CN113708493A - 基于云边协同的配电终端运维方法、装置和计算机设备 - Google Patents

Abstract

本申请涉及一种基于云边协同的配电终端运维方法、装置、计算机设备和存储介质。通过从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息并输入目标状态评价模型，获取目标状态评价模型输出的待处理配电终端的预测故障信息，并根据所述预测故障信息确定需要维护的目标待处理配电终端，形成相应的待处理配单终端列表，并确定该列表的目标运维策略，从而控制目标待处理配电终端执行目标运维策略。相较于传统的通过人工进行配电终端的运维，本方案利用云端服务器和状态评价模型，对边缘侧的配电终端进行状态检测和运维，从而提高了配电终端运维的效率。

Description

基于云边协同的配电终端运维方法、装置和计算机设备

技术领域

本申请涉及配电自动化技术领域，特别是涉及一种基于云边协同的配电终端运维方法、装置、计算机设备和存储介质。

背景技术

电力是维持人们日常工作生活的重要资源之一，在电力***中一种重要设备是配电终端，配电终端作为配电网自动化***中的数据采集设备，在配电自动化***中发挥了重要的作用。因此，配电终端的运维是配网运行管理最重要的工作之一，配电终端的运维水平将直接影响到配电自动化***的运行可靠性。

目标对配电终端的运维方式通常是通过人员巡检的方式进行，然而，随着配电自动化建设的全面推广，配电终端已经呈现出数量多、分布广等特点，而且数量和覆盖区域还在快速增加。采用人员进行定期巡检、现场故障处理等常规的运维方式的运维效率较低，已难以满足配电自动化运维管控的需求。

因此，目前配电终端运维方法存在效率低的缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高运维效率的基于云边协同的配电终端运维方法、装置、计算机设备和存储介质。

一种基于云边协同的配电终端运维方法，应用于云端服务器，所述方法包括：

从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息；所述数据中心设置于所述云端服务器，用于接收待处理配电终端发送的待处理设备信息以及待处理运行信息并存储；

将所述待处理设备信息和所述待处理运行信息输入目标状态评价模型，获取所述目标状态评价模型输出的所述待处理配电终端的预测故障信息；所述目标状态评价模型基于多个样本设备信息、多个样本运行信息以及多个历史故障信息训练得到；每个所述历史故障信息与一组样本设备信息和样本运行信息对应；

根据所述预测故障信息确定需要维护的目标待处理配电终端，形成目标待处理配电终端列表，以及确定所述目标待处理配电终端列表的目标运维策略，并控制所述目标待处理配电终端列表中的目标待处理配电终端执行所述目标运维策略。

在其中一个实施例中，所述方法还包括：

获取样本配电终端对应的多个样本设备信息、多个样本运行信息以及多个历史故障信息；

将所述样本设备信息以及所述样本运行信息输入待训练状态评价模型，获取所述待训练状态评价模型输出的样本预测故障信息；

判断所述样本预测故障信息与所述样本设备信息和所述样本运行信息对应的历史故障信息的相似值是否小于预设相似阈值；

若否，根据所述相似值调整所述待训练状态评价模型，返回将所述样本设备信息以及所述样本运行信息输入待训练状态评价模型的步骤；

若是，结束循环，将当前的所述待训练状态评价模型作为目标状态评价模型。

在其中一个实施例中，所述从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息之后，还包括：

获取所述待处理配电终端对应的历史巡检信息；

根据所述历史巡检信息，确定所述待处理配电终端对应的巡检参数；

根据所述巡检参数，按照预设周期检测所述待处理配电终端的待处理运行信息中是否存在异常运行信息，若是，根据所述异常运行信息生成对应的告警信息和目标运维策略，并控制所述待处理配电终端执行所述目标运维策略。

