[发明专利]一种电力设备画像的生成方法及装置

权利要求书

1.一种电力设备画像的生成方法，其特征在于，包括：

获取所有类型设备数据信息；

对所述所有类型设备数据信息进行同型聚合，得到同一类型设备的用于区分不同状态的有效数据信息集合；

确定待生成画像设备的目标设备类型，并根据所述目标设备类型，从所有所述有效设备数据信息集合中匹配得到目标设备有效数据信息集合；

将所述目标设备有效数据信息集合输入预先构建的网络模型，得到对应的设备标签；

为所述待生成画像设备分配所述设备标签，结合数据可视化方法生成设备画像。

2.根据权利要求1所述的电力设备画像的生成方法，其特征在于，所述网络模型包括：设备特征模型、决策树分类模型和循环分类预测模型；所述设备标签包括：设备属性标签、设备故障标签及状态预测标签；将所述目标设备有效数据信息集合输入预先构建的网络模型，得到对应的设备标签，包括：

将所述目标设备有效数据信息集合分别输入所述设备特征模型和所述决策树分类模型，得到对应的设备故障标签和设备属性标签；

从所述目标设备有效数据信息集合中筛选与时间序列相关的设备状态数据；

将所述设备状态数据输入所述循环分类预测模型中，得到对应的状态预测标签。

3.根据权利要求2所述的电力设备画像的生成方法，其特征在于，所述设备属性标签包括：设备运维标签和设备运行标签；将所述目标设备有效数据信息集合分别输入所述设备特征模型和所述决策树分类模型，得到对应的设备故障标签和设备属性标签，具体为：

将所述目标设备有效数据信息集合输入所述决策树分类模型，得到对应的设备运维标签和设备运行标签；

所述将所述设备状态数据输入所述循环分类预测模型中，得到对应的标签预测结果的步骤，具体为：

将所述设备状态数据输入所述循环分类预测模型中，得到对应的设备运行标签预测结果和设备故障标签预测结果，形成状态预测标签。

4.根据权利要求3所述的电力设备画像的生成方法，其特征在于，将所述目标设备有效数据信息集合分别输入所述设备特征模型和所述决策树分类模型，得到对应的设备故障标签和设备属性标签，包括：

对所述目标设备有效数据信息集合的信号类型进行数学变换，得到信号类型为变换域信号的变换后的目标数据集合；

将所述变换后的目标数据集合信息输入所述设备特征模型中，得到对应的设备故障标签。

5.根据权利要求4所述的电力设备画像的生成方法，其特征在于，将所述变换后的目标数据集合信息输入所述设备特征模型中，得到对应的设备故障标签之前，还包括：

对所述变换后的目标数据依次进行小波变换、傅里叶变换，以及模糊函数计算在内的预处理。

6.一种电力设备画像的生成装置，其特征在于，包括：

获取模块，用于获取所有类型设备数据信息；

同型聚合模块，用于对所述所有类型设备数据信息进行同型聚合，得到同一类型设备的用于区分不同状态的有效数据信息集合；

匹配模块，用于确定待生成画像设备的目标设备类型，并根据所述目标设备类型，从所有所述有效设备数据信息集合中匹配得到目标设备有效数据信息集合；

标签生成模块，用于将所述目标设备有效数据信息集合输入预先构建的网络模型，得到对应的设备标签；

设备图像生成模块，用于为所述待生成画像设备分配所述设备标签，结合数据可视化方法生成设备画像。

7.根据权利要求6所述的电力设备画像的生成装置，其特征在于，所述网络模型包括：设备特征模型、决策树分类模型和循环分类预测模型；所述设备标签包括：设备属性标签、设备故障标签及状态预测标签；所述标签生成模块包括：

第一输入子模块，用于将所述目标设备有效数据信息集合分别输入所述设备特征模型和所述决策树分类模型，得到对应的设备故障标签和设备属性标签；

筛选子模块，用于从所述目标设备有效数据信息集合中筛选与时间序列相关的设备状态数据；

第二输入子模块，用于将所述设备状态数据输入所述循环分类预测模型中，得到对应的状态预测标签。