[发明专利]一种基于人工智能技术的全边界电力网络数据分析方法

权利要求书

1.一种基于人工智能技术的全边界电力网络数据分析方法，其特征在于，方法包括：电力监控模块；

电力监控模块对电力网络中的电力数据进行采集监控；

对电力数据操作终端进行处理的电力操作数据采用主动采集方式进行获取；

电力监控模块获取电力数据操作终端的终端信息，通过对终端信息进行解析，获取电力数据操作终端的身份信息和IP信息。

2.根据权利要求1所述的电力网络数据分析方法，其特征在于，

电力监控模块采用多线程监控电力数据操作终端，在获取到电力操作数据的关键词，电力数据操作终端的身份信息和IP信息后，通过多线程通信方式；

电力监控模块调取电力操作数据的关键词；通过关键词识别完整的电力数据；

从数据库调取比对信息，进行身份比对和IP信息匹配，同时监控电力数据操作终端的身份权限信息是否满足电力数据操作权限。

3.根据权利要求1所述的电力网络数据分析方法，其特征在于，

电力监控模块调取电力数据操作终端的操作日志获取完整的电力数据操作日志，并对获取的电力数据操作日志中的被操作设备地址信息，被操作设备端口信息，被操作设备的状态数据；

电力监控模块设置电力信息过滤条件，电力监控模块将不符合电力信息过滤条件的电力数据进行排除，找出符合电力信息过滤条件的电力数据进行监控。

4.根据权利要求1所述的电力网络数据分析方法，其特征在于，

电力监控模块对采集电力数据进行关键字识别和电力设备图像识别；

将识别的电力数据关键字与数据库中的对应的电力数据进行匹配，匹配出相应的电力数据，确定电力数据当时是否满足操作要求，以及电力数据操作终端是否具有操作权限。

5.根据权利要求4所述的电力网络数据分析方法，其特征在于，

电力设备图像识别可以采用Mean shift算法对电力设备图像中的比对特征进行匹配，从而识别出图像中电力设备的状态；

还可以识别电力数据操作终端对电力设备图像的操作过程，是否满足预设要求。

6.根据权利要求5所述的电力网络数据分析方法，其特征在于，

提取电力设备图像中的关键要素：通过高斯微分函数识别电力设备图像中的具有尺度特性和颜色特性的关键要素；

定位关键要素并确定特性状态；

通过对各关键要素的特性状态比较，找出匹配的若干对特征点，对特征点的状态进行识别比对，监控电力设备状态。

7.根据权利要求1所述的电力网络数据分析方法，其特征在于，

还包括：查询模块，查询模块向用户提供查询接口；包含电力数据的搜索与查询，数据的核查、统计，电力设备的运行状态。

8.根据权利要求1所述的电力网络数据分析方法，其特征在于，

电力服务器通过日志消息队列对电力数据操作日志和电力监控模块的监控日志进行获取并储存；

电力服务器对电力数据操作日志和电力监控模块的监控日志进行异常分析；

当出现异常数据时，分析电力数据操作日志和电力监控模块的监控日志的特征参数；

根据特征参数库中储存的标准特征参数判断出异常数据的种类、异常状态以及预设正常状态；

对异常数据分析之后，在电力网络中检测是否具有与该异常数据和异常状态相同的异常数据，进行预警。

9.根据权利要求1所述的电力网络数据分析方法，其特征在于，

电力服务器收集电力数据操作日志和电力监控模块的监控日志，收集的日志通过通信管道传输到日志消息中间模块，再通过通信管道传输到分布式文档数据库；

接收电力数据操作日志和电力监控模块的监控日志后，将日志自动传输到配置好的分布式文档数据库，获取到的日志会在分布式文档数据库中储存预设时长。

10.根据权利要求1所述的电力网络数据分析方法，其特征在于，

分布式文档数据库用于提供储存预设时长的数据存储，及接口查询，分布式文档数据库存储的数据；

电力监控模块对日志数据进行实时监控，判断是否出现电力数据异常，如发现电力数据异常，分析电力数据异常的特征，根据电力数据异常特征库找到相对于的故障点，或故障位置。