4、根据权利要求1项所述的方法，所述预测故障信息包括预测故障概率；所述根据所述预测故障信息确定需要维护的目标待处理配电终端，形成目标待处理配电终端列表，包括：

若所述预测故障概率大于或等于预设故障阈值，确定所述预测故障信息对应的待处理配电终端为目标待处理配电终端；

根据所述目标待处理配电终端的待处理设备信息，生成目标待处理配电终端列表。

在其中一个实施例中，所述控制所述目标待处理配电终端列表中的目标待处理配电终端执行所述目标运维策略，包括：

控制所述目标待处理配电终端列表中的目标待处理配电终端进行自检自恢复和/或软件升级，以使所述目标待处理配电终端恢复正常运行；

所述控制所述目标待处理配电终端列表中的目标待处理配电终端执行所述目标运维策略之后，还包括：

获取执行所述目标运维策略后的目标待处理配电终端的目标待处理设备信息以及目标待处理运行信息；

将所述目标待处理设备信息以及目标待处理运行信息输入目标状态评价模型，获取所述目标状态评价模型输出的目标预测故障信息；

若所述目标预测故障信息存在预设高风险故障信息，生成对应的故障预警信息，以使工作人员基于所述故障预警信息对所述目标待处理配电终端进行检查。

在其中一个实施例中，所述获取所述目标状态评价模型输出的所述待处理配电终端的预测故障信息之后，还包括：

根据所述待处理配电终端的待处理设备信息的类型，对所述预测故障信息进行聚类处理，得到所述待处理设备信息对应的预测故障信息集群；

若所述预测故障信息集群中的相同类型的预测故障信息的数量大于预设数值，根据所述待处理设备信息生成对应的运维策略。

在其中一个实施例中，所述从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息，包括：

从数据中心中获取所述待处理配电终端的设备类型、厂家、型号、投运时间、通道类型和所属配电区域中的至少一种，作为所述待处理设备信息；

从所述数据中心中获取所述待处理配电终端的运行状态、电池状态、通信状态和告警信息中的至少一种，作为所述待处理运行信息。

一种基于云边协同的配电终端运维装置，应用于云端服务器，所述装置包括：

获取模块，用于从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息；所述数据中心设置于所述云端服务器，用于接收待处理配电终端发送的待处理设备信息以及待处理运行信息并存储；

预测模块，用于将所述待处理设备信息和所述待处理运行信息输入目标状态评价模型，获取所述目标状态评价模型输出的所述待处理配电终端的预测故障信息；所述目标状态评价模型基于多个样本设备信息、多个样本运行信息以及多个历史故障信息训练得到；每个所述历史故障信息与一组样本设备信息和样本运行信息对应；

运维模块，用于根据所述预测故障信息确定需要维护的目标待处理配电终端，形成目标待处理配电终端列表，以及确定所述目标待处理配电终端列表的目标运维策略，并控制所述目标待处理配电终端列表中的目标待处理配电终端执行所述目标运维策略。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。

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上述的方法的步骤。

上述基于云边协同的配电终端运维方法、装置、计算机设备和存储介质，通过从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息并输入目标状态评价模型，获取目标状态评价模型输出的待处理配电终端的预测故障信息，并根据所述预测故障信息确定需要维护的目标待处理配电终端，形成相应的待处理配单终端列表，并确定该列表的目标运维策略，从而控制目标待处理配电终端执行目标运维策略。相较于传统的通过人工进行配电终端的运维，本方案利用云端服务器和状态评价模型，对边缘侧的配电终端进行状态检测和运维，从而提高了配电终端运维的效率。

附图说明

图1为一个实施例中基于云边协同的配电终端运维方法的应用环境图；

图2为一个实施例中基于云边协同的配电终端运维方法的流程示意图；

图3为另一个实施例中基于云边协同的配电终端运维方法的流程示意图；

图4为一个实施例中基于云边协同的配电终端运维装置的结构框图；

图5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。

本申请提供的基于云边协同的配电终端运维方法，可以应用于如图1所示的应用环境中。其中，配电终端102通过网络与云端服务器104进行通信。配电终端102可以设置在配电网***中，配电终端102可以将其采集的数据发送至云端服务器104中的数据中心进行存储，云端服务器104中还可以设置有运维应用和配网主站应用，从而云端服务器104基于上述的应用，根据数据中心中存储的配电终端102的相关信息，对配电终端102进行状态评价，并且云端服务器104还可以根据状态评价的结果对相应的配电终端102远程进行运维，从而实现云边协同的配电终端运维。其中，云端服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种基于云边协同的配电终端运维方法，以该方法应用于图1中的云端服务器为例进行说明，包括以下步骤：

步骤S202，从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息；数据中心设置于云端服务器，用于接收待处理配电终端发送的待处理设备信息以及待处理运行信息并存储。

其中，数据中心可以设置是设置在云端服务器104中的一种数据库，可以用于存储配电终端102发送的相关数据。云端服务器104可以设置在云端，并与边缘侧的多个配电终端102进行通信，例如，配电终端102可以将采集得到的数据发送到云端服务器104中的数据中心，配电终端102发送的数据可以是配电终端102自身的待处理设备信息和待处理运行信息。云端服务器104可以从数据中心中获取待处理配电终端的待处理设备信息和待处理运行信息。例如，云端服务器104中的智能运维应用和配网主站应用均从数据中心中获取上述的待处理设备信息和待处理运行信息，并且智能运维应用和配网主站应用还可以分别将各自的控制指令下发到配电终端102。

