备和存储介质 | |
Guegan et al. | A mathematical resurgence of risk management: an extreme modeling of expert opinions | |
Nyangon et al. | Principal component analysis of day‐ahead electricity price forecasting in CAISO and its implications for highly integrated renewable energy markets | |
US11409502B2 (en) | Intelligent controls for end-user computing | |
Jiang et al. | Hybrid genetic algorithm and support vector regression performance in CNY exchange rate prediction | |
Alsaedi et al. | Assessing the effects of solar and wind prices on the australia electricity spot and options markets using a vector autoregression analysis | |
Li et al. | Stochastic interest model driven by compound Poisson process and Brownian motion with applications in life contingencies | |
Wang et al. | Efficient and robust combinatorial option pricing algorithms on the trinomial lattice for polynomial and barrier options | |
Zahraoui et al. | AI Applications to Enhance Resilience in Power Systems and Microgrids—A Review | |
López et al. | Forecasting the Occurrence of Electricity Price Spikes: A Statistical-Economic Investigation Study | |
Huang et al. | Multi-dimensional early warning of the entire supply chain of power materials based on RFID technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200921 Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Patentee after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Patentee before: GUANGZHOU POWER SUPPLY Co.,Ltd. |