[发明专利]一种运维辅助标签的生成方法及系统

权利要求书

1.一种运维辅助标签的生成方法，其特征在于，

包括以下步骤：

A）建立数据服务器，导入区域电网供电设备的台账信息和历史信息；

B）运维人员现场维护时，采集设备信息并设置标签，并将信息以及标签回传到数据服务器；

C）建立神经网络模型，将前N个标签与设备信息关联后作为样本数据训练该神经网络模型；

D）后续同类设备现场维护后，运维人员上传设备信息及标签，将设备信息更新后并代入步骤C中的神经网络模型，得出模型标签，若模型标签与运维人员上传的标签相同则模型正确次数加1，反之则模型错误次数加1且将运维人员上传标签作为目标结果调整神经网络模型；

E）若在统计周期内模型正确率达到设定阈值，则将全部同类设备的信息代入所述神经网络模型，将神经网络模型输出结果作为对应设备的标签；

当某个标签对应的神经网络模型在N+M个样本数据训练后，其统计周期内正确率低于设定阈值，则执行以下步骤：

C1）从N+M个样本数据中取出H个样本数据，区分样本数据中数据量字段以及状态量字段，将数据量字段按数值区间分段处理转化为状态量字段，将全部状态量字段拆分成n个的布尔值字段，n为状态量字段可取值的数量；

C2）将样本数据的数据量字段两两之间相加、相减、相除以及相乘的结果添加为新的数据字段；

C3）计算H个样本数据经处理后每个字段之间的相似度，将相似度高于设定阈值的字段作为参考字段；

C4）获取N+M个样本数据的参考字段，与标签关联后作为新的样本数据重新训练神经网络模型，而后返回步骤D继续执行。

2.根据权利要求1所述的一种运维辅助标签的生成方法，其特征在于，

所述标签反映面向运维的设备特征信息，所述标签包括现状标签和过程标签，所述现状标签表征现场数据特征，所述过程标签表征涉及设备历史工作状态的特征。

3.根据权利要求2所述的一种运维辅助标签的生成方法，其特征在于，

所述现状标签由运维人员由设备现场数据以及台账数据直接判断并生成。

4.根据权利要求3所述的一种运维辅助标签的生成方法，其特征在于，

所述训练神经网络模型时，将现状标签与设备最新台账信息关联后作为样本数据，训练所述神经网络模型。

5.根据权利要求2所述的一种运维辅助标签的生成方法，其特征在于，

所述过程标签表征的特征为设备历史状态以及现场状态共同形成的特征，所述过程标签由运维人员由设备现场状态数据以及设备历史信息制定生成。

6.根据权利要求3所述的一种运维辅助标签的生成方法，其特征在于，

所述过程标签表征的特征为设备历史状态以及现场状态共同形成的特征，所述过程标签由运维人员由设备现场状态数据以及设备历史信息制定生成。

7.根据权利要求2所述的一种运维辅助标签的生成方法，其特征在于，

所述训练神经网络模型时，将过程标签与设备台账信息以及历史维护数据关联后作为样本数据，训练所述神经网络模型。

8.根据权利要求3所述的一种运维辅助标签的生成方法，其特征在于，

所述训练神经网络模型时，将过程标签与设备台账信息以及历史维护数据关联后作为样本数据，训练所述神经网络模型。

9.一种运维辅助标签的生成系统，适用于如权利要求1-8任一项所述的一种运维辅助标签的生成方法，其特征在于，

包括手持终端、存储器、处理器和通信装置，所述通信装置以及存储器与处理器连接，所述手持终端通过通信装置与处理器连接，所述手持终端接受运维人员输入的数据并将所述数据传输到所述处理器，所述处理器执行以下步骤：

A）建立数据服务器，导入区域电网供电设备的台账信息和历史信息；

B）运维人员现场维护时，由手持终端接收设备信息及标签设置，并将信息以及标签回传到数据服务器；

C）建立神经网络模型，将前N个标签与设备信息关联后作为样本数据训练该神经网络模型；

D）后续同类设备现场维护后，运维人员通过手持终端上传设备信息及标签，将设备信息更新后并代入步骤C中的神经网络模型，得出模型标签，若模型标签与运维人员上传的标签相同则模型正确次数加1，反之则模型错误次数加1且将运维人员上传标签作为目标结果调整神经网络模型；

E）若在统计周期内模型正确率达到设定阈值，则将全部同类设备的信息代入所述神经网络模型，将神经网络模型输出结果作为对应设备的标签；

当某个标签对应的神经网络模型在N+M个样本数据训练后，其统计周期内正确率低于设定阈值，则执行以下步骤：

C1）从N+M个样本数据中取出H个样本数据，区分样本数据中数据量字段以及状态量字段，将数据量字段按数值区间分段处理转化为状态量字段，将全部状态量字段拆分成n个的布尔值字段，n为状态量字段可取值的数量；

C2）将样本数据的数据量字段两两之间相加、相减、相除以及相乘的结果添加为新的数据字段；

C3）计算H个样本数据经处理后每个字段之间的相似度，将相似度高于设定阈值的字段作为参考字段；

C4）获取N+M个样本数据的参考字段，与标签关联后作为新的样本数据重新训练神经网络模型，而后返回步骤D继续执行。