其中，云端服务器104的数据中心中存储的配电终端102的待处理设备信息和待处理运行信息可以有多种。例如，在一个实施例中，从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息，包括：从数据中心中获取待处理配电终端的设备类型、厂家、型号、投运时间、通道类型和所属配电区域中的至少一种，作为待处理设备信息；从数据中心中获取待处理配电终端的运行状态、电池状态、通信状态和告警信息中的至少一种，作为待处理运行信息。本实施例中，配电终端102向上述数据中心发送的待处理设备信息可以包括但不限于设备类型、厂家、型号、投运时间、通道类型、所属区域等静态信息；待处理运行信息可以包括但不限于运行状态、电池状态、通信状态、告警信息等实时信息；并且，配电终端102向数据中心发送的数据还可以包含配电终端102的操作纪录、巡检纪录、维修纪录等历史信息。云端服务器104的数据中心可以将上述各个信息进行接收和存储，从而云端服务器104可以基于数据中心中的相关数据对配电终端102进行运维。

另外，需要说明的是，上述云端服务器104可以配置有相应的配网运行管理人员，配网运行管理人员可以通过访问云平台中的云端服务器104，来分别开展配电终端运维和配网主站管理工作。

步骤S204，将待处理设备信息和待处理运行信息输入目标状态评价模型，获取目标状态评价模型输出的待处理配电终端的预测故障信息；目标状态评价模型基于多个样本设备信息、多个样本运行信息以及多个历史故障信息训练得到；每个历史故障信息与一组样本设备信息和样本运行信息对应。

其中，目标状态评价模型可以是用于评价配电终端102的健康状态和运行状态的神经网络模型，目标状态评价模型可以基于多个配电终端102的多个样本设备信息、多个样本运行信息和多个历史故障信息训练得到，并且，每个历史故障信息与一组样本设备信息和样本运行信息对应。云端服务器104可以利用目标状态模型对配电终端102的运行状态和健康状态进行预测。例如，云端服务器104可以将上述获取的待处理设备信息和待处理运行信息输入目标状态评价模型，目标状态评价模型可以输出上述输入模型的设备信息和运行信息对应的待处理配电终端102的预测故障信息，该预测故障信息可以包括配电终端102的可能发生的预测故障类型以及预测故障类型的发生概率。其中，上述目标状态评价模型可以是通过挖掘样本设备信息、样本运行信息和历史故障信息之间的关联关系进行训练的。例如，当故障发生时，配电终端102的设备信息及其运行信息必然处于某种状态，则云端服务器104可以挖掘其中的关联关系；其中，历史故障信息可以包括多种类型的故障，云端服务器104可以对配电终端的历史数据进行统计处理，识别出配电终端长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等问题，为终端运行状态判别提供数据支持；从而云端服务器104可以利用数据挖掘算法，对配电终端故障历史信息与配电终端102运行状态信息、配电终端102的设备信息以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联关系进行深入挖掘，为配电终端健康状态评价提供支持。

步骤S206，根据预测故障信息确定需要维护的目标待处理配电终端，形成目标待处理配电终端列表，以及确定目标待处理配电终端列表的目标运维策略，并控制目标待处理配电终端列表中的目标待处理配电终端执行目标运维策略。

其中，预测故障信息可以是目标状态评价模型输出的待处理配电终端102可能会发生的故障信息。云端服务器104可以基于预测故障信息确定需要维护的目标待处理配电终端102，并形成相应的目标待处理配电终端列表。例如，每个配电终端102的预测故障信息中并不一定代表该配电终端102会发生故障，则云端服务器104可以将可能发生故障的配电终端102作为目标待处理配电终端102，并加入目标待处理配电终端列表中，并且云端服务器104还可以基于目标待处理配电终端列表中的各个目标待处理配电终端102的预测故障信息，确定相应的目标运维策略，并且云端服务器104可以远程控制目标待处理配电终端列表中的目标待处理配电终端102执行上述目标运维策略，从而可以实现在云端对边缘侧的配电终端102进行运维的云边协同运维。

上述基于云边协同的配电终端运维方法中，通过从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息并输入目标状态评价模型，获取目标状态评价模型输出的待处理配电终端的预测故障信息，并根据所述预测故障信息确定需要维护的目标待处理配电终端，形成相应的待处理配单终端列表，并确定该列表的目标运维策略，从而控制目标待处理配电终端执行目标运维策略。相较于传统的通过人工进行配电终端的运维，本方案利用云端服务器和状态评价模型，对边缘侧的配电终端进行状态检测和运维，从而提高了配电终端运维的效率。

在一个实施例中，还包括：获取样本配电终端对应的多个样本设备信息、多个样本运行信息以及多个历史故障信息；将样本设备信息以及样本运行信息输入待训练状态评价模型，获取待训练状态评价模型输出的样本预测故障信息；判断样本预测故障信息与样本设备信息和样本运行信息对应的历史故障信息的相似值是否小于预设相似阈值；若否，根据相似值调整待训练状态评价模型，返回将样本设备信息以及样本运行信息输入待训练状态评价模型的步骤；若是，结束循环，将当前的待训练状态评价模型作为目标状态评价模型。

本实施例中，云端服务器104可以通过对待训练的状态评价模型进行训练，得到目标状态评价模型。云端服务器104可以获取参与训练的多个样本配电终端的样本设备信息、样本运行信息和历史故障信息，从而得到多个样本设备信息、多个样本运行信息和多个历史故障信息，并且每个历史故障信息与一组样本设备信息和样本运行信息对应。云端服务器104可以将一个样本设备信息和样本运行信息输入待训练状态评价模型，待训练状态评价模型可以输出基于样本设备信息和样本运行信息预测得到的样本预测故障信息并输出，云端服务器104可以获取上述样本预测故障信息，并且云端服务器104可以判断样本预测故障信息与上述输入待训练状态评价模型的一组样本设备信息和样本运行信息对应的历史故障信息的相似值，若相似值大于或等于预设相似阈值，则云端服务器104可以确定待训练状态评价模型未训练完成，并根据相似值调整待训练状态评价模型中的相关参数，返回将样本设备信息和样本运行信息输入待训练状态评价模型的步骤，从而云端服务器104可以利用新的一组样本设备信息和样本运行信息对待训练状态评价模型进行下一次训练。当上述相似值小于预设相似阈值时，云端服务器104可以确定训练完成，并结束训练，将当前次训练得到的状态评价模型作为目标状态评价模型。

其中，上述设备信息、运行信息和历史故障信息均可以包含多种类型的信息，则云端服务器104可以通过训练目标状态评价模型挖掘其间的关系。例如，云端服务器104可以利用大数据分析算法，研究配电终端设备故障与自身运行状态参数、投运时间、厂家、型号、通道类型以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联规则与演化规律，并且建立配电终端健康状态评价与预测模型，即上述状态评价模型，并利用机器学习与关联分析算法对参数与权重进行调整，得到目标状态评价模型，从而云端服务器104可以利用该目标状态评价模型对配电终端102的故障信息进行预测。

通过本实施例，云端服务器104可以基于多个样本设备信息、多个样本运行信息和多个历史故障信息训练得到目标状态评价模型，从而云端服务器104可以利用目标状态评价模型对待处理配电终端102进行运维，提高了对配电终端的运维效率。

在一个实施例中，从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息之后，还包括：获取待处理配电终端对应的历史巡检信息；根据历史巡检信息，确定待处理配电终端对应的巡检参数；根据巡检参数，按照预设周期检测待处理配电终端的待处理运行信息中是否存在异常运行信息，若是，根据异常运行信息生成对应的告警信息和目标运维策略，并控制待处理配电终端执行目标运维策略。

本实施例中，云端服务器104可以对边缘侧的配电终端102进行自动巡检，从而对配电终端102的状态进行日常监测，并对不正常的状态进行预警。配电终端102可以基于历史的巡检信息确定需要对配电终端102的巡检方式，例如，配电终端102可以获取待处理配电终端102的历史巡检信息，并分析历史巡检信息得到待处理配电终端102对应的巡检参数，从而云端服务器104可以根据巡检参数，按照预设周期检测待处理配电终端102的运行信息中是否存在异常运行信息，如停机或掉线等；若存在，则云端服务器104可以根据异常运行信息生成对应的告警信息和目标运维策略，并控制发生异常的配电终端102执行目标运维策略。

例如，云端服务器104可以采用机器学习方法对以往人工巡检的工作记录单进行学习，提取巡检工作项，并根据提取出来的巡检工作项生成巡检参数，从而云端服务器104可以按照巡检参数定时检查所有配电终端的状态，并对不正常的终端进行预警。云端服务器104可以对配电终端102的状态进行监测和日常运维，云端服务器104实时监测配电终端的运行状态，当配电终端出现停机、掉线等异常情况时，发送告警信号，如对相关工作人员的终端发送告警信息，使相关工作人员对告警信息进行处理。另外，在一些实施例中，云端服务器104还可以对边缘侧的配电终端102进行批量的设置和更新。云端服务器104可以在云端对配电终端进行批量参数设置，还可在云端对配电终端进行批量运行程序更新。例如在多个配电终端102处于上述异常状态时，云端服务器104可以批量对多个配电终端102进行参数设置和程序更新，使得配电终端102恢复正常运行状态。

通过本实施例，云端服务器104可以对配电终端102进行定时巡检和对异常进行预警，提高了对配电终端102的运维效率。

在一个实施例中，根据预测故障信息确定需要维护的目标待处理配电终端，形成目标待处理配电终端列表，包括：若预测故障概率大于或等于预设故障阈值，确定预测故障信息对应的待处理配电终端为目标待处理配电终端；根据目标待处理配电终端的待处理设备信息，生成目标待处理配电终端列表。

本实施例中，上述预测故障信息可以包括待处理配电终端102的预测故障概率。则云端服务器104可以基于预测故障概率确定目标待处理配电终端列表。云端服务器104可以检测目标状态评价模型输出的预测故障概率是否大于或等于预设故障阈值，若是，则云端服务器104可以确定该预测故障概率对应的待处理配电终端102为目标待处理配电终端102，而目标待处理配电终端102可以有多个，云端服务器104可以基于目标待处理配电终端102的待处理设备信息生成目标待处理配电终端列表，即云端服务器104将目标待处理配电终端102的设备标识加入目标待处理配电终端列表中。

其中，上述目标状态评价模型可以包含对配电终端102的健康状态评价以及故障预测流程。例如，云端服务器104可以利用配电终端健康状态评价模型，即上述目标状态评价模型，根据当前配电终端102的运行状态参数以及其他相关信息，评价配电终端102的当前健康状态。利用配电终端健康预测模型，即上述目标状态评价模型，预测终端未来一段时间出现故障以及出现何种故障的概率。从而云端服务器104可以基于故障的概率对配电终端102进行主动运维，即云端服务器104根据状态评价和故障预测，将可能会出现故障的配电终端102列入重点关注列表，形成上述目标待处理配电终端列表。

通过本实施例，云端服务器104可以基于预测故障概率确定需要主动运维的目标待处理配电终端102，从而提高了对配电终端102的运维效率。

在一个实施例中，控制目标待处理配电终端列表中的目标待处理配电终端执行目标运维策略，包括：控制目标待处理配电终端列表中的目标待处理配电终端进行自检自恢复和/或软件升级，以使目标待处理配电终端恢复正常运行。

本实施例中，云端服务器104可以对目标待处理配电终端列表中的各个目标待处理配电终端102进行主动运维，例如，云端服务器104可以远程控制目标待处理配电终端102进行自检自恢复操作，云端服务器104还可以远程控制目标待处理配电终端102进行运行软件升级，从而使得目标待处理配电终端102恢复正常运行状态。

另外，云端服务器104在控制上述目标待处理配电终端102执行相应的目标运维策略后，还可以基于目标状态评价模型对执行目标运维策略后的目标待处理配电终端102再次进行状态评价和故障预测。例如，在一个实施例中，控制目标待处理配电终端列表中的目标待处理配电终端执行目标运维策略之后，还包括：获取执行目标运维策略后的目标待处理配电终端的目标待处理设备信息以及目标待处理运行信息；将目标待处理设备信息以及目标待处理运行信息输入目标状态评价模型，获取目标状态评价模型输出的目标预测故障信息；若目标预测故障信息存在预设高风险故障信息，生成对应的故障预警信息并发送至工作人员的终端，以使工作人员基于故障预警信息对目标待处理配电终端进行检查。

本实施例中，上述预测故障信息还可以包含预测的故障类型，云端服务器104可以在目标待处理配电终端102执行目标运维策略后，获取执行后的目标待处理配电终端102的目标待处理设备信息以及目标待处理运行信息，并将目标待处理设备信息以及目标待处理运行信息输入目标状态评价模型，目标状态评价模型可以对目标待处理运行信息和目标待处理设备信息进行状态评价和故障预测，从而云端服务器104可以获取目标状态评价模型输出的目标预测故障信息，并检测其中是否存在预设的高风险故障信息，该高风险故障信息可以预先进行设定，若存在，则云端服务器104可以生成对应的故障预警信息并发送至工作人员的终端，从而相关工作人员可以基于故障预警信息对目标待处理配电终端102进行检查。例如，服务器102可以将上述自动巡检中出现异常状态的配电终端102和通过目标状态评价模型预测得到的可能出现故障的配电终端102均加入目标待处理配电终端列表，并远程对目标待处理配电终端列表中的终端进行自检自恢复操作，继续采用目标状态评价模型进行评价和预测。云端服务器104还可以远程对目标待处理配电终端列表中的终端进行运行软件升级，继续采用目标状态评价模型进行评价和预测。当云端服务器104对上述主动运维后依然存在高风险的终端，可以安排人员进行现场巡检和维护。

通过上述实施例，云端服务器104可以基于目标运维策略，远程对边缘侧的目标待处理配电终端102进行运维，从而提高了配电终端运维的效率。

在一个实施例中，获取目标状态评价模型输出的待处理配电终端的预测故障信息之后，还包括：根据待处理配电终端的待处理设备信息的类型，对预测故障信息进行聚类处理，得到待处理设备信息对应的预测故障信息集群；若预测故障信息集群中的相同类型的预测故障信息的数量大于预设数值，根据待处理设备信息生成对应的运维策略。

本实施例中，云端服务器104还可以对可能发生故障的配电终端102进行聚类分析，配电终端102可以在得到上述待处理配电终端102的预测故障信息后，根据待处理配电终端102的待处理设备信息的类型，对预测故障信息进行聚类处理，从而得到待处理设备信息对应的预测故障信息集群。其中，待处理设备信息的类型可以包括多种，例如可以待处理设备信息可以是配电终端102的型号，由于型号可以包含多种，则上述预测故障信息集群也可以是多个。每个预测故障信息集群中可以包含多种类型的预测故障信息，当云端服务器104检测到预测故障信息集群中的相同类型的预测故障信息的数量大于预先设定的预设数值，则云端服务器104可以确定该故障信息为该类型的配电终端102的共同缺陷，因此云端服务器104可以根据该待处理设备信息生成对应的运维策略，从而对该待处理设备信息对应的配电终端102进行统一升级维护。例如，上述聚类分析可以是一种家族性特征分析，云端服务器104通过对配电终端102设备缺陷进行聚类与关联分析，识别其中的家族性特征，在此基础上提出运行维护策略与计划。如通过缺陷家族性分析，发现某厂家某种型号的特定版本或批号的配电终端102发生某种类型故障的次数过多，据此可针对同类终端提出批量统一升级维护的计划。

通过本实施例，云端服务器104可以基于配电终端102的设备信息确定一种设备信息共同可能发生的故障，从而对同类配电终端102进行统一维护，提高了对配电终端的运维效率。

在一个实施例中，如图3所示，图3为另一个实施例中基于云边协同的配电终端运维方法的流程示意图。包括以下流程：服务器102可以从数据中心获取配电终端的状态数据，包括设备类型、厂家、型号、投运时间、通道类型、所属区域等静态信息，运行状态、电池状态、通信状态、告警信息等实时信息，以及操作纪录、巡检纪录、维修纪录等历史信息。云端服务器104还可以采用大数据技术对数据进行预处理与统计分析。例如，当云端服务器104发现批量终端掉线时，对掉线的配电终端网络特征进行分析，判别掉线原因是终端故障还是通信网络故障，并生成设备缺陷告警信息；对所采集的终端运行状态进行监测，当出现异常时产生告警。云端服务器104还可以通过对配电终端的历史数据进行统计处理，识别出配电终端长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等问题，为终端运行状态判别提供数据支持。云端服务器104还可以利用数据挖掘算法，对配电终端故障历史信息与终端运行状态信息以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联关系进行深入挖掘，为配电终端健康状态评价提供支持。

云端服务器104可以对配电终端102进行智能运维。例如，云端服务器104可以对配电终端102进行状态监测与日常运维，具体包括实时监测配电终端的运行状态，当配电终端出现停机、掉线等异常情况时，发送告警信号。云端服务器104可在云端对配电终端进行批量参数设置；以及云端服务器104可在云端对配电终端进行批量运行程序更新。云端服务器104还可以对配电终端102进行自动巡检，具体包括采用机器学习方法对以往人工巡检的工作记录单进行学习，提取巡检工作项。并根据提取出来的巡检工作项生成巡检参数。再按照巡检参数定时检查所有配电终端的状态。并对不正常的终端进行预警。云端服务器104还可以对配电终端102进行健康状态评价，具体包括利用大数据分析算法，研究配电终端设备故障与自身运行状态参数、投运时间、厂家、型号、通道类型以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联规则与演化规律。云端服务器104还可以建立配电终端健康状态评价与预测模型，即上述目标状态评价模型，并利用机器学习与关联分析算法对参数与权重进行调整。利用配电终端健康状态评价模型，根据当前的运行状态参数以及其他相关信息，评价终端的当前健康状态。并利用配电终端健康预测模型，预测终端未来一段时间出现故障以及出现何种故障的概率。

云端服务器104还可以对配电终端102进行主动运维，具体包括根据自动巡检中的故障预警和目标状态评价模型中的状态评价和故障预测，将可能会出现故障的终端列入重点关注列表，即上述目标待处理配电终端列表。云端服务器104远程对重点关注列表中的终端进行自检自恢复操作，继续采用目标状态评价模型进行评价和预测。云端服务器104可以远程对重点关注列表中的终端进行运行软件升级，继续采用目标状态评价模型进行评价和预测，对依然存在高风险的终端，云端服务器104可以安排人员进行现场巡检和维护。云端服务器104还可以通过对终端设备缺陷进行聚类与关联分析，识别其中的家族性特征，在此基础上提出运行维护策略与计划。如通过缺陷家族性分析，发现某厂家某种型号的特定版本或批号的终端发生某种类型故障的次数过多，据此可针对同类终端提出批量统一升级维护的计划。

通过上述实施例，通过采用云边协同技术，对配电终端进行集中运维，在云端部署配电终端远程运维应用，利用云端统一的数据底座，减少信息交互环节，确保数据的一致性和准确性；运维应用作为云端主站的应用功能之一，减少配网运行管理人员在多个***间切换的工作量。同时采用智能化运维技术，对配电终端进行自动巡检，建立配电终端的健康状态评价模型，按需运维，优化检修策略，降低运维工作量，减少配电终端故障率，从而提高了对配电终端102的运维效率。

应该理解的是，虽然图2-图3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2-图3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的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4所示，提供了一种基于云边协同的配电终端运维装置，包括：获取模块500、预测模块502和运维模块504，其中：

获取模块500，用于从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息；所述数据中心设置于所述云端服务器，用于接收待处理配电终端发送的待处理设备信息以及待处理运行信息并存储。

预测模块502，用于将所述待处理设备信息和所述待处理运行信息输入目标状态评价模型，获取所述目标状态评价模型输出的所述待处理配电终端的预测故障信息；所述目标状态评价模型基于多个样本设备信息、多个样本运行信息以及多个历史故障信息训练得到；每个所述历史故障信息与一组样本设备信息和样本运行信息对应。

运维模块504，用于根据所述预测故障信息确定需要维护的目标待处理配电终端，形成目标待处理配电终端列表，以及确定所述目标待处理配电终端列表的目标运维策略，并控制所述目标待处理配电终端列表中的目标待处理配电终端执行所述目标运维策略。

在一个实施例中，上述装置还包括：训练模块，用于获取样本配电终端对应的多个样本设备信息、多个样本运行信息以及多个历史故障信息；将所述样本设备信息以及所述样本运行信息输入待训练状态评价模型，获取所述待训练状态评价模型输出的样本预测故障信息；判断所述样本预测故障信息与所述样本设备信息和所述样本运行信息对应的历史故障信息的相似值是否小于预设相似阈值；若否，根据所述相似值调整所述待训练状态评价模型，返回将所述样本设备信息以及所述样本运行信息输入待训练状态评价模型的步骤；若是，结束循环，将当前的所述待训练状态评价模型作为目标状态评价模型。

在一个实施例中，上述装置还包括：巡检模块，用于获取所述待处理配电终端对应的历史巡检信息；根据所述历史巡检信息，确定所述待处理配电终端对应的巡检参数；根据所述巡检参数，按照预设周期检测所述待处理配电终端的待处理运行信息中是否存在异常运行信息，若是，根据所述异常运行信息生成对应的告警信息和目标运维策略，并控制所述待处理配电终端执行所述目标运维策略。

在一个实施例中，上述运维模块504，具体用于若所述预测故障概率大于或等于预设故障阈值，确定所述预测故障信息对应的待处理配电终端为目标待处理配电终端；根据所述目标待处理配电终端的待处理设备信息，生成目标待处理配电终端列表。

在一个实施例中，上述运维模块504，具体用于控制所述目标待处理配电终端列表中的目标待处理配电终端进行自检自恢复和/或软件升级，以使所述目标待处理配电终端恢复正常运行。

在一个实施例中，上述装置还包括：检查模块，用于获取执行所述目标运维策略后的目标待处理配电终端的目标待处理设备信息以及目标待处理运行信息；将所述目标待处理设备信息以及目标待处理运行信息输入目标状态评价模型，获取所述目标状态评价模型输出的目标预测故障信息；若所述目标预测故障信息存在预设高风险故障信息，生成对应的故障预警信息并发送至工作人员的终端，以使所述工作人员基于所述故障预警信息对所述目标待处理配电终端进行检查。

在一个实施例中，上述装置还包括：聚类模块，用于根据所述待处理配电终端的待处理设备信息的类型，对所述预测故障信息进行聚类处理，得到所述待处理设备信息对应的预测故障信息集群；若所述预测故障信息集群中的相同类型的预测故障信息的数量大于预设数值，根据所述待处理设备信息生成对应的运维策略。

在一个实施例中，上述获取模块500，具体用于从数据中心中获取所述待处理配电终端的设备类型、厂家、型号、投运时间、通道类型和所属配电区域中的至少一种，作为所述待处理设备信息；从所述数据中心中获取所述待处理配电终端的运行状态、电池状态、通信状态和告警信息中的至少一种，作为所述待处理运行信息。

关于基于云边协同的配电终端运维装置的具体限定可以参见上文中对于基于云边协同的配电终端运维方法的限定，在此不再赘述。上述基于云边协同的配电终端运维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服务器，其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。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***、计算机程序和数据库。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。该计算机设备的数据库用于存储基于配电终端的运维相关数据。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基于云边协同的配电终端运维方法。

本领域技术人员可以理解，图5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，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述的基于云边协同的配电终端运维方法。

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上述的基于云边协同的配电终端运维方法。

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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)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)

1.一种基于云边协同的配电终端运维方法，其特征在于，应用于云端服务器，所述方法包括：

从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息；所述数据中心设置于所述云端服务器，用于接收待处理配电终端发送的待处理设备信息以及待处理运行信息并存储；

将所述待处理设备信息和所述待处理运行信息输入目标状态评价模型，获取所述目标状态评价模型输出的所述待处理配电终端的预测故障信息；所述目标状态评价模型基于多个样本设备信息、多个样本运行信息以及多个历史故障信息训练得到；每个所述历史故障信息与一组样本设备信息和样本运行信息对应；

根据所述预测故障信息确定需要维护的目标待处理配电终端，形成目标待处理配电终端列表，以及确定所述目标待处理配电终端列表的目标运维策略，并控制所述目标待处理配电终端列表中的目标待处理配电终端执行所述目标运维策略。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本配电终端对应的多个样本设备信息、多个样本运行信息以及多个历史故障信息；

将所述样本设备信息以及所述样本运行信息输入待训练状态评价模型，获取所述待训练状态评价模型输出的样本预测故障信息；

判断所述样本预测故障信息与所述样本设备信息和所述样本运行信息对应的历史故障信息的相似值是否小于预设相似阈值；

若否，根据所述相似值调整所述待训练状态评价模型，返回将所述样本设备信息以及所述样本运行信息输入待训练状态评价模型的步骤；

若是，结束循环，将当前的所述待训练状态评价模型作为目标状态评价模型。

3.根据权利要求1所述的方法，其特征在于，所述从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息之后，还包括：

获取所述待处理配电终端对应的历史巡检信息；

根据所述历史巡检信息，确定所述待处理配电终端对应的巡检参数；

根据所述巡检参数，按照预设周期检测所述待处理配电终端的待处理运行信息中是否存在异常运行信息，若是，根据所述异常运行信息生成对应的告警信息和目标运维策略，并控制所述待处理配电终端执行所述目标运维策略。

4.根据权利要求1所述的方法，其特征在于，所述预测故障信息包括预测故障概率；

所述根据所述预测故障信息确定需要维护的目标待处理配电终端，形成目标待处理配电终端列表，包括：

若所述预测故障概率大于或等于预设故障阈值，确定所述预测故障信息对应的待处理配电终端为目标待处理配电终端；

根据所述目标待处理配电终端的待处理设备信息，生成目标待处理配电终端列表。

5.根据权利要求1所述的方法，其特征在于，所述控制所述目标待处理配电终端列表中的目标待处理配电终端执行所述目标运维策略，包括：

控制所述目标待处理配电终端列表中的目标待处理配电终端进行自检自恢复和/或软件升级，以使所述目标待处理配电终端恢复正常运行；

所述控制所述目标待处理配电终端列表中的目标待处理配电终端执行所述目标运维策略之后，还包括：

获取执行所述目标运维策略后的目标待处理配电终端的目标待处理设备信息以及目标待处理运行信息；

将所述目标待处理设备信息以及目标待处理运行信息输入目标状态评价模型，获取所述目标状态评价模型输出的目标预测故障信息；

若所述目标预测故障信息存在预设高风险故障信息，生成对应的故障预警信息并发送至工作人员的终端，以使所述工作人员基于所述故障预警信息对所述目标待处理配电终端进行检查。

6.根据权利要求1所述的方法，其特征在于，所述获取所述目标状态评价模型输出的所述待处理配电终端的预测故障信息之后，还包括：

根据所述待处理配电终端的待处理设备信息的类型，对所述预测故障信息进行聚类处理，得到所述待处理设备信息对应的预测故障信息集群；

若所述预测故障信息集群中的相同类型的预测故障信息的数量大于预设数值，根据所述待处理设备信息生成对应的运维策略。

7.根据权利要求1所述的方法，其特征在于，所述从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息，包括：

从数据中心中获取所述待处理配电终端的设备类型、厂家、型号、投运时间、通道类型和所属配电区域中的至少一种，作为所述待处理设备信息；

从所述数据中心中获取所述待处理配电终端的运行状态、电池状态、通信状态和告警信息中的至少一种，作为所述待处理运行信息。

8.一种基于云边协同的配电终端运维装置，其特征在于，应用于云端服务器，所述装置包括：

获取模块，用于从数据中心中获取待处理配电终端的待处理设备信息以及待处理运行信息；所述数据中心设置于所述云端服务器，用于接收待处理配电终端发送的待处理设备信息以及待处理运行信息并存储；

预测模块，用于将所述待处理设备信息和所述待处理运行信息输入目标状态评价模型，获取所述目标状态评价模型输出的所述待处理配电终端的预测故障信息；所述目标状态评价模型基于多个样本设备信息、多个样本运行信息以及多个历史故障信息训练得到；每个所述历史故障信息与一组样本设备信息和样本运行信息对应；

运维模块，用于根据所述预测故障信息确定需要维护的目标待处理配电终端，形成目标待处理配电终端列表，以及确定所述目标待处理配电终端列表的目标运维策略，并控制所述目标待处理配电终端列表中的目标待处理配电终端执行所述目标运维策略。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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7中任一项所述的方法的步骤。

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7中任一项所述的方法的步骤。

